WO2006090934A1

WO2006090934A1 - 音源供給装置及び音源供給方法

Info

Publication number: WO2006090934A1
Application number: PCT/JP2006/304224
Authority: WO
Inventors: Hisayuki Mori; Boo An Kim
Original assignee: Nec Corporation; Oniontech
Priority date: 2005-02-28
Filing date: 2006-02-28
Publication date: 2006-08-31
Also published as: JP4572123B2; KR100911278B1; RU2007135871A; US8271110B2; EP1860648A4; RU2383940C2; EP1860648B1; TW200701756A; CN101120401B; CN101120401A; KR20070110509A; TWI355842B; US20080267424A1; JP2006242979A; EP1860648A1

Abstract

音楽がノイズと判定されない様に元の音源に加工を加える事により、音質劣化が少ない音楽を聞かせるようにした音源供給装置を提供する。　本発明によれば、携帯端末（１０５）を介して音楽を聞かせるサービスを行なう音源供給装置（２０）において、複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイル（２０２及び２０３）を、予め蓄積しておく音源ファイル蓄積装置（２００）と、再生要求を表す起動信号を受けた時に、前記起動信号から携帯端末（１０５）のコーデック（１０６）種別を判定し、複数種類の加工音源ファイル（２０２及び２０３）の中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、携帯端末（１０５）に供給し、前記音楽を携帯端末を介して聞かせる音源再生装置（３００）とを備えた音源供給装置（２０）が得られる。

Description

音源供給装置及び音源供給方法技術分野：

本発明は、携帯端末を介して聞かせる音楽を音源ファイルとして蓄積しておき、該音源ファイルを再生して、携帯端末に供給し、音楽を携帯端末を介して聞かせる明

音源供給装置及び音源供給方法に関する。書

背景技術：

特開平 3 _ 1 2 3 2 6 9号公報（文献 1 ) には、電話交換機に、リングバックトーン或いはビジートーンを音声として記憶させておき、発信側電話機に対して、記憶されている前記音声で応答する電話交換システムが開示されている。

特開平 3— 1 9 1 6 4 5号公報（文献 2 ) には、リングバックトーン或いはビジ一トーンを検出したとき、検出結果を音声にて出力する電話機が開示されている。特開平 9一 1 6 2 9 7 8号公報（文献 3 ) には、交換機に、予め加入者が発呼者に対して送出する画像音声メッセージを登録し、加入者に対する着呼時に、呼出前又は呼出中に、画像 Z音声メッセージを発呼者に送出することが開示されている。特表 2 0 0 3 - 5 0 5 9 3 7号公報（文献 4 ) には、リングバックトーンの代りに、商業情報を音声/文字 Z画像の形式で送出する技術が開示されている。

し力し、文献 1乃至 4のいずれにも、コーデックを有する携帯端末を介して音楽を聞かせることには、注意が向いていない。

図 1には、現状の音源供給装置 1 0を備えたシステムが示されている。図 1に図示されたシステムは、現状の音源供給装置 1 0と、ゲートウェイスィッチ（Gatewa y Switch: GS) 1 0 2と、モバイノレスィツチングセンター（Mobile Switching Cent er : MSC) 1 0 3と、基地局 1 0 4と、携帯端末としての携帯電話 1 0 5とを有する。携帯電話 1 0 5は、具体的には、 GSM (Global System for Mobile Communication) Terminalであり、 RPE-LTP (Regular Pulse Excited-Long Term Prediction) コーデックと名づけられた音声コーデック 1 0 6を有している。ゲートウェイスィツチ 1 0 2とモパイルスイッチングセンター 1 0 3とは交換網を構成する。

現状の音源供給装置 1 0は、 128kbit/secの WAV (WAVEとも呼ばれる Windows (登録商標）標準の音声ファイルの形式）形式の音源ファイル（後に元音源ファイルと呼ばれる） 2 0 1を蓄積している音源ファイル蓄積装置 1 0 0と、音源再生装置 (発信メロディー装置） 1 0 1とを有する。

