WO2017135063A1 - 音声処理装置、および音声処理方法、並びにプログラム - Google Patents

音声処理装置、および音声処理方法、並びにプログラム Download PDF

Info

Publication number
WO2017135063A1
WO2017135063A1 PCT/JP2017/001853 JP2017001853W WO2017135063A1 WO 2017135063 A1 WO2017135063 A1 WO 2017135063A1 JP 2017001853 W JP2017001853 W JP 2017001853W WO 2017135063 A1 WO2017135063 A1 WO 2017135063A1
Authority
WO
WIPO (PCT)
Prior art keywords
hrtf data
hrtf
data
predetermined direction
processing apparatus
Prior art date
Application number
PCT/JP2017/001853
Other languages
English (en)
French (fr)
Inventor
哲 曲谷地
誉 今
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Publication of WO2017135063A1 publication Critical patent/WO2017135063A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S1/00—Two-channel systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control

Definitions

  • the present disclosure relates to a voice processing device, a voice processing method, and a program, and in particular, a voice processing device and a voice processing method capable of realizing efficient compression of a head-related transfer function database and high-speed data access. , As well as programs.
  • This binaural reproduction technology is generally called an auditory display (VAD: Virtual Auditory Display) and is realized using a head-related transfer function (HRTF) (see Patent Document 1).
  • VAD Virtual Auditory Display
  • HRTF head-related transfer function
  • the head-related transfer function expresses information about how sound is transmitted from all directions surrounding the human head to the eardrum as a function of frequency and direction of arrival.
  • the auditory display is a system that uses this principle.
  • the present disclosure has been made in view of such circumstances, and in particular, the desired density of HRTFs stored in the database is set as desired while maintaining the density of the required HRTFs as intended by the creator of the HRTF database. It is intended to speed up access to HRTF.
  • the speech processing device is based on relationship information indicating a relationship between an HRTF data holding unit that holds HRTF data corresponding to a plurality of directions and the HRTF data corresponding to a predetermined direction. And a HRTF data reading unit that reads the HRTF data corresponding to the direction from the HRTF data holding unit.
  • the predetermined direction may include a direction and / or distance or position with respect to the listener.
  • the predetermined direction can be a direction specified by an elevation angle and a horizontal angle centered on the listener's head.
  • the predetermined direction may be a direction specified by two angles that specify an arbitrary polar coordinate direction centered on the listener's head.
  • the two angles specifying the direction of the arbitrary polar coordinates can be an elevation angle and a horizontal angle with the listener's head as the center.
  • the predetermined direction may not coincide with any of the plurality of directions.
  • the predetermined direction can be an intersection of arbitrary grids in an arbitrary coordinate system.
  • the HRTF data can be defined so as to be spatially approximately equal density or approximately unequal density in a plurality of directions.
  • the HRTF data may be defined to correspond to a plurality of directions so as to have a substantially spherical or substantially equal density in a substantially spherical shape.
  • the HRTF data can be defined according to a plurality of positional relationships with respect to the listener so as to be spatially substantially non-uniform in a plurality of directions.
  • the relationship information is information indicating a relationship between the predetermined direction and an address at which the HRTF data is stored in the corresponding HRTF data holding unit, and the HRTF data reading unit is based on the relationship information.
  • the HRTF data of the address for the predetermined direction can be read.
  • the HRTF data reading unit reads a plurality of HRTF data corresponding to the predetermined direction from the HRTF data holding unit based on relation information indicating a relationship with the HRTF data corresponding to the predetermined direction.
  • An interpolation unit that interpolates and generates interpolation HRTF data corresponding to the predetermined direction based on the plurality of HRTF data corresponding to the predetermined direction can be further included.
  • the interpolating unit can interpolate and generate HRTF data corresponding to the predetermined direction based on the plurality of HRTF data and an interpolation coefficient corresponding to each of the plurality of HRTF data.
  • the interpolation unit interpolates and generates HRTF data corresponding to the predetermined direction by calculating a linear sum of the plurality of HRTF data and an interpolation coefficient in a spatial direction corresponding to each of the plurality of HRTF data. You can make it.
  • the plurality of HRTF data, information on offset in a time direction indicating a deviation of a pulse position in the plurality of HRTF data, a spatial direction corresponding to each of the plurality of HRTF data, and a time direction Based on the interpolation coefficient, the HRTF data corresponding to the predetermined direction can be generated by interpolation.
  • the interpolation unit aligns the offset in the time direction in the plurality of HRTF data, calculates a linear sum with an interpolation coefficient in a spatial direction corresponding to each of the plurality of HRTF data, and in the plurality of HRTF data
  • the HRTF data offset by a time calculated as a linear sum of the offset in the time direction and the interpolation coefficient in the time direction can be output as HRTF data corresponding to the predetermined direction.
  • the speech processing method is based on relationship information indicating a relationship with the HRTF data corresponding to a predetermined direction, and the HRTF data corresponding to the predetermined direction is converted into HRTFs corresponding to a plurality of directions.
  • This is an audio processing method including a step of reading from an HRTF data holding unit that holds data.
  • a program according to an aspect of the present disclosure is based on relationship information indicating a relationship between an HRTF data holding unit that holds HRTF data corresponding to a plurality of directions and the HRTF data corresponding to a predetermined direction.
  • a program that causes a computer to function as an HRTF data reading unit that reads the HRTF data corresponding to HRTF data from the HRTF data holding unit.
  • the HRTF data holding unit holds HRTF data corresponding to a plurality of directions, and based on the relationship information indicating the relationship with the HRTF data corresponding to a predetermined direction, the predetermined direction The HRTF data corresponding to is read from the HRTF data holding unit.
  • FIG. 11 is a diagram illustrating a configuration example of a general-purpose personal computer.
  • a method using a head-related transfer function is generally used as a method of simulating stereoscopic sound at the ear by presenting headphones.
  • the head-related transfer function HRTF H (x, ⁇ ) is the transfer characteristic H_1 (x, ⁇ ) from the sound source position x to the eardrum position when the head is present in free space. Normalized by the transfer characteristic H_0 (x, ⁇ ) from the sound source to the head center O.
  • H (x, ⁇ ) (H_1 (x, ⁇ )) / (H_0 (x, ⁇ ))
  • the database array is constructed at an angular interval determined by the horizontal angle and the elevation angle, access to the angle becomes easy.
  • the zenith of the listener G is assumed to have an elevation angle of 0 degrees and the nadir is assumed to have an elevation angle of 180 degrees, and as shown in the right part of FIG.
  • the front direction of the listener G is assumed to be 0 degree, and the angle that advances clockwise is assumed.
  • HRTFs for one round of the horizontal angle are arranged for each data, and when the elevation angle is 0 degrees, the elevation angle is 1 degree.
  • data for one round is arranged.
  • the data array is such that this is performed up to an elevation angle of 180 degrees.
  • E indicates the number of elevation angles at which data points exist.
  • E 181 because data exists in increments of 1 degree from elevation angles 0 to 180 degrees.
  • round (x) is a function that rounds off the first decimal place of x.
  • data at the same elevation angle is selected at equal intervals in the horizontal direction, and as many as possible at equal intervals of a certain length or more on the circumference within the equal elevation angle. Place the data points.
  • the closest data point to the direction specified by the elevation angle and horizontal angle to be accessed is found from the header, and the index is accessed by multiplying the data size a of HRTF for one direction. It will be necessary. That is, as the amount of HRTF data increases, the amount of calculation for searching for data becomes enormous.
  • an address of a polar coordinate system arrangement (absolute or relative address in the HRTF database) is introduced as header information in order to facilitate data access while preventing data volume congestion.
  • this can be performed with respect to an orthogonal coordinate system, a cylindrical coordinate system, and the like in the same manner, only a polar coordinate system will be described in the present embodiment.
  • the data point arrangement of the HRTF database main body is arbitrary, and even if the density is equal, the density may be intentionally biased. However, here, as an example for explanation, it is assumed that the data point arrangement of the HRTF database main body is arranged at substantially equal density as shown in FIG.
  • the HRTF database may be in the form of FIR (FiniteFiImpulse Response), or some transformation, approximation, or editing such as IIR (InfiniteInImpulse Response) or Fourier transform may be performed.
  • an address table corresponding to the polar coordinate arrangement is set.
  • Each element (each point in the figure) of this polar coordinate address table stores, for example, the address of the HRTF data on the HRTF database in FIG. 4 that is closest to that point.
  • What is described as an address here is not limited to an absolute or relative address, but may be information that enables access to HRTF data.
  • the address of HRTF data may be assigned.
  • an address table element for designating HRTF data in a desired direction is set, and the address of the data point where the HRTF data corresponding to the address table element is stored is stored.
  • the elevation angle and horizontal angle that specify the direction are stored.
  • the address of the data point storing the HRTF data are recorded for each element of the address table.
  • the data points in the HRTF database may be constructed so that they are spatially approximately the same density, or may be constructed so that there is a partial density deviation spatially, and the elevation angle and horizontal angle. It becomes possible to access the desired HRTF data appropriately by specifying in association with the direction specified by.
  • the desired HRTF data may be expressed as an elevation angle and a horizontal angle here, what is necessary is just two angles of the arbitrary polar coordinates centering on a head.
  • the size of the address is arbitrary, but it is considered to be negligibly small for data such as HRTF. That is, in the example of the element of the HRTF address table as shown in FIG. 5, it has a 4-byte address and is the same arrangement as the HRTF data arrangement of FIG. In such a case, the total address size is 260 kB, and considering that about 200 MB of data has been reduced by suppressing the bias in data density, this increase in address size can be ignored. I can say that.
  • the direction selection unit 31 selects information specifying the direction of the sound source for the listener, for example, an elevation angle and a horizontal angle, and supplies the selected direction information to the address information reading unit 32.
  • the address information reading unit 32 includes pointer points arranged in polar coordinates in FIG. 5 together with information for designating an arbitrary direction of the sound source with respect to the selected listener and header information stored in the header information storage unit 33.
  • the address table which is a pointer point storing the address in the HRTF database 36 in which the desired HRTF is stored, is calculated, and the address table which is the pointer point of the calculated position is calculated.
  • An address (data size a ′ for one direction (here, 4 bytes, for example)) stored as an element is supplied to the HRTF reading unit 35.
  • the address information storage unit 34 stores, for example, a data size a ′ (for example, 4 bytes) for one direction for designating the pointer point shown in FIG. Yes. That is, the size of the address information stored in the address information storage unit 34 is a ′ ⁇ A ⁇ E.
  • the header information includes the data size a ′ for one direction for designating the pointer point shown in FIG. 5, the number A of horizontal angles where the pointer point in FIG. 5 exists, and one round on one elevation angle.
  • Data size b ( A ⁇ a ′), the start address c of the file image, and the number E of elevations at which the data points exist.
  • the HRTF reading unit 35 accesses the HRTF database 36 according to the address information supplied from the address information reading unit 32, reads the corresponding HRTF, and supplies it to the HRTF calculation unit 37.
  • the HRTF calculation unit 37 generates a binaural signal by performing predetermined calculation processing on the audio signal supplied from the sound source output unit 38 using the supplied HRTF, and outputs the audio from the headphones 39.
  • the HRTF may be in the form of FIR (Finite Impulse Response), or some transformation, approximation, or editing such as IIR (Infinite Impulse Response) or Fourier transform may be performed.
  • the conversion, approximation, and editing may be performed by other than the HRTF calculation unit 37, or may be performed by the HRTF calculation unit 37.
  • various methods can be used for the filter processing method, that is, the HRTF calculation method depending on the format after conversion, approximation, and editing.
  • step S11 the direction selection unit 31 selects information on the direction of a predetermined sound source with respect to the listener, that is, information on a predetermined direction including, for example, an elevation angle and a horizontal angle that specify one of HRTF data, and reads address information. To the unit 32.
