JP2009244912A

JP2009244912A - 音声信号処理装置及び音声信号処理方法

Info

Publication number: JP2009244912A
Application number: JP2009176279A
Authority: JP
Inventors: Hiroyuki Takeishi; 浩幸武石; Yutaka Ichii; 豊一井
Original assignee: Victor Company of Japan Ltd
Current assignee: Victor Company of Japan Ltd
Priority date: 2009-07-29
Filing date: 2009-07-29
Publication date: 2009-10-22
Anticipated expiration: 2023-10-03
Also published as: JP4894896B2

Abstract

【課題】受信側での話速変換機能に加えて、放送などにおいて番組によっては送信側でも話速変換処理が行われると、話速変換が二重にかかってしまうことが起こり得る。
【解決手段】受信部１１は、複数の音声信号と、前記複数の音声信号のそれぞれに送信側で音声ピッチを変えることなく、時間軸を変化させる話速変換処理に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する。マイクロプロセッサ１７は、多重信号中から前記話速変換適合情報を検出して、その内容を判別する。話速変換処理１４は、話速変換適合情報の内容が話速変換に適合している場合には、音声信号デコーダ１２により再生する音声信号の話速変換処理を行い、話速変換適合情報の内容が話速変換に適合していないと判定された場合には、音声信号の話速変換処理を行うことなく出力する。
【選択図】図４

Description

本発明は音声信号処理装置及び音声信号処理方法に係り、特に高齢者に音声を聞き易くする、いわゆる話速変換機能を備えた音声信号処理装置及び音声信号処理方法に関する。

一般に、高齢者においては早口で喋る音声から内容を聞き取ることが若い時よりも困難になる傾向があることがわかっている。このため、入力音声信号から発声の途切れる箇所を見つけて、この期間の時間を減らす替わりに、発声している期間の音声をピッチを変えずに時間軸上で引き伸ばして、全体としてゆっくりとした発声に変換する、いわゆる話速変換の機能を備えた音声信号処理装置及び音声信号処理方法が従来より知られている（例えば、特許文献１参照）。

この特許文献１記載の音声信号処理装置では、予め送信データ、録音メディア等に話速を制御するための話速制御情報を入れておき、送信データを受信して再生する再生装置または録音メディアの再生装置において、話速制御情報に基づいて話速を制御する。また、話速変換機能を搭載したラジオも開発されている（例えば、非特許文献１参照）。

特開平８−１４６９８５号公報

今井、都木、蓮田、武石著：「聴取補助機能を備えたラジオの開発」、電子情報通信学会、信学技報ＴＬ２００３−７、２００３年６月

ところで、この様な話速変換技術は、放送業者によっても精力的に研究されており、将来はテレビジョン放送の音声信号やラジオ放送において、送信側で話速変換処理を行った音声信号を送信し、高齢者の視聴に便宜を図ることが考えられる。このため、受信側での話速変換機能に加えて、放送などにおいて番組によっては送信側でも話速変換処理が行われる様になると、話速変換が二重にかかってしまうことも起こり得る様になる。

その場合、すでに話速変換がかけられた音声信号にさらに話速変換を施すことになり、必要以上にゆっくりした音声になってしまったりして、かえって聞き苦しい音になるという問題がある。これに関しては、従来の受信機では、ユーザが手動で話速変換機能をオフにすればよいが、番組によってその都度話速変換の有無の切り換え操作を行わなければならず、操作が煩わしいという問題点が考えられる。また、高齢者自身がこれを切り換えることは実使用において考えづらい。

本発明は以上の点に鑑みなされたもので、放送された音声信号に付随する情報を利用して、話速変換が送信側と受信側で二重に処理が行われてしまうことを自動的に防止し得る音声信号処理装置及び音声信号処理方法を提供することを目的とする。

