JP4319548B2 - ビデオ・トリック・モード再生中における音声番組の再生方法および装置 - Google Patents

Description

本発明は、改良されたトリック・モード再生（ｐｌａｙｂａｃｋ：プレイバック）に関し、特に、通常モード以外で再生されるビデオ・セグメントに関連する音声番組（音声プログラム）のトリック・モード再生における改良に関する。

ＤＶＤのトリック・モードでは、ディスク上の特定の場所を検索するために、或いは通常の速度では見損なわれるクリップ（場面）の細部を見るために、再生を加速または減速する。慣例として、通常の再生速度は１倍（１Ｘ）として表される。音声（ａｕｄｉｏ：オーディオ）と映像（ｖｉｄｅｏ：ビデオ）のトリック・モード（ｔｒｉｃｋ ｍｏｄｅ）再生が可能であり、何れも市販のＤＶＤプレーヤで見ることができる。しかしながら、高速（ｆａｓｔ：ファスト）または低速（ｓｌｏｗ：スロー）で音声を再生する従来の方法には問題がある。現在入手可能な製品に使用されているディジタル信号処理装置（ＤＳＰ）、特にディジタル音声信号処理装置の進歩は、改良された音声トリック・モードのための、より高性能なリアルタイム処理の可能性を生み出している。

ビデオ・トリック・モードに関する１つの問題は、再生映像セグメントに対応する音声の処理に関する。例えば、表示される映像セグメントを、加速または減速して再生するとき、それに対応して再生される音声セグメントに歪みを生じることがある。一般に、トリック・モードでの再生中、音声セグメントにおける音声サンプルは、比較的高い周波数に移行され、低速トリック・モードの間、比較的低い周波数に移行される。通常の再生速度と比較して、約１．５倍〜３倍の高速トリック・モードでは、人間の会話を比較的高いピッチ（音程）で聞こえる傾向がある。この比較的高いピッチで再生される音声（チップマンク効果）は煩わしく、多くの場合、視聴者には理解できない。逆に、遅い周波数でのトリック・モード再生は、低周波の震え（ｗｏｂｂｌｅ）を生じ、理解はできるが、聞き苦しい。

ビデオ・トリック・モードの間に、極めて有効な音声再生を得るために、トリック・モードの性質を考察することも必要である。例えば、１．５Ｘ（倍）または２Ｘ（倍）のトリック・モードの場合、明瞭な音声を生じる種々の技術を利用することは可能であるが、このような技術は、トリック・モードが５Ｘ（倍）または１０Ｘ（倍）での再生となると、不満足な結果を与える。このような高速再生モードで、映像と同期して音声のサウンドトラックを再生しようとすると、非常に高速で言葉を言い表す必要があるので、会話が分からなくなる。ＤＶＤトリック・モードに起因する、種々のタイプの音声のアーティファクトが聞きとれないようにするために、従来のＤＶＤプレーヤはしばしば、ビデオ・トリック・モードの間、音声を消去する（消音する）。しかしながら、これは完全に満足のゆく解決法ではない。このようなモードでは、音声に興味が持たれる場合があるからである。従って、従来技術による限界を解決すると共に、ビデオ・トリック・モードの間、ＤＶＤプレーヤが音声を望ましく且つ聞き心地よく再生できるならば、有利である。

（発明の概要）
本発明は、高速前進（ｆａｓｔ ｆｏｒｗａｒｄ：ファスト・フォワード、早送り）ビデオ・トリック・モードでのビデオ・プレゼンテーションの再生の間、音声番組を再生する方法と装置に関する。この方法では、ビデオ・プレゼンテーション用の符号化ディジタル・データ（映像フレームとそれに対応する音声フレームとから成る）を記憶媒体から読み出し、音声フレームの選択されたブロックを周期的に削除し、そして音声再生のために残存するブロックの少なくとも一部を選択する。音声再生用の残存するブロック間を区切るために、連続するブロック間に消音期間が挿入される。このシステムでは、消音期間と音声再生用の残存するブロックに対応する音声再生信号を発生する。理解度を高めるために、ビデオ・トリック・モードの再生速度に関係なく、音声再生用の残存するブロックの再生は、約１Ｘ（倍）〜１．５Ｘ（倍）の速度で実行することが有利である。消音期間は、音声再生用の選択された連続するブロック間を視聴者が区別可能な充分な長さに選択され、例えば、約１００〜５００ミリ秒が好適である。消音期間が、これより短いと、連続する音声ブロック間の分離個所を感知することが困難となる。消音期間が、これより長いと、過度に長い無音時間（ｄｅａｄ−ａｉｒ ｔｉｍｅ：デッド・エアタイム、沈黙時間）を生じ、このとき視聴者は音声情報を全く受け取っていない。消音期間を挿入するには、音声再生用の残存するブロック（セット）の一部を消音（ｍｕｔｅ：ミュート）するか、または消音を発生するようにそれぞれ符号化された複数の音声フレームを挿入する。音声フレームの選択されたブロックの周期的削除、音声再生用の残存するブロックの選択、および消音期間の挿入は、ビデオ・トリック・モードの選択された速度に対応する速度で実行される。しかしながら、音声再生用の残存するブロックを再生する時間は、その残存するブロックが本来関連していたビデオ・プレゼンテーションの対応する部分の再生を超えて延長することができる。

