JP4328601B2 - 音声処理装置、編集装置、制御プログラム及び記録媒体 - Google Patents

Description

本発明は、複数の音声データのレベルを調整する音声処理装置及び編集装置、この音声レベル調整処理を行うための制御プログラム及びこの制御プログラムを記録した記録媒体に関する。

ＣＤ（Compact Disk）、ＤＶＤ（Digital Versatile Disk）等の記録メディアには、複数の音声ファイル若しくは音声データと映像データを含んだマルチメディアファイルが記憶されている。これらファイルに含まれる各音声データは、一つの記録メディアに収録（書き込み又は録音）する際等に、音声レベル（音圧レベル）を合わせるためにノーマライズ処理が施される場合がある（例えば、特許文献１、２参照）。
特開平１１−１４３４７０号公報 特開２００１−８４６９６号公報

しかしながら、ノーマライズは、音声のピークレベルをフルスケール（許容範囲の上限）に合わせる方法であるため、レベル分解能を最大に保つことができる反面、各ファイルにおける音声のピークレベルのばらつきが大きいと、聴感上のレベルが大きく異なってしまい、再生する音声データが切り替わる毎にボリュームを調整しなければならないという問題が生じる。

本発明は、上述した事情に鑑みてなされたものであり、複数の音声データの聴感上のレベルを揃え、かつ、レベルを調整することによる音質の劣化を抑えることができる音声処理装置、編集装置、制御プログラム及び記録媒体を提供することを目的とする。

上述課題を解決するため、本発明は、音声処理装置において、複数の音声データを入力する入力手段と、前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段とを備えることを特徴とする。

上記構成においては、前記入力手段が映像データと音声データとを含むマルチメディアデータを入力した場合に、映像データと音声データとを分離する分離手段と、前記分離手段で分離された映像データと、前記レベル調整手段から出力された音声データとを多重化する多重化手段とを有することが好ましい。また、上記構成において、前記レベル計測手段は、前記入力手段が入力した前記音声データのレベルを聴覚感度特性に合わせて補正した後に、前記平均レベルと前記ピークレベルとを計測することが好ましい。

また、本発明は、編集装置において、複数の音声データを入力する入力手段と、前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段と、前記レベル調整手段から出力された音声データを所定の記録媒体に記録する記録手段を有することを特徴とする。

上記構成においては、前記入力手段が映像データと音声データとを含むマルチメディアデータを入力した場合に、映像データと音声データとを分離する分離手段と、前記分離手段で分離された映像データと、前記レベル調整手段から出力された音声データとを多重化する多重化手段とを有し、前記記録手段は、前記多重化手段により多重化されたデータを所定の記録媒体に記録することが好ましい。また、上記構成において、前記レベル計測手段は、前記入力手段が入力した前記音声データのレベルを聴覚感度特性に合わせて補正した後に、前記平均レベルと前記ピークレベルとを計測することが好ましい。

また、本発明は、コンピュータにより複数の音声データの音声レベルを調整するための制御プログラムにおいて、コンピュータを、複数の音声データを入力する入力手段と、前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段として機能させることを特徴とする。

また、本発明は、コンピュータにより複数の音声データの音声レベルを調整するための制御プログラムを記録した記録媒体において、
コンピュータを、複数の音声データを入力する入力手段と、前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段として機能させるための制御プログラムを記録したことを特徴とする。

本発明は、音声データ毎に、ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値に平均レベルを乗算した乗算値を算出した後、音声データ毎に、この音声データの平均レベルを、上限平均レベルの最小値にするゲイン値である目標ゲイン値を算出し、各音声データのレベルをそれぞれ目標ゲインを乗算したレベルに調整して出力することにより、複数の音声データの聴感上のレベルを揃えることができ、かつ、レベル調整による音質の劣化を最小限に抑えることができる。

以下、図面を参照して本発明の実施形態を詳述する。
（１） 第１実施形態
図１は、本発明の第１実施形態に係る編集装置１０の機能構成を示すブロック図である。この編集装置１０は、ＣＤ（音楽ＣＤ）やラジオ番組の作成に用いられる音声編集装置であり、メディア読み込み部１１、音声レベル計測部１２、メディア管理部１３、音声レベル調整部１４及びメディア書き込み部１５を備えている。

