JP2012015809A

JP2012015809A - 楽曲選択装置、楽曲選択方法および楽曲選択プログラム

Info

Publication number: JP2012015809A
Application number: JP2010150464A
Authority: JP
Inventors: Hiromi Ishisaki; 広海石先; Keiichiro Hoashi; 啓一郎帆足; Yasuhiro Takishima; 康弘滝嶋
Original assignee: KDDI Corp
Current assignee: KDDI Corp
Priority date: 2010-06-30
Filing date: 2010-06-30
Publication date: 2012-01-19

Abstract

【課題】映像に同期させて再生するための楽曲を自動的に選択し、ユーザの楽曲選別作業を自動化する。
【解決手段】映像に同期させて再生するための楽曲を選択する楽曲選択装置１であって、ユーザにより選択された映像の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択する楽曲検索モジュール１３を備える。また、楽曲検索モジュール１３において、選択した映像の時系列特徴量に対する、同期再生の候補となる各楽曲の時系列特徴量の相関値を算出する。また、楽曲検索モジュール１３において、選択した映像と同期再生の候補となる各楽曲の各時系列特徴量の相互相関係数を相関値として算出する。
【選択図】図１

Description

本発明は、映像に同期させて再生するための楽曲を選択する楽曲選択装置、楽曲選択方法および楽曲選択プログラムに関する。

従来から、携帯電話機やビデオカメラなどで、ショートムービーを撮影し、編集することが一般になってきている。例えば、映像にＢＧＭを付与し、映像と同期をさせて同時に再生することで、映像に対する印象を操作し、魅力度を向上させることが行なわれている。

特許文献１には、利用者の意向に合った背景映像を表示させる音楽再生装置を提供するために、音楽が与えられたときに、映像データベースに含まれている映像から、対象となる映像を選出し、同期させて再生させる音楽再生装置が開示されている。

また、特許文献２には、楽曲データを映像の長さに同期させて再生するための、音楽と映像の同期再生装置および音楽と映像の同期再生方法が開示されている。この技術では、楽曲データを時間方向に区間分割し、映像の長さに合わせて音楽の長さを調整することで、映像と音楽を同期させて再生している。

また、特許文献３には、同時に演奏される音楽の拍位置と映像切り替えタイミングとを常に同期させる映像処理装置が開示されている。この技術では、音楽のテンポに合わせて映像のシーンを切り替えることによって同期を実現している。

また、非特許文献１には、入力となる映像に対して最適な音楽の検索するために、音楽と映像の美しさ(Aesthetic)を表現する検索空間を構築し、空間上で近接する映像と音楽を結び付けることによって、最適な音楽検索を実現する技術が開示されている。この技術では、検索空間は、映像の美しさを表現するために、事前に設定した重要な特徴量種別(ルール)を定義する。さらに手動で、上記Ａｅｓｔｈｅｔｉｃに記載された特徴量に対し、動画と音楽特徴成分を大・中・小の3カテゴリに分類し、学習データとする。最終的に、学習データから生起確率分布に従うと仮定して、ＦｕｚｚｙＭｅｍｂｅｒｓｈｉｐ関数を計算し、メンバシップ関数に対する帰属度を計算し、ベクトル空間を作成することで、音楽検索を実現している。

また、非特許文献２には、ユーザ指定の音楽とビデオに対して、リズムや映像ショット切り替え、構造解析結果を特徴量として、音楽特徴量のパターンと映像特徴量のパターンマッチングによって、映像の部分区間を音楽に付与する技術が開示されている。この技術によれば、映像を素材としたミュージックビデオが作成できる。

また、非特許文献３には、非特許文献２と同様に、映像の部分区間を音楽に付与する技術が開示されている。非特許文献３では、映像の異なる部分は、主に特徴量の種別やマッチングの取り方が異なる音楽が付与される。

特開２００６−１６３０７７号公報特開２００５−２９２２４３号公報特開２００５−１４１０１８号公報

Philippe Mulhem, Mohan S.Kankanhalli, Ji Yi and Hadi Hassan, Pivot Vector Space Approach for Audio-Video Mixing, IEEE Multimedia 2003, Vol.10, No.2, pp.28-40, 2003. Xian-Sheng HUA, Lie LU, Hong-Jiang ZHANG, Automatic Music Video Generation Based on Temporal Pattern Analysis, ACM MM’04, pp,472-475, October 10.16, 2004, New York, NY, USA. Jonathan Foote, Matthew Cooper, and Andreas Girgensohn, , ACM MM’02, pp.553-560, December 1-6, 2002, Juan-les-Pins, France.

