JPWO2009139022A1 - 音声出力装置およびプログラム - Google Patents

Abstract

できるだけ音楽鑑賞を妨げないようにするなど、再生中の曲に応じた音声情報を挿入することができる音声出力装置を提供することを課題とする。本発明の音声出力装置１は、曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入部１１と、再生されている曲の、音声情報の挿入時における音および／または声の要素に応じて、音声情報の音および／または声の要素を調整する音声情報調整部３０と、音声情報調整部３０による調整後の音声情報に基づいて、音声を出力する音声出力部２２と、を備えたものである。

Description

本発明は、曲の再生中に、音声情報を挿入して出力する音声出力装置およびプログラムに関する。

従来、カーナビゲーション機能とオーディオプレーヤ機能とを有し、曲の再生中に、音声情報を挿入して道案内を行うナビゲーションシステムが知られている（例えば、特許文献１）。このナビゲーションシステムは、音声案内の優先度を判別し、優先度が高い場合は、曲再生を中断して音声案内を挿入する。また、優先度が低い場合は、再生中の曲の終了を待って音声案内を挿入する。この構成により、ドライバーにとってそれ程重要でない音声案内を曲間に行うことができ、再生中の曲を必要以上に中断させることがない、といった効果を奏する。
特開２００１−１１６５８１号公報

ところが、実際の用途を考慮すると、上記のナビゲーションシステムでは、殆どの音声案内が曲再生を中断して挿入されてしまう。例えば、カーナビゲーションでは、「３００メートル先右折です。」、「まもなく右方向です。」、「右です。」など、実際に右折を行う前に複数回の音声案内が行われることが多い。上記のナビゲーションシステムでは、これらの音声案内は全て「優先度が高い」と判別されるため、曲再生が中断されてしまう。このような音声案内は、ドライバーにとっては重要かもしれないが、同乗者にとっては重要でない場合が多く、不快な思いをさせてしまう。また、ドライバーにとっても、音声案内を確認しつつも、できるだけ快適に音楽鑑賞できることが望ましい。

本発明は、上記の問題点に鑑み、できるだけ音楽鑑賞を妨げないようにするなど、再生中の曲に応じた音声情報を挿入することができる音声出力装置およびプログラムを提供することを目的とする。

本発明の音声出力装置は、曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入手段と、再生されている曲の、音声情報の挿入時における音および／または声の要素に応じて、音声情報の音および／または声の要素を調整する音声情報調整手段と、音声情報調整手段による調整後の音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする。

上記に記載の音声出力装置において、音声情報調整手段は、曲の音および／または声の要素に対して、適合度が高くなるように、または適合度が低くなるように、音声情報の音および／または声の要素を調整することが好ましい。

これらの構成によれば、再生されている曲（楽曲）の、音声情報の挿入時における音および／または声の要素に応じて、音声情報の音および／または声の要素を調整するため、例えば曲の音および／または声の要素に対して、適合度が高くなるように調整することで、音声情報が音楽鑑賞の妨げとなる可能性を低くすることができる。また、適合度が低くなるように調整することで、音声情報が曲に紛れてしまうことがなく、聴衆者に対して明確に音声情報を伝えることができる。
なお、「音および／または声の要素」とは、「音の要素および声の要素の少なくとも一方」を意味する。
また、「曲」および「音声情報」は、いずれも音および声のいずれかが含まれていればよく、必ずしも両方が含まれている必要はない。また、「曲」の音の要素に応じて、「音声情報」の声の要素を調整したり、「曲」の声の要素に応じて、「音声情報」の音の要素を調整したりするなど、必ずしも両者の要素が一致する必要はない。また、音および声の両方を含む「音声情報」の場合、両者が同時に出力されるものであっても良いし、音の後に声が追加されるなど、両者が時間的に分離して出力されるものであっても良い。また、「効果音」とは、喚起音や警告音などを含む概念である。
また、曲を再生する手段は、音声出力装置内に設けても良いし、音声出力装置以外の外部装置内に設けても良い。後者の場合は、音声出力装置が外部装置から曲のプレイリストを予め取得し、当該プレイリストに基づいて音声調整を行っても良い。また、再生されている曲の音声信号を取得しながら、リアルタイムに音声調整を行っても良い。

上記に記載の音声出力装置において、音声情報は、その内容に応じて重要度が設定されており、音声情報調整手段は、重要度が高い音声情報については、曲の音および／または声の要素に対して適合度が低くなるように音声情報の音および／または声の要素を調整し、重要度が低い音声情報については、曲の音および／または声の要素に対して適合度が高くなるように音声情報の音および／または声の要素を調整することが好ましい。

この構成によれば、音声情報の重要度に応じて、音および／または声の要素を調整する（曲に対する適合度を高く／低くする）ことができる。これにより、重要度の高い音声情報は、聴衆者（ドライバー）に対して明確に伝えることができ、重要度の低い音声情報は、音楽鑑賞の妨げとなる可能性を低くすることができるなど、ドライバーと同乗者の双方にとって好ましい音声調整を行うことができる。