記憶媒体は、ＤＶＤ、磁気ハードディスク、ビデオＣＤ、および半導体メモリ・デバイスから成るグループから選択することができる。符号化されたディジタル・データは、ＭＰＥＧ形式が好ましく、その場合、読出しステップは更に、音声サンプルを得るために、ＭＰＥＧ形式のビット・ストリームを復号化するステップを含んでいる。

本発明は、あらゆるディジタル・データ記憶媒体に記録される、あらゆるタイプのディジタル・ビデオについて、ビデオ・トリック・モードの間、音声番組の正常な再生のために使用することができる。便宜上、本発明は従来のＭＰＥＧ−１形式またはＭＰＥＧ−２形式を利用するＤＶＤメディアに関連して説明する。しかしながら、当業者は、本発明がこれに限定されないことを理解するであろう。ディジタル・データの記憶媒体には、相当な量のディジタル・データを、その後の検索および再生のために記憶することのできるあらゆるメディア（媒体）が含まれる。本明細書中で使用される記憶媒体（ｓｔｏｒａｇｅ ｍｅｄｉａ）には、データを記憶するための光学的、磁気的および電子的手段が含まれるが、これらに限定されない。ディジタル記憶媒体には、光学ＤＶＤディスク、光磁気ディスク、磁気ハードディスク、ビデオＣＤ、通常のＣＤ、或いはＤＲＡＭまたはシンクロナスＤＲＡＭ（ＳＤＲＡＭ）のような半導体メモリが含まれる。

符号化ディジタル・データをディジタル・データ記憶媒体から読み出すために記憶媒体読取り装置が備えられる。図１は、本発明が実施される、例示的ＤＶＤプレーヤのブロック図である。装置１００は、記憶されたデータをディジタル記憶媒体から読み出す性能を有する。図１に関して述べると、記憶媒体ディスク１０２は、書換え可能な（ｒｅ−ｗｒｉｔａｂｌｅ：リライタブル）ＤＶＤである。装置１００は機械的組立て構体１０４、制御部１２０、および音声／映像（Ａ／Ｖ）出力処理部１７０を含んでいる。異なるセクションへの大多数のブロックの配置は自明であり、幾つかのブロックの配置は、便宜を目的として行われ、装置１００の動作を理解するのに決定的なものではない。重要なことに、もしディジタル・データ記憶媒体が半導体装置であったならば、本発明を実行するのに機械的組立て構体１０４は、必要でないことが認められる。この場合、ディジタル記憶媒体に記憶された符号化ディジタル・データは、制御装置ＣＰＵ１２２により直接的にアクセスされ、トラック・バッファ（ｔｒａｃｋ ｂｕｆｆｅｒ）１７２でバッファ（一時記憶）される。

機械的組立て構体１０４には、ディスク１０２を回転させるモータ１０６、および回転するディスク１０２上を移動するピックアップ１０８が含まれる。ピックアップ１０８に取り付けられる、或いはピックアップ１０８に関連するレーザは、トラック上に記憶されたデータを照射し、映像／音声番組データを再生する。本発明を理解する目的で、ディスクが記録可能なタイプであるかどうかは関係がない。ピックアップ１０８に関連するレーザおよびモータ１０６は、サーボ１１０で制御される。また、サーボ１１０は、ＤＶＤディスク１０２上の螺旋状トラックから読み出されるデータを表す入力再生信号を受信するように構成される。この再生（プレイバック）信号は、誤り訂正回路１３０への入力ともなる。誤り訂正回路１３０は、制御部１２０の一部として、或いはＡ／Ｖ出力処理部１７０の一部として考えられる。

