JP2009075177A - 情報処理装置、情報処理方法およびプログラム - Google Patents

Abstract

【課題】オーディオ信号の再生速度を変換する場合において、変換後の再生速度を聴覚的に認識させることが可能な、情報処理装置、情報処理方法およびプログラムを提供する。
【解決手段】本発明によれば、入力された再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節部と、第２のパラメータおよび第３のパラメータに基づいて、オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理部と、を設け、信号処理部は、入力された再生倍率が所定の閾値未満であった場合には、オーディオ信号の話速を調節し、入力された再生倍率が所定の閾値以上であった場合には、オーディオ信号の話速および音の高さを調節する。
【選択図】図１８

Description

本発明は、情報処理装置、情報処理方法およびプログラムに関する。

テレビ放送により放送された番組を、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）やＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）のようなランダムアクセス性を持った記録媒体にデジタルデータとして録画する録画再生装置が、近年急速に普及している。更に、ビデオやオーディオといったコンテンツのインターネットによる流通も盛んに行なわれるようになり、インターネットからダウンロードしたコンテンツを屋内外で楽しむことが可能なＨＤＤやフラッシュメモリ搭載の再生装置も、既に広く普及している。

上記のようなデジタルコンテンツの再生装置では、デジタル性やランダムアクセス性を利用した様々な機能が搭載されている。その機能の１つとして、音の高さを一定に保ったまま再生速度を可変にする変速再生機能が挙げられる。変速再生機能とは、ビデオやオーディオの再生速度を遅くしたり早くしたりする機能であって、例えば、初心者の語学学習用途等のために再生速度を２割程度遅くしたり（遅聴）、視聴時間節約等のために再生速度を５割程度速くしたり（速聴）する機能をいう。変速再生機能は、デジタルコンテンツ再生装置の普及の初期から搭載されることが多い機能であり、現在では一般的なものになってきている。本発明では、オーディオコンテンツだけでなく、ビデオコンテンツにおけるオーディオ部分に対しても焦点を当てる。

デジタルコンテンツの再生装置において、音の高さを一定に保ったまま変速再生を可能とするための技術は、話速変換と呼ばれる。以下、話速変換といえば、音の高さを一定に保ったまま信号を伸張したり圧縮したりする変換を指すものとする。話速変換の方法は複数知られているが、一例として、デジタルオーディオ信号に対する時間領域での伸張圧縮アルゴリズムであるＰＩＣＯＬＡ（Ｐｏｉｎｔｅｒ Ｉｎｔｅｒｖａｌ Ｃｏｎｔｒｏｌ ＯｖｅｒＬａｐ ａｎｄ Ａｄｄ、非特許文献１参照。）が挙げられる。このアルゴリズムは、処理が単純かつ軽量でありながら、良好な音質が得られるという利点がある。

森田、板倉、「ポインター移動量制御による重複加算法（ＰＩＣＯＬＡ）を用いた音声の時間軸での伸張圧縮とその評価」，日本音響学会論文集，昭和６１年１０月、ｐｐ．１４９−１５０

しかしながら、話速変換では、音の高さを一定に保ったまま再生速度の変換を行うため、変換後の再生速度を聴覚的に認識することが困難であるという問題があった。

そこで、本発明は、このような問題に鑑みてなされたもので、その目的は、オーディオ信号の再生速度を変換する場合において、変換後の再生速度を聴覚的に認識させることが可能な、新規かつ改良された情報処理装置、情報処理方法およびプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、オーディオ信号を時間領域において伸張または圧縮して出力し、前記オーディオ信号の再生倍率を制御する情報処理装置において、入力された前記再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節部と、前記第２のパラメータおよび前記第３のパラメータに基づいて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理部と、を備え、前記信号処理部は、前記入力された再生倍率が所定の閾値未満であった場合には、前記オーディオ信号の話速を調節し、前記入力された再生倍率が所定の閾値以上であった場合には、前記オーディオ信号の話速および音の高さを調節する情報処理装置が提供される。

かかる構成によれば、パラメータ調節部は、入力された再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定し、信号処理部は、第２のパラメータおよび第３のパラメータに基づいて、オーディオ信号の話速およびオーディオ信号の音の高さの少なくともいずれか一方を調節する。ここで、信号処理部は、入力された再生倍率が所定の閾値未満であった場合には、オーディオ信号の話速を調節し、入力された再生倍率が所定の閾値以上であった場合には、オーディオ信号の話速および音の高さを調節する。これにより、本発明に係る情報処理装置は、オーディオ信号の再生速度を変換する場合において、変換後の再生速度を聴覚的に認識させることが可能となる。

前記信号処理部は、前記オーディオ信号の再生速度である話速を変換する話速変換部と、前記オーディオ信号の音の高さであるピッチを調節するピッチ調節部と、を更に備え、前記話速変換部は、前記第２のパラメータに基づき前記オーディオ信号の話速を変換し、前記ピッチ調節部は、前記第３のパラメータに基づき前記オーディオ信号のピッチを調節してもよい。

前記第１のパラメータは、前記第２のパラメータと前記第３のパラメータとの積に等しくてもよい。

前記信号処理部は、当該信号処理部から出力される所定の信号処理が施されたオーディオ信号の出力制御を行うオーディオ信号出力制御部を更に備え、前記オーディオ信号出力制御部は、話速および音の高さの双方が調節されたオーディオ信号が前記信号処理部から出力される場合に、前記話速および音の高さの双方が調節されたオーディオ信号の音量を小さくしてもよい。

前記信号処理部は、前記第１のパラメータに応じて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する処理を行うか、高速再生していることを表す所定の擬音へと前記オーディオ信号を切り替えるか、を判定する擬音切替判定部を更に備え、前記擬音切替判定部は、前記第１のパラメータが所定の閾値以上であった場合に、前記オーディオ信号を前記所定の擬音に切り替える旨を判定し、前記オーディオ信号出力制御部は、前記擬音切替判定部から前記オーディオ信号を前記所定の擬音に切り替える旨の判定結果が伝送された場合に、前記オーディオ信号を前記所定の擬音に切り替えて出力してもよい。

前記情報処理装置は、前記オーディオ信号を含むコンテンツを管理するコンテンツ管理部を更に備え、前記パラメータ調節部は、入力された前記第１のパラメータに応じて、前記コンテンツ管理部から前記信号処理部へと出力される前記オーディオ信号のデータ量を調節する第４のパラメータを決定してもよい。

前記パラメータ調節部は、前記第１のパラメータが所定の閾値以上であった場合に、前記第４のパラメータを減少させ、前記コンテンツ管理部から前記信号処理部へと出力される前記コンテンツのデータ量を減少させてもよい。

前記第１のパラメータと前記第４のパラメータとの積は、前記第２のパラメータと前記第３のパラメータとの積に等しくてもよい。

前記情報処理装置は、前記オーディオ信号を含むコンテンツを管理するコンテンツ管理部を更に備え、前記パラメータ調節部は、前記コンテンツ管理部から伝送される、当該コンテンツ管理部から前記信号処理部へと出力される前記オーディオ信号のデータ量を調節する第４のパラメータと、入力される前記第１のパラメータとに基づいて、前記第２のパラメータおよび前記第３のパラメータを決定してもよい。

前記コンテンツ管理部は、前記第１のパラメータが所定の閾値以上であった場合に、前記第４のパラメータを減少させ、前記コンテンツ管理部から前記信号処理部へと出力される前記コンテンツのデータ量を減少させてもよい。

前記情報処理装置は、入力される前記第１のパラメータと、前記第２のパラメータおよび前記第３のパラメータとが互いに関連づけられたデータベースが記録された記憶部を更に備え、前記パラメータ調節部は、前記記憶部に記録された前記データベースを参照して、前記第２のパラメータおよび前記第３のパラメータを決定してもよい。

また、前記情報処理装置は、入力される前記第１のパラメータと、前記第２のパラメータ、前記第３のパラメータおよび前記第４のパラメータとが互いに関連づけられたデータベースが記録された記憶部を更に備え、前記パラメータ調節部は、前記記憶部に記録された前記データベースを参照して、前記第２のパラメータ、前記第３のパラメータおよび前記第４のパラメータを決定してもよい。

前記第１のパラメータが所定の閾値以上であった場合に、前記パラメータ調節部は、前記第１のパラメータと前記所定の閾値との差に応じて、前記第２のパラメータを増加させてもよい。

