JP5034599B2 - 楽曲紹介文生成装置、ナレーション付加装置およびプログラム - Google Patents

Description

本発明は、文章の自動生成技術に関し、特に、ライナーノーツやナレーションの元になる楽曲紹介文を自動生成する技術に関する。

例えば音楽ＣＤやレコードなどには、収録楽曲の特徴が記されたライナーノーツと呼ばれる紹介文を印刷した冊子が同封されている。また、テレビやラジオなどで楽曲を放送する際には、楽曲の前奏区間や間奏区間、後奏区間などその楽曲を鑑賞する際の妨げとならない区間でナレーションによりその楽曲の特徴などを紹介する場合がある。このため、楽曲演奏や歌唱を趣味としている人々のなかには、自身の演奏や歌唱についてのライナーノーツやナレーションの作成を望んでいる者もいる。しかし、楽曲の特徴を的確に表現したライナーノーツやナレーションを作成するには、音楽についての幅広い専門知識が必要であり、そのような専門知識を有する音楽評論家等にその作成を依頼したならば、多額の費用が必要になる。趣味で楽曲演奏等を行っている人々にとっては、このような費用負担は難しいため、これらの人々が自己の演奏曲等についてライナーノーツ等を作成することは困難であった。そこで、このような問題点を解決するための技術が従来より種々提案されており、その一例としては、特許文献１に開示された技術が挙げられる。

特許文献１には、リクエストした曲の演奏開始時に曲の種類に適したナレーションを付加して再生するカラオケシステムが開示されている。より詳細に説明すると、このカラオケシステムには、楽曲データ記憶装置、ナレーションデータ記憶装置、および、カラオケシステム全体の制御を掌るホストシステムが含まれている。楽曲データ記憶装置は、予め複数の楽曲の楽曲データの各々にその楽曲の演奏内容を示す識別情報を付加して格納しており、ナレーションデータ記憶装置は、複数種類の演奏内容の各々に対応付けてその演奏内容に応じたナレーションを示すナレーションデータを格納している。そして、上記ホストシステムは、リクエストされた楽曲の楽曲データを楽曲データ記憶装置から読み出して再生する一方、その再生開始時にその楽曲の演奏内容に応じたナレーションデータをナレーションデータ記憶装置から読み出して再生する。
特開平１１−１６７３８８号公報

特許文献１に開示された技術によれば、カラオケ曲を歌唱する際にそのカラオケ曲に適したナレーションを付加することが可能になるのであるが、例えばユーザが作詞や作曲をしたオリジナル楽曲については、ナレーションを付加することはできない。また、ユーザ自らが作成したのではない既存の楽曲であっても、その楽曲についてのナレーションデータが予め用意されてなければ、やはり、ナレーションが付加されることはない。つまり、特許文献１に開示された技術では、任意の楽曲についてその楽曲の演奏内容を反映したナレーションを付加することはできないのである。

本発明は、上記課題に鑑みて為されたものであり、任意の楽曲について、人手を掛けることなく、その演奏内容を反映したライナーノーツの生成やナレーションの付与を可能にする技術を提供することを目的としている。

上記課題を解決するために、本発明は、予め定められた複数種類の音響特性の各々を示す特性値から１つの楽曲紹介文を生成または特定するためのデータが格納された楽曲紹介文データベースと、楽曲データが入力される入力手段と、前記入力手段により受け取った楽曲データを解析し、前記複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、前記特徴特定手段により特定される各特性値と前記楽曲紹介文データベースの格納内容とから、前記入力手段により受け取った楽曲データで表される楽曲についての紹介文を表す紹介文データを取得して出力する取得手段とを有することを特徴とする楽曲紹介文生成装置、を提供する。

より好ましい態様においては、前記楽曲紹介文生成装置が有する楽曲紹介文データベースの格納内容は、楽曲のジャンル毎に分類されており、前記取得手段は、前記入力手段により受け取った楽曲データの表す楽曲の属するジャンルを示すジャンル識別子であって、外部から入力されるジャンル識別子の示すジャンル、または前記特徴特定手段により特定される各特性値から特定される楽曲のジャンルに対応付けて前記楽曲紹介文データベースに格納されているデータを参照して、前記入力手段により受け取った楽曲データの表す楽曲についての紹介文データを取得することを特徴とする。

また、上記課題を解決するために、本発明は、楽曲データが入力される入力手段と、前記入力手段により受け取った楽曲データを解析し、その楽曲データの表す楽曲の前奏区間、間奏区間または後奏区間を特定する区間特定手段と、前記入力手段により受け取った楽曲データの表す楽曲の特徴を反映した紹介文を表す文章データを取得する取得手段と、前記取得手段により取得された文章データの表す紹介文の読み上げ音声であるナレーションの音声データをその文章データから合成する音声合成手段と、前記音声合成手段により合成された音声データの表す音声が前記特定手段により特定された区間に重畳されるように前記音声データと前記楽曲データとを合成して出力する合成手段とを有することを特徴とするナレーション付加装置、を提供する。

