JP5367932B2 - オーディオ速度変換を可能にするシステムおよび方法 - Google Patents

Description

（背景）
発明の分野
本発明は、一般に、オーディオ速度変換に関し、より詳細には、音声速度変換などのオーディオ速度変換（ａｕｄｉｏ ｓｐｅｅｄ ｃｏｎｖｅｒｓｉｏｎ）を可能にする方法およびシステムに関する。

背景情報
カラー・テレビジョン（ＣＴＶ）システム、ビデオ・テープ・レコーダ（ＶＴＲ）、ディジタル・ビデオ／多用途ディスク（ＤＶＤ）システム、コンパクト・ディスク（ＣＤ）プレーヤ、補聴器、留守番電話などのビデオ／オーディオ再生システムでは、速度変換システムを使用して、複数の（再生）速度の動作（例えば高速、低速など）を可能にすることができる。従来のオーディオ速度変換器は、一般に、オーディオ信号中の無音区間（ｓｉｌｅｎｃｅ ｉｎｔｅｒｖａｌ）と有音区間（ｓｏｕｎｄ ｉｎｔｅｒｖａｌ）を区別する。無音区間を削除して有音区間を圧縮すると、オーディオ速度が上がる。逆に、無音区間および有音区間を伸張すると、オーディオ速度が下がる。従来のオーディオ速度変換器の多くは、内容に関係なく一定レート（ｒａｔｅ：割合）でオーディオ速度を上げるかまたは下げる。従って、これらのタイプのオーディオ速度変換器は、オーディオ信号の無音区間および冗長区間を十分に活用することができない。

オーディオ信号の区間を削除（ｒｅｍｏｖｅ）または反復（ｒｅｐｅａｔ）するプロセスは、望ましくない「カチッ」（ｃｌｉｃｋ）などの可聴音、即ち雑音を生じることが多いので、問題となる場合がある。さらに、オーディオ信号のピッチ（ｐｉｔｃｈ：音の高低）を他の周波数に変更または変換することは、人間の耳がこれらの変化に対して非常に敏感である傾向があるので、するべきではない。「ＰＩＣＯＬＡ」（ｐｏｉｎｔｅｒ ｉｎｔｅｒｖａｌ ｃｏｎｔｒｏｌ ｏｖｅｒｌａｐ ａｎｄ ａｄｄ）アルゴリズムなど、知られている従来技術のアルゴリズムは、オーディオ信号にウィンドウ（ｗｉｎｄｏｗ）関数を掛け、出力信号を平滑化して元のピッチを維持しようとすることにより、これらの問題に対処する。その結果、元のオーディオ信号の一部ではない合成波形が生み出される。さらに、このようなアルゴリズムを使用するには、通常、高速ディジタル・シグナル・プロセッサ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ：ＤＳＰ）を利用する必要があり、高価となる傾向がある。従って、高価なディジタル・シグナル・プロセッサ（ＤＳＰ）の使用を避け、小型プログラマブル・ロジック・デバイス（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＰＬＤ）など、よりコスト低減効果の大きい処理手段を利用するオーディオ速度変換器を提供することが望ましい。本発明は、これらの問題および他の問題を解決しようとするものである。

（概要）
本発明の一態様によれば、オーディオ信号を処理するためのシステムは、オーディオ信号を受け取って、受け取ったオーディオ信号を１つまたは複数の個別単位サイクルに分割する手段と、１つまたは複数の個別単位サイクルを反復することと削除することのうちの一方によってオーディオ速度変換動作を可能にする手段とを具える。

本発明の別の態様によれば、オーディオ信号を処理する方法は、オーディオ信号を受け取るステップと、受け取ったオーディオ信号を１つまたは複数の個別単位サイクルに分割するステップと、１つまたは複数の個別単位サイクルを反復することと削除することのうちの一方によってオーディオ速度変換動作を可能にするステップとを含む。