上記に記載の音声出力装置において、曲の音および／または声の要素に関する情報である曲メタデータと、音声情報の音および／または声の要素に関する情報である音声情報メタデータと、を記憶するメタデータ記憶手段をさらに備え、音声情報調整手段は、曲メタデータおよび音声情報メタデータを参照して、音声情報の音および／または声の要素を調整することが好ましい。

この構成によれば、曲と音声情報の、音および／または声の要素に関する情報を、それぞれメタデータとして記憶しておくことで、容易に音声調整を行うことができる。

上記に記載の音声出力装置において、音および／または声の要素が異なる複数種類の音声情報を記憶する音声情報記憶手段をさらに備え、音声情報調整手段は、音声情報の挿入時における曲の音および／または声の要素に応じて、音声情報記憶手段に記憶されている複数種類の音声情報の中から、出力対象となる１の音声情報を選択することが好ましい。

この構成によれば、複数種類の音声情報の中から、出力対象となる１の音声情報を選択するだけの容易な処理で、音声調整を行うことができる。

上記に記載の音声出力装置において、音声情報調整手段は、音声情報の挿入時における曲の音および／または声を利用して、当該音声情報の挿入時に、当該音声情報の音および／または声を生成することが好ましい。

この構成によれば、音声情報の挿入時に音声調整を行うため、複数種類の音声情報を記憶しておくための記憶容量を必要としない。また、再生中の曲の音および／または声を利用して、音声情報の音および／または声を生成するため、多彩な音声情報を出力することができる。

上記に記載の音声出力装置において、音声情報調整手段は、音声情報の挿入開始時における曲の音および／または声の要素に応じて、音声情報の音および／または声の要素を調整することが好ましい。

この構成によれば、音声情報が時間的な長さを有する場合、曲の途中で、音および／または声の要素が変化することが考えられるが、そのような場合でも音声情報の挿入開始時に合わせて音声調整を行うことができるため、予め音声情報の時間的な長さが規定されていない場合でも対応できる。

上記に記載の音声出力装置において、音の要素として、曲調、和音、律動のうちいずれか１以上の要素を含み、声の要素として、ピッチ、声量、声質、発音のうちいずれか１以上の要素を含むことが好ましい。

この構成によれば、曲に含まれる曲調、和音、律動や、声のピッチ、声量、声質、発音に応じて、音声情報のそれらの要素を調整することができる。例えば、曲が静かな曲調のときに、静かな声質の案内音声を挿入することで、音楽鑑賞の妨げとなる可能性を低くすることができる。また、曲が静かな曲調のときに、大きな声量の案内音声を挿入することで、聴衆者に対して明確に音声情報を伝えることができる。

上記に記載の音声出力装置において、曲を再生する曲再生手段をさらに備え、音声出力手段は、音声情報に基づく音および／または声と共に、曲再生手段により再生された曲を出力することが好ましい。

この構成によれば、曲の再生と、音声情報の挿入とを、一つの装置で実現することができる。

本発明の他の音声出力装置は、曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入手段と、音声情報の挿入時に再生されている曲のジャンルに応じて、音声情報の音源および／または言語を調整する音声情報調整手段と、音声情報調整手段による調整後の音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする。

この構成によれば、再生されている曲のジャンルに応じて、音声情報の音源および／または言語を調整するため、例えば曲のジャンルに対して、適合度が高くなるように調整することで、音声情報が音楽鑑賞の妨げとなる可能性を低くすることができる。また、適合度が低くなるように調整することで、音声情報が曲（音楽）に紛れてしまうことがなく、聴衆者に対して明確に音声情報を伝えることができる。
なお、「曲のジャンル」とは、洋楽や邦楽などの種別、クラシックやジャズなどの種別、映画音楽やＣＭ音楽などの種別を指すものである。また、「音源」とは、演奏される楽器など、音を発生する装置を指すものである。

本発明のプログラムは、コンピュータを、上記に記載の音声出力装置における各手段として機能させるためのものであることを特徴とする。

このプログラムを用いることにより、できるだけ音楽鑑賞を妨げないようにするなど、再生中の曲に応じた音声情報を挿入することができる音声出力装置を実現できる。

本発明の一実施形態に係る音声出力装置の制御構成を示すブロック図である。 音声案内リストの一例を示す図である。 プレイリストの一例を示す図である。 案内音声メタデータの一例を示す図である。 喚起音メタデータの一例を示す図である。 曲メタデータの一例を示す図である。 音声出力装置の音声出力処理を示すフローチャートである。

符号の説明

１…音声出力装置 １０…カーナビ部 １１…音声情報挿入部 １５…音声案内リスト ２０…プレーヤ部 ２１…曲再生部 ２２…音声出力部 ２５…プレイリスト ３０…音声情報調整部 ３１…案内音声調整部 ３２…喚起音調整部 ４１…コンテンツメタデータＤＢ ４２…コンテンツＤＢ

