JP4327888B1 - 音声音楽判定装置、音声音楽判定方法及び音声音楽判定用プログラム - Google Patents

Abstract

【課題】この発明は、再生すべきオーディオ信号に含まれる音声信号と音楽信号との割合を高い信頼性を持って定量的に判別することを可能とし、ひいては、再生すべきオーディオ信号に対して適切な音質補正処理を施すことに寄与し得る音声音楽判定装置、音声音楽判定方法及び音声音楽判定用プログラムを提供することを目的としている。
【解決手段】入力オーディオ信号から音声と音楽とを判別するための各種の特徴パラメータを算出し、音声及び音楽判定用のしきい値と比較して、音声を示す特徴パラメータに音声特性スコア（Ｓs）を付与し、音楽を示す特徴パラメータに音楽特性スコア（Ｓm）を付与する。そして、音声特性スコア（Ｓs）の総和（Ｓsall）と音楽特性スコア（Ｓm）の総和（Ｓmall）との差分に基づいて、入力オーディオ信号が音声信号であるか音楽信号であるかを判定する。
【選択図】 図３

Description

この発明は、再生すべきオーディオ（可聴周波数）信号に含まれる音声信号と音楽信号との割合を定量的に判定する音声音楽判定装置、音声音楽判定方法及び音声音楽判定用プログラムに関する。

周知のように、例えばテレビジョン放送を受信する放送受信機器や、情報記録媒体からその記録情報を再生する情報再生機器等にあっては、受信した放送信号や情報記録媒体から読み取った信号等からオーディオ信号を再生する際に、オーディオ信号に音質補正処理を施すことによって、より一層の高音質化を図るようにしている。

この場合、オーディオ信号に施す音質補正処理の内容は、オーディオ信号が人の話し声のような音声信号であるか、楽曲のような音楽（非音声）信号であるかに応じて異なる。すなわち、音声信号に対しては、トークシーンやスポーツ実況等のようにセンター定位成分を強調して明瞭化するように音質補正処理を施す必要があり、音楽信号に対しては、ステレオ感を強調した拡がりのある音質補正処理を施す必要がある。

このため、現在の機器においては、取得したオーディオ信号が音声信号か音楽信号かを判別し、その判別結果に応じて対応する音質補正処理を施すようにしている。しかしながら、実際のオーディオ信号では、音声信号と音楽信号とが混在している場合が多いことから、それらの判別処理が困難になっているため、オーディオ信号に対して適切な音質補正処理が施されているとは言えないのが現状である。

特許文献１には、入力される音響信号の「子音性」、「無音声」及び「パワー変動」が共に所定のしきい値よりも高い場合に音声と判定し、「無音声」及び「パワー変動」が共に所定のしきい値よりも低い場合に音楽と判定し、それ以外の場合は不定と判定するようにした構成が開示されている。
特開平７−１３５８６号公報

そこで、この発明は上記事情を考慮してなされたもので、再生すべきオーディオ信号に含まれる音声信号と音楽信号との割合を高い信頼性を持って定量的に判別することを可能とし、ひいては、再生すべきオーディオ信号に対して適切な音質補正処理を施すことに寄与し得る音声音楽判定装置、音声音楽判定方法及び音声音楽判定用プログラムを提供することを目的とする。

この発明に係る音声音楽判定装置は、入力オーディオ信号から音声信号と音楽信号とを判別するための各種の特徴パラメータを算出する特徴パラメータ算出手段と、特徴パラメータ算出手段で算出された各種の特徴パラメータを、それぞれ音声判定用のしきい値及び音楽判定用のしきい値と比較し、音声と判定された特徴パラメータに音声特性スコアを付与し、音楽と判定された特徴パラメータに音楽特性スコアを付与する音声音楽特性スコア算出手段と、音声音楽特性スコア算出手段で算出された全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分に基づいて、入力オーディオ信号が音声信号であるか音楽信号であるかを判定する音声音楽判定手段とを備えるようにしたものである。

また、この発明に係る音声音楽判定方法は、入力オーディオ信号を特徴パラメータ算出手段に供給して、音声信号と音楽信号とを判別するための各種の特徴パラメータを算出する工程と、算出された各種の特徴パラメータを音声音楽特性スコア算出手段に供給して、音声判定用のしきい値及び音楽判定用のしきい値とそれぞれ比較し、音声と判定された特徴パラメータに音声特性スコアを付与し、音楽と判定された特徴パラメータに音楽特性スコアを付与する工程と、付与された全ての音声特性スコア及び音楽特性スコアを音声音楽判定手段に供給して、全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分に基づいて、入力オーディオ信号が音声信号であるか音楽信号であるかを判定する工程とを有するようにしたものである。

さらに、この発明に係る音声音楽判定用プログラムは、入力オーディオ信号から音声信号と音楽信号とを判別するための各種の特徴パラメータを算出する処理を、コンピュータに実行させるための特徴パラメータ算出手段と、特徴パラメータ算出手段で算出された各種の特徴パラメータを、それぞれ音声判定用のしきい値及び音楽判定用のしきい値と比較し、音声と判定された特徴パラメータに音声特性スコアを付与し、音楽と判定された特徴パラメータに音楽特性スコアを付与する処理を、コンピュータに実行させるための音声音楽特性スコア算出手段と、音声音楽特性スコア算出手段で算出された全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分に基づいて、入力オーディオ信号が音声信号であるか音楽信号であるかを判定する処理を、コンピュータに実行させるための音声音楽判定手段とを備えるようにしたものである。

上記した発明によれば、音声と音楽とを判別するための各種の特徴パラメータを音声及び音楽判定用のしきい値とそれぞれ比較して音声または音楽特性スコアを付与し、音声特性スコアの総和と音楽特性スコアの総和との差分に基づいて、入力オーディオ信号が音声信号であるか音楽信号であるかを判定するようにしたので、再生すべきオーディオ信号に含まれる音声信号と音楽信号との割合を高い信頼性を持って定量的に判別することを可能とし、ひいては、再生すべきオーディオ信号に対して適切な音質補正処理を施すことに寄与させることができる。

以下、この発明の実施の形態について図面を参照して詳細に説明する。図１は、この実施の形態で説明するデジタルテレビジョン放送受信装置１１の外観と、このデジタルテレビジョン放送受信装置１１を中心として構成されるネットワークシステムの一例とを概略的に示している。

すなわち、デジタルテレビジョン放送受信装置１１は、主として、薄型のキャビネット１２と、このキャビネット１２を起立させて支持する支持台１３とから構成されている。そして、このキャビネット１２には、例えばＳＥＤ（surface-conduction electron-emitter display）表示パネルまたは液晶表示パネル等でなる平面パネル型の映像表示器１４、一対のスピーカ１５，１５、操作部１６、リモートコントローラ１７から送信される操作情報を受ける受光部１８等が設置されている。