  • step S 12 the address information reading unit 32 stores the desired HRTF in the HRTF database 36 based on the selected elevation angle and horizontal angle and the header information stored in the header information storage unit 33. Are read from the address information storage unit 34 and supplied to the HRTF reading unit 35.
  • the address information reading unit 32 is based on the direction information for specifying the HRTF composed of the elevation angle and the horizontal angle selected by the direction selection unit 31 and the header information of the HRTF stored in the header information storage unit 33.
  • the address Address of the pointer point in the desired direction is calculated from the addresses of the pointer points set as the address table in the polar coordinate arrangement of FIG.
  • Address in Expression (2) specifies a pointer point corresponding to the selected direction among pointer points storing addresses constituting each element of the address table set in the polar coordinate arrangement of FIG. Address.
  • the information stored at this address is a pointer including the address in the HRTF database 36 where the HRTF data corresponding to the selected direction is stored.
  • Each pointer point in FIG. 5 stores, for example, the address of the closest one of the data points of the HRTF data arranged in the HRTF database 36 at substantially equal intervals in the horizontal direction as shown in FIG.
  • the address information reading unit 32 reads out an address stored as a pointer point in the address table of the polar coordinate arrangement corresponding to FIG. 5 specified by, for example, the elevation angle and the horizontal angle, and supplies the address to the HRTF reading unit 35.
  • step S13 the HRTF reading unit 35 accesses the address for specifying the data point in the HRTF database 36 supplied from the address information reading unit 32, reads the corresponding HRTF data, and supplies it to the HRTF calculation unit 37.
  • step S14 the HRTF calculation unit 37 performs HRTF filter processing on the audio signal supplied from the sound source output unit 38 using the supplied HRTF, generates a binaural signal, and outputs the binaural signal to the headphones 39.
  • step S15 the headphones 39 output sound based on the supplied binaural signal.
  • the address of the data point storing the HRTF data is set for each elevation angle and horizontal angle. It is stored as each element of the address table set in, and this is read according to the direction specified by the elevation angle and horizontal angle, and the data point of the read address is accessed by the conventional method. Since it is possible to specify the desired HRTF data in the direction specified by the elevation angle and the horizontal angle as described above, it is possible to quickly read out the HRTF data.
  • the HRTF data is arranged on the spherical surface so as to have the same density.
  • the HRTF data is constituted by other norms, As shown in FIG. 5, by assigning addresses where each HRTF data is stored to an address table made up of pointer points as shown in FIG.
  • the data points of the HRTF data are specified by specifying the direction of the elevation angle and the horizontal angle. This makes it possible to identify the desired HRTF data from the HRTF database 36 quickly.
  • the spherical surface may be a plurality of spherical surfaces having different radii. Further, the center of the head and the center of the sphere may be shifted from each other, and may not be a complete sphere.
  • Second embodiment An example in which the data point arrangement of the HRTF data in the HRTF database 36 is arranged at substantially equal density as shown in FIG. 4 has been described. However, when address information does not exist (HRTF data is stored) When the address is assigned for each direction consisting of elevation and horizontal angles (when the address table is not generated), when the HRTF data is loaded, or when it is first started after the HRTF data is incorporated Alternatively, an address table storing addresses for specifying HRTF data in the HRTF database 36 corresponding to each pointer point in FIG. 5 may be generated.
  • the composition of the data points of the HRTF data is not limited to the arrangement on the spherical surface or polyhedron as shown in FIG. 4 but also according to various directions and / or distances or positions as viewed from the listener. But that's fine. Therefore, the configuration of the data points of the HRTF data is not limited to the arrangement on the spherical surface described above, but may be arranged in a cylindrical coordinate system or in a three-axis coordinate space. is there.
  • the composition of the data points of the HRTF data may be defined so as to be substantially equal density with respect to the space, or may be non-equal density, for example, near the front of the listener. May be defined with a high density for the rear and a low density for the rear. Therefore, when assigning addresses that are pointer points that are elements of the address table of FIG. 5, it is necessary to associate the HRTF data point closest to the pointer point that is an element of each address table in advance. is there.
  • FIG. 8 shows the case where there is no information on the address where the HRTF data is stored in the HRTF database 36 (the address table where the address information storing the HRTF data is assigned for each elevation angle and horizontal angle is not generated). 5, voice processing for generating an address table storing addresses for specifying HRTF data in the HRTF database 36 corresponding to each element of the address table of FIG. 5, that is, for each direction specified by the elevation angle and the horizontal angle.
  • 3 is a block diagram illustrating a configuration example of a device 11.
  • the speech processing apparatus 11 of FIG. 8 is different from the speech processing apparatus 11 of FIG. 6 in that an address calculation unit 51 is further provided and an address information storage unit 52 is provided instead of the address information storage unit 34. is there.
  • the address calculation unit 51 is loaded when HRTF data is loaded, or when it is first started after HRTF data is incorporated
  • the header information stored in the header information storage unit 33 and the HRTF database 36 are read out, and address information for each element of the address table in FIG. 5 is generated in advance, and the direction specified by the elevation angle and the horizontal angle.
  • the address where the corresponding HRTF data is stored is assigned to the address table and stored in the address information storage unit 52.
  • the address information reading unit 32 associates the address of the HRTF data stored in the address information storage unit 52 with the elevation angle and horizontal angle information specifying the HRTF data, for example, an expression Reading is performed based on the calculation result of (2), and the read address is supplied to the HRTF reading unit 35. That is, the address information reading unit 32 addresses the address at which the HRTF data is stored based on the header information and the calculation result of Expression (2) every time the elevation angle and horizontal angle information specifying the HRTF data is updated. The information is read from the information storage unit 52.
  • step S31 the address calculation unit 51 determines whether or not new unregistered HRTF data has been loaded (or immediately after activation), and unregistered new HRTF data has been loaded (or immediately after activation). The same process is repeated until it is determined that If it is determined in step S31 that new unregistered HRTF data has been loaded (or immediately after startup), the process proceeds to step S32.
  • step S32 the address calculation unit 51 sets the unprocessed direction corresponding to the address point of the HRTF data in the address table in FIG. 5 as the process target direction among the directions formed by the elevation angle and the horizontal angle.
  • step S33 the address calculation unit 51 specifies the HRTF data corresponding to the processing target direction, and specifies the address in the corresponding HRTF database 36.
  • step S34 the address calculation unit 51 stores the address of the specified HRTF data in the address information storage unit 52 in association with the elevation angle and the horizontal angle that specify the processing target direction.
  • step S35 the address calculation unit 51 determines whether or not an elevation angle and a horizontal angle that specify an unprocessed direction exist. If there is an elevation angle and a horizontal angle that specify an unprocessed direction, the process includes: The process returns to step S32. That is, the process of steps S32 to S35 is repeated until there is no unprocessed direction, and when there is no unprocessed direction, the process ends.
  • the selected elevation angle and horizontal angle in which the address storing the HRTF data in the corresponding direction forms the address table based on the selected elevation angle and horizontal angle in step S34 in the flowchart of FIG. Is stored in the address information storage unit 52 as an element in the direction corresponding to.
  • the address information reading unit 32 accesses the address table of the address information storage unit 52 based on the calculation result of Expression (2), for example, and specifies the HRTF data.
  • the address stored corresponding to the direction is read and supplied to the HRTF reading unit 35.
  • the address position of the HRTF data stored in association with the elevation angle and horizontal angle information specifying the HRTF data is read and supplied to the HRTF reading unit 35.
  • the HRTFs of three HRTF data points Pa, Pb, and Pc stored in advance are HRTF_Pa
  • HRTF_Pb and HRTF_Pc using the respective interpolation coefficients ⁇ , ⁇ , and ⁇ , for example, the following equation (3) is calculated to obtain HRTF_P at the point P that is a desired data point. Also good.
  • HTRF_P HRTF_Pa ⁇ ⁇ + HRTF_Pb ⁇ ⁇ + HRTF_Pc ⁇ ⁇ ... (3)
  • the HRTF database can be made smaller.
  • FIG. 11 shows an example of the configuration of a speech processing apparatus that interpolates HRTF data.
  • the same name and the same reference numeral are given to the configuration having the same function as the voice processing apparatus 11 in FIG. It shall be.
  • the speech processing apparatus 11 of FIG. 11 differs from the speech processing apparatus 11 of FIG. 6 in that an address information interpolation coefficient storage unit 71 is provided instead of the address information storage unit 34, and further, an interpolation calculation unit 72 is provided.
  • the address information interpolation coefficient storage unit 71 has the same basic function as that of the address information storage unit 34, but further calculates an interpolation coefficient required for the interpolation calculation for each direction specified by the elevation angle and the horizontal angle. Each is a memorized point. Basically, a plurality of required combinations of HRTF data and respective interpolation coefficients are required for each direction specified by the elevation angle and the horizontal angle. Therefore, the address information interpolation coefficient storage unit 71 stores a combination of addresses of HRTF data required for each direction and a corresponding interpolation coefficient in association with each other.
  • the interpolation calculation unit 72 calculates HRTF data in the corresponding direction by calculating a linear sum, for example, using the three points of HRTF data specified according to the directions of the elevation angle and the horizontal angle and the corresponding interpolation coefficient. Is generated by interpolation and supplied to the HRTF calculator 37.
  • step S52 the address information reading unit 32 determines the corresponding three HRTFs based on the selected elevation angle and horizontal angle, the header information stored in the header information storage unit 33, and the equation (2).
  • the address in the HRTF database 36 in which data is stored is read from the address information interpolation coefficient storage unit 71 and supplied to the HRTF reading unit 35.
  • step S53 the HRTF reading unit 35 accesses the HRTF database 36 according to the addresses for the three points supplied from the address information reading unit 32, reads the corresponding HRTF data for the three points, and performs the interpolation operation unit. 72.
  • step S54 the interpolation calculation unit 72 reads out the interpolation coefficients corresponding to the HRTF data for three points from the address information interpolation coefficient storage unit 71.
  • step S55 the interpolation calculation unit 72 generates the HRTF data in a desired direction by interpolation, for example, by executing the interpolation calculation represented by the above-described equation (3), and supplies the generated HRTF data to the HRTF calculation unit 37.
  • step S ⁇ b> 56 the HRTF calculation unit 37 generates a binaural signal by filtering the audio signal supplied from the sound source output unit 38 using the supplied HRTF data generated by interpolation. Output to.
  • interpolation may be performed by a method other than linear sum.
  • the elevation angle and horizontal angle are determined at the timing when the new HRTF database is loaded or at the first start-up, as in the address information calculation process in the second embodiment.
  • the address information interpolation coefficient storage unit 71 may store the interpolation coefficient in association with the address information in which the HRTF data is stored for each element of the address table specified by the above.
  • the linear sum is simply used. If interpolated, the pulse position in the time direction may be shifted.
  • the shift in the time direction of the pulse position of the HRTF data is held as offset information, and this is used to align the pulse positions on the time axis in advance.
  • the desired interpolation may be realized.
  • the HRTF data may be offset and stored in advance, or the HRTF data may be stored with accompanying offset information, Alternatively, the interpolation may be performed after the offset is made common at the time of interpolation.
  • FIG. 14 shows an example of the configuration of a speech processing apparatus that is offset and interpolated in the time direction of the pulse position of HRTF data.
  • the same name and the same reference numeral are given to the configuration having the same function as that of the audio processing device 11 in FIG. It shall be.