音源ファイル 2 0 1は、音源、再生装置 1◦ 1によって、 64kbit/secの μ Law PC M (Pulse Code Modulation) 信号または A Law PCM信号として送出される。ゲートウェイスィツチ 1 0 2及ぴモバイルスィツチングセンター 1 0 3は 64kbit/secで音源ファイルをそのまま伝送するので、ゲートウェイスィッチ 1 0 2及びモパイルスイッチングセンター 1 0 3では音源ファイルの音質の劣化は無い。

基地局 1 0 4において、携帯電話 1 0 5の音声コーデック 1 0 6と同じ音声コーデック（RPE - LTPコーデック） 1 0 7で、無線区間信号に変換される。音楽を聞くだけの場合、基地局 1 0 4の音声コーデック 1 0 7は、 PCM信号を GSM符号信号に変換し、携帯電話 1 0 5の音声コーデック 1 0 6は、 GSM符号信号を PCM信号に変換する。携帯電話 1 0 5は、 PCM信号をアナログ信号に変換し、スピーカから携帯電話の所持者などに音楽を聞かせる。携帯電話 1 0 5は、しゃべる時は、聞く時と変換の方向が逆になる。この場合、携帯電話 1 0 5は、マイクロホンからの音声を P CM信号に変換し、携帯電話 1 0 5の音声コーデック 1 0 6は、 PCM信号を GSM符号信号に変換し、基地局 1 0 4の音声コーデック 1 0 7は、 GSM符号信号を PCM信号に変換する。

基地局 1 0 4と携帯電話 1 0 5との間の帯域は狭い為、人間の音声に特化した符号ィ匕を行っている。そのため、音楽のいくつかのフレームが音声ではなくノイズと見なされ、音楽の代わりにノィズフレームが伝送されるので音質が劣化してしまう。すなわち、現状の音源再生では、基地局 1 0 4と携帯電話 1 0 5との間の伝送帯域が狭く音声に特化したコーデック 1 0 6を使用しているため、音楽の音質が保てないという課題がある。

この現状の音源再生の課題について、より詳細に説明する。

音楽の再生要求時には、準備してあった音源ファイル 2 0 1を携帯電話網（グートウエイスィッチ 1 0 2とモバイルスィツチングセンタ一 1 0 3と基地局 1 0 4 とを含む）に音声モード（64Kbit/s PCM)で接続して聞かせていた。携帯電話 1 0 5 、特に狭帯域の携帯電話では、無線区間のコーデック特性に起因する音質劣化が発生し、音質の良い音楽を提供できないという問題があった。

携帯電話 1 0 5で使用している音声コーデック 1 0 6は、狭帯域でも人間の音声のみを送信させる事を目的に設計されており、人間の音声に特化した符号化方式を採用している。一方、音楽は、白色ノイズのような部分を含むものと考えられる。そのため、音楽は人間の音声ではないため、波形が抑圧され音質が劣化してしまう。発明の開示：

発明が解決しようとする課題：

音質劣化の発生原因は以下の通りである。コーデック種別によつて劣化の原因と状態は異なっているので、 GSMでの劣化原因を以下に示す。

GSMでは、 VAD (Voice Activity Detection)によって音声でないと判断された場合、該当フレームを SID (Silent Description) フレームで転送する。これは、元来、例えば、「もしもし」という音声の後に存在する無音区間に、 SID フレームによるノイズを流し、周囲の音、例えば車の音が、入るのを防止するためである。音楽が VADによって音声でないと判断された場合、該当フレムを SIDフレームで転送するので、 SIDフレームによる、大きな音のノイズが聞こえてしまう。 Full rat e, Half rate, Enhanced full rate の 3種類のコーデックは符号化方式は異なつているが、 VADの論理は同じである。

本発明は、 VADの動作が音質劣化の主原因であるので、この動作を変える事によつて劣化を防止しようとするものである。

すなわち、本発明の目的は、使用しているコーデックの音声とノィズの判定論理を解析して、ノイズと判定されない様に元の音源に加工を加える事により、音質劣化が少ない音楽を聞かせるようにした音源供給装置及び音源供給方法を提供することにある。

課題を解決するための手段：

本発明による音源供給装置及び本発明による音源供給方法は、以下のとおりである。

( 1 ) 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、

複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、

再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定し、前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備えたことを特徴とする音源供給装置。