本明細書に述べる例示は、本発明の好ましい実施形態を示すものであり、このような例示は、本発明の範囲を任意の態様において限定して解釈すべきではない。

（好ましい実施形態の説明）
本出願は、従来技術に勝る利点をもたらすオーディオ信号処理のためのシステムおよび方法を開示する。例示的なシステムおよび例示的な方法によれば、ディジタル音声信号などのオーディオ信号を受け取り、１つまたは複数の個別単位サイクル（ｉｎｄｉｖｉｄｕａｌ ｕｎｉｔ ｃｙｃｌｅ）に分割する。個別単位サイクルの１つまたは複数を反復または削除することにより、オーディオ速度変換動作を可能にする。具体的には、個別単位サイクルの１つまたは複数を反復する（繰返す）と、オーディオ速度が下がり、個別単位サイクルの１つまたは複数を削除（除去）すると、オーディオ速度が上がる。好ましい実施形態によれば、受け取ったオーディオ信号を基準値に従って１つまたは複数の個別単位サイクルに分割し、それにより個別単位サイクルが、基準値以上である受け取ったオーディオ信号の最初のサンプルで始まり、基準値未満である受け取ったオーディオ信号の最後のサンプルで終わるようにする。

例示的な方法はまた、１つまたは複数の個別単位サイクルのそれぞれが無音区間に該当するかどうかを決定するステップを含んでいてもよい。この決定は、１つまたは複数の個別単位サイクルそれぞれについての平均電力値（ａｖｅｒａｇｅ ｐｏｗｅｒ ｖａｌｕｅ）に従って行うことができる。好ましい一実施形態によれば、１つまたは複数の個別単位サイクルそれぞれについての平均電力値は、１つまたは複数の個別単位サイクルそれぞれについての平均振幅値（ａｖｅｒａｇｅ ａｍｐｌｉｔｕｄｅ ｖａｌｕｅ）に従って決定する。この方法はまた、受け取ったオーディオ信号中で１つまたは複数のピッチ期間（ｐｉｔｃｈ ｐｅｒｉｏｄ）を検出するステップを含んでいてもよく、１つまたは複数のピッチ期間はそれぞれ、個別単位サイクルの１つまたは複数を含む。この検出は、１つまたは複数の個別単位サイクルそれぞれについての平均電力値に応じたものとしてもよい。本明細書では、以上の方法を実施することのできるオーディオ速度変換システムも提供する。

次に、図面、より具体的には図１を参照すると、本発明の原理に従って構成されるオーディオ速度変換器１０が示されている。図１で、オーディオ速度変換器１０は、入力オーディオ信号を受け取るゼロ交差検出器１１を具える。ゼロ交差検出器１１は、入力オーディオ信号をサンプリングし、サンプリングした値をゼロ基準値と比較する。ゼロ基準値以上のサンプリング値は正の入力信号に対応し、ゼロ基準値未満のサンプリング値は負の入力信号に対応する。後で本明細書において説明するが、入力オーディオ信号は、一連の単一単位サイクル（ｓｉｎｇｌｅ ｕｎｉｔ ｃｙｃｌｅ）波形に分割される。

絶対値計算器１２が、入力オーディオ信号のサンプリング値をゼロ交差検出器１１から受け取り、各サンプルの絶対値を計算する。平均電力値（Ｐ）生成器１３が、絶対値計算器１２によって計算される絶対値を受け取り、絶対値に基づいて入力オーディオ信号の各サイクルについて平均電力値（Ｐ）を計算する。本発明の原理によれば、単一単位サイクル波形の平均電力値（Ｐ）を計算することが重要であり、従来の多くのオーディオ速度変換器のように、固定数のサンプルを含む単一フレームの平均電力値を計算するものではない。好ましい一実施形態によれば、平均電力値（Ｐ）は、平均振幅値に基づいて計算される。即ち、平均電力値（Ｐ）は、サンプル値を１サイクル中のサンプル総数で割った値の合計に等しい。このようにして、入力オーディオ信号の各サイクルについて平均電力値（Ｐ）が計算される。

無音検出器１４が、平均電力値（Ｐ）を平均電力値（Ｐ）生成器１３から受け取り、比較動作を行って、各サイクルが無音区間に該当するかどうかを決定する。具体的には、無音検出器１４は、各平均電力値（Ｐ）を基準しきい値と比較する。無音区間に該当する１つまたは複数のサイクルが識別されるときは、本発明の原理により、無音冗長度検出器１５を幾つかのモードで利用して、無音区間の持続時間を計算し、無音区間を伸張または圧縮してもよい。区間の伸張および圧縮に関するこれ以上の詳細については、後述する。あるいは、無音区間に該当しない１つまたは複数のサイクルが識別されるときは、有音検出器およびピッチ期間検出器１６が、入力オーディオ信号中の有音区間を検出し、さらに、異なるピッチ期間の開始を検出する。ピッチ冗長度検出器１７が、本発明の原理に従ってピッチ期間中の冗長度を検出する。有音区間およびピッチ期間の検出に関するこれ以上の詳細については、後述する。

