JP2003309814A5

JP2003309814A5 -

Info

Publication number: JP2003309814A5
Application number: JP2002113624A
Authority: JP
Filing date: 2002-04-16
Publication date: 2005-05-19
Anticipated expiration: 2022-04-16

Description

即ち、音声信号を含む動画情報を高速度で再生可能な動画再生装置であって、
前記動画情報に含まれる音声信号に基づいて、人の発声期間を表わす第１音声区間と、それ以外の第２音声区間とを判定する音声区間判定手段と、
前記動画情報に基づいて、前記第１音声区間は、ユーザが内容を把握可能な所定速度で、再生音声を伴う高速動画再生を行なう一方で、前記第２音声区間は、前記所定速度より高速度で、高速動画再生を行なう早見再生手段と、
を備えることを特徴とする。

好適な実施形態において、前記早見再生手段は、前記第２音声区間において、前記第１音声区間における音量より小音量の再生音声を伴う動画再生を行なうと良い。

或いは、好適な他の実施形態において、前記早見再生手段は、前記第２音声区間において、無音声にて動画再生を行なうと良い。

また、例えば前記早見再生手段は、前記第１音声区間の長さおよびその区間の再生速度と、前記第２音声区間の長さおよびその区間の再生速度とに基づいて、前記高速動画再生に要する所要時間を算出すると共に、算出した所要時間をユーザに提示することを特徴とし、
この場合、前記早見再生手段は、前記所要時間を提示するのに応じて、前記第１及び第２音声区間の再生速度の変更操作がユーザによって行われた場合に、その変更後の再生速度に基づいて、前記所要時間を調整する調整手段を含むと良い。

＜動画早見インデックス作成部１００＞
図２は、動画早見インデックス作成部１００において行われる人の発声期間を表わす音声区間（区間Ａ）検出のためのアルゴリズムを表わすブロック図であり、ＡＧＣ（オートゲインコントロール）21、ローパスフィルタ22、零交差検出部23a,23b、音声セグメント化部24、音声ピッチ検出部25、音声ラベリング部26、音声エネルギ計算部27、並びに音声区間判定部28から成る。

図３は、図２に示すアルゴリズムに基づく処理の概略を示すフローチャートであり、このフローチャートを参照して区間Ａ検出の手順を説明すると、まずステップＳ301にて音声信号を複数の小セグメントに分割し、ステップＳ302では、それらの小セグメントの音響的な特徴を表す音声ラベリングを行なう。その際、ステップＳ303では、音声ピッチを検出することによってロバストな母音候補の検出を行い、最後に、ステップＳ304において、音声ピッチ検出結果に基づいて人の音声区間（区間Ａ）の判定を行う。

そして、ステップＳ902では、図７に例示する場合において、零交差点X1を始点とし、零交差点X2を終点とする部分波形をｆ（ｘ）、零交差点X2を始点とし、零交差点X3を終点とする部分波形をｇ（ｘ）を、初期基準として決定する。