( 2 ) 上記（1 ) に記載の音源供給装置において、

前記音源再生装置は、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するものであることを特徴とする音源供給装置。

( 3 ) 上記（1 ) に記載の音源供給装置において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。

( 4 ) 上記（3 ) に記載の音源供給装置において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。

( 5 ) 上記（4 ) に記載の音源供給装置において、

前記複数種類の加工音源フアイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加工音源フアイルであることを特徴とする音源供給装置。

( 6 ) 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、

複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておくステツプと、

再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定する種別判定ステップと、

前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備えたことを特徴とする音源供給方法。

( 7 ) 上記（6 ) に記載の音源供給方法において、

前記種別判定ステップは、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するステツプであることを特徴とする音源供給方法。

( 8 ) 上記（6 ) に記載の音源供給方法において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。

( 9 ) 上記（8 ) に記載の音源供給方法において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。

( 1 0 ) 上記（9 ) に記載の音源供給方法において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加工音源フアイルであることを特徴とする音源供給方法。

( 1 1 ) 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、

前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておく音源ファィル蓄積装置と、

再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加ェ音源ファイルであることを特徴とする音源供給装置。

( 1 2 ) 上記（1 1 ) に記載の音源供給装置において、

前記カ卩ェ音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源フアイルであることを特徴とする音源供給装置。

( 1 3 ) 上記（1 2 ) に記載の音源供給装置において、

前記カ卩ェ音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。

( 1 4 ) 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、

前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加ェ音源ファイルを、予め蓄積しておくステップと、

再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞力せるステップとを備え、前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加ェ音源ファイルであることを特徴とする音源供給方法。

( 1 5 ) 上記（1 4 ) に記載の音源供給方法において、

前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源フアイルであることを特徴とする音源供給方法。

( 1 6 ) 上記（1 5 ) に記載の音源供給方法において、

前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。

( 1 7 ) 上記（1 6 ) に記載の音源供給方法において、

前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。

発明の効果：

本発明によれば、音楽を供給する携帯端末のコーデックに対応して加工された音源フアイルを接続しているので、音質劣化の少ない曲を聞かせることができる。図面の簡単な説明：

図 1は、現状の音源供給装置を備えたシステムを説明するための図である。図 2は、本発明の一実施例による音源供給装置を備えたシステムを説明するための図である。

図 3は、図 2のシステムにおいて用いられる、元音ファイル及び加工音源ファィル（GSM向け）を説明するための図である。

図 4は、図 2のシステムにおいて用いられる、 G S M用の音源ファイルの加エアルゴリズムの概要を示したフローチヤ一トである。

図 5は、図 4の G S M用の音源ファイルの加工アルゴリズムの一部を説明するための図である。

図 6は、図 1のシステムにおいて用いられる音源フアイルの音声度 (pvad)とノィズ閾値 (thvad)の変動の様子を示す図である。

図 7は、図 2のシステムにおいて用いられる音源ファイルの音声度 (pvad)とノィズ閾値 (thvad)の変動の様子を示す図である。符号の説明：

1 0 音源供給装置

1 0 0 音源ファイル蓄積装置

1 0 1 音源再生装置

1 0 2 ゲートウェイスィッチ（GS)

1 0 4 基地局

1 0 5 携帯電話

1 0 6 音声コーデック

1 0 7 音声コーデック

2 0 音源供給装置 .

2 0 0 音源ファイル蓄積装置

2 0 1 音源ファィル又は元音源フアイル

2 0 2 加工音源ファイル（GSM向け）

2 0 3 加工音源ファイル（cdma向け）

3 0 0 音源再生装置発明を実施するための最良の形態：

以下に述べるように、本発明は、携帯端末で音楽を聞くサービスにおいて、携帯端末のコーデック（CODEC : COder-DECoder)特性に応じて音質劣化が少なくなる様に音源に加工を加える。加工した複数の音源ファィルを予め作成して蓄積しておき、再生要求時にはコーデック種別に応じた最適な音源ファイルを選択して聞かせる事により、最善の音質の音楽を聞かせることが出来ることを特徴としている。本発明による音源供給装置では、音源再生装置は、起動信号に含まれる発信網種別 I AM (Initial Address Message)により携帯端末のコーデック種別を判定し、コーデック種別に応じて加工した最善の音源を選択する。