制御回路１８が、オーディオ速度変換器１０の一般動作を制御する。例えば、制御回路１８は、オーディオ変換器１０からの出力が内部バッファ・メモリ１９、あるいはハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、光ディスク、またはその他の外部メモリなど、外部記憶デバイス２０に記憶されるようにすることができる。制御回路１８はまた、オーディオ変換器１０からの出力がスピーカやその他のデバイスなど外部デバイス２１に転送されるようにすることができ、動作モードに関する入力を受け取る。後で本明細書において説明するが、図１のオーディオ速度変換器１０は、異なる３つの動作モード、即ち高速モード（ｆａｓｔ ｍｏｄｅ）、低速モード（ｓｌｏｗ ｍｏｄｅ）、待機モード（ｓｔａｎｂｙ ｍｏｄｅ）を有する。

次に、図１〜図６を参照しながら、本発明の原理に従って構成されるオーディオ速度変換器１０の動作に関する詳細について述べる。

先に図１に示したように、オーディオ速度変換器１０のゼロ交差検出器１１は、入力オーディオ信号を受け取る。好ましい一実施形態によれば、入力オーディオ信号は１０ビットのディジタル信号である。ただし、本発明の原理により他のビット長の入力信号を適応させることができる。ゼロ交差検出器１１は、入力オーディオ信号をサンプリングし、サンプリングした値をゼロ基準値と比較する。好ましい一実施形態によれば、ゼロ基準値は５１２である。ただし、本発明の原理により他のゼロ基準値を利用することもできる。先に示したように、入力オーディオ信号は、一連の単一単位サイクル波形に分割される。

次に、図２を参照すると、例示的な入力オーディオ信号の単一サイクル３０の概略図が示されている。図２で、点（ｄｏｔ：ドット）は、図１のゼロ交差検出器１１によってサンプリングされる例示的なポイントを表し、数字（即ち１０００、５６０、４７０、２４）は、幾つかのサンプル（標本）が取り得る値を表す（１０ビットの分解能と仮定する）。先に示したように、ゼロ交差検出器１１は、好ましい一実施形態で、最大値１０２４の半分であるゼロ基準値５１２を使用する（１０ビットの分解能と仮定する）。従って、５１２以上のサンプリング値は、正の入力信号に対応し、５１２未満のサンプリング値は、負の入力信号に対応する。サンプリング値をゼロ基準値と比較することにより、入力信号は、図２に、その１つを示すような一連の単一単位サイクル波形に分割することができる。本発明の原理によれば、入力オーディオ信号の単一単位サイクルは、正の半波（値≧５１２）の最初のサンプルから、負の半波（値＜５１２）の最後のサンプルまで測定される。このようなサイクルが、オーディオ速度変換器１０によって消去または反復される信号の最小単位である。後で本明細書において説明するが、図１のオーディオ速度変換器１０は、入力オーディオ信号の完全な単位サイクルだけを削除または反復する。この方法の利点は、信号の削除または挿入が常にゼロ交差点で行われ、従って、出力オーディオ信号中のカチッという可聴音が防止されることである。このようにして、本発明は、有利にも、合成波形のない、実際のオーディオ情報で構成される出力オーディオ信号を提供する。従来の「ＰＩＣＯＬＡ」（ｐｏｉｎｔｅｒ ｉｎｔｅｒｖａｌ ｃｏｎｔｒｏｌ ｏｖｅｒｌａｐ ａｎｄ ａｄｄ）アルゴリズムでは、入力オーディオ信号にウィンドウ関数を掛けるが、その結果、元のオーディオ信号の一部ではない合成波形が生じる。