また、本発明の他の目的は、受信する番組に応じた話速変換の有無の切り換え操作を不要とし得る音声信号処理装置及び音声信号処理方法を提供することにある。

上記の目的を達成するため、本発明の音声信号処理装置は、複数の音声信号と、前記複数の音声信号のそれぞれに送信側で音声ピッチを変えることなく、時間軸を変化させる話速変換処理に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する受信手段と、前記受信手段により受信した多重信号中から前記話速変換適合情報を検出して、その内容を判別する検出手段と、前記受信手段により受信した多重信号中から前記音声信号を再生する再生手段と、前記検出手段により検出した前記話速変換適合情報の内容が前記話速変換に適合していると判定された場合には、前記再生手段により再生する前記音声信号の話速変換処理を行い、前記話速変換適合情報の内容が話速変換に適合していないと判定された場合には、前記再生手段により再生する前記音声信号の話速変換処理を行うことなく出力する話速変換処理手段とを備えることを特徴とする。

この発明では、送信側から送信された複数の音声信号と、その音声信号が話速変換に適合する音声であるか否かを示す話速変換適合情報とを受信し、話速変換適合情報の内容が話速変換に適合していると判定された場合にのみ、そのとき再生手段により再生される音声信号の話速変換処理を行うことができる。

また、上記の目的を達成するため、本発明の音声信号処理方法は、複数の音声信号と、前記複数の音声信号のそれぞれについて、少なくとも音声ピッチを変えることなく、時間軸を変化させる話速変換に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する受信ステップと、前記受信ステップにて受信した前記多重信号中から前記複数の音声信号のうちのいずれかの音声信号を選択する選択ステップと、前記選択ステップにて選択した音声信号の前記話速変換適合情報を検出して、話速変換に適合する音声であるか否かを判定する第１の判定ステップと、前記第１の判定ステップにて、前記選択した音声信号が話速変換に適合する音声であると判定された場合に、前記選択した音声信号に対応し、話速変換された別の音声信号が前記多重信号中に含まれているか否か判定する第２の判定ステップと、前記第２の判定ステップにて前記多重信号中に前記別の音声信号が含まれていると判定された場合に、前記選択した音声信号を前記別の音声信号へと切り換える切換ステップと、前記第１の判定ステップにて前記選択した音声信号が話速変換に適合する音声ではないと判定された場合、及び、前記切換ステップにて前記別の音声信号へと切り換えた場合に、前記選択した音声信号または前記別の音声信号を、話速変換処理を行うことなく再生する第１の再生ステップと、前記第２の判定ステップにて前記多重信号中に前記別の音声信号が含まれていないと判定された場合に、前記選択した音声信号を、話速変換処理を行って再生する第２の再生ステップとを含むことを特徴とする。

この発明では、送信側から送信された複数の音声信号と、その音声信号が話速変換に適合する音声であるか否かを示す話速変換適合情報とを受信し、再生手段により再生された音声信号に付随する話速変換適合情報の内容が話速変換に適合していると判定され、かつ、再生手段により再生された音声信号に対応する話速変換された別の音声信号が、受信された多重信号中に含まれていない場合にのみ、そのとき再生手段により再生される音声信号の話速変換処理を行うことができる。

本発明によれば、送信側から送信された音声信号と話速変換に関する付随情報とを受信し、話速変換に関する付随情報に基づき、再生された音声信号の話速変換処理を行うか否かを自動的に判別するようにしたため、受信側の音声信号処理装置のユーザがその都度切り替えを行わなくても、受信した音声信号の話速変換について常に最適な設定で聞くことができる。

また、本発明によれば、話速変換済みの受信音声信号に対しては、話速変換処理を行わないようにしたため、ユーザが選局受信する毎に話速変換の切り換えを行わなくても、話速変換が送信側と受信側で二重に処理が行われてしまうことを自動的に防止できる。

また、本発明によれば、送信装置から送信されている話速変換を行った音声信号を極力利用するようにしたため、受信側の音声信号処理装置で話速変換を行ったときに、音の途切れる個所が無く、話速変換そのものがうまくいかないという現象を極力回避できると共に、音声信号処理装置の消費電力を低減することができる。