  • the speech processing apparatus 11 of FIG. 14 differs from the speech processing apparatus 11 of FIG. 11 in that the address information interpolation coefficient offset information storage section 101, instead of the address information interpolation coefficient storage section 71 and the interpolation calculation section 72, In addition, an interpolation calculation unit 102 is provided.
  • the address information interpolation coefficient offset information storage unit 101 further stores offset information in the time direction of the pulse position for each direction of the HRTF data. That is, the address information interpolation coefficient offset information storage unit 101 stores times t1 to t3 as offset information for each of the directions A to C, for example, as shown in the right part of FIG.
  • the interpolation calculation unit 102 is basically the same as the interpolation calculation unit 72, but based on the address information supplied from the address information reading unit 32, ⁇ and ⁇ in the above-described equation (3) are used. , ⁇ , etc., and spatial direction interpolation coefficients and time direction offset information are read out, and HRTF data is interpolated using the three HRTF data and supplied to the HRTF computing unit 37.
  • step S92 the address information reading unit 32 reads the corresponding three points of address information from the address information interpolation coefficient offset information storage unit 101 based on the selected elevation angle and horizontal angle, and stores them in the header information storage unit 33. Together with the stored header information, an address in the HRTF database 36 storing the desired HRTF is calculated and supplied to the HRTF reading unit 35 and the interpolation calculation unit 102.
  • step S93 the HRTF reading unit 35 accesses the address of the corresponding HRTF database 36 in accordance with the address for the three points supplied from the address information reading unit 32, and reads the corresponding HRTF data for the three points. To the interpolation calculation unit 102.
  • step S94 the interpolation calculation unit 102 reads out the spatial direction interpolation coefficients corresponding to the three HRTF data from the address information interpolation coefficient offset information storage unit 101. That is, the spatial direction interpolation coefficients here are interpolation coefficients corresponding to ⁇ , ⁇ , and ⁇ in the above-described equation (3).
  • step S95 the interpolation calculation unit 102 reads the offset information corresponding to the HRTF data for three points from the address information interpolation coefficient offset information storage unit 101.
  • step S ⁇ b> 96 the interpolation calculation unit 102 generates an HRTF data in a desired direction by interpolating in consideration of offset information and interpolation coefficients in the time direction, and supplies the generated HRTF data to the HRTF calculation unit 37.
  • the interpolation calculation unit 102 corrects the pulse positions so as to be aligned in the time direction, and then performs the interpolation calculation in the spatial direction by the calculation of the above equation (3) using the interpolation coefficient. Further, as shown in FIG. 16, the time direction interpolation coefficients p, q, r set based on the time direction offset information t1, t2, t3 are calculated, and the time direction interpolation coefficients p, q are calculated. , R is used to obtain a time direction deviation time T by the calculation represented by the following equation (4).
  • the interpolation calculation unit 102 corrects the offset of the shift time T in the time direction obtained by the equation (4), and converts the HRTF data that is the interpolation calculation result obtained by the equation (3) described above into the HRTF calculation unit 37 To supply.
  • step S ⁇ b> 97 the HRTF calculation unit 37 generates a binaural signal by filtering the audio signal supplied from the sound source output unit 38 using the supplied HRTF data generated by interpolation. Output.
  • the interpolation calculation performed in the spatial direction in step S96 is supplied to the HRTF calculation unit 37 together with the information on the time T without correcting the shift time T, and the filter processing in the HRTF calculation unit 37 is performed. The time correction of T may be performed later.
  • HRTF data is obtained with high accuracy in the spatial direction while reducing the amount of data in the HRTF database, and further, the timing is adjusted in consideration of the deviation time T in the time direction to realize convolution of audio data It becomes possible.
  • the interpolation coefficient offset information storage unit 101 stores the address information in advance. It may be read out and used for interpolation calculation. Further, the interpolation coefficients p, q, and r in the time direction may be replaced with the interpolation coefficients ⁇ , ⁇ , and ⁇ in the spatial direction, or may be obtained from ⁇ , ⁇ , and ⁇ by some calculation formula. Conversely, the spatial direction interpolation coefficients ⁇ , ⁇ , ⁇ may be replaced with temporal direction interpolation coefficients p, q, r, or may be obtained from p, q, r by some calculation formula.
  • the predetermined direction may be an intersection of arbitrary grids in a grid set in an arbitrary coordinate system.
  • FIG. 17 shows a configuration example of a general-purpose personal computer.
  • This personal computer incorporates a CPU (Central Processing Unit) 1001.
  • An input / output interface 1005 is connected to the CPU 1001 via a bus 1004.
  • a ROM (Read Only Memory) 1002 and a RAM (Random Access Memory) 1003 are connected to the bus 1004.
  • the input / output interface 1005 includes an input unit 1006 including an input device such as a keyboard and a mouse for a user to input an operation command, an output unit 1007 for outputting a processing operation screen and an image of the processing result to a display device, programs, and various types.
  • a storage unit 1008 including a hard disk drive for storing data, a LAN (Local Area Network) adapter, and the like are connected to a communication unit 1009 that executes communication processing via a network represented by the Internet.
  • magnetic disks including flexible disks
  • optical disks including CD-ROM (Compact Disc-Read Only Memory), DVD (Digital Versatile Disc)), magneto-optical disks (including MD (Mini Disc)), or semiconductors
  • a drive 1010 for reading / writing data from / to a removable medium 1011 such as a memory is connected.
  • the CPU 1001 is read from a program stored in the ROM 1002 or a removable medium 1011 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, installed in the storage unit 1008, and loaded from the storage unit 1008 to the RAM 1003. Various processes are executed according to the program.
  • the RAM 1003 also appropriately stores data necessary for the CPU 1001 to execute various processes.
  • the CPU 1001 loads the program stored in the storage unit 1008 to the RAM 1003 via the input / output interface 1005 and the bus 1004 and executes the program, for example. Is performed.
  • the program executed by the computer (CPU 1001) can be provided by being recorded on the removable medium 1011 as a package medium, for example.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the storage unit 1008 via the input / output interface 1005 by attaching the removable medium 1011 to the drive 1010. Further, the program can be received by the communication unit 1009 via a wired or wireless transmission medium and installed in the storage unit 1008. In addition, the program can be installed in advance in the ROM 1002 or the storage unit 1008.
  • the program executed by the computer may be a program that is processed in time series in the order described in this specification, or in parallel or at a necessary timing such as when a call is made. It may be a program for processing.
  • the system means a set of a plurality of components (devices, modules (parts), etc.), and it does not matter whether all the components are in the same housing. Accordingly, a plurality of devices housed in separate housings and connected via a network and a single device housing a plurality of modules in one housing are all systems. .
  • the present disclosure can take a cloud computing configuration in which one function is shared by a plurality of devices via a network and is processed jointly.
  • each step described in the above flowchart can be executed by one device or can be shared by a plurality of devices.
  • the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • this indication can also take the following structures.
  • an HRTF data holding unit for holding HRTF data corresponding to a plurality of directions;
  • a speech processing apparatus comprising: an HRTF data reading unit that reads the HRTF data corresponding to the predetermined direction from the HRTF data holding unit based on relationship information indicating a relationship with the HRTF data corresponding to a predetermined direction.
  • the predetermined direction includes a direction and / or a distance or a position with respect to a listener.
  • ⁇ 3> The audio processing device according to ⁇ 1> or ⁇ 2>, wherein the predetermined direction is a direction specified by two angles that specify an arbitrary polar coordinate direction centered on a listener's head.
  • ⁇ 4> The audio processing device according to ⁇ 3>, wherein the two angles that specify the direction of the arbitrary polar coordinate are an elevation angle and a horizontal angle centered on the listener's head.
  • ⁇ 5> The voice processing device according to any one of ⁇ 1> to ⁇ 4>, wherein the predetermined direction does not coincide with any of the plurality of directions.
  • ⁇ 6> The speech processing apparatus according to any one of ⁇ 1> to ⁇ 5>, wherein the predetermined direction is an intersection of arbitrary grids in an arbitrary coordinate system.
  • ⁇ 7> The speech processing apparatus according to any one of ⁇ 1> to ⁇ 6>, wherein the HRTF data is defined to be spatially substantially equal density or substantially unequal density in a plurality of directions.
  • the HRTF data is defined so as to have a substantially spherical or substantially equal density or substantially non-uniform density corresponding to a plurality of directions. .
  • the HRTF data is defined according to a plurality of positional relationships with the listener so as to be spatially substantially non-uniform in a plurality of directions. Any one of ⁇ 1> to ⁇ 8> A voice processing apparatus according to claim 1.
  • the relationship information is information indicating a relationship between the predetermined direction and an address at which the HRTF data is stored in the corresponding HRTF data holding unit,
  • the speech processing apparatus according to any one of ⁇ 1> to ⁇ 9>, wherein the HRTF data reading unit reads HRTF data of an address with respect to the predetermined direction based on the relationship information.
  • the HRTF data reading unit based on relation information indicating a relationship with the HRTF data corresponding to the predetermined direction, a plurality of the HRTF data corresponding to the predetermined direction, the HRTF data holding unit Read more,
  • the speech processing according to any one of ⁇ 1> to ⁇ 10>, further including an interpolating unit that interpolates and generates interpolated HRTF data corresponding to the predetermined direction based on the plurality of HRTF data corresponding to the predetermined direction.
  • the interpolation unit generates the HRTF data corresponding to the predetermined direction by interpolation based on the plurality of HRTF data and an interpolation coefficient corresponding to each of the plurality of HRTF data.
  • Voice processing device based on relation information indicating a relationship with the HRTF data corresponding to the predetermined direction, a plurality of the HRTF data corresponding to the predetermined direction, the HRTF data holding unit Read more,
  • the speech processing according to any one of ⁇ 1> to ⁇ 10>, further including an interpolating unit
  • the interpolation unit calculates a linear sum of the plurality of HRTF data and an interpolation coefficient in a spatial direction corresponding to each of the plurality of HRTF data, thereby obtaining HRTF data corresponding to the predetermined direction.
  • the voice processing device according to ⁇ 12>, wherein interpolation generation is performed.
  • the interpolation unit includes the plurality of HRTF data, time-direction offset information indicating a shift in pulse position in the plurality of HRTF data, a spatial direction corresponding to each of the plurality of HRTF data, and a time
  • the speech processing apparatus according to ⁇ 13>, wherein HRTF data corresponding to the predetermined direction is generated by interpolation based on a direction interpolation coefficient.
  • the interpolation unit aligns the offset in the time direction in the plurality of HRTF data, calculates a linear sum with a spatial direction interpolation coefficient corresponding to each of the plurality of HRTF data, and the plurality of HRTF data
  • the HRTF data offset by a time calculated as a linear sum of the offset in the time direction and the interpolation coefficient in the time direction in HRTF is output as HRTF data corresponding to the predetermined direction ⁇ 14>
  • Processing equipment ⁇ 16>
  • the audio processing apparatus according to any one of ⁇ 1> to ⁇ 15>, further including a binaural signal generation unit configured to convolve the HRTF data read by the HRTF data reading unit with a signal of a sound source to generate a binaural signal. .
  • An HRTF data holding unit that holds the HRTF data corresponding to the predetermined direction and the HRTF data corresponding to a plurality of directions based on the relationship information indicating the relationship with the HRTF data corresponding to the predetermined direction.
  • a voice processing method including a step of reading more. ⁇ 18> an HRTF data holding unit that holds HRTF data corresponding to a plurality of directions; Based on the relationship information indicating the relationship with the HRTF data corresponding to a predetermined direction, the computer functions as an HRTF data reading unit that reads the HRTF data corresponding to the predetermined direction from the HRTF data holding unit. program.
  • 11 voice processing device 31 direction selection unit, 32 pointer calculation unit, 33 header information storage unit, 34 address information storage unit, 35 HRTF reading unit, 36 HRTF database, 37 HRTF calculation unit, 38 sound source output unit, 39 headphones, 51 Address calculation unit, 52 Address information storage unit, 71 Address information interpolation coefficient storage unit, 72 Interpolation calculation unit, 101 Address information interpolation coefficient offset information storage unit, 102 Interpolation calculation unit