再び図１を参照すると、絶対値計算器１２は、入力オーディオ信号のサンプリング値をゼロ交差検出器１１から受け取り、各サンプルの絶対値を計算する。平均電力値（Ｐ）計算器１３は、絶対値計算器１２によって計算される絶対値を受け取り、絶対値に基づいて入力オーディオ信号の各サイクルについて平均電力値（Ｐ）を計算する。本発明の原理によれば、単一単位サイクル波形の平均電力値（Ｐ）を計算することが重要であり、従来の多くのオーディオ速度変換器のように、固定数のサンプルを含む単一フレームの平均電力値を計算するものではない。好ましい一実施形態によれば、平均電力値（Ｐ）は、平均振幅値に基づいて計算される。即ち、平均電力値（Ｐ）は、サンプル値を１サイクル中のサンプル総数で割った値の合計に等しい。このようにして、入力オーディオ信号の各サイクルについて平均電力値（Ｐ）が計算される。

無音検出器１４は、平均電力値（Ｐ）を平均電力値（Ｐ）生成器１３から受け取り、比較動作を行って、各サイクルが無音区間に該当するかどうかを決定する。具体的には、無音検出器１４は、各平均電力値（Ｐ）を基準しきい値Ｐ_ＳＩＬと比較する。Ｐ_ＳＩＬは、設計上の選択に従って設定することができる。Ｐ＜Ｐ_ＳＩＬの場合は、対応するサイクルを無音区間として識別し、Ｐ≧Ｐ_ＳＩＬの場合は、対応するサイクルを無音区間でない（即ち認識可能な音を含む）として識別する。Ｐ＜Ｐ_ＳＩＬの状況では、無音冗長度検出器１５を幾つかのモードで利用して、無音区間の持続時間を計算し、本発明の原理に従って無音区間を伸張または圧縮することができる。次に、この動作に関する詳細について述べる。

図３を参照すると、例示的なオーディオ信号の波形４０の概略図が示されている。図３の波形４０は、図１のオーディオ速度変換器１０への入力オーディオ信号の一例である。図３では、オーディオ信号波形４０は、異なる３つのタイプの区間を示している。即ち、無音区間、擬似有音区間（ｑｕａｓｉ−ｓｏｕｎｄ ｉｎｔｅｒｖａｌ）、および有音区間である。無音区間は、主に背景雑音を含み、振幅が非常に小さく、平均電力が低く一定である。図１のオーディオ速度変換器１０が高速モードのとき、無音冗長度検出器１５は、無音区間の一部を削除することによって無音区間を圧縮することができる。例えば、図３では、無音区間Ｔ_ＳＩＬが長い場合、Ｔ_ＳＩＬ−Ｔ_ＴＨに等しい区間を削除することができる。図３のしきい値時間Ｔ_ＴＨは、無音区間の圧縮が行えるようになる前に経過しなければならない遅延時間である。こうすることにより、オーディオ信号によって表される音（例えば発話）を聞き手がより理解し易くすることができる。

さらに、図１のオーディオ速度変換器１０が低速モードのとき、無音冗長度検出器１５は、Ｔ_{ＳＩＬ―ＲＥＦ}−Ｔ_ＳＩＬに等しい所定の時間区間だけ無音区間を伸張することができる。パラメータＴ_{ＳＩＬ―ＲＥＦ}は、無音区間の最大伸張時間を制限する。さらに、このパラメータは、元々長かった無音区間の伸張が、元々より短かった区間の伸張よりも少なくなるようにする。このようにすることにより、早口で話される言葉を聞き手がよりよく理解することができる。Ｔ_{ＳＩＬ―ＲＥＦ}−Ｔ_ＳＩＬの結果が負になるほど十分に無音区間が長い場合は、すでに長い無音区間を伸張することは通常は必要ないので、伸張を行わなくてもよい。

図３の波形４０で示すように、擬似有音区間は、無音区間よりも大きい振幅を呈し、通常は本質的にランダムであり頻繁に変動する。これらの頻繁な変動により、擬似有音区間は、相対的に低度の周期性（即ち、冗長度）を呈する傾向がある。有音区間は、３つのタイプの区間のうちで最も大きい振幅を呈し、周期的な構造を有する。この周期性により、有音区間は、ある程度の冗長度を示す。擬似有音区間と有音区間は両方とも、音声情報を表す場合がある。