より好ましい態様においては、前記ナレーション付加装置は、予め定められた複数種類の音響特性の各々を示す特性値から１つの楽曲紹介文を生成または特定するためのデータが格納された楽曲紹介文データベースと、前記入力手段により受け取った楽曲データを解析し、前記複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、を備え、前記取得手段は、前記特徴特定手段により特定される各特性値と前記楽曲紹介文データベースの格納内容とから、前記楽曲データで表される楽曲についての紹介文を表す紹介文データを取得することを特徴とする。

また、上記課題を解決するために、本発明、コンピュータ装置を、前記コンピュータ装置へ入力された楽曲データを解析し、予め定められた複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、前記複数種類の音響特性の各々を示す特性値から１つの楽曲紹介文を生成または特定するためのデータが格納された楽曲紹介文データベースの格納内容と前記特徴特定手段により特定される各特性値とから、前記楽曲データで表される楽曲についての紹介文を表す紹介文データを取得して出力する取得手段として機能させることを特徴とするプログラム、を提供する。

また、上記課題を解決するために、本発明は、コンピュータ装置を、前記コンピュータ装置に入力された楽曲データを解析し、その楽曲データの表す楽曲の前奏区間、間奏区間または後奏区間を特定する区間特定手段と、前記楽曲データの表す楽曲の特徴を反映した紹介文を表す文章データを取得する取得手段と、前記取得手段により取得された文章データの表す紹介文の読み上げ音声であるナレーションの音声データをその文章データから合成する音声合成手段と、前記音声合成手段により合成された音声データの表す音声が前記特定手段により特定された区間に重畳されるように前記音声データと前記楽曲データとを合成して出力する合成手段として機能させることを特徴とするプログラム、を提供する。

本発明によれば、任意の楽曲について、人手を掛けることなく、その演奏内容を反映したライナーノーツの生成やナレーションの付与が可能になる、といった効果を奏する。

以下図面を参照しつつ本発明を実施する際の最良の形態について説明する。
（Ａ：第１実施形態）
（Ａ−１：構成）
図１は、本発明に係る楽曲紹介文生成装置の第１実施形態に係るライナーノーツ生成装置１０の構成例を示す図である。このライナーノーツ生成装置１０は、インターネットなどの通信網（図示省略）に接続されているコンピュータ装置であり、楽曲データやその楽曲データの表す楽曲のライナーノーツを表す紹介文データをデジタルコンテンツとして配信するコンテンツサーバとして機能する。なお、以下では、上記楽曲データとして、楽曲のオーディオ波形を所定のサンプリング間隔でサンプリングし、Ａ／Ｄ変換を施して得られる時系列サンプリングデータを用いる場合について説明するが、時系列サンプリングデータに更に符号圧縮を施して得られるデータを用いても勿論良い。図１に示すように、ライナーノーツ生成装置１０は、制御部１１０、通信インタフェース（以下、「ＩＦ」）部１２０、外部機器ＩＦ部１３０、揮発性記憶部１４０、不揮発性記憶部１５０、および、これら構成要素間のデータ授受を仲介するバス１６０を有している。

制御部１１０は、例えばＣＰＵ（Central Processing Unit）である。制御部１１０は、不揮発性記憶部１５０に記憶されている各種プログラムにしたがって作動することにより、ライナーノーツ生成装置１０の制御中枢として機能する。この制御部１１０が実行する処理については後に明らかにする。

通信ＩＦ部１２０は、例えばＮＩＣ（Network Interface Card）であり、前述した通信網に接続されている。通信ＩＦ部１２０は、例えばＨＴＴＰなどの所定の通信プロトコルにしたがって送信されている通信メッセージ（例えば、デジタルコンテンツの配信を要求する旨の要求メッセージ：以下、コンテンツ配信要求メッセージ）を受信して制御部１１０に引き渡す一方、制御部１１０から引き渡される通信メッセージ（例えば、デジタルコンテンツとその宛先とが書き込まれた通信メッセージ：以下、コンテンツ配信メッセージ）を上記通信網を介してその宛先へと送信する。

外部機器ＩＦ部１３０は、例えばＵＳＢ（Universal Serial Bus）インタフェースであり、ＵＳＢメモリなどの記録媒体やＣＤ−ＲＯＭ（Compact Disk Read Only Memory）ドライブなどの記録媒体読み取り装置を接続し、データの授受を行うためのものである。この外部機器ＩＦ部１３０は、ライナーノーツ生成装置１０に新たな楽曲データを記憶させる際に、その楽曲データをライナーノーツ生成装置１０に入力するための入力手段の役割を担う。具体的には、楽曲データが書き込まれたＵＳＢメモリなどの記録媒体が外部機器ＩＦ部１３０に接続されると、制御部１１０は、外部機器ＩＦ部１３０を介してその記録媒体から楽曲データを読み出し、所定の処理を施した後に不揮発性記憶部１５０内の所定領域に書き込むことにより、新たなデジタルコンテンツの登録を行う。なお、外部機器ＩＦ部１３０にＣＤ−ＲＯＭドライブなどの記録媒体読み取り装置が接続される場合には、その記録媒体読み取り装置にセットされた記録媒体から新たな楽曲データを読み出して不揮発性記憶部１５０に書き込む処理を制御部１１０に実行させれば良い。