以下、本発明の一実施形態に係る音声出力装置およびプログラムについて、添付図面を参照しながら詳細に説明する。本実施形態では、カーナビゲーション機能とオーディオプレーヤ機能とを有し、曲の再生中に、音声情報を挿入する車載型の音声出力装置を例示する。

図１は、音声出力装置１の制御構成を示すブロック図である。同図に示すように、音声出力装置１は、カーナビゲーション機能を司るカーナビ部１０と、オーディオプレーヤ機能を司るプレーヤ部２０と、カーナビゲーションを行うための音声情報を調整する音声情報調整部３０と、音声情報や曲に関するメタデータを格納したコンテンツメタデータデータベース（以下、「コンテンツメタデータＤＢ」と記載する）４１と、音声情報や曲のコンテンツを格納したコンテンツデータベース（以下、「コンテンツＤＢ」と記載する）４２と、を備えている。

カーナビ部１０は、一般的なカーナビゲーション装置と同様に、ユーザ（ドライバー）が設定した経路や目的地と、ＧＰＳ（Global Positioning System）受信機から受信したＧＰＳ情報とに基づいて、経路案内（道案内）を行う。また、道路交通情報を取得し、渋滞情報や交通規制に関する交通案内を行う。したがって、特に図示しないが、カーナビ部１０には、上記のＧＰＳ受信機、経路誘導を行うための制御プログラム、経路表示を行うためのディスプレイも含まれる。

さらに、カーナビ部１０は、音声情報挿入部１１を有している。音声情報挿入部１１は、音声情報（経路案内や交通案内を音声にて行うための案内音声と、その案内音声の出力前にドライバーの注意を惹きつけるために出力される喚起音と、から成る）を、プレーヤ部２０で再生されている曲に挿入すべく、音声情報調整部３０に出力するものである。音声情報挿入部１１は、カーナビ部１０において予め作成された音声案内リスト１５（図２参照）にしたがって音声情報を挿入する。なお、音声案内リスト１５は、刻々と変化する状況（音声出力装置１が搭載された車両の進行速度や道路状況など）に応じてリアルタイムに更新される。

プレーヤ部２０は、ユーザが選択したプレイリスト２５（図３参照）にしたがって曲再生を行う曲再生部２１と、曲再生部２１により再生された曲、並びに音声情報挿入部１１により挿入された音声情報に基づく音声（音および声）を出力する音声出力部２２と、を有している。なお、特に図示しないが、プレーヤ部２０には、各種音声処理を行うためのオーディオコントロールデバイスやスピーカも含まれる。

音声情報調整部３０は、曲再生部２１により再生されている曲の、音声情報挿入部１１により音声情報が挿入された時点における音および声の要素に応じて、当該音声情報の音および声の要素を調整するものであり、案内音声調整部３１と、喚起音調整部３２と、を有している。本実施形態において、案内音声調整部３１は、曲の音の要素である「曲調（メロディ）」に応じて、音声情報（案内音声）の声の要素である「声質（声色、声の調子）」を調整する。また、喚起音調整部３２は、曲の音の要素である和音（ハーモニー）に応じて、音声情報（喚起音）の音の要素である和音を調整する。さらに、喚起音調整部３２は、喚起音の重要度（本実施形態の場合、それに続く案内音声の重要度）も考慮して、喚起音を調整する。具体的な調整方法については、後述する。

次に、図２ないし図６を参照し、音声案内リスト１５、プレイリスト２５および各種コンテンツメタデータの具体例について説明する。図２は、音声案内リスト１５の一例を示す図である。音声案内リスト１５は、案内音声毎に、「伝達時刻」と、「重要度」と、「グループＩＤ」と、が関連付けられている。図２では、「まもなく右方向です。」、「右です。」、「この先しばらく道なりです。」、「３時です。」の４つの案内音声が例示されている。また、各案内音声は、１以上の伝達情報から成る。例えば、案内音声「まもなく右方向です。」は、「まもなく」と、「右方向です。」の２つの伝達情報から成る。各伝達情報には、「音声ＩＤ」が関連付けられている。

項目「伝達時刻」は、その案内音声の伝達開始時刻を示している。上記のとおり、各案内音声の出力前には、喚起音を出力するため、「伝達開始時刻＝喚起音の出力タイミング」となる。また、項目「重要度」は、案内音声の内容によって「重要度１」と「重要度０」の２段階に分類される。「重要度１」は、重要度の高い案内音声を指す。例えば、直近の運転に必要な情報（交差点手前５００ｍ以内に案内される進行方向の案内など）は、「重要度１」として設定される。これに対し、「重要度０」は、重要度の低い案内音声を指す。例えば、直近の運転に必要でない情報（交差点手前から５００ｍを超える位置で案内される進行方向の案内、渋滞情報、左・右折の必要がない経路案内、時刻情報など）は、「重要度０」として設定される。なお、案内音声の重要度は、２段階ではなく３段階以上に設定することも可能である。