このようにして、本願発明では、コーデック対応に音質劣化が少ない専用の音源ファイルを選択して聞かしているので、携帯端末のコーデックで音質劣化が少なレヽ曲を聞かせることができる。

ここで、本発明の核心部分を説明しておく。本発明では、狭帯域の携帯網を使つても音質劣化が少なくなる様に音源ファイルを加工する。この加工技術が本発明の核心である。

音質劣化の状態は各携帯網が使用しているコーデック種別毎の符号化アルゴリズムに依存している。そのため、コーデック毎に音源ファイルの加工方式を変えなければならない。発信者の携帯網を判断して、その携帯網で使用しているコーデック向けに加工した音源フ了ィルを選択して接続することにより、音楽の音質劣化を防ぐことが出来る。

主な携帯網とコーデック種別と伝送帯域は下記の表 1に示す通りである。

^{¾ 1} 方式毎のコ一デックと伝送帯域

方式 codec 伝送帯域音声帯域 (Kbit sec)

PHS ADPC 32 32

PDC Fuil rate VSEし P 11.2 6.7

PDC Half rate PSI-CELP 5.6 3.45

GSM Full rate PRE-LTP 22.8 13

GSM Full rate VSEし P 11.5 5.6

GSM EFR A-CELP 13 7.4

CdmaOne EVRC 9.6 8

固定電話 (参考) PCM 64 64 注：伝送帯域とは信号全部の帯域 (Kbit/sec)、音声帯域とはそのうち音声信号が流れる部分の帯域 (Kbit/sec)

ここで、 PHSは Personal Handyphone System, ADPCMは Adaptive Differential Pulse Code Modulation, PDCは Personal Digital. Cellular, VSELPは Vector S um Excited Linear Prediction^ PSI-CELP ¾ Pitch Synchronous Innovation-Cod e Excited Linear Prediction^ RPE-LTPは Regular Pulse Excited-Long Term Pr ediction、 EFRは Enhanced Full Rate、 A-CELPは Algebraic-Code Excited Linea r Prediction^ Cdma ίま Code division multiple access^ EVRC ίま Enhanced Varia ble Rate Codecである。

以下に述べる本発明の実施例では、 GSM網の加入者が「発信メロディーサービス」により音楽を聞く場合について説明する。なお、「発信メロディーサービス」とは、 Aが Bに電話をかけて呼び出し中、 Aが、リングバックトーの代わりに Bが指定した音楽を聞くサービス（Ring Back Melodyサービス）である。 GSM網には Full rate, Half rate, EFR (Enhanced Full Rate)の 3種類のコーデックがある。事業者によって使用しているコーデックが異なっているので、それぞれ異なった対応（音源加工方式）を行う事によって対応する。複数個のコーデックを使用している事業者も存在する。

図 2を参照すると、本発明の一実施例による音源供給方法を実施する音源供給装置 2 0を備えたシステムが示されている。図 2に図示されたシステムは、音源供給装置 2 0を除けば、図 1に図示されたシステムと同様の参照番号にて示された同様の部分を含んでいる。

本発明の一実施例による音源供給装置 2 0は、 128kbit/secの WAV形式の元音源ファイル 2 0 1と、その元音源ファイル 2 0 1を加工した加工音源ファイル（GSM 向け） 2 0 2と、元音源ファイルを加工した加工音源ファイル（cdma 向け） 2 0 3とを蓄積している音源ファイル蓄積装置 2 0 0と、音源再生装置（発信メ口ディ一装置） 3 0 0とを有する。

各コーデック種別に応じた加工音源ファイル 2 0 2および 2 0 3は、本発明で作成したアルゴリズムによって元音源ファイル（基本音源ファイル）から加工して作成する。作成された加工音源ファイルを、音源データベースとしての音源ファイル蓄積装置 2 0 0中に蓄積しておく。この加工する部分が今回の発明の核心部分である。