また、このデジタルテレビジョン放送受信装置１１には、例えばＳＤ（secure digital）メモリカード、ＭＭＣ（multimedia card）及びメモリスティック等の第１のメモリカード１９が着脱可能となっており、この第１のメモリカード１９に対して番組や写真等の情報の記録再生が行なわれるようになっている。

さらに、このデジタルテレビジョン放送受信装置１１には、例えば契約情報等の記録された第２のメモリカード［ＩＣ（integrated circuit）カード等］２０が着脱可能となっており、この第２のメモリカード２０に対して情報の記録再生が行なわれるようになっている。

また、このデジタルテレビジョン放送受信装置１１は、第１のＬＡＮ（local area network）端子２１、第２のＬＡＮ端子２２、ＵＳＢ（universal serial bus）端子２３及びＩＥＥＥ（institute of electrical and electronics engineers）１３９４端子２４を備えている。

このうち、第１のＬＡＮ端子２１は、ＬＡＮ対応ＨＤＤ（hard disk drive）専用ポートとして使用される。すなわち、この第１のＬＡＮ端子２１は、それに接続されたＮＡＳ（network attached storage）であるＬＡＮ対応のＨＤＤ２５に対して、イーサネット（登録商標）により情報の記録再生を行なうために使用される。

このように、デジタルテレビジョン放送受信装置１１にＬＡＮ対応ＨＤＤ専用ポートとしての第１のＬＡＮ端子２１を設けることにより、他のネットワーク環境やネットワーク使用状況等に影響されることなく、ＨＤＤ２５に対してハイビジョン画質による放送番組の情報記録を安定して行なうことができる。

また、第２のＬＡＮ端子２２は、イーサネット（登録商標）を用いた一般的なＬＡＮ対応ポートとして使用される。すなわち、この第２のＬＡＮ端子２２は、ハブ２６を介して、ＬＡＮ対応のＨＤＤ２７、ＰＣ（personal computer）２８、ＨＤＤ内蔵のＤＶＤ（digital versatile disk）レコーダ２９等の機器を接続して、例えば家庭内ネットワークを構築し、これらの機器と情報伝送を行なうために使用される。

この場合、ＰＣ２８及びＤＶＤレコーダ２９については、それぞれ、家庭内ネットワークにおいてコンテンツのサーバ機器として動作するための機能を持ち、さらにコンテンツのアクセスに必要なＵＲＩ（uniform resource identifier）情報を提供するサービスを備えたＵＰｎＰ（universal plug and play）対応機器として構成される。

なお、ＤＶＤレコーダ２９については、第２のＬＡＮ端子２２を介して通信されるデジタル情報が制御系のみの情報であるため、デジタルテレビジョン放送受信装置１１との間でアナログの映像及びオーディオ情報を伝送するために、専用のアナログ伝送路３０が設けられている。

さらに、この第２のＬＡＮ端子２２は、ハブ２６に接続されたブロードバンドルータ３１を介して、例えばインターネット等の外部のネットワーク３２に接続される。そして、この第２のＬＡＮ端子２２は、ネットワーク３２を介してＰＣ３３や携帯電話３４等と情報伝送を行なうためにも使用される。

また、上記ＵＳＢ端子２３は、一般的なＵＳＢ対応ポートとして使用されるもので、例えばハブ３５を介して、携帯電話３６、デジタルカメラ３７、メモリカードに対するカードリーダ／ライタ３８、ＨＤＤ３９、キーボード４０等のＵＳＢ機器を接続し、これらのＵＳＢ機器と情報伝送を行なうために使用される。

さらに、上記ＩＥＥＥ１３９４端子２４は、例えばＡＶ−ＨＤＤ４１及びＤ（digital）−ＶＨＳ（video home system）４２等のような複数の情報記録再生機器をシリアル接続し、各機器と選択的に情報伝送を行なうために使用される。

図２は、上記したデジタルテレビジョン放送受信装置１１の主要な信号処理系を示している。すなわち、ＢＳ／ＣＳ（broadcasting satellite／communication satellite）デジタル放送受信用のアンテナ４３で受信した衛星デジタルテレビジョン放送信号は、入力端子４４を介して衛星デジタル放送用のチューナ４５に供給されることにより、所望のチャンネルの放送信号が選局される。

そして、このチューナ４５で選局された放送信号は、ＰＳＫ（phase shift keying）復調器４６及びＴＳ（transport stream）復号器４７に順次供給されることにより、デジタルの映像信号及びオーディオ信号に復調された後、信号処理部４８に出力される。

また、地上波放送受信用のアンテナ４９で受信した地上デジタルテレビジョン放送信号は、入力端子５０を介して地上デジタル放送用のチューナ５１に供給されることにより、所望のチャンネルの放送信号が選局される。

そして、このチューナ５１で選局された放送信号は、例えば日本ではＯＦＤＭ（orthogonal frequency division multiplexing）復調器５２及びＴＳ復号器５３に順次供給されることにより、デジタルの映像信号及びオーディオ信号に復調された後、上記信号処理部４８に出力される。

また、上記地上波放送受信用のアンテナ４９で受信した地上アナログテレビジョン放送信号は、入力端子５０を介して地上アナログ放送用のチューナ５４に供給されることにより、所望のチャンネルの放送信号が選局される。そして、このチューナ５４で選局された放送信号は、アナログ復調器５５に供給されてアナログの映像信号及びオーディオ信号に復調された後、上記信号処理部４８に出力される。

ここで、上記信号処理部４８は、ＴＳ復号器４７，５３からそれぞれ供給されたデジタルの映像信号及びオーディオ信号に対して、選択的に所定のデジタル信号処理を施し、グラフィック処理部５６及びオーディオ処理部５７に出力している。

また、上記信号処理部４８には、複数（図示の場合は４つ）の入力端子５８ａ，５８ｂ，５８ｃ，５８ｄが接続されている。これら入力端子５８ａ〜５８ｄは、それぞれ、アナログの映像信号及びオーディオ信号を、デジタルテレビジョン放送受信装置１１の外部から入力可能とするものである。

信号処理部４８は、上記アナログ復調器５５及び各入力端子５８ａ〜５８ｄからそれぞれ供給されたアナログの映像信号及びオーディオ信号を選択的にデジタル化し、このデジタル化された映像信号及びオーディオ信号に対して所定のデジタル信号処理を施した後、グラフィック処理部５６及びオーディオ処理部５７に出力する。