制御部１２０には、中央制御処理ユニット（ＣＰＵ）１２２が含まれる。サーボ１１０も、制御部１２０の一部と考えられる。ＣＰＵ１２２で実行される従来の動作のために適当なソフトウェアまたはファームウェアをメモリ内に備えることができる。本明細書中で説明される、有利な特徴（ａｄｖａｎｃｅｄ ｆｅａｔｕｒｅｓ）のためのプログラム・ルーチンをＣＰＵ１２２のために備えることができる。

視聴者が起動できる諸機能のための制御バッファ１３２は、現在使用できるそれらの機能（即ち、再生（ｐｌａｙ：プレイ）、逆進（ｒｅｖｅｒｓｅ：巻き戻し）、高速前進（ｆａｓｔ ｆｏｒｗａｒｅｄ：高速再生）、低速再生（ｓｌｏｗ ｐｌａｙ：スロー再生）、休止（ｐａｕｓｅ：ポーズ）／再生および停止（ｓｔｏｐ：ストップ））を表示するように構成される。休止（一時停止）機能は、大抵のＶＣＲ（ビデオカセット・レコーダ）に見られる休止機能に似ている。この休止機能は、宣伝・広告や予告編（ｔｒａｉｌｅｒ）などのような望まれないセグメント（ｓｅｇｍｅｎｔ：部分）を再生から除去するために、予め録画されたプレゼンテーションの再生を手動で中断できる性能を有する。有利な特徴（バッファ）１３６は、他の有利な再生機能（本明細書中で説明するトリック・モードの制御を含む）を実施するために備えられる。再生トリック・モードには、標準的な１倍（１Ｘ）の再生速度以外の速度での前進および逆進（巻き戻し）が含まれる。出力処理部１７０は、誤り訂正ブロック１３０およびトラック・バッファまたは出力バッファ１７２を備え、ディスクから読み出されたデータはバッファに記憶され、パケットに組み立てられ、更に処理される。これらのパケットは、条件付きアクセス（限定受信）回路１７４で処理され、回路１７４は、デマルチプレクサ１７６を介して、映像／音声処理用のそれぞれの経路の中へ伝送するパケットを制御する。映像は、デコーダ１７８で、例えば、ＭＰＥＧ−１形式またはＭＰＥＧ−２形式から復号化され、標準化テレビジョン（ＴＶ）信号形式（ＡＴＳＣ、ＮＴＳＣ、ＳＥＣＡＭ、またはＰＡＬなど）で符号化される。音声は、例えば、ＭＰＥＧ−１形式またはＭＰＥＧ−２形式から、デコーダ１８２で復号化され、ディジタル・アナログ（Ｄ／Ａ）変換器１８４でアナログ形式に変換され、音声Ｄ／Ａ１８４は、音声デコーダ１８２から受信されたディジタル音声を処理して、アナログ出力信号を発生する。

音声デコーダ１８２は、復号化する前に音声フレームを一時的に記憶するフレーム・バッファを含むことが好ましい。音声デコーダ１８２の動作は、ＣＰＵ１２２で制御される。従って、ＣＰＵ１２２は、音声デコーダの動作を制御できるので、音声デコーダは、フレームを選択的に削除し、或るフレームについて音声を消し、音声の無いフレームを挿入し、そして、ＣＰＵ１２２が指定する選択されたフレームだけを復号化する。これらの動作は、音声デコーダ１８２で実行される。しかしながら、理解されるように、本発明は、これに限定されず、音声フレームのこのような処理は、音声デコーダ１８２の前後に挿入される他の処理要素により処理することができる。最後に、このような処理は、適当なシステム通信バス（例えば、バス１８１）から供給される通信によりＣＰＵで直接実行することができる。一般に、これに関して必要なものは、音声フレーム・バッファと、以下に詳細に述べる有利な方法に従って再生／削除／消音されるフレームを選択的に除去／変更できる能力である。

図２は、装置１００のようなメディア・プレーヤで実行される、本発明の構成を理解するのに役立つフローチャート（流れ図）である。逆進（巻き戻し）トリック・モードにおける音声の再生は、一般に必要ではないので、図２に示すプロセスは、高速前進（早送り）再生に関して説明される。しかしながら、本発明は、これに限定されない。本明細書中で述べる発明的構成は、図２に説明するものと同様な技術を使用して逆進再生トリック・モードにも適用することができる。