図 2には、発信メロディーサービスにおける音楽を聞く場合が示されている。すなわち、音源再生装置（発信メロディー装置） 3 0 0は、音楽の再生要求を表す起動信号 IAM (Initial Address Message)を受けた時、起動信号の中の発信者情報によつて発信者が使用しているコーデック識別を決定し、該当コーデック向けに加工された音源ファイル（加工音源ファイル 2 0 2および 2 0 3の内の一つ）を選択して接続する。この際、加工された音源ファイルは、音源再生装置 3 0 0によって、 64kbit/sec の μ Law PCM (Pulse Code Modulation)信号または A Law PCM信号として送出される。

次に、図 2の音源供給装置 2 0の音質改善時の接続の動作を説明する。

図 2において、起動信号 IAMによって音楽再生要求があった場合、音源供給装置 2 0は、起動信号 IAMに含まれる発信者情報から発信端末 1 0 5のコーデック種別を判断して、該当コーデック向けに加工された音源（加工音源ファイル 2 0 2およぴ 2 0 3の内の一つ）の音楽を聞かせる。該当コーデクク向けの音源が存在しない時は元音源（元音源ファイル 2 0 1 ) の音楽を聞かせる。

元音源ファイル 2 0 1の元音源を元にして再生用の加工された音源ファイル 2 0 2および 2 0 3を作成する。この際、携帯電話のコーデック対応に対応が必要であるが、携帯電話 1 0 5 (GSM Terminal) の音声コーデック 1 0 6向けの加工アルゴリズムの概要は以下の通りである。

ここで、図 3を参照して、元音源ファイル 2 0 1の元音源（図 3の（A) 参照）を元にして作成された、再生用の加工音源ファイル（GSM向け） 2 0 2 (図 3の（B ) 参照）について説明しておく。図 3の（A) における元音源において、 2 0 m s e c単位の音声フレームのうち、ノイズ Nと判定されたフレームとその直後の 2フレーム（合計、 3フレーム）を、図 3の（B ) に " S I " で示すように、強制的に 0 に置き換える（無音にする。クリッピング。）。

この加工を実現する加工アルゴリズムを、図 4を参照して説明する。

1 ) 音楽を表現している基本音源を入力し（図 4めステップ S 0 )、音楽の小音量部分 (小振幅部分）は音質劣化が激しくなるので、小振幅部分の伸張 (Gain Contr ol)を行う（図 4のステップ S l )。

小音量のままであると劣化が激しくなる理由は以下の通りである。

Gain control アルゴリズムは信号の Energyを増幅することにより、以下の 4 ) 項で述べるクリッピング（clipping) 処理が動作する clipping の回数を減らす目的を持っている。図 5に、 Gain control による強制切断の回数比較を示す。図 5 を参照して、音声度 (pvad)の絶対値がノィズ閾値 (thvad)に近い場合、最小値から始まつたノィズ判定度が徐々に増加してノイズと見なされる値に至るまでの時間は非常に短レ、。話者認識 (VAD)アルゴリズムによると、ノィズ閾値 (thvad)が音声度 (pvad)より大きくなるとノイズと判定されるが、図 5の（1 ) のように、音声度 (p vad)の絶対値が小さいとノィズ閾値 (thvad)がすぐに音声度 (_pvad)に達するのでノィズフレームの強制切断を頻繁にしなければならない。図 5の（2 ) の様に、音声度の絶対値が大きいと、一旦強制切断を行った後、ノイズ閾値 (thvad)がノイズと見なされる値に達するまでの時間が長くなり、強制切断の回数が減少する。 2 ) 入力された基本音源をコーデック（図 2の 1 0 6 ) の符号化単位である 20m sec毎（160標本）のフレームに分ける（図 4のステップ S 2 )。

3 ) コーデック 1 0 6におけるノイズと音声との識另 IKVAD : Voice Activity Det ection)は、各フレーム毎に音声度（pvad)係数とノイズ閾値 (thvad)を計算し（図 4 のステップ S 3 )、音声度 (pvad)係数 >ノイズ閾値 (thvad) の時、音声フレームと判定している（図 4のステップ S 4 )。