グラフィック処理部５６は、信号処理部４８から供給されるデジタルの映像信号に、ＯＳＤ（on screen display）信号生成部５９で生成されるＯＳＤ信号を重畳して出力する機能を有する。このグラフィック処理部５６は、信号処理部４８の出力映像信号と、ＯＳＤ信号生成部５９の出力ＯＳＤ信号とを選択的に出力すること、また、両出力をそれぞれ画面の半分を構成するように組み合わせて出力することができる。

グラフィック処理部５６から出力されたデジタルの映像信号は、映像処理部６０に供給される。この映像処理部６０は、入力されたデジタルの映像信号を、前記映像表示器１４で表示可能なフォーマットのアナログ映像信号に変換した後、映像表示器１４に出力して映像表示させるとともに、出力端子６１を介して外部に導出させる。

また、上記オーディオ処理部５７は、入力されたデジタルのオーディオ信号に対して、後述する音質補正処理を施した後、前記スピーカ１５で再生可能なフォーマットのアナログオーディオ信号に変換している。そして、このアナログオーディオ信号は、スピーカ１５に出力されてオーディオ再生に供されるとともに、出力端子６２を介して外部に導出される。

ここで、このデジタルテレビジョン放送受信装置１１は、上記した各種の受信動作を含むその全ての動作を制御部６３によって統括的に制御されている。この制御部６３は、ＣＰＵ（central processing unit）６４を内蔵しており、前記操作部１６からの操作情報、または、リモートコントローラ１７から送出され前記受光部１８に受信された操作情報を受けて、その操作内容が反映されるように各部をそれぞれ制御している。

この場合、制御部６３は、主として、そのＣＰＵ６４が実行する制御プログラムを格納したＲＯＭ（read only memory）６５と、該ＣＰＵ６４に作業エリアを提供するＲＡＭ（random access memory）６６と、各種の設定情報及び制御情報等が格納される不揮発性メモリ６７とを利用している。

また、この制御部６３は、カードＩ／Ｆ（interface）６８を介して、前記第１のメモリカード１９が装着可能なカードホルダ６９に接続されている。これによって、制御部６３は、カードホルダ６９に装着された第１のメモリカード１９と、カードＩ／Ｆ６８を介して情報伝送を行なうことができる。

さらに、上記制御部６３は、カードＩ／Ｆ７０を介して、前記第２のメモリカード２０が装着可能なカードホルダ７１に接続されている。これにより、制御部６３は、カードホルダ７１に装着された第２のメモリカード２０と、カードＩ／Ｆ７０を介して情報伝送を行なうことができる。

また、上記制御部６３は、通信Ｉ／Ｆ７２を介して第１のＬＡＮ端子２１に接続されている。これにより、制御部６３は、第１のＬＡＮ端子２１に接続されたＬＡＮ対応のＨＤＤ２５と、通信Ｉ／Ｆ７２を介して情報伝送を行なうことができる。この場合、制御部６３は、ＤＨＣＰ（dynamic host configuration protocol）サーバ機能を有し、第１のＬＡＮ端子２１に接続されたＬＡＮ対応のＨＤＤ２５にＩＰ（internet protocol）アドレスを割り当てて制御している。

さらに、上記制御部６３は、通信Ｉ／Ｆ７３を介して第２のＬＡＮ端子２２に接続されている。これにより、制御部６３は、第２のＬＡＮ端子２２に接続された各機器（図１参照）と、通信Ｉ／Ｆ７３を介して情報伝送を行なうことができる。

また、上記制御部６３は、ＵＳＢ Ｉ／Ｆ７４を介して前記ＵＳＢ端子２３に接続されている。これにより、制御部６３は、ＵＳＢ端子２３に接続された各機器（図１参照）と、ＵＳＢ Ｉ／Ｆ７４を介して情報伝送を行なうことができる。

さらに、上記制御部６３は、ＩＥＥＥ１３９４ Ｉ／Ｆ７５を介してＩＥＥＥ１３９４端子２４に接続されている。これにより、制御部６３は、ＩＥＥＥ１３９４端子２４に接続された各機器（図１参照）と、ＩＥＥＥ１３９４ Ｉ／Ｆ７５を介して情報伝送を行なうことができる。

図３は、上記オーディオ処理部５７内に備えられる音質補正処理部７６を示している。この音質補正処理部７６では、入力端子７７に供給された、例えばＰＣＭ（pulse code modulation）信号でなるオーディオ信号が、オーディオ補正処理部７８及び特徴パラメータ算出部７９にそれぞれ供給されている。

このうち、特徴パラメータ算出部７９では、入力されたオーディオ信号を、複数（図示の場合はｎ個）のパラメータ値算出部８０１，８０２，８０３，８０４，……，８０ｎにそれぞれ供給している。これらのパラメータ値算出部８０１〜８０ｎでは、それぞれ、入力されたオーディオ信号から音声信号と音楽信号とを判別するための特徴パラメータを算出している。

すなわち、各パラメータ値算出部８０１〜８０ｎでは、それぞれ、入力されたオーディオ信号を、図４（ａ）に示すように、数１００msec程度のフレーム単位に切り出し、さらに、図４（ｂ）に示すように、各フレームを数１０msec程度のサブフレーム単位に分割する。

そして、各パラメータ値算出部８０１〜８０ｎでは、それぞれ、サブフレーム単位で、オーディオ信号から音声信号と音楽信号とを判別するための判別情報を算出し、その判別情報に対してフレーム単位での平均・分散等の統計量を求めることにより、特徴パラメータを生成している。

例えば、パラメータ値算出部８０１では、サブフレーム単位で入力オーディオ信号の信号振幅の二乗和であるパワー値を判別情報として算出し、それに対するフレーム単位での平均・分散等の統計量を求めることにより、特徴パラメータｐｗを生成している。

また、パラメータ値算出部８０２では、サブフレーム単位で入力オーディオ信号の時間波形が振幅方向に零を横切る回数である零交差周波数を判別情報として算出し、それに対するフレーム単位での平均・分散等の統計量を求めることにより、特徴パラメータｚｃを生成している。

さらに、パラメータ値算出部８０３では、サブフレーム単位で入力オーディオ信号における２チャンネルステレオの左右（ＬＲ）信号のパワー比（ＬＲパワー比）を判別情報として算出し、それに対するフレーム単位での平均・分散等の統計量を求めることにより、特徴パラメータｌｒを生成している。

図５は、上記した特徴パラメータ算出部７９が入力オーディオ信号から音声信号と音楽信号とを判別するための各種の特徴パラメータを生成する処理動作をまとめたフローチャートを示している。すなわち、処理が開始（ステップＳ５ａ）されると、特徴パラメータ算出部７９は、ステップＳ５ｂで、各パラメータ算出部８０１〜８０ｎにより、入力オーディオ信号から数１０msec程度のサブフレームを抽出する。

