JP4491743B2 - カラオケ装置 - Google Patents

Description

本発明は、カラオケ楽曲データを格納する記憶手段と、歌唱者の音声を入力する音声入力手段と、選択された楽曲のカラオケ演奏及びディスプレイ表示を制御する制御ユニットとを備えたカラオケ装置に関する。

現在のカラオケ装置では、歌唱者等が楽曲をリクエストする場合、備え付けの曲名リストを参照してその楽曲の管理コードをリモコンや操作パネルから入力するようにしている。また、曲名を覚えていない場合でもリクエストできるように、演奏者別、年代別、演歌や歌謡曲、外国アーティストなどのカテゴリー別の曲名リストも提供されている。

しかし、日々新しい楽曲が登場している状況では、どのような楽曲リストを提供しても膨大な楽曲の中から歌いたい曲を即座に探し出すのは容易ではない。そのため、歌唱者等が楽曲を選択する際の負荷を軽減するための工夫として、例えば、以下の特許文献１〜３で提案されている発明が参考になる。

まず、特許文献１では、楽曲を年代やジャンルなどの複数のカテゴリーに分類し、歌唱者等がカテゴリーを選択すると、そのカテゴリーに含まれる複数の楽曲が連続演奏されるように構成し、１曲毎に楽曲コードなどを探し出して入力する手間を軽減できるようにしている。

特許文献２では、曲名や歌手名、先頭の文字（歌い出しの歌詞等）を歌唱者がマイクから肉声で入力することで、入力された音声を解析して指定された楽曲を特定する技術が開示されている。また、特許文献３では、これをさらに発展させて、楽曲の歌い出し部分やサビ部分の歌詞を歌唱者がマイクから肉声で入力すると、入力された音声データを周波数ｆと接続時間ｔからなるコードデータに変換して楽曲辞書から候補曲を検索する技術が開示されている。

特開２００３−２７１１５９ 特開２００１−２１５９７８ 特開平９−１３８６９１

ところで、上記した特許文献１〜３をはじめとする従来のカラオケ装置は、歌唱者等が歌いたい曲を選択させる点で共通している。一般的に、歌唱者等は、新しい曲、過去のヒット曲、好きな曲、場の雰囲気に合った曲、好きなアーティストの曲などをリクエストして歌唱するが、このような曲が必ずしも上手く歌える曲、歌唱者の声質等に合った曲であるとは限らない。逆に、好きな曲等は多少歌いにくくても無理をして歌うことの方が多い。そのため、歌唱者以外の聴衆は、ミスマッチの歌唱者の曲を聴かされる機会が多くなるため、他人の歌はほとんど聞かずお互いに歌いたい曲を順番に歌うだけという連帯感・一体感に欠ける状況になる。また、歌唱者は無理して歌う機会（曲数）が多くなると、喉が枯れるなどの弊害も生じるため、長期的に、カラオケ１回当たりの歌唱時間（曲数）やカラオケの利用頻度が徐々に減少し市場規模が縮小していくおそれがある。

一方で、歌唱者は、カラオケ教室などで専門家から指摘されない限り自身の声質やくせなどを知る機会はないため、自分に合った曲や歌い易い曲を見つけるには数多くの曲を実際に試すしかない。

以上のように、これまでのカラオケ装置は、歌唱者が歌いたい曲や歌唱者に歌わせたい曲などをリクエストすることを基本的な利用形態としており、自分に合った楽曲を歌う楽しみを提供できていない。

本発明は、このような課題を解決するためになされたもので、歌唱者の歌唱データに基づいて、自分では気付きにくい声質やくせ、巧拙の程度にマッチしたカラオケ候補曲を歌唱者に提示することができ、カラオケの新たな楽しみ方を提案できるカラオケ装置を提供することを目的とする。

上記の目的を達成するため、本発明は、カラオケ楽曲データを格納する記憶手段と、歌唱者の音声を入力する音声入力手段と、選択された楽曲のカラオケ演奏及びディスプレイ表示を制御する制御ユニットとを備えたカラオケ装置であって、前記制御ユニットは、歌唱者が選択した楽曲について、音声入力手段から入力された歌唱者の歌唱データを解析して音域、音量、リズム及びフォルマント情報の少なくとも１以上の特徴要素における１以上の特徴データを抽出する特徴データ抽出手段と、抽出された特徴データに基いて、前記記憶手段からその歌唱者の特徴に合致する１以上の楽曲を検索する楽曲検索手段と、検索された楽曲の情報を次の歌唱候補曲としてディスプレイ装置に表示させる映像処理手段とを備えたことを特徴とする。