さらに、本発明によれば、送信側から送信された複数の音声信号と、その音声信号が話速変換に適合する音声であるか否かを示す話速変換適合情報とを受信し、話速変換適合情報の内容が話速変換に適合していると判定された場合にのみ、そのとき再生手段により再生される音声信号の話速変換処理を行うようにしたため、話速変換処理を行うのが好適な音声信号のみを自動的に判別して話速変換を行うことができる。

本発明の音声信号処理装置の第１の実施の形態のブロック図である。図１の実施の形態で送受信される話速変換済情報の一例を示す図である。図１の話速変換処理部の動作説明用フローチャートである。本発明の音声信号処理装置の第２の実施の形態のブロック図である。音声の組の例、対応話速変換音声情報、及び話速変換適合情報の各例を示す図である。図４の実施の形態の動作説明用フローチャートである。本発明の第３の実施の形態の動作説明用フローチャートである。

次に、本発明を実施するための最良の形態について、図面と共に説明する。本発明の音声信号処理装置及び音声信号処理方法は、放送側で音声信号に付随する情報が送られてきているのを前提に、それを用いて話速変換機能のオン・オフを制御するものである。以下、いくつかの考えられる実施の形態について述べる。

図１は本発明になる音声信号処理装置の第１の実施の形態のブロック図を示す。図１において、第１の実施の形態の音声信号処理装置１０Ａは、送信装置１に伝送路３を介して接続されており、送信装置１から送信された、多数の音声信号がパケット多重化された信号を伝送路３を介して受信し、さらにその受信信号中から所望の音声信号を選択受信してデコードして音声出力を得ると共に、その音声出力の話速変換機能を有している。

ここで、送信装置１は、パケット化部２において、各音声信号（図１では第１から第５までの音声信号が示されている）をそれぞれ音声パケットにパケット化した後、各音声パケットに含まれているパケット識別のためのパケットＩＤ（ＰＩＤ）により区別して送信すると共に、音声パケットの他に、制御情報／番組情報のパケットを送信する。受信側で所望の音声信号が選択できる様に、上記の制御情報／番組情報の一種としては、例えば、ＭＰＥＧ（Moving Picture Experts Group）に規定されているプログラム・アソシエーション・テーブル（ＰＡＴ:Program Association Table）及びプログラム・マップ・テーブル（ＰＭＴ:Program Map Table）という情報が送られる。

特定のＰＩＤを持つＰＡＴにおいて、番組を構成する映像や音声のパケットの情報を伝送するＰＭＴのＰＩＤの情報が送られ、ＰＭＴは各番組毎にその番組を構成する映像や音声のパケットのＰＩＤが記されているため、これらを辿って所望の番組の映像や音声の信号のうちの特定のものを抽出することができる。

さらに、本実施の形態では、音声信号に付随する情報として、各音声信号が話速変換が送信側あるいはさらに前の音源ですでに施された信号であるか否かの情報（図２に示す話速変換済情報）を送信するようにしている。この話速変換済情報は、特別に常に所定のＰＩＤで送信するようにしてもよく、ＰＭＴ等においてそのＰＩＤの情報が記される様にして、この情報が受信側で取り出せる様にしてもよい。図２では、各音声パケットのＰＩＤに対して、その音声パケットが話速変換済みであるときは「１」、話速変換が施されていないときは「０」とした情報を表にして送っている。

音声信号処理装置１０Ａは、話速変換済情報を含む制御情報／番組情報と音声パケットとの多重信号を伝送路３を介して受信部１１で受信し、受信信号中の音声パケットは音声信号デコーダ１２でデコードし、また、受信信号中の話速変換済情報のパケットが話速変換情報検出部１３においてＰＩＤから抜き取られ、話速変換済情報が検出される。

話速変換処理部１４は、話速変換情報検出部１３において検出された話速変換済情報に基づき、音声信号デコーダ１２から出力されたデコード後の音声信号に対して図３のフローチャートに従った話速変換処理を行う。すなわち、話速変換処理部１４は、検出された上記話速変換済情報に基づき、音声信号デコーダ１２から出力されたデコード後の選択された音声信号の話速変換が送信前で既に施されているか否かを判定し（図３のステップＳ１０１）、話速変換が送信前に施されている場合は話速変換処理動作をオフとして話速変換処理を行うことなく受信音声信号を出力端子１５へ出力し（図３のステップＳ１０２）、話速変換が送信前に施されていない場合は話速変換処理動作をオンとして受信音声信号に対して、音声区間の信号の時間軸を圧縮／伸張し、さらに所定長さ以上の無音区間は削除する公知の話速変換処理を行ってから出力端子１５へ出力する（図３のステップＳ１０３）。

このように、本実施の形態では、音声信号が話速変換が送信側あるいはさらに前の音源ですでに施された信号であるか否かの話速変換済情報を送信し、音声信号処理装置１０Ａが上記の話速変換済情報に基づき、受信音声信号が話速変換済みであるか否かを自動判別し、話速変換済みの受信音声信号に対しては、話速変換処理を行わないようにしたため、ユーザが選局受信する毎に話速変換の切り換えを行わなくても、話速変換が送信側と受信側で二重に処理が行われてしまうことを自動的に防止できる。

次に、本発明の第２の実施の形態について説明する。図４は本発明になる音声信号処理装置の第２の実施の形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図４において、本発明の第２の実施の形態の音声信号処理装置１０Ｂは、伝送路３を介して送信装置４に接続されており、送信装置４から特に映像と複数の音声が組となって構成された番組を複数送信されて、これを受信する。

図４に示すように、送信装置４は一つの映像信号と、複数の音声信号からなる番組を、番組＃０１、番組＃０２という様に複数送信する。ここで、各番組の映像信号及び音声信号は、それぞれＰＩＤで区別されてパケット化部５においてパケット化されて多重化されるが、各番組のＰＭＴの情報がＰＡＴにより送られ、各番組についてその中に含まれる映像及び音声信号のＰＩＤの対応表がＰＭＴとして送られるので、音声信号処理装置１０Ｂではこれらを辿って所望の番組の映像信号や音声信号の入ったパケットを特定でき、それらのパケットの中の情報をデコードすることにより映像や音声を得ることができる。

ここで、音声信号処理装置１０Ｂは、その受信部１１においてパケット多重された伝送信号を受信するが、受信されたパケット中の信号の中でＰＡＴ、ＰＭＴ等の制御用信号がマイクロプロセッサ１７に供給され、これらの情報とヒューマンインターフェイス手段（ボタンやキーボード、表示とカーソルキーなどを適宜用いればよい）１６によりユーザが入力した情報とにより、ユーザにとって所望の番組の映像及び音声信号が抽出され、受信部１１内の誤り訂正などを経て音声信号は音声信号デコーダ１２に供給され、映像信号は映像信号デコーダ１８に供給される。ここで、各番組に音声信号は複数あるが、それらの中のどれをデコードし出力するかについてもユーザにより選択が可能であるとする。

こうして選択された映像信号は映像信号デコーダ１８により、例えばＭＰＥＧ２などの方式でエンコードされた信号をデコードして、映像信号として映像出力端子１９へ出力する。一方、選択された音声信号は、音声信号デコーダ１２によりデコードされて、話速変換処理部１４に入力されるが、ここでは後述する様に、場合によって、話速変換が施されるか、あるいは、話速変換処理をオフにしたり、話速変換処理部１４をバイパスする等により、実質上ここでは音声信号に話速変換が施されない様にするか、いずれかに切り換えられる。話速変換処理部１４から出力された音声信号は、図示せぬＤＡ変換部を経てアナログ音声信号として音声出力端子１５へ出力される。

図５（ａ）は番組内の音声信号の組の例を示す。この例では、日本語主音声、日本語副音声、英語の３つの基本的な音声信号があり、それらの中で日本語主音声及び英語については、送信側ですでに話速変換を施された音声信号がこれらの音声信号とは別に送られている。さらにＢＧＭ（バックグラウンドミュージック）としてこの番組の映像と共に再生するのに好適な音楽のみの音声信号や、新番組情報や番組時間変更などの「局からのお知らせ」の音声信号もあり、合計７種類の音声信号が送られる。

これらの音声信号について、対応話速変換音声情報として、元の音声信号に対して話速変換された音声情報があるときは、それらの対応関係を表にして送ることにする。その例が図５（ｂ）である。ここで、図５（ｂ）において、右側の数字は、同図（ａ）で各音声信号の左側につけられたこの番組内での音声信号番号に対応する。元の音声と、対応する話速変換音声が順に並べられており、この様な対応関係のある音声信号全てについて記述した後にＥＮＤ情報があってこの情報の終わりであることを示している。

この対応話速変換音声情報は、ＰＭＴの中に記述されるこの伝送において特有のＰＩＤを持つことにより、他の情報と区別して送ることができる。これに加えて図２の話速変換済情報が送られているとして、これらの情報も音声信号処理装置１０Ｂはマイクロプロセッサ１７に供給して処理する。

音声信号に関して、音声信号処理装置１０Ｂにおいてマイクロプロセッサ１７が行う動作の一例を図６に示す。なお、各ステップについて、図３と同じステップについては同じ記号で表すことにする。まず、マイクロプロセッサ１７は、検出された上記話速変換済情報に基づき、音声信号デコーダ１２から出力されたデコード後の選択された番組の選択された音声信号の話速変換が送信前で既に施されているか否かを判定する（図６のステップＳ２０１）。

話速変換が送信前に施されていると判定した場合は、話速変換処理動作をオフとして話速変換処理を行うことなく受信音声信号を出力端子１５へ出力する（図６のステップＳ１０２）。他方、ステップＳ２０１において、話速変換済情報より、話速変換済みではないと判定した場合には、マイクロプロセッサ１７は、選択された音声信号に対して対応する話速変換済み音声が送信されているか否かを判定する（図６のステップＳ２０２）。この判定は図５（ｂ）に示した「対応話速変換音声情報」を参照して行えばよい。

ステップＳ２０２で対応する話速変換音声信号が送信されていることがわかった場合には、受信部１１で抽出する音声信号をその音声信号に切り換える（図６のステップＳ２０３）。この場合、音声信号デコーダ１２でデコードして再生する音声信号は、既に話速変換されているものとなるため、ステップＳ１０２に移行して、話速変換処理部１４の話速変換処理をオフとされる。一方、ステップＳ２０２で対応する話速変換音声信号が送信されていないと判定した場合には、マイクロプロセッサ１７は、ステップＳ１０３に移行して、話速変換処理部１４により音声信号デコーダ１２から出力される音声信号の話速変換処理を行う。

このように、本実施の形態では、送信装置４から話速変換を行った音声が送られているときには、極力それを利用することにしたのは、次の理由からである。送信装置４で話速変換を行うのであれば、アナウンサーや出演者の声を集録した音声に対して話速変換を行い、背景の音楽などは話速変換済み音声に対して後から付加することも可能である。これに対して、受信側の音声信号処理装置１０Ｂで背景音楽などを含んだ音声に対して話速変換を行うと、背景音楽が乱れたり、背景音楽のレベルによっては音の途切れる個所が無く、話速変換そのものがうまくいかないことも起こるので、できるならば送信側で話速変換を行うのが望ましいからである。また、受信側の音声信号処理装置１０Ｂとしては、話速変換機能を動作させないことで消費電力の低減にもなるからである。

次に、本発明の第３の実施の形態について説明する。本実施の形態では、第１の実施の形態で送信していた「話速変換済情報」の代わりに、図５（ｂ）に示した「対応話速変換音声情報」と、図５（ｃ）に示す「話速変換適合情報」を送信することにより、受信側の音声信号処理装置では話速変換が送信側では施されておらず、しかも話速変換に適している音声のみに対して話速変換をかけることができるようにしたものである。

図５（ｃ）は、同図（ａ）に示した番組の各音声について話速変換に適合する場合は「１」、適合しない場合は「０」として表した話速変換適合情報の例を示す。ここでは日本語主音声（音声１）、日本語副音声（音声２）、英語音声（音声３）については話速変換適合とされている。また、４番目と５番目の音声は、それぞれ日本語主音声と英語についての話速変換を施された結果の音声であるため、受信側では話速変換を行わない方がよく、「０」とされている。さらに、６番目の「ＢＧＭ」（音声６）の内容は音楽で、人の話し声ではないため、話速変換には適合しない。７番目の「局からのお知らせ」（音声７）はアナウンサーの声での案内であるため、話速変換は適合とされている。

このような話速変換適合信号が送信される場合の受信側の音声信号処理装置内のマイクロプロセッサの処理の一例について図７のフローチャートと共に説明する。なお、図７中、図３及び図６と同一の処理ステップには同一の符号を付してある。まず、上記のマイクロプロセッサは、選択された音声が受信側での話速変換に好適か否かを判定する（図７のステップＳ３０１）。これは伝送された上記の話速変換適合情報を抽出して参照することにより行われる。

マイクロプロセッサは、ステップＳ３０１で好適ではないと判定した場合には、話速変換は行わない（図７のステップＳ１０２）。図５（ｃ）に示した例では、既に話速変換が施された第４あるいは第５番目の音声信号が選択されている場合や、送信側で話速変換処理は施されていないが、元々音楽情報で話速変換には適さない第６番目の音声信号（ＢＧＭ）が選択されている場合がこれに相当する。

一方、マイクロプロセッサは、ステップＳ３０１で話速変換に好適と判定した場合には、その音声に対応する話速変換済み音声が送信されているか否かを判定する（図７のステップＳ２０２）。この判定は、受信した信号中の図５（ｂ）に示した「対応話速変換音声情報」を抽出して参照すればよい。

このステップＳ２０２以後の処理は第２の実施の形態と同様であり、対応する話速変換音声が送信されている場合には、その音声に切り換えて受信側では話速変換処理は行わず（図７のステップＳ２０３、Ｓ１０２）、送信されていない場合には、受信側の話速変換処理を行う（図７のステップＳ１０３）。

従って、本実施の形態によれば、図５（ｂ）の例では、１番目の日本語主音声、３番目の英語については対応する話速変換音声が存在し（それぞれについて４番目、５番目の音声信号が相当）、それらへの切り換えが行われる。一方、２番目の日本語副音声、及び７番目の「局からのお知らせ」については図５（ｃ）に示したように、話速変換に適合するが、送信側では話速変換は施されていないので、受信側の音声信号処理装置で話速変換が行われる。

このように、本実施の形態によれば、送信側での話速変換処理が施されていない場合、その音声信号が話速変換に適合するか否かまで判定して、受信側で話速変換処理を行うのが好適な音声信号のみを自動的に判別して話速変換を行うことができる。

なお、本発明は以上の実施の形態に限定されるものではなく、例えば、図７において、ステップＳ２０２及びＳ２０３を削除し、選択された音声が話速変換に好適であるときは、ステップＳ１０３に進んで話速変換処理を行うようにしてもよい。また、本発明は音声信号処理装置１０Ａ及び１０Ｂをコンピュータにより実現するコンピュータプログラムも含むものである。この場合、コンピュータプログラムは、記録媒体からコンピュータに取り込まれてもよいし、通信ネットワークを介してコンピュータにダウンロードしてもよい。

以上のように、第１の発明の音声信号処理装置は、音声信号と、音声信号に対し送信側で音声ピッチを変えることなく、時間軸を変化させる話速変換処理が施されているか否かを示す話速変換に関する付随情報とが多重された多重信号を受信する受信手段と、受信手段により受信された多重信号中から話速変換に関する付随情報を検出して、その内容を判別する検出手段と、受信手段により受信された多重信号中から音声信号を再生する再生手段と、検出手段により検出された話速変換に関する付随情報の内容が送信側で既に話速変換が施されていると判定された場合には、再生手段により再生された音声信号の話速変換処理は行わず、話速変換に関する付随情報の内容が送信側で話速変換が施されていないと判定された場合には、再生手段により再生された音声信号の話速変換処理を行う話速変換処理手段とを有する構成としたものである。

この発明では、送信側から送信された音声信号と話速変換に関する付随情報とを受信し、話速変換に関する付随情報に基づき、再生された音声信号の話速変換処理を行うか否かを自動的に判別することができる。

また、上記の目的を達成するため、第２の発明の音声信号処理装置は、第１の音声信号と、第１の音声信号に対応する第２の音声信号に対し送信側で音声ピッチを変えることなく、時間軸を変化させる話速変換処理が施されているか否かを示す対応話速変換音声の有無情報とが多重された多重信号を受信する受信手段と、受信手段により受信された多重信号中から対応話速変換音声の有無情報を検出して、その内容を判別する検出手段と、受信手段により受信された多重信号中から第１の音声信号又は第２の音声信号を再生する再生手段と、再生手段により再生された第１の音声信号に付随し、検出手段により検出された対応話速変換音声の有無情報の内容が、再生された第１の音声信号が送信側で話速変換が施されておらず、かつ、その第１の音声信号に対応する第２の音声信号が送信側で話速変換が施されて送信されていると判定された場合には、再生手段により再生された第２の音声信号を切り替えて出力し、対応話速変換音声の有無情報の内容が、再生された第１の音声信号が送信側で話速変換が施されておらず、かつ、その第１の音声信号に対応する第２の音声信号も送信されていないと判定された場合には、再生手段により再生された第１の音声信号の話速変換処理を行う話速変換処理手段とを有する構成としたものである。

この発明では、送信側から送信された第１の音声信号と、その第１の音声信号に対応し、かつ、話速変換された第２の音声信号が共に送信されているか否かを示す対応話速変換音声の有無情報とを受信し、再生された第１の音声信号が送信側で話速変換されていないときには、対応話速変換音声の有無情報に基づき、第１の音声信号に対応した話速変換された第２の音声信号を出力し、第２の音声信号が受信されないときにのみ第１の音声信号の話速変換を行うようにしたため、送信側から送信された話速変換された音声信号を極力用いることができる。

第３の発明の音声信号処理装置は、複数の音声信号と、複数の音声信号のそれぞれについて、音声ピッチを変えることなく、時間軸を変化させる話速変換に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する受信手段と、受信手段により受信された多重信号中から話速変換適合情報を検出して、その内容を判別する検出手段と、受信手段により受信された多重信号中から音声信号を再生する再生手段と、検出手段により検出された話速変換適合情報の内容が話速変換に適合していると判定された場合には、再生手段により再生された音声信号の話速変換処理を行い、話速変換適合情報の内容が話速変換に適合していないと判定された場合には、再生手段により再生された音声信号の話速変換処理を行うことなく出力する話速変換処理手段とを有することを特徴とする。

第４の発明の音声信号処理方法は、音声信号と、音声信号に対し送信側で音声ピッチを変えることなく、時間軸を変化させる話速変換処理が施されているか否かを示す話速変換に関する付随情報とが多重された多重信号を受信する第１のステップと、受信された多重信号中から話速変換に関する付随情報を検出して、その内容を判別する第２のステップと、受信された多重信号中から音声信号を再生する第３のステップと、第２のステップにより検出された話速変換に関する付随情報の内容が送信側で話速変換が施されていないと判定された場合には、再生された音声信号の話速変換処理を行う第４のステップと、第２のステップにより検出された話速変換に関する付随情報の内容が送信側で既に話速変換が施されていると判定された場合には、再生された音声信号の話速変換処理は行うことなく出力する第５のステップとを含むことを特徴とする。

第５の発明の音声信号処理方法は、複数の音声信号と、複数の音声信号のそれぞれについて、少なくとも音声ピッチを変えることなく、時間軸を変化させる話速変換に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する第１のステップと、受信された多重信号中から話速変換適合情報を検出して、その内容を判別する第２のステップと、受信された多重信号中から音声信号を再生する第３のステップと、第２のステップにより検出された話速変換適合情報の内容が話速変換に適合していると判定された場合には、再生手段により再生された音声信号に対応する話速変換された別の音声信号が、受信された多重信号中に含まれているか否か判定する第４のステップと、第４のステップにより別の音声信号が、受信された多重信号中に含まれていると判定した場合は、多重信号中から再生手段により別の音声信号を再生して切り替える第５のステップと、第４のステップにより別の音声信号が、受信された多重信号中に含まれていないと判定した場合は、再生手段により再生された音声信号の話速変換処理を行う第６のステップと、第２のステップにより検出された話速変換適合情報の内容が話速変換に適合していないと判定されたときの再生手段により再生された音声信号、又は第５のステップにより切り替え出力された別の音声信号に対して話速変換処理を行うことなく出力する第７のステップとを含むことを特徴とする。

本発明の音声信号処理方法は、放送において話速変換音声を送信するサービスも行う場合の受信機側の対応において適用できる。

１，４送信装置
２，５パケット化部
３伝送路
１０Ａ，１０Ｂ音声信号処理装置
１１受信部
１２音声信号デコーダ
１３話速変換情報検出部
１４話速変換処理部
１５音声出力端子
１６ヒューマンインターフェイス手段
１７マイクロプロセッサ
１８映像信号デコーダ
１９映像出力端子

Claims

複数の音声信号と、前記複数の音声信号のそれぞれに送信側で音声ピッチを変えることなく、時間軸を変化させる話速変換処理に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する受信手段と、
前記受信手段により受信した多重信号中から前記話速変換適合情報を検出して、その内容を判別する検出手段と、
前記受信手段により受信した多重信号中から前記音声信号を再生する再生手段と、
前記検出手段により検出した前記話速変換適合情報の内容が前記話速変換に適合していると判定された場合には、前記再生手段により再生する前記音声信号の話速変換処理を行い、前記話速変換適合情報の内容が話速変換に適合していないと判定された場合には、前記再生手段により再生する前記音声信号の話速変換処理を行うことなく出力する話速変換処理手段と
を備えることを特徴とする音声信号処理装置。
複数の音声信号と、前記複数の音声信号のそれぞれについて、少なくとも音声ピッチを変えることなく、時間軸を変化させる話速変換に適合する音声であるか否かを示す話速変換適合情報とが多重された多重信号を受信する受信ステップと、
前記受信ステップにて受信した前記多重信号中から前記複数の音声信号のうちのいずれかの音声信号を選択する選択ステップと、
前記選択ステップにて選択した音声信号の前記話速変換適合情報を検出して、話速変換に適合する音声であるか否かを判定する第１の判定ステップと、
前記第１の判定ステップにて、前記選択した音声信号が話速変換に適合する音声であると判定された場合に、前記選択した音声信号に対応し、話速変換された別の音声信号が前記多重信号中に含まれているか否か判定する第２の判定ステップと、
前記第２の判定ステップにて前記多重信号中に前記別の音声信号が含まれていると判定された場合に、前記選択した音声信号を前記別の音声信号へと切り換える切換ステップと、
前記第１の判定ステップにて前記選択した音声信号が話速変換に適合する音声ではないと判定された場合、及び、前記切換ステップにて前記別の音声信号へと切り換えた場合に、前記選択した音声信号または前記別の音声信号を、話速変換処理を行うことなく再生する第１の再生ステップと、
前記第２の判定ステップにて前記多重信号中に前記別の音声信号が含まれていないと判定された場合に、前記選択した音声信号を、話速変換処理を行って再生する第２の再生ステップと
を含むことを特徴とする音声信号処理方法。