そして、特徴パラメータ算出部７９は、ステップＳ５ｃで、パラメータ値算出部８０１により、入力オーディオ信号からサブフレーム単位でのパワーを算出し、ステップＳ５ｄで、パラメータ値算出部８０２により、入力オーディオ信号からサブフレーム単位での零交差周波数を算出し、ステップＳ５ｅで、パラメータ値算出部８０３により、入力オーディオ信号からサブフレーム単位でのＬＲパワー比を算出する。

同様に、特徴パラメータ算出部７９は、ステップＳ５ｆで、他のパラメータ値算出部８０４〜８０ｎにより、それぞれ、入力オーディオ信号からサブフレーム単位での他の判別情報を算出する。その後、特徴パラメータ算出部７９は、ステップＳ５ｇで、各パラメータ算出部８０１〜８０ｎにより、入力オーディオ信号から数１００msec程度のフレームを抽出する。

そして、特徴パラメータ算出部７９は、ステップＳ５ｈで、各パラメータ算出部８０１〜８０ｎにより、サブフレーム単位で算出した判別情報に対してフレーム単位での平均・分散等の統計量を求めることにより特徴パラメータを生成し、処理を終了（ステップＳ５ｉ）する。

上記のようにして、特徴パラメータ算出部７９の各パラメータ値算出部８０１〜８０ｎで生成された特徴パラメータは、特性スコア制御部８１に、各パラメータ値算出部８０１〜８０ｎにそれぞれ対応して設けられている音声音楽特性スコア算出部８２１，８２２，８２３，８２４〜８２ｎに供給される。

これらの音声音楽特性スコア算出部８２１〜８２ｎでは、それぞれ、対応するパラメータ算出部８０１〜８０ｎから供給された特徴パラメータに基づいて、入力端子７７に供給されたオーディオ信号が、スピーチのような音声信号の特性に近いか、音楽（楽曲）信号の特性に近いか否かを定量的に示すスコアＳを算出している。

例えば、上記したパワー変動に対応した特徴パラメータｐｗが供給される音声音楽特性スコア算出部８２１について説明すると、パワー変動に関して言えば、一般に、音声は、発話している区間と沈黙している区間とが交互に現れるため、サブフレーム間での信号パワーの違いが大きくなり、フレーム単位で見ると各サブフレーム間のパワー値の分散が大きくなる傾向にある。なお、ここでパワー変動とは、サブフレームにおいて計算したパワー値について、より長いフレーム区間内で値の変動に着目した特徴量を指し、具体的にはパワーの分散値などを用いる。

このため、音声音楽特性スコア算出部８２１では、パワー変動の特徴パラメータｐｗが、予め設定された上限しきい値thUpPwを超える場合に、音声信号である可能性が高いと判断して音声特性スコアＳspを加算し、パワー変動の特徴パラメータｐｗが、予め設定された下限しきい値thLowPwよりも小さくなる場合に、音楽信号である可能性が高いと判断して音楽特性スコアＳmpを加算する。

また、上記した零交差周波数に対応した特徴パラメータｚｃが供給される音声音楽特性スコア算出部８２２について説明すると、零交差周波数に関して言えば、前述した発話区間と沈黙区間との違いに加えて、音声信号は零交差周波数が子音では高く母音では低くなるため、フレーム単位で見ると各サブフレーム間の零交差周波数の分散が大きくなる傾向にある。

このため、音声音楽特性スコア算出部８２２では、零交差周波数の特徴パラメータｚｃが、予め設定された上限しきい値thUpZcを超える場合に、音声信号である可能性が高いと判断して音声特性スコアＳszを加算し、零交差周波数の特徴パラメータｚｃが、予め設定された下限しきい値thLowZcよりも小さくなる場合に、音楽信号である可能性が高いと判断して音楽特性スコアＳmzを加算する。

さらに、上記したＬＲパワー比に対応した特徴パラメータｌｒが供給される音声音楽特性スコア算出部８２３について説明すると、ＬＲパワー比に関して言えば、音楽信号では、ボーカル以外の楽器演奏がセンター以外に定位していることが多いため、左右のチャンネル間のパワー比が大きくなる傾向にある。

このため、音声音楽特性スコア算出部８２３では、ＬＲパワー比の特徴パラメータｌｒが、予め設定された上限しきい値thUpLRを超える場合に、音楽信号である可能性が高いと判断して音楽特性スコアＳmlrを加算し、ＬＲパワー比の特徴パラメータｌｒが、予め設定された下限しきい値thLowLRよりも小さくなる場合に、音声信号である可能性が高いと判断して音声特性スコアＳslrを加算する。

具体的に言えば、図６（ａ）は、横軸の時間ｔに対して、縦軸にパワー変動の特徴パラメータｐｗを示しており、図６（ｂ）は、横軸の時間ｔに対して、縦軸に零交差周波数の特徴パラメータｚｃを示している。なお、図６（ａ），（ｂ）において、波形を構成する点は、あるサブフレーム時点における特徴パラメータ値を示している。また、実際上、時刻ｔm以前の区間が音声信号であり、時刻ｔm以降の区間が音楽信号であるとする。

すると、時刻ｔ１でパワー変動の特徴パラメータｐｗが上限しきい値thUpPwを超え、それ以降において上限しきい値thUpPwを超えている領域Ｓ１では、音声特性スコアＳspが加算される。同様に、時刻ｔ２で零交差周波数の特徴パラメータｚｃが上限しきい値thUpZcを超え、それ以降において上限しきい値thUpZcを超えている領域Ｓ２では、音声特性スコアＳszが加算される。

このような場合、特徴パラメータｐｗが上限しきい値thUpPwを超えている領域Ｓ１と、特徴パラメータｚｃが上限しきい値thUpZcを超えている領域Ｓ２との、どちらの領域においても、もし他の特徴パラメータによるスコアがないとすれば、音声特性スコア＞音楽特性スコアとなり、音声信号であると判定される。

また、時刻ｔ１以降で、上限しきい値thUpPw，thUpZcと下限しきい値thLowPw，thLowZcとの間に存在する特徴パラメータｐｗ，ｚｃについては、中立の立場となって判定に供されない。このように、判定が不定である場合は、その直前に判定した結果と同一であるとみなすようにしているため、中立の立場にある特徴パラメータに対して無理にスコア判定を行なう必要はない。このため、時刻ｔ１以降は、図６（ｃ）に示すように、音声信号と判定される。

