JP2004265376A - メモリに格納されたデータベースから録音物を選択する方法及び装置 - Google Patents

Abstract

【課題】音楽ライブラリに格納された録音物を整理してアクセスする手段を提供する。
【解決手段】音声クエリを音声ラティスとして表現し、当該音声ラティスを通る経路を一組のテキストクエリに変換する。データベースを検索して、上記一組のテキストクエリに一致した録音物のプレイリストを生成し、次に当該プレイリスト上の上記録音物のサンプルを演奏する。特定のサンプルを上記データベース検索用の音響クエリとして選択し、当該音響クエリに一致した録音物により上記プレイリストを更新する。当該更新したプレイリスト上の上記録音物のサンプルを演奏し、上記更新したプレイリストの特定のサンプルを選択する。次に、当該サンプルに関連する特定のレコードを演奏する。
【選択図】図２

Description

本発明は、概してオーディオコンテンツを検索して取り出すことに関し、特にデータベース中の録音された音楽を、音声クエリを用いて取り出すことに関する。

高度なデジタル圧縮技術および高容量メモリの出現に伴い、今や、非常に大きな音楽ライブラリを非常に小さなデバイスに格納することが可能である。メディア再生デバイスは、何千もの音楽トラックを格納することができる。

かかるデバイスには、特にユーザが音楽を聴きながら他の活動に従事している場合、ユーザが所望の録音メディアならびに特定の「トラック」を手動で選択しなければならない従来のインタフェースは役に立たない。さらに、現代の音楽ライブラリは、場当たり的に収集されている場合があり、このことが、ユーザがライブラリに格納されているものを正確に把握することをさらに不可能し得る。

ユーザがデータベース中の音楽にアクセスすることを可能にする従来技術の方法のなかには、音声認識技術があるが、その結果は、特定の音楽トラック、またはユーザが手動で順序付けした音楽トラックを含むファイルのみに限られている（例えば、「ＭＸＰ１００の使い方と楽しみ方（How to use and enjoy your MXP 100）」e.Digital Corporation, 2001）。

したがって、大きな音楽ライブラリに格納された録音物を整理してこれにアクセスする新しい手段を提供する必要がある。

本発明は、データベースに格納された録音物を選択する方法およびシステムを提供する。

音声クエリを音声ラティスとして表現し、当該音声ラティスを通る経路を一組のテキストクエリに変換する。上記データベースは、上記一組のテキストクエリに一致した録音物のプレイリストを生成するために検索され、次に当該プレイリスト上の上記録音物のサンプルを演奏する。特定のサンプルを上記データベース検索用の音響クエリとして選択し、当該音響クエリに一致した録音物により上記プレイリストを更新する。当該更新したプレイリスト上の上記録音物のサンプルを演奏し、上記更新したプレイリストの特定のサンプルを選択する。次に、当該サンプルに関連する特定のレコードを演奏する。

システム構造
図１は、本発明による音楽再生システム１００を示す。本システムは、互いに接続された、プロセッサ１１０と、メモリ１２０と、マイクロホン１３０と、スイッチ１４０と、１つまたは複数のスピーカ１５０とを備える。

プロセッサ１１０は、ほぼ従来通りであり、メモリ１２０に格納されたソフトウェアプログラムを実行する。プロセッサ１１０は、デジタルデータをオーディオ信号に変換することができるオーディオ「カード」を含む。メモリ１２０は、ＲＡＭ、ＲＯＭ、ディスク、およびフラッシュメモリを含む様々な形態であり得る。スイッチ１４０は、以下で詳述する動作に適合した様々な様式（例えば、プッシュ、トグル、スライドなど）で構成され得る。システム１００は、ハンドヘルドであるか、あるいは車両に搭載され得る。接続はワイヤレスであり得る。

図２は、音声認識器２１０と、テキストクエリ生成器（generator）２２０と、テキスト検索エンジン２３０と、スキャナ２４０と、音響検索エンジン２５０とを含むシステム１００のさらなる詳細を示す。これらは、メモリ１２０に格納されたソフトウェアモジュールによって実施され、プロセッサ１１０によって実行される。

メモリ１２０はまた、レコード２７０のデータベース２６０も格納する。各レコード２７０は、関連するテキスト記述子２７１と、オーディオ録音物２７２と、当該録音物２７２のサンプル２７３とを含む。スイッチ１４０およびマイクロホン１３０は、認識器２１０およびスキャナ２４０に入力を提供する。スピーカ１５０は、ユーザによって選択されたサンプルおよび録音物を演奏する。スピーカ１５０はまた、システムステータス情報を提供するために用いることもできる。

システム動作
図２の方法２００に示すように、認識器２１０は、マイクロホン１３０を介して音声によるユーザのクエリを受け取る。マイクロホンは、スイッチ１４０を用いて起動させることができる。認識器２１０は、音声クエリを音声ラティス２１１として表現する。ラティス中のノードは、音声基本要素、例えば語、音節、または音素を表し、エッジは、当該基本要素の可能なシーケンスを示す。