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Stereophonic System (AREA)

Abstract

本開示は、必要とするHRTFの密度をHRTFデータベース作成者の意図通りのものにしつつ、データベースに格納されたHRTFのうち、所望とするHRTFへのアクセスを高速化できるようにする音声処理装置、および音声処理方法、並びにプログラムに関する。 所定の方向に対応するHRTFデータとの関係を示す、複数の方向に対応するHRTFデータを保持するHRTFデータベースにおけるアドレス情報に基づいて、所定の方向に対応するHRTFデータを、複数の方向に対応するHRTFデータを保持するHRTFデータ保持部より読み込む。本開示は、画像処理装置に適用することができる。

Description

音声処理装置、および音声処理方法、並びにプログラム
　本開示は、音声処理装置、および音声処理方法、並びにプログラムに関し、特に、頭部伝達関数のデータベースの効率的な圧縮とデータアクセスの高速化を実現できるようにした音声処理装置、および音声処理方法、並びにプログラムに関する。
　近年、音声の分野において、全周囲からの空間情報を収録、伝送、再生する系の開発および普及が進んでいる。スーパーハイビジョンにおいては、22.2チャネルの３次元マルチチャネル音響での放送が計画されている。また、バーチャルリアリティの分野においても、全周囲を取り囲む映像に加え、音声においても全周囲を取り囲む信号を再生するものが普及しつつある。
　このようなコンテンツが普及するなか、多チャネルのスピーカを設置する必要がなく、ヘッドフォンにより容易に再生が可能となるバイノーラル再生技術は、今後ますます重要になると考えられる。
　このバイノーラル再生技術は、一般に聴覚ディスプレイ（VAD：Virtual Auditory Display）と呼ばれており、頭部伝達関数（HRTF：Head-related transfer function）を用いて実現される（特許文献１参照）。
　頭部伝達関数とは、人間の頭部を取り囲むあらゆる方向から両耳鼓膜までの音の伝わり方に関する情報を周波数と到来方向の関数として表現したものである。目的となる音声に対して、所定の方向からのHRTFを合成したものをヘッドフォンで提示した場合に、聴取者にとっては、ヘッドフォンからではなく、その用いたHRTFの方向から音が到来しているかのように知覚される。聴覚ディスプレイ（VAD）は、この原理を利用したシステムである。
特開２０１３－１１０６８２号公報
　しかしながら、このときHRTFは人間を取り囲む全周囲に渡って必要とされるため、その分、大容量のデータベースが必要となる。
　結果として、大容量のデータベースに格納されたHRTFのうち、必要とされるHRTFを高速で読み出せるようにする必要がある。
　本開示は、このような状況に鑑みてなされたものであり、特に、必要とするHRTFの密度をHRTFデータベース作成者の意図通りのものにしつつ、データベースに格納されたHRTFのうち、所望とするHRTFへのアクセスを高速化できるようにするものである。
　本開示の一側面の音声処理装置は、複数の方向に対応するHRTFデータを保持するHRTFデータ保持部と、所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、前記HRTFデータ保持部より読み込むHRTFデータ読込部とを含む音声処理装置である。
　前記所定の方向には、聴取者に対する方向、および／もしくは距離、または位置を含ませるようにすることができる。
　前記所定の方向は、聴取者の頭部を中心とした仰角および水平角により特定される方向とすることができる。
　前記所定の方向は、前記聴取者の頭部を中心とした任意の極座標の方向を特定する２つの角度により特定される方向であるとすることができる。
　前記任意の極座標の方向を特定する２つの角度は、前記聴取者の頭部を中心とした仰角および水平角とすることができる。
　前記所定の方向は、前記複数の方向のいずれの方向にも一致しないようにすることができる。
　前記所定の方向は任意の座標系の任意のグリットの交点とすることができる。
　前記HRTFデータは、複数の方向に対して空間的に略等密度または略非等密度となるように定義されるようにすることができる。
　前記HRTFデータは、複数の方向に対応して、前記空間的に、略球面状に略等密度または略非等密度となるように定義されるようにすることができる。
　前記HRTFデータは、複数の方向に対して空間的に略非等密度となるように、前記聴取者に対する複数の位置関係に応じて定義されるようにすることができる。
　前記関係情報には、前記所定の方向と、対応する前記HRTFデータ保持部における前記HRTFデータが格納されたアドレスとの関係を示す情報であり、前記HRTFデータ読込部は、前記関係情報に基づいて、前記所定の方向に対するアドレスのHRTFデータを読み込ませるようにすることができる。
　前記HRTFデータ読込部には、前記所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する複数の前記HRTFデータを、前記HRTFデータ保持部より読み込ませ、前記所定の方向に対応する前記複数のHRTFデータに基づいて、前記所定の方向に対応する補間HRTFデータを補間生成する補間部をさらに含ませるようにすることができる。
　前記補間部には、前記複数のHRTFデータと、前記複数のHRTFデータのそれぞれに対応する補間係数とに基づいて、前記所定の方向に対応するHRTFデータを補間生成させるようにすることができる。
　前記補間部には、前記複数のHRTFデータと、前記複数のHRTFデータのそれぞれに対応する空間方向の補間係数との線形和を算出することで、前記所定の方向に対応するHRTFデータを補間生成させるようにすることができる。
　前記補間部には、前記複数のHRTFデータ、前記複数のHRTFデータにおけるパルス位置のずれを示す時間方向のオフセットの情報、並びに、前記複数のHRTFデータのそれぞれに対応する空間方向、および時間方向の補間係数に基づいて、前記所定の方向に対応するHRTFデータを補間生成させるようにすることができる。
　前記補間部には、前記複数のHRTFデータにおける前記時間方向のオフセットを揃え、前記複数のHRTFデータのそれぞれに対応する空間方向の補間係数との線形和を算出し、前記複数のHRTFデータにおける前記時間方向のオフセットと、前記時間方向の補間係数との線形和として算出された時間だけオフセットした前記HRTFデータを、前記所定の方向に対応するHRTFデータとして出力させるようにすることができる。
　HRTFデータ読込部により読み込まれる前記HRTFデータを、音源の信号に畳み込んでバイノーラル信号を生成するバイノーラル信号生成部をさらに含ませるようにすることができる。
　本開示の一側面の音声処理方法は、所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、複数の方向に対応するHRTFデータを保持するHRTFデータ保持部より読み込むステップを含む音声処理方法である。
　本開示の一側面のプログラムは、複数の方向に対応するHRTFデータを保持するHRTFデータ保持部と、所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、前記HRTFデータ保持部より読み込むHRTFデータ読込部としてコンピュータを機能させるプログラムである。
　本開示の一側面においては、HRTFデータ保持部により、複数の方向に対応するHRTFデータが保持され、所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータが、前記HRTFデータ保持部より読み込まれる。
　本開示の一側面によれば、頭部伝達関数のデータベースの効率的な圧縮とデータアクセスの高速化を実現することが可能となる。
本開示を適用した音声処理装置において使用するHRTF（頭部伝達関数）データの聴取者に対する方向の定義を説明する図である。 従来の音声処理装置において使用するHRTF（頭部伝達関数）データの空間方向のデータ点の配置例を説明する図である。 図２のHRTFデータを読み出す際にマトリクス状に展開した場合の例を説明する図である。 本開示を適用した音声処理装置において使用するHRTF（頭部伝達関数）データの空間方向のデータ点の定義を説明する図である。 本開示を適用した音声処理装置において使用するHRTF（頭部伝達関数）データを読み出すアドレステーブルの配置例を説明する図である。 本開示を適用した音声処理装置の第１の実施の形態の構成例を説明する図である。 図６の音声処理装置による音声処理を説明するフローチャートである。 本開示を適用した音声処理装置の第２の実施の形態の構成例を説明する図である。 図９の音声処理装置によるアドレス情報演算処理を説明するフローチャートである。 HRTFデータの空間方向の補間生成を説明する図である。 本開示を適用した音声処理装置の第３の実施の形態の構成例を説明する図である。 図１１の音声処理装置による音声処理を説明するフローチャートである。 HRTFデータにおけるパルス信号の時間方向のずれを説明する図である。 本開示を適用した音声処理装置の第４の実施の形態の構成例を説明する図である。 図１４の音声処理装置による音声処理を説明するフローチャートである。 図１４の音声処理装置によるHRTFデータの時間方向の補間生成を説明する図である。 汎用のパーソナルコンピュータの構成例を説明する図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　また、以下の順序で説明を行う。
　　１．第１の実施の形態
　　２．第２の実施の形態
　　３．第３の実施の形態
　　４．第４の実施の形態
　　５．応用例
　＜＜１．第１の実施の形態＞＞
　＜バイノーラル再生技術＞
　ヘッドフォン提示により耳元で立体音響をシミュレートする手法として、頭部伝達関数（HRTF：Head-related transfer function）を用いた方法が一般的である。頭部伝達関数HRTF H(x，ω)は、自由空間内において頭部が存在する状態での音源位置xから鼓膜位置までの伝達特性H_1(x，ω)を、頭部が存在しない状態での音源から頭部中心Oまでの伝達特性H_0(x，ω)で正規化したものである。
　H(x，ω)=(H_1(x，ω))/(H_0(x，ω))
　ここで、この伝達関数を任意の音声信号に畳み込み、ヘッドフォンなどにより提示することで、聴取者に対し、あたかも畳み込んだHRTFの方向xから音が聞こえてくるかのように知覚させることができる。このとき、任意の方向からの音を聴取者に提示する必要がある場合、聴取者を取り囲む全周囲の頭部伝達関数を測定およびシミュレーションなどの方法で得ることとなる。
　＜極座標系配置のHRTFデータベース＞
　聴覚ディスプレイ（VAD：Virtual Auditory Display）（以降においては、単に、VADとも称するものとする）においてヘッドトラッキングなどにより動的に音像を制御する場合、得られた全周囲のHRTFデータベースから、必要とするHRTFを逐次読み込む必要がある。
　この際、データベースの配列が水平角および仰角でそれぞれ決まった角度間隔で構築されている場合、その角度へのアクセスは容易となる。この例では、図１の左部で示されるように聴取者Ｇの天頂を仰角0度として、天底を仰角180度とするものとし、図１の右部で示されるように、水平角を聴取者Ｇの正面方向を0度として、右回りに進む角度とするものとする。
　例えば、1サンプルあたり4バイトとし、1024サンプルのデータをもつHRTFを左右で１組とし、図２の球面状の各点で示されるように、各仰角において水平角１度刻みで360組あるデータが仰角1度刻みで保持される場合を考える。
　この場合、各データが、図３のマトリクスで示されるように、仰角0度から水平角一周分（水平角0度乃至359度）のHRTFが配列され、仰角0度が終わったら仰角1度について同じように一周分のデータが配列される。これを仰角180度まで行うようなデータ配列となる。このとき、１方向分のHRTFのデータサイズは、4(byte/sample)×1024(sample/ch)×2ch=8192byte（=aとする）となる。
　また、一つの仰角上で一周分のデータサイズは、A×a（=bとする）byteとなる。ここで、Aは、一つの仰角上のデータ点の存在する水平角の数を示しており、上の例では、水平角１度刻みでデータ点が存在するためA=360となる。たとえば、図３のマトリクスで黒地のマス目で示されるように、仰角178度、水平角357度（elev=178，azim=357）のHRTFにアクセスする場合、ファイルイメージの先頭アドレス（cとする）から数えて、178×b+357×aを計算すれば容易に所望のHRTFにアクセスすることが可能である。
　これを一般化すると、以下の式（１）で表現されるアドレスAddにアクセスすればよいことになる。
　Add＝round(elev×(E-1)/180)×b+round(azim×A/360)×a+c
　　　　　　　　　　　　　　　　　　　　　　　　　　　　・・・（１）
　ここで、Eはデータ点の存在する仰角の数を示しており、上の例では、仰角0度から180度まで1度刻みでデータが存在するため、E=181となる。また、ここでround(x)はxの小数第１位を四捨五入する関数である。