図４を参照すると、例示的なオーディオ信号の有音区間の周期性を示す波形５０の概略図が示されている。具体的には、図４の波形５０は、４つのピッチ期間Ｔ１〜Ｔ４を示す。図４に示すように、ピッチ期間は、オーディオ信号の有音区間中の周期性（即ち、冗長度）によって定義される。有音区間中のこの冗長度を用いて、オーディオ速度を上げることができる。例えば、図４で、第２のピッチ期間Ｔ２および第３のピッチ期間Ｔ３を波形５０から削除することにより、オーディオ速度を上げることができる。逆に、第２のピッチ期間Ｔ２および第３のピッチ期間Ｔ３を波形５０中で反復すると、オーディオ速度が下がる。

再び図１を参照すると、無音検出器１４が所定のサイクルについてＰ≧Ｐ_ＳＩＬであると決定したとき、このサイクルは、次の処理に向けて音声検出器およびピッチ期間検出器１６に転送される。具体的には、音声検出器およびピッチ期間検出器１６は、図３の波形４０に示したような有音区間を検出し、さらに、図４の波形５０に示したようなピッチ期間の開始を検出する。次に、この動作に関する詳細について述べる。

図５を参照すると、本発明の原理による、有音区間およびピッチ期間の検出の例を示す一連の波形が示されている。図５で、波形６０は、ピッチ期間Ｔ１〜Ｔ４を有する例示的な入力オーディオ信号を示す。各ピッチ期間は、１つまたは複数のサイクルを含む。例えば、図５で、ピッチ期間Ｔ１は、サイクルＣｙ２、Ｃｙ３、Ｃｙ４を含む。ピッチ期間Ｔ２は、サイクルＣｙ５、Ｃｙ６、Ｃｙ７を含む。ピッチ期間Ｔ３は、サイクルＣｙ８、Ｃｙ９、Ｃｙ１０を含む。ピッチ期間Ｔ４は、サイクルＣｙ１１、Ｃｙ１２、Ｃｙ１３を含む。ピッチ期間Ｔ１〜Ｔ４に含まれるサイクルの数を、それぞれ値Ｎ１〜Ｎ４で表す。波形６１は、異なるサイクルに対応する平均振幅値を示す。具体的には、サイクルＣｙ１〜Ｃｙ１３は、それぞれ平均電力値Ｐ１〜Ｐ１３を有する。図５の平均電力値Ｐ１〜Ｐ１３はすべて、点線で示す無音しきい値Ｐ_ＳＩＬよりも大きいことに注目されたい。

波形６０で示すように、サイクルＣｙ２、Ｃｙ５、Ｃｙ８、Ｃｙ１１はそれぞれ、図１の音声検出器およびピッチ期間検出器１６によって検出される所定のピッチ期間の開始を表す。この検出は、平均電力値を介して可能とすることができる。即ち、サイクルＣｙ２、Ｃｙ５、Ｃｙ８、Ｃｙ１１に対応する平均電力値Ｐ２、Ｐ５、Ｐ８、Ｐ１１は、他のサイクルの平均電力値よりも大きい。従って、電力（例えば、振幅）値は、ピッチ期間の開始を検出するための有用な基準である。音声信号など、ある種のオーディオ信号は、それらの電力値が時間と共に変化する点で動的なので、ピッチ期間の検出に使用される基準レベル（即ち、値）もまた、時間と共に変化して入力オーディオ信号の変化に追従すべきである。従って、本発明は、あるサイクルに対する基準値が前のサイクルの平均電力値に従って決まるようなピッチ期間を検出するために基準値を使用する。好ましい一実施形態によれば、所定のサイクルに対する基準値は、直前のサイクルの平均電力値に１〜２の間の定数を掛けた値に等しく設定される。従って、例えば、定数を１．５とすると、電力値Ｐ２は、電力値Ｐ１の１．５倍と比較される。同様に、電力値Ｐ３は、電力値Ｐ２の１．５倍と比較され、以下同様である。このようにして、ピッチ期間の検出に使用される基準値はサイクル毎に変動し、音声信号などのオーディオ信号の動的変化を正確に追従する。従って、本発明の原理によると、あるサイクルの平均振幅値がその基準値以上である場合、このサイクルは、音声検出器およびピッチ期間検出器１６により、ピッチ期間の開始として識別され、ロジック（ｌｏｇｉｃ：論理）・ハイ（ｈｉｇｈ：高）信号が出力に向けて生成される。音声検出器およびピッチ期間検出器１６のこの出力信号を、図５の波形６２によって示す。この出力信号の立上がりを用いて、ピッチ期間の開始を示すためのメモリ・アドレス・ポインタを設定することができる。

