JP6713032B2 - 雰囲気コントロールが可能な音源ミキシング方法およびシステム - Google Patents

Description

以下の説明は、音源を自動選曲してミキシングする技術に関する。

現在は多様なオンライン音楽サービスが存在しているが、一般的なオンライン音楽サービスでは、音源をユーザ端末に提供したりストリーミングサービスを提供したりするなどの方式により、オンライン接続しているユーザにリアルタイムで音源を提供している。

オンライン音楽サービスの一例として、特許文献１（登録日２００６年０８月１７日）には、音楽コンテンツを内容に基づいて分類し、これによってネットワークを介して接続しているユーザに音楽コンテンツを提供する技術が開示されている。

韓国登録特許公報第１０−０６１５５２２号公報

音源の音楽的特性を考慮しながら、現在の曲と次の曲との間の自動ミキシングを実現することができる方法およびシステムを提供する。

ユーザが希望する雰囲気とユーザの個人的趣向を考慮しながら、音源を自動選曲することができる方法およびシステムを提供する。

ユーザ入力によって音源のミックス雰囲気をリアルタイムでコントロールすることができる方法およびシステムを提供する。

コンピュータシステムで実行される音源ミキシング方法であって、曲ごとに曲の一部区間を再生区間として決定して曲間の再生区間の音源特性を比較し、以前の曲の音源特性に対応する次の曲を選定する段階、および前記選定する段階を繰り返すことにより、各曲の再生区間を含む音源ミックスリストを構成する段階を含む、音源ミキシング方法を提供する。

一側面によると、前記選定する段階は、音源の構造を区分する時間単位であるセグメントポイントを利用して各曲のセグメント区間の一部を再生区間として決定する段階を含む。

他の側面によると、前記決定する段階は、各曲のハイライト（ｈｉｇｈｌｉｇｈｔ）区間を含むセグメント区間を再生区間として決定してよい。

また他の側面によると、前記選定する段階は、ユーザの電子機器から音源ミキシング要請を受信すると、音源に対する前記ユーザの趣向情報を反映してシード曲を決定する段階を含む。

また他の側面によると、前記選定する段階は、ユーザの電子機器から音源分類基準であるモードについての選択情報を含む音源ミキシング要請を受信すると、前記ユーザにより選択された前記モードに分類されている曲の中から、シード曲を決定する段階を含む。

また他の側面によると、当該音源ミキシング方法は、シード曲が与えられると、前記音源ミックスリストを定められた長さで構成するために、前記長さの分だけ、前記選定する段階を繰り返してよい。

また他の側面によると、前記選定する段階は、選曲対象プール（ｐｏｏｌ）に属する曲を対象に、再生区間の開始部分に現れる音源特性と前記以前の曲の再生区間の終端部分に現れる音源特性とを比較した曲間の類似度に基づいて、前記次の曲を選定してよい。

また他の側面によると、音源ミキシング方法は、前記以前の曲の再生区間の音源特性を考慮しながら、前記次の曲へのトランジション方法を選択する段階を含んでよい。

また他の側面によると、前記選択する段階は、前記以前の曲の再生区間の終端部分と前記次の曲の再生区間の開始部分に現れる音源特性を考慮しながら、前記トランジション方法を選択してよい。

また他の側面によると、前記選定する段階は、音源の構造を区分する時間単位であるセグメントポイントを利用して各曲のセグメント区間の一部を再生区間として決定する段階を含み、音源ミキシング方法は、ユーザの電子機器から前記音源ミックスリストに対する変更要請を受信すると、前記変更要請に対応するセグメントポイントを基準として新たな音源ミックスリストを構成する段階を含む。

さらに他の側面によると、選曲対象プールに属する音源それぞれに対し、音源のセグメントポイントごとに候補曲が事前に格納され、前記新たな音源ミックスリストを構成する段階は、前記変更要請の受信時点と隣接するセグメントポイントの候補曲の中から曲を選定して新たな音源ミックスリストを構成してよい。

コンピュータと結合して前記音源ミキシング方法をコンピュータに実行させるために、コンピュータ読取可能な記録媒体に格納される、コンピュータプログラムを提供する。

前記音源ミキシング方法をコンピュータに実行させるためのプログラムが記録されていることを特徴とする、コンピュータ読取可能な記録媒体を提供する。

コンピュータシステムであって、少なくとも１つのプロセッサ、および前記少なくとも１つのプロセッサと連結して前記少なくとも１つのプロセッサによって実行可能な命令を含むメモリを含み、前記少なくとも１つのプロセッサは、曲ごとに曲の一部区間を再生区間として決定して曲間の再生区間の音源特性を比較し、以前の曲の音源特性に対応する次の曲を選定する選曲部、および前記選曲部で曲を選定する過程が繰り返されることにより、曲ごとの再生区間を含む音源ミックスリストを構成するミックス構成部を備える、コンピュータシステムを提供する。

本発明の実施形態によると、音源の音楽的特性を考慮したミキシング方法により、現在の曲と次の曲との間により自然なミキシングを実現することができる。

本発明の実施形態によると、ユーザが希望する雰囲気とユーザの個人的趣向を考慮しながら、音源を自動選曲およびミキシングすることができる。

本発明の実施形態によると、ユーザ入力によってミックスの方向や音源再生状態などのような音源のミックス雰囲気をコントロールすることができ、ユーザ入力に対応する選曲とミキシングをリアルタイムで実現することができる。