本発明によれば、カラオケ候補曲の選択に際して、歌唱者が実際に歌唱した歌唱データを解析して特徴要素における特徴データを抽出するようにしたので、音声認識の分野で汎用されるエンロールと異なり、歌唱者が歌う時のくせ、巧拙などの具体的な条件を特定できる。そして、このような条件に基づいて候補曲を検索することで、歌唱者が無理なく歌える歌、声質やくせに合った歌を個別具体的に提案することができる。

また、歌唱データの音域、音量、リズム、フォルマント情報の何れかの特徴要素を解析することで、歌唱者のリズム感、歌う時のくせ、声の質や大きさ、音域などの特徴データを得ることができる。この特徴データに従って、多数の楽曲の中から歌唱者にマッチするカラオケ候補曲を提示できる。

これにより、歌唱者自身が気付きにくい声質やくせ、巧拙の程度にマッチしたカラオケ候補曲を歌唱者に提示することができ、カラオケの新たな楽しみ方を提案できるカラオケ装置を得ることができる。なお、本願における「歌唱者のくせ」は、歌唱データ中に何等かの事象が現れるもの（歌唱データに含まれる特徴データ）に限られる。例えば、前奏や間奏後の歌い出しが遅れる（又はわざと遅らせる）、高音は声が大きく低音は小さくなる、１番が終わってすぐに２番を歌い始められない、曲中の転調に気付かない、又はついて行けない、息継ぎの回数が多い、などのくせは、楽曲データを解析することで特定でき、楽曲検索の有益な条件となる。そのため、このようなくせは、本人や聴衆が気付くかどうかに拘わらず本発明の「くせ」に該当する。逆に、マイクの握り方や手足の動き（例えば、拳を振る、足踏みする、手足でリズムを取る）などのくせは、本人等が容易に気付くものであっても、歌唱データには現れず楽曲検索の有益な条件にもなりにくいため、本願の「くせ」には該当しない。

以下、本発明の好適な実施形態を添付図面を参照して説明する。
<カラオケ装置の概略構成>
図１は、本発明の一実施形態のカラオケ装置の概略構成を示す機能ブロック図、図２は、同じく処理工程を示すフローチャートである。このカラオケ装置１は、図示しないホストコンピュータから通信ネットワークを介して配信される楽曲データを再生してカラオケ演奏を行う通信カラオケシステムとして構成されており、カラオケ装置本体２に接続される入力装置としてのマイク（音声入力手段）３、出力装置としての左右チャネルのスピーカ４（一方のみ図示する）及びディスプレイ装置５によって構成される。これらの入出力機器は、図示しない出力端子などを介してビデオインタフェース回路やミキシングアンプ２３などに夫々接続される。なお、歌唱者が楽曲リクエストの入力や取消し、テンポやキーなどの種々の設定を変更するための操作パネルやリモコンは図示を省略した。

カラオケ装置本体２は、歌唱者が選択した楽曲のカラオケ演奏及びディスプレイ表示や、ホストコンピュータとの通信制御などの装置全体の制御を行うＣＰＵ１１と、楽曲に関するデータ（ＭＩＤＩ規格データ、歌詞データ、背景映像データ等）などを格納するデータ格納領域１２ａ及びコンピュータプログラムを格納するプログラム格納領域１２ｂを備えたＨＤＤ（記憶手段）１２と、ワークＲＡＭ１３とを備えている。プログラム格納領域１２ｂには、カラオケ演奏を行うためのシステムプログラム（カラオケプログラム）と、本発明の特徴である候補曲の自動選曲機能を実現するためのプログラム（自動選曲プログラム）とが格納される。

また、ＨＤＤ（記憶手段）１２は、ＨＤＤコントローラ１４及びシステムバス１５を介してＣＰＵ１１に接続される。ＨＤＤコントローラ１４においてＨＤＤ１２から読み出されたカラオケプログラム及び自動選曲プログラムは、ＣＰＵ１１によりワークＲＡＭ１３に格納され、ＣＰＵ１１がこれらのプログラムに従ってカラオケ装置１の各種制御を行う。

また、ＣＰＵ１１には、前記システムバス１５を介して、ＣＧ画像などのイメージ画像データや歌詞テロップ、自動選曲された候補曲リストなどをディスプレイ装置５に表示するためのＶＤＰ（Video Display Processor：映像処理手段）１７及びビデオＲＡＭ１８と、楽曲再生やマイク３から入力された歌唱者の音声認識を行うためのＤＳＰ（Digital Signal Processor）１９及び音声用ＲＡＭ２０と、デジタルデータとアナログデータとを相互に変換するＤ／Ａコンバータ２１及びＡ／Ｄコンバータ２２と、楽曲データと歌唱者の音声とをミキシングしてスピーカ４に出力するミキシングアンプ２３とが接続される。このＶＤＰ１７、ＤＳＰ１９及び前記ＣＰＵ１１と、ＨＤＤ１２に格納されるカラオケプログラムとによって制御ユニットが構成される。また、ビデオＲＡＭ１８及び音声用ＲＡＭ２０は、前記ＨＤＤ１２やＣＰＵ１１などの内部メモリと共に記憶手段を構成する。

このような基本構成において、操作パネル（リモコン）を介してリクエスト曲の楽曲コードが入力されその楽曲の順番が到来すると、ＣＰＵ１１は、カラオケ演奏（伴奏）データをＤＳＰ１９へ、背景映像データ及び歌詞テロップをＶＤＰ１７へ同期させて夫々出力する。また、自動選曲が選択されている場合は、ＤＳＰ１９は、マイク３から入力され後述するＡ／Ｄコンバータ２２で変換された歌唱者の歌唱データを取得し、特徴データ抽出部２７に転送する。なお、自動選曲モードと通常モードとは、リモコンなどで切り替え可能である。

ＨＤＤ１２のデータ格納領域１２ａには、各楽曲について、曲中の時間に対応するアドレス値が付加された楽曲の音源データ、曲のイメージに合わせたイメージ画像（背景映像）データ、自動選曲のための各楽曲の特徴要素毎の識別コード（特徴コード）や楽曲の年代や歌手名などの属性情報を備えた楽曲ライブラリ、及び歌詞テロップデータが記録されている。

楽曲の音源データには、歌詞テロップの表示開始の初めと終わりとを識別するための複数のフラグが、演奏タイミングを示す時間軸上において所定間隔で配列される。すなわち、演奏時系列に沿って伴奏音を記述したＭＩＤＩデータにおいて、所定の画面表示単位（４小節、２行×１４文字等）毎に、表示開始時及び終了時のアドレス値が記述されている。そして、楽曲の演奏中に、前記ＶＤＰ１７が楽曲データから表示開始フラグを検出する度に、それに対応付けられた歌詞テロップをＨＤＤ１２から読み出してディスプレイ装置５に転送する。このような歌詞テロップの表示機能は、従来のカラオケ装置と同様である。

また、特徴コードは、音域、音量、リズム及びフォルマント情報の特徴要素について、以下に示す複数段階のレベル及び／若しくは複数の属性で分類した複数のグループを示す要素別コードを記述した特徴コードテーブル２４に格納される。特徴コードは、以下に示す複数の要素別コード（音域コード、音量コード、リズムコード及び性別コード）を組み合わせて構成される。

音域については、楽曲の歌唱部分の最高音と最低音に従って、例えば、高音域は「高音を含む」（Ｈ１）、「やや高音を含む」（Ｈ２）、「高音を含まない」（ＨＮ）の３段階、低音域は「低音を含む」（Ｌ１）、「やや低音を含む」（Ｌ２）、「低音を含まない」（ＬＮ）の３段階、の合計９種類（３×３）で全ての楽曲がグループ化され、音域コードが付与される。例えば、「高音と低音の両方を含む（音域が最も広い）」は「Ｈ１Ｌ１」、「やや高音と、やや低音を含む（音域がやや広い）」は「Ｈ２Ｌ２」、「高音も低音も含まない（音域が最も狭い」（ＨＮＬＮ）、「高音は含むが、低音は含まない（全体的に高音域）」（Ｈ１ＬＮ）、「高音は含まないが、低音を含む（全体的に低音域）」（ＨＮＬ１）、等の４桁の音域コードが夫々付与される。

この場合の「高い音」「低い音」は、楽曲の調にもよるが、一例として、ハ長調のド〜１オクターブ上のレ（上のレ）に相当する音域を一般の人が無理なく歌唱可能な「基準音域」とし、これよりも高いか低いかで区別する。例えば、高音域については、上のミは「やや高い音」、それよりも高い音は全て「高い音」とする。一方、低音域については、下のシを「やや低い音」、それよりも低い音は全て「低い音」に分類する。これらの音を１音、若しくは所定数以上含んでいるかによってその楽曲の音域コードを決定する。

また、音量については、歌唱部分の伴奏データの音量レベルのピーク値に従って５段階で全ての楽曲がグループ化され、Ｖ１〜Ｖ５の音量コードが付与される。この場合の音量のレベルは、カラオケ装置本体２の操作パネルやリモコンなどで調整可能なスピーカからの出力音量ではなく、各楽曲について予め設定された音源の音量の大きさを指す。例えば、一般的な歌唱者の歌唱データの音量レベルである６０ｄｂを基準にし、５４ｄｂ以下を「音量小」（Ｖ１）、５５ｄｂ〜５８ｄｂを「音量やや小」（Ｖ２）、５９ｄｂ〜６１ｄｂを「普通」（Ｖ３）、６２ｄｂ〜６４ｄｂを「音量やや大」（Ｖ４）、６５ｄｂ以上を「音量大」（Ｖ１）、に夫々分類する。歌唱部分の伴奏データの音量ピーク値がこの範囲に含まれるかによってその楽曲の音量コードを決定する。

次に、リズムは、テンポによって１３段階で全ての楽曲がグループ化され、Ｔ０１〜Ｔ１３のリズムコードが付与される。具体的には、四分音符（メトロノーム記号）＝４０〜４２の「グラーヴェ（遅く）」をＴ０１、６５〜７０の「アンダンテ（歩くような速さで）」をＴ０６、２００〜の「プレスティッシモ（極めて速く）」をＴ１３というように、楽曲の速度記号（標語）や、速度の数値に従ってグループ化する。ここで、途中でテンポが変わる曲については、全てのテンポのリズムコードを付与したり、最初の歌唱部分のテンポのリズムコードを付与したり、若しくは、歌唱時間が長い部分のテンポを基準にしてリズムコードを付与する。何れの場合も、テンポ変更を示すフラグを設定するのが好ましい。後述する映像処理部２９がこのフラグを検出すると、候補曲をディスプレイ装置５にリスト表示する際に、「テンポ変更あり」の文字列や記号などを表示して歌唱者に選曲の判断材料を提供できる。

最後に、フォルマント情報については、ヴォーカルの声質が男性的か女性的かによって全ての楽曲が２つのグループに分類され、ＭとＦの何れかの性別コードが付与される。なお、デュエット曲には両方の性別コードを付与したり、デュエット曲特有の第３の性別コードを付与したり、主旋律の性別コードを付与する。何れの場合でも、デュエット曲を示すフラグを設定するのが好ましい。この場合も、「デュエット曲」の文字列や記号などを表示して歌唱者に選曲の判断材料を提供できる。

ここで、フォルマントとは、人間の声や楽器の音などが固有に持っている周波数スペクトル（倍音成分の分布パターン）のことである。このフォルマントは、その音が何の音であるかを区別し、特徴データを抽出するための重要なパラメータであり、声の調子を変えたり、歌う音程を変えたりしても位置が変わらないため、個人の声を特定する際の有益な情報となる。通常、楽器や人の声は３〜５個のフォルマントで認識できる。

一方、ＨＤＤ１２のプログラム格納領域１２ｂに格納されるコンピュータプログラムは、従来周知のカラオケデータ再生用のプログラムやメインプログラムを除き、本発明に関連する機能だけを挙げると、絞り込み条件受付部２５、音声入力受付部２６、特徴データ抽出部２７、楽曲検索部２８及び映像処理部２９を備えている。これらの各機能部２５〜３０は、夫々独立したソフトウェア若しくはソフトウェアのサブルーチンなどであり、ＣＰＵ１１やＶＤＰ１７、ＤＳＰ１９によってワークＲＡＭ１３等に呼び出されて実行されることで以下に説明する各機能を実現するものである。

絞り込み条件受付部２５は、歌唱者等から候補曲の絞り込み条件を受け付け、所定の識別コードに変換して前記ＨＤＤ１２に記憶するものである。例えば、後述するように、歌唱者の音域や音量などに基づいて自動選曲された候補曲であっても、歌唱者が歌いたくない楽曲が多数含まれていると、その中から好みの楽曲を選択するのが面倒である。そのため、予め、歌唱者から絞り込み条件を取得しておき、この条件と特徴データの両方を参照して候補曲を検索することで、歌いたい歌であって、声質等もマッチした楽曲を提供することができる。この絞り込み条件はどのようなものでもいいが、詳細な条件の設定を許容すると、結局は従来のリクエストと同様になってしまうか、「該当曲なし」という結果が頻出するおそれがある。そのため、ジャンル（歌謡曲、Ｊ−ＰＯＰ、演歌等）や年代（８０年代後半、歌唱者の小学生時代等）などの比較的広い条件にとどめるか、好まない楽曲の条件（特定のジャンルや歌手など）を入力させるのが好ましい。

音声入力受付部２６は、マイク３から入力され、Ａ／Ｄコンバータ２２でデジタルデータに変換された歌唱者の音声データを受付けて特徴データ抽出部２７に転送するものである。

特徴データ抽出部２７は、歌唱者が選択した楽曲について、音声入力受付部２６から転送された歌唱者の音声データ（歌唱データ）を所定のサンプリング周期（８msecなど）で解析して音域、音量、リズム及びフォルマント情報の各特徴要素における特徴データを抽出すると共に、前記特徴コードテーブル２４を参照してこの特徴データが該当する特徴コードに変換してＨＤＤ１２に順次記録するものである。そして、その楽曲の演奏終了後に、特徴データ抽出部２７がＨＤＤ１２から特徴データを読み出して楽曲検索部２８に転送する。

ここで特徴データを抽出するには抽出対象データの属性や種類によって種々の手法が考えられる。例えば、デジタルデータに変換された歌唱データの特定区間（20msec〜40msec）に時間窓を掛けて周波数分析（フーリエ変換）を行い、この時間窓を16msecずつシフトさせて分析を繰り返す（短時間スペクトル分析）。これにより、歌唱データから音高、音長、基本周波数（pitch）などの特徴データを抽出することができる。各特徴要素毎の具体的な処理は以下のように実行される。

音域については、音高データに基いて歌唱データの音程の最高値及び最低値を抽出してメモリに順次格納（更新）して、演奏終了時の最高値と最低値に基いて前記特徴コードテーブル２４を参照して４桁の音域コード（Ｈ１Ｌ１、ＨＮＬ１等）を付与する。具体的には、抽出された音程をソートして最高音Ｓ１max及び最低音Ｓ１minとを特定し、登録されている最高音Ｓmax及び最低音Ｓminと夫々比較する。抽出された最高音若しくは最低音が高い／低い場合に（Ｓ１max>Ｓmax、Ｓ１min<Ｓmin）、登録された最高音Ｓmax若しくは最低音Ｓminを更新する。

リズムについては、歌唱データに含まれる歌唱者のアクセント位置を特定し、それと楽曲データのガイドメロディとを音素単位で比較して時間差（リズム差）を演算し、この演算結果に基づいて特徴を判別する。例えば、サンプリングデータ中の時間差の平均値を演算し、-101msec以下の場合は「遅れ気味」、-51〜-100msecの場合は「やや遅れ気味」、-50〜+50msecの場合は「普通」、+51〜+100msecの場合は「やや早すぎ」、101msec以上の場合は「早すぎ」、と夫々判別する。このように、特徴データを５段階で判別すると、１３段階のテンポの分類と合致しない。しかし、例えば、「遅れ気味」だからと言ってテンポの遅い楽曲が歌い易いとは限らず、どのテンポの楽曲でもわざと遅れて歌い出すくせがある可能性もある。そのため、上記した５段階の判別結果に基づいて、「遅れ気味」をＴ０１〜Ｔ０４、「やや遅れ気味」をＴ０２〜Ｔ０６、のように、複数のリズムコードを互いに重複させながら付与するのが好ましい。そのため、このリズムによる判別結果は単独で自動選曲の検索キーにするよりも、他の特徴要素を補完する参考情報として利用するのが好ましい。なお、ガイドメロディとの時間差の最高値や中間値を算出したり、ガイドメロディから遅れている／早い音素数をカウントして、これらの値を基準にしてもよい。

音量についても、音域と同様に、歌唱データの音量の最高値を抽出してメモリに順次格納（更新）して、演奏終了時の最高値に基いて前記特徴コードテーブル２４を参照して２桁の音量コード（Ｔ１〜Ｔ５）を付与して楽曲検索部２８に転送する。なお、音量の平均値や中間値を特徴データとしてもよい。この場合は、伴奏データについても、音量の平均値や中間値の特徴コードを記憶しておくのが好ましい。