　ところで、この例においては、保持するデータの密度は不均等である。すなわち、図２を参照すると、水平面（仰角＝90度の面）に設定されるデータの密度に比べて、天頂や天底の密度が高くなっている。つまり、水平面のデータ量に対して、天頂、天底のデータ量が過剰になっているといえる。
　＜等密度配置のHRTFデータベース＞
　図２で示されるようなデータ量の密度が過剰になっている領域を無くすように、HRTFをできるだけ等密度に配置するような方法が存在する。正多面体をベースにして拡張するものもあるが、本明細書においては簡易的なものを一例にして述べるものとする。
　この方法においては、例えば、図４で示されるように、同一仰角におけるデータを水平方向に等間隔に選び、等仰角内の円周上に、ある一定の長さ以上の等間隔で、できるだけ多くのデータ点を配置する。
　このようにすることで、図２のデータの配置に比べて、水平面におけるデータ密度に対する天頂や天底でのデータ量の過密を防ぐことができる。
　また、図２の場合、全データサイズは、181×360×8192byte=533MBであったが、図４の場合、水平面（仰角＝90度の面）上に配置するHRTFデータ点を図２と同じにする条件のとき、全データ点数は、例えば、水平方向の所定間隔とすることで、41343とすることができる。このため、全データサイズは、4×41343×1024×2＝338MBとなり、533MBに対して約37％（＝（533-338）/533×100）のデータ量を削減することができる。
　しかしながら、このような配置の場合、上述したデータアクセスの容易性が失われてしまう。すなわち、図４の場合、各仰角の面上でデータ点数が違うため、例えば、ヘッダ情報として、仰角および水平角をデータ配列順に並べるなどの方法が考えられる。
　ただし、この場合、アクセスしたい仰角および水平角により特定される方向に対して最も近いデータ点をヘッダ内から見つけだし、そのインデックスに対して、１方向分のHRTFのデータサイズaを掛けることでアクセスすることが必要となる。つまり、HRTFのデータが多くなるほどデータの探索をするための演算量が膨大になってしまうことになる。
　＜音声処理装置の第１の実施の形態＞
　そこで、本開示を適用した音声処理装置においては、データ量の過密を防ぎつつ、データアクセスを容易にするためにヘッダ情報として、極座標系配置のアドレス（HRTFデータベースの絶対または相対アドレス）を導入する。これは、直交座標系や円筒座標系などに対しても同様な考え方で行うことが可能であるが、本実施の形態においては極座標系のみについて説明する。
　HRTFデータベース本体のデータ点配置は任意であり、等密度であっても、意図的に粗密を偏らせても構わない。ただし、ここでは説明のための例として、HRTFデータベース本体のデータ点配置を図４で示されるように略等密度に配置するものとする。また、HRTFデータベースはFIR（Finite Impulse Response）の形であってもよいし、IIR（Infinite Impulse Response）やフーリエ変換など何かしらの変換や近似、編集が行われていてもよい。
　ここで、図５の各点で示されるように、極座標配置に対応するアドレステーブルを設定するものとする。この極座標配置のアドレステーブルの各要素（図中の各点）には、たとえばその点から一番近い、図４のHRTFデータベース上のHRTFデータのアドレスが格納されている。ここでアドレスと記述したものは，絶対または相対アドレスに限らずHRTFデータへのアクセスを可能とする情報であればよい。
　図５の極座標配置に対応するアドレステーブルの要素数は、図４のHRTFデータベース３６上のHRTFデータのアドレス数よりも多く設定されることになるため、複数の異なるアドレステーブルの要素から、同一のHRTFデータのアドレスが割り付けられることもある。
　このように所望とする方向のHRTFデータを指定するためのアドレステーブルの要素を設定し、このアドレステーブルの要素に対応するHRTFデータが格納されたデータ点のアドレスを格納しておくようにする。換言すれば、アドレステーブルの要素毎に、対応するHRTFデータを割り付けると共に、割り付けられたHRTFデータのデータ点を指定するアドレスを格納しておくようにすることで、方向を特定する仰角および水平角の情報と、HRTFデータが格納されたデータ点のアドレスとの関係がアドレステーブルの要素毎に記録されることになる。この結果、上述したように所望とする方向のHRTFデータへのアクセスについては、従来通りに仰角および水平角で実現することが可能となる上、HRTFデータベースの密度の偏りに影響されることなく適切にアクセスすることが可能となる。すなわち、HRTFデータベースにおけるデータ点については、空間的に略等密度になるように構築してもよいし、空間的に一部に密度の偏りがあるように構築してもよく、仰角および水平角とで特定される方向に対応付けて指定することで適切に所望とするHRTFデータにアクセスすることが可能となる。なお、ここでは仰角および水平角と表現しているが、頭部を中心とする任意の極座標の２つの角度であればよい。
　尚、アドレスのサイズは任意であるが、HRTFのようなデータに対しては無視できるほど小さいサイズになると考えられる。すなわち、図５に示すようなHRTFのアドレステーブルの要素の例では、4byteのアドレスを持ち、図２のHRTFデータ配置と同じ配置になっている。このような場合、アドレスのサイズの合計は260kBとなり、データの密度の偏りを抑制することで約200MBのデータが削減されていることに鑑みると、この程度のアドレスのサイズの増加は無視できるといえる。
　＜第１の実施の形態の構成例＞
　次に、図６のブロック図を参照して、上述した機能を備えた音声処理装置の構成例について説明する。
　図６の音声処理装置１１は、方向選択部３１、アドレス情報読込部３２、ヘッダ情報記憶部３３、アドレス情報記憶部３４、HRTF読込部３５、HRTFデータベース３６、HRTF演算部３７、音源出力部３８、およびヘッドフォン３９を備えている。
　方向選択部３１は、聴取者に対する音源の、例えば仰角および水平角からなる方向を指定する情報を選択し、選択した方向の情報をアドレス情報読込部３２に供給する。
　アドレス情報読込部３２は、選択された聴取者に対する音源の任意の方向を指定する情報、並びに、ヘッダ情報記憶部３３に記憶されているヘッダ情報と併せて、図５の極座標配置されたポインタ点からなるアドレステーブルのうち、所望とするHRTFが格納されているHRTFデータベース３６内のアドレスが格納されたポインタ点であるアドレステーブルの要素を算出し、算出された位置のポインタ点であるアドレステーブルの要素として格納されているアドレス（１方向分のデータサイズa’（ここでは、例えば、4byte））をHRTF読込部３５に供給する。
　アドレス情報記憶部３４は、例えば、図５で示されるポインタ点を指定するための１方向分のデータサイズa’（ここでは、例えば、4byte）を水平角数A×仰角数Eだけ記憶している。すなわち、アドレス情報記憶部３４に記憶されるアドレス情報のサイズは、a'×A×Eとなる。
　ここで、ヘッダ情報は、図５で示されるポインタ点を指定するための１方向分のデータサイズa’、図５のポインタ点の存在する水平角の数A、一つの仰角上での一周分のデータサイズb（＝A×a’）、ファイルイメージの先頭アドレスc、およびデータ点の存在する仰角の数Eを含むものである。ヘッダ情報のうち一つの仰角上での一周分のデータサイズb（＝A×a’）は、ポインタ点を指定するためのアドレスにおける１方向分のデータサイズa’に基づいて設定される。
　HRTF読込部３５は、アドレス情報読込部３２より供給されてくるアドレス情報に応じて、HRTFデータベース３６にアクセスし、対応するHRTFを読み出してHRTF演算部３７に供給する。
　HRTF演算部３７は、供給されてきたHRTFを用いて、音源出力部３８より供給されてくる音声信号を所定の演算処理することにより、バイノーラル信号を生成し、ヘッドフォン３９より音声を出力する。ここで、HRTFはFIR（Finite Impulse Response）の形であってもよいし、IIR（Infinite Impulse Response）やフーリエ変換など何かしらの変換や近似、編集が行われていてもよい。また、それらの変換や近似、編集はHRTF演算部３７以外で行われていても、HRTF演算部３７で変換が行われてもかまわない。また、フィルタ処理の方法、すなわち、HRTFの演算方法については変換や近似、編集後の形式に応じてさまざまな方法を用いることが可能である。
　＜図６の音声処理装置による音声処理＞
　次に、図７のフローチャートを参照して、図６の音声処理装置１１による音声処理について説明する。
　ステップＳ１１において、方向選択部３１は、聴取者に対する所定の音源の方向の情報、すなわち、HRTFデータのいずれかを特定する例えば仰角および水平角からなる所定の方向の情報を選択し、アドレス情報読込部３２に供給する。
　ステップＳ１２において、アドレス情報読込部３２は、選択された仰角および水平角、および、ヘッダ情報記憶部３３に記憶されているヘッダ情報に基づいて、所望とするHRTFが格納されているHRTFデータベース３６内のアドレスをアドレス情報記憶部３４より読み出して、HRTF読込部３５に供給する。
　より詳細には、アドレス情報読込部３２は、方向選択部３１により選択された仰角および水平角からなるHRTFを特定する方向の情報、ヘッダ情報記憶部３３に記憶されているHRTFのヘッダ情報に基づいて、例えば、以下の式（２）を用いて、図５の極座標配置でアドレステーブルとして設定されているポインタ点のアドレスのうちの所望とする方向のポインタ点のアドレスAddressを演算する。
　Address＝round(elev×E/180)×b+round(azim×A/360)×a’+c
　　　　　　　　　　　　　　　　　　　　　　　　　　　　・・・（２）
　ここで、式（２）のAddressは、図５の極座標配置で設定されたアドレステーブルの各要素を構成するアドレスが格納されたポインタ点のうち、選択された方向に対応するポインタ点を特定するアドレスである。そして、このアドレスに格納された情報が、HRTFデータベース３６内における、選択された方向に対応するHRTFデータが格納されたアドレスを含むポインタである。図５の各ポインタ点においては、HRTFデータベース３６内において、図４のように水平方向に略等間隔で配置されたHRTFデータのデータ点のうち、例えば最も近いもののアドレスが格納されている。
　そこで、アドレス情報読込部３２は、例えば仰角および水平角で特定される図５に対応する極座標配置のアドレステーブルにおいてポインタ点として格納されているアドレスを読み出し、HRTF読込部３５に供給する。
　ステップＳ１３において、HRTF読込部３５は、アドレス情報読込部３２より供給されてくる、HRTFデータベース３６におけるデータ点を特定するアドレスにアクセスし、対応するHRTFデータを読み出してHRTF演算部３７に供給する。
　ステップＳ１４において、HRTF演算部３７は、供給されてきたHRTFを用いて、音源出力部３８より供給されてくる音声信号にHRTFフィルタ処理を施し、バイノーラル信号を生成して、ヘッドフォン３９に出力する。
　ステップＳ１５において、ヘッドフォン３９は、供給されてくるバイノーラル信号に基づいて音声を出力する。
　以上の処理により、HRTFデータへのアクセスについては、仰角および水平角に応じてデータ点が配置されていない構成であっても、HRTFデータが格納されたデータ点のアドレスが、仰角および水平角毎に設定されるアドレステーブルの各要素として格納され、これが仰角および水平角により指定される方向に応じて読み出され、読み出されたアドレスのHRTFのデータ点にアクセスするようにしたことで、従来通りに仰角および水平角により指定される方向で所望とするHRTFデータを特定することが可能となるので、迅速なHRTFデータの読み出しを実現することが可能となる。
　また、以上の例においては、等密度となるように球面上にHRTFデータを配置する例について説明してきたが、HRTFデータが、それ以外の規範により構成されるものであっても、上述した場合と同様に各HRTFデータが格納されているアドレスを図５で示されるようなポインタ点からなるアドレステーブルに割り付けるようにすることで、例えば、聴視者の前方と後方を高密度にHRTFデータのデータ点を分布して、聴視者の左右上下方向には低密度にHRTFデータのデータ点を分布するようにしても、仰角および水平角からなる方向を特定することでHRTFデータのデータ点を特定することが可能となり、HRTFデータベース３６より迅速に所望とするHRTFデータを読み出すことが可能となる。
　HRTFデータが配置される構成については、上述した以外にも、前方のみの密度を高くして、それ以外の方向の密度を低くするようにしてもよい。また、球面は半径の異なる複数の球面でもよい。さらに、頭部の中心と球の中心がずれていてもよく、完全な球でなくてもよい。
　＜＜２．第２の実施の形態＞＞
　以上においては、HRTFデータベース３６内のHRTFデータのデータ点配置が図４のように略等密度に配置されるときの例について説明してきたが、アドレス情報が存在しない場合（HRTFデータが格納されたアドレスが仰角および水平角からなる方向毎に割り付けられた，アドレステーブルが生成されていない場合）、HRTFデータがロードされたタイミング、または、HRTFデータが組み込まれた後の最初に起動したタイミングなどに、図５のポインタ点毎に対応するHRTFデータベース３６内におけるHRTFデータを特定するアドレスを格納したアドレステーブルを生成しておくようにしてもよい。