メディア読み込み部（入力手段）１１は、ＤＡＴ（Digital Audio Tape）やＨＤ（Hard Disk）等の記録媒体に記憶された楽曲等の音声データを読み出すものであり、メディア管理部１３からの指示に従って、予め指定された複数の音声データを指定された順で読み出して出力する。すなわち、このメディア読み込み部１１は、複数の音声データを入力する入力手段として機能している。

音声レベル計測部（レベル計測手段）１２は、メディア管理部１３の制御の下、メディア読み込み部１１から出力された各音声データの平均レベルＡｉ（ｉ＝１〜Ｎ：Ｎは音声データの数）とピークレベルＰｉを計測するものである。本実施形態では、この音声レベル計測部１２は、メディア読み込み部１１から出力された音声データを聴覚感度特性（例えばＡ特性）に合わせてフィルタリングにより周波数軸上でレベル補正を行った後に平均レベルＡｉとピークレベルＰｉとを計測する。このように音声データのレベルを聴覚感度特性に合わせて補正することにより、物理量である音声レベル（音圧レベル）を聴感補正することができ、聴感上の平均レベルＡｉとピークレベルＰｉとを取得することができる。

メディア管理部（目標ゲイン算出手段）１３は、図示しない操作装置を介してユーザから編集対象の複数の音声データの指定やこれら音声データの再生順等の指示を入力し、このユーザ指示に基づいて編集装置１０全体の制御を行うものである。詳述すると、メディア管理部１３は、演算処理部や、各種制御や演算を行うための制御プログラムを記憶したメモリを有し、演算処理部がこのメモリに記憶された制御プログラムを実行することにより、編集装置１０全体の制御や、編集対象の複数の音声データのレベルを合わせるための各音声データ毎の目標ゲイン値を算出する目標ゲイン値算出処理を行う。

音声レベル調整部（レベル調整手段）１４は、メディア管理部１３の制御の下、メディア読み込み部１５から読み出された音声データのレベルを上記目標ゲイン値を乗算したレベルに調整して出力するものである。

メディア書き込み部（記録手段）１５は、メディア管理部１３の制御の下、音声レベル調整部１４から出力された各音声データをそれぞれ一つの音声ファイルとして記録メディア（例えば、ＣＤ−Ｒ（CD Recordable）等の記録媒体に書き込むものである。また、このメディア書き込み部は、ＣＤ−Ｒ等のディスク型記録メディア等に書き込む場合は、ディスクのリードイン領域へのＴＯＣ（Table of contents）等の情報の書き込みを行う等、記録メディアの規格に従ったフォーマットで情報を記録する。

次に、この編集装置１０の動作を説明する。
図２は、この編集装置１０の編集動作の一例を示すフローチャートである。
この編集装置１０において、メディア管理部１３は、まず、予め入力したユーザの指示に基づき、メディア読み込み部１１に読み込み対象の複数のファイル（音声データ）の再生順序を指定する（ステップＳ１）。次いで、メディア管理部１３は、音声レベル計測部１２による全ファイル（音声データ）のレベル計測が終了したか否かを判断するが（ステップＳ２）、この時点では、レベル計測が何ら行われていないため、この判断結果は否定となり、メディア読み込み部１１による一つのファイル（音声データ）の読み込みを開始させる（ステップＳ３）。

メディア読み込み部１１が読み出したファイル（音声データ）のデータは音声レベル計測部１２に出力され、音声レベル計測部１２により聴覚感度特性に合わせてフィルタリングされた後（ステップＳ４）、平均レベルＡｉとピークレベルＰｉとが計測される。ここで、平均レベルＡｉの算出には、例えばＲＭＳ（root mean squared value）を用いることが好ましい。なお、このメディア読み込み部１１が読み出した音声データは、音声レベル調整部１４にも出力され、メディア管理部１３から目標ゲイン値が指示されるまで一時保持されるようになっている。

