JP2008177734A - デジタル放送コンテンツ再生装置 - Google Patents

Abstract

【課題】デジタル放送コンテンツの実内容に応じて音声を最適あるいは好適に自動調整する。
【解決手段】デジタル放送コンテンツ再生装置は、デジタル放送コンテンツに含まれる音声信号を復調する音声信号復調部（１３）と、デジタル放送コンテンツに含まれる字幕テキストを取得する字幕テキスト取得部（１５）と、復調された音声信号の音質及び音場の少なくとも一方を調整する音声調整部（１９）と、取得された字幕テキストに基づいて、再生中の音声シーンを判定する音声シーン判定部（１７）と、音声シーン判定部（１７）
の判定結果に基づいて音声調整部（１９）による音声調整を制御する制御部（１８）とを備えている。
【選択図】図１

Description

本発明は、デジタル放送コンテンツ再生装置に関し、特に、デジタル放送コンテンツの音声再生の制御技術に関する。

デジタル放送受信装置などのデジタル放送コンテンツ再生装置にはユーザーの好みに応じて音質や音場を調整できる機能が具備されている。この機能によって、ユーザーは放送コンテンツや視聴環境に応じて音質や音場を自由に調整することができるようになっている。特に、最近の受信装置は音質及び音場を調整した複数のプリセットモードを有しており、ユーザーは放送コンテンツ内容や視聴環境に応じて所望のプリセットモードを選択できるようになっている。

しかし、実際には、ユーザーが当該機能を十分に認識していなかったり、操作方法がわからなかったりなどの理由で、音質及び音場の設定を工場出荷状態から変更せずに使用しているケースが多い。その結果、音質音場の調整機能があるにも拘わらずユーザーがうまくその機能を活用することができずに、デジタル放送受信装置が有する機能及び性能を最大限に活用して放送コンテンツを視聴できていないという問題があった。当該問題に対して、放送データに含まれる番組情報から再生中の番組のジャンルを判別し、当該番組ジャンルに応じて音質を調整しているものがある（例えば、特許文献１参照）。
特開２００６−１０１３９１号公報

一般に、一つの番組にはさまざまな音声シーンが含まれており、最適な音声モードもさまざまである。例えば、音楽番組の場合、会話主体の音声シーンでは音声が聞き取りやすい音声モードにし、音楽主体の音声シーンではより高音質で臨場感のある音声モードにすることが好ましい。しかし、上記のように番組ジャンルに応じて音質音場を固定的に調整したのでは、すべての音声シーンに対して同じ音声モードが設定されてしまい、最良の効果を得られなかったり、あるいは誤った音声モードに設定されたりしてしまうおそれがある。

上記問題に鑑み、本発明は、デジタル放送コンテンツの実内容に応じて音声を最適あるいは好適に自動調整することを課題とする。

上課題を解決するために本発明が講じた手段は、デジタル放送のコンテンツ再生装置として、デジタル放送コンテンツに含まれる音声信号を復調する音声信号復調部と、デジタル放送コンテンツに含まれる字幕テキストを取得する字幕テキスト取得部と、復調された音声信号の音質及び音場の少なくとも一方を調整する音声調整部と、取得された字幕テキストに基づいて、再生中の音声シーンを判定する音声シーン判定部と、音声シーン判定部の判定結果に基づいて音声調整部による音声調整を制御する制御部とを備えたものとする。これによると、デジタル放送コンテンツに含まれる字幕テキストに基づいて再生中の音声シーンが判定され、当該判定結果に基づいて音声が調整される。したがって、デジタル放送コンテンツの実内容に応じて音声を最適あるいは好適に自動調整することができる。

好ましくは、音声シーン判定部は、字幕テキスト取得部による字幕テキストの取得の有無に基づいて、再生中の音声シーンを判定するものとする。これによると、コマーシャルメッセージなど、字幕テキストが存在しない音声シーンを判定することができる。

また、好ましくは、音声シーン判定部は、復調された音声信号を分析し、当該分析結果に基づいて、再生中の音声シーンを判定するものとする。これによると、音声信号の分析結果に基づいて、字幕テキストの解析のみでは判定困難な音声シーンの判定を行うことができる。したがって、音声シーン判定の精度が向上する。