その後、時刻ｔ３において零交差周波数の特徴パラメータｚｃが下限しきい値thLowZcよりも小さいなり、それ以降において下限しきい値thLowZcよりも小さくなっている領域Ｓ３では、音楽特性スコアＳmzが加算される。このため、もし他の特徴パラメータによるスコアがないとすれば、音声特性スコア＜音楽特性スコアとなり、時刻ｔ３以降は、図６（ｃ）に示すように、音楽信号と判定される。

以上がスコアによる判定の基本動作となる。ここで、図７を参照して多元パラメータによる判定の安定性について説明する。図７（ａ）は、横軸の時間ｔに対して、縦軸にパワー変動の特徴パラメータｐｗを示しており、図７（ｂ）は、横軸の時間ｔに対して、縦軸にＬＲパワー比の特徴パラメータｌｒを示している。なお、図７（ａ），（ｂ）において、波形を構成する点は、あるサブフレーム時点における特徴パラメータ値を示している。また、実際上、時刻ｔm以前の区間が音声信号であり、時刻ｔm以降の区間が音楽信号であるとする。

すなわち、単体の特徴パラメータｐｗのみに着目すると、上限しきい値thUpPw及び下限しきい値thLowPwをそれぞれ特徴パラメータpwのピーク値に近いレンジに設定しても、誤判定が生じる。例えば、時刻ｔ４では、実際のオーディオ信号は音楽信号となっているが、パワー変動の特徴パラメータｐｗが局所的に上限しきい値thUpPwを超える程度に大きくなっている。この場合、音声特性スコアＳspが加算されるので、パワー変動のみに着目すると音声信号と判定されてしまうことになる。

また、時刻ｔ４において、零交差周波数の特徴パラメータｚｃが上限しきい値thUpZcを超えておらず、かつ、下限しきい値thLowZcよりも小さくなっていない中立の値であるとすると、結局、音声特性スコアＳspに対して音楽特性スコアＳmpは０のままとなる。

そこで、この実施の形態では、図７（ｂ）に示したように、さらなる別の特徴パラメータｌｒを採用している。一般に、音声信号では音がセンター寄りに定位するのに対し、音楽信号では様々な楽音がセンター以外に定位され、左右チャンネルの信号成分の差が大きくなっている。

この性質により、ＬＲパワー比の特徴パラメータｌｒは、上限しきい値thUpLRを超えると音楽特性スコアＳmlrが加算され、下限しきい値thLowLRよりも小さくなると音声特性スコアＳslrが加算される。これにより、図７（ｂ）に示すように、時刻ｔ５以降において、ＬＲパワー比の特徴パラメータｌｒが上限しきい値thUpLRを超え、その後、所定の時間以上、上限しきい値thUpZcを超えている領域Ｓ４では、音楽特性スコアＳmlrが音声特性スコアＳspよりも大きくなり、時刻ｔ４におけるパワー変動の特徴パラメータｐｗによる瞬時的な誤判定要因がカバーされることになる。

このように、多数の特徴パラメータそれぞれをスコア付けすることにより、ある特徴パラメータが局所的に誤った判定結果を促す値となったとしても、それを別の特徴パラメータで吸収して正しい判定結果を得ることができる。

ここで、上記のようなスコアによる判定を行なう際、特徴パラメータに対してその特性に応じた重み付けを行なうことで、より誤判定に対する耐性を強化することができる。例えば、もし他にスコア寄与がない場合、Ｓmlr＝Ｓspであれば誤判定要因はカバーされるが、他に零交差周波数の特徴パラメータｚｃの瞬時的な値が上限しきい値thUpZcを超えることで音声特性スコアＳszが加算されたとすると、Ｓmlr＜Ｓsp＋Ｓszとなり誤判定が起こることになる。

このことを考慮して、スコアに重みをもたせるようにする。例えば、パワー変動や零交差周波数の特徴パラメータｐｗ，ｚｃの場合は、音声信号と音楽信号との判定が明確に現れないケースが多く、上限及び下限のしきい値設定が相対的に難しいため、これらの特徴パラメータｐｗ，ｚｃから得られるスコアＳsp，Ｓsz，Ｓmp，Ｓmzには低めの点数をつける。

一方、ＬＲパワー比のような特徴パラメータｌｒの場合、音楽信号は、通常のスピーチ等と比べると左右チャンネル差成分が極端に大きく、音声信号と音楽信号とを明確に判定することができるので、この特徴パラメータｌｒから得られるスコアＳslr，Ｓmlrには高めの点数をつける。このように、スコアに対する重みの与え方としては、音声信号と音楽信号とで値が明確に分かれ易い特徴パラメータであるほど、配点が大きくなるように調整している。

上記のようにして、各音声音楽特性スコア算出部８２１〜８２ｎでそれぞれ生成されたスコアは、特性スコア制御部８１内の相乗効果スコア算出部８３に供給される。この相乗効果スコア算出部８３は、上記のように重み付けの付されたスコアを得た後、そのスコアに対して、各特徴パラメータ間の相互作用を加味したスコアを上乗せしている。

すなわち、この相乗効果スコア算出部８３では、ｎ個の特徴パラメータから相互に関連性を有する特徴パラメータの組をｍセット取り出し、各セットにおける全ての特徴パラメータが音声用のしきい値をクリアしていれば、各音声音楽特性スコア算出部８２１〜８２ｎから供給される音声特性スコアＳsにさらに点数を加算する。また、各セットにおける全ての特徴パラメータが音楽用のしきい値をクリアしていれば、各音声音楽特性スコア算出部８２１〜８２ｎから供給される音楽特性スコアＳmにさらに点数を加算する。

例として、特徴パラメータparam１，param２があり、それぞれしきい値判定を行なった結果、音声特性スコアＳsが、特徴パラメータparam１に基づいてα点付与され、特徴パラメータparam２に基づいてβ点付与されたとする。

ここでもし、特徴パラメータparam１の値とparam２の値とに相互関連性が存在する場合（例えば、無音フレーム割合が一定以上高く、かつ、パワー変動が一定以上大きい場合、発話における語間の無音性という同一の現象が別々の指標に現れており、これらの特徴パラメータは相互に連動していると言える）、各特徴パラメータ単体によるスコアα、β点に加えて、それらの相乗効果を加味したスコアγを上乗せする。つまり、各特徴パラメータparam１，２による音声特性スコアＳsへの寄与は、α＋β＋γ点となる。

このように、特徴パラメータの相互関連性を加味してスコアの上乗せを行なうことにより、多元パラメータによる音声音楽の判定精度をより一層高めることが可能となる。すなわち、この実施の形態では、まず、各々の特徴パラメータについて独立してスコアに重み付けを行ない、その後、特徴パラメータの相乗効果を加味したスコアを上乗せするため、判定条件に自由度を持たせつつ、特徴パラメータ間の相互関連性を考慮した判定を行なうことが可能である。