項目「グループＩＤ」は、案内音声毎に設定されたものであり、同一のグループＩＤが付与された１以上の伝達情報は、連続して出力されることを意味する。これにより、音声案内リスト１５の更新等によって、他のグループＩＤが付与された伝達情報の挿入を禁止することができる。例えば、「まもなく右方向です。」という案内音声の間に、「３時」などの他のグループＩＤの伝達情報が挿入されると、意味が分からなくなってしまうためである。

続いて、図３を参照し、プレイリスト２５について説明する。プレイリスト２５は、曲のコンテンツ毎に、「曲順」と、「曲ＩＤ」と、「長さ」と、を関連付けたものである。項目「曲順」は、曲を再生する順序を指す。また、項目「曲ＩＤ」は、各曲コンテンツを識別するためのコードであり、他のコンテンツと重複しないように、「Ｍ＊＊＊＊＊」で表される英数字となっている。項目「長さ」は、曲長を秒単位で示したものである。

続いて、図４を参照し、案内音声メタデータについて説明する。案内音声メタデータは、「音声ＩＤ」と、「伝達情報」と、「声質」とが関連付けられている。項目「音声ＩＤ」は、各案内音声コンテンツを識別するためのコードであり、他のコンテンツと重複しないように、「１＊＊＊＊」で表される数字となっている。項目「伝達情報」は、案内音声の内容を示している。また、項目「声質」は、「普通」、「静か」、「明るい」の３つに分類され、それぞれ「音声ＩＤ」の下一桁に対応している。すなわち、「音声ＩＤ」の下一桁が「０」の案内音声コンテンツは、声質「普通」に対応し、「音声ＩＤ」の下一桁が「１」の案内音声コンテンツは、声質「静か」に対応し、「音声ＩＤ」の下一桁が「２」の案内音声コンテンツは、声質「明るい」に対応している。このように、案内音声メタデータは、同一内容の「伝達情報」に対し、３種類の案内音声コンテンツが用意されている。そして、音声出力装置１は、これら３種類の案内音声コンテンツの中から曲の曲調にマッチした（適合度、調和度、整合性の高い）声質の案内音声コンテンツを選択して出力する。

なお、実際に曲に挿入される案内音声コンテンツは、この３種類のうちどれになるか挿入時まで未定であるため、カーナビ部１０では、声質が「普通」の場合を想定して音声案内リスト１５を作成している。したがって、図２に示した音声案内リスト１５では、「声質ＩＤ」の下一桁が全て「０」となっている。

続いて、図５を参照し、喚起音メタデータについて説明する。喚起音メタデータは、各和音に対して、適合度０〜適合度５の「喚起音ＩＤ」が関連付けられている。項目「喚起音ＩＤ」は、各喚起音コンテンツを識別するためのコードであり、他のコンテンツと重複しないように、「２＊＊＊＊」で表される数字となっている。

ここで、「適合度０」とは、関連付けられた和音に対して最も適合度が低いことを意味する。逆に、「適合度５」とは、関連付けられた和音に対して最も適合度が高いことを意味する。例えば同図の例では、和音Ｄと、喚起音ＩＤ「２０９１７」とを同時に聞くと、明らかに違和感があり、和音Ｄと、喚起音ＩＤ「２００４９」とを同時に聞くと、とてもマッチしていて心地よく感じる。したがって、重要度の高い音声案内を行う場合は、そのときの曲の和音が「Ｄ」であれば、違和感のある喚起音ＩＤ「２０９１７」を鳴らすことで、ドライバーの注意を強く惹きつけることができる。また、重要度の低い音声案内を行う場合は、そのときの曲の和音が「Ｄ」であれば、曲にマッチする喚起音ＩＤ「２００４９」を鳴らすことで、音楽鑑賞を妨げる可能性を低くすることができる。

なお、本実施形態においては、その喚起音が用いられる音声案内の重要度に応じて「適合度０」と「適合度５」の喚起音コンテンツを使い分けるが、「適合度１」と「適合度４」や、「適合度２」と「適合度３」などの組み合わせで使い分けても良い。また、どの適合度を用いるかをユーザが設定可能としても良い。

続いて、図６を参照し、曲メタデータについて説明する。曲メタデータは、「曲調」と「和音」とが対応付けられた時系列データである。同図の例では、０．１秒間隔で「曲調」および「和音」が記録されている。そして、０．０（曲開始）〜１．４秒までは「静か」だった曲調が、１．５秒経過後から「明るい」に変化していること、０．０〜０．５秒までは和音「Ｃ」、０．６〜１．３秒までは和音「Ｄｍ７」、１．４秒以降は和音「Ｇｍ」に変化すること、を示している。したがって、例えば、曲開始からの経過時間０．５秒以内に、音声情報が挿入開始された場合、その音声情報が「重要度の高い音声案内」であった場合は、曲の和音Ｄに対して適合度の低い喚起音を出力した後、曲調にマッチした案内音声を出力することとなる。