また、好ましくは、上記のデジタル放送コンテンツ再生装置は、デジタル放送コンテンツに含まれる番組情報を取得する番組情報取得部と、取得された番組情報に基づいて番組ジャンルを判定する番組ジャンル判定部とを備えたものとする。そして、制御部は、番組ジャンル判定部の判定結果に基づいて音声調整部による音声調整を制御するものとする。これによると、放送コンテンツの番組ジャンルを加味して音声シーンが判定されるため、音声シーン判定の精度が向上する。

以上説明したように本発明によると、デジタル放送コンテンツの実内容に応じて音声を最適あるいは好適に自動調整することができる。

以下、本発明を実施するための最良の形態について、図面を参照しながら説明する。図１は、本発明に係るデジタル放送コンテンツ再生装置の構成を示す。チューナ１１は、アンテナ１００からＲＦ信号を受けて所望の放送局を選局し、所望の放送コンテンツの放送データ、すなわち、トランスポートストリーム（ＴＳ）を取得する。デジタル信号復調部１２、チューナ１１からＴＳを受けてこれを復調し、映像、音声、その他のデータに分離（デマックス処理）する。音声信号復調部１３は、デジタル信号復調部１２から音声ＰＥＳパケットを受けてこれから音声信号を復号する。すなわち、デジタル放送では音声信号は所定の形式で圧縮処理されているため、再生時にはそれを伸張する復号処理を行う。番組情報取得部１４は、デジタル信号復調部１２からＰＳＩ（Program Specific Information）／ＳＩ（Service Information）を受けてこれから番組情報を取得する。字幕テキスト取得部１５は、デジタル信号復調部１２から字幕ＰＥＳパケットを受けてこれから字幕テキストを取得する。番組ジャンル判定部１６は、番組情報取得部１４によって取得された番組情報に基づいて放送コンテンツの番組ジャンルを判定する。

音声シーン判定部１７は、字幕テキスト取得部１５による字幕テキストの取得の有無及び当該取得された字幕テキストに基づいて、再生中の音声シーンを判定する。例えば、音楽番組などの放送コンテンツの場合、まず出演者が紹介され、その後、出演者と司会者とのトークを挟みながら出演者の演奏が行われるのが一般的である。音楽番組では、出演者の紹介やトークなどの会話中はその発話内容の字幕が表示される。一方、演奏中は音符記号などの特殊記号の字幕が表示される。また、コマーシャルメッセージでは字幕が表示されない。このような字幕表示に関する特質を利用して、音声シーン判定部１７は、再生中の音声シーンが、台詞やアナウンスのような音声主体のものなのか、音楽主体のものなのか、あるいはそれ以外のもの（例えば、コマーシャルメッセージなど）なのかを判定する。

さらに、音声シーン判定部１７は、音声信号復調部１３によって復調された音声信号の分析を行い、当該分析結果に基づいて、字幕テキストだけでは判定困難な音声シーンを判定する。例えば、字幕テキストが所定時間存在せず、かつ音声信号がステレオであれば、当該音声シーンはコマーシャルメッセージであると判定することができる。これ以外に、分析すべき内容として、字幕テキスト解析で会話及び音楽のいずれでもないと判定した音声シーンがどのような周波数特徴を有するのか、字幕テキスト解析で音楽であると判定した音声シーンがどのような周波数特徴を有するのか、字幕テキスト解析で会話であると判定した音声シーンが台詞やアナウンスなどの音声のみからなるのか、あるいは背景に音楽や効果音（例えば、雨風波のような自然音や車や観衆などの騒音など）が存在するか否かなどが挙げられる。これ以外にも、音声シーン判定部１７は、音質又は音場を調整すべきであると考えられる音声ケースの分析を行う。なお、具体的な分析方法として、ＦＦＴ処理あるいは複数のバンドパスフィルタを設けて各フィルタの出力の大きさを求めることなどによって音声信号のスペクトル解析を行い、その結果をデータベースに蓄積されたパターンと照合して音声信号の特徴を特定することが考えられる。

制御部１８は、番組ジャンル判定部１６及び音声シーン判定部１７のそれぞれの判定結果に基づいて、再生中の音声シーンにふさわしい音質又は音場にするための各種パラメータを決定し、音声調整部１９に当該決定したパラメータを設定する。音声調整部１９は、制御部１８によって設定されるパラメータに従って、音声信号復調部１３によって復調された音声信号の音質及び音場の少なくとも一方を調整する。