揮発性記憶部１４０は、例えばＲＡＭ（Random Access Memory）であり各種プログラムを実行する際にワークエリアとして利用される。一方、不揮発性記憶部１５０は、ハードディスクであり、各種データや各種プログラムを格納しておくためのものである。図１に示すように、不揮発性記憶部１５０には、楽曲データベース１５１および楽曲紹介文データベース１５２の各種データベースと、ＯＳプログラム１５３、コンテンツ配信プログラム１５４、およびコンテンツ登録プログラム１５５の各種プログラムが格納されている。

楽曲データベース１５１には、複数の楽曲の各々を一意に識別する楽曲識別子（例えば、楽曲の名称を表す文字列データ）に対応付けて、その楽曲識別子で識別される楽曲のオーディオ波形を示す楽曲データとその楽曲の特徴を紹介した文章（所謂ライナーノーツ）を表すテキストデータである紹介文データとが格納されている。本実施形態では、これら楽曲データや紹介文データが前述したデジタルコンテンツとして取り扱われるのである。なお、本実施形態では、紹介文を構成する各文字の文字コードをその記載順に配列してなるテキストデータを上記紹介文データとして用いる場合について説明するが、例えばＰＤＦ形式などテキストデータとの相互変換が可能な他のデータ形式を用いても良いことは勿論である。

楽曲紹介文データベース１５２は、外部機器ＩＦ部１３０を介して入力される楽曲データでオーディオ波形が表される楽曲（以下、「処理対象の楽曲」と呼ぶ）についての紹介文データをその楽曲データから生成する処理の実行過程で参照されるデータベースである。この楽曲紹介文データベース１５２は、図２に示すように、処理対象の楽曲の楽曲データを解析することにより特定されるその楽曲の音響特性を示す特性値とその楽曲の属するジャンルを示すジャンル識別子とからその楽曲の紹介文を一意に特定するためのデータベースであり、その実施態様としては種種の態様が考えられるが、その一例を挙げると以下の通りである。

（ａ）第１に、上記複数種類の音響特性の各々を示す特性値に対応付けて、それら特性値で示される音響特性を有する楽曲の特徴を表現するに好適な紹介文を表す紹介文データが格納されて紹介文テーブルを楽曲のジャンル毎に設けて楽曲紹介文データベース１５２を構成する態様が挙げられる。なお、上記特性値としては、音の総パワー（音量）を示す“Audio Energy”、音の明るさや軽／重の度合いを示す“Spectral
Centroid”、音のパワフルさの度合いを示す“Spectral Tilt”、目一杯音が鳴っている感じなど音のハリ具合を示す“Spectral Flatness dB”、音のキラキラ感の度合いを示す“High
Frequency Content”、音のスペクトルの概形を数個の数値で特徴づける“MFCC”、音の総パワーに対する各周波数帯域のパワーの割合である“Energy Band Ratio”や“Bark Energy Band”、ハーモニーや和声、コード感、キーなどを示す基本となる“HPCP”などを用いるようにすれば良い。

図３は、上記音響特性として、楽曲の音量を示す特徴量（例えば、“Audio Energy”）と、楽曲のメロディが流麗であるのかそれとも歯切れ良いものであるかを示す特徴量（例えば、“HPCP”）を採用した場合のクラッシク曲についての紹介文テーブルの格納内容（図３（ａ））とポップスについての紹介文テーブルの格納内容（図３（ｂ））の一例を示す図である。このように、楽曲のジャンル毎に上記紹介文テーブルを設ける理由は、同一の特性値の組で音響特性が表される楽曲であっても、楽曲の属するジャンルが異なればその楽曲の特徴を表現するに好適な紹介文のスタイル（文体）やその紹介文で用いられるべき用語や表現が異なり得るからである。なお、図３では、紹介文データに対応付ける音響特性として楽曲のジャンルによらずに共通の音響特性（図３では、音量とメロディ感を）を採用する場合について説明したが、楽曲のジャンル毎に異なる音響特性を採用するとしても勿論良い。

（ｂ）楽曲紹介文データベース１５２の第２の実施態様としては、上記複数種類の音響特性の各々を示す特性値を形容詞などのキーワードに変換するキーワードテーブルを楽曲のジャンル毎に設けておくとともに、それらキーワードが所定の空白部分に埋め込まれることにより紹介文を形成する紹介文テンプレートを楽曲のジャンル毎に設けておくことにより楽曲紹介文データベース１５２を構成する態様が挙げられる。なお、キーワードテーブルを楽曲のジャンル毎に設けておく理由は、ある音響特性についてその特性値が同一である場合であっても、楽曲のジャンルが異なればその音響特性を表現するに好適なキーワードが異なり得るからである。また、楽曲のジャンル毎に紹介文テンプレートを設けておく理由は、楽曲のジャンルが異なれば紹介文として好適なスタイルが異なり得るからである。
以上、楽曲紹介文データベース１５２の実施態様として２つの例を挙げたが、本発明に係る楽曲紹介文生成装置が有するべき楽曲紹介文データベースの実施態様が上記２つの実施態様の何れかに限定されるものではないことは言うまでもない。要は、処理対象の楽曲の楽曲データを解析することにより得られる各音響特性の特性値から１の紹介文データを特定（または生成）することができる態様であれば、どのような態様であっても良い。