　すなわち、HRTFデータのデータ点の構成については、図４で示されるような球面上や多面体上の配置のみならず、聴取者からみて、様々な方向、および／もしくは距離、または位置に応じたものでもよいものである。このため、HRTFデータのデータ点の構成は、上述した球面上の配置のみならず、円筒座標系に配置されたり、３軸の座標空間に配置されるように構成するようにしてもよいものである。また、HRTFデータのデータ点の構成は、空間に対して略等密度となるように定義されるようにしてもよいし、非等密度となるようにしてもよく、例えば、聴取者の前方付近に対して高密度で定義し、後方に対しては低密度に定義するようにしてもよい。このため、図５のアドレステーブルの各要素となるポインタ点であるアドレスを割り付けるにあたっては、それぞれのアドレステーブルの各要素となるポインタ点から最も近い位置のHRTFデータ点を予め対応付けておく必要がある。
　図８は、HRTFデータベース３６におけるHRTFデータが格納されたアドレスの情報が存在しない（HRTFデータが格納されたアドレスの情報が、仰角および水平角毎に割り付けられたアドレステーブルが生成されていない）場合、図５のアドレステーブルの要素毎に、すなわち、仰角および水平角で特定される方向毎に対応するHRTFデータベース３６内におけるHRTFデータを特定するアドレスを格納したアドレステーブルを生成するようにした音声処理装置１１の構成例を説明するブロック図である。尚、図８の音声処理装置１１において、図６の音声処理装置１１における構成と同一の機能を備えた構成については、同一の名称、および同一の符号を付すものとし、その説明は適宜省略するものとする。
　すなわち、図８の音声処理装置１１において、図６の音声処理装置１１と異なる点は、アドレス演算部５１をさらに設け、アドレス情報記憶部３４に代えて、アドレス情報記憶部５２を設けた点である。
　アドレス演算部５１は、方向毎にHRTFデータが格納されたアドレスが割り付けられたアドレステーブルが存在しない場合、HRTFデータがロードされたタイミング、または、HRTFデータが組み込まれた後の最初に起動したタイミングなどに、ヘッダ情報記憶部３３に記憶されているヘッダ情報およびHRTFデータベース３６を読み出して、図５のアドレステーブルの要素毎のアドレスの情報を予め生成して、仰角および水平角により特定される方向毎に対応するHRTFデータが格納されているアドレスをアドレステーブルに割り付けてアドレス情報記憶部５２に記憶させる。
　すなわち、この場合、アドレス情報読込部３２は、HRTFデータを指定する仰角および水平角の情報に対応付けて、アドレス情報記憶部５２に記憶されているHRTFデータが格納されたアドレスを、例えば、式（２）の計算結果に基づいて読み出して、読み出したアドレスをHRTF読込部３５に供給する。つまり、アドレス情報読込部３２は、HRTFデータを指定する仰角および水平角の情報が更新される度に、ヘッダ情報および式（２）の計算結果に基づいて、HRTFデータが格納されたアドレスをアドレス情報記憶部５２より読み出すこととなる。
　＜図８の音声処理装置によるアドレス情報演算処理＞
　次に、図９のフローチャートを参照して、図８の音声処理装置１１によるアドレス情報演算処理について説明する。
　ステップＳ３１において、アドレス演算部５１は、未登録の新たなHRTFデータがロードされたか（または、起動直後か）否かを判定し、未登録の新たなHRTFデータがロードされた（または、起動直後である）と判定されるまで、同様の処理が繰り返される。そして、ステップＳ３１において、未登録の新たなHRTFデータがロードされた（または、起動直後である）とみなされた場合、処理は、ステップＳ３２に進む。
　ステップＳ３２において、アドレス演算部５１は、仰角および水平角からなる方向のうち、図５のアドレステーブルのHRTFデータのアドレス点に対応する未処理の方向を処理対象方向に設定する。
　ステップＳ３３において、アドレス演算部５１は、処理対象方向に対応するHRTFデータを特定し、対応するHRTFデータベース３６におけるアドレスを特定する。
　ステップＳ３４において、アドレス演算部５１は、特定されたHRTFデータのアドレスを、処理対象方向を特定する仰角および水平角に対応付けて、アドレス情報記憶部５２に記憶させる。
　ステップＳ３５において、アドレス演算部５１は、未処理の方向を特定する仰角および水平角が存在するか否かを判定し、未処理の方向を特定する仰角および水平角が存在する場合、処理は、ステップＳ３２に戻る。すなわち、未処理の方向がなくなるまで、ステップＳ３２乃至Ｓ３５の処理が繰り返されて、未処理の方向がなくなった場合、処理は、終了する。
　以上の処理により、図９のフローチャートにおけるステップＳ３４において、選択された仰角および水平角に基づいて、対応する方向のHRTFデータが格納されたアドレスがアドレステーブルを構成する、選択された仰角および水平角に対応する方向の要素としてアドレス情報記憶部５２に記憶されることになる。
　このため、図７のフローチャートにおける音声処理においては、アドレス情報読込部３２は、例えば、式（２）の計算結果に基づいて、アドレス情報記憶部５２のアドレステーブルにアクセスし、HRTFデータを特定する方向に対応して格納されているアドレスを読み出して、HRTF読込部３５に供給することとなる。
　結果として、HRTFデータを指定する仰角および水平角の情報に対応付けて記憶されているHRTFデータのアドレスの位置を読み出して、HRTF読込部３５に供給することとなる。
　＜＜３．第３の実施の形態＞＞
　以上においては、HRTFデータを定義する空間的な密度を効率よく低減させる例について説明してきたが、これ以上低減させるためには、空間的に疎となった空間におけるHRTFデータを周辺のHRTFデータにより補間して生成するようにしてもよい。
　すなわち、例えば、図１０で示されるように、所望とするHRTFのデータ点である点ＰにおけるHRTF_Pの場合、予め格納されている３点のHRTFのデータ点Pa，Pb，PcのHRTFがHRTF_Pa，HRTF_Pb，HRTF_Pcであるとき、それぞれの補間係数α，β，γを用いて、例えば、以下の式（３）を演算することで、所望とするデータ点である点ＰにおけるHRTF_Pを求めるようにしてもよい。
　HTRF_P=HRTF_Pa×α＋HRTF_Pb×β＋HRTF_Pc×γ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　・・・（３）
　このような構成にすることで、HRTFデータベースをより小さなものとすることができる。
　＜第３の実施の形態の構成例＞
　図１１のブロック図は、HRTFデータを補間するようにした音声処理装置の構成例を示している。尚、図１１の音声処理装置１１の構成において、図６の音声処理装置１１と同一の機能を備えた構成については、同一の名称、および同一の符号を付しており、その説明は適宜省略するものとする。
　すなわち、図１１の音声処理装置１１において、図６の音声処理装置１１と異なるのは、アドレス情報記憶部３４に代えて、アドレス情報補間係数記憶部７１が設けられており、さらに、補間演算部７２が設けられている点である。
　アドレス情報補間係数記憶部７１は、基本的な機能は、アドレス情報記憶部３４と同様であるが、さらに、補間演算に必要とされる補間係数を、仰角および水平角により特定される方向毎にそれぞれ記憶している点である。基本的に、仰角および水平角により特定される方向毎に、必要とされる複数のHRTFデータの組み合わせと、それぞれの補間係数が必要とされる。このため、アドレス情報補間係数記憶部７１は、方向毎に必要とされるHRTFデータのアドレスの組み合わせと、対応する補間係数とを対応付けて記憶している。
　尚、この例においては、３点のHRTFデータを用いて補間する例について説明するものとするが、それ以外の数の複数のHRTFデータを補間に用いるようにしてもよい。また、このため、アドレス情報読込部３２、およびHRTF読込部３５は、常に、１方向について、３点のHRTFデータを読み出して補間演算部７２に供給する。
　補間演算部７２は、仰角および水平角の方向に応じて特定される３点のHRTFデータと、対応する補間係数とを用いて、例えば、線形和を演算することで、対応する方向のHRTFデータを補間生成してHRTF演算部３７に供給する。
　＜図１１の音声処理装置による音声処理＞
　次に、図１２のフローチャートを参照して、図１１の音声処理装置１１による音声処理について説明する。尚、図１２のフローチャートにおけるステップＳ５１，Ｓ５６，Ｓ５７の処理については、図７のフローチャートを参照して説明したステップＳ１１，Ｓ１４，Ｓ１５の処理と同様であるので、その説明は省略する。
　すなわち、ステップＳ５２において、アドレス情報読込部３２は、選択された仰角および水平角、ヘッダ情報記憶部３３に記憶されているヘッダ情報、および、式（２）に基づいて、対応する３点のHRTFデータが格納されたHRTFデータベース３６におけるアドレスをアドレス情報補間係数記憶部７１より読み出して、HRTF読込部３５に供給する。
　ステップＳ５３において、HRTF読込部３５は、アドレス情報読込部３２より供給されてくる３点分のアドレスに応じて、HRTFデータベース３６にアクセスし、対応する３点分のHRTFデータを読み出して補間演算部７２に供給する。
　ステップＳ５４において、補間演算部７２は、３点分のHRTFデータと対応する補間係数をアドレス情報補間係数記憶部７１より読み出す。
　ステップＳ５５において、補間演算部７２は、例えば、上述した式（３）で示される補間演算を実行することにより、所望とする方向のHRTFデータを補間生成してHRTF演算部３７に供給する。
　ステップＳ５６において、HRTF演算部３７は、供給されてきた、補間生成されたHRTFデータを用いて、音源出力部３８より供給されてくる音声信号をフィルタ処理することによりバイノーラル信号を生成し、ヘッドフォン３９に出力する。
　以上の処理により、HRTFデータベースのデータ量を小さくしつつ、仰角および水平角により特定される方向毎に高精度のHRTFデータを読み出すことが可能となり、音声データへの畳み込みを実現することが可能となる。
　尚、以上においては、３点のHRTFに、それぞれの補間係数を乗じて、線形和を求めることで補間する例について説明してきたが、線形和以外の方法で補間するようにしてもよい。また、新たにHRTFデータベースが構築される際、第２の実施の形態におけるアドレス情報演算処理と同様に、新たなHRTFデータベースがロードされたタイミングや、その後の最初の起動などにおいて、仰角および水平角により特定されるアドレステーブルの要素毎に、HRTFデータが格納されるアドレスの情報と共に、補間係数も対応付けて、アドレス情報補間係数記憶部７１に格納するようにしてもよい。
　＜＜４．第４の実施の形態＞＞
　以上においては、HRTFデータを３点利用し、それぞれに補間係数を乗じて、線形和を求めることでHRTFデータを補間する例について説明してきたが、補間するHRTFデータが時間ドメインで保持されている場合、補間係数のみを用いて、そのまま補間（例えば、線形和などで補間）してしまうと、パルス位置が合わず所望の補間結果が得られないことがある。
　すなわち、図１３の左部で示されるように、HRTFデータが、方向Ａ乃至Ｃのそれぞれについて設定され、方向Ａ乃至Ｃのそれぞれについてずれが時間ｔ１乃至ｔ３であるとき、単純に線形和を用いて補間すると時間方向のパルス位置がずれてしまう恐れがある。
　そこで、図１３の右部で示されるように、HRTFデータのパルス位置の時間方向のずれをオフセット情報として保持し、これを利用して予め時間軸上で、パルス位置を揃えるようにすることで、所望の補間を実現できるようにしてもよい。パルス位置を揃えるには、例えば、HRTFデータを予めオフセットさせたうえで、記憶させるようにして利用するようにしてもよいし、または、HRTFデータにオフセット情報を付随させて保持しておき、適宜、補間時にオフセットさせて共通化した上で補間するようにしてもよい。
　＜第４の実施の形態の構成例＞
　図１４のブロック図は、HRTFデータのパルス位置の時間方向にオフセットして補間するようにした音声処理装置の構成例を示している。尚、図１４の音声処理装置１１の構成において、図１１の音声処理装置１１と同一の機能を備えた構成については、同一の名称、および同一の符号を付しており、その説明は適宜省略するものとする。
　すなわち、図１４の音声処理装置１１において、図１１の音声処理装置１１と異なるのは、アドレス情報補間係数記憶部７１、および補間演算部７２に代えて、アドレス情報補間係数オフセット情報記憶部１０１、および補間演算部１０２が設けられている点である。
　アドレス情報補間係数オフセット情報記憶部１０１は、アドレス情報補間係数記憶部７１の機能に加えて、さらに、HRTFデータの方向毎のパルス位置の時間方向のオフセット情報を記憶している。すなわち、アドレス情報補間係数オフセット情報記憶部１０１は、例えば、図１３の右部で示されるように、方向Ａ乃至Ｃのそれぞれについて、オフセット情報として時間ｔ１乃至ｔ３を格納している。
　補間演算部１０２は、基本的には、補間演算部７２と同様であるが、さらに、アドレス情報読込部３２より供給されてくるアドレスの情報に基づいて、上述した式（３）におけるα、β、γなどのような空間方向の補間係数、および、時間方向のオフセット情報を読み出し、３個のHRTFデータを用いて、HRTFデータを補間生成し、HRTF演算部３７に供給する。