次に、図７のフローチャートを参照し、音声出力装置１による音声出力処理の一連の流れについて説明する。曲が再生されている状況下において、まず音声情報挿入部１１が、音声情報と、その重要度を示す情報と、を挿入すると（Ｓ０１）、音声情報調整部３０は、現在再生している曲の和音と曲調を判定する（Ｓ０２）。当該判定は、プレーヤ部２０から取得した曲ＩＤと、その再生位置（曲開始からの経過時間）を示す情報とに基づき、コンテンツメタデータＤＢ４１内の曲メタデータを参照することにより行われる。なお、再生位置を示す情報は、定期的にプレーヤ部２０から取得しても良いし、再生開始を示す情報のみを取得し、その後は経過時間をカウントして再生位置を特定するようにしても良い。

続いて、音声情報調整部３０は、Ｓ０１で挿入された音声情報の重要度を判別する（Ｓ０３）。ここで、音声情報調整部３０が、重要度が高いと判定した場合は（Ｓ０３：Ｙｅｓ）、コンテンツメタデータＤＢ４１内の喚起音メタデータ（図５参照）を参照し、音声情報の挿入開始時点における曲の和音に対して適合度の低い喚起音ＩＤを選択する（Ｓ０４）。一方、重要度が低いと判定した場合は（Ｓ０３：Ｎｏ）、喚起音メタデータから、音声情報の挿入開始時点における曲の和音に対して適合度の高い喚起音ＩＤを選択する（Ｓ０５）。

続いて、音声情報調整部３０は、コンテンツメタデータＤＢ４１内の案内音声メタデータ（図４参照）を参照し、音声情報の挿入開始時点における曲の曲調に応じた案内音声ＩＤを選択する（Ｓ０６）。案内音声についてはその重要度に関わらず、曲の曲調に適した案内音声ＩＤを選択する。そして、プレーヤ部２０は、音声情報調整部３０から、喚起音ＩＤおよび案内音声ＩＤを取得し、コンテンツＤＢ４２から対応するコンテンツを読み出して、喚起音および案内音声を出力する（Ｓ０７）。なお、プレーヤ部２０は、喚起音および案内音声を出力する前後で、曲の音量を徐々に下げたり上げたりしても良いし、喚起音および案内音声が出力されている間、曲の再生を中断しても良い。

ここで、上記の処理に倣い、具体例を挙げて説明する。例えば、図６に示すように、曲ＩＤ「Ｍ２３４５２」の曲コンテンツが再生され、その再生位置が「０．４」秒の時点で、音声案内の伝達開始時刻「14:56:45」となり、「重要度１」の案内音声「まもなく右方向です。」が挿入される場合（図２参照）、そのときの曲の和音は「和音Ｄ」であるため、「和音Ｄ」に対して適合度が低い（「適合度０」の）喚起音ＩＤ「２０９１７」が出力され（図５参照）、それに続き曲の曲調「静か」に適した案内音声（音声ＩＤ「１５００１」および音声ＩＤ「１４００１」）が出力される（図４参照）。

なお、上記のフローチャートは、曲が再生中であることを前提としているが、オーディオプレーヤが停止している状態や、曲間など、曲が再生されていない状態で音声情報が挿入された場合は、音声情報の調整は行われない。すなわち、喚起音は、予め定められた所定の喚起音ＩＤが選択され、音声ＩＤは、声質「普通」に対応したものが選択される。また、喚起音については、音声情報の重要度に応じて、２種類の喚起音ＩＤからいずれかを選択するようにしても良い。

以上説明したとおり、本実施形態の音声出力装置１によれば、再生されている曲の、音声情報の挿入時における音の要素に応じて、喚起音の和音や案内音声の声質を調整するため、例えば適合度が高くなるように調整することで、音声情報が曲に溶け込み、快適な音楽鑑賞を妨げることがない。また、適合度が低くなるように調整することで、音声情報が曲（音楽）に紛れてしまうことがなく、ドライバーに対して明確に音声情報を伝えることができる。また、音声情報の重要度に応じて、適合度を判別するため、重要度の高い音声情報は、ドライバーに対して明確に伝えることができ、重要度の低い音声情報は、音楽鑑賞の妨げとなる可能性を低くすることができるなど、ドライバーと同乗者の双方にとって好ましい音声調整を行うことができる。

なお、上記の実施形態では、音声情報の挿入時に、音声情報の調整を行うものとしたが、予め音声情報を調整しておいても良い。この場合、予め生成された音声案内リスト１５と、予め選択されたプレイリスト２５と、に基づいて、音声情報の調整を行っておき、その調整結果に基づいて、曲の再生前に音声案内リスト１５を作成しておく。なお、この場合当該音声案内リスト１５には、音声ＩＤ（３種類の「声質」のうちいずれかが選択されたもの）と、喚起音ＩＤとがリストアップされていることが好ましい。この構成によれば、音声案内リスト１５に基づいて音声出力を行うだけでよい（音声調整の必要がない）ため、曲再生中における音声出力装置１の制御負荷を軽減できる。

また、上記の実施形態では、音声情報の一例として挙げた喚起音については、音声案内の重要度に応じて採用するコンテンツを変えるものとしたが、案内音声についてもその重要度に応じて採用するコンテンツを変化させても良い。但し、案内音声については、その重要度が高い場合に適合度の低いコンテンツを選択すると、曲の曲調が「明るい」場合に、「静か」な案内音声を再生するといった組み合わせの可能性もあり、その場合は案内音声が曲に掻き消されてしまうため、単に適合度が低いコンテンツを選択すれば良いという訳ではない。このため、案内音声メタデータとして、曲の曲調の種類に対し、重要度に応じて最適な案内音声の声質を規定した一覧表を用意しておくことが好ましい。

また、上記の実施形態では、全ての案内音声の前に喚起音を出力するとしたが、重要度の高い案内音声の前のみ喚起音を出力するようにしても良い。また、案内音声に喚起音を付加するか否か、重要度に応じて喚起音を付加する／付加しないを決定するか、等について、ユーザが設定可能としても良い。

また、上記の実施形態では、音声出力装置１内にコンテンツＤＢ４２を備えた構成であるものとしたが、これらを省略しても良い。この場合、音声出力装置１は、コンテンツＤＢ４２を格納した外部装置から適宜コンテンツを取得して、曲の再生や音声案内を行うこととなる。

また、上記の実施形態では、音声出力装置１内にカーナビ部１０と、プレーヤ部２０とを備えた構成であるものとしたが、いずれか一方または両方を省略しても良い。例えば両方を省略する場合、外部装置であるカーナビゲーション装置から音声情報を取得し、当該音声情報を、外部装置であるオーディオプレーヤで再生されている曲に挿入すべく、調整し、調整後の音声をオーディオプレーヤに出力することとなる。

また、上記の実施形態では、「曲」に音の要素（曲調、和音）が含まれ、「音声情報」に音の要素（喚起音の和音）と、声の要素（案内音声の声質）と、が含まれるとしたが、これに限らない。例えば、「曲」に声の要素が含まれ、これに応じて「音声情報」の音の要素を調整しても良い。つまり、「曲」の音の要素に応じて、「音声情報」の声の要素を調整したり、「曲」の声の要素に応じて、「音声情報」の音の要素を調整したりするなど、必ずしも両者の要素が一致する必要はない。また、音および声を含む「音声情報」の場合、本実施形態のように、音の後に声が追加されるパターンではなく、声と音の両者が同時に出力されるものであっても良い。

また、音声情報の一例として、「喚起音」を例に挙げたが、「警告音」など繰り返し鳴らされるようなイメージのある音であっても良い。また、電車の到着音のように、数小節のメロディを含むような音であっても良い。すなわち、音を含む「音声情報」としては、種々の効果音を適用可能である。

また、音の要素として「曲調」と「和音」を例示したが、「律動（リズム，周期性）」、「音源の方向」など、他の要素を加えても良い。また、声の要素として「声質」を例示したが、「ピッチ（声の高さ）」、「声量（声の大きさ、強さ、幅）」、「発音」、「声の響き具合」など、他の要素を加えても良い。すなわち、曲の「律動」やボーカルの「ピッチ」等に応じて音声情報の音声要素を調整したり、曲の音声要素に応じて音声情報の「律動」や「ピッチ」等を調整したりしても良い。

また、上記の実施形態では、複数種類の音声情報の中から１の音声情報を選択することによって音声情報の調整を行うものとしたが、音声情報の挿入時における曲の音および／または声を利用して、当該音声情報の挿入時に、当該音声情報の音および／または声を生成するようにしても良い。この構成によれば、複数種類の音声情報を記憶しておくための記憶容量を削減できると共に、再生中の曲の音および／または声を利用して、音声情報の音および／または声を生成するため、多彩な音声情報を出力することができる。なお、再生中の曲の音を利用する例としては、曲を構成している音を組み合わせて、適合度の高い喚起音を生成したり、曲を構成している音を半音ずらした音を組み合わせて、適合度の低い喚起音を生成したりする方法が挙げられる。

また、上記の実施形態では、音声情報の挿入開始時における曲の音および／または声の要素に応じて、音声情報の音および／または声の要素を調整するものとしたが、音声情報が時間的な長さを有し、音声情報の再生途中で、曲の音および／または声の要素が変化した場合は、それに合わせて音声情報の音および／または声の要素を調整するようにしても良い。さらに、音声情報の長さが予め分かっている場合は、音声情報の再生途中で、曲の音および／または声の要素が変化した場合、音声情報と同時に再生される長さが長い方の曲の音および／または声の要素に応じて音声情報を調整しても良いし、音声情報の挿入終了時における曲の音および／または声の要素に応じて音声情報を調整しても良い。

なお、本発明の音声出力装置１の応用例として、再生されている曲のジャンルに応じて、音声情報の音源および／または言語を調整しても良い。この場合、例えば曲のジャンルに対して、適合度が高くなるように調整することで、音声情報が音楽鑑賞の妨げとなる可能性を低くすることができる。また、適合度が低くなるように調整することで、音声情報が曲（音楽）に紛れてしまうことがなく、聴衆者に対して明確に音声情報を伝えることができる。なお、「曲のジャンル」とは、洋楽や邦楽などの種別、クラシックやジャズなどの種別、映画音楽やＣＭ音楽などの種別を指すものである。また、「音源」とは、演奏される楽器など、音を発生する装置を指すものである。適合度が高くなる具体例としては、曲が洋楽の場合、案内音声を英語音声にし、曲が邦楽の場合は、案内音声を日本語にする方法が挙げられる。また、喚起音については、曲が演歌の場合、喚起音を「琴」の音色とし、曲がロックの場合は「エレキギター」の音色にするなどの方法が挙げられる。

また、上記の実施形態では、車載型の音声出力装置１を例示したが、有線放送などのように、曲（音楽）を再生し続ける放送局において、時報や交通情報などを挿入する場合にも、本発明を適用可能である。この場合、時報や交通情報の挿入開始時点における曲の曲調や和音等に応じて、時報や交通情報などの音声情報を調整可能である。その他、または曲が再生されている状況下で、音声案内を行う装置であれば、その種類を問わず、本発明を適用可能である。

また、本発明の音声出力装置１を映像に適用してもよい。例えば、近年ワンセグ放送が注目されているが、それらの映像を画像解析し、その解析結果に応じて、適合度が高くなるように、または低くなるように、音声情報の音および／または声の要素を調整しても良い。この場合、画像（映像）の要素としては、明るさ、各色の占有率、解像度、コントラスト、ジャンル（アニメ、実写など）などが挙げられる。

また、上記の実施形態や応用例に示した音声出力装置における各部をプログラムとして提供することも可能である。また、そのプログラムを記録媒体（図示省略）に格納して提供することも可能である。すなわち、コンピュータを、音声出力装置の各部として機能させるためのプログラム、およびそれを記録した記録媒体も、本発明の権利範囲に含まれるものである。その他、本発明の要旨を逸脱しない範囲で、適宜変更が可能である。

【０００２】
［０００４］
本発明は、上記の問題点に鑑み、できるだけ音楽鑑賞を妨げないようにするなど、再生中の曲に応じた音声情報を挿入することができる音声出力装置およびプログラムを提供することを目的とする。
課題を解決するための手段
［０００５］
本発明の音声出力装置は、曲の音および／または声の要素に関する情報である曲メタデータと、案内音声および／または効果音である音声情報の音および／または声の要素に関する情報である音声情報メタデータと、を記憶するメタデータ記憶手段と、曲の再生中に、音声情報を挿入する音声情報挿入手段と、メタデータ記憶手段に記憶されている曲メタデータおよび音声情報メタデータを参照し、再生されている曲の、音声情報の挿入時における音および／または声の要素に応じて、音声情報の音および／または声の要素を調整する音声情報調整手段と、音声情報調整手段による調整後の音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする。
上記に記載の音声出力装置において、音の要素として、曲調、和音、律動のうちいずれか１以上の要素を含み、声の要素として、ピッチ、声量、声質、発音のうちいずれか１以上の要素を含むことが好ましい。
上記に記載の音声出力装置において、音声情報調整手段は、曲の音および／または声の要素に対して、適合度が高くなるように、または適合度が低くなるように、音声情報の音および／または声の要素を調整することが好ましい。
上記に記載の音声出力装置において、音声情報は、その内容に応じて重要度が設定されており、
音声情報調整手段は、重要度が高い音声情報については、曲の音および／または声の要素に対して適合度が低くなるように音声情報の音および／または声の要素を調整し、重要度が低い音声情報については、曲の音および／または声の要素に対して適合度が高くなるように音声情報の音および／または声の要素を調整することが好ましい。
上記に記載の音声出力装置において、音および／または声の要素が異なる複数種類の音声情報を記憶する音声情報記憶手段をさらに備え、音声情報調整手段は、音声情報の挿入時における曲の音および／または声の要素に応じて、音声情報記憶手段に記憶されている複数種類の音声情報の中から、出力対象となる１の音声情報を選択することが好ましい。
上記に記載の音声出力装置において、音声情報調整手段は、音声情報の挿入時における曲の音および／または声を利用して、当該音声情報の挿入時に、当該音声情報の音および／または声を生成することが好ましい。
上記に記載の音声出力装置において、音声情報調整手段は、音声情報の挿入開始時における曲の音および／または声の要素に応じて、音声情報の音および／または声の要素を調整することが好ましい。
上記に記載の音声出力装置において、曲を再生する曲再生手段をさらに備え、音声出力手段は、音声情報に基づく音および／または声と共に、曲再生手段により再生された曲を出力することが好ましい。
本発明の他の音声出力装置は、曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入手段と、音声情報の挿入時に再生されている曲のジャンルに応じて、音声情報の音源および／または言語を調整する音声情報調整手段と、音声情報調整手段による調整後の音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする。
本発明のプログラムは、コンピュータを、上記に記載の音声出力装置における各手段として機能させるためのものであることを特徴とする。
なお、以下の構成としても良い。
本発明の音声出力装置は、曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入手段と、再生されている曲の、音声情報の挿入時における音および／または声の要素に応じて、音声情報の音および／または声の要素を調整する音声情報調整手段と、音声情報調整手段による調整後の音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする。
［０００６］
上記に記載の音声出力装置において、音声情報調整手段は、曲の音および／または声の要素に対して、適合度が高くなるように、または適合度が低くなるように、音声情報の音および／または声の要素を調整することが好ましい。
［０００７］
これらの構成によれば、再生されている（楽曲）の、音声情報の挿入時における音および／または声の要素に応じて、音声情報の音および／または声の要素を調整するため、例えば曲の音および／または声の要素に対して、適合度が高くなるように調整することで、音声情報が音楽鑑賞の妨げとなる可能性を低くすることができる。また、適合度が低くなるように調整することで、音声情報が曲に紛れてしまうことがなく、聴衆者に対して明確に音声情報を伝えることができる。
なお、「音および／または声の要素」とは、「音の要素および声の要素の少なくとも一方」を意味する。
また、「曲」および「音声情報」は、いずれも音および声のいずれかが含まれていればよく、必ずしも両方が含まれている必要はない。また、「曲」の音の要素に応じて、「音声情報」の声の要素を調整したり、「曲」の声の要素に応じて、「音声情報」の音の要素を調整したりするなど、必ずしも両者の要素が一致する必要はない。また、音および声の両方を含む「音声情報

Claims (11)

1. 曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入手段と、
   再生されている前記曲の、前記音声情報の挿入時における音および／または声の要素に応じて、前記音声情報の音および／または声の要素を調整する音声情報調整手段と、
   前記音声情報調整手段による調整後の前記音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする音声出力装置。
2. 前記音声情報調整手段は、前記曲の音および／または声の要素に対して、適合度が高くなるように、または適合度が低くなるように、前記音声情報の音および／または声の要素を調整することを特徴とする請求項１に記載の音声出力装置。
3. 前記音声情報は、その内容に応じて重要度が設定されており、
   前記音声情報調整手段は、重要度が高い音声情報については、前記曲の音および／または声の要素に対して適合度が低くなるように前記音声情報の音および／または声の要素を調整し、重要度が低い音声情報については、前記曲の音および／または声の要素に対して適合度が高くなるように前記音声情報の音および／または声の要素を調整することを特徴とする請求項２に記載の音声出力装置。
4. 前記曲の音および／または声の要素に関する情報である曲メタデータと、前記音声情報の音および／または声の要素に関する情報である音声情報メタデータと、を記憶するメタデータ記憶手段をさらに備え、
   前記音声情報調整手段は、前記曲メタデータおよび前記音声情報メタデータを参照して、前記音声情報の音および／または声の要素を調整することを特徴とする請求項１に記載の音声出力装置。
5. 音および／または声の要素が異なる複数種類の前記音声情報を記憶する音声情報記憶手段をさらに備え、
   前記音声情報調整手段は、前記音声情報の挿入時における前記曲の音および／または声の要素に応じて、前記音声情報記憶手段に記憶されている複数種類の前記音声情報の中から、出力対象となる１の音声情報を選択することを特徴とする請求項１に記載の音声出力装置。
6. 前記音声情報調整手段は、前記音声情報の挿入時における前記曲の音および／または声を利用して、当該音声情報の挿入時に、当該音声情報の音および／または声を生成することを特徴とする請求項１に記載の音声出力装置。
7. 前記音声情報調整手段は、前記音声情報の挿入開始時における前記曲の音および／または声の要素に応じて、前記音声情報の音および／または声の要素を調整することを特徴とする請求項１に記載の音声出力装置。
8. 前記音の要素として、曲調、和音、律動のうちいずれか１以上の要素を含み、前記声の要素として、ピッチ、声量、声質、発音のうちいずれか１以上の要素を含むことを特徴とする請求項１に記載の音声出力装置。
9. 前記曲を再生する曲再生手段をさらに備え、
   前記音声出力手段は、前記音声情報に基づく音および／または声と共に、前記曲再生手段により再生された前記曲を出力することを特徴とする請求項１に記載の音声出力装置。
10. 曲の再生中に、案内音声および／または効果音である音声情報を挿入する音声情報挿入手段と、
    前記音声情報の挿入時に再生されている前記曲のジャンルに応じて、前記音声情報の音源および／または言語を調整する音声情報調整手段と、
    前記音声情報調整手段による調整後の前記音声情報に基づいて、音声を出力する音声出力手段と、を備えたことを特徴とする音声出力装置。
11. コンピュータを、請求項１ないし１０のいずれか１項に記載の音声出力装置における各手段として機能させるためのプログラム。

Images