検出されるピッチ期間は、２つのパラメータによって特徴付けることができる。即ち、その持続時間Ｔ、およびそのサイクル総数Ｎである。これらのパラメータを比較することにより、連続する２つのピッチ波形の類似性を決定することができる。図１で、ピッチ冗長度検出器１７は、連続する２つのピッチ期間（例えば図５のＴ１とＴ２）の持続時間の差を計算し、結果を基準値ΔＴ_ＲＥＦと比較する。次いで、ピッチ冗長度検出器１７は、連続する２つのピッチ期間のサイクル数（例えば図５のＮ１とＮ２）の差を計算し、結果を別の基準値ΔＮ_ＲＥＦと比較する。好ましい一実施形態によれば、２つの条件｜Ｔ２−Ｔ１｜≦ΔＴ_ＲＥＦおよび｜Ｎ２−Ｎ１｜≦ΔＮ_ＲＥＦが満たされる場合、対応する２つのピッチ期間は同一と見做される。図３に示したような擬似有音区間で２つの同一ピッチ期間を識別する可能性は、相対的に低い。しかし、図３に示したような有音区間で２つの同一ピッチ期間を識別する可能性は、より高い。図１のオーディオ速度変換器１０が高速動作モードにあるときは、２つの同一期間のうちの第２の期間がオーディオ信号から削除される。こうすることにより、信号冗長度が減少し、オーディオ速度が上がる。逆に、図１のオーディオ速度変換器１０が低速動作モードにあるときは、２つの同一期間のうちの第２の期間がオーディオ信号中で反復される。こうすることにより、信号冗長度が増大し、オーディオ速度が下がる。

図６を参照すると、本発明の原理による、オーディオ信号の圧縮および伸張の例を示す一連の波形が示されている。図６で、波形７０は、信号の圧縮または伸張が行われていない状況を示す。従って、持続時間Ｔ１〜Ｔ４をそれぞれ有する４つのピッチ期間が１つのオーディオ信号に含まれている。波形７１は、信号圧縮が行われている状況を示す。具体的には、持続時間Ｔ１およびＴ３を有するピッチ期間だけがオーディオ信号に含まれ、それによって信号冗長度が減少している。波形７１は、図１のオーディオ速度変換器１０が高速動作モードのときに得ることができる。波形７２は、信号伸張が行われている状況を示す。具体的には、持続時間Ｔ２を有するピッチ期間がオーディオ信号中で反復され、それによって信号冗長度が増大している。波形７２は、図１のオーディオ速度変換器１０が低速動作モードのときに得ることができる。オーディオ速度変換器１０が待機動作モードにあるときは、入力オーディオ信号は、いかなる速度変化もなく単にオーディオ速度変換器１０の中をループされるだけである。オーディオ速度変換器１０が高速または低速の動作モードにあるとき、削除または反復されるサイクルの数は、制御回路１０によって制御される。従って、制御回路１８は、ある瞬間のオーディオ速度を計算し、その結果を、内部バッファ・メモリ１９、外部記憶デバイス２０、および／または外部デバイス２１など、他のデバイスに供給することができる。

本発明に関するその他の幾つかの特性も確認されている。例えば、オーディオ速度変換器１０が、高速動作モードにあるときは、元の速度の２倍を最高とする速度で、最良の結果が得られる。速度がこれよりも速い場合、発話などの音声は聞き手にとってより理解しにくくなる。しかし、オーディオ情報を完全に理解する必要のないビデオ・テープ・レコーダ（ＶＴＲ）の早送り機能などの用途では、より速い速度を用いることができる。このような場合、基準パラメータＴ_ＴＨ、Ｔ_{ＳＩＬ−ＲＥＦ}、Ｐ_ＳＩＬ、ΔＴ_ＲＥＦ、ΔＮ_ＲＥＦの値を増加させる必要のある場合がある。オーディオ速度変換器１０が、低速動作モードにあるときは、元の速度の半分よりも遅くはならない速度で、最良の結果が得られる。本発明は音声信号を処理するのに特に適するが、本発明の原理はまた、音声データに加えて音楽データを含む場合や、音楽データのみを含む場合など、オーディオ信号一般を処理するのに適用することもできる。