本発明の一実施形態における、対話基盤インタフェースを活用したサービス環境の例を示した図である。 本発明の一実施形態における、対話基盤インタフェースを活用したサービス環境の他の例を示した図である。 本発明の一実施形態における、クラウド人工知能プラットフォームの例を示した図である。 本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。 本発明の一実施形態における、サーバのプロセッサが含むことができる構成要素の例を示したブロック図である。 本発明の一実施形態における、サーバが実行することができる方法の例を示したフローチャートである。 本発明の一実施形態における、曲ごとの再生区間を決定する過程の例を説明するための図である。 本発明の一実施形態における、曲ごとの再生区間を決定する過程の例を説明するための図である。 本発明の一実施形態における、曲ごとの再生区間を決定する過程の例を説明するための図である。 本発明の一実施形態における、ミックスリストを構成するための選曲過程の例を説明するための図である。 本発明の一実施形態における、ミックスリストを構成するための選曲過程の例を説明するための図である。 本発明の一実施形態における、シード曲を基準としてミックスリストを構成する過程の例を説明するための図である。 本発明の一実施形態における、リアルタイム発話に対応してミックスリストを新たに構成する過程の例を説明するための図である。

以下、本発明の実施形態について、添付の図面を参照しながら詳細に説明する。

本発明の実施形態は、音源を自動選曲してミキシングする技術に関する。

本明細書で具体的に開示される事項などを含む実施形態は、音源の音楽的特性を考慮しながらミックスを自動で実現することができ、これによって正確性、連係性、効率性などの側面において相当な長所を達成する。

図１は、本発明の一実施形態における、対話基盤インタフェースを活用したサービス環境の例を示した図である。図１の実施形態では、スマートホーム（ｓｍａｒｔ ｈｏｍｅ）やホームネットワークサービスのように宅内のデバイスを連結して制御する技術において、ユーザとの対話を基盤として動作するインタフェースを提供する電子機器１００が、ユーザ１１０の発話によって受信した音声入力「音楽をかけて」を認識および分析し、宅内で電子機器１００のスピーカや電子機器１００と内部ネットワークを介して繋がっている宅内スピーカを制御する例について示している。

例えば、宅内のデバイスは、上述した宅内スピーカの他にも、照明機器、テレビ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、周辺機器、エアコン、冷蔵庫、ロボット清掃機などのような家電製品はもちろん、水道、電気、冷暖房機器などのようなエネルギー消費装置、ドアロックや監視カメラなどのような保安機器など、オンライン上で連結して制御される多様なデバイスを含んでよい。また、内部ネットワークには、イーサネット（Ｅｔｈｅｒｎｅｔ）（登録商標）、ＨｏｍｅＰＮＡ、ＩＥＥＥ １３９４のような有線ネットワーク技術や、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ）（登録商標）、ＵＷＢ（ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ）、ジグビー（ＺｉｇＢｅｅ）（登録商標）、Ｗｉｒｅｌｅｓｓ １３９４、Ｈｏｍｅ ＲＦのような無線ネットワーク技術などが活用されてよい。

電子機器１００は、宅内のデバイスのうちの１つであってよい。例えば、電子機器１００は、宅内に備えられた人工知能スピーカや対話ロボット、ロボット清掃機などのようなデバイスのうちの１つであってよい。また、電子機器１００は、スマートフォン（ｓｍａｒｔ ｐｈｏｎｅ）、携帯電話、ノート型パンコン、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレットなどのようなユーザ１１０のモバイル機器であってもよい。このように、電子機器１００は、ユーザ１１０の音声入力を認識し、これに対応する動作のために各種デバイスと連結可能な機能を含む機器であれば、特に制限されることはない。また、実施形態によっては、上述したユーザ１１０のモバイル機器が宅内のデバイスとして含まれてもよい。

図２は、本発明の一実施形態における、対話基盤インタフェースを活用したサービス環境の他の例を示した図である。図２は、ユーザとの対話を基盤として動作するインタフェースを提供する電子機器１００が、ユーザ１１０の発話によって受信した音声入力「音楽をかけて」を認識および分析し、外部ネットワークを介して外部サーバ２１０から音源を取得し、取得した音源を出力する例について示している。

例えば、外部ネットワークは、ＰＡＮ（ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＣＡＮ（ｃａｍｐｕｓ ａｒｅａ ｎｅｔｗｏｒｋ）、ＭＡＮ（ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｎｅｔｗｏｒｋ）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、ＢＢＮ（ｂｒｏａｄｂａｎｄ ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。

図２の実施形態でも、電子機器１００は、宅内のデバイスのうちの１つであるか、ユーザ１１０のモバイル機器のうちの１つであってよく、ユーザ１１０の音声入力を受信して処理するための機能と、外部ネットワークを介して外部サーバ２１０に接続して外部サーバ２１０が提供するサービスやコンテンツをユーザ１１０に提供するための機能を含む機器であれば、特に制限されることはない。

このように、本発明の実施形態に係る電子機器１００は、対話基盤インタフェースでユーザ１１０の音声入力を含むユーザ命令を処理することができる機器であれば、特に制限されなくてよい。例えば、電子機器１００は、ユーザの音声入力を直接に認識および分析し、これに対応する動作を実行することによってユーザ命令を処理してよいが、実施形態によっては、ユーザの音声入力の認識や分析、ユーザに提供される音声や情報の合成などの処理を、電子機器１００と連係する外部のプラットフォームで実行してもよい。

図３は、本発明の一実施形態における、クラウド人工知能プラットフォームの例を示した図である。図３は、電子機器３１０とクラウド人工知能プラットフォーム３２０、およびコンテンツ・サービス３３０を示している。

