本发明实现了即使当多个说话者同时说话时也能够提取每一说话者的语音的音频信号处理。音频信号处理设备(400)设置有：确定单元(401)，其基于外部获取的第一音频信号来确定链接到主机设备的对象说话者的第一语音段；共享单元(402)，其向链接到非对象说话者的另一设备发送第一音频信号和第一语音段，并从另一设备接收与非对象说话者相关联的第二音频信号和第二语音段；估计单元(403)，其基于所接收的第二音频信号和第二语音段以及获取的与对象说话者相关联的估计参数来估计混合在第一音频信号中的非对象说话者的语音；以及移除单元(404)，其从第一音频信号中移除非对象说话者的语音，因此创建移除了非对象说话者的语音的第一语音。