図２に関して述べると、このプロセスはステップ２００で始まり、装置１００は再生モードで動作される。ステップ２００で、再生（プレイバック）モードの間、符号化されたディジタル・データは、ＤＶＤ記憶媒体１０２から読み出される。ステップ２０５で、制御装置ＣＰＵ１２２は、有利な特徴（バッファ）１３６からのユーザの入力をモニタすることができる。ステップ２１０で、ＣＰＵ１２２は、トリック・モード（例えば、高速前進再生）が選択されたかどうか確かめる。もしステップ２１０で、トリック・モードが選択されていなければ、ＣＰＵ１２２は、ステップ２００の処理に戻り、装置１００は、ＤＶＤ記憶媒体１０２から、符号化ディジタル・データを読み続ける。トリック・モードが選択されると、ＣＰＵ１２２は、トリック・モードでの音声再生のためにステップ２１２〜２２４に進む。

ＣＰＵ１２２は、ユーザのコマンド（例えば、＋２倍（２Ｘ））を与えたので、トリック・モードの速度はステップ２１２で分かる。従って、必要とされる音声削除の総量は、トリック再生速度の逆数と等しく、この場合、１／２となる。即ち、音声データの半分は復号化されないことになる。ステップ２１４で、ＣＰＵ１２２は、削除／再生／消音されるべき音声データ（ＴＶフレームとして定量化される期間を有する）の有利なシーケンス（手順）を選択／計算して、復号化のために必要とされる音声データの量または期間が得られ、この例では、再生データの１／２となる。この比率が計算されると、プロセスは、ステップ２１５に進み、映像フレームとそれに対応する音声データのフレームとから成る次のセット（一組）の符号化ディジタル・データを読み出す。１フレームは、約１／３０秒の期間を有するビデオ・フレームである。サンプリング周波数４８ｋＨｚを有するディジタル音声システムの場合、ＴＶの１フレーム期間（１／３０秒）に約１６００の音声サンプルを生じる。しかしながら、本発明はそれに限定されず、本発明の範囲内で他のフレーム周波数を使用することもできる。以下の音声処理ステップは、ＣＰＵ１２２により直接実行され、或いはプレーヤ１００内に備えられる現存するバッファおよびディジタル音声処理回路を利用して実行することができる。例えば、この目的のために、音声デコーダ１８２をＣＰＵ１２２の制御の下で使用することができる。

何れにしても、ステップ２１６で、記憶媒体から読み出された符号化ディジタル・データに対応する音声フレームのブロックは、削除（ｄｒｏｐｐｅｄ）／再生（ｐｌａｙｅｄ）／消音（ｓｉｌｅｎｃｅｄ）される音声データのフレーム期間の比率（ステップ２１４で計算された）に従って選択的に処理される。この選択的処理は、ステップ２１４で決定された処理のタイプを表示する指標フラグまたはヘッダを添付して行われる。これらの表示フラグ／ヘッダは、選択的処理の間、除去される。従って、ステップ２１６で、削除するためにフラグを付けられ或いは選択された音声フレームは削除され、そのデータ・ストリームから読み出されず、引き出されない。ステップ２１８で、残存するセットの音声フレームのうち少なくとも一部は、ステップ２１４で決定された比率に従って再生および消音するためにフラグを付けられる。更に、ステップ２２０で、指定され或いはフラグを付けられたフレームのうち選択された一部は消音される。

再生音声は、音声データを消すことにより消音される。例えば、ディジタル／アナログ（Ｄ／Ａ）変換に関して、例えば、５フレーム（約１６６ミリ秒）の映像フレーム期間の間、ディジタル／アナログ変換は禁止され、音声出力は、消音される。このような消音方法は、不要な過渡的歪みの発生を避けるために慎重な実施を要する。或いは、再生用の音声データのうちの選択されたデータを消すことにより、消音を表す音声データは、再生データ・ストリームの中にスイッチされ、必要とされるＴＶフレーム期間と共に、ステップ２１４で決定されるような消音期間を生じる。復号化された音声を得るために他の技術を使用することもでき、例えば、必要とされる消音期間はメモリ内に予め記憶され、適宜読み出される。これを行うために、ステップ２１４に従ってメモリ読出しポインタのリダイレクトの宛先が、バッファされた再生音声ストリームから、記憶された消音期間に変えられる。別の構成では、消音されるべき音声データは「非音声（ｎｏｎ−ａｕｄｉｏ）」とマークされ、従って、Ａ／Ｄ変換器で無視する。しかしながら、この消音方法は、後続の音声処理段における不要な過渡的音声歪みの発生を避けるために慎重な実施を要する。更に別の構成において、Ａ／Ｄ変換器の入力において全てゼロ値にすることにより、消音を得られる。不要な過渡的音声が避けられ、且つ消音期間がステップ２１４で決定された削除／再生／消音されたフレーム期間の比率と一致するならば、ステップ２２０で、いかなる消音のオプションも使用することができる。