テキストクエリ生成器２２０は、ラティス２１１を一組のテキストクエリ２２１に変換する。この一組のテキストクエリ２２１は、ラティスを通る経路を、音声クエリの考え得るテキスト表現として表す（２００２年４月２５日付けで提出されたWolfらの米国特許出願第１０／１３２，７５３号「音声クエリを用いた文書検索（Retrieving Documents with Spoken Queries」（その全体が参照により本明細書中に援用される）を参照）。

テキスト検索エンジン２３０は、データベース２６０中のレコード２７０を検索し、テキストクエリ２２１を各レコード２７０のテキスト記述子２７１と比較することによってプレイリスト２３１を生成する。このプレイリストは、テキストクエリ２２１に一致したテキスト記述子を有するレコードを示す。プレイリストは、テキスト記述子、テキストクエリの確実性、またはランダムな順序に従って順序付けされ得る。

スキャナ２４０は、各レコード２７０のサンプル２７３をプレイリスト２３１の順序で、スピーカ１５０を用いて演奏する。ユーザは、マイクロホン１３０またはスイッチ１４０を用いてコマンド２４２を入力することによって、プレイリストから１つのサンプルを選択することができる。上記コマンドは、対応する録音物２７２を演奏するか、あるいはプレイリストを更新する。

プレイリストを更新するために、選択されたサンプルは、音響クエリ２４１を形成する。音響検索エンジン２５０は、レコード２７０を検索し、音響クエリ２４１に一致したレコード２７０によりプレイリストを更新する（２００１年５月２１日付けで提出されたCaseyの米国特許出願第０９／８６１，８０８号「音響信号を認識、索引付け、および検索する方法およびシステム（Method and System for Recognizing, Indexing, and Searching Acoustic Signals）」（その全体が参照により本明細書中に援用される）を参照）。ここでもまた、プレイリスト２３１は、順序付けされるか、あるいはランダムであり得る。

するとスキャナ２４０は、更新したプレイリスト２３１中の録音物のサンプルを演奏することができる。あるいはユーザが、マイクロホンまたはスイッチを用いてスキャナに対して、更新したプレイリストによって示される任意の録音物または各録音物を任意の順序で演奏するコマンドを出すことができる。

本発明を好ましい実施形態の例として説明してきたが、本発明の精神および範囲内で様々な他の適応および変更がなされ得ることが理解されるべきである。したがって、添付の特許請求の範囲の目的は、本発明の真の精神および範囲内に入る変形および変更をすべて網羅することである。

本発明に係る音声起動型音楽再生システムを示す図である。 本発明に係る、音楽録音物を検索して取り出すフロー図である。

Claims (11)

1. メモリに格納されたデータベースから録音物を選択する方法であって、
   音声クエリを音声ラティスとして表現することと、
   前記音声ラティスを通る経路を一組のテキストクエリに変換することと、
   前記一組のテキストクエリに一致した録音物のプレイリストを生成するために、前記データベースを検索することと、
   前記プレイリスト上の前記録音物のサンプルを演奏することと、
   特定のサンプルを音響クエリとして選択することと、
   前記音響クエリに一致した録音物により前記プレイリストを更新するために、前記データベースを検索することと、
   前記更新したプレイリスト上の前記録音物のサンプルを演奏することと、
   特定の関連する録音物を演奏するために、前記更新したプレイリストの特定のサンプルを選択することと
   を備えた方法。
2. 前記データベース中にあり、録音物と、該録音物のサンプルと、関連するテキスト記述子とを各々のレコードに備えたレコードを維持すること
   をさらに備えた請求項１に記載の方法。
3. 前記プレイリストを生成するために前記データベースを検索するステップは、
   前記一組のテキストクエリを前記各々のレコードの前記関連するテキスト記述子と比較することと、
   前記一組のテキストクエリに一致した関連するテキスト記述子を持つレコードを特定することと
   をさらに備えた請求項２に記載の方法。
4. 前記プレイリストを前記テキスト記述子に従って順序付けること
   をさらに備えた請求項２に記載の方法。
5. 前記プレイリストを前記テキストクエリの確実性に従って順序付けること
   をさらに備えた請求項２に記載の方法。
6. 前記プレイリストをランダムな順序に従って順序付けること
   をさらに備えた請求項２に記載の方法。
7. 前記選択するステップは、コマンドに応答して開始される請求項１に記載の方法。
8. 前記コマンドは音声コマンドである請求項７に記載の方法。
9. 前記コマンドは機械的に入力される請求項７に記載の方法。
10. メモリに格納されたデータベースから録音物を選択する装置であって、
    音声クエリを音声ラティスとして表現する音声認識器と、
    前記音声ラティスを通る経路を一組のテキストクエリに変換する手段と、
    前記一組のテキストクエリに一致した録音物のプレイリストを生成するために、前記データベースを検索する手段と、
    前記プレイリスト上の前記録音物のサンプルを演奏するためのスキャナであって、スピーカを備えたスキャナと、
    音響クエリに一致した前記データベース中の録音物により前記プレイリストを更新する手段と、
    前記プレイリストから特定のサンプルを選択する手段であって、２つのモードを有し、第１のモードでは特定のサンプルを前記音響クエリとして選択することが可能であり、第２のモードでは前記音響クエリに一致した前記データベース中の録音物に関連する特定のサンプルを選択することが可能である前記手段
    を備えた装置。
11. 前記メモリとの接続がワイヤレスである請求項１０に記載の装置。

Images