前述のように、本発明は、従来のオーディオ速度変換デバイスに勝る幾つかの利点を与える。本発明の例示的な特徴は、以下の通りである。
（１）オーディオ信号の一部の削除または挿入が常にゼロ交差点で行われるため、「カチッ」という雑音がなくなる。
（２）削除ポイントまたは挿入ポイントで乗算の必要がないので、単純且つ高速な信号処理が可能になる。
（３）入力される音声信号が可変長のサイクル／フレームに分割され、各サイクル／フレームは、入力オーディオ信号の周波数に応じた可変数の信号サンプルに等しい。
（４）オーディオ信号の一部の消去（即ち削除）または挿入（即ち反復）は、連続する２つの期間が同一であることがわかった場合にのみ行われる。
（５）無音区間の部分だけが削除される。無音区間の伸張は、その持続時間に反比例する。
（６）信号処理には、時間制限も速度制限も課されない。このことにより、品質のよいオーディオ再生が行われる。従来のオーディオ速度変換器は、バッファ・メモリのオーバーフローまたはアンダーフローに従ってオーディオ信号のセクションを消去または反復することが多い。これらはまた、守るべき時間制限および速度制限を有することが多い。この結果、しばしばオーディオ信号の完全なセクションが失われる。
（７）得られる出力信号は、瞬間的な速度とは関係なく、元のオーディオ信号の部分だけを含む。合成によって生じる部分が含まれることはない。
（８）得られるオーディオ速度は、一定ではない。速度変化のレートは、パラメータＴ_ＴＨ、Ｔ_{ＳＩＬ−ＲＥＦ}、Ｐ_ＳＩＬ、ΔＴ_ＲＥＦ、ΔＮ_ＲＥＦおよび入力信号によって決まる。高速モードでは、無音区間および同一区間をより多く含む入力信号の方が、それと同じ持続時間だが反対の特徴を有する入力信号よりも高速な出力信号になる。低速モードでは、オーディオ速度変換器は、短い無音区間を長い無音区間よりも多く伸張するようにして進行する。

好ましい設計を有するものとして本発明を述べたが、本発明は、本開示の趣旨および範囲の内でさらに変更することができる。従って、本出願は、本発明の一般原理を用いた本発明の任意の変形、用法、適合もカバーするものとする。さらに本出願は、本発明が関する技術分野における周知のまたは慣例の実施に含まれ、且つ特許請求の範囲内に含まれる、本開示からの逸脱もカバーするものとする。

本発明の原理に従って構成されるオーディオ速度変換器のブロック図である。 本発明の原理による、例示的な入力オーディオ信号の単一の単位サイクルの図である。 本発明の原理による、例示的なオーディオ信号を示す波形の図である。 本発明の原理による、例示的なオーディオ信号の有音区間の周期性を示す波形の図である。 本発明の原理による、有音区間およびピッチ期間を検出する例を示す一連の波形の図である。 本発明の原理による、オーディオ信号の圧縮および伸張の例を示す一連の波形の図である。

Claims (14)

1. オーディオ信号を処理するシステムであって、
   前記オーディオ信号を受け取って、前記受け取ったオーディオ信号を１つまたは複数の個別単位サイクルに分割する手段と、
   前記受け取ったオーディオ信号において１つまたは複数のピッチ期間を検出する手段であって、前記１つまたは複数のピッチ期間の各々は、前記個別単位サイクルのうちの１つまたは複数を含む、手段と、
   前記個別単位サイクルのうちの１つまたは複数の個別単位サイクルを反復または削除することによって聞き手に対するオーディオ速度変換動作を可能にする手段であって、反復または削除される前記個別単位サイクルは、前記検出する手段によって冗長であると決定された個別単位サイクルである、手段と、
   前記１つまたは複数の個別単位サイクルそれぞれについて平均電力値を生成する手段と、
   を具え、
   前記検出する手段が、前記受け取ったオーディオ信号において、前記１つまたは複数の個別単位サイクルそれぞれについての前記平均電力値に従って、前記１つまたは複数のピッチ期間を検出する、前記システム。
   