フォルマント情報については、歌唱データの周波数の倍音成分の分布を解析して、男性の音声モデル及び女性の音声モデルと比較し、その近似値に基づいて声質の性別を判定する。または、一般的に男性の声の周波数は１１０〜１５０Ｈｚ程度、女性の声の周波数は２２０〜２７０Ｈｚ程度と言われているので、歌唱データの基本周波数（pitch）が１８０Ｈｚより大きいか小さいかによって判定してもよい。なお、このフォルマント情報を参照することで、歌唱データや楽曲データから詳細な特徴を抽出することもできるが、本実施形態では、処理の負荷や時間と、解析の精度や必要性等とを考慮して声質の性別のみをグルーピングすることにした。

次に、前記楽曲検索部２８は、歌唱者の歌唱が終了した後に、上記のようにして付与された特徴要素毎の識別コードと、前記絞り込み条件の識別コードとを検索キーとして、ＨＤＤ１２の楽曲ライブラリから歌唱者の歌唱データの特徴に合致する１以上の楽曲を検索するものである。検索された楽曲のコードが映像処理部２９に転送される。

映像処理部２９は、転送された楽曲コードに基づいて、検索された全ての候補曲のタイトルや歌手名、歌い出しの歌詞、楽曲コードなどの情報をＨＤＤ１２から抽出してリスト形式のデータを生成し、次の歌唱候補曲としてディスプレイ装置５に表示させるものである。歌唱者は、リモコンのＵＰ／ＤＯＷＮキーを操作したり、表示された楽曲コードを入力することで歌いたい曲を選択できる。この候補曲リストは、歌唱者が自動選曲を選択する際に入力したＩＤなどに関連付けてＨＤＤ１２に格納される。これにより、歌唱者は、ＩＤを入力すれば１回（曲）の歌唱で検索された候補曲を何曲でも歌うことができる。また、複数の歌唱者が順番に歌う場合にも、過去に検索された各人の候補曲を容易に呼び出すことができる。この候補曲リストは、歌唱者や店員が消去ボタン等を押すまで、若しくは１日などの所定期間が経過するまで保存される。所定期間以上の保存を有料化してもよい。また、候補曲リストをプリントアウトしたり、指定されたメールアドレスに転送してもよい。このような候補曲リストの管理も前記制御ユニットが実行する。

また本実施形態では、検索に用いた１以上の特徴要素や特徴データに関する情報を、検索された楽曲リストと共にディスプレイ装置５に表示させることにしている。例えば、声種はソプラノ、テンポが遅れ気味、高音より低音が延びる、などの情報を表示する。これにより、歌唱者は、自分のくせや声質などを知ることができ、自動選曲機能を備えていないカラオケ装置を利用する際にも、自分の声質等に合った楽曲を自ら選択することができる。

<自動選曲の処理工程>
次に、図２のフローチャートを参照して、本実施形態にかかる自動選曲の処理工程について詳細に説明する。この自動選曲機能は、操作パネル等を通じて歌唱者等から自動選曲のリクエストを受け付けた場合に、ＣＰＵ１１などの制御ユニットによって通常のカラオケ演奏に加えて実行される。以下の説明においては、ＣＰＵ１１、ＶＤＰ１７及びＤＳＰ１９を制御ユニットと総称し、ＨＤＤ１２やワークＲＡＭ１３、ＣＰＵ１１等に内蔵されたメモリなどを記憶手段と総称して説明する。なお、通常のカラオケ演奏と共通する処理の説明は省略若しくは簡略化する。

まず、歌唱者等からカラオケ楽曲の選択と自動選曲のリクエストをＩＤ（文字列や記号等）と共に受け付けると、前記絞り込み条件受付部２５が、楽曲検索の条件の入力を受け付ける（Ｓ１）。受け付けた絞り込み条件は歌唱者のＩＤに関連付けて記憶手段に格納される。

制御ユニットは、リクエストされた楽曲の演奏開始を監視し（Ｓ２）、演奏開始を検出すると（Ｓ２のＹＥＳ）、前記音声入力受付部２６が、マイク３から入力されＡ／Ｄコンバータ２２でサンプリング変換されたデジタル歌声データを取得して特徴データ抽出部２７に転送する（Ｓ３）。特徴データ抽出部２７は、所定のサンプリング周期で歌唱者の歌唱データを解析して特徴要素毎の特徴データを抽出する（Ｓ４）。ここでは、音域、音量、リズム及びフォルマント情報の各特徴要素毎に、特徴データを抽出する（Ｓ４ー１〜Ｓ４ー４）。抽出した特徴データは、特徴コードに変換されて記憶手段に記録される（Ｓ５）。上記したように、最高音や最低音、音量については、夫々１の特徴コードだけを随時更新して記録し、フォルマント情報やリズムなどは所定量の特徴データを蓄積してから平均値等を算出して特徴コードに変換する。Ｓ３〜Ｓ５の工程は、その楽曲の演奏が終了するまで継続して行う（Ｓ６）。

制御ユニットが楽曲の演奏終了を検出すると（Ｓ６のＹＥＳ）、楽曲検索部２８が起動し、記憶手段に格納されたその歌唱者の特徴コードを読み出し、これを検索キーとして記憶手段から１以上の候補曲を検索する（Ｓ７）。特徴コードと楽曲データの属性との関係は前述した通りである。

次いで、検索された楽曲の識別コードが映像処理部２９に転送される（Ｓ８）。映像処理部２９は、転送された楽曲コードに基づいて記憶手段から楽曲のタイトル、歌手名などの属性情報を抽出して候補曲リストの表示画面データを生成し、ディスプレイ装置５に対して出力する（Ｓ９）。これにより、実際の歌唱データに基づくその歌唱者の声質や癖などの特徴を特定できる。また、その特徴に従って候補曲を検索するようにしたので、歌唱者が気付かなかった特徴に基づいて、歌い易い歌やうまく歌える歌などの候補曲を提示できる。

なお、本発明は、上記の実施形態に限定されるものではなく、種々の変更が可能である。

例えば、上記の実施形態では、特徴要素毎に特徴コードを付与（楽曲を分類）するようにしているが、複数の特徴要素から抽出した特徴データに従って特徴コードを付与してもよい。例えば、前記フォルマント情報と音域とを組み合わせて、楽曲を「ソプラノ」「テノール」などの６種類（男女各３種類）の声種のグループに分類してもよい。この声種は、各楽曲に所定の高音若しくは低音が含まれるか及び声質の性別によって容易に分類できる。

また、上記の実施形態では、複数の特徴要素について歌唱データを解析することで、候補曲の合致度（検索精度）を向上させるようにしているが、少なくとも１以上の特徴要素について解析すればよい。特徴要素や特徴データの種別、及びその抽出方法も上記のものに限られない。

図１は、本発明の一実施例のカラオケ装置の概略構成を示す機能ブロック図である。 図２は、同、処理工程を示すフローチャートである。

符号の説明

１…カラオケ装置
２…カラオケ装置本体
３…マイク
４…スピーカ
５…ディスプレイ装置
１１…ＣＰＵ
１２…ＨＤＤ
１２ａ…データ格納領域
１２ｂ…プログラム格納領域
１３…ワークＲＡＭ
１４…ＨＤＤコントローラ
１５…システムバス
１７…ＶＤＰ
１８…ビデオＲＡＭ
１９…ＤＳＰ
２０…音声用ＲＡＭ
２１…Ｄ／Ａコンバータ
２２…Ａ／Ｄコンバータ
２３…ミキシングアンプ
２４…特徴コードテーブル
２５…絞り込み条件受付部
２６…音声入力受付部
２７…特徴データ抽出部
２８…楽曲検索部
２９…映像処理部

Claims (8)