前記データベースは、前記第１のパラメータに応じた前記第２のパラメータおよび前記第３のパラメータの変化量を表す曲線として記録されており、前記所定の閾値の前後において、前記第３のパラメータの変化量を表す曲線は、滑らかな形状を有してもよい。

上記課題を解決するために、本発明の別の観点によれば、オーディオ信号を時間領域において伸張または圧縮して出力し、前記オーディオ信号の再生倍率を制御する情報処理方法であって、入力された前記再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節ステップと、前記第２のパラメータおよび前記第３のパラメータに基づいて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理ステップと、を含み、前記信号処理ステップでは、前記入力された再生倍率が所定の閾値未満であった場合には、前記第２のパラメータに基づいて前記オーディオ信号の話速を調節し、前記入力された再生倍率が所定の閾値以上であった場合には、前記第２のパラメータおよび前記第３のパラメータに基づいて前記オーディオ信号の話速および音の高さを調節する情報処理方法が提供される。

かかる構成によれば、パラメータ調節ステップでは、入力された再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定し、信号処理ステップでは、第２のパラメータおよび第３のパラメータに基づいて、オーディオ信号の話速およびオーディオ信号の音の高さの少なくともいずれか一方を調節する。この際に、信号処理ステップでは、入力された再生倍率が所定の閾値未満であった場合には、第２のパラメータに基づいてオーディオ信号の話速を調節し、入力された再生倍率が所定の閾値以上であった場合には、第２のパラメータおよび第３のパラメータに基づいてオーディオ信号の話速および音の高さを調節する。これにより、本発明に係る情報処理方法では、オーディオ信号の再生速度を変換する場合において、変換後の再生速度を聴覚的に認識させることが可能となる。

前記パラメータ調節ステップでは、第１のパラメータが、前記第２のパラメータと前記第３のパラメータとの積に等しくなるように、前記第２のパラメータおよび前記第３のパラメータが決定されてもよい。

前記信号処理ステップでは、前記オーディオ信号の話速および音の高さの双方を調節した場合に、前記オーディオ信号の音量が小さくなるように、前記オーディオ信号の信号波形の振幅を制御してもよい。

前記信号処理ステップでは、前記第１のパラメータが所定の閾値以上であった場合に、前記オーディオ信号を、高速再生していることを表す所定の擬音へと切り替えてもよい。

前記パラメータ調節ステップでは、前記第１のパラメータに応じて、前記信号処理ステップにて処理される前記オーディオ信号のデータ量を調節する第４のパラメータを更に決定してもよい。

前記パラメータ調節ステップでは、前記第１のパラメータが所定の閾値以上であった場合に、前記第４のパラメータを減少させ、前記オーディオ信号のデータ量を減少させてもよい。

前記パラメータ調節ステップでは、前記信号処理ステップにて処理される前記オーディオ信号のデータ量を調節する第４のパラメータと、前記第１のパラメータに応じて、前記第２のパラメータおよび前記第３のパラメータを決定してもよい。

前記パラメータ調節ステップでは、前記第１のパラメータと前記第４のパラメータとの積が、前記第２のパラメータと前記第３のパラメータとの積に等しくなるように、前記第２のパラメータ、前記第３のパラメータおよび前記第４のパラメータが決定されてもよい。

上記課題を解決するために、本発明の更に別の観点によれば、コンピュータを、オーディオ信号を時間領域において伸張または圧縮して出力し、前記オーディオ信号の再生倍率を制御する情報処理装置として機能させるためのプログラムであって、入力された前記再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節機能と、前記第２のパラメータおよび前記第３のパラメータに基づいて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理機能と、をコンピュータに実現させるためのプログラムが提供される。

かかる構成によれば、コンピュータプログラムは、コンピュータが備える記憶部に格納され、コンピュータが備えるＣＰＵに読み込まれて実行されることにより、そのコンピュータを上記の情報処理装置として機能させる。また、コンピュータプログラムが記録された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリなどである。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信してもよい。

本発明によれば、オーディオ信号の再生速度を変換する場合において、変換後の再生速度を聴覚的に認識させることが可能である。

以下に添付図面を参照しながら、本発明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。

なお、以下の説明において、音声から構成される信号を音声信号、音楽等の音声以外の信号を音響信号と称することとし、音声信号と音響信号とから構成される信号をオーディオ信号と称することとする。