　＜図１４の音声処理装置による音声処理＞
　次に、図１５のフローチャートを参照して、図１４の音声処理装置による音声処理について説明する。尚、図１４のフローチャートにおけるステップＳ９１，Ｓ９７，Ｓ９８の処理については、図７のフローチャートを参照して説明したステップＳ１１，Ｓ１４，Ｓ１５の処理と同様であるので、その説明は省略する。
　すなわち、ステップＳ９２において、アドレス情報読込部３２は、選択された仰角および水平角に基づいて、対応する３点のアドレス情報をアドレス情報補間係数オフセット情報記憶部１０１より読み出し、ヘッダ情報記憶部３３に記憶されているヘッダ情報と併せて、所望とするHRTFが格納されているHRTFデータベース３６内のアドレスを算出して、HRTF読込部３５、および補間演算部１０２に供給する。
　ステップＳ９３において、HRTF読込部３５は、アドレス情報読込部３２より供給されてくる３点分のアドレスに応じて、対応するHRTFデータベース３６のアドレスにアクセスし、対応する３点分のHRTFデータを読み出して補間演算部１０２に供給する。
　ステップＳ９４において、補間演算部１０２は、３点分のHRTFデータと対応する空間方向の補間係数をアドレス情報補間係数オフセット情報記憶部１０１より読み出す。すなわち、ここでいう空間方向の補間係数は、上述した式（３）におけるα、β、γに対応する補間係数である。
　ステップＳ９５において、補間演算部１０２は、３点分のHRTFデータと対応するオフセット情報をアドレス情報補間係数オフセット情報記憶部１０１より読み出す。
　ステップＳ９６において、補間演算部１０２は、時間方向のオフセット情報および補間係数を考慮した補間演算を実行することにより、所望とする方向のHRTFデータを補間生成してHRTF演算部３７に供給する。
　より詳細には、補間演算部１０２は、時間方向にパルス位置が揃うように補正した上で、補間係数を用いて上述した式（３）の演算により空間方向に対して補間演算を行った後、さらに、図１６で示されるように、時間方向のオフセット情報ｔ１，ｔ２，ｔ３に基づいて設定される時間方向の補間係数ｐ，ｑ，ｒを算出し、この時間方向の補間係数ｐ，ｑ，ｒを用いて、時間方向のずれ時間Tを以下の式（４）で示される演算により求める。
　T=t1×p＋t2×q＋t3×r
　　　　　　　　　　　　　　　　　　　　　　　　　　　　・・・（４）
　すなわち、補間演算部１０２は、式（４）により求められた時間方向のずれ時間Tのオフセットを補正した、上述した式（３）により求められた補間演算結果となるHRTFデータをHRTF演算部３７に供給する。
　ステップＳ９７において、HRTF演算部３７は、供給されてきた、補間生成されたHRTFデータを用いて、音源出力部３８より供給されてくる音声信号をフィルタ処理してバイノーラル信号を生成し、ヘッドフォン３９に出力する。
　もしくは，ステップＳ９６において空間方向に対して補間演算を行ったものを，ずれ時間Ｔの補正を行わずにその時間Ｔの情報とともにHRTF演算部３７へ供給し，HRTF演算部３７でのフィルタ処理の後にＴの時間補正を行ってもよい。
　以上の処理により、HRTFデータベースのデータ量を小さくしつつ、空間方向に高精度にHRTFデータを求め、さらに、時間方向のずれ時間Tを考慮してタイミングを調整して音声データの畳み込みを実現することが可能となる。
　尚、以上においては、時間方向の補間係数については、補間演算部１０２が演算する例について説明してきたが、空間方向の補間係数と同様に、アドレス情報補間係数オフセット情報記憶部１０１において予め格納しておくようにし、読み出して補間演算に利用するようにしてもよい。また、時間方向の補間係数ｐ，ｑ，ｒは、空間方向の補間係数α、β、γで置き換えたり，α、β、γから何らかの計算式により求めたりするようにしてもよい。その逆に、空間方向の補間係数α、β、γは、時間方向の補間係数ｐ，ｑ，ｒで置き換えたり，ｐ，ｑ，ｒから何らかの計算式により求めたりするようにしてもよい。
　以上においては、極座標における仰角と水平角とにより方向を特定する例について説明してきたが、方向が特定できれば他のパラメータでもよく、例えば、任意の極座標の方向を特定する２の角度であってもよい。また、所定の方向は任意の座標系で設定されるグリッドのうちの任意のグリットの交点とするようにしてもよい。
　＜＜５．応用例＞＞
　＜ソフトウェアにより実行させる例＞
　ところで、上述した一連の処理は、ハードウェアにより実行させることもできるが、ソフトウェアにより実行させることもできる。一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、記録媒体からインストールされる。
　図１７は、汎用のパーソナルコンピュータの構成例を示している。このパーソナルコンピュータは、CPU(Central Processing Unit)１００１を内蔵している。CPU１００１にはバス１００４を介して、入出力インタ-フェイス１００５が接続されている。バス１００４には、ROM(Read Only Memory)１００２およびRAM(Random Access Memory)１００３が接続されている。
　入出力インタ-フェイス１００５には、ユーザが操作コマンドを入力するキーボード、マウスなどの入力デバイスよりなる入力部１００６、処理操作画面や処理結果の画像を表示デバイスに出力する出力部１００７、プログラムや各種データを格納するハードディスクドライブなどよりなる記憶部１００８、LAN（Local Area Network）アダプタなどよりなり、インターネットに代表されるネットワークを介した通信処理を実行する通信部１００９が接続されている。また、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)、DVD(Digital Versatile Disc)を含む）、光磁気ディスク（ＭＤ(Mini Disc)を含む）、もしくは半導体メモリなどのリムーバブルメディア１０１１に対してデータを読み書きするドライブ１０１０が接続されている。
　CPU１００１は、ROM１００２に記憶されているプログラム、または磁気ディスク、光ディスク、光磁気ディスク、もしくは半導体メモリ等のリムーバブルメディア１０１１ら読み出されて記憶部１００８にインストールされ、記憶部１００８からRAM１００３にロードされたプログラムに従って各種の処理を実行する。RAM１００３にはまた、CPU１００１が各種の処理を実行する上において必要なデータなども適宜記憶される。
　以上のように構成されるコンピュータでは、CPU１００１が、例えば、記憶部１００８に記憶されているプログラムを、入出力インタフェース１００５及びバス１００４を介して、RAM１００３にロードして実行することにより、上述した一連の処理が行われる。
　コンピュータ（CPU１００１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア１０１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
　コンピュータでは、プログラムは、リムーバブルメディア１０１１をドライブ１０１０に装着することにより、入出力インタフェース１００５を介して、記憶部１００８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部１００９で受信し、記憶部１００８にインストールすることができる。その他、プログラムは、ROM１００２や記憶部１００８に、あらかじめインストールしておくことができる。
　なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
　また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
　なお、本開示の実施の形態は、上述した実施の形態に限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。
　例えば、本開示は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
　また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
　さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
　尚、本開示は、以下のような構成も取ることができる。
＜１＞　複数の方向に対応するHRTFデータを保持するHRTFデータ保持部と、
　所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、前記HRTFデータ保持部より読み込むHRTFデータ読込部と
　を含む音声処理装置。
＜２＞　前記所定の方向は、聴取者に対する方向、および／もしくは距離、または位置を含む
　＜１＞に記載の音声処理装置。
＜３＞　前記所定の方向は、聴取者の頭部を中心とした任意の極座標の方向を特定する２つの角度により特定される方向である
　＜１＞または＜２＞に記載の音声処理装置。
＜４＞　前記任意の極座標の方向を特定する２つの角度は、前記聴取者の頭部を中心とした仰角および水平角である
　＜３＞に記載の音声処理装置。
＜５＞　前記所定の方向は、前記複数の方向のいずれの方向にも一致しない
　＜１＞乃至＜４＞のいずれかに記載の音声処理装置。
＜６＞　前記所定の方向は任意の座標系の任意のグリットの交点である
　＜１＞乃至＜５＞のいずれかに記載の音声処理装置。
＜７＞　前記HRTFデータは、複数の方向に対して空間的に略等密度または略非等密度となるように定義されている
　＜１＞乃至＜６＞のいずれかに記載の音声処理装置。
＜８＞　前記HRTFデータは、複数の方向に対応して、前記空間的に、略球面状に略等密度または略非等密度となるように定義されている
　＜７＞に記載の音声処理装置。
＜９＞　前記HRTFデータは、複数の方向に対して空間的に略非等密度となるように、前記聴取者に対する複数の位置関係に応じて定義されている
　＜１＞乃至＜８＞のいずれかに記載の音声処理装置。
＜１０＞　前記関係情報は、前記所定の方向と、対応する前記HRTFデータ保持部における前記HRTFデータが格納されたアドレスとの関係を示す情報であり、
　前記HRTFデータ読込部は、前記関係情報に基づいて、前記所定の方向に対するアドレスのHRTFデータを読み込む
　＜１＞乃至＜９＞のいずれかに記載の音声処理装置。
＜１１＞　前記HRTFデータ読込部は、前記所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する複数の前記HRTFデータを、前記HRTFデータ保持部より読み込み、
　前記所定の方向に対応する前記複数のHRTFデータに基づいて、前記所定の方向に対応する補間HRTFデータを補間生成する補間部をさらに含む
　＜１＞乃至＜１０＞のいずれかに記載の音声処理装置。
＜１２＞　前記補間部は、前記複数のHRTFデータと、前記複数のHRTFデータのそれぞれに対応する補間係数とに基づいて、前記所定の方向に対応するHRTFデータを補間生成する
　＜１１＞に記載の音声処理装置。
＜１３＞　前記補間部は、前記複数のHRTFデータと、前記複数のHRTFデータのそれぞれに対応する空間方向の補間係数との線形和を算出することで、前記所定の方向に対応するHRTFデータを補間生成する
　＜１２＞に記載の音声処理装置。
＜１４＞　前記補間部は、前記複数のHRTFデータ、前記複数のHRTFデータにおけるパルス位置のずれを示す時間方向のオフセットの情報、並びに、前記複数のHRTFデータのそれぞれに対応する空間方向、および時間方向の補間係数に基づいて、前記所定の方向に対応するHRTFデータを補間生成する
　＜１３＞に記載の音声処理装置。
＜１５＞　前記補間部は、前記複数のHRTFデータにおける前記時間方向のオフセットを揃え、前記複数のHRTFデータのそれぞれに対応する空間方向の補間係数との線形和を算出し、前記複数のHRTFデータにおける前記時間方向のオフセットと、前記時間方向の補間係数との線形和として算出された時間だけオフセットした前記HRTFデータを、前記所定の方向に対応するHRTFデータとして出力する
　＜１４＞に記載の音声処理装置。
＜１６＞　HRTFデータ読込部により読み込まれる前記HRTFデータを、音源の信号に畳み込んでバイノーラル信号を生成するバイノーラル信号生成部をさらに含む
　＜１＞乃至＜１５＞のいずれかに記載の音声処理装置。
＜１７＞　所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、複数の方向に対応するHRTFデータを保持するHRTFデータ保持部より読み込むステップ
　を含む音声処理方法。
＜１８＞　複数の方向に対応するHRTFデータを保持するHRTFデータ保持部と、
　所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、前記HRTFデータ保持部より読み込むHRTFデータ読込部と
　してコンピュータを機能させるプログラム。
　１１　音声処理装置，　３１　方向選択部，　３２　ポインタ演算部，　３３　ヘッダ情報記憶部，　３４　アドレス情報記憶部，　３５　HRTF読込部，　３６　HRTFデータベース，　３７　HRTF演算部，　３８　音源出力部，　３９　ヘッドフォン，　５１　アドレス演算部，　５２　アドレス情報記憶部，　７１　アドレス情報補間係数記憶部，　７２　補間演算部，　１０１　アドレス情報補間係数オフセット情報記憶部，　１０２　補間演算部