一例として、電子機器３１０は、宅内に備えられるデバイスを意味してよく、少なくとも上述した電子機器１００を含んでよい。このような電子機器３１０や電子機器３１０にインストールおよび駆動されるアプリケーション（以下、「アプリ」とする。）は、インタフェースコネクト３４０を介してクラウド人工知能プラットフォーム３２０と連係することができる。ここで、インタフェースコネクト３４０は、電子機器３１０や電子機器３１０にインストールおよび駆動されるアプリの開発のためのＳＤＫ（Ｓｏｆｔｗａｒｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｋｉｔ）および／または開発文書を開発者に提供してよい。また、インタフェースコネクト３４０は、電子機器３１０や電子機器３１０にインストールおよび駆動されるアプリが、クラウド人工知能プラットフォーム３２０で提供する機能を活用することを可能にする、ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）を提供してよい。具体的な例として、開発者は、インタフェースコネクト３４０により提供されるＳＤＫおよび／または開発文書を利用して開発した機器やアプリが、インタフェースコネクト３４０が提供するＡＰＩを利用してクラウド人工知能プラットフォーム３２０により提供される機能を活用できるようにする。

ここで、クラウド人工知能プラットフォーム３２０は、対話基盤のサービスを提供するための機能を提供してよい。例えば、クラウド人工知能プラットフォーム３２０は、受信した音声入力を認識し、出力する情報を合成するための音声処理モジュール３２１、受信した映像や動画を分析して処理するためのビジョン処理モジュール３２２、受信した音声入力に適した情報を出力するために適切な対話を決定するための対話処理モジュール３２３、受信した音声入力に適した機能を薦めるための推薦モジュール３２４、人工知能がデータ学習に基づいて文章単位で言語を翻訳するように支援するニューラル機械翻訳（Ｎｅｕｒａｌ Ｍａｃｈｉｎｅ Ｔｒａｎｓｌａｔｉｏｎ：ＮＭＴ）３２５などのように、対話基盤サービスを提供するための多様なモジュールを含んでよい。

例えば、図１および図２の実施形態において、電子機器１００は、ユーザ１１０の音声入力を、インタフェースコネクト３４０が提供するＡＰＩを利用してクラウド人工知能プラットフォーム３２０に送信してよい。この場合、クラウド人工知能プラットフォーム３２０は、受信した音声入力を上述したモジュール３２１〜３２５を活用して認識および分析してよく、受信した音声入力に応じて適切な返答音声を合成して提供したり、適切な動作を推薦したりしてよい。

また、拡張キット３５０は、第三者コンテンツ開発者または会社がクラウド人工知能プラットフォーム３２０を基盤とした新たな人工知能対話基盤機能を実現することのできる開発キットを提供してよい。例えば、図２の実施形態において、電子機器１００は、ユーザ１１０から受信した音声入力を外部サーバ２１０に送信してよく、外部サーバ２１０は、拡張キット３５０により提供されるＡＰＩを利用してクラウド人工知能プラットフォーム３２０に音声入力を送信してよい。この場合、上述したものと同じように、クラウド人工知能プラットフォーム３２０は、受信した音声入力を認識および分析して適切な返答音声を合成して提供したり、音声入力に応じて処理すべき機能に対する推薦情報を外部サーバ２１０に提供したりしてよい。一例として、図２において、外部サーバ２１０は、音声入力「音楽をかけて」をクラウド人工知能プラットフォーム３２０に送信してよく、クラウド人工知能プラットフォーム３２０から、音声入力「音楽をかけて」の認識によって抽出されるキーワード「音楽」および「再生」を受信したとする。この場合、外部サーバ２１０は、キーワード「音楽」および「再生」に基づいて音源リストを生成し、生成された音源リストをクラウド人工知能プラットフォーム３２０に再送してよい。このとき、クラウド人工知能プラットフォーム３２０は、音源リストを外部サーバ２１０に提供してよい。外部サーバ２１０は、音源リストを電子機器１００に送信してよく、電子機器１００は、音源リストを再生することにより、ユーザ１１０から受信した音声入力「音楽をかけて」を処理することができる。

このとき、電子機器１００は、ユーザ１１０の発話のようなユーザ入力に対応する音源提供のために、本発明の実施形態に係る音源ミキシング方法を実行してよい。

図４は、本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。図４の電子機器４１０は、上述した電子機器１００に対応してよく、サーバ４２０は、上述した外部サーバ２１０やクラウド人工知能プラットフォーム３２０を実現する１つのコンピュータ装置に対応してよい。

電子機器４１０とサーバ４２０はそれぞれ、メモリ４１１、４２１、プロセッサ４１２、４２２、通信モジュール４１３、４２３、および入力／出力インタフェース４１４、４２４を含んでよい。メモリ４１１、４２１は、コンピュータ読取可能な記録媒体であって、ＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、およびディスクドライブのような永久大容量記憶装置（ｐｅｒｍａｎｅｎｔ ｍａｓｓ ｓｔｏｒａｇｅ ｄｅｖｉｃｅ）を含んでよい。ここで、ＲＯＭやディスクドライブのような永久大容量記憶装置は、メモリ４１１、４２１とは区分される別の永久記憶装置として電子機器４１０やサーバ４２０に含まれてもよい。また、メモリ４１１、４２１には、オペレーティングシステムと、少なくとも１つのプログラムコード（一例として、電子機器４１０にインストールされ、特定のサービスの提供のために電子機器４１０で駆動するアプリケーションなどのためのコード）が格納されてよい。このようなソフトウェア構成要素は、メモリ４１１、４２１とは別のコンピュータ読取可能な記録媒体からロードされてよい。このような別のコンピュータ読取可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ−ＲＯＭドライブ、メモリカードなどのコンピュータ読取可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読取可能な記録媒体ではない通信モジュール４１３、４２３を通じてメモリ４１１、４２１にロードされてもよい。例えば、少なくとも１つのプログラムは、開発者またはアプリケーションのインストールファイルを配布するファイル配布システムがネットワーク４３０を介して提供するファイルによってインストールされるコンピュータプログラム（一例として、上述したアプリケーション）に基づいて電子機器４１０のメモリ４１１にロードされてよい。