ステップ２２０で、選択されたフレームを消音する決定がなされると、選択された音声フレームのブロック内の連続する音声データを消すために、ＣＰＵは、消音アルゴリズムを実行する。消音は前述したように、或いは当技術分野で知られているアルゴリズムで達成され、必要に応じてソフトウェアまたはファームウェアで実施することができる。

ステップ２２２で、トリック・モードの音声再生信号がＣＰＵ１２２で発生される。発生された音声再生信号は、ステップ２１６の後に残存する音声データのセット（組）から成り、消音された全ての音声フレームを含んでいる。音声デコーダ１８２は音声フレームのブロックを連結することができる。この音声フレームのブロックの中には、音声／消音を表すデータの残存するセットが入っており、これより、トリック・モードの間、音声再生信号が形成される。

ステップ２２２の音声再生信号の発生に続き、ステップ２２４でテストを行い、トリック・モードを終了させてステップ２１０に戻るか、それともトリック・モード（例えば、高速前進再生速度）を継続して、ステップ２１５〜２２２を繰り返すかどうかを決定する。

映像フレームの処理は、ＴＶフレーム・サイズの音声データ・セットの処理と同時に実行することができる。ＣＰＵ１２２は、ｎ倍（ｎＸ）の速度でトリック・モードの映像再生を実行するようにパケット・ビデオ・デコーダ１７８を構成することができる。ｎ倍（ｎＸ）は、通常の再生速度１倍（１Ｘ）に対し選択されたトリック・モード再生速度である。再生速度が通常速度の２倍であれば、ｎ＝２である。通常よりも速い速度で映像再生を行うようにパケット・デコーダ１７８を種々の方法で構成することができる。例えば、パケット・ビデオ・デコーダ１７８を、復号化された或る映像フレームを削除するように構成することができる。例えば、再生速度を２倍（２Ｘ）にするために、映像フレームを一つおきに削除することができる。映像再生速度を変更するために他の方法を使用することもできる。本発明は、通常よりも早い映像再生を実行する特定の方法に限定されない。図２の例示的ステップおよび図２に示すシーケンスは、本発明の範囲を制限するものでないことが、当業者に認識されるべきである。従って、本発明の精神から離脱することなく他のシーケンスのステップも可能である。例えば、ステップ２１６に先立ち、ステップ２１８、２２０および２２２を実行することもできる。

図３は、本発明の構成によるＴＶフレーム期間の音声データ・セットの挿入と削除を理解するのに役立つブロック図である。図３は、４つの図（図３のａ、図３のｂ、図３のｃ、図３のｄ）を含んでいる。図３のａは、３０フレーム毎秒（ｆｐｓ：ｆｒａｍｅ ｐｅｒ ｓｅｃｏｎｄ）のＴＶフレーム周波数で８秒間の連続する音声データ・ブロックの境界を示す。連続する各対の境界（例えば、３０２、３０４）は、ＴＶの３０フレーム（１秒間）の期間を有する音声データのセット（ブロック）の開始と終了を表す。音声データはセット（組）にしてに配置され、各セットは、３０フレームの期間を有するデータを含んでおり、セット＃１〜セット＃８の番号がつけられている。ＴＶのフレーム周波数は、理解を容易にするためのタイムベース（時間基準）として使用され、各セットに配列されたフレームとその番号づけは、本発明を限定するものではなく、単に理解の助けとして与えられている。図３のｂ、図３のｃおよび図３のｄで、フレームの境界とセットは、図３のａに示すものと一直線上に整列されている。