音声レベル計測部１２がレベル計測を終了すると、メディア管理部１３は、全てのファイル（音声データ）のレベル計測が終了したか否かを判断し、終了していない場合は、メディア読み込み部１１に次のファイル（音声データ）の読み込みを開始させて（ステップＳ３）、レベル計測部によりレベル計測を行わせる（ステップＳ４及びＳ５）。このようにして編集対象の音声データ毎の聴感上の平均レベルＡｉとピークレベルＰｉとが順次計測され、全ての音声データについてレベル計測が終了すると、メディア管理部１３は、ステップＳ２からステップＳ１０の処理に移行して目標ゲイン算出処理を行う。

目標ゲイン算出処理を行う場合、メディア管理部１３は、まず、編集対象の音声データ毎に、以下の算出式（１）により、音声レベル計測部１２により計測されたピークレベルＰｉをフルスケール（音声レベルの許容範囲の上限レベル）Ｆにするゲイン値である上限ゲイン値ＧＵｉを算出し、算出式（２）に示すように、この上限ゲイン値ＧＵｉを平均レベルＡｉに乗算した値である上限平均レベルＡＵｉを算出する。

ＧＵｉ＝Ｆ／Ｐｉ ……（１）
ＡＵｉ＝Ａｉ＊ＧＵｉ ……（２）
このようにして全ての音声データについて上限平均レベルＡＵｉを算出すると、メディア管理部１３は、これら上限平均レベルＡＵｉの最小値を目標平均レベルＡＴに設定し（式（３）参照）、音声データ毎に、平均レベルＡｉを目標平均レベルＡＴにするゲイン値である目標ゲイン値ＧＴｉを算出する（式（４）参照）。以上が、目標ゲイン算出処理である。

ＡＴ＝ｍｉｎ（ＡＵｉ） ……（３）
ＧＴｉ＝ＡＴ／Ａｉ ……（４）
目標ゲイン算出処理が終了すると、メディア管理部１３は、音声レベル調整部１４に音声データ毎の目標ゲイン値ＧＴｉを順次通知して編集対象の全ての音声データのレベル調整と書き込みとを行う。詳述すると、メディア管理部１３は、まず、全ての音声データのレベル調整が終了したか否かを判断するが（ステップＳ１１）、この時点ではレベル調整を行っていないため、この判断結果は否定となり、音声レベル調整部１４に再生順が最初の音声データに対する目標ゲイン値ＧＴ１を通知することにより、音声レベル調整部１４により該音声データのレベルを目標ゲイン値ＧＴ１を乗算したレベルに調整すべく、該音声データのレベルを示す情報を書き換える（ステップＳ１２）。

次いで、メディア管理部１３は、メディア書き込み部１５によりこのレベル調整後の音声データを所定の記録メディア書き込ませた後（ステップＳ１３）、全ての音声データのレベル調整が終了したか否かを判断する。このため、レベル調整が終了していない場合は、再生順が以降の各音声データに対応する目標ゲイン値ＧＴｉ（ＧＴ２〜ＧＴＮ）が順次通知されて、音声レベル調整部１４により乗算されてレベル調整されると共に（ステップＳ１２）、メディア書き込み部１５によりレベル調整後の音声データが記録メディアに順次書き込まれていく（ステップＳ１３）。そして、編集対象の全ての音声データのレベル調整が終了すると、メディア管理部１３は処理を終了して編集動作を終了する。

このように、本実施形態では、各音声データのレベルをそれぞれ目標ゲイン値ＧＴｉを乗算したレベルに調整することにより、各音声データの平均レベルＡｉを目標平均レベルＡＴに揃えることができる。ここで、このレベル調整は、聴覚感度特性に合わせてレベルを補正した後の音声データの平均レベルＡｉを揃えるものであるため、各音声データの聴感上のレベルを揃えることが可能である。