［基盤技術に関する説明］
まず、本発明に係る好適な実施形態について詳細な説明をするに先立ち、本実施形態を実現する上で基盤を成す技術的事項について説明する。なお、本実施形態は、以下に記載する基盤技術の上に改良を加えることにより、より顕著な効果を得ることができるように構成されたものである。従って、その改良に係る技術こそが本実施形態の特徴を成す部分である。つまり、本実施形態は、ここで述べる技術的事項の基礎概念を踏襲するが、その本質はむしろ改良部分に集約されており、その構成が明確に相違すると共に、その効果において基盤技術とは一線を画するものであることに注意されたい。

＜ＰＩＣＯＬＡに関する説明＞
ＰＩＣＯＬＡは、上述のように、デジタル音声信号に対する時間領域での伸張圧縮アルゴリズムであって、以下のような方法で、音声信号の伸張や圧縮を行う。以下では、図１〜図５を参照しながら、ＰＩＣＯＬＡの信号処理方法について説明する。

図１は、ＰＩＣＯＬＡを用いてオーディオ信号を伸張する例を示した説明図である。なお、以下の説明において、原波形とは、ＰＩＣＯＬＡに入力されたままの状態の信号の波形を意味する。また、図１各図の縦軸は、信号の振幅（すなわち、強度）を表し、横軸は、時間を表している。

（ＰＩＣＯＬＡにおける波形の伸張処理）
ＰＩＣＯＬＡにおいては、まず、原波形（ａ）から、波形が類似している区間Ａおよび区間Ｂを検出する。区間Ａおよび区間Ｂは、図１（ａ）に示したように、同一の長さを有する連続した２つの区間であって、区間Ａと区間Ｂのサンプル数は、同じである。続いて、検出した区間Ａでの波形はそのままで、検出した区間Ｂでフェードアウトする波形（ｂ）を生成する。同様にして、区間Ａからフェードインし、区間Ｂでの波形はそのままである波形（ｃ）を生成する。次に、生成した波形（ｂ）と波形（ｃ）とを足し合わせると、伸張波形（ｄ）が得られる。

このように、フェードアウトする波形とフェードインする波形とを足し合わせることを、クロスフェードと称する。区間Ａと区間Ｂとのクロスフェード区間を区間Ａ×Ｂと表すこととすると、以上説明した操作を行なうことにより、原波形（ａ）の区間Ａと区間Ｂは、伸張波形（ｄ）の区間Ａと区間Ａ×Ｂと区間Ｂに変更される。

（類似波形長の検出について）
ここで、上述の波形の伸張処理において、入力された信号の中から、波形が類似している連続した２つの区間を検出する必要があるが、以下においては、図２を参照しながら、類似波形である区間Ａと区間Ｂの区間長Ｗを検出する方法を説明する。図２は、類似波形長の探索の一例を説明するための説明図である。なお、以下の説明においては、図１における区間Ａと区間Ｂの区間長を類似波形長と呼ぶこととする。

まず、ある信号波形における処理開始位置Ｐ０を起点として、ｊサンプルの区間Ａと区間Ｂとを、図２（ａ）のように定める。次に、図２（ａ）→（ｂ）→（ｃ）に示したように、少しずつｊ（すなわち、サンプル数）を伸ばしながら、区間Ａと区間Ｂが最も類似するｊを検出する。ここで、区間Ａと区間Ｂとの類似度を測る尺度として、例えば、以下の式１に示す関数Ｄ（ｊ）を用いることが可能である。

関数Ｄ（ｊ）は、類似波形長の探索範囲の最小値（ＷＭＩＮ）から探索範囲の最大値（ＷＭＡＸ）までの区間（すなわち、ＷＭＩＮ≦ｊ≦ＷＭＡＸ）で計算され、最も小さなＤ（ｊ）を与えるｊを求める。この、最も小さなＤ（ｊ）を与えるパラメータｊが、区間Ａと区間Ｂの区間長Ｗとなる。なお、上記ｊ、ＷＭＩＮ、ＷＭＡＸは、周期のサンプル数表記である。

ここで、上記の式１において、ｘ（ｉ）は区間Ａの各サンプル値を表し、ｙ（ｉ）は区間Ｂの各サンプル値を表す。また、ｘ（ｉ）が区間Ｂの各サンプル値を表し、