Claims

音声信号を含む動画情報を高速度で再生可能な動画再生装置であって、
前記動画情報に含まれる音声信号に基づいて、人の発声期間を表わす第１音声区間と、それ以外の第２音声区間とを判定する音声区間判定手段と、
前記動画情報に基づいて、前記第１音声区間は、ユーザが内容を把握可能な所定速度で、再生音声を伴う高速動画再生を行なう一方で、前記第２音声区間は、前記所定速度より高速度で、高速動画再生を行なう早見再生手段と、
を備えることを特徴とする動画再生装置。
前記早見再生手段は、前記第２音声区間において、前記第１音声区間における音量より小音量の再生音声を伴う動画再生を行なうことを特徴とする請求項１記載の動画再生装置。
前記早見再生手段は、前記第２音声区間において、無音声にて動画再生を行なうことを特徴とする請求項１記載の動画再生装置。
前記音声区間判定手段は、前記音声信号に基づいて、声帯振動に対応する音声ピッチを抽出し、抽出した音声ピッチに基づいて、前記第１音声区間を判定することを特徴とする請求項１乃至請求項３の何れかに記載の動画再生装置。
前記早見再生手段において、前記第２音声区間における音声再生時の音量は、予め決定されるまたはユーザが指定可能であることを特徴とする請求項１乃至請求項３の何れかに記載の動画再生装置。
前記音声区間判定手段は、
前記音声信号に含まれる人の発した音声帯域にフィルタリングを施すことによって得られる信号から、存在し得る声帯振動数範囲のピッチを抽出することによって人の声の支配的な母音部を検出すると共に、検出した母音部を統合することにより、前記第１音声区間を決定することを特徴とする請求項１乃至請求項３の何れかに記載の動画再生装置。
前記音声区間判定手段は、前記音声信号に基づいて、前記第１音声区間を判定するに際して、時間軸上で近接する複数の前記第１音声区間を、統合補正する補正手段を含むことを特徴とする請求項１乃至請求項３の何れかに記載の動画再生装置。
前記補正手段は、前記動画情報に含まれるシーンチェンジ点を検出すると共に、検出した個々のシーンチェンジ点のうち、着目する前記第１音声区間の始点よりも時間的に早く且つ最も近傍に位置する近傍シーンチェンジ点と、その始点との時間間隔が所定のしきい値以下である場合に、該着目する前記第１音声区間の始点を、該近傍シーンチェンジ点に対応する情報に置き換えることによって補正することを特徴とする請求項７記載の動画再生装置。
前記早見再生手段は、前記第１音声区間の長さおよびその区間の再生速度と、前記第２音声区間の長さおよびその区間の再生速度とに基づいて、前記高速動画再生に要する所要時間を算出すると共に、算出した所要時間をユーザに提示することを特徴とする請求項１乃至請求項３の何れかに記載の動画再生装置。
前記早見再生手段は、前記所要時間を提示するのに応じて、前記第１及び第２音声区間の再生速度の変更操作がユーザによって行われた場合に、その変更後の再生速度に基づいて、前記所要時間を調整する調整手段を含むことを特徴とする請求項９記載の動画再生装置。
更に、前記動画再生装置を利用可能なユーザを対象として、個々のユーザに関する属性情報が登録されたユーザ・プロファイルを備え、
前記早見再生手段は、前記ユーザ・プロファイルに登録されているところの、特定ユーザに関する属性情報に従って、前記第１及び第２音声区間の再生速度を自動的に決定することを特徴とする請求項１乃至請求項３の何れかに記載の動画再生装置。
前記ユーザ・プロファイルには、前記個々のユーザに関する属性情報として、年齢、使用言語、動体視力、並びに早い音声の聴力のうち少なくとも何れかが含まれることを特徴とする請求項１１記載の動画再生装置。
前記早見再生手段は、
前記特定ユーザに関する属性情報に従って自動的に決定したところの、前記第１音声区間の長さおよびその区間の再生速度と、前記第２音声区間の長さおよびその区間の再生速度とに基づいて、前記高速動画再生に要する所要時間を算出すると共に、算出した所要時間を該ユーザに提示すると共に、その所要時間を提示するのに応じて、前記第１及び第２音声区間の再生速度の変更操作がユーザによって行われた場合に、その変更後の再生速度に基づいて、前記所要時間を調整する調整手段を含む
ことを特徴とする請求項１１または請求項１２記載の動画再生装置。
前記調整手段は、前記変更後の第１及び第２音声区間の再生速度を、前記特定ユーザに関する属性情報と関連付けして、前記ユーザ・プロファイルに記憶し、
前記早見再生手段は、前記高速動画再生に際して、前記ユーザ・プロファイルに記憶された変更後の第１及び第２音声区間の再生速度を反映する
ことを特徴とする請求項１３記載の動画再生装置。
前記早見再生手段は、