ＯＳプログラム１５３は、制御部１１０にオペレーティングシステム（Operating System；以下、「ＯＳ」）を実現させるためのプログラムである。ライナーノーツ生成装置１０の電源（図示省略）が投入されると、制御部１１０は即座にＯＳプログラムを不揮発性記憶部１５０から揮発性記憶部１４０にロードしてその実行を開始する。ＯＳプログラム１５３にしたがって作動しＯＳを実現している状態の制御部１１０は、ライナーノーツ生成装置１０の各部の作動制御を行うこと、予め定められた実行スケジュールや運用管理者の指示にしたがって他のプログラムの実行を開始することができる。本実施形態に係るライナーノーツ生成装置１０においては、ＯＳプログラムにしたがって作動している制御部１１０は、コンテンツ配信プログラム１５４およびコンテンツ登録プログラム１５５の各々を所謂デーモンプロセスとして起動する。

コンテンツ配信プログラム１５４は、デジタルコンテンツの配信を要求する旨の通信メッセージを受信した場合に、該当するデジタルコンテンツ（本実施形態では、楽曲データやその楽曲データに対応する紹介文データ）を楽曲データベース１５１から読み出し、その通信メッセージの送信元へ返信する処理を制御部１１０に実行させるプログラムである。つまり、コンテンツ配信プログラム１５４は、ライナーノーツ生成装置１０に前述したコンテンツサーバの役割を実現させるためのプログラムである。

コンテンツ登録プログラム１５５は、外部機器ＩＦ部１３０を介して入力された楽曲データの表す楽曲についての紹介文を示す紹介文データを生成し、その紹介文データと楽曲データとを対応付けて楽曲データベース１５１に登録する処理を制御部１１０に実行させるプログラムである。より詳細に説明すると、コンテンツ登録プログラム１５５にしたがって作動している制御部１１０は、以下の３つの処理を実行する。

第１に、外部機器ＩＦ部１３０を介して入力された楽曲データを解析して、その楽曲データの表す楽曲についての前述した複数種類の音響特性の各々を示す特性値を特定する特徴特定処理である。なお、本実施形態では、処理対象である楽曲データが外部機器ＩＦ部１３０を介してライナーノーツ生成装置１０に入力される場合について説明したが、通信網経由で入力されるとしても勿論良い。通信網経由で処理対象の楽曲データが入力される場合には、通信ＩＦ部１２０が前述した入力手段の役割を担うことになる。

第２に、ユーザが操作部（図示省略）を適宜操作することにより入力したジャンル識別子（上記楽曲の属するジャンルを示す識別子）と上記特徴特定処理により特定された特性値とを用いて楽曲紹介文データベース１５２を検索し、該当する紹介文データを取得する紹介文取得処理である。なお、本実施形態では、ジャンル識別子を操作部経由で入力する場合について説明するが、外部機器ＩＦ部１３０経由で入力するとしても勿論良い。具体的には、処理対象の楽曲データが書き込まれた記録媒体にその楽曲データに対応づけてジャンル識別子を書き込んでおき、その楽曲データとともにそのジャンル識別子を制御部１１０に読み出させるようにすれば良い。また、本実施形態では、処理対象の楽曲のジャンルを示すジャンル識別子を入力する場合について説明するが、上記特徴特定処理による特定結果（すなわち、処理対象の楽曲についての各音響特性の度合い）からその楽曲の属するジャンルを制御部１１０に判別させるようにしても勿論良く、このような態様にあってはジャンル識別子の入力は不要である。

そして、第３に、ユーザが操作部（図示省略）を適宜操作することにより入力した楽曲識別子に対応付けて、処理対象の楽曲の楽曲データと、紹介文取得処理にて取得した紹介文データとを楽曲データベース１５１に書き込むコンテンツ登録処理である。
以上がライナーノーツ生成装置１０の構成である。

（Ａ−２：動作）
次いで、ライナーノーツ生成装置１０が実行する動作のうち、本発明に係る楽曲紹介文生成装置の特徴を顕著に示す動作、すなわち、コンテンツ登録プログラム１５５にしたがって制御部１１０が行う動作について図面を参照しつつ説明する。なお、以下に説明する動作例では、ライナーノーツ生成装置１０の電源（図示省略）は投入済みであり、コンテンツ登録プログラム１５５は、ＯＳの制御下で前述したデーモンプロセスとして制御部１１０によりその実行が開始されているとする。