しかしながら、従来の技術では、映像に音楽を付加しようとしても操作に熟練を要するため、非熟練者にとっては使いやすい技術であるとは言えなかった。また、特許文献１から３に開示された技術は、いずれも入力された音楽と映像とを同期させるための技術であるが、ユーザが予め音楽を選択しておく必要があるため、非熟練者にとっては、作業は容易ではない。

また、非特許文献１に開示された技術によれば、映像に適した音楽をＢＧＭとして付与することができるが、精密な同期を取るところまでは検討されていない。ある映像にある音楽が適していたとしても、映像と音楽との同期がとれていなければ、ユーザにとって心地よい映像と音楽の再生とならないことがある。

また、非特許文献２および３に開示された技術では、入力された音楽を映像に同期させることはできるが、ユーザが予め音楽を選択しておく必要がある。このため、映像に適した音楽を選択するという点で、非熟練者にとって難易度の高い作業となってしまっている。また、非特許文献１に開示された技術によって得られた音楽に対し、非特許文献２および３に開示された技術を適用して、映像と音楽とを同期させることは可能だが、同期をさせる上で最適な音楽を選択することはできない。

本発明は、このような事情に鑑みてなされたものであり、映像に同期させて再生するための楽曲を自動的に選択し、ユーザの楽曲選別作業を自動化することができる楽曲選択装置、楽曲選択方法および楽曲選択プログラムを提供することを目的とする。

（１）上記の目的を達成するため、本発明は、以下のような手段を講じた。すなわち、本発明の楽曲選択装置は、動画に同期させて再生するための楽曲を選択する楽曲選択装置であって、ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択する楽曲選択部を備えることを特徴とする。

このように、ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択するので、動画に同期させて再生するための楽曲を自動的に選択し、ユーザの楽曲選別作業を自動化することが可能となる。

（２）また、本発明の楽曲選択装置は、前記選択された動画の時系列特徴量に対する、同期再生の候補となる各楽曲の時系列特徴量の相関値を算出する相関値算出部を更に備えることを特徴とする。

このように、選択された動画の時系列特徴量に対する、同期再生の候補となる各楽曲の時系列特徴量の相関値を算出するので、動画に付加するために好適な楽曲を選択することが可能となる。

（３）また、本発明の楽曲選択装置において、前記相関値算出部は、前記選択された動画と前記同期再生の候補となる各楽曲の各時系列特徴量の相互相関係数を相関値として算出することを特徴とする。

このように、前記選択された動画と前記同期再生の候補となる各楽曲の各時系列特徴量の相互相関係数を相関値として算出するので、動画に付加するために好適な楽曲を選択することが可能となる。

（４）また、本発明の楽曲選択装置において、前記相関値算出部は、前記選択された動画と前記同期再生の候補となる各楽曲の各時系列特徴量のピークの合致数を相関値として算出することを特徴とする。

このように、前記選択された動画と前記同期再生の候補となる各楽曲の各時系列特徴量のピークの合致数を相関値として算出するので、動画と楽曲との同期を確立させることが可能となる。

（５）また、本発明の楽曲選択装置において、前記相関値算出部は、前記選択された動画の時系列特徴量に対して、楽曲の時系列特徴量を時系列上で所定時間ずつ移動させて相関値を算出することを特徴とする。

このように、前記選択された動画の時系列特徴量に対して、楽曲の時系列特徴量を時系列上で所定時間ずつ移動させて相関値を算出するので、動画と楽曲との同期を確立させることが可能となる。

（６）また、本発明の楽曲選択装置は、ユーザによる感情情報の入力を受け付ける入力部と、前記入力された感情情報を属性情報として伴う楽曲を楽曲選択の候補として抽出する楽曲抽出部を更に備えることを特徴とする。

