JP4934990B2 - 音声信号記録再生装置 - Google Patents

Description

本発明は音声信号記録再生装置、特に入力音声信号の無音部を検出して分割する装置に関する。

従来より、入力音声信号の無音部を検出して複数のファイルに分割し、記憶媒体に記憶する技術が知られている。例えば、下記に示す特許文献１には、音声信号のレベルを予め決めたレベルと比較することで音声信号の無音部を判別し、無音部で音声信号を複数の通話ファイルに分割してデータ記録部に記録することが開示されている。

また、特許文献２には、音声データの始端や終端を自動的に検出し、フェードイン処理またはフェードアウト処理を施す技術が開示されている。

特開２００１−２８５４６１号公報 特開２００１−２２８８８７号公報

しかしながら、単に入力音声信号の無音部を検出し、検出した無音部で複数のファイルに分割する構成では、例えばニュース番組において、本来であれば一連のニュース記事としてまとまりがあるにもかかわらず、その途中で無音部が存在するために分割記録してしまう等の問題があった。無音部か否かは、無音状態が一定時間継続するか否かに基づき判定できるが、例え一定時間継続する無音部であってもコンテクストから異なるファイルに分割すべきでない場合も存在し得るものであり、このような場合に分割してしまうとファイル再生中に途中で音声で途切れる、あるいはファイル選択時にセンテンスの途中から開示される等の問題が生じ、ユーザが別途、ファイルを編集ないし加工する必要が生じてしまう。

さらに、各ファイルを再生する際にその先頭をフェードイン処理して再生する場合、音楽データを記録するファイルであれば問題ないが、ニュース記事等においてはフェードイン処理により先頭の音声が聞き取りにくくなる問題が生じる。

本発明の目的は、入力音声信号を自動的に複数のファイルに分割して再生時におけるユーザの便宜、すなわちランダムアクセスを可能とし、また、フェードイン処理が行われても音声信号が途切れることなく再生できる装置を提供することにある。

本発明は、入力音声信号の無音部を検出する無音検出手段と、前記無音部が第１の一定時間以上継続しているか否かを判定する第１判定手段と、前記無音部が第１の一定時間以上継続していると判定された場合に、前記無音部の直前の音声部が第２の一定時間以上継続しているか否かを判定する第２判定手段と、前記音声部が第２の一定時間以上継続していると判定された場合に、前記入力音声信号を前記無音部でファイルに分割して記憶媒体に記憶する分割手段と、ユーザ操作可能な操作手段と、前記操作手段からの操作信号に応じ、前記記憶媒体に記憶された入力音声信号を前記ファイル単位で再生する再生手段と を有し、前記第２判定手段は、前記入力音声信号に、順次、第１音声部、第１無音部、第２音声部、第２無音部が含まれている場合に、前記第２無音部の直前の音声部として、前記分割手段により分割されていない無音部として前記第１無音部が存在する場合に前記第１無音部が存在しないとした場合の前記第１音声部と前記第２音声部を合わせたトータルの音声部を判定対象とすることを特徴とする。

本発明では、単に無音部を検出してファイルに分割するのではなく、無音部が一定時間以上継続して存在するか、及び、無音部の直前の音声部が一定時間以上継続して存在するか、に応じて入力音声信号をファイルに分割して記憶媒体に記憶する。すなわち、無音部が一定時間以上継続し、かつ、その直前の音声部が一定時間以上継続して存在する場合にファイルに分割することで、簡易な構成でセンテンス途中でのファイル分割を抑制できる。

本発明において、分割された各ファイルの先頭に所定時間継続する無音データあるいは音声インデックスデータを付加することで、ファイル再生時のフェードイン処理を行っても本来の音声データへの影響を抑制できる。

本発明によれば、入力音声信号を自動的に複数のファイルに分割して再生時におけるユーザの便宜、すなわちランダムアクセスを可能とできる。また、フェードイン処理が行われても音声信号が途切れることなく再生することができる。

以下、図面に基づき本発明の実施形態について、ラジオ受信機を例にとり説明する。

図１に、本実施形態に係る音声信号記録再生装置の構成ブロック図を示す。本実施形態においては、音声信号記録再生装置は、ＡＭ／ＦＭチューナを内蔵するラジオ受信機として機能する。

ＡＭ／ＦＭチューナ１０は、ＡＭあるいはＦＭラジオ放送を受信し、受信した音声信号を音声信号レベル比較部１２および音声処理部１４に出力する。

音声信号レベル比較部１２は、ＡＭ／ＦＭチューナ１０からの入力音声信号を所定のレベルと比較し、比較結果を制御部１６に出力する。本実施形態において、音声信号レベル比較部１２にて入力音声信号のレベルが所定のレベル以上である場合に音声部、所定のレベルより小さい場合に無音部と判定する。音声信号レベル比較部１２は、入力音声信号のレベルが所定のレベルより小さい場合にのみその旨の信号あるいはフラグを制御部１６に出力してもよい。入力音声信号レベルが所定のレベル以上である場合に特定の信号あるいはフラグを出力してもよい。

音声処理部１４は、入力音声信号をデジタル信号に変換し、さらにＷＡＶやＭＰ３などの音声データフォーマットで圧縮して制御部１６に出力する。また、音声処理部１４は、制御部１６から供給される音声信号、具体的には後述する記憶媒体２２から読み出された音声信号を伸長して音声出力部２４に出力し音声信号として再生する。

制御部１６は、音声信号レベル比較部１２からの比較結果と音声処理部１４からの圧縮デジタル音声データとを入力し、音声信号レベル比較部１２における比較結果に応じて圧縮音声データを記録再生制御部２０を介して記憶媒体２２に記憶する。制御部１６は、入力音声信号の無音部を検出し、この無音部が一定時間Ｔ０以上継続しているか否かを判定する。無音部が一定時間Ｔ０以上継続している場合に、ファイル単位に分割し得る有意の無音部が存在すると判定し、入力音声信号をファイルに分割して記憶媒体２２に記憶する。但し、制御部１６は、たとえ無音部が一定時間Ｔ０以上継続している場合であっても、当該無音部の直前に存在する音声部の継続時間が一定時間Ｔ１以上継続していない場合にはファイル分割処理を実行しない。したがって、この場合には当該無音部、直前の音声部、直後の音声部を含めて一つのファイルとしてまとまって記憶される。すなわち、制御部１６は、無音部が一定時間以上継続して存在するか否かの判定、及び無音部の直前に一定時間以上継続して存在する音声部が存在するか否かの判定の２つの判定を実行し、これら２つの判定結果に応じてファイル分割の可否を決定する。

記憶媒体２２は、ＵＳＢメモリやフラッシュメモリ等の公知の半導体メモリで構成され、制御部１６にて複数のファイルに分割された入力音声信号をファイル単位で記憶する。記憶フォーマットも公知であり、例えばファイル管理部とデータ記憶部とを有し、ファイル管理部に分割された各ファイルの識別データＩＤやファイル属性等が記憶され、データ記憶部にファイル毎に分割された入力音声データが記憶される。

操作部１８は、ユーザ操作可能な操作部であり、タッチスイッチや操作ボタン、操作レバー等、任意の形態を含む。ユーザは、操作部１８を操作することにより、所望のファイルの再生指示を入力する。制御部１６は操作部１８からの操作信号に応じ、記憶媒体２２から該当ファイルを読み出して音声処理部１４に供給する。音声処理部１４は、該当ファイルを伸長して音声出力部２４に出力する。ハードディスクやフラッシュメモリを内蔵し、ネットワークあるいはＣＤなどの可搬媒体から入力した音声データを記憶し、ユーザの操作に応じて音楽データを再生出力するオーディオプレイヤが知られている。これらのオーディオプレイヤにおいては、ユーザは再生ボタンを操作することにより音楽データを再生でき、早送りボタンあるいは後戻しボタンを操作することにより次の曲あるいは直前の曲の頭出しを行うことができる。本実施形態においては、ＡＭ／ＦＭラジオにおけるニュース番組や語学番組がその無音部で自動的に分割されて複数のファイルとして記憶媒体２２に記憶される。例えば、ニュース番組の場合、アナウンサは複数の記事を読み上げる際、各記事の間に所定の間をおいて読み上げる。したがって、本実施形態において、ニュース番組の各記事ごとにファイルに自動分割されて記憶媒体２２に記憶されることとなり、ユーザはオーディオプレイヤにおける早送りボタンや後戻りボタンの操作により、任意の曲の頭出しを行うのと同様の操作により、順次、所望のニュース記事を再生することが可能となる。

図２に、本実施形態における入力音声信号のファイル分割の概念構成が示されている。図２（ａ）に示すように、入力音声信号が音声部（有音部）と無音部から構成されるものとする。音声部１００に続き無音部１０２が存在し、無音部１０２が一定時間Ｔ０以上継続して存在する場合には、図２（ｂ）に示すように、この無音部１０２で音声部１００が一つのファイルとして分割され記憶媒体２２に記憶される。すなわち、音声部１００と、無音部１０２のうち一定時間Ｔ０分の無音データとが一つのファイル１に分割されて記憶される。ファイル１の終端に存在する無音部１０２の一部を除去して記憶媒体２２に記憶してもよい。無音部１０２に続き、音声部１０４及び無音部１０６が存在する場合、同様に無音部１０６が一定時間Ｔ０以上継続する場合に音声部１０４が別のファイルとして分割され記憶媒体２２に記憶される。図２（ｂ）において、音声部１００を含むファイルをファイル１、音声部１０４を含むファイルをファイル２として示している。各ファイルの識別データＩＤとして機能するインデックスナンバーは、音声部を新たに検出するたびにカウンタをインクリメントして得られる。

無音部１０６に続き、音声部１０８及び無音部１１０が存在し、無音部１１０も一定時間Ｔ０以上継続しているが、無音部１１０の直前の音声部１０８が一定時間Ｔ１以上継続していない場合には、無音部１１０は有意の無音部ではないと判定し、ファイル分割は行わない。無音部１１０に続き音声部１１２及び無音部１１４が存在し、無音部１１４が一定時間Ｔ０以上継続し、かつ、無音部１１４直前のトータルの音声部（この場合には音声部１０８と音声部１１２とを合わせた区間）が一定時間Ｔ１以上である場合にファイルを分割してファイル３とする。無音部１１０にてファイルを分割すると、音声部１０８を含むファイルが形成されるが、ニュース記事において音声部１０８が短すぎ、意味のあるフレーズあるいはセンテンスとして成立しないおそれがあるが、このように音声部の継続時間、あるいは分割されるファイルの最小単位を確保することで、意味のあるファイルに分割することが可能である。音声部の最小継続時間Ｔ１はユーザが操作部１８から入力して制御部１６のメモリに記憶させる他、予め制御部１６のメモリにデフォルト値として記憶していてもよい。最小継続時間Ｔ１は例えば３０秒である。無音部の有意を判定するための一定時間Ｔ０は例えば２秒に設定される。

図３に、本実施形態におけるファイル分割の処理フローチャートを示す。まず、入力音声信号レベルが所定レベル以上であるか否かを判定する（Ｓ１０１）。所定レベルは、音声信号記録再生装置のメモリに予めデフォルト値として記憶してもよく、あるいはユーザが操作部１８を介して設定可能としてもよい。ＦＭ放送のニュース番組等においては、音声のニュース記事の背景にＢＧＭが存在する場合もある。所定レベルが低く設定されている場合、ＢＧＭの存在によりニュース記事を複数のファイルに分割できないおそれがあるが、このような場合にはユーザがＢＧＭのレベルに応じた所定レベルを設定することで、ＢＧＭの存在にかかわらず無音部を検出してニュース記事をファイルに分割することができる。ラジオ局毎、あるいはラジオ番組毎の所定レベルを制御部１６のメモリに記憶しておき、記憶媒体２２に記憶すべきラジオ局あるいはラジオ番組に対応する所定レベルをメモリから読み出して設定してもよい。

音声信号レベルが所定レベルより小さいとして無音部が検出された場合、検出した無音部が一定時間Ｔ０以上継続して存在するか否かを判定する（Ｓ１０２）。無音部が一定時間Ｔ０以上継続しない場合には、ファイル分割するのに適当でないとして分割処理を行わない。一方、無音部が一定時間Ｔ０以上継続する場合には、さらに、この無音部の直前の音声部（分割されていないトータルの音声部）が一定時間Ｔ１以上継続しているか否かを判定する（Ｓ１０３）。この判定は、例えば音声部の始端と同時にタイマをスタートさせ、Ｓ１０１にて音声信号レベルが所定レベルより小さいと検出された時点でタイマをストップさせて得られる時間をＴ１と大小比較すればよい。無音部が一定時間Ｔ０以上継続していても、その直前の音声部が一定時間Ｔ１以上継続していない場合には、ファイル分割を行わない。直前の音声部が一定時間Ｔ１以上継続している場合のみ、Ｓ１０１で検出された無音部でファイル分割する（Ｓ１０４）。Ｓ１０４の処理は、分割されるべきファイルの最小時間あるいは最小データ長を確保する処理ということもできる。ファイル分割時には、ファイルカウンタのカウンタ値を１だけインクリメントし（Ｓ１０５）、記憶媒体２２のファイル管理部に登録する。

以上のようにして、入力音声信号が複数のファイルに自動分割されて記憶媒体２２に記憶される。例えばニュース番組において、１０個のニュース記事が読み上げられた場合、合計１０個のファイルが分割して記憶される。各ファイルにはインデックスナンバが付加されており、ユーザは操作部１８を操作することで、任意のファイルをランダムに再生出力することができる。

なお、音声信号記録再生装置が音楽データを再生する機能を有し、従来技術のようにそれぞれの曲の先頭部をフェードイン処理して再生する機能を有する場合、ニュース記事ファイルの先頭部がフェードイン処理により途切れてしまい音声が聞き取りにくい事態が生じ得る。

そこで、図４に示すように、制御部１６は、入力音声信号を無音部で複数のファイルに自動分割するとともに、分割された各ファイルの先頭に所定時間継続する無音データを強制的に付加して記憶媒体２２に記憶してもよい。図４（ｂ）において、図２と同様に入力音声信号が複数のファイル１，２，３に分割され、その後、ファイル１に無音データ２００が付加され、ファイル２に無音データ２０２が付加され、ファイル３に無音データ２０４が付加される。各ファイル１〜３の先頭に強制的に所定時間継続する無音データを付加することで、図５に示すように、各ファイルの先頭を出力０％から出力１００％まで順次出力を増大させるフェードイン処理を実行しても、各ファイルの先頭に強制的に付加された無音データ部分においてフェードイン処理が完了する結果、本来の音声部ではフェードイン処理されず、出力１００パーセントの状態から再生出力される。したがって、フェードイン処理されていても、本来の音声が途切れることなく再生される。無音データ２００、２０２、２０４の継続時間あるいはデータ長は、フェードイン処理に要する時間と略同一に設定される。

図４においては、自動分割された各ファイル１、２、３の先頭に無音データ２００、２０２、２０４を付加しているが、無音データではなく他のデータ（ダミーデータを含む）を付加してフェードイン処理による音切れを抑制することも可能である。

例えば、図６に示すように、自動分割した各ファイルの先頭に音声のインデックスデータを付加してもよい。この音声インデックスデータは、図３のＳ１０５の処理で設定された各ファイルの識別データＩＤを音声データとして付加したものである。図６（ｂ）においては、「インデックス１」なる音声データが付加されている。音声インデックスデータが付加されたファイルを再生すると、「インデックス１」なる音声に続き本来の音声データが再生される。音声インデックス部ではフェードイン処理が施される結果、「インデックス１」の部分がフェードインで再生され、本来の音声部がそれに引き続いて音声出力される。以上の処理により、ファイルの先頭がフェードイン処理される装置構成においても、先頭音声が聞き取りにくくなる事態を確実に解消できる。

本実施形態において、記憶媒体２２としてＵＳＢフラッシュオーディオプレ−ヤを用いることもできる。この場合、図１において制御部１６とＵＳＢフラッシュオーディオプレーヤはＵＳＢ端子を介して接続される。ＵＳＢフラッシュオーディオプレーヤは各種の製品が市販されているが、早送り再生／巻き戻し再生機能がなく、前曲／次曲への送り／戻しボタンしかない場合が多い。このようなＵＳＢフラッシュオーディオプレーヤであっても、本実施形態ではラジオ番組のコンテンツを自動的にファイルに分割してＵＳＢフラッシュオーディオプレーヤにダウンロードできるので、擬似的な早送り／巻き戻し再生できる利点がある。

実施形態に係る音声信号記録再生装置の構成ブロック図である。 実施形態における入力音声信号のファイル分割説明図である。 実施形態のファイル分割処理フローチャートである。 他の実施形態におけるファイル分割説明図である。 無音部分におけるフェードイン処理説明図である。 音声インデックス部分におけるフェードイン説明図である。

符号の説明

１０ ＡＭ／ＦＭチューナ、１２ 音声信号レベル比較部、１４ 音声処理部、１６ 制御部、１８ 操作部、２０ 記録再生制御部、２２ 記憶媒体、２４ 音声出力部。

Claims (4)

1. 入力音声信号の無音部を検出する無音検出手段と、
   前記無音部が第１の一定時間以上継続しているか否かを判定する第１判定手段と、
   前記無音部が第１の一定時間以上継続していると判定された場合に、前記無音部の直前の音声部が第２の一定時間以上継続しているか否かを判定する第２判定手段と、
   前記音声部が第２の一定時間以上継続していると判定された場合に、前記入力音声信号を前記無音部でファイルに分割して記憶媒体に記憶する分割手段と、
   ユーザ操作可能な操作手段と、
   前記操作手段からの操作信号に応じ、前記記憶媒体に記憶された入力音声信号を前記ファイル単位で再生する再生手段と、
   を有し、
   前記第２判定手段は、前記入力音声信号に、順次、第１音声部、第１無音部、第２音声部、第２無音部が含まれている場合に、前記第２無音部の直前の音声部として、前記分割手段により分割されていない無音部として前記第１無音部が存在する場合に前記第１無音部が存在しないとした場合の前記第１音声部と前記第２音声部を合わせたトータルの音声部を判定対象とすることを特徴とする音声信号記録再生装置。
2. 請求項１記載の装置において、
   前記分割手段は、前記ファイルの先頭に所定時間継続する無音データを付加して前記記憶媒体に記憶することを特徴とする音声信号記録再生装置。
3. 請求項１記載の装置において、
   前記分割手段は、前記ファイルの先頭に所定時間継続する音声インデックスデータを付加して前記記憶媒体に記憶することを特徴とする音声信号記録再生装置。
4. 請求項２、３のいずれかに記載の装置において、
   前記所定時間は、前記再生手段で前記ファイルを再生する際のフェードイン時間と略同一時間に設定されることを特徴とする音声信号記録再生装置。

Images