上記状況下で、処理対象である楽曲データを格納した記録媒体が外部機器ＩＦ部１３０に接続され、さらに、その楽曲データの表す楽曲の属するジャンルを示すジャンル識別子が操作部（図示省略）を介して入力されると、コンテンツ登録プログラム１５５にしたがって作動している制御部１１０は、図４のフローチャートに示す処理を実行する。図４に示すように、制御部１１０は、まず、処理対象である楽曲の楽曲データを外部機器ＩＦ部１３０を介して記録媒体から読み出し、その楽曲データを解析して、その楽曲データの表す楽曲についての前述した複数種類の音響特性（楽曲紹介文データベースにキーワードが登録されている音響特性）の各々を示す特性値を算出することにより、各音響特性を特定する（ステップＳＡ１００）。このステップＳＡ１００の実行にあたっては、各音響特性についての周知のアルゴリズムを利用すれば良い。なお、処理対象の楽曲について上記複数種類の音響特性を特定する際には、楽曲全体を通して各音響特性の度合いを特定するとしても良く、楽曲の前半部分や後半部分など間奏で区切られるパート毎に各音響特性の度合いを特定するとしても良い。楽曲全体を通して各音響特性の度合いを特定する態様にあっては、その楽曲全体に対して１つの紹介文データが以下の処理により生成されることになり、パート毎に各音響特性の度合いを特定する態様にあっては、それらパート毎に以下のステップＳＡ１１０および１２０の処理が実行され、それらパート毎に紹介文データが生成されることになる。

ステップＳＡ１００に後続して実行されるステップＳＡ１１０においては、制御部１１０は、操作部を介して入力されたジャンル識別子およびステップＳＡ１００にて特定した各特性値を用いて楽曲紹介文データベース１５２の検索を行い、それら特性値およびジャンル識別子に対応する紹介文データを取得する。例えば、楽曲紹介文データベース１５２が前述した第１の態様で実装されている場合には、制御部１１０は、上記ジャンル識別子で識別されるジャンルに対応する紹介文テーブルから、上記各特性値に対応する紹介文データを読み出すことにより、処理対象の楽曲についての紹介文データを取得する。また、楽曲紹介文データベース１５２が前述した第２の態様で実装されている場合には、制御部１１０は、上記ジャンル識別子に対応するキーワードテーブルを参照して各特性値に対応するキーワードを特定し、それらキーワードを上記ジャンル識別子に対応する紹介文テンプレートに埋め込んで紹介文データを生成することによって、処理対象の楽曲についての紹介文データを取得する。

そして、制御部１１０は、ステップＳＡ１１０にて取得した紹介文データを上記処理対象の楽曲についてのライナーノーツデータとして、その楽曲についての楽曲データとともにその楽曲の楽曲識別子と対応付けて楽曲データベース１５１に格納する（ステップＳＡ１２０）。以降、制御部１１０は、通信ＩＦ部１２０を介してコンテンツ配信要求メッセージを受信すると、その要求内容に応じたコンテンツ（楽曲データやライナーノーツデータ、または、その両者）を楽曲データベース１５１から読み出し、そのコンテンツ要求メッセージの送信元へ配信する。なお、このようなコンテンツ配信を行う場合には、所定の課金アルゴリズムにしたがって課金を行っても良いことは勿論である。このようにしてライナーノーツ生成装置１０より配信されるライナーノーツデータの表す文章が、そのライナーノーツデータと対になる楽曲の特徴を反映したものであることは、前述した通りである。また、本実施形態によれば、任意の楽曲についてその楽曲の音響特性と楽曲紹介文データベース１５２の格納内容とから、その楽曲の特徴を反映した紹介文（ライナーノーツ）が自動生成されるのであるから、音楽評論家などの専門家の手を煩わせることもない。

（Ｂ：第２実施形態）
次いで、本発明の第２実施形態に係るナレーション付加装置３０について説明する。
ナレーション付加装置３０は、前述したライナーノーツ生成装置１０と同様、楽曲とその紹介文とをデジタルコンテンツとして配信するコンテンツサーバであり、楽曲を表す楽曲データを解析することによって、その楽曲の特徴を反映した紹介文を示す紹介文データを生成する点については、前述したライナーノーツ生成装置１０と同一である。しかしながら、このナレーション付加装置３０は、上記紹介文データの示す紹介文の読み上げ音であるナレーションをその楽曲の前奏区間や間奏区間、後奏区間などの所定区間に重畳させた楽曲データを合成する点が前述したライナーノーツ生成装置１０と異なっている。
以下、ナレーション付加装置３０の構成および動作について図面を参照しつつ説明する。

（Ｂ−１：構成）
図５は、本発明の第２実施形態に係るナレーション付加装置３０の構成例を示すブロック図である。図５と図１とを比較すれば明らかなように、ナレーション付加装置３０のハードウェア構成は、前述したライナーノーツ生成装置１０のハードウェア構成（図１参照）と同一である。具体的には、ナレーション付加装置３０は、制御部１１０、通信ＩＦ部１２０、外部機器ＩＦ部１３０、揮発性記憶部１４０、不揮発性記憶部１５０およびバス１６０を有している。しかしながら、ナレーション付加装置３０に特徴的な処理を実現するため、ナレーション付加装置３０のソフトウェア構成（不揮発性記憶部１５０に格納されているデータやプログラム）は、ライナーノーツ生成装置１０のソフトウェア構成とは異なっている。