4 ) ノイズ判定の論理を変更すると音楽の音質を改善することが出来るが、背景雑音を除去できなくなり、通常の通話の音質を劣化させてしまう。音楽伝送の為だけにコーデック 1 0 6の仕様を変更することは出来ないので、本発明では、音源フアイル自体を加工する事により音質劣化を防ぐ。

(音声度 <ノイズ閾値）であるフレームは、ノイズフレームと判定される。よつて、現在フレームがノイズフレームと認識されない様にするためには、音声度 (pv ad)がノィズ閾値 (thvad)より大きくなければならなレ、。音声度が常にノィズ閾値より大きくなるためには、 GSMシミュレータによってノィズ閾値が音声度より大きくなる部分を探してその部分にてノイズ閾値を強制的に最小化させることにより音声度がノイズ閾値より大きくなるように動作を遂行する。この際、ノイズ閾値を最小化させるためには VADでのノイズ閾値の更新において、該当入力フレームでの入力信号のエネルギーを強制的に 0にしなければならないが、これは信号を強制的に 0にすることで実現可能である。この処理を Clipping処理という。

5 )音源を加工しない場合にノイズと見なされるフレームに対しては、該当フレーム（ノイズフレーム）とその直後の 2フレームの合計 3フレームを強制的に 0に置き換える（無音にする）。 3つの連続フレームを 0に置き換えることにより、ノィズ判定の閾値を下げることが出来る（図 4のステップ S 5 )。 3つの連続フレームを 0に置き換えた音源ファイルを、 G S M用加工音源ファイル（図 2の 2 0 2 ) として音源ファイル蓄積装置（図 2の 2 0 0 ) に出力する（図 4のステップ S 6 )。ここで、該当フレーム（ノイズフレーム）とその直後の 2フレームを強制的に 0 に置き換える（無音にする）ことにより、判定の閾値を下げることができる理由について、説明する。

GSMで使っているコーデック（図 2の 1 0 6 ) 内部のアルゴリズムによると、ノィズ閾値は該当フレームのエネルギーに依存する要素が大きくなつている。そのため、入力信号を 0 (エネルギー = 0 ) とすることによりノイズ閾値を下げることが出来る。

この際、信号を 0に置き換える（無音にする）ことで、閾値を下げるのに、有効なフレーム数について説明する。

GSMで使っているノイズ閾値を求めるアルゴリズムによると、 1フレーム無音、 2フレーム無音では、ノイズ閾値が最小値まで下がらない。連続する 3フレーム以上を無音にする事により、ノイズ閾値を最小値にすることが出来る。 4フレーム以上無音にすると、再生した時に「プッッ」という瞬断の音が聞こえてしまう。 2フレーム無音でも、 4フレーム無音でも音質は改善されますが、 3フレーム無音の場合に最良の改善度合いとなる。連続して無音にするフレーム数を N (=正の整数）であるとすると、 Nが 3以外の正整数の場合でも、音質は改善されるが、 Nが 3の場合が最良の改善効果となる。

6 ) ノイズ閾値 (thvad)を下げる事により、入力信号が音声と見なされる様になり、音質劣化が少なくなる。

図 6と図 7に改善前（図 1の 1 0 0中の音源ファイル）と改善後（図 2の 2 0 2 ) の音源ファィルの音声度 (pvad)とノィズ閾値 (thvad)の変動の様子を示す。図 6 (改善前）はノィズ閾値 (thvad)が高いため多くのフレームがノイズと判定されている。図 7 (改善後）は入力信号を強制切断することによりノイズ閾値を下げているため、ノイズと判定されるフレーム数が大幅に減少している。

7 )一度、ノイズ閾値を下げたとしてもその後の入力によりノイズ閾値が徐々に上昇する。上記 1 ) 項で述べた小振幅部分の伸張 (Gain Control)を行う事により、ノイズ閾値がノイズとみなされる値までに達する時間を長くすることが出来る。その結果、強制的に切断されるフレームの数を少なくすることが出来る。

このようにして、本発明においては、コーデック 1 0 6に対応して加工された音源ファイル 2 0 2を選択して接続しているので、音質劣化の少ない曲を聞くことができる。