図３のｂは、２倍（２Ｘ）のビデオ・トリック・モードに伴う再生用の音声フレームのシーケンスを例示する。図３のｂは、再生／削除／消音されたフレームを得るための１つの可能な構成を示す。例えば、セット＃１における最初の連続する２５フレームの期間は再生用に保持され、残りの期間である５フレームは、前述した方法の何れかにより消音される。セット＃２において、次の期間である３０フレーム（先行する５つの消音されたフレームと接触している）は削除される。即ち、セット＃２におけるフレームは全て削除される。セット＃３における最初の連続する２５フレームの期間の間、音声データは再生用に保持され、セット＃３の残りの５フレームは消される。次の期間であるセット＃４の３０フレーム（セット＃３の消音された５フレームと接触している）は削除される。セット＃５で、最初の２５の連続するフレームの音声データは、再生用にマークされ、セット＃５の残りの５フレームは消音される。セット＃６で、３０フレーム（セット＃５の５つの無音フレームと接触している）は全て削除される。セット＃７における最初の２５フレームの期間の間、音声データは再生用にマークされ、残りの５フレーム期間は消音される。セット＃８で、全ての音声データは３０フレームの期間の間、削除される。トリック・モードでの音声の再生は、残存しているフレーム（再生される音声データおよび消音された音声データから成る）を連結することにより形成される。従って、音声データ・ストリームには、セット＃１、セット＃３、セット＃５、およびセット＃７が含まれる。これは、２５−５−３０シーケンスと呼ばれ、２５フレームが保持され、次の連続する５フレームは消音され、次の連続する３０フレームは削除される。再生され／消音され／削除されるフレームの比率は５：１：６である。従って、２倍（２Ｘ）の映像再生では、２５−５−３０シーケンスは１倍（１Ｘ）の音声再生速度となり、連続する音声データ・ブロック間に１６６ミリ秒のギャップ（無音期間）を有する。本発明の音声処理シーケンスは、有効再生速度１倍（１Ｘ）を有する再生音声信号を生じ、且つコンテンツ（音声内容）の周波数のピッチ（音程）が変化しないので有利である。

２倍（２Ｘ）の例において、有効再生速度１倍（１Ｘ）を有する再生音声信号は、音声サンプルの５０％を削除し、そして残存する音声データを連結することにより形成される。データの連結は、その結果生じる音声信号の明瞭度を妨げる。従って、音声が混合するのを防止するために再生音声のサンプル間に無音／消音期間を挿入することは有利である。隣接する音声ブロック間に充分なギャップ／区切りを備えるために、少なくとも約１００ミリ秒の無音（消音）が好ましいことが判明している。これらの無音期間により、視聴者は話し言葉のブロックを別個に区別することができる。これよりも長い消音期間も可能であるが、消音期間が５００ミリ秒以上になると一般に消音量が過度になり、視聴者に精神的に不必要な音響疲労を生じる。

図３のｂに示す音声セグメントは、本発明により可能な構成の一例である。しかしながら、図３のｂの音声期間の再生／消音／削除シーケンス（２５−５−３０）では、比較的短期間の再生音声から、切り詰められた言葉または無意味な言葉が生じることが判明している。図３のｃは、明瞭度の高められた１倍（１Ｘ）の音声再生速度をもたらすために、本発明の構成によりフレームのブロックを配列する更なる実施例を示す。有利なことに、図３のｃに示す音声シーケンスは、連続する比較的長い再生音声の期間に短い消音期間を挿入して区切ることにより、無意味な言葉の発生を排除する。

図３のｃについて、セット＃１の３０フレームの間に生じる全ての音声データは保持される。セット＃２において、最初の２５フレーム期間に生じる音声は保持され、残りの連続する５フレームは消音される。セット＃３とセット＃４の３０フレームの間に生じる全ての音声は削除される。セット＃５における３０フレーム期間内の全ての音声は保持される。セット＃６で、最初の２５フレーム期間内の音声は保持され、残りの連続する５フレームの期間に存在する音声は消されている。セット＃７とセット＃８におけるフレームの期間の間に生じる全ての音声は削除される。このようにして、残存しているフレーム（セット＃１、セット＃２、セット＃５、セット＃６を含む）を連結することにより、トリック・モードを発生できる。この消音と削除のシーケンスは、５５−５−６０シーケンスと呼ばれる。この場合、５５フレームの音声期間が保持され、次の連続する５フレームに相当する音声は消され、次の連続する６０フレーム期間の間の音声は削除される。従って、図３のｃの音声処理シーケンス（５５−５−６０）は、２倍（２Ｘ）の映像トリック・モードの間、１倍（１Ｘ）の音声再生速度を生じ、前述のように、音声内容のピッチ（音程）は、通常の再生速度で生じるものとほとんど変わらない。