具体的には、楽曲データベース１５１および楽曲紹介文データベース１５２の他に、音声合成データベース２５６が不揮発性記憶部１５０に格納されている点、およびコンテンツ登録プログラム１５５に換えてコンテンツ登録プログラム２５５が不揮発性記憶部１５０に格納されている点が異なっている。音声合成データベース２５６は、所謂音韻データベースであり、音声合成の際に参照される音韻データの集合体である。この音声合成データベース２５６には、発生する音声の種類、例えば、男声、女声、軽快な声質、深みのある声質など様々な声質ごとに音韻データの集合体が予め格納されている。この音声合成データベース２５６の格納内容は、処理対象の楽曲データについて生成された紹介文を表す文章データを音声データに変換して、その楽曲データの表す楽曲についてのナレーションを表すナレーションデータを生成する際に利用される。なお、本実施形態では、何れの声質の音声を合成するかをユーザに指定させる場合について説明するが、例えば、音韻データに対応付けてその音韻データで合成される音声でのナレーションが好適な楽曲のジャンルを示すジャンル識別子を対応付けておき、処理対象の楽曲の属するジャンルに好適な声質でナレーションを合成しても良い。

一方、コンテンツ登録プログラム２５５は、処理対象である楽曲の楽曲データを解析して得られる各特性値とその楽曲のジャンル識別子とを用いて楽曲紹介文データベースを検索し、その楽曲の特徴を反映した紹介文データを取得する処理を制御部１１０に実行させる点は、前述したコンテンツ登録プログラム１５５と同一である。しかしながら、コンテンツ登録プログラム２５５は、上記のようにして取得した紹介文データの表す文章を読み上げた音声を示すナレーションデータをその紹介文データと音声合成データベースの格納内容とから合成し、その音声をナレーションとして上記楽曲データの表す楽曲に重畳させる処理を制御部１１０に実行させる点が前述したコンテンツ登録プログラム１５５と異なる。
以上がナレーション付加装置３０の構成である。

（Ｂ−２：動作）
次いで、ナレーション付加装置が行う動作のうち、本発明に係る楽曲紹介文生成装置の特徴を顕著に示す動作、すなわち、コンテンツ登録プログラム２５５にしたがって制御部１１０が実行する動作について説明する。
図６は、コンテンツ登録プログラム２５５にしたがって制御部１１０が実行する動作の流れを示すフローチャートである。図４と図６とを比較すれば明らかなように、コンテンツ登録プログラム２５５にしたがって制御部１１０が行う動作は、ステップＳＡ１１０の処理の実行後、ステップＳＢ１００からステップＳＢ１２０までの３つの処理を実行した後に、ステップＳＡ１２０の処理を実行する点のみが、コンテンツ登録プログラム１５５にしたがって制御部１１０が実行する動作と異なっている。以下、ライナーノーツ生成装置１０の動作との相違点であるステップＳＢ１００からステップＳＢ１２０の処理を中心に説明する。

ステップＳＢ１００においては、制御部１１０は、処理対象である楽曲の楽曲データを解析し、その楽曲データの表す楽曲のうちナレーションが付与されるべき区間を特定する。例えば、上記楽曲データが歌唱曲を表す場合には、制御部１１０は、その楽曲データにスペクトル解析を施し、そのスペクトル変化（すなわち、人の声に特徴的なスペクトルなど歌唱音に特徴的なスペクトルの有無）から歌い出しの位置を特定し、その歌い出し位置よりも前の区間（すなわち、前奏区間）をナレーションが付与されるべき区間として特定する。なお、本実施形態では、ナレーションが付与されるべき区間として楽曲の前奏区間を用いる場合について説明したが、間奏区間や後奏区間であっても良いことは勿論である。間奏区間や後奏区間の特定に関しては、前述した前奏区間の特定と同様で歌唱音に特徴的なスペクトルの検出によりその特定が可能である。また、歌唱を伴わない楽曲については、音量の変化から前奏区間等を特定しても良く、メロディ抽出などによりメインメロディと推定されるパートを特定し、そのパートに属するスペクトルの有無により前奏区間等の特定を行っても良い。

次いで、制御部１１０は、ステップＳＡ１１０にて取得した紹介文データの表す紹介文を読み上げた音声を示す音声データを、その紹介文データとユーザの指定する声質に対応する音韻データとから生成し（ステップＳＢ１１０）、ステップＳＢ１００にて特定したナレーション付加区間にその音声データの表す音声が重畳されるように、その音声データと処理対象の楽曲データとを合成する（ステップＳＢ１２０）。なお、本実施形態では、処理対象の楽曲データに対してステップＳＡ１００からステップＳＡ１１０の処理により得られる紹介文データの表す紹介文の音声を音声合成により生成し、その楽曲の所定区間に重畳する場合について説明した。しかし、処理対象の楽曲データとともにその紹介文を示す紹介文データ（例えば、ユーザ自らがワードプロセッサなどで作成した紹介文データ）をナレーション付加装置３０に与え、その紹介文データについてステップＳＢ１００以降の処理を実行しても良いことは勿論である。

そして、制御部１１０は、ステップＳＢ１２０にて合成したナレーション付の楽曲データに、ステップＳＡ１１０にて生成した紹介文データを対応付けて楽曲データベースに書き込み（ステップＳＡ１２０）、本動作を終了する。なお、本実施形態では、ステップＳＡ１１０にて取得した紹介文データの表す紹介文全体を読み上げた音声をナレーションとして付加する場合について説明したが、ナレーションを付加するべき区間の時間長が短く、上記紹介文全体を読み上げた音声を重畳することができない場合には、既存の文章要約アルゴリズムを用いて上記紹介文データの表す紹介文を適宜要約した後に音声合成を行うようにしても良い。また、ナレーションを付与するべき区間として複数の区間がステップＳＢ１００にて特定された場合には、紹介文データの表す紹介文の長さとそれら複数の区間の各々の時間長とを比較してそれら複数の区間からナレーションを付与する区間を特定するとしても良い。