プロセッサ４１２、４２２は、基本的な算術、ロジック、および入力／出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ４１１、４２１または通信モジュール４１３、４２３によって、プロセッサ４１２、４２２に提供されてよい。例えば、プロセッサ４１２、４２２は、メモリ４１１、４２１のような記憶装置に格納されたプログラムコードに従って、受信される命令を実行するように構成されてよい。

通信モジュール４１３、４２３は、ネットワーク４３０を介して電子機器４１０とサーバ４２０とが互いに通信するための機能を提供してもよく、電子機器４１０および／またはサーバ４２０が他の電子機器または他のサーバと通信するための機能を提供してもよい。一例として、電子機器４１０のプロセッサ４１２がメモリ４１１のような記憶装置に格納されたプログラムコードに従って生成した要求が、通信モジュール４１３の制御に従ってネットワーク４３０を介してサーバ４２０に伝達されてよい。これとは逆に、サーバ４２０のプロセッサ４２２の制御に従って提供される制御信号や命令、コンテンツ、ファイルなどが、通信モジュール４２３およびネットワーク４３０を経て電子機器４１０の通信モジュール４１３を通じて電子機器４１０で受信されてよい。例えば、通信モジュール４１３を通じて受信したサーバ４２０の制御信号や命令、コンテンツ、ファイルなどは、プロセッサ４１２やメモリ４１１に伝達されてよく、コンテンツやファイルなどは、電子機器４１０がさらに含むことができる記録媒体（上述した永久記憶装置）に格納されてよい。

入力／出力インタフェース４１４は、入力／出力装置４１５とのインタフェースのための手段であってよい。例えば、入力装置は、マイク、キーボード、またはマウス、カメラなどの装置を含んでよく、出力装置は、ディスプレイやスピーカのような装置を含んでよい。他の例として、入力／出力インタフェース４１４は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置４１５は、電子機器４１０と１つの装置で構成されてもよい。また、サーバ４２０の入力／出力インタフェース４２４は、サーバ４２０と連結されるかサーバ４２０が含むことのできる、入力または出力のための装置（図示せず）とのインタフェースのための手段であってよい。

また、他の実施形態において、電子機器４１０およびサーバ４２０は、図４の構成要素よりも少ないか多くの構成要素を含んでもよい。しかし、大部分の従来技術的構成要素を明確に図に示す必要はない。例えば、電子機器４１０は、上述した入力／出力装置４１５のうちの少なくとも一部を含むように実現されてもよく、トランシーバ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）モジュール、カメラ、各種センサ、データベースなどのような他の構成要素をさらに含んでもよい。より具体的な例として、電子機器４１０がスマートフォンである場合、一般的にスマートフォンに含まれている加速度センサやジャイロセンサ、カメラモジュール、物理的な各種ボタン、タッチパネルを利用したボタン、入力／出力ポート、振動のための振動器などのような多様な構成要素が、電子機器４１０にさらに含まれるように実現されてよい。電子機器４１０は、ユーザの音声入力を受信するためのマイク、音源を出力するためのスピーカ、音源に関する情報を表示するためのディスプレイなどを入力／出力装置４１５として含んでよい。

図５は、本発明の一実施形態における、サーバのプロセッサが含むことができる構成要素の例を示したブロック図であり、図６は、本発明の一実施形態における、サーバが実行することができる方法の例を示したフローチャートである。

本実施形態に係るサーバ４２０は、電子機器４１０を対象にして音源提供サービスを提供するプラットフォームの役割を担うものである。サーバ４２０は、電子機器４１０上にインストールされるアプリケーションと連動して音源提供サービスを提供することができ、音源を提供するにあたり、ユーザ入力に対応する人工知能の音源ミキシング機能を提供することができる。

図６に係る音源ミキシング方法を実行するために、サーバ４２０のプロセッサ４２２は、構成要素として、図５に示すように、選曲部５１０、トランジション選択部５２０、およびミックス構成部５３０を備えることができる。実施形態によっては、プロセッサ４２２の構成要素は、選択的にプロセッサ４２２に含まれても除外されてもよい。また、実施形態によっては、プロセッサ４２２の構成要素は、プロセッサ４２２の機能の表現のために分離されても併合されてもよい。

このようなプロセッサ４２２およびプロセッサ４２２の構成要素は、図６の音源ミキシング方法に含まれる段階６１０〜段階６４０を実行するようにサーバ４２０を制御することができる。例えば、プロセッサ４２２およびプロセッサ４２２の構成要素は、メモリ４２１に含まれるオペレーティングシステムのコードと少なくとも１つのプログラムのコードによる命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行するように実現されてよい。

ここで、プロセッサ４２２の構成要素は、サーバ４２０に格納されたプログラムコードが提供する命令に従ってプロセッサ４２２によって実行される、プロセッサ４２２の互いに異なる機能（ｄｉｆｆｅｒｅｎｔ ｆｕｎｃｔｉｏｎｓ）の表現であってよい。例えば、サーバ４２０が音源ミキシングのための選曲を制御するように上述した命令に従ってサーバ４２０を制御するプロセッサ４２２の機能的表現として、選曲部５１０が利用されてよい。

段階６１０において、プロセッサ４２２は、サーバ４２０の制御と関連する命令がロードされたメモリ４２１から必要な命令を読み取ることができる。この場合、読み取った命令には、プロセッサ４２２が以下で説明される段階６２０〜段階６４０を実行するように制御するための命令が含まれてよい。