図３のｄは、３倍（３Ｘ）ビデオ・トリック・モードからの音声再生を容易にするために、本発明の構成により、選択された音声データ・ブロックを配列する更なる実施例を示す。有利なことに、図３のｄの構成も、切り詰められた無意味な言葉の発生を除去するのに役立つ。図３のｄについて、セット＃１の全ての３０フレームの間に存在する音声データは、保持される。セット＃２において、最初の２５フレームの間の音声は保持され、残りの連続する５フレームに生じる音声は消される。セット＃３、＃４、＃５、＃６のフレーム期間の間に存在する音声データは削除される。セット＃７の全フレームについて音声は保持される。セット＃８で、最初の２５フレームの間に存在する音声は保持され、残りの連続する５フレーム内に存在する音声は消される。図３のｄに示されていないが、次の連続する４セットの各３０フレームは削除される。トリック・モードでの音声の再生は、残存している音声データ・セグメント（セット＃１、セット＃２、セット＃７、セット＃８に存在するものを含む）を連結することにより形成する。この選択シーケンスは、５５−５−１２０シーケンスと称され、５５フレーム期間を有する音声が保持され、次の連続する５フレーム間の音声データは消され、次の連続する１２０フレームの期間の間、音声データは削除される。注目すべきことに、３倍（３Ｘ）映像再生において、この５５−５−１２０シーケンスは、ビデオ・トリック・モードの間、１倍（１Ｘ）の音声再生を生じる。この場合、音声内容のピッチ（音程）は、実質的に変更されない。

当業者は、本発明の精神から逸脱することなく他のシーケンスも可能であることを理解できよう。重要なことに、時間の基準として３０フレーム毎秒（ｆｐｓ）の使用は、本発明をいかに実施すべきかを当業者に伝えることを意図するものであって、本発明の範囲を制限するものではない。更に、他のＴＶフレーム周波数も存在し、例えば、種々のＡＴＳＣ標準では、公称フレーム周波数６０ｆｐｓが使用され、フレーム周波数２５ｆｐｓが使用されている国もあり、本発明の構成が等しく利用することができる。

音声フレームの有利な削除と消音は、映像のトリック・モードの間、１倍（１Ｘ）の音声再生を生じる。従って、その結果生じる音声はビデオ内容と密接な時間的関係を維持すると共に、最初のリップ・シンク（ｌｉｐ ｓｙｎｃ：映像と音声の同期）状態と所定の最大量のスリップ・シンク（ｓｌｉｐｐｅｄ ｓｙｎｃｉｎｇ：同期ずれ）との間を循環する。従って、この有利な構成は、再生速度の音声配信に実質的に正常なピッチを与えると同時に、より高速のトリック再生番組配信と循環的なまたは密接な周期的関係を維持する。この発明的な音声シーケンス制御は、処理能力の制限されているアプリケーションにおいて著しく重要である。

注目すべきことに、本発明は、ハードウェア、ソフトウェア、或いはハードウェアとソフトウェアの組合せとして実現することができる。本発明による機械で読取り可能な記憶装置が、１つのコンピュータ・システム（例えば、ＣＰＵ１２２）における中央集中方式で、或いは相互に接続された数台のコンピュータ・システムに種々異なる要素が分散される分配方式で実現することができる。あらゆるタイプのコンピュータ・システム、或いは本明細書中で説明した方法を実行するように考案された他の装置が受け入れられる。

本発明は図１のＣＰＵ１２２を考慮に入れるが、ハードウェアとソフトウェアの典型的な組合せは汎用のコンピュータ・システムであって、ロードされ実行されるとコンピュータ・システムを制御するコンピュータ・プログラム、および図１に示すのと同様なＤＶＤプレーヤ・システムを備え、本明細書中で説明した方法を実行する。また、本発明は、本明細書中で説明した方法の実行を可能にするあらゆる特徴を備え、且つコンピュータ・システム内にロードされると、これらの方法を実行できるコンピュータ・プログラム内に組み込まれる。

これに関連するコンピュータ・プログラムは、情報処理能力を有するシステムが、直接的に、または（ａ）アナログ言語、コードまたは表記法への変換、および／または（ｂ）異なる具体的な形式での再生の後に、特定の機能を実行できるようにさせる一組のインストラクション（命令）を、あらゆる言語、コードまたは表記法で表現できることを意味する。

本発明の構成に従い１つ以上の有利な機能を備えることのできるＤＶＤ装置のブロック図である。 図１の装置１００のようなメディア・プレーヤにおいて実施される、本発明の構成を理解するのに役立つフローチャートである。 本発明の構成に従う、フレームの挿入および削除を理解するのに役立つ例示的ブロック図である。

Claims (20)