以降、制御部１１０は、通信ＩＦ部１２０を介してコンテンツ配信要求メッセージを受信すると、その要求内容に応じたコンテンツ（楽曲データやライナーノーツデータ、または、その両者）を楽曲データベース１５１から読み出し、そのコンテンツ要求メッセージの送信元へ配信する。これにより、任意の楽曲データを、その楽曲データの表す楽曲の前奏区間にその楽曲の特徴を反映したナレーションを付加した楽曲を表す楽曲データに変換して配信することが可能になる。また、本第２実施形態においても、上記ナレーション付の楽曲データを生成する際に、音楽評論家などの専門家の手を煩わせることがないことは、前述した第１実施形態と同様である。

（Ｃ：他の実施形態）
以上、本発明の一実施形態について説明したが、係る実施形態に以下に説明する変形を加えても良いことは勿論である。
（１）上述した各実施形態では、本発明に係る楽曲紹介文生成装置に特徴的な処理をソフトウェアモジュールで実現する場合について説明したが、その少なくとも１部または全部を電子回路（すなわち、ハードウェアモジュール）で実現しても勿論良い。

（２）上述した実施形態では、楽曲紹介文データベースの格納内容を楽曲のジャンル毎に分類しておく場合について説明したが、このような分類は必ずしも必須ではない。例えば、前述した第１の実施態様にあっては、各ジャンルに亘って共通の紹介文テーブルを用いても良く、また、第２の実施態様にあっては、各ジャンルに亘って共通のキーワードテーブルや各ジャンルに亘って共通の紹介文テンプレートを用いても勿論良い。

また、上述した実施形態では、処理対象である楽曲の楽曲データを解析して、予め定められた複数種類の音響特性についてのその楽曲の特徴を示す特性値を算出し、その特性値を用いてその楽曲についての楽曲紹介文を示す紹介文データを取得する場合について説明したが、例えば、操作部を適宜操作することにより入力される楽曲名や演奏者の氏名等を上記紹介文データの表す紹介文に付加しても勿論良い。具体的には、「それでは、○○の演奏する□□をお楽しみください。」という文章テンプレートを楽曲紹介文データベースに格納しておき、その文章テンプレートの○○部分にユーザの入力した演奏者氏名を埋め込み、同□□部分にユーザの入力した楽曲名を埋め込んで得られる文章データを上記紹介文データの末尾に付加するようにすれば良い。

（３）上述した各実施形態では、ライナーノーツ生成装置１０やナレーション付加装置３０に、本発明に係る楽曲紹介文生成装置に特徴的な処理を制御部１１０に実行させるためのプログラム（コンテンツ登録プログラム）を予めインストールしておく場合について説明した。しかしながら、例えばＣＤ−ＲＯＭやＤＶＤ（Digital Versatile Disk）などコンピュータ装置読み取り可能な記録媒体に上記コンテンツ登録プログラムを記録して配布しても良く、また、インターネットなどの電気通信回線経由のダウンロードにより上記コンテンツ登録プロがラムを配布しても良い。

本発明の第１実施形態に係るライナーノーツ生成装置１０の構成例を示すブロック図である。 同ライナーノーツ生成装置１０が有する楽曲紹介文データベース１５２の働きを説明するための図である。 第１の実施態様に係る楽曲紹介文データベース１５２の格納内容の一例を説明するための図である。 同ライナーノーツ生成装置１０の制御部１１０が実行するライナーノーツ生成処理の流れを示すフローチャートである。 本発明の第２実施形態に係るナレーション付加装置３０の構成例を示すブロック図である。 同ナレーション付加装置３０の制御部１１０が実行するナレーション付与処理の流れを示すフローチャートである。

符号の説明

１０…ライナーノーツ生成装置、３０…ナレーション付加装置、１１０…制御部、１２０…通信ＩＦ部、１３０…外部機器ＩＦ部、１４０…揮発性記憶部、１５０…不揮発性記憶部、１５１…楽曲データベース、１５２…楽曲紹介文データベース、１５３…ＯＳプログラム、１５４…コンテンツ配信プログラム、１５５，２５５…コンテンツ登録プログラム、２５６…音声合成データベース、１６０…バス。

Claims (5)