Claims (18)

  1. 　複数の方向に対応するHRTFデータを保持するHRTFデータ保持部と、
    　所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、前記HRTFデータ保持部より読み込むHRTFデータ読込部と
    　を含む音声処理装置。
  2. 　前記所定の方向は、聴取者に対する方向、および／もしくは距離、または位置を含む
    　請求項１に記載の音声処理装置。
  3. 　前記所定の方向は、聴取者の頭部を中心とした任意の極座標の方向を特定する２つの角度により特定される方向である
    　請求項１に記載の音声処理装置。
  4. 　前記任意の極座標の方向を特定する２つの角度は、前記聴取者の頭部を中心とした仰角および水平角である
    　請求項３に記載の音声処理装置。
  5. 　前記所定の方向は、前記複数の方向のいずれの方向にも一致しない
    　請求項１に記載の音声処理装置。
  6. 　前記所定の方向は任意の座標系の任意のグリットの交点である
    　請求項１に記載の音声処理装置。
  7. 　前記HRTFデータは、複数の方向に対して空間的に略等密度または略非等密度となるように定義されている
    　請求項１に記載の音声処理装置。
  8. 　前記HRTFデータは、複数の方向に対応して、前記空間的に、略球面状に略等密度または略非等密度となるように定義されている
    　請求項７に記載の音声処理装置。
  9. 　前記HRTFデータは、複数の方向に対して空間的に略非等密度となるように、前記聴取者に対する複数の位置関係に応じて定義されている
    　請求項１に記載の音声処理装置。
  10. 　前記関係情報は、前記所定の方向と、対応する前記HRTFデータ保持部における前記HRTFデータが格納されたアドレスとの関係を示す情報であり、
    　前記HRTFデータ読込部は、前記関係情報に基づいて、前記所定の方向に対するアドレスのHRTFデータを読み込む
    　請求項１に記載の音声処理装置。
  11. 　前記HRTFデータ読込部は、前記所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する複数の前記HRTFデータを、前記HRTFデータ保持部より読み込み、
    　前記所定の方向に対応する前記複数のHRTFデータに基づいて、前記所定の方向に対応する補間HRTFデータを補間生成する補間部をさらに含む
    　請求項１に記載の音声処理装置。
  12. 　前記補間部は、前記複数のHRTFデータと、前記複数のHRTFデータのそれぞれに対応する補間係数とに基づいて、前記所定の方向に対応するHRTFデータを補間生成する
    　請求項１１に記載の音声処理装置。
  13. 　前記補間部は、前記複数のHRTFデータと、前記複数のHRTFデータのそれぞれに対応する空間方向の補間係数との線形和を算出することで、前記所定の方向に対応するHRTFデータを補間生成する
    　請求項１２に記載の音声処理装置。
  14. 　前記補間部は、前記複数のHRTFデータ、前記複数のHRTFデータにおけるパルス位置のずれを示す時間方向のオフセットの情報、並びに、前記複数のHRTFデータのそれぞれに対応する空間方向、および時間方向の補間係数に基づいて、前記所定の方向に対応するHRTFデータを補間生成する
    　請求項１１に記載の音声処理装置。
  15. 　前記補間部は、前記複数のHRTFデータにおける前記時間方向のオフセットを揃え、前記複数のHRTFデータのそれぞれに対応する空間方向の補間係数との線形和を算出し、前記複数のHRTFデータにおける前記時間方向のオフセットと、前記時間方向の補間係数との線形和として算出された時間だけオフセットした前記HRTFデータを、前記所定の方向に対応するHRTFデータとして出力する
    　請求項１４に記載の音声処理装置。
  16. 　HRTFデータ読込部により読み込まれる前記HRTFデータを、音源の信号に畳み込んでバイノーラル信号を生成するバイノーラル信号生成部をさらに含む
    　請求項１に記載の音声処理装置。
  17. 　所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、複数の方向に対応するHRTFデータを保持するHRTFデータ保持部より読み込むステップ
    　を含む音声処理方法。
  18. 　複数の方向に対応するHRTFデータを保持するHRTFデータ保持部と、
    　所定の方向に対応する前記HRTFデータとの関係を示す関係情報に基づいて、前記所定の方向に対応する前記HRTFデータを、前記HRTFデータ保持部より読み込むHRTFデータ読込部と
    　してコンピュータを機能させるプログラム。
PCT/JP2017/001853 2016-02-04 2017-01-20 音声処理装置、および音声処理方法、並びにプログラム WO2017135063A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016019659 2016-02-04
JP2016-019659 2016-02-04

Publications (1)

Publication Number Publication Date
WO2017135063A1 true WO2017135063A1 (ja) 2017-08-10

Family

ID=59500684

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/001853 WO2017135063A1 (ja) 2016-02-04 2017-01-20 音声処理装置、および音声処理方法、並びにプログラム

Country Status (1)

Country Link
WO (1) WO2017135063A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020026548A1 (ja) * 2018-07-31 2020-02-06 ソニー株式会社 情報処理装置及び情報処理方法、並びに音響システム
CN114598985A (zh) * 2022-03-07 2022-06-07 安克创新科技股份有限公司 音频处理方法及装置
US20230081104A1 (en) * 2021-09-14 2023-03-16 Sound Particles S.A. System and method for interpolating a head-related transfer function
US11785385B2 (en) 2021-02-09 2023-10-10 Yamaha Corporation Shoulder-mounted speaker, sound image localization method, and non-transitory computer-readable medium

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1042399A (ja) * 1996-02-13 1998-02-13 Sextant Avionique 音声空間化システムおよびそれを実施するための個人化の方法
JP2003284196A (ja) * 2002-03-20 2003-10-03 Sony Corp 音像定位信号処理装置および音像定位信号処理方法
JP2004279241A (ja) * 2003-03-17 2004-10-07 Internatl Business Mach Corp <Ibm> 音源位置取得システム、音源位置取得方法、該音源位置取得システムに使用するための音反射要素および該音反射要素の形成方法
JP2013211906A (ja) * 2007-03-01 2013-10-10 Mahabub Jerry 音声空間化及び環境シミュレーション

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1042399A (ja) * 1996-02-13 1998-02-13 Sextant Avionique 音声空間化システムおよびそれを実施するための個人化の方法
JP2003284196A (ja) * 2002-03-20 2003-10-03 Sony Corp 音像定位信号処理装置および音像定位信号処理方法
JP2004279241A (ja) * 2003-03-17 2004-10-07 Internatl Business Mach Corp <Ibm> 音源位置取得システム、音源位置取得方法、該音源位置取得システムに使用するための音反射要素および該音反射要素の形成方法
JP2013211906A (ja) * 2007-03-01 2013-10-10 Mahabub Jerry 音声空間化及び環境シミュレーション

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020026548A1 (ja) * 2018-07-31 2020-02-06 ソニー株式会社 情報処理装置及び情報処理方法、並びに音響システム
CN112368768A (zh) * 2018-07-31 2021-02-12 索尼公司 信息处理设备、信息处理方法以及声学系统
US11659347B2 (en) 2018-07-31 2023-05-23 Sony Corporation Information processing apparatus, information processing method, and acoustic system
US11785385B2 (en) 2021-02-09 2023-10-10 Yamaha Corporation Shoulder-mounted speaker, sound image localization method, and non-transitory computer-readable medium
US20230081104A1 (en) * 2021-09-14 2023-03-16 Sound Particles S.A. System and method for interpolating a head-related transfer function
US12035126B2 (en) * 2021-09-14 2024-07-09 Sound Particles S.A. System and method for interpolating a head-related transfer function
CN114598985A (zh) * 2022-03-07 2022-06-07 安克创新科技股份有限公司 音频处理方法及装置
CN114598985B (zh) * 2022-03-07 2024-05-03 安克创新科技股份有限公司 音频处理方法及装置

Similar Documents

Publication Publication Date Title
US12022277B2 (en) Method for generating customized spatial audio with head tracking
JP7010334B2 (ja) 音声処理装置および方法、並びにプログラム
WO2017135063A1 (ja) 音声処理装置、および音声処理方法、並びにプログラム
US20110286601A1 (en) Audio signal processing device and audio signal processing method
WO2018008396A1 (ja) 音場形成装置および方法、並びにプログラム
US10595148B2 (en) Sound processing apparatus and method, and program
CN108476365B (zh) 音频处理装置和方法以及存储介质
JP6834985B2 (ja) 音声処理装置および方法、並びにプログラム
WO2020196004A1 (ja) 信号処理装置および方法、並びにプログラム
US11004457B2 (en) Sound reproducing method, apparatus and non-transitory computer readable storage medium thereof
CN110832884B (zh) 信号处理装置和方法以及计算机可读存储介质
JP7260821B2 (ja) 信号処理装置、信号処理方法および信号処理プログラム
WO2021131385A1 (ja) 音響装置、音響処理方法及び記録媒体
CN116600242B (zh) 音频声像优化方法、装置、电子设备及存储介质
US20230345193A1 (en) Signal processing apparatus for generating virtual viewpoint video image, signal processing method, and storage medium
WO2023085186A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Wang et al. Extension of the real-time Simulated Open Field Environment for fast binaural rendering
CN116965062A (zh) 对音频对象进行聚类
CN116193196A (zh) 虚拟环绕声渲染方法、装置、设备及存储介质
JP2022034267A (ja) バイノーラル再生装置およびプログラム
CN115866326A (zh) 全景视频的音频处理方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17747222

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17747222

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP