JP2009540650A - 複数の音声再生ユニットへの送信のための音声データを生成する装置及び方法 - Google Patents

Abstract

複数の音声再生ユニット（１１０）への送信のための音声データを生成する装置（１００）であって、当該装置（１００）は、複数の音声再生ユニット（１１０）へ再生のための音声コンテンツを送信するよう構成される第1の音声データ送信ユニット（１０１）と、複数の音声再生ユニット（１１０）の夫々へ個々に局所音声データを送信するよう構成される第２の音声データ送信ユニット（１０２）とを有する。局所音声データは、送信された音声コンテンツを、局所的に再生可能な音声コンテンツを得る夫々の音声再生ユニット（１１０）で局所的に処理する様式を示す。

Description

本発明は、複数の音声再生ユニットへの送信のための音声データを生成する装置に関する。

更に、本発明は、音声再生ユニットに関する。

本発明は、更に、複数の音声再生ユニットへの送信のための音声データ生成する方法に関する。

これを越えて、本発明はプログラム要素に関する。

更に、本発明はコンピュータ読取可能な媒体に関する。

音声再生装置はますます重要になっている。具体的には、ハードディスクに基づくオーディオプレーヤや、他のエンターテイメント機器を購入するユーザの数は増加している。また、音声サラウンドシステムがますます重要になっている。

米国特許出願公開２００５／０１５２５５７（Ａ１）明細書は、複数のスピーカ装置のうちの一のスピーカ装置によって生成される音響が、複数のスピーカ装置の夫々でマイクロホンによって捕捉されることを開示する。サーバ装置は、全てのスピーカ装置から捕捉された音響の音声信号を受信し、複数のスピーカによって定まる範囲内にいる聴取者の場所又は位置からこの聴取者に最も近いスピーカ装置までの距離と、聴取者から複数のスピーカ装置の夫々までの距離との間の距離差を計算する。スピーカ装置のうちの１つが音響サンプルを発する場合に、サーバ装置は、他のスピーカ装置の夫々によって捕捉されて送信される音響の音声信号を受信する。サーバ装置は、音響を発しているスピーカ装置と他のスピーカの夫々との間のスピーカ間距離を計算する。サーバ装置は、先に計算した距離差及びスピーカ間距離に基づいて複数のスピーカ装置のレイアウト構成を計算する。

米国特許出願公開２００５／００１５８０５（Ａ１）明細書は、電力ライン通信（ＰＣＬ）ネットワークを介して分配される映像及び音声装置を制御するシステムを開示する。ストリーミング映像及び／又は音声は、電力ライン通信ネットワークとインターフェース接続されているメディア装置間でやり取りされる。装置は、通常、望ましくはリモート制御ユニットを用いるユーザからコマンドを受信するよう構成されるメディアサーバによって制御される。コマンドはメディア装置によって受信され、そのメディア装置に向けられていない特定のコマンドは、そのメディア装置を通って、他のメディア装置の動作を制御するメディアサーバへ送られる。サーバは、メディア装置で入力又は出力されるストリームを同期させるよう符号化及び／又は復号化の待ち時間（latency）を調整することをサポートする。ロック機能及びパスワード制御機能は、コンテンツの制御又は流布を制御するよう設けられている。望ましくは、レート（rate）制御は、割り込みによる損失を防ぐべく、ストリームによる帯域幅利用、及び空間間中継一時停止機能（room-to-room live pause feature）を制限するよう設けられる。
米国特許出願公開２００５／０１５２５５７（Ａ１）明細書 米国特許出願公開２００５／００１５８０５（Ａ１）明細書

しかし、上述したようなシステムの機能性では十分でない環境が存在する。

本発明は、有効な音声データ処理を可能にすることを目的とする。

上記目的を達成するために、独立請求項に従う複数の音声再生ユニットへの送信のための音声データを生成する装置、音声再生ユニット、複数の音声再生ユニットへの送信のための音声データを生成する方法、プログラム要素及びコンピュータ読取可能な媒体が提供される。

本発明の例となる実施形態に従って、複数の音声再生ユニットへの送信のための音声データを生成する装置が提供される。当該装置は、前記複数の音声再生ユニットへ再生のための音声コンテンツを送信するよう構成される第1の音声データ送信ユニット（「音声コンテンツ送信ユニット」とも呼ばれる。）と、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成される第２の音声データ送信ユニット（「局所音声データ送信ユニット」とも呼ばれる。）とを有する。前記局所音声データは、局所的に再生可能な音声コンテンツを生成するよう（すなわち、得る）夫々の音声再生ユニットで局所的に前記送信された音声コンテンツを処理する様式を示す。

本発明の他の例となる実施形態に従って、上述したような特徴を備える、複数の音声再生ユニットへの送信のための音声データを生成する装置によって生成された音声データを再生する音声再生ユニットが提供される。当該音声再生ユニットは、再生のための前記音声コンテンツを受信するよう構成される第１の音声データ受信ユニット（「音声コンテンツ受信ユニット」とも呼ばれる。）と、局所的に再生可能な音声コンテンツを生成するよう当該音声再生ユニットによって局所的に前記受信した音声コンテンツを処理する様式を示す前記局所音声データを受信するよう構成される第２の音声データ受信ユニット（「局所音声データ受信ユニット」とも呼ばれる。）とを有する。