段階６２０において、選曲部５１０は、基準曲のセグメントポイントを利用して基準曲の再生される区間（以下、「再生区間」とする。）を決定し、曲間の再生区間の音源特性を比較し、基準曲の音源特性に対応する次の曲を選定する。一例として、選曲部５１０は、基準曲の再生区間の終端部分であるミックスポイントを含む所定の領域の音源特性を考慮しながら、次の曲を選定する。このとき、基準曲とは、ミキシングされる次の曲を選定するために基準とする音源を意味し、最初の基準曲は、自動的に与えられたシード（ｓｅｅｄ）曲であるか、あるいは現在再生中の曲であるか、あるいはユーザによって選択された指定曲などが該当してよい。また、セグメントポイントとは、音源構造単位で音源の構造を区分する時間単位（例えば、ミリ秒（ｍｓｅｃ））指標を意味し、セグメント区間とは、音源内のセグメントポイントとセグメントポイントの間の領域を意味する。プロセッサ４２２は、事前に構築されたセグメントモデルを利用することにより、選曲対象プール（ｐｏｏｌ）に含まれる音源それぞれに対してセグメンティングを予め計算することができる。

選曲部５１０は、音源の少なくとも１つのセグメント区間を再生区間として決定することができる。一例として、音源のハイライト（ｈｉｇｈｌｉｇｈｔ）区間を含むセグメント区間を、再生区間として決定してよい。ハイライト区間とは、曲のハイライト、すなわち主要な特徴部分を含んでいる領域であり、例えば、ディープラーニング（ｄｅｅｐ ｌｅａｒｎｉｎｇ）モデルを利用して自動抽出されてよい。ハイライト区間の他にも、音源内から意味的確率が最も高い区間を抽出し、抽出された区間を含むセグメント区間を再生区間として決定してよい。

選曲部５１０は、基準曲のミックスポイントで再生される次の曲を選定することになる。一例として、選曲部５１０は、ユーザの音源ミキシング要請に対応してシード曲が与えられると、シード曲の特性と選曲対象プールに属する音源の特性を考慮しながら、シード曲のミックスポイントで再生される次の曲を選定する。続いて、選曲部５１０は、選定された曲を新たな基準曲とし、基準曲の特性とは異なる音源の特性を考慮しながら、基準曲のミックスポイントで再生される次の曲を選定する。このような選曲過程は、事前に定められた長さ（例えば、時間や曲数）の音源ミックスリストを構成するために、その長さの分だけ繰り返される。

音源ミキシング要請は、電子機器４１０から受信したユーザ入力であって、例えば、ユーザ発話による音声入力（例えば、「パーティーに合う曲をミックスして」など）などが該当する。音源ミキシング要請にはモード選択情報が含まれてよい。モードは、音楽的な雰囲気やテーマ、ジャンルなどを区分するための基準であり、例えば、パーティー、ラウンジ／ヒーリング、集中などに区分されてよく、モードごとに、そのモードの選曲対象プールを定めることができる。また、シード曲は、ユーザが選択したモードに分類されている曲の中から選定されるが、このとき、音源に対するユーザの個人的趣向が反映されてよく、サーバ４２０と関連する音源推薦システムから、ユーザの音源選好度などのようなユーザ趣向情報を取得し、これに基づいてシード曲を自動で決定することができる。モードごとの選曲対象プールも、与えられるものの他に、ユーザ趣向情報を反映して構成されることも可能である。例えば、選曲対象プールとして、特定のアルバムやユーザによって構成されたプレイリストなどが使用されてもよい。

特に、選曲部５１０は、曲間の自然な連結のために、基準曲の再生区間の終端部分（ミックスポイントとなる部分）と選曲対象プール内に含まれる曲の再生区間の開始部分とを比較し、類似度が最も高い曲を次の曲として選定することができる。例えば、選曲部５１０は、音源のＢＰＭ（ｂｅａｔｓ ｐｅｒ ｍｉｎｕｔｅ）、キー（ｋｅｙ）、ビート（ｂｅａｔ）、構造（ｓｔｒｕｃｔｕｒｅ）、局所的特徴（ｌｏｃａｌ ｆｅａｔｕｒｅ）、全体的特徴（ｇｌｏｂａｌ ｆｅａｔｕｒｅ）などの音楽的特性を比較することによって曲間の類似度を判断してよい。

段階６３０において、トランジション選択部５２０は、基準曲のミックスポイントを含む所定の領域の音源特性を考慮しながら、次の曲へのトランジション方法を選択してよい。ミックスポイントとは、現在の曲から次の曲にトランジションを開始する時点を意味する。トランジション方法とは、曲と曲とを連結するオーディオエフェクト（ａｕｄｉｏ ｅｆｆｅｃｔ）を意味するものであり、例えば、フェードイン（ｆａｄｅ ｉｎ）、フェードアウト（ｆａｄｅ ｏｕｔ）、クロスフェード（ｃｒｏｓｓ ｆａｄｅ）、エコーアウト（ｅｃｈｏ ｏｕｔ）、ループ（ｌｏｏｐ）などの多様な形態のトランジション類型が含まれてよい。トランジション選択部５２０は、以前の曲の再生区間の終端部分と次の曲の再生区間の開始部分に現れる音楽的特性（例えば、ＢＰＭ、キー、ビート、構造、局所的特徴、全体的特徴など）を考慮しながら、互いの曲間のトランジション類型を選択してよい。言い換えれば、トランジション選択部５２０は、ミックスポイントで相互作用する２つの曲の特性に応じて、ミキシングパターンを自動設定することができる。

段階６４０において、ミックス構成部５３０は、段階６２０と段階６３０を繰り返すことにより、曲ごとの再生区間と曲間のトランジション方法に関する情報を含むミックスリストを構成することができる。すなわち、ミックスリストは、ユーザの音源ミキシング要請に対する応答情報であり、再生される曲のリストと共に、各曲の再生される領域（再生区間）の時間指標、次の曲へのトランジション方法などを含み得る。ミックス構成部５３０は、ユーザの音源ミキシング要請に対してミックスリストを構成してユーザの電子機器４１０に伝達することができ、電子機器４１０は、伝達されたミックスリストに基づき、リスト内の音源を順に再生したり、定められたミキシングパターンで再生したりしてよい。

したがって、プロセッサ４２２は、特定の雰囲気（モード）をもつ音源ミキシング要請に対し、該当の雰囲気に対応する選曲とミキシングを行うことにより、ユーザが希望する雰囲気の音源ミックスリストを構成することができる。

図７〜図９は、本発明の一実施形態における、曲ごとに再生区間を決定する過程の例を説明するための図である。

音源ミキシングの際には、各音源の全体区間ではなく一部の区間を再生することになるが、このとき、音源内で高い重要度を有する区間を再生区間として決定する必要がある。図７を参照すると、選曲部５１０は、ディープラーニング基盤のセグメントモデル（Ｓｅｇｍｅｎｔ ｍｏｄｅｌ）７１０を利用して音源７００に対するセグメンティングを実行することができ、これによって音源７００の構造を区分したセグメントポイント（Ｓ０〜Ｓ９）を取得することができる。一例として、選曲部５１０は、音源のセグメントポイント（Ｓ０〜Ｓ９）のうちのいずれか１つのセグメントポイントを基準とし、一定の長さを含むセグメント区間を再生区間として決定してよい。例えば、選曲部５１０は、音源のセグメントポイント（Ｓ０〜Ｓ９）のうち、次のセグメントポイントまでの距離が最も長いセグメントポイント（Ｓ２）を基準に、一定の長さ（例えば、１０秒）を含む最小セグメント区間を再生区間として決定してよい。他の例として、選曲部５１０は、図８に示すように、ディープラーニング基盤のハイライトモデル（Ｈｉｇｈｔｌｉｇｈｔ ｍｏｄｅｌ）８２０を利用して音源７００からハイライト区間８０１を抽出してよく、図９に示すように、該当の音源７００のセグメントポイント（Ｓ０〜Ｓ９）のうち、ハイライト区間８０１の前後を含むセグメント区間（Ｓ２からＳ６までの区間）を再生区間として決定してよい。

したがって、選曲部５１０は、音源それぞれに対し、次のセグメントポイントまでの距離が最も長いセグメントポイントを基準にして一定の長さを含むセグメント区間、あるいはハイライト区間を含むセグメント区間などを、音源内で意味的確率の高い重要区間として認識し、該当の区間を音源ミキシング時に再生される再生区間として決定することができる。

図１０および図１１は、本発明の一実施形態における、ミックスリストを構成するための選曲過程の例を説明するための図である。

選曲部５１０は、音源間の再生区間の特徴を比較し、類似度が高い曲をミックスリスト構成のための曲として選択することができる。一例として、図１０を参照すると、選曲部５１０は、各音源７００に対し、ディープラーニング基盤の特徴抽出モデル（Ｆｅａｔｕｒｅ ｍｏｄｅｌ）１０３０を利用して再生区間１００３の開始部分（例えば、２秒）の特徴（ｆｒｏｎｔ ｆｅａｔｕｒｅ）と終端部分（例えば、２秒）の特徴（ｂａｃｋ ｆｅａｔｕｒｅ）をそれぞれ抽出することができる。例えば、特徴抽出モデル１０３０では、再生区間１００３の開始部分の特徴（ｆｒｏｎｔ ｆｅａｔｕｒｅ）と終端部分の特徴（ｂａｃｋ ｆｅａｔｕｒｅ）を多次元実数ベクトルで表現することにより、それぞれベクトル化してよい。このとき、開始部分と終端部分の特徴は、音楽信号の特徴を現す多様な方法によって示され得る。具体的に、例えば、ジャンルのように曲を音楽的特性で区分することのできるラベル学習したモデルから出る表現ベクトル（ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｖｅｃｔｏｒ）値、メル・エネルギー（ｍｅｌ−ｅｎｅｒｇｙ）の平均値、大きさ（ｌｏｕｄｎｅｓｓ）、スペクトル中心特徴（ｓｐｅｃｔｒａｌ ｃｅｎｔｒｏｉｄ ｆｅａｔｕｒｅ）などが使用されてよいが、これに限定されることはなく、音楽信号の区間特徴を示すことのできる多様な値であれば、制限なく使用可能である。

図１１を参照すると、選曲部５１０は、まず、選曲対象プールに属する全体曲のうち、基準曲と音楽的特性（ＢＰＭ、キー、ビート、構造、局所的特徴、全体的特徴など）が類似する１次候補群１１０１を選定することができる。続いて、選曲部５１０は、基準曲の再生区間の終端部分の特徴（ｂａｃｋ ｆｅａｔｕｒｅ）と１次候補群１１０１の曲の再生区間の開始部分の特徴（ｆｒｏｎｔ ｆｅａｔｕｒｅ）とを比較し、一定の範囲の類似度を有する少なくとも１つの曲を、２次候補群１１０２として選定することができる。例えば、選曲部５１０は、終端部分の特徴を示すベクトルと開始部分の特徴を示すベクトルとの距離が所定の範囲以内である曲を、２次候補群１１０２として選定してよい。最後に、選曲部５１０は、２次候補群１１０２内でランダムに選定した曲を、基準曲のミックスポイントで再生される次の曲として選定することができる。実施形態によっては、２次候補群１１０２を選定せずに、１次候補群１１０１内において、終端部分の特徴を示すベクトルと開始部分の特徴を示すベクトルとの距離が最も近い曲を次の曲として直ぐに選定することも可能である。

プロセッサ４２２は、シード曲が与えられると、事前に定められた長さ（例えば、時間や曲数）の音源ミックスリストを構成するために、その長さの分だけ、図１０および図１１を参照しながら説明した過程を繰り返す。図１２を参照すると、プロセッサ４２２は、特定のモード（例えば、パーティー）の音源ミキシング要請に対してシード曲ｘが与えられると、選曲対象プールに含まれる曲のうち、再生区間の開始部分の特徴が曲ｘの再生区間の終端部分の特徴と類似する曲ａを、シード曲ｘの次の曲として選択し、続いて、他の曲のうち、再生区間の開始部分の特徴が曲ａの再生区間の終端部分の特徴と類似する次の曲ｂを選択する方法によって該当の過程を繰り返すことにより、デフォルトミックスリスト１２００を構成することができる。このとき、発話などによる追加のユーザ入力がない場合には、以前の曲の再生区間の終端部分がミックスポイントとなり、以前の曲のミックスポイントから次の曲へのトランジションが始まる。

一方、ユーザは、電子機器４１０でデフォルトミックスリスト１２００の曲が再生されている最中に、追加の発話などによって、ミックスの雰囲気（すなわち、モード）や再生曲、現在の再生状態などに対する変更要請をすることができる。ユーザの初期の音源ミキシング要請が、例えば、「パーティーに合う曲をミックスして」や「パーティーに合う曲をデザインして」のようにモード選択情報を含む発話から始まり、その後の変更要請は、例えば「次の曲をかけて」や「他のジャンルの曲をミックスして」や「エネルギーレベルを高めて」などのように、変更しようとする要素が含まれる発話であってよい。

プロセッサ４２２は、ユーザの電子機器４１０から変更要請を受信すると、現在の曲の再生区間内の変更要請の受信時点と隣接するセグメントポイントを基準に、変更要請に対する動作を実行することができる。図１３を参照すると、ユーザからリアルタイム発話を受信すると、該当の発話時点に最も近いセグメントポイントをミックスポイントに変更し、変更されたミックスポイントを含む所定の領域（ｙ）の音源特性と類似する特性を有する曲（ａ’、ｂ’、ｃ’、・・・）からなる、新たなミックスリスト１３００を構成する。このとき、音源領域ｙが、新たなミックスリスト１３００を構成するためのシード曲となる。ユーザが、現在再生中の曲から次の曲に変更したり、ミキシングの雰囲気や曲の再生状態を変更したりしようとするときにミックスリストを自動更新するようになるが、このとき、ユーザ入力（発話）パラメータとミックスパラメータに応じて、該当のセグメントポイントに対応する候補曲の中から曲を自動的に選び、曲間のトランジション方法を再び選択することにより、新たなミックスリスト１３００を構成することができる。選曲対象プールに属する音源それぞれについて、音源のセグメントポイントごとに該当のセグメントポイントと類似する音楽的特性の候補曲を予め格納しておいてよく、ユーザの変更要請の時点から最も近いセグメントポイントに対し、予め格納しておいた候補曲の中から曲を選んでミックスリストを再び構成することができる。他の例として、プロセッサ４２２は、変更要請としてユーザ発話「エネルギーレベルを高めて」を受信すると、再生中の音源の各セグメントポイントのエネルギーレベルを分析し、ユーザ発話に対応するエネルギーレベルを有するセグメントポイントを基準にしてミックスリストを新たに構成してよい。エネルギーレベルとは、音源が有するスペクトル強度を示すものであり、セグメントの転換に基づいたミックスリストの構成によってユーザにエネルギーの変化を感じさせることができる。

したがって、プロセッサ４２２は、ユーザ入力によってミックスの雰囲気（すなわち、モード）や再生曲、現在の再生状態などを変化させようとするときに、これに対応するリアルタイム選曲とミキシングを実現することができる。

このように、本発明の実施形態によると、音源の音楽的特性を考慮しながら、ミキシング方法によって現在の曲と次の曲のより自然なミキシングを実現することができる。また、本発明の実施形態によると、ユーザが希望する雰囲気とユーザの個人的趣向を考慮しながら音源を自動選曲およびミキシングすることができ、ユーザ入力に対応するリアルタイム選曲とのミキシングにより、音源のミックス雰囲気や再生状態などを直ぐにコントロールすることができる。

上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、および／またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを格納、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者は、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことを理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサと１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、所望のとおりに動作するように処理装置を構成してもよく、独立的または集合的に処理装置に命令してもよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に具現化されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で格納されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読取可能な記録媒体に格納されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読取可能な媒体に記録されてよい。このとき、媒体は、コンピュータで実行可能なプログラムを継続して格納するものであってもよく、実行またはダウンロードのために一時的に格納するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接に接続する媒体に限定されてはならず、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、および磁気テープのような磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令が格納されるように構成されたものであってよい。また、媒体の他の例として、アプリケーションを流通するアプリストアやその他の多様なソフトウェアを供給あるいは流通するサイト、サーバなどで管理する記録媒体あるいは格納媒体が挙げられてもよい。

以上のように、実施形態を、限定された実施形態と図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって代替されたり置換されたとしても、適切な結果を達成することができる。

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付される特許請求の範囲に属する。

４２２：プロセッサ
５１０：選曲部
５２０：トランジション選択部
５３０：ミックス構成部

Claims (19)

1. コンピュータシステムで実行される音源ミキシング方法であって、
   曲ごとに曲の一部区間を再生区間として決定して曲間の再生区間の音源特性を比較し、以前の曲の音源特性と対応する次の曲を選定する段階、および
   前記選定する段階を繰り返すことにより、各曲の再生区間を含む音源ミックスリストを構成する段階
   を含み、
   前記選定する段階は、音源の構造を区分する時間単位であるセグメントポイントを利用して各曲のセグメント区間の一部を再生区間として決定する段階を含み、当該音源ミキシング方法は、
   ユーザの電子機器から前記音源ミックスリストに対する変更要請を受信すると、前記変更要請と対応するセグメントポイントを基準として、新たな音源ミックスリストを構成する段階
   を含む、音源ミキシング方法。
2. 前記決定する段階は、
   各曲のハイライト区間を含むセグメント区間を再生区間として決定すること
   を特徴とする、請求項１に記載の音源ミキシング方法。
3. 前記選定する段階は、
   ユーザの電子機器から音源ミキシング要請を受信すると、音源に対する前記ユーザの趣向情報を反映してシード曲を決定する段階
   を含む、請求項１に記載の音源ミキシング方法。
4. 前記選定する段階は、
   ユーザの電子機器から音源分類基準であるモードについての選択情報を含む音源ミキシング要請を受信すると、前記ユーザにより選択された前記モードに分類されている曲の中から、シード曲を決定する段階
   を含む、請求項１に記載の音源ミキシング方法。
5. 当該音源ミキシング方法は、
   シード曲が与えられると、前記音源ミックスリストを定められた長さで構成するために、前記長さの分だけ前記選定する段階を繰り返すこと
   を特徴とする、請求項１に記載の音源ミキシング方法。
6. 前記選定する段階は、
   選曲対象プールに属する曲を対象に、再生区間の開始部分に現れる音源特性と前記以前の曲の再生区間の終端部分に現れる音源特性とを比較した曲間の類似度に基づいて、前記次の曲を選定すること
   を特徴とする、請求項１に記載の音源ミキシング方法。
7. 当該音源ミキシング方法は、
   前記以前の曲の再生区間の音源特性を考慮しながら、前記次の曲へのトランジション方法を選択する段階
   を含む、請求項１に記載の音源ミキシング方法。
8. 前記選択する段階は、
   前記以前の曲の再生区間の終端部分と前記次の曲の再生区間の開始部分に現れる音源特性を考慮しながら、前記トランジション方法を選択すること
   を特徴とする、請求項７に記載の音源ミキシング方法。
9. 選曲対象プールに属する音源それぞれについて、音源のセグメントポイントごとに候補曲が事前に格納され、
   前記新たな音源ミックスリストを構成する段階は、
   前記変更要請の受信時点と隣接するセグメントポイントの候補曲の中から曲を選定して新たな音源ミックスリストを構成すること
   を特徴とする、請求項１に記載の音源ミキシング方法。
10. 請求項１乃至９のうちのいずれか一項に記載の音源ミキシング方法をコンピュータに実行させる、コンピュータプログラム。
11. 請求項１乃至９のうちのいずれか一項に記載の音源ミキシング方法をコンピュータに実行させるためのプログラムが記録されていることを特徴とする、コンピュータ読取可能な記録媒体。
12. コンピュータシステムであって、
    少なくとも１つのプロセッサ、および
    前記少なくとも１つのプロセッサと連結して前記少なくとも１つのプロセッサによって実行可能な命令を含むメモリ
    を含み、
    前記少なくとも１つのプロセッサは、
    曲ごとに曲の一部区間を再生区間として決定して曲間の再生区間の音源特性を比較し、以前の曲の音源特性と対応する次の曲を選定する選曲部であって、音源の構造を区分する時間単位であるセグメントポイントを利用して各曲のセグメント区間の一部を再生区間として決定する選曲部、および
    前記選曲部で曲を選定する過程が繰り返されることにより、各曲の再生区間を含む音源ミックスリストを構成するミックス構成部であって、ユーザの電子機器から前記音源ミックスリストに対する変更要請を受信すると、前記変更要請と対応するセグメントポイントを基準として、新たな音源ミックスリストを構成するミックス構成部、
    を備える、コンピュータシステム。
13. 前記選曲部は、
    各曲のハイライト区間を含むセグメント区間を再生区間として決定すること
    を特徴とする、請求項１２に記載のコンピュータシステム。
14. 前記選曲部は、
    ユーザの電子機器から音源ミキシング要請を受信すると、音源に対する前記ユーザの趣向情報を反映してシード曲を決定すること
    を特徴とする、請求項１２に記載のコンピュータシステム。
15. 前記選曲部は、
    ユーザの電子機器から音源分類基準であるモードについての選択情報を含む音源ミキシング要請を受信すると、前記ユーザにより選択された前記モードに分類されている曲の中から、シード曲を決定すること
    を特徴とする、請求項１２に記載のコンピュータシステム。
16. シード曲が与えられると、前記音源ミックスリストを定められた長さで構成するために、前記長さの分だけ、前記選曲部で曲を選定する過程が繰り返されること
    を特徴とする、請求項１２に記載のコンピュータシステム。
17. 前記選曲部は、
    選曲対象プールに属する曲を対象に、再生区間の開始部分に現れる音源特性と前記以前の曲の再生区間の終端部分に現れる音源特性とを比較した曲間の類似度に基づいて、前記次の曲を選定すること
    を特徴とする、請求項１２に記載のコンピュータシステム。
18. 前記少なくとも１つのプロセッサは、
    前記以前の曲の再生区間の音源特性を考慮しながら、前記次の曲へのトランジション方法を選択するトランジション選択部
    を備える、請求項１２に記載のコンピュータシステム。
19. 前記トランジション選択部は、
    前記以前の曲の再生区間の終端部分と前記次の曲の再生区間の開始部分に現れる音源特性を考慮しながら、前記トランジション方法を選択すること
    を特徴とする、請求項１８に記載のコンピュータシステム。

Images