このように、ユーザによる感情情報の入力を受け付けて、前記入力された感情情報を属性情報として伴う楽曲を楽曲選択の候補として抽出するので、動画に同期させて再生するための好適な楽曲を自動的に選択することが可能となる。

（７）また、本発明の楽曲選択装置は、前記選択された動画および前記選択された楽曲の各時系列特徴量に基づいて前記選択された動画と前記選択された楽曲とを同期処理する同期処理部と、前記同期処理された動画および楽曲を同期させて再生する再生部と、を更に備えることを特徴とする。

このように、選択された動画および選択された楽曲の各時系列特徴量に基づいて選択された動画と選択された楽曲とを同期処理し、同期処理された動画および楽曲を同期させて再生するので、動画と楽曲とが同期し、ユーザにとって心地よい再生が可能となる。

（８）また、本発明の楽曲選択装置は、動画から時系列特徴量を抽出する動画特徴量抽出部と、前記時系列特徴量を抽出された動画データに前記抽出された時系列特徴量を対応付けて記憶する動画データベースと、楽曲から時系列特徴量を抽出する楽曲特徴量抽出部と、前記時系列特徴量を抽出された楽曲データに前記抽出された時系列特徴量を対応付けて記憶する楽曲データベースと、を更に備えることを特徴とする。

この構成により、動画に同期させて再生するための楽曲を自動的に選択し、ユーザの楽曲選別作業を自動化することが可能となる。

（９）また、本発明の楽曲選択方法は、動画に同期させて再生するための楽曲を選択する楽曲選択方法であって、ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択するステップを含むことを特徴とする。

（１０）また、本発明の楽曲選択プログラムは、コンピュータに実行させることで、動画に同期させて再生するための楽曲を選択する楽曲選択プログラムであって、ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択する処理を含むことを特徴とする。

本発明によれば、ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択するので、動画に同期させて再生するための楽曲を自動的に選択し、ユーザの楽曲選別作業を自動化することが可能となる。

本実施形態に係る楽曲選択装置の概略構成を示すブロック図である。楽曲検索モジュール１３の動作の概要を示すフローチャートである。映像の特徴量について、ＭｏｔｉｏｎＡｃｔｉｂｉｔｙの変化度を用いて示したグラフである。ＲＭＳ特徴の変化度を示すグラフである。ＲＭＳ特徴の変化度を示すグラフである。映像の特徴量と楽曲の特徴量とについて、特異スペクトル変換をして得られた相互相関を示すグラフである。映像の特徴量と楽曲の特徴量とについて、特異スペクトル変換をして得られた相互相関を示すグラフである。

次に、本発明の実施の形態について、図面を参照しながら説明する。説明の理解を容易にするため、各図面において同一の構成要素に対しては同一の参照番号を付し、重複する説明は省略する。

本実施形態に係る楽曲選択装置は、映像に対して最も同期性の高い楽曲を自動で抽出し、同期性を算出する際の指標を同期再生処理時にも利用する手段を備える。なお、本明細書において、映像とは、動画を意味する。ただし、静止画像に対して適用することも可能である。

図１は、本実施形態に係る楽曲選択装置の概略構成を示すブロック図である。図１に示すように、本実施形態に係る楽曲選択装置は、２つのデータベースと、６つのモジュールとによって構成することができる。すなわち、楽曲選択装置１は、映像データベース３、音楽データベース５、入力モジュール７、映像解析モジュール９、音楽解析モジュール１１、楽曲検索モジュール１３、同期処理モジュール１５、および再生モジュール１７によって構成される。なお、楽曲検索モジュール１３は、楽曲抽出部、相関値算出部および楽曲選択部を構成する。

映像データベース３は、通信によって得られたデータや、ユーザが撮影した映像ファイルを格納する。また、映像に関連付けられたメタ情報、特徴量、通信によって得られたデータ等を格納することができる。ここで、メタ情報は、例えば、感情を表現する様なラベルデータ（Happy、Sad、Anger、Tender、Sleepy、Excited）である。なお、本発明は、これに限定されるわけではない。