本発明の他の例となる実施形態に従って、複数の音声再生ユニットへの送信のための音声データを生成する方法が提供される。当該方法は、前記複数の音声再生ユニットへ再生のための音声コンテンツを送信する段階と、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信する段階とを有し、前記局所音声データは、局所的に再生可能な音声コンテンツを生成するよう（すなわち、得る）夫々の音声再生ユニットで局所的に前記送信された音声コンテンツを処理する様式を示す。

本発明の更なる他の例となる実施形態に従って、プロセッサによって実行される場合に、上述したような特徴を備える、複数の音声再生ユニットへの送信のための音声データを生成する方法を制御又は実行するよう構成されるプログラム要素が提供される。

本発明の更なる他の例となる実施形態に従って、プロセッサによって実行される場合に、上述したような特徴を備える、複数の音声再生ユニットへの送信のための音声データを生成する方法を制御又は実行するよう構成されるコンピュータプログラムを記憶するコンピュータ読取可能な媒体が提供される。

本発明の実施例に従う音声処理は、ソフトウェアによるコンピュータプログラムによって、又はハードウェア内にある１以上の特別の電子最適化回路を用いることによって、又はソフトウェア構成要素及びハードウェア構成要素を用いたハイブリッド形態で、実現され得る。

本発明の例となる実施形態に従って、制御エンティティ及び複数の局所的に分布するラウドスピーカを備える音声システムが提供される。必要とされる帯域幅を小さく保ち且つ装置の使用中でさえラウドスピーカの動的な付加又は除去を可能にする柔軟なシステムを提供するよう、音声コンテンツのストリームは、受信ラウドスピーカの数及び配置に関わらず分配され得る。更に、少量の付加的な制御データのみが、認識されているラウドスピーカの一部へ又は夫々へ個々に送信される。かかるラウドスピーカは、ネットワーク内の各ラウドスピーカの特定の機能及び／又は場所に従って音声コンテンツを選択的に変更する働きをすることができる。例えば、ゲイン及び／又は遅延の情報は、このような局所的な音声データに含まれ得る。

このようなシステムは、必要とされる帯域幅が導入されるラウドスピーカの数とともに増加しうるという問題を解決することができる。本発明の例となる実施形態に従って、用いられるラウドスピーカの数と原則的に無関係である、実質的に低いビットレートのストリームが送信され、音響は、空間レンダリングパラメータを用いてラウドスピーカ端末で局所的にレンダリングされる。このようなシステムは、自動ラウドスピーカ位置発見配列（automatic loudspeaker position finding array）内で実施され得、電力ライン通信に基づくネットワークを使用することができる。このようなシステムは、帯域幅要求に関してより効率的でない、音声データのパケットが時間的に連続してラウドスピーカごとに送出されるところのシステムと実質上区別することができる。

本発明の例となる実施形態に従って、ラウドスピーカを有する動的スケーリングが可能な音声サラウンドシステムはどこにでも設けられ得る。これに関連して、マルチスピーカ音声システムのレイアウト構成を自動的に検出／調整する方法が提供され得る。この方法では、電力ライン通信が通信のために使用される。任意数のスピーカが、必ずしも帯域幅要求を変更することなく接続され得る。

音声サラウンドシステムは、接続されるラウドスピーカを最大７つまで、又はそれ以上有することができる。実際には、消費者は、通常、（例えば、室内の物理的レイアウトに起因して）これらのラウドスピーカを正確に設定すべき問題を有しており、音声−映像知覚（sensation）は著しく低下しうる。

本発明の例となる実施形態に従って、再生（ラウドスピーカ）ユニットは、位置情報に依存して音声信号をレンダリングするレンダリング手段を有して、提供され得る。更に、登録手段は、多数（１又はそれ以上）の更なる再生ユニットを有する音響システムに前記再生ユニットを登録するよう構成されて、提供され得る。測定手段は、距離情報を得るべく前記再生ユニットと更なる再生ユニットとの間の距離を測定するよう構成され得る。計算ユニットは、前記距離情報に基づいてラウドスピーカごとにゲイン及び／又は遅延情報を計算するために設けられ得る。インターフェース手段は、前記ゲイン及び遅延情報をラウドスピーカへ送信するために設けられ得る。

ラウドスピーカが取り除かれ、このことが、このラウドスピーカがもはや応答しないことで、システムによって検出され得る場合に、新しいゲイン及び遅延が計算され、前記更なる再生ユニットへ送信され得る。このようにして、ラウドスピーカは、動的に付加又は除去され得る。これに関連して、動的サラウンドシステムは、任意数のラウドスピーカを設けられ得る。

例となる実施形態に従って、当該システムの前記再生ユニットは、ストリーム音声信号を受信するよう構成され得る。従って、付加的な再生ユニットが当該サラウンドシステムに登録される場合に、再生ユニットは、どの程度これらの音声チャネルを遅延させるべきかということと、どのゲインをこれらの音声チャネルが乗じられるべきかということとのみを知る必要がある。結果として、余分の帯域幅は、この付加的な再生ユニットへの余分の音声ストリームのために必要とされない。

一層更なる帯域幅を低減するよう、空間音声符号化（ＳＡＣ）と呼ばれる技術が用いられても良い。これにより、１若しくは２又はそれ以上の（圧縮された）音声チャネルしか、全ての音声チャネルを局所的にリストアするよう幾つかの付加的なパラメータによりストリーミングされる必要がない。

本発明の例となる実施形態は、家庭用エンターテイメントシステムで実施されても良い。

例となる実施形態に従って、音声サラウンドシステムは、任意数の接続されるラウドスピーカを有して動かされ得るよう設けられる。これらのラウドスピーカは、動的な方法でコンセントに単純に差し込まれ得るユニットであっても良い。すなわち、動作中に、ラウドスピーカは、コンセントに接続されたり、又はコンセントから抜かれたりすることができる。当該音声サラウンドシステムは、音響再生に関して然るべく対処することができる。当該サラウンドシステムからラウドスピーカへの通信は、例えば、電力ライン通信を介して達成され得る。このようなシステムの利点は、付加的な接続されるラウドスピーカが、帯域幅の著しい増大を招かず、従って、極めて拡張性がありうる点である。

音声サラウンドシステムは、接続されるラウドスピーカを最大７つまで有することができる。しかし、本発明の例となる実施形態は、７つのラウドスピーカに限定されず、任意数のラウドスピーカに対して使用され得る。ＩＴＵは、どのようにこれらのラウドスピーカが設定されるべきかを提言する（提言ＩＴＵ−Ｒ ＢＳ．７７５−１、“multiple stereophonic sound system with and without accompanying picture”を参照。）。しかし、実際には、消費者は、例えば、室内の物理的レイアウトに起因して、これらのラウドスピーカを正確に設定すべき問題を有しており、音声−映像知覚は著しく低下しうる。本発明の例となる実施形態に従うシステムは、誤って設定されたラウドスピーカを自動的に補償することができる。

本発明の例となる実施形態に従うシステムが適切に機能するために、様々なフレーム条件が考慮され得る：
室内の全てのラウドスピーカの位置を見つける、
ＩＴＵが提言するように及び／又はシステムが意図するように、音声が正確な方向から来ているとの錯覚を聴取者が有するよう音声を処理する、
付加的なラウドスピーカユニットが接続又は除去される場合に、システムが然るべく対応することができることを確かにする、
極めて拡張性のあるシステムのために、付加的なラウドスピーカユニットが付加される場合に、ネットワーク通信は過剰に増えるべきでない。

例となる実施形態に従って、自動ラウドスピーカ設定システムが提供される。ラウドスピーカモジュールは、それらの位置に基づいて局所的に音声をレンダリングするハードウェアを有する。

例えば、雑音注入及び多次元スケーリングを用いて、ラウドスピーカの位置を見つけることができる。雑音注入は、ラウドスピーカ間のインパルス応答を測定することを可能にし、それにより、距離が導出され得る。これらの距離を鑑みて、ラウドスピーカの位置は、多次元スケーリングにより計算され得る。システムの基準として、テレビ受信機が使用され得、ファントム音源（以下参照）は当該基準に対して位置付けられ得る。

振幅パンニング（panning）は、ラウドスピーカが正確に位置しているとの錯覚を聴取者が有する特定の位置でのファントム音源を生成するために使用され得る。ファントム音源は、同じモノ音声信号、例えば、音源（例えば、ＤＶＤ。）からの１つの音声チャネルを、夫々異なるゲインを有して各ラウドスピーカに与えることによって生成される。例えば、２つのラウドスピーカが接続される場合に、２つのラウドスピーカに同じ音声信号及び同じゲインを与えることで、これらのラウドスピーカの中間にファントム音源を作り出すことができる。一方のゲインを上げて、他方のゲインを下げると、このファントム音源の位置は移動する。付加的な音声信号を、高い確率で異なるゲインを有して各ラウドスピーカに加えることで、更なるファントム音源を作り出すことができる。これに関連して、２００５年１０月発行、第１１９回ＡＥＳ会議、文書６６１３、１〜８頁に掲載されている“On amplitude panning and asymmetric loudspeaker set-ups”（van Leest,A.J著）が明示的に参照される。この文書は、この開示がまた本発明の実施例に関連して有利な方法で実施され得るものであって、元の音声チャネルが任意数のラウドスピーカに関して及び任意のラウドスピーカの設置のために乗じられるゲインについてどのように計算が行われるかを記載する。計算において、ラウドスピーカは中央の聴取者から等しく距離があると仮定される。実際には、これはそうではない場合がある。しかし、かかる計算は、遅延及びゲインの補償を適用することによって非円形のラウドスピーカ設置に適用され得る。このような技術は、例えば、１９９２年発行、第９２回ＡＥＳ会議の前刷り３３０８、ウィーン、１〜３３頁に掲載されている“The design of distance panpots”（Gerzon,M.A.著）に記載されている。本発明の例となる実施形態に従うシステムと有利な方法で組み合わされ得る、この文書の対応する部分が、明示的に参照される。

新しいラウドスピーカユニットが加えられる場合に、このラウドスピーカユニットは、自身をシステムに知らせることができる。この新しいラウドスピーカユニットと他のラウドスピーカユニットとの間の距離が測定され、全てのラウドスピーカユニットの新しいゲイン及び遅延が計算され、ラウドスピーカへ送信される。ラウドスピーカユニットが取り除かれ、このことが、このラウドスピーカがもはや応答しないことで、システムによって検出され得る場合に、新しいゲイン及び遅延が計算され、残りの再生ユニットへ送信され得る。

振幅パンニングはファントム音源を生成するために使用され得るので、音声発生源の音声チャネル（例えば、ＤＶＤの５つの音声チャネル。）を使用すれば十分でありうる。かかる音声チャネルは、各ラウドスピーカへストリーミングされるべきでありうる。従って、付加的なラウドスピーカが接続される場合に、このラウドスピーカユニットは、どの程度これらの音声チャネルを遅延させるべきかということと、どのゲインをこれらの音声チャネルが乗じられるべきかということとのみを知る必要がある。結果として、必ずしも、余分の帯域幅は、この付加的なラウドスピーカへの余分の音声ストリームのために必要とされない。

より一層帯域幅を低減するよう、空間音声符号化（ＳＡＣ）と呼ばれる技術を用いることが可能である。これにより、１又は２の（例えば、圧縮された）音声チャネルしか、全ての音声チャネルを局所的にリストアするよう幾つかの付加的なパラメータによりストリーミングされる必要がない。空間音声符号化（ＳＡＣ）の技術は、例えば、２００５年５月発行、第１１８回ＡＥＳ会議、文書６４４７、１〜１３頁に掲載されている“The reference model architecture for MPEG spatial audio coding”（Herre,J.、Purnhagen,H.、Breebaart,J.、Faller,C.、Disch,S.、Kjorling,K.、Schuijers,E.、Hilpert,J.、Myburg,F.著）及び２００６年１０月発行、第１１９回ＡＥＳ会議、文書６５９９、１〜１７頁に掲載されている“MPEG spatial audio coding／MPEG surround：Overview and current status”（Breebaart,J.、Disch,S.、Faller,C.、Herre,J.、Hotho,G.、Kjorling,K.、Myburg,F.、Neusinger,M.、Oomen,W.、Purnhagen,H.、Roden,J.著）で開示されている。これらの２つの文献で開示されるこのような空間音声符号化法は、本発明の例となる実施形態に従って実施され得る。

本発明の更なる例となる実施形態に従って、自動ラウドスピーカ設定システムが提供され得る。このシステムで、ラウドスピーカモジュールは、それらの位置に基づいて局所的に音声をレンダリングするハードウェアを有する。データは、電力通信ラインを用いてサーバからラウドスピーカモジュールへ送信され得る。代替的に、データは、無線通信方式でサーバからラウドスピーカモジュールへ送信され得る。多数の音声チャネル又はオブジェクトがラウドスピーカモジュールへ送信され得る。その数は、ラウドスピーカモジュールの数とは無関係でありうる。メタデータは、（ＳＡＣにおけるように）非常に低いビットレートを可能にするよう音声とともに送信され得る。メタデータは、ラウドスピーカの位置に依存するレンダリング情報に基づいてラウドスピーカモジュールで扱われ得る。ラウドスピーカの位置はサーバで計算され得、レンダリングデータはサーバからラウドスピーカモジュールへ送信され得る。しかし、位置は、ラウドスピーカモジュールで局所的に計算されても良く、これはアドホック（ad hoc）ネットワークに相当する。

次に、本発明の更なる例となる実施形態について説明する。以下で、複数の音声再生ユニットへの送信のための音声データを生成する装置の更なる例となる実施形態について説明する。しかし、かかる実施例は、また、音声再生ユニットへ、複数の音声再生ユニットへの送信のための音声データを生成する方法へ、プログラム要素へ及びコンピュータ読取可能な媒体へも適用する。

当該装置の音声コンテンツ送信ユニットは、前記複数の音声再生ユニットの夫々へ再生のための共通の（すなわち、同じ）音声コンテンツを送信するよう構成され得る。従って、具体的にラウドスピーカの夫々個々の１つへ合わせられている音声コンテンツの個々のストリームを送信する必要はない。これにより、帯域幅要求を低減することができる。言い換えると、１つの同じ音声コンテンツが、ラウドスピーカの夫々へ不特定の方法で送信され得る。これは、実際の音声コンテンツ、例えば歌の小さい帯域幅の送信が、ラウドスピーカによって再生されることを可能にする。

前記音声コンテンツ送信ユニットは、前記複数の音声再生ユニットへ再生のための音声コンテンツを送信するよう構成され得、前記音声コンテンツは、多数の前記複数の音声再生ユニットから独立している。前記音声コンテンツは、単純に、全ての接続されているラウドスピーカに広められ得るので、帯域幅は、原則的に、取り付けられているラウドスピーカの数とは無関係である。これは、システムの動作中でさえ、ラウドスピーカが簡単に付加又は除去され得る動的システムの生成を可能にする。

前記局所音声データ送信ユニットは、前記複数の音声再生ユニットの異なる音声再生ユニットへ異なる局所音声データを送信するよう構成され得る。従って、夫々の個々のラウドスピーカ又は音声再生ユニットの再生機能を制御するパラメータ情報を含む前記局所音声データのみが、ラウドスピーカに合わせられる、又は具体的に適合され得る。従って、非常に少量のデータしか、個々のラウドスピーカに対して個別化される必要がない。局所音声データに含まれるデータの量は、音声コンテンツに含まれるデータの量よりも相当に小さい。

前記局所音声データ送信ユニットは、１又はそれ以上の空間レンダリングパラメータを用いて前記複数の音声再生ユニットの夫々で局所的に再生可能な音声コンテンツをレンダリングすることを可能にするように、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成され得る。従って、個々のラウドスピーカに関して再生されるべき音声の空間適応は、特に、他のラウドスピーカの位置に対する、環境における（例えば、室内の）このラウドスピーカの位置に基づいて行われ得る。

前記局所音声データ送信ユニットは、１又はそれ以上のゲインパラメータ及び／又は１又はそれ以上の遅延パラメータを用いて前記複数の音声再生ユニットの夫々で局所的に前記再生可能な音声コンテンツをレンダリングすることを可能にするように、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成され得る。従って、異なるラウドスピーカの音声再生の振幅及び／又はタイミングを単純に調整することによって、複数のこのようなラウドスピーカを用いるファントム音源の生成が可能となる。

前記局所音声データ送信ユニットは、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成され得、前記局所音声データは、前記複数の音声再生ユニットの数に依存する。従って、接続されるラウドスピーカの数が変更される場合に、このような付加的な又は取り除かれたラウドスピーカの局所音声データしか適合される必要がない。これは、極めて低い計算負荷で可能であり、原則的に全体的な帯域幅要求にとって重要性を有しない。

前記局所音声データ送信ユニットは、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成され得、前記局所音声データは、前記複数の音声再生ユニットの空間配置に依存する。従って、システムが空間、例えば室内における異なるラウドスピーカの空間分布に関する情報を有する場合に、適切な音声再生品質を達成するように、然るべく個々のパラメータの再生パラメータを調整することが可能である。

前記複数の音声再生ユニットとの通信のために、通信インターフェースが設けられても良い。従って、当該装置は、このような通信インターフェースを介してラウドスピーカへ接続され得る。かかる接続は、（例えば、在来のケーブルを介して又は電力ラインを介して）有線であっても、あるいは、例えば、ブルートュース、赤外線通信等を介して、無線で提供されても良い。

前記通信インターフェースは、動的に前記複数の音声再生ユニットと通信するよう構成され得る。これに関連して、語“動的（dynamic）”は、ネットワークへの個々のラウドスピーカの接続又はネットワークからの個々のラウドスピーカの除去が動作中に可能であるところの状況を表す。これは、使い勝手の良いように動作することができる非常に柔軟なシステムを可能にする。

前記複数の音声再生ユニットの少なくとも一部の位置を検出するために、位置検出ユニットが設けられても良い。このような位置検出ユニットは、異なるラウドスピーカと通信することができ、それによって、信号（例えば、音響信号又は電磁信号。）を交換することができる。この信号に基づいて、個々の距離が計算され得る。

前記位置検出ユニットは、前記局所音声データが前記複数の音声再生ユニットの少なくとも一部の検出された位置に基づいて調整可能であるように前記局所音声データ送信ユニットへ結合され得る。言い換えると、異なるラウドスピーカの空間的な関係が決定されている場合は、然るべく音声再生を調整することが可能である。

当該装置は、前記複数の音声再生ユニットへ送信されるよう前記音声コンテンツ及び／又は前記局所音声データをエンコードする音声エンコーダユニットを有することができる。このようなエンコーダユニットは、上述された空間音声符号化（ＳＡＣ）に基づくことができる。

当該装置は、音声サラウンドシステム、ゲーム機器、ＤＶＤプレーヤ、ＣＤプレーヤ、ハードディスクに基づくメディアプレーヤ、インターネットラジオ装置、公衆エンターテイメント装置、ＭＰ３プレーヤ、ハイファイシステム、乗り物用エンターテイメント装置、車載用エンターテイメント装置、医療通信システム、音楽シアターホールシステム及び家庭用シネマシステムを含むグループの中の少なくとも１つとして実現され得る。

以下では、音声再生ユニットの更なる例となる実施形態について説明する。しかし、かかる実施例は、また、複数の音声再生ユニットへの送信のための音声データを生成する装置、その方法、プログラム要素及びコンピュータ読取可能な媒体にも適用する。

当該音声再生ユニットは、少なくとも１つの更なる音声受信ユニットに対する当該音声再生ユニットの位置を検出する位置検出ユニットを有することができる。従って、前記位置検出ユニットは、また、位置検出ユニットが前記装置に実装される実施例とは対照的に、当該音声再生ユニット内に設けられ得る。

当該音声再生ユニットは、前記音声コンテンツ受信ユニットによって受信される音声コンテンツに基づいて且つ前記局所音声データ受信ユニットによって受信される局所音声データに基づいて音波を発する音波発生ユニットを有することができる。このような音波発生ユニットは、人間ユーザによって受け取られ得る音響を生成する実際のエンティティ（actual entity）であっても良い。この音波発生ユニットは音データを供給され得る。このデータに基づいて、音波が出力される。

本発明の実施例に従うシステムは、振幅パンニングを用いるよう構成され得る。振幅パンニングの技術は、上でより詳細に記載された。

しかし、本原理の実施例に従うシステムは音響又は音声データの再生を改善することを目的とするが、音声データ及び視覚データの結合のためのシステムを適用することも可能である。例えば、本発明の実施例は、ラウドスピーカが使用されるビデオプレーヤ、又は家庭用シネマシステムのようなオーディオビジュアル用途で実施されても良い。

上で定義される態様及び本発明の更なる態様は、以降で記載される実施形態の例から明らかであり、これらの実施形態の例を参照して説明される。

本発明は、以降、実施形態の例を参照してより詳細に記載される。なお、本発明はこれらの例に限定されない。

図面中の絵は、概略的である。異なる図面で、類似の又は同一の要素は同じ参照符号を与えられている。

以下、図１を参照して、音声サラウンドシステム１２０について説明する。

音声サラウンドシステム１２０は、複数の音声再生ユニット１１０への送信のための音声データを生成する装置１００を有し、且つ、装置１１０へ接続される複数の音声再生ユニット１１０を有する。

図１は、再生される音声項目を記憶するよう構成される音声発生源１２１を示す。このような音声発生源１２１は、ＣＤプレーヤ、ＤＶＤプレーヤ、又はハードディスクに基づくメディアプレーヤにおけるハードディスクであっても良い。

ユーザ入力／出力インターフェース１２２の制御下で、音声発生源１２１に記憶される音声項目（例えば、歌。）は、本場合にはラウドスピーカとして構成されている音声再生ユニット１１０を介する再生のために、装置１１０へ供給され得る。

このようなユーザインターフェース１２２は、グラフィック・ユーザインターフェース（ＧＵＩ）であっても良い。このようなグラフィック・ユーザインターフェース１２２は、人間操作者又はユーザへ情報、すなわち、音声再生に関するデータのような情報を表示するための表示装置（例えば、陰極線管、液晶ディスプレイ、プラズマディスプレイ装置等。）を含みうる。更に、ユーザインターフェース１２２は、ユーザがデータ（例えば、音声コンテンツを再生する様式を特定するデータ。）を入力したり、又は制御コマンドをシステムに与えたりすることを可能にする入力ユニットを有することができる。このような入力装置は、キーパッド、ジョイスティック、トラックボール、タッチスクリーンを含んでも、あるいは、音声認識システムのマイクロホンでさえあっても良い。インターフェース１２２は、人間ユーザがシステム１２０と双方向に情報をやり取りすることを可能にする。

ユーザが特定の楽曲を再生したい場合に、ユーザは、ユーザ入力／出力ユニット１２２を介して対応するコマンドを供給する。結果として、音声発生源１２１に記憶されている対応する選択された音声項目が、音声発生源１２１から、複数のラウドスピーカ１１０へ再生のための音声コンテンツを送信するよう構成される音声コンテンツ送信ユニット１０１へ供給される。更に、装置１００は、複数の音声再生ユニット１１０の夫々の個々に局所音声データを送信するよう構成される局所音声データ送信ユニット１０２を有する。局所音声データは、送信された音声コンテンツを、局所的に再生可能な音声コンテンツを生成するよう夫々の音声再生ユニット１１０で局所的に処理する様式を示す。

従って、音声コンテンツは、音声コンテンツ送信ユニット１０１からラウドスピーカ１１０の夫々へ、より詳細には、ラウドスピーカ１１０の夫々について予測される夫々の音声コンテンツ受信ユニット１１１へ不特定に供給される。

これとは対照的に、局所音声データ送信ユニット１０２からラウドスピーカ１１０の夫々へ、より詳細には、ラウドスピーカ１１０の夫々の対応する局所音声データ入力ユニット１１２へ供給される局所音声データは、個々のラウドスピーカ１１０の特定の機能に割り当てられている特定の音声再生パラメータを含む。従って、夫々のコンテンツ受信ユニット１１１によって受信される音声情報は、コンテンツ受信ユニット１１０ごとに同じであり、異なるラウドスピーカ１１０の各局所音声データ入力ユニット１１２によって受信される音声情報は、局所音声データ入力ユニット１１２ごとに異なる。具体的に、夫々のゲイン及び遅延パラメータは、局所音声データ送信ユニット１０２からラウドスピーカ１１０の各局所音声データ入力ユニット１１２へ供給される。装置１００とラウドスピーカ１１０との間の通信は、電力ライン通信ネットワークを介して提供され得る。

位置検出ユニット１０３が装置１００に設けられ、局所音声データ送信ユニット１０２へ結合されている。これにより、局所音声データがラウドスピーカ１１０の夫々の検出された位置に基づいて調整可能である。図１に示されているように、位置検出ユニット１０３は、双方向でラウドスピーカ１１０へ結合されている。従って、位置検出ユニット１０３は、ラウドスピーカ１１０とともに、個々のラウドスピーカ１１０の実際の位置を検出する。この位置に基づいて、局所音声データ送信ユニット１０２は、実際の位置に従って個々のラウドスピーカ１１０のための適切な局所音声データを計算することができる。

ラウドスピーカ１１０の夫々は、インターフェースユニット１１１、１１２によって受信されるデータを内部で処理し、人間聴取者によって受け取られ得る基本可聴音響を生成する。

以下、図２を参照して、本発明の例となる実施形態に従う、複数の音声再生ユニット２２０（ラウドスピーカ）への送信のための音声データを生成する装置２００について記載する。

図２から明らかなように、音声発生源１２１は、（サーバとしても表され得る）装置１００へ結合されている。音声発生源１２１は、サーバ１００に音声コンテンツを供給する。サーバ１００は、音声エンコーダ２０１へ結合されている。音声エンコーダ２０１は、音声再生ユニット２２０の夫々へネットワーク２０２を介して、エンコードされた音声信号を供給する。より詳細には、エンコードされた音声信号は、音声再生ユニット２２０の各ラウドスピーカ処理ユニット２１０へ供給される。このラウドスピーカ処理ユニット２１０は、音響としての音波の実際の放出のために適合された各音波放出ユニット２１１へ出力音声信号を供給するように音声データ処理を実行するよう構成される。

図３は、図２の音声再生ユニット２２０、特に、ラウドスピーカ処理ユニット２１０及び音波放出ユニット２１１の構成のより詳細な図を示す。

具体的に、ラウドスピーカ処理ユニット２１０は、デコーダユニット３００と、ゲインユニット３０２と、雑音成形ユニット３０３と、距離測定ユニット３０１と、音響検出器としてのマイクロホン３０４とを有する。

従って、図２は、いずれかの望まれる位置で音声再生ユニット２２０を備える動的スケーリング可能な音声サラウンドシステム２００の概観を示す。図３は、処理モジュール２１０と、本場合にはラウドスピーカである音波放出器２１１とを備える図２のラウドスピーカユニットを示す。

システム２００は、ＣＤ又はＤＶＤプレーヤのような音声発生源１２１を有する。サーバ１００は、コンピュータ又はマイクロプロセッサであっても良い。音声エンコーダユニット２０１は、マルチチャネル音声をエンコードするために任意に設けられ得る。ネットワーク２０２は、例えば、無線ネットワーク又は電力ライン通信ネットワークでありうる。音声再生ユニット２２０は、音波放出装置としての実際のラウドスピーカ２１１と、ラウドスピーカ処理モジュール２１０とを有することができる。

サーバ１００は、音声再生ユニット２２０と通信することができる。それは、音声再生ユニット２２０ごとにゲイン情報（又は単に“ゲイン”。）及び遅延情報（又は単に“遅延”。）を計算することができ、これらの情報を音声再生ユニット２２０へ送信することができる。更に、サーバ１００は、音声再生ユニット２２０の間の距離が計算されるべき場合に、音声再生ユニット２２０を初期化することができる。代替的に、ラウドスピーカ処理ユニット２１０は、局所的に、アドホックネットワークプロトコルに基づいて位置を計算する。

音声エンコーダ２０１は、音声再生ユニット２２０へ音声をストリーミングする前に、例えばＳＡＣを用いて、任意に音声をエンコードすることができる。しかし、未加工の音声ストリームも可能である。空間音声符号化（ＳＡＣ）は、ダウンミックスされたモノ又はステレオ信号として空間手掛かり（spatial cues）を有してマルチチャネル音声信号を表すよう処理される。ＳＡＣの主な強みは、知覚上の音響品質を保ちながら著しくビットを低減する点である。

図３で、音声再生ユニット２２０は、より詳細に描かれている。それは、ネットワーク２０２を介して受信されるエンコードされた音声をデコードする任意の音声デコーダ３００を有する。音声チャネルは、サーバ１００から受信されるゲインパラメータ（レンダリング）をゲイン調整ユニット３０２で乗じられ、１のチャネル音声出力が得られるよう加算ユニット３０５によって足し合わされる。任意に、ゲインは、また、音声デコーダ３００によっても使用され得る。これは、図３で破線によって示されている。これにより、より一層有効なレンダリングが得られ、ゲインによる後の乗算はなくても済む。

ラウドスピーカ２１１は、結果として得られる１チャネル音声信号を再生することができる。距離が計算される必要がある場合は、雑音が、サイコアコースティックモデル（psycho acoustic model）を用いることによって、結果として得られる音声信号へ気付かれないほどに付加され得る。この音声再生ユニット２２０は、また、インパルス応答を計算するために他の音声再生ユニット２２０からの雑音を捕捉して、音声サラウンドシステム２００の様々な音声再生ユニット２２０の間の距離を決定するようマイクロホン３０４を有することができる。かかる距離はサーバ１００へ送信される。サーバ１００は、振幅パンニングを適用し、音声再生ユニット２２０へ送信されるべき正確なゲインを計算する。

留意すべきは、語“有する（comprising）”は他の要素又は特徴を除くわけではなく、“１つの又は１の（a、an）”は複数個を除くわけではない点である。また、異なる実施例に関連して記載される要素は組み合わされ得る。

留意すべきは、特許請求の範囲に記載される参照符号は、特許請求の範囲の適用範囲を限定するよう解釈されるべきでない点である。

本発明の例となる実施形態に従う、複数の音声再生ユニットへの送信のための音声データを生成する装置を示す。 本発明の例となる実施形態に従う、複数の音声再生ユニットへの送信のための音声データを生成する装置を示す。 本発明の例となる実施形態に従う音声再生ユニットを示す。

Claims (26)

1. 複数の音声再生ユニットへの送信のための音声データを生成する装置であって、
   前記複数の音声再生ユニットへ再生のための音声コンテンツを送信するよう構成される第1の音声データ送信ユニットと、
   前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成される第２の音声データ送信ユニットと
   を有し、
   前記局所音声データは、局所的に再生可能な音声コンテンツを得る夫々の音声再生ユニットで局所的に前記送信された音声コンテンツを処理する様式を示す、装置。
2. 前記第１の音声データ送信ユニットは、前記複数の音声再生ユニットの夫々へ再生のための共通の音声コンテンツを送信するよう構成される、請求項１記載の装置。
3. 前記第１の音声データ送信ユニットは、前記複数の音声再生ユニットへ再生のための音声コンテンツを送信するよう構成され、
   前記音声コンテンツは、原則的に、当該装置へ接続される又は接続可能な多数の前記複数の音声再生ユニットから独立している、請求項１記載の装置。
4. 前記第２の音声データ送信ユニットは、前記複数の音声再生ユニットの異なる音声再生ユニットへ異なる局所音声データを送信するよう構成される、請求項１記載の装置。
5. 前記第２の音声データ送信ユニットは、１又はそれ以上の空間レンダリングパラメータを用いて前記複数の音声再生ユニットの夫々で局所的に再生可能な音声コンテンツをレンダリングすることを可能にするように、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成される、請求項１記載の装置。
6. 前記第２の音声データ送信ユニットは、再生可能な音声コンテンツのゲインを示す１若しくはそれ以上のゲインパラメータ及び／又は前記再生可能な音声コンテンツを再生する遅延を示す１若しくはそれ以上の遅延パラメータを用いて前記複数の音声再生ユニットの夫々で局所的に前記再生可能な音声コンテンツをレンダリングすることを可能にするように、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成される、請求項１記載の装置。
7. 前記第２の音声データ送信ユニットは、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成され、
   前記局所音声データは、前記複数の音声再生ユニットの数に依存する、請求項１記載の装置。
8. 前記第２の音声データ送信ユニットは、前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信するよう構成され、
   前記局所音声データは、前記複数の音声再生ユニットの空間配置に依存する、請求項１記載の装置。
9. 前記複数の音声再生ユニットとの通信のための通信インターフェースを有する、請求項１記載の装置。
10. 前記通信インターフェースは、有線又は無線で前記複数の音声再生ユニットと通信するよう構成される、請求項９記載の装置。
11. 前記通信インターフェースは、電力ライン通信ネットワーク又はブルートュースネットワークを形成するように前記複数の音声再生ユニットと通信するよう構成される、請求項９記載の装置。
12. 前記通信インターフェースは、任意数の再生ユニットと通信するよう構成される、請求項９記載の装置。
13. 前記通信インターフェースは、動的に前記複数の音声再生ユニットと通信するよう構成される、請求項９記載の装置。
14. 前記複数の音声再生ユニットの少なくとも一部の位置を検出する位置検出ユニットを有する、請求項１記載の装置。
15. 前記位置検出ユニットは、前記局所音声データが前記複数の音声再生ユニットの少なくとも一部の検出された位置に基づいて調整可能であるように前記第２の音声データ送信ユニットへ結合される、請求項１４記載の装置。
16. 前記複数の音声再生ユニットへ送信されるよう前記音声コンテンツ及び／又は前記局所音声データをエンコードする音声エンコーダユニットを有する、請求項１記載の装置。
17. 前記音声エンコーダユニットは、空間音声符号化によりエンコードするよう構成される、請求項１６記載の装置。
18. 前記第１の音声データ送信ユニットへ及び／又は前記第２の音声データ送信ユニットへ結合される又は結合可能な前記複数の音声再生ユニットを有する、請求項１記載の装置。
19. 音声サラウンドシステム、ゲーム機器、ＤＶＤプレーヤ、ＣＤプレーヤ、ハードディスクに基づくメディアプレーヤ、インターネットラジオ装置、公衆エンターテイメント装置、ＭＰ３プレーヤ、ハイファイシステム、乗り物用エンターテイメント装置、車載用エンターテイメント装置、医療通信システム、及び家庭用シネマシステムを含むグループの中の少なくとも１つとして実現される、請求項１記載の装置。
20. 複数の音声再生ユニットへの送信のための音声データを生成する請求項１記載の装置によって生成される音声データを再生する音声再生ユニットであって、
    再生のための前記音声コンテンツを受信するよう構成される第１の音声データ受信ユニットと、
    局所的に再生可能な音声コンテンツを生成するよう当該音声再生ユニットによって局所的に前記受信した音声コンテンツを処理する様式を示す前記局所音声データを受信するよう構成される第２の音声データ受信ユニットと
    を有する音声再生ユニット。
21. 少なくとも１つの更なる音声受信ユニットに対する当該音声再生ユニットの位置を検出する位置検出ユニットを有する、請求項２０記載の音声再生ユニット。
22. 前記第１の音声データ受信ユニットによって受信される音声コンテンツに基づいて且つ前記第２の音声データ受信ユニットによって受信される局所音声データに基づいて音波を発する音波発生ユニットを有する、請求項２０記載の音声再生ユニット。
23. 振幅パンニングを用いるよう構成される、請求項２２記載の音声再生ユニット。
24. 複数の音声再生ユニットへの送信のための音声データを生成する方法であって、
    前記複数の音声再生ユニットへ再生のための音声コンテンツを送信する段階と、
    前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信する段階と
    を有し、
    前記局所音声データは、局所的に再生可能な音声コンテンツを得る夫々の音声再生ユニットで局所的に前記送信された音声コンテンツを処理する様式を示す、方法。
25. プロセッサによって実行される場合に、複数の音声再生ユニットへの送信のための音声データを生成する方法を制御又は実行するよう構成されるプログラム要素であって、
    前記方法は、
    前記複数の音声再生ユニットへ再生のための音声コンテンツを送信する段階と、
    前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信する段階と
    を有し、
    前記局所音声データは、局所的に再生可能な音声コンテンツを得る夫々の音声再生ユニットで局所的に前記送信された音声コンテンツを処理する様式を示す、プログラム要素。
26. プロセッサによって実行される場合に、複数の音声再生ユニットへの送信のための音声データを生成する方法を制御又は実行するよう構成されるコンピュータプログラムを記憶するコンピュータ読取可能な媒体であって、
    前記方法は、
    前記複数の音声再生ユニットへ再生のための音声コンテンツを送信する段階と、
    前記複数の音声再生ユニットの夫々へ個々に局所音声データを送信する段階と
    を有し、
    前記局所音声データは、局所的に再生可能な音声コンテンツを得る夫々の音声再生ユニットで局所的に前記送信された音声コンテンツを処理する様式を示す、コンピュータ読取可能な媒体。

Images