1. カラオケ楽曲データを格納する記憶手段と、歌唱者の音声を入力する音声入力手段と、選択された楽曲のカラオケ演奏及びディスプレイ表示を制御する制御ユニットとを備えたカラオケ装置であって、
   前記制御ユニットは、
   歌唱者が選択した楽曲について、音声入力手段から入力された歌唱者の歌唱データを解析してフォルマント情報及び、音域、音量、リズムの少なくとも１以上の特徴要素を含む１以上の特徴データを抽出する特徴データ抽出手段と、
   抽出された特徴データの特徴要素に基いて、前記記憶手段からその歌唱者の特徴に合致する１以上の楽曲を検索する楽曲検索手段と、
   検索された楽曲の情報を次の歌唱候補曲としてディスプレイ装置に表示させる映像処理手段と
   を備え、
   前記記憶手段は、特定の楽曲について、そのヴォーカルの声質が男性的か女性的かによって何れかの性別コードを付与し、かつデュエット曲には両方の性別コード若しくはデュエット曲を示すフラグを設定して記憶しており、
   前記特徴データ抽出手段は、特徴要素として歌唱データのフォルマント情報を含む特徴データを抽出し、このフォルマント情報に基づいてその歌唱者の声質が男性的か女性的かを判別するものであり、
   前記楽曲検索手段は、判別結果と前記楽曲に付与された性別コード若しくは前記フラグに従って、前記記憶手段から男性向きの楽曲、女性向きの楽曲、デュエット曲を検索するものであり、
   前記映像処理手段は、次の歌唱候補曲としてデュエット曲を表示する場合には、前記性別コード若しくはフラグに基づいてその楽曲がデュエット曲であることを示す表示を表示させるものである
   ことを特徴とするカラオケ装置。
2. 請求項１の装置において、
   前記記憶手段は、前記１以上の特徴要素について、複数段階のレベル及び／若しくは複数の属性で分類した複数のグループの識別コードを記述した識別コードテーブルを備えると共に、この１以上の特徴要素について各楽曲のグループの識別コードを記憶するものであり、
   前記特徴データ抽出手段は、１以上の特徴要素について抽出した特徴データを前記識別コードテーブルを参照して該当する識別コードに変換するものであり、
   前記楽曲検索手段は、変換された特徴データの識別コードを検索キーとして前記記憶手段から１以上の楽曲を検索するものである
   ことを特徴とするカラオケ装置。
3. 請求項１の装置において、
   前記特徴データ抽出手段は、所定のサンプリング周期で歌唱データの特徴要素における特徴データを抽出して前記記憶手段に順次記録するものであり、
   前記楽曲検索手段は、歌唱者の歌唱が終了した後に、記録された複数の特徴データの平均値、中間値、最大値若しくは最小値の少なくとも何れかを算出し、この算出値に基いて合致する楽曲を検索するものである
   ことを特徴とするカラオケ装置。
4. 請求項１の装置において、
   前記特徴データ抽出手段は、歌唱データの音域の最高値及び最低値を抽出して歌唱データの音域を演算するものであり、
   前記検索手段は、演算された歌唱データの音域の最高値及び／若しくは最低値と、各楽曲データの音域の最高値及び／若しくは最低値とを比較し、音域の最高値が歌唱データよりも低い楽曲、及び／若しくは音域の最低値が歌唱データよりも高い楽曲を検索するものである
   ことを特徴とするカラオケ装置。
5. 請求項１の装置において、
   前記特徴データ抽出手段は、特徴要素として歌唱データの音量を抽出するものであり、
   前記検索手段は、抽出された歌唱データの音量の最高値と各楽曲データの伴奏データの音量の最高値とを比較し、伴奏データの最高値が歌唱データの最高値よりも小さい楽曲を検索するものである
   ことを特徴とするカラオケ装置。
6. 請求項１の装置において、
   前記特徴データ抽出手段は、特徴要素として、歌唱データに含まれる歌唱者のアクセント位置を特定し、楽曲データのガイドメロディに対する時間差（リズム）を演算すると共に、この楽曲のリズムの情報を楽曲検索手段に転送するものであり、
   前記楽曲検索手段は、抽出された歌唱データのリズムが楽曲データのリズムよりも所定時間以上遅れている場合には、歌唱された楽曲よりもリズムが遅い楽曲を検索し、歌唱データのリズムが所定時間以上早い場合には、歌唱された楽曲よりもリズムが早い楽曲を検索するものである
   ことを特徴とするカラオケ装置。
7. 請求項１の装置において、
   前記特徴データ抽出手段は、複数の特徴要素における特徴データを抽出するものであり、
   前記楽曲検索手段は、抽出された複数の特徴要素における特徴データに基いて、歌唱者の特徴に合致する楽曲を検索するものであり、
   前記映像処理手段は、１以上の特徴要素及び／若しくは特徴データに関する情報を前記検索された楽曲と共にディスプレイ装置に表示させるものである
   ことを特徴とするカラオケ装置。
8. 請求項１の装置において、
   前記制御ユニットは、さらに、歌唱者等から候補曲の絞り込み条件を受け付けて前記記憶手段に記憶する絞り込み条件受付手段を備え、
   前記楽曲検索手段は、抽出された特徴データ及び前記絞り込み条件に基いて、前記記憶手段からその歌唱者の特徴に合致する１以上の楽曲を検索するものである
   ことを特徴とするカラオケ装置。
   

Images