また、特徴パラメータのセットの取り方、つまり、どの特徴パラメータ同士の組み合わせが相互関連性を有するかを選定するに際しては、上述したような、発話における語間の無音性という同一の指標に対応した特徴パラメータを主観的に選定する方法でも良いし、または、各特徴パラメータ相互間の相関係数を計算し、相関係数が１に近い組み合わせを客観的に選定する方法でも良い。

以上のことと関連したこの実施の形態の大きな利点としては、特徴パラメータを簡単に追加し検出精度を向上することができることである。この実施の形態で示す方式では、前述のように、まず、個々の特徴パラメータを用いて独立にスコアを設定し、その後に相乗効果を考慮した点数をスコアに加算するので、特徴パラメータの追加や各しきい値の設定を容易に行なうことが可能となる。

図８及び図９は、上記した特性スコア制御部８１が、入力された各特徴パラメータからスコアを設定し、そのスコアに特徴パラメータ間の相互関連性を考慮した点数を付加する処理動作をまとめたフローチャートを示している。

すなわち、処理が開始（ステップＳ８ａ）されると、特性スコア制御部８１は、ステップＳ８ｂで、音声音楽特性スコア算出部８２１により、パラメータ値算出部８０１から供給された特徴パラメータｐｗが、上限しきい値thUpPwを超えている（ｐｗ＞thUpPw）か否かを判別する。そして、超えていると判断された場合（ＹＥＳ）、音声音楽特性スコア算出部８２１は、ステップＳ８ｃで、音声特性スコアＳspを加算する。

また、上記ステップＳ８ｂで特徴パラメータｐｗが上限しきい値thUpPwを超えていないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ８ｄで、音声音楽特性スコア算出部８２１により、パラメータ値算出部８０１から供給された特徴パラメータｐｗが、下限しきい値thLowPwよりも小さい（ｐｗ＜thLowPw）か否かを判別する。そして、小さいと判断された場合（ＹＥＳ）、音声音楽特性スコア算出部８２１は、ステップＳ８ｅで、音楽特性スコアＳmpを加算する。

そして、上記ステップＳ８ｃまたはステップＳ８ｅの後、あるいは、上記ステップＳ８ｄで特徴パラメータｐｗが下限しきい値thLowPwよりも小さくないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ８ｆで、音声音楽特性スコア算出部８２２により、パラメータ値算出部８０２から供給された特徴パラメータｚｃが、上限しきい値thUpZcを超えている（ｚｃ＞thUpZc）か否かを判別する。そして、超えていると判断された場合（ＹＥＳ）、音声音楽特性スコア算出部８２２は、ステップＳ８ｇで、音声特性スコアＳszを加算する。

また、上記ステップＳ８ｆで特徴パラメータｚｃが上限しきい値thUpZcを超えていないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ８ｈで、音声音楽特性スコア算出部８２２により、パラメータ値算出部８０２から供給された特徴パラメータｚｃが、下限しきい値thLowZcよりも小さい（ｚｃ＜thLowZc）か否かを判別する。そして、小さいと判断された場合（ＹＥＳ）、音声音楽特性スコア算出部８２２は、ステップＳ８ｉで、音楽特性スコアＳmzを加算する。

そして、上記ステップＳ８ｇまたはステップＳ８ｉの後、あるいは、上記ステップＳ８ｈで特徴パラメータｚｃが下限しきい値thLowZcよりも小さくないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ８ｊで、音声音楽特性スコア算出部８２３により、パラメータ値算出部８０３から供給された特徴パラメータｌｒが、上限しきい値thUpLRを超えている（ｌｒ＞thUpLR）か否かを判別する。そして、超えていると判断された場合（ＹＥＳ）、音声音楽特性スコア算出部８２３は、ステップＳ８ｋで、音楽特性スコアＳmlrを加算する。

また、上記ステップＳ８ｊで特徴パラメータｌｒが上限しきい値thUpLRを超えていないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ８ｌで、音声音楽特性スコア算出部８２３により、パラメータ値算出部８０３から供給された特徴パラメータｌｒが、下限しきい値thLowLRよりも小さい（ｌｒ＜thLowLR）か否かを判別する。そして、小さいと判断された場合（ＹＥＳ）、音声音楽特性スコア算出部８２３は、ステップＳ８ｍで、音声特性スコアＳslrを加算する。

そして、上記ステップＳ８ｋまたはステップＳ８ｍの後、あるいは、上記ステップＳ８ｌで特徴パラメータｌｒが下限しきい値thLowLRよりも小さくないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ９ａで、他の音声音楽特性スコア算出部８２４〜８２ｎにより、パラメータ値算出部８０４〜８０ｎから供給された特徴パラメータに対して、それぞれ、上限及び下限しきい値との比較と、その比較結果に基づくスコアの付与とを実行する。

その後、特性スコア制御部８１は、ステップＳ９ｂで、相乗効果スコア算出部８３により、相互に関連性のある特徴パラメータの組をｍセット取り出し、ステップＳ９ｃで、セット番号ｉ＝１とする。そして、特性スコア制御部８１は、ステップＳ９ｄで、相乗効果スコア算出部８３により、セット番号ｉの組の全ての特徴パラメータが音声判定用に設定されているしきい値をクリアしている、つまり、セット番号ｉの組の全ての特徴パラメータに対して音声特性スコアが付与されているか否かを判別する。ここで、付与されていると判断された場合（ＹＥＳ）、特性スコア制御部８１は、ステップＳ９ｅで、相乗効果スコア算出部８３により、新たに付加すべき音声特性スコアＳsiを生成する。

また、上記ステップＳ９ｄでセット番号ｉの組の全ての特徴パラメータに対して音声特性スコアが付与されていないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ９ｆで、相乗効果スコア算出部８３により、セット番号ｉの組の全ての特徴パラメータが音楽判定用に設定されているしきい値をクリアしている、つまり、セット番号ｉの組の全ての特徴パラメータに対して音楽特性スコアが付与されているか否かを判別する。ここで、付与されていると判断された場合（ＹＥＳ）、特性スコア制御部８１は、ステップＳ９ｇで、相乗効果スコア算出部８３により、新たに付加すべき音楽特性スコアＳmiを生成する。

そして、上記ステップＳ９ｅまたはステップＳ９ｇの後、あるいは、上記ステップＳ９ｆでセット番号ｉの組の全ての特徴パラメータに対して音楽特性スコアが付与されていないと判断された場合（ＮＯ）、特性スコア制御部８１は、ステップＳ９ｈで、相乗効果スコア算出部８３により、セット番号ｉがセット数であるｍよりも多くなったか否かを判別して、ｉ＞ｍでないと判断された場合（ＮＯ）、ステップＳ９ｉで、セット番号ｉを＋１してステップＳ９ｄの処理に戻され、ｉ＞ｍであると判断された場合（ＹＥＳ）、処理を終了（ステップＳ９ｊ）する。

上記のようにして、特性スコア制御部８１の各音声音楽特性スコア算出部８２１〜８２ｎ及び相乗効果スコア算出部８３で生成された各スコアは、音声音楽判定部８４に供給される。この音声音楽判定部８４は、入力された音声特性スコアＳs及び音楽特性スコアＳmのそれぞれの総スコアを算出し、算出されたそれぞれの総スコアに基づいて音声信号か音楽信号かを判定する。

この判定については、音声特性スコアＳsの総スコアと音楽特性スコアＳmの総スコアとを比較し、単純に総スコアが大きい方のカテゴリを選択することが考えられ。また、音声及び音楽の総スコアから、音声及び音楽信号であると推定できる度合い算出し、その度合いを示す情報を出力するようにしても良いものである。

さらに、音声及び音楽の総スコアを比較するに際して、判定にマージンを設けるようにしても良い。例えば、音楽と音声の総スコアが予め設定されたＸ点以上離れていれば、総スコアの高いカテゴリを最終結果として採用するが、Ｘ点未満であれば、スコア差が十分に開いておらず、音楽と音声とが明確に区別し難い信号状態であるとみなす。

この場合、判定は意図的に保留し、最後にＸ点以上のスコアマージンが得られた過去の信号分類結果を継続して採用する。このようにすれば、使用する特徴パラメータでは信号状態が判然としない区間（音楽と音声の総スコアが拮抗するために、特徴パラメータの瞬時的な変動を受けて総スコアの大小が反転し易い）において、誤検出の発生を抑制することができる。

図１０は、上記した音声音楽判定部８４が、特性スコア制御部８１から供給された各音声特性スコアＳsと各音楽特性スコアＳmとのそれぞれの総スコアを算出し、両総スコアに基づいて音声信号と音楽信号とを判定する処理動作をまとめたフローチャートを示している。

すなわち、処理が開始（ステップＳ１０ａ）されると、音声音楽判定部８４は、ステップＳ１０ｂで、特性スコア制御部８１により音声信号カテゴリに対して付与された全ての音声特性スコアの総和Ｓsall（＝Ｓsp＋Ｓsz＋Ｓslr＋……＋Ｓsi）を算出する。ただし、音声特性スコアＳsiは、ｉ＝１〜ｍである。

また、音声音楽判定部８４は、ステップＳ１０ｃで、特性スコア制御部８１により音楽信号カテゴリに対して付与された全ての音楽特性スコアの総和Ｓmall（＝Ｓmp＋Ｓmz＋Ｓmlr＋……＋Ｓmi）を算出する。ただし、音楽特性スコアＳmiは、ｉ＝１〜ｍである。

そして、音声音楽判定部８４は、ステップＳ１０ｄで、音声特性スコアＳsallから音楽特性スコアＳmallを減算した値が予め設定された点数Ｘ以上である（Ｓsall−Ｓmall≧Ｘ）か否かを判別し、Ｓsall−Ｓmall≧Ｘであると判断された場合（ＹＥＳ）、ステップＳ１０ｅで、現在のオーディオ信号フレームの属するカテゴリは音声であると判定し、処理を終了（ステップＳ１０ｆ）する。

また、上記ステップＳ１０ｄでＳsall−Ｓmall≧Ｘでないと判断された場合（ＮＯ）、音声音楽判定部８４は、ステップＳ１０ｇで、音楽特性スコアＳmallから音声特性スコアＳsallを減算した値が予め設定された点数Ｘ以上である（Ｓmall−Ｓsall≧Ｘ）か否かを判別し、Ｓmall−Ｓsall≧Ｘであると判断された場合（ＹＥＳ）、ステップＳ１０ｈで、現在のオーディオ信号フレームの属するカテゴリは音楽であると判定し、処理を終了（ステップＳ１０ｆ）する。

さらに、上記ステップＳ１０ｇでＳmall−Ｓsall≧Ｘでないと判断された場合（ＮＯ）、音声音楽判定部８４は、ステップＳ１０ｉで、現在のオーディオ信号フレームの属するカテゴリの判定を保留し、最後にＳsall−Ｓmall≧ＸまたはＳmall−Ｓsall≧Ｘとなったときの判定結果を継続して採用して、処理を終了（ステップＳ１０ｆ）する。

上記のようにして、音声音楽判定部８４で判定された結果は、上記オーディオ補正処理部７８に供給される。このオーディオ補正処理部７８は、入力端子７７に供給されたオーディオ信号に対して、音声音楽判定部８４での判定結果に基づいた音質補正処理を施し、出力端子８５から外部に出力している。

すなわち、このオーディオ補正処理部７８は、音声音楽判定部８４での判定結果が音声である場合、入力オーディオ信号に対してセンター定位成分を強調して明瞭化するように音質補正処理を施し、音声音楽判定部８４での判定結果が音楽である場合、入力オーディオ信号に対してステレオ感を強調した拡がりのある音質補正処理を施すように機能する。

なお、この発明は上記した実施の形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を種々変形して具体化することができる。また、上記した実施の形態に開示されている複数の構成要素を適宜に組み合わせることにより、種々の発明を形成することができる。例えば、実施の形態に示される全構成要素から幾つかの構成要素を削除しても良いものである。さらに、異なる実施の形態に係る構成要素を適宜組み合わせても良いものである。

この発明の実施の形態を示すもので、デジタルテレビジョン放送受信装置とそれを中心としたネットワークシステムの一例とを概略的に説明するために示す図。 同実施の形態におけるデジタルテレビジョン放送受信装置の主要な信号処理系を説明するために示すブロック構成図。 同実施の形態におけるデジタルテレビジョン放送受信装置のオーディオ処理部に含まれる音質補正処理部を説明するために示すブロック構成図。 同実施の形態における音質補正処理部に含まれる特徴パラメータ算出部の動作を説明するために示す図。 同実施の形態における特徴パラメータ算出部図行なう動作を説明するために示すフローチャート。 同実施の形態における音質補正処理部に含まれる特性スコア制御部の動作を説明するために示す図。 同実施の形態における音質補正処理部に含まれる特性スコア制御部の他の動作を説明するために示す図。 同実施の形態における特性スコア制御部が行なう動作の一部を説明するために示すフローチャート。 同実施の形態における特性スコア制御部が行なう動作の残部を説明するために示すフローチャート。 同実施の形態における音質補正処理部に含まれる音声音楽判定部が行なう動作を説明するために示すフローチャート。

符号の説明

１１…デジタルテレビジョン放送受信装置、１２…キャビネット、１３…支持台、１４…映像表示器、１５…スピーカ、１６…操作部、１７…リモートコントローラ、１８…受光部、１９…第１のメモリカード、２０…第２のメモリカード、２１…第１のＬＡＮ端子、２２…第２のＬＡＮ端子、２３…ＵＳＢ端子、２４…ＩＥＥＥ１３９４端子、２５…ＨＤＤ、２６…ハブ、２７…ＨＤＤ、２８…ＰＣ、２９…ＤＶＤレコーダ、３０…アナログ伝送路、３１…ブロードバンドルータ、３２…ネットワーク、３３…ＰＣ、３４…携帯電話、３５…ハブ、３６…携帯電話、３７…デジタルカメラ、３８…カードリーダ／ライタ、３９…ＨＤＤ、４０…キーボード、４１…ＡＶ−ＨＤＤ、４２…Ｄ−ＶＨＳ、４３…アンテナ、４４…入力端子、４５…チューナ、４６…ＰＳＫ復調器、４７…ＴＳ復号器、４８…信号処理部、４９…アンテナ、５０…入力端子、５１…チューナ、５２…ＯＦＤＭ復調器、５３…ＴＳ復号器、５４…チューナ、５５…アナログ復調器、５６…グラフィック処理部、５７…オーディオ処理部、５８ａ〜５８ｄ…入力端子、５９…ＯＳＤ信号生成部、６０…映像処理部、６１，６２…出力端子、６３…制御部、６４…ＣＰＵ、６５…ＲＯＭ、６６…ＲＡＭ、６７…不揮発性メモリ、６８…カードＩ／Ｆ、６９…カードホルダ、７０…カードＩ／Ｆ、７１…カードホルダ、７２，７３…通信Ｉ／Ｆ、７４…ＵＳＢ Ｉ／Ｆ、７５…ＩＥＥＥ１３９４ Ｉ／Ｆ、７６…音質補正処理部、７７…入力端子、７８…オーディオ補正処理部、７９…特徴パラメータ算出部、８０１〜８０ｎ…パラメータ値算出部、８１…特性スコア制御部、８２１〜８２ｎ…音声音楽特性スコア算出部、８３…相乗効果スコア算出部、８４…音声音楽判定部、８５…出力端子。

Claims (8)

1. 入力オーディオ信号から音声信号と音楽信号とを判別するための各種の特徴パラメータを算出する特徴パラメータ算出手段と、
   前記特徴パラメータ算出手段で算出された各種の特徴パラメータを、それぞれ音声判定用のしきい値及び音楽判定用のしきい値と比較し、音声と判定された特徴パラメータに音声特性スコアを付与し、音楽と判定された特徴パラメータに音楽特性スコアを付与する音声音楽特性スコア算出手段と、
   前記音声音楽特性スコア算出手段で算出された全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分に基づいて、前記入力オーディオ信号が音声信号であるか音楽信号であるかを判定する音声音楽判定手段とを具備することを特徴とする音声音楽判定装置。
2. 前記特徴パラメータ算出手段は、前記入力オーディオ信号をそれぞれが複数のサブフレームでなる所定のフレーム単位に分割し、サブフレーム単位で前記入力オーディオ信号から音声信号と音楽信号とを判別するための判別情報を算出し、その判別情報に対してフレーム単位での統計量を求めることにより、前記特徴パラメータを生成することを特徴とする請求項１記載の音声音楽判定装置。
3. 前記特徴パラメータ算出手段は、前記入力オーディオ信号に対して、パワー変動、零交差周波数、ステレオの左右信号のパワー比のいずれかを含む各種の特徴パラメータを算出することを特徴とする請求項１記載の音声音楽判定装置。
4. 前記音声音楽特性スコア算出手段は、
   前記音声と判定された特徴パラメータに対して、その特徴パラメータの特性に応じた重み付けを与えた音声特性スコアを付与し、
   前記音楽と判定された特徴パラメータに対して、その特徴パラメータの特性に応じた重み付けを与えた音楽特性スコアを付与することを特徴とする請求項１記載の音声音楽判定装置。
5. 前記音声音楽特性スコア算出手段は、
   前記特徴パラメータ算出手段で算出された各種の特徴パラメータのうち、相互に関連性を有する特徴パラメータを含む組を取り出し、その組に含まれる全ての特徴パラメータが音声と判定されている場合には、さらに音声特性スコアを付与し、
   前記特徴パラメータ算出手段で算出された各種の特徴パラメータのうち、相互に関連性を有する特徴パラメータを含む組を取り出し、その組に含まれる全ての特徴パラメータが音楽と判定されている場合には、さらに音楽特性スコアを付与することを特徴とする請求項１記載の音声音楽判定装置。
6. 前記音声音楽判定手段は、前記音声音楽特性スコア算出手段で算出された全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分が、予め設定された所定の点数以上離れていない場合、最後に前記所定の点数以上離れたときの判定結果を継続して採用することを特徴とする請求項１記載の音声音楽判定装置。
7. 入力オーディオ信号を特徴パラメータ算出手段に供給して、音声信号と音楽信号とを判別するための各種の特徴パラメータを算出する工程と、
   算出された各種の特徴パラメータを音声音楽特性スコア算出手段に供給して、音声判定用のしきい値及び音楽判定用のしきい値とそれぞれ比較し、音声と判定された特徴パラメータに音声特性スコアを付与し、音楽と判定された特徴パラメータに音楽特性スコアを付与する工程と、
   付与された全ての音声特性スコア及び音楽特性スコアを音声音楽判定手段に供給して、全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分に基づいて、前記入力オーディオ信号が音声信号であるか音楽信号であるかを判定する工程とを有することを特徴とする音声音楽判定方法。
8. 入力オーディオ信号から音声信号と音楽信号とを判別するための各種の特徴パラメータを算出する処理を、コンピュータに実行させるための特徴パラメータ算出手段と、
   前記特徴パラメータ算出手段で算出された各種の特徴パラメータを、それぞれ音声判定用のしきい値及び音楽判定用のしきい値と比較し、音声と判定された特徴パラメータに音声特性スコアを付与し、音楽と判定された特徴パラメータに音楽特性スコアを付与する処理を、コンピュータに実行させるための音声音楽特性スコア算出手段と、
   前記音声音楽特性スコア算出手段で算出された全ての音声特性スコアの総和と全ての音楽特性スコアの総和との差分に基づいて、前記入力オーディオ信号が音声信号であるか音楽信号であるかを判定する処理を、コンピュータに実行させるための音声音楽判定手段とを具備することを特徴とする音声音楽判定用プログラム。

Images