1. ビデオ・トリック・モードでのビデオ・プレゼンテーションの再生の間、音声番組を再生する方法であって、
   映像フレームとそれに対応する音声フレームとから成る、符号化されたディジタル・データを読み出すステップと、
   前記音声フレームの選択されたブロックを周期的に削除するステップと、
   音声再生用の信号を形成するために前記削除するステップ後に残存する少なくとも幾つかのブロックの間に消音期間を挿入するステップと、
   から成る、前記方法。
2. １倍〜１．５倍の音声再生速度を維持するために、前記音声フレームのブロックを選択的に削除し、前記削除するステップ後に残存する少なくともいくつかのブロックの間に消音期間を挿入する、請求項１記載の方法。
3. ビデオ・トリック・モード再生速度に対し１倍の音声再生速度を得るために、前記音声フレームのブロックを選択的に削除し、前記削除するステップ後に残存する少なくともいくつかのブロックの間に消音期間を挿入する、請求項１記載の方法。
4. 前記挿入するステップが、音声再生のために前記残存するブロックの一部を消音すること、および消音を表すように符号化された複数の音声フレームを挿入することの少なくとも１つにより前記消音期間を選択するステップを含む、請求項１記載の方法。
5. 前記挿入するステップが、前記消音期間の間、音声再生のために消音に対応する音声再生信号を発生するステップを更に含む、請求項１記載の方法。
6. 前記挿入するステップが、前記ビデオ・トリック・モードの選択された速度による音声再生のために前記残存するブロックを選択するステップを含む、請求項１記載の方法。
7. 前記挿入するステップが、所定の長さの前記消音期間を選択するステップを含む、請求項１記載の方法。
8. 前記挿入するステップで選択された前記消音期間が、少なくとも１００ミリ秒の長さを有する、請求項７記載の方法。
9. 前記読み出すステップの前記記憶媒体が、ＤＶＤ、磁気光学ディスク、磁気ハードディスク、ビデオＣＤおよび半導体メモリ・デバイスから成る群から選択される、請求項１記載の方法。
10. 前記読み出すステップの前記符号化ディジタル・データが、ＭＰＥＧ形式を有し、前記読み出すステップが更に、音声サンプルを得るためにＭＰＥＧ形式のビット・ストリームを復号化するステップを含む、請求項１記載の方法。
11. 映像番組のビデオ・トリック・モードでの再生に伴う音声内容を再生する装置であって、
    映像フレームとそれに対応する音声データを表す符号化ディジタル・データを記憶媒体から読み出す記憶媒体読取り装置と、
    周期的に削除される前記対応する音声データのブロックを選択すると共に、音声再生のために残存する前記ブロックの少なくとも一部を選択し、音声再生用の前記残存するブロック間に消音期間を制御可能に挿入する制御プロセッサと、
    から成る、前記音声内容再生装置。
12. 前記制御プロセッサが、前記ビデオ・トリック・モードの再生速度によらず、１倍〜１．５倍の速度で音声再生用に残存する前記ブロックの一部を選択する、請求項１１記載の装置。
13. 前記制御プロセッサにより挿入された前記消音期間が、音声再生用の前記残存するブロックの少なくとも一部を消音すること、および消音を表す音声データを挿入することの少なくとも１つにより形成される、請求項１１記載の装置。
14. 音声デコーダと音声ディジタル／アナログ変換器とを更に含み、前記消音期間と音声再生用の前記残存するブロックに対応する音声再生信号を発生する、請求項１１記載の装置。
15. 前記制御プロセッサが、前記ビデオ・トリック・モードの選択された速度に従って前記対応する音声データの前記周期的削除を制御する、請求項１１記載の装置。
16. 消音を表す音声データの入っている場所を含む記憶媒体を含む、請求項１５記載の装置であって、前記制御プロセッサは、音声再生用の前記残存するブロックと組み合わせるために所定の期間の間、消音を表す音声データの入っている前記記憶媒体の場所の読出しを制御する、前記請求項１５記載の装置。
17. 前記消音期間が、１００〜３００ミリ秒の長さを有する請求項１１記載の装置。
18. 前記記憶媒体が、ＤＶＤ、磁気光学ディスク、磁気ハードディスク、ビデオＣＤおよび半導体メモリ・デバイスから成る群から選択される、請求項１１記載の装置。
19. 前記符号化ディジタル・データが、ＭＰＥＧ形式であり、前記記憶媒体読取り装置が、ＭＰＥＧ形式のビット・ストリーム用のデコーダを備える、請求項１１記載の装置。
20. ビデオ・トリック・モードでのビデオ・プレゼンテーションの再生の間、音声番組を再生する方法であって、
    映像フレームおよびそれと対応する音声データから成る、符号化ディジタル・データを記憶媒体から読み出すステップと、
    前記音声データの選択されたブロックを周期的に削除するステップと、
    音声再生用の残存するブロックの少なくとも一部を選択するステップと、
    音声再生のために前記残存するブロック間に消音を表す音声データを挿入するステップと、
    から成る、前記方法。

Images