音楽データベース５は、通信によって得られたデータや、ユーザが所有する音楽データを格納する。また、音楽に関連付けられたメタ情報、特徴量、通信によって得られたデータ等を格納することができる。ここで、メタ情報は、映像データベースと同様に、例えば、感情を表現する様な感情ラベル（Happy、Sad、Anger、Tender、Sleepy、Excited）である。なお、本発明は、これに限定されるわけではない。

入力モジュール７は、ユーザからの入力を受け付けて、映像の選択結果や、映像に付与したい効果としての感情ラベルの選択結果を示す信号を出力する。

映像解析モジュール９は、映像と音楽とを同期させるための特徴量を抽出する。映像特徴量としては、例えば、ＭｏｔｉｏｎＡｃｔｉｖｉｔｙ、ＭｏｔｉｏｎＩｎｔｅｎｓｉｔｙ、ＳｏｕｎｄＥｎｅｒｇｙ等が挙げられる。これらの映像特徴量の抽出は、次の関連技術文献に開示された技術を利用することによって行なうことが可能である。
（関連技術文献１）
OpenCV http://opencv.jp/

さらに、映像特徴量を用いて、映像の時系列での変化を表現するための時系列特徴量を計算することができる。例えば、映像特徴量を時系列で加算した関数、一次差分を適用した関数、特異スペクトル変換等を適用した時系列の関数を利用することができる。

音楽解析モジュール１１は、音楽と映像を同期させるために必要な特徴量を抽出し、感情情報を付与する。例えば、楽曲特徴量として、次の関連技術文献に開示された技術を利用して、ＲｏｏｔＭｅａｎＳｑｕａｒｅ（ＲＭＳ）、ＳｐｅｃｔｒａｌＣｅｎｔｒｏｉｄ、ＣＱＴ、ＭＦＣＣ、Ｓｐｅｃｔｒｏｇｒａｍ、Ｃｈｒｏｍａｇｒａｍ、ＫＥＹＳｔｒｅｎｇｔｈ等を抽出することができる。
（関連技術文献２）
Olivier Lartillot, Petri Toiviainen, "MIR in Matlab (II): A Toolbox for Musical Feature Extraction From Audio",?Proc. of ISMIR2007, Vienna, 2007.Bray, Stuart, Tzanetakis, George, “Distributed Audio Feature Extraction for Music”, Proc. of ISMIR2005, pp. 434-437, 2005
（関連技術文献３）
MATLAB http://www.mathworks.co.jp/

さらに、音楽に対して感情ラベルを付与することもできる。次の関連技術文献に開示された技術を利用して、楽曲の感情空間に対する分布に基づいて感情ラベルを付与することが可能である。

（関連技術文献４）
Tuomas Eerola, Olivier Lartillot, Petri Toiviainen, "Prediction of Multidimensional Emotional Ratings in Music From Audio Using Multivariate Regression Models", Proc. of ISMIR2009, Kobe, 2009.
（関連技術文献５）
Yi-Hsuan Yang, Yu-Ching Lin, Ya-Fan Su, and Homer H. Chen, “MUSIC EMOTION CLASSIFICATION: A REGRESSION APPROACH”, Proc. of ICME2007, pp.208-211.

音楽解析モジュール１１においても、時系列特徴量を計算することが可能であり、音楽の時系列上での変化を表現する時系列特徴量を楽曲特徴量から計算する。例えば、ＲＭＳとＳｐｅｃｔｒａｌＣｅｎｔｒｏｉｄを時系列で加算をした特徴量等を利用することが出来る。また、ＲＭＳやＳｐｅｃｔｒａｌＣｅｎｔｒｏｉｄ等を単体で利用することが可能である。そのほかにも、一次差分を適用した関数、特異スペクトル変換等を適用した時系列の関数を利用することができる。なお、本発明は、これらに限定されるわけではない。