また、目標平均レベルＡＴとして、音声データ毎の上限平均レベルＡＵｉ（具体的には、音声データのピークレベルＰｉをフルスケールＦにするゲイン値である上限ゲイン値ＧＵｉと、その音声データの平均レベルＡｉとの乗算値）のうちの最小値を用いることにより、レベル調整後の全ての音声データのピークレベルをフルスケールＦ以下にできる範囲でゲイン値を高く設定できる。従って、クリップが生じず、かつ、レベル分解能が最大となるような目標ゲイン値ＧＴｉを設定することができ、レベル調整による音質の劣化を最小限に抑えることができる。

以上説明したように、本実施形態によれば、編集対象の音声データ毎に、そのピークレベルＰｉをフルスケールＦにするゲイン値である上限ゲイン値ＧＵｉを算出し、この上限ゲイン値ＧＵｉを平均レベルＡｉに乗算した上限平均レベルＡＵｉを算出した後、この上限平均レベルＡＵｉの最小値が平均レベルとなるように各音声データのレベル調整を行うので、編集対象の全ての音声データの聴感上のレベルを揃えることができ、かつ、レベル調整による音質の劣化を最小限に抑えることができる。また、このように複数の音声データのレベルを揃えることによって音声データ毎の音質の比較が容易になるという効果も奏する。

（２） 第２実施形態
図３は、第２実施形態に係る編集装置１００の機能構成を示すブロック図である。この編集装置１００は、ＤＶＤやＴＶ番組の作成に用いられる音声編集装置であり、編集対象のデータが音声データと映像データの両方を含むマルチメディアデータである点で第１実施形態に係る編集装置１０と異なるが、音声データのレベルを調整するという機能は同一である。

この編集装置１００は、映像データと音声データとを分離するメディア分離部２０と、映像データと音声データとを多重化するメディア多重部２１とを有し、これに伴ってメディア管理部１３０の制御内容が一部異なる点を除いて、第１実施形態に係る編集装置１０とほぼ同様である。以下、説明の便宜上、同一の構成には同一の符号を付して示して詳細な説明は省略し、異なる点について詳細に説明する。

メディア分離部２０は、メディア読み込み部１１から出力されたデータが、音声データと映像データとを含むマルチメディアデータの場合に、音声データと映像データを分離するものであり、分離した音声データは音声レベル計測部１２及び音声レベル調整部１４に出力する一方、映像データはメディア多重部２１に出力する。

メディア多重部２１は、メディア分離部２０で分離された映像データと、音声レベル調整部１４によりレベル調整された音声データとを所定のフォーマットで多重化してメディア書き込み部１５に出力するものである。メディア書き込み部１５は、音声と映像とを多重化したデータ（マルチメディアデータ）を入力した場合に、この多重化データを一つのファイルとして記録メディアに記録する。

図４は、この編集装置１００の編集動作の一例を示すフローチャートである。
この編集装置１００の動作が第１実施形態に係る編集装置１０と異なる点は、ファイルを読み込んだ後（ステップＳ３の処理の後）、メディア分離部２０により読み込んだファイルのデータから音声データと映像データとを分離する処理を行う点（ステップＳ２０）と、音声レベル調整部１４により音声データのレベル調整を行った後（ステップＳ１２の後）、このレベル調整後の音声データと、ステップＳ２０の処理で分離された映像データとを多重化する処理を行う点（ステップＳ２１）である。これにより、音声データと映像データの両方を含むマルチメディアデータの音声データのレベル調整だけを行って記録メディアに記録することができる。

従って、第２実施形態に係る編集装置１００においても、第１実施形態と同様に、編集対象の全てのマルチメディアデータに含まれる各音声データの聴感上のレベルを揃えることができ、かつ、レベル調整による音質の劣化を最小限に抑えることができる。

上述した実施形態は、あくまでも本発明の一態様を示すものであり、本発明の範囲内で任意に変形が可能である。例えば、上述した実施形態では、編集対象の音声データのレベル調整を行った後に所定の記録媒体に記録する編集装置に本発明を適用する場合について説明したが、複数の音声データのレベル調整を行う音声処理装置に広く適用することができる。また、この種の編集装置や音声処理装置の各種制御や各種演算を行う構成は、それぞれハードウェアによって構成してもよいが、ソフトウェア処理によっても実現することが可能である。例えば、パーソナルコンピュータ等のＣＰＵが所定のプログラムを実行することによって音声レベル計測部１２、メディア管理部１３及び音声レベル調整部１４として機能させてもよい。