2. 前記分割する手段が、前記受け取ったオーディオ信号を基準値に従って前記１つまたは複数の個別単位サイクルに分割し、それにより個別単位サイクルが、前記基準値以上である前記受け取ったオーディオ信号の最初のサンプルで始まり、前記基準値未満である前記受け取ったオーディオ信号の最後のサンプルで終わる、請求項１に記載のシステム。
   
3. 前記個別単位サイクルのうちの１つまたは複数の個別単位サイクルを反復することによってオーディオ速度が下がる、請求項１に記載のシステム。
   
4. 前記個別単位サイクルのうちの１つまたは複数の個別単位サイクルを削除することによってオーディオ速度が上がる、請求項１に記載のシステム。
   
5. 前記受け取ったオーディオ信号が、ディジタル音声信号である、請求項１に記載のシステム。
   
6. 前記１つまたは複数の個別単位サイクルそれぞれについての前記平均電力値に従って、前記１つまたは複数の個別単位サイクルそれぞれが無音区間に該当するかどうかを決定する手段をさらに具える、請求項１に記載のシステム。
   
7. 前記生成する手段が、前記１つまたは複数の個別単位サイクルそれぞれについての平均振幅値に従って、前記１つまたは複数の個別単位サイクルそれぞれについての前記平均電力値を生成する、請求項１に記載のシステム。
   
8. オーディオ信号を受け取って、前記受け取ったオーディオ信号を１つまたは複数の個別単位サイクルに分割する信号検出器と、
   前記受け取ったオーディオ信号において１つまたは複数のピッチ期間を検出するピッチ期間検出器であって、１つまたは複数の前記ピッチ期間の各々が前記個別単位サイクルのうちの１つまたは複数を含む、ピッチ期間検出器と、
   前記個別単位サイクルのうちの１つまたは複数の個別単位サイクルを反復または削除することによって聞き手に対するオーディオ速度変換動作を可能にする回路であって、反復または削除される前記個別単位サイクルは、前記ピッチ期間検出器によって冗長であると決定された個別単位サイクルである、回路と、
   前記１つまたは複数の個別単位サイクルそれぞれについて平均電力値を生成する平均電力値生成器と、
   を具え、
   前記ピッチ期間検出器が、前記受け取ったオーディオ信号において、前記１つまたは複数の個別単位サイクルそれぞれについての前記平均電力値に従って、前記１つまたは複数のピッチ期間を検出する、オーディオ速度変換システム。
   
9. 前記信号検出器が、前記受け取ったオーディオ信号を基準値に従って前記１つまたは複数の個別単位サイクルに分割し、それにより個別単位サイクルが、前記基準値以上である前記受け取ったオーディオ信号の最初のサンプルで始まり、前記基準値未満である前記受け取ったオーディオ信号の最後のサンプルで終わる、請求項８に記載のオーディオ速度変換システム。
   
10. 前記個別単位サイクルのうちの１つまたは複数の個別単位サイクルを反復することによってオーディオ速度が下がる、請求項８に記載のオーディオ速度変換システム。
    
11. 前記個別単位サイクルのうちの１つまたは複数の個別単位サイクルを削除することによってオーディオ速度が上がる、請求項８に記載のオーディオ速度変換システム。
    
12. 前記受け取ったオーディオ信号がディジタル音声信号である、請求項８に記載のオーディオ速度変換システム。
    
13. 前記１つまたは複数の個別単位サイクルそれぞれについての前記平均電力値に従って、前記１つまたは複数の個別単位サイクルそれぞれが無音区間に該当するかどうかを決定する無音検出器をさらに具える、請求項８に記載のオーディオ速度変換システム。
    
14. 前記平均電力値生成器が、前記１つまたは複数の個別単位サイクルそれぞれについての平均振幅値に従って、前記１つまたは複数の個別単位サイクルそれぞれについての前記平均電力値を生成する、請求項８に記載のオーディオ速度変換システム。

Images