制御部１８が設定するパラメータは、コンテンツ再生装置のメーカーがさまざまな音声シーン用にあらかじめ用意したものであってもよいし、ユーザーの好みでカスタマイズしたものであってもよい。例えば、再生中の音声シーンが台詞又はアナウンスである場合、音声帯域（１００Ｈｚ〜７ｋＨｚ、特に、２００Ｈｚ〜３．５ｋＨｚ）をフラットにし、それ以外の帯域を例えば−６ｄＢ／ｏｃｔで減衰させるような周波数特性を実現するパラメータに設定する。また、再生中の音声シーンが音楽演奏の場合、２０Ｈｚ〜２０ｋＨｚを減衰させることなく再生するようなパラメータに設定する。また、放送コンテンツがコマーシャルメッセージの場合、音量を下げるとともに音声帯域以外の帯域レベルを減衰させるバンドパスフィルタリング処理を施すようなパラメータに設定する。さらに、スピーカーの再生周波数特性を考慮して、スピーカーを含めた再生周波数特性が２０Ｈｚ〜２０Ｈｚで減衰することを最小限にするようなパラメータを設定してもよい。

以上、本実施形態によると再生中の音声シーンに応じて音質又は音場を自動的に調整することができる。なお、音声シーン判定部１７による音声信号の分析は特に省略してもよい。また、番組ジャンル判定部１６は特に省略してもよい。

また、番組情報取得部１４、字幕テキスト取得部１５、番組ジャンル判定部１６、音声シーン判定部１７及び制御部１８の各機能をソフトウェアで実現してもよい。

また、受信したデジタル放送をリアルタイムで再生する場合のみならず記録デバイスに記録された放送コンテンツを再生する場合であっても、本発明によって上記の効果が奏される。すなわち、本発明はチューナを備えないコンテンツ再生装置にも適用可能である。

本発明に係るデジタル放送コンテンツ再生装置は、デジタル放送コンテンツの実内容に応じて音声を最適あるいは好適に自動調整することができるため、ホームシアターシステムなどとして有用である。

本発明に係るデジタル放送コンテンツ再生装置の構成図である。

符号の説明

１３ 音声信号復調部
１４ 番組情報取得部
１５ 字幕テキスト取得部
１６ 番組ジャンル判定部
１７ 音声シーン判定部
１８ 制御部
１９ 音声調整部

Claims (4)

1. デジタル放送コンテンツの再生する装置であって、
   デジタル放送コンテンツに含まれる音声信号を復調する音声信号復調部と、
   デジタル放送コンテンツに含まれる字幕テキストを取得する字幕テキスト取得部と、
   前記復調された音声信号の音質及び音場の少なくとも一方を調整する音声調整部と、
   前記取得された字幕テキストに基づいて、再生中の音声シーンを判定する音声シーン判定部と、
   前記音声シーン判定部の判定結果に基づいて前記音声調整部による音声調整を制御する制御部とを備えた
   ことを特徴とするデジタル放送コンテンツ再生装置。
2. 請求項１に記載のデジタル放送コンテンツ再生装置において、
   前記音声シーン判定部は、前記字幕テキスト取得部による字幕テキストの取得の有無に基づいて、再生中の音声シーンを判定する
   ことを特徴とするデジタル放送コンテンツ再生装置。
3. 請求項１に記載のデジタル放送コンテンツ再生装置において、
   前記音声シーン判定部は、前記復調された音声信号を分析し、当該分析結果に基づいて、再生中の音声シーンを判定する
   ことを特徴とするデジタル放送コンテンツ再生装置。
4. 請求項１に記載のデジタル放送コンテンツ再生装置において、
   デジタル放送コンテンツに含まれる番組情報を取得する番組情報取得部と、
   前記取得された番組情報に基づいて番組ジャンルを判定する番組ジャンル判定部とを備え、
   前記制御部は、前記番組ジャンル判定部の判定結果に基づいて前記音声調整部による音声調整を制御する
   ことを特徴とするデジタル放送コンテンツ再生装置。

Images