楽曲検索モジュール１３は、ユーザが入力した感情ラベルに基づいて、映像に付与するための音楽をデータベースより検索する。例えば、以下の手順にて実現することができる。

図２は、楽曲検索モジュール１３の動作の概要を示すフローチャートである。
（第１ステップ）
ユーザが入力した感情情報に該当する楽曲群Ｍ及び各楽曲時系列特徴量を楽曲データベースから抽出する。以降、Ｍに属するある楽曲ｘの時系列特徴量をｍｘ（ｔ）と表記する（ｔは時刻）。

（第２ステップ）
ユーザが指定した映像及び映像時系列特徴量を映像データベースから抽出する。以下、ある映像ｙの時系列特徴量をｖｙ（ｔ）と表記する。

（第３ステップ）
全てのｘに対して、ｍｘ（ｔ）とｖｙ（ｔ）の相関を計算し、最も相関値の高い楽曲を選択する。例えば、ｍｘ（ｔ）とｖｙ（ｔ）の最大相互相関係数を計算し、最大となる楽曲を選択することができる。また、そのほかにも、ｍｘ（ｔ）とｖｙ（ｔ）からピーク時刻を抽出し、ピークの合致数を基準として最大となる楽曲を選択することなどが可能である。なお、相互相関係数は、以下の数式で算出することができる。次式において、相互相関関数Ｚ（τ）のうち、τはずらし時間を表し、tは時刻を表す。相互相関関数Ｚ(τ)は、二つの信号の類似性を表現している。Ｚ(τ)が最大となるτを、最大相互相関係数τ_maxとして出力する。

（第４ステップ）
相関が最大となる場合の時刻ｔ＿ｍａｘ及び、楽曲ＩＤを出力する。

同期処理モジュール１５は、映像データと、楽曲検索モジュールによって得られた楽曲ＩＤに基づいて、楽曲とｔ＿ｍａｘを取得し、ｔ＿ｍａｘに基づいて楽曲と映像を同期させる。楽曲において、時刻ｔ＿ｍａｘから映像データの長さ分だけの音楽データをクリッピングし、映像データにおける音声データとの加算により、映像データの音声データを更新する等により実現することができる。なお、必ずしも加算する必要はなく、音声データを入れ替えることなども可能である。

例えば、関連技術文献１において、ｍｍｒｅａｄ関数を利用することによって、映像から画像データと音声データを読みこむことが可能である。音声データにクリッピングされた音楽データを加算・置き換え、ｍｍｗｒｉｔｅ関数を利用することで同期をとることができる。また、そのほかにも、非特許文献２等を利用して、ファイル出力・同期再生を実現することができる。

再生モジュール１７は、同期処理モジュール１５によって得られたファイルや、同期がとられた映像と音声データを実際に再生する。これにより、音楽と映像を同期再生することができる。

図３は、映像の特徴量について、ＭｏｔｉｏｎＡｃｔｉｂｉｔｙの変化度を用いて示したグラフである。図４は、ＲＭＳ特徴の変化度を示すグラフであり、本実施形態において、良い例であるとする。図５は、ＲＭＳ特徴の変化度を示すグラフであり、本実施形態において、悪い例であるとする。次に、映像と楽曲との相関を取る場合に、特異スペクトル変換を行なう。図６は、映像の特徴量と楽曲の特徴量とについて、特異スペクトル変換をして得られた相互相関を示すグラフであり、本実施形態において、良い例であるとする。すなわち、映像と楽曲との相関性が高い場合である。一方、図７は、映像の特徴量と楽曲の特徴量とについて、特異スペクトル変換をして得られた相互相関を示すグラフであり、本実施形態において、悪い例であるとする。すなわち、映像と楽曲との相関性が低い場合である。

以上説明したように、本実施形態に係る楽曲選択装置によれば、映像に対して最も同期性の高い楽曲を自動で選択することが可能となり、ユーザの楽曲選別の作業を自動化することができる。さらに、ユーザが指定した感情ラベルに基づいて、第一の楽曲抽出により得られた楽曲群から最も同期性の高い楽曲を抽出することで、ユーザ意図に適した同期再生が可能となる。