前記第２音声区間の再生態様に関する情報がユーザによって指定された場合に、前記ユーザ・プロファイルに記憶された該ユーザに関する属性情報に対して、該再生態様に関する情報を関連付けして、前記ユーザ・プロファイルに記憶すると共に、前記高速動画再生に際して、前記ユーザ・プロファイルに記憶された前記第２音声区間の再生態様に関する情報を反映することを特徴とする請求項１１記載の動画再生装置。
前記第１音声区間の高速動画再生時の前記所定速度は、等速再生の１．５倍乃至２倍の速度であることを特徴とする請求項１記載の動画再生装置。
前記早見再生手段は、前記ユーザ・プロファイルに登録された前記ユーザに関する属性情報に、高齢者、視覚障害者、或いは聴覚障害者であることを示す識別情報が含まれる場合に、その識別情報に対応するユーザを対象として前記高速動画再生を行なうに際して、前記第１音声区間の再生速度は前記等倍速度より遅くし、前記第２音声区間の再生速度は前記等倍速度より速く行なうことを特徴とする請求項１１記載の動画再生装置。
前記早見再生手段は、前記ユーザ・プロファイルに登録された前記ユーザに関する属性情報に、そのユーザの使用言語を示す識別情報が含まれ、その識別情報と、前記動画情報に含まれる言語種別情報とが一致しない場合には、その識別情報に対応するユーザを対象として前記高速動画再生を行なうに際して、前記第１音声区間の再生速度は前記等倍速度より遅くし、前記第２音声区間の再生速度は５倍速乃至１０倍速で行なうことを特徴とする請求項１１記載の動画再生装置。
前記ユーザ・プロファイルには、前記動画再生装置を利用可能な複数のユーザを対象として、個々のユーザに関する属性情報が登録されており、
前記早見再生手段は、特定ユーザの選択操作に応じて、または個人認証技術に基づいて、その特定ユーザに関する属性情報を、前記ユーザ・プロファイルから取得することを特徴とする請求項１１記載の動画再生装置。
更に、前記ユーザ・プロファイルに登録された特定ユーザに関する属性情報を、その特定ユーザ自身が変更可能な属性情報変更手段を備えることを特徴とする請求項１１記載の動画再生装置。
音声信号を含む動画情報を高速度で再生する動画再生方法であって、
前記動画情報に含まれる音声信号に基づいて、人の発声期間を表わす第１音声区間と、それ以外の第２音声区間とを判定する音声区間判定工程と、
前記動画情報に基づいて、前記第１音声区間は、ユーザが内容を把握可能な所定速度で、再生音声を伴う高速動画再生を行なう一方で、前記第２音声区間は、前記所定速度より高速度で、高速動画再生を行なう早見再生工程と、
を有することを特徴とする動画再生方法。
前記早見再生工程では、前記第２音声区間において、前記第１音声区間における音量より小音量の再生音声を伴う動画再生を行なうことを特徴とする請求項２１記載の動画再生方法。
前記早見再生工程では、前記第２音声区間において、無音声にて動画再生を行なうことを特徴とする請求項２１記載の動画再生方法。
前記音声区間判定工程では、前記音声信号に基づいて、声帯振動に対応する音声ピッチを抽出し、抽出した音声ピッチに基づいて、前記第１音声区間を判定することを特徴とする請求項２１乃至請求項２３の何れかに記載の動画再生方法。
前記音声区間判定工程では、前記音声信号に含まれる人の発した音声帯域にフィルタリングを施すことによって得られる信号から、存在し得る声帯振動数範囲のピッチを抽出することによって人の声の支配的な母音部を検出すると共に、検出した母音部を統合することにより、前記第１音声区間を決定することを特徴とする請求項２１乃至請求項２３の何れかに記載の動画再生方法。
前記音声区間判定工程では、前記音声信号に基づいて、前記第１音声区間を判定するに際して、時間軸上で近接する複数の前記第１音声区間を、統合補正することを特徴とする請求項２１乃至請求項２３の何れかに記載の動画再生方法。
前記音声区間判定工程では、前記補正に際して、前記動画情報に含まれるシーンチェンジ点を検出すると共に、検出した個々のシーンチェンジ点のうち、着目する前記第１音声区間の始点よりも時間的に早く且つ最も近傍に位置する近傍シーンチェンジ点と、その始点との時間間隔が所定のしきい値以下である場合に、該着目する前記第１音声区間の始点を、該近傍シーンチェンジ点に対応する情報に置き換えることによって補正することを特徴とする請求項２６記載の動画再生方法。
更に、前記動画再生装置を利用可能なユーザを対象として、個々のユーザに関する属性情報を、ユーザ・プロファイルとして登録する登録工程を有し、
前記早見再生工程では、前記ユーザ・プロファイルに登録されているところの、特定ユーザに関する属性情報に従って、前記第１及び第２音声区間の再生速度を自動的に決定することを特徴とする請求項２１乃至請求項２３の何れかに記載の動画再生方法。
請求項１乃至請求項２０の何れかに記載の動画再生装置を、コンピュータによって実現可能な動作指示をなすことを特徴とするコンピュータ・プログラム。
請求項２１乃至請求項２８の何れかに記載の動画再生方法として、コンピュータを動作させる指示をなすことを特徴とするコンピュータ・プログラム。