また、上記音声処理等を行う制御プログラムは、オーサリングソフトや音声付きのプレゼンテーション資料を作成するプレゼンテーションソフト等に適用することができ、装置内のメモリに予め記録しておく場合に限らず、磁気記録媒体、光記録媒体、又は半導体記録媒体などのコンピュータが読み取り可能な記録媒体に格納し、コンピュータがこの記録媒体から制御プログラムを読み取って実行するようにしてもよい。また、この制御プログラムを通信ネットワーク上のサーバなどからダウンロードできるようにしてもよい。

本発明の第１実施形態に係る編集装置の機能構成を示すブロック図である。 上記編集装置の編集動作の一例を示すフローチャートである。 本発明の第２実施形態に係る編集装置の機能構成を示すブロック図である。 上記編集装置の編集動作の一例を示すフローチャートである。

符号の説明

１０、１００ 編集装置
１１ メディア読み込み部
１２ 音声レベル計測部
１３、１３０ メディア管理部
１４ 音声レベル調整部
１５ メディア書き込み部
２０ メディア分離部
２１ メディア多重部

Claims (8)

1. 複数の音声データを入力する入力手段と、
   前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、
   前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、
   前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段と
   を備えることを特徴とする音声処理装置。
2. 前記入力手段が映像データと音声データとを含むマルチメディアデータを入力した場合に、映像データと音声データとを分離する分離手段と、
   前記分離手段で分離された映像データと、前記レベル調整手段から出力された音声データとを多重化する多重化手段とを有することを特徴とする請求項１に記載の音声処理装置。
3. 前記レベル計測手段は、前記入力手段が入力した前記音声データのレベルを聴覚感度特性に合わせて補正した後に、前記平均レベルと前記ピークレベルとを計測することを特徴とする請求項１又は２に記載の音声処理装置。
4. 複数の音声データを入力する入力手段と、
   前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、
   前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、
   前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段と、
   前記レベル調整手段から出力された音声データを所定の記録媒体に記録する記録手段を有することを特徴とする編集装置。
5. 前記入力手段が映像データと音声データとを含むマルチメディアデータを入力した場合に、映像データと音声データとを分離する分離手段と、
   前記分離手段で分離された映像データと、前記レベル調整手段から出力された音声データとを多重化する多重化手段とを有し、
   前記記録手段は、
   前記多重化手段により多重化されたデータを所定の記録媒体に記録することを特徴とする請求項４に記載の編集装置。
6. 前記レベル計測手段は、前記入力手段が入力した前記音声データのレベルを聴覚感度特性に合わせて補正した後に、前記平均レベルと前記ピークレベルとを計測することを特徴とする請求項４又は５に記載の編集装置。
7. コンピュータにより複数の音声データの音声レベルを調整するための制御プログラムにおいて、
   コンピュータを、
   複数の音声データを入力する入力手段と、
   前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、
   前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、
   前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段として機能させるための制御プログラム。
8. コンピュータにより複数の音声データの音声レベルを調整するための制御プログラムを記録した記録媒体において、
   コンピュータを、
   複数の音声データを入力する入力手段と、
   前記入力手段が入力した前記音声データ毎に音声の平均レベルとピークレベルとを計測するレベル計測手段と、
   前記音声データ毎に、前記ピークレベルを予め定めた上限レベルにするゲイン値を算出し、このゲイン値を前記平均レベルに乗算した乗算値を算出した後、前記音声データ毎に、この音声データの平均レベルを前記乗算値の最小値にするゲイン値である目標ゲイン値を算出する目標ゲイン算出手段と、
   前記複数の音声データのレベルをそれぞれ前記目標ゲインを乗算したレベルに調整するレベル調整手段として機能させるための制御プログラムを記録した記録媒体。
   

Images