1. 予め定められた複数種類の音響特性の各々を示す特性値に対応付けてそれら特性値により特徴が表される楽曲の紹介文を表すデータが格納された楽曲紹介文データベースであって、楽曲のジャンルを示すジャンル識別子と複数種類の音響的特徴の各々を示す特性値とに対応付けて紹介文を表す紹介文データが格納されているとともに、前記ジャンル識別子とともに紹介文データに対応付ける特性値として楽曲のジャンル毎に異なる種類の音響的特性を示す特性値が採用されている楽曲紹介文データベースと、
   楽曲データが入力される入力手段と、
   前記入力手段により受け取った楽曲データを解析し、前記複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、
   前記入力手段により受け取った楽曲データの表す楽曲の属するジャンルを示すものとして操作部を介して入力されるジャンル識別子、および前記特徴特定手段により特定される各特性値に対応する紹介文データを前記楽曲紹介文データベースから取得して出力する取得手段と
   を有することを特徴とする楽曲紹介文生成装置。
2. 前記楽曲紹介文データベースは、複数種類の音響的特性の各々を示す特性値をキーワードに変換するためのキーワードテーブルと、各キーワードが所定の空白部分に埋め込まれることにより紹介文を形成する紹介文テンプレートとを楽曲のジャンル毎に有し、前記取得手段は、前記操作部を介して入力されるジャンル識別子の示すジャンルに対応するキーワードテーブルに格納されているキーワードを当該ジャンルに対応する紹介文テンプレートに埋め込んで前記紹介文データを生成し取得することを特徴とする請求項１に記載の楽曲紹介文生成装置。
3. 予め定められた複数種類の音響特性の各々を示す特性値に対応付けてそれら特性値により特徴が表される楽曲の紹介文を表すデータが格納された楽曲紹介文データベースであって、楽曲のジャンルを示すジャンル識別子と複数種類の音響的特徴の各々を示す特性値とに対応付けて紹介文を表す紹介文データが格納されているとともに、前記ジャンル識別子とともに紹介文データに対応付ける特性値として楽曲のジャンル毎に異なる種類の音響的特性を示す特性値が採用されている楽曲紹介文データベースと、
   楽曲データが入力される入力手段と、
   前記入力手段により受け取った楽曲データを解析し、前記複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、
   前記入力手段により受け取った楽曲データの表す楽曲の属するジャンルを示すものとして操作部を介して入力されるジャンル識別子、および前記特徴特定手段により特定される各特性値に対応する紹介文データを前記楽曲紹介文データベースから取得して出力する取得手段と、
   前記入力手段により受け取った楽曲データを解析し、その楽曲データの表す楽曲の前奏区間、間奏区間または後奏区間を特定する区間特定手段と、
   前記取得手段により取得された紹介文データの表す紹介文の読み上げ音声であるナレーションの音声データを当該紹介文データから合成する音声合成手段と、
   前記音声合成手段により合成された音声データの表す音声が前記特定手段により特定された区間に重畳されるように前記音声データと前記楽曲データとを合成して出力する合成手段と
   を有することを特徴とするナレーション付加装置。
4. コンピュータ装置を、
   予め定められた複数種類の音響特性の各々を示す特性値に対応付けてそれら特性値により特徴が表される楽曲の紹介文を表すデータが格納された楽曲紹介文データベースであって、楽曲のジャンルを示すジャンル識別子と複数種類の音響的特徴の各々を示す特性値とに対応付けて紹介文を表す紹介文データが格納されているとともに、前記ジャンル識別子とともに紹介文データに対応付ける特性値として楽曲のジャンル毎に異なる種類の音響的特性を示す特性値が採用されている楽曲紹介文データベースと、
   楽曲データが入力される入力手段と、
   前記入力手段により受け取った楽曲データを解析し、前記複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、
   前記入力手段により受け取った楽曲データの表す楽曲の属するジャンルを示すものとして操作部を介して入力されるジャンル識別子、および前記特徴特定手段により特定される各特性値に対応する紹介文データを前記楽曲紹介文データベースから取得して出力する取得手段と
   して機能させることを特徴とするプログラム。
5. コンピュータ装置を、
   予め定められた複数種類の音響特性の各々を示す特性値に対応付けてそれら特性値により特徴が表される楽曲の紹介文を表すデータが格納された楽曲紹介文データベースであって、楽曲のジャンルを示すジャンル識別子と複数種類の音響的特徴の各々を示す特性値とに対応付けて紹介文を表す紹介文データが格納されているとともに、前記ジャンル識別子とともに紹介文データに対応付ける特性値として楽曲のジャンル毎に異なる種類の音響的特性を示す特性値が採用されている楽曲紹介文データベースと、
   楽曲データが入力される入力手段と、
   前記入力手段により受け取った楽曲データを解析し、前記複数種類の音響特性の各々を示す特性値を特定する特徴特定手段と、
   前記入力手段により受け取った楽曲データの表す楽曲の属するジャンルを示すものとして操作部を介して入力されるジャンル識別子、および前記特徴特定手段により特定される各特性値に対応する紹介文データを前記楽曲紹介文データベースから取得して出力する取得手段と、
   前記入力手段により受け取った楽曲データを解析し、その楽曲データの表す楽曲の前奏区間、間奏区間または後奏区間を特定する区間特定手段と、
   前記取得手段により取得された紹介文データの表す紹介文の読み上げ音声であるナレーションの音声データを当該紹介文データから合成する音声合成手段と、
   前記音声合成手段により合成された音声データの表す音声が前記特定手段により特定された区間に重畳されるように前記音声データと前記楽曲データとを合成して出力する合成手段と
   して機能させることを特徴とするプログラム。
   
   

Images