次に、音質改善の評価結果を説明する。

1 ) シミュレータによる評価音質改善の評価のため、 2 0種類の音 ¾Sを準備した。その評価結果を、下記の表 2に示す。

表 2

GS シミュレータによる評価結果

ここに示すノィズフレーム数は、改善前と改善後の音源に対して GSMのシミュレータを使って計測した。

音楽によってノイズフレームの数及び本発明の音質改善によるノイズフレームの減少の割合は異なっている。歌が主体の音楽、バイオリン単独の音楽では、改善前のノイズフレームの数が少ない。特に、 1 4番の音源は最初からノイズフレームと判定されるフレームが無く、改善前の音楽 =改善後の音楽である。ピアノ曲、ォーケストラ曲、ダイナミックが大きく急速に変化する音楽の場合は、ノイズフレームの数が多くなる。この様な曲に対して、本発明の音質改善が非常に有効である。

2 ) 実端末を使った主観評価（MO S )

各音源の加工前と加工後の音楽を実際の携帯電話網を通して GSM端末から再生した音楽を聞き比べて評価した。改善前音源では曲の 1フレーズが終了した部分に「ブー」というノイズが混ざっていたが、改善後音源ではノイズが混ざることがほとんど無くなり、音質が改善されていることが評価出来た。

音楽によって本発明の音質改善の効果の程度は異なっている。歌唱曲、弦楽曲では、改善前でもノイズが聞こえる数が少ない。ピアノ曲や強弱の変動が大きい曲の場合、ノィズに聞こえる部分が大幅に減少していた。

産業上の利用可能性：

本発明は、携帯電話で音楽を聞くサービス全般に広く利用出来る。

特に、発信メロディーサービスにおいては、エンドユーザー、音源供給事業者の双方から音質の改善要求が出されている。エンドユーザ一からは、「良い音質の音楽を聞きたい」との音質改善要求である。コンテンツ供給事業者からは、「供給した音楽を良い音質で聞かせたい。その結果として、提供コンテンツの売り上げを伸ばしたい。音質が悪ければ提供コンテンッの売り上げを伸ばすことが出来ない。」との要望がある。本発明は、これらの要求や要望に応えることができる。

Claims

請求の範囲

1 . 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、

再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定し、前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファィルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備えたことを特徴とする音源供給装置。

2 . 請求項 1に記載の音源供給装置において、

3 . 請求項 1に記載の音源供給、装置において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加ェ音源ファイルであることを特徴とする音源、供給装置。

4 . 請求項 3に記載の音源供給装置において、

5 . 請求項 4に記載の音源供給装置において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加工音源フアイルであることを特徴とする音源供給装置。

6 . 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておくステツプと、

再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種另リを判定する種別判定ステツプと、

前記複数種類の加工音源フアイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備えたことを特徴とする音源供給方法。

7 . 請求項 6に記載の音源供給方法において、

8 . 請求項 6に記載の音源供給方法において、

前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファィルであることを特徴とする音源供給方法。

9 . 請求項 8に記載の音源供給方法において、

1 0 . 請求項 9に記載の音源供給方法において、

1 1 . 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、

再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備え、

前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加ェ音源ファイルであることを特徴とする音源供給装置。

1 2 . 請求項 1 1に記載の音源供給装置において、

前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。

1 3 . 請求項 1 2に記載の音源供給装置において、

前記加工音ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加ェ音源ファイルであることを特徴とする音源供給装置。

1 4 . 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、

前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加ェを加えて作成した加ェ音源ファイルを、予め蓄積しておくステップと、

再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備え、前記加工音 ¾Sファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加ェ音源ファイルであることを特徴とする音源供給方法。

1 5 . 請求項 1 4に記載の音源供給方法において、

前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファィルであることを特徴とする音源供給方法。

1 6 . 請求項 1 5に記載の音源供給方法において、

1 7 . 請求項 1 6に記載の音源供給方法において、

前記カ卩ェ音源ファイルは、前記元音源における音声フレームのうち、元音源を加ェしない場合にノイズとみなされる一つのフレームから始まる、連続する 3フレームを、無音にする加工を加えて作成された加工音源フアイルであることを特徴とする音源供給方法。