本発明に係るプログラムは、本発明に関わる上記実施形態の機能を実現するように、ＣＰＵ等を制御するプログラム（コンピュータを機能させるプログラム）である。そして、これら装置で取り扱われる情報は、その処理時に一時的にＲＡＭに蓄積され、その後、各種ＲＯＭやＨＤＤに格納され、必要に応じてＣＰＵによって読み出し、修正・書き込みが行なわれる。プログラムを格納する記録媒体としては、半導体媒体（例えば、ROM、不揮発性メモリカード等）、光記録媒体（例えば、DVD、MO、MD、CD、BD等）、磁気記録媒体（例えば、磁気テープ、フレキシブルディスク等）等のいずれであってもよい。

また、ロードしたプログラムを実行することにより、上述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、オペレーティングシステムあるいは他のアプリケーションプログラム等と共同して処理することにより、本発明の機能が実現される場合もある。また市場に流通させる場合には、可搬型の記録媒体にプログラムを格納して流通させたり、インターネット等のネットワークを介して接続されたサーバコンピュータに転送したりすることができる。この場合、サーバコンピュータの記憶装置も本発明に含まれる。

また、上述した楽曲選択装置の一部、または全部を典型的には集積回路であるＬＳＩとして実現してもよい。楽曲選択装置の各機能ブロックは個別にチップ化してもよいし、一部、または全部を集積してチップ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いることも可能である。

以上、この発明の実施形態を、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も特許請求の範囲に含まれる。

１楽曲選択装置
３映像データベース（ＤＢ）
５音楽データベース（ＤＢ）
７入力モジュール
９映像解析モジュール
１１音楽解析モジュール
１３楽曲検索モジュール
１５同期処理モジュール
１７再生モジュール

Claims

動画に同期させて再生するための楽曲を選択する楽曲選択装置であって、
ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択する楽曲選択部を備えることを特徴とする楽曲選択装置。
前記選択された動画の時系列特徴量に対する、同期再生の候補となる各楽曲の時系列特徴量の相関値を算出する相関値算出部を更に備えることを特徴とする請求項１記載の楽曲選択装置。
前記相関値算出部は、前記選択された動画と前記同期再生の候補となる各楽曲の各時系列特徴量の相互相関係数を相関値として算出することを特徴とする請求項２記載の楽曲選択装置。
前記相関値算出部は、前記選択された動画と前記同期再生の候補となる各楽曲の各時系列特徴量のピークの合致数を相関値として算出することを特徴とする請求項２記載の楽曲選択装置。
前記相関値算出部は、前記選択された動画の時系列特徴量に対して、楽曲の時系列特徴量を時系列上で所定時間ずつ移動させて相関値を算出することを特徴とする請求項２から請求項４のいずれかに記載の楽曲選択装置。
ユーザによる感情情報の入力を受け付ける入力部と、
前記入力された感情情報を属性情報として伴う楽曲を楽曲選択の候補として抽出する楽曲抽出部を更に備えることを特徴とする請求項１から請求項５のいずれかに記載の楽曲選択装置。
前記選択された動画および前記選択された楽曲の各時系列特徴量に基づいて前記選択された動画と前記選択された楽曲とを同期処理する同期処理部と、
前記同期処理された動画および楽曲を同期させて再生する再生部と、を更に備えることを特徴とする請求項１から請求項６のいずれかに記載の楽曲選択装置。
動画から時系列特徴量を抽出する動画特徴量抽出部と、
前記時系列特徴量を抽出された動画データに前記抽出された時系列特徴量を対応付けて記憶する動画データベースと、
楽曲から時系列特徴量を抽出する楽曲特徴量抽出部と、
前記時系列特徴量を抽出された楽曲データに前記抽出された時系列特徴量を対応付けて記憶する楽曲データベースと、を更に備えることを特徴とする請求項１から請求項７のいずれかに記載の楽曲選択装置。
動画に同期させて再生するための楽曲を選択する楽曲選択方法であって、
ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択するステップを含むことを特徴とする楽曲選択方法。
コンピュータに実行させることで、動画に同期させて再生するための楽曲を選択する楽曲選択プログラムであって、
ユーザにより選択された動画の時系列特徴量に対して相関の高い時系列特徴量を有する楽曲を選択する処理を含むことを特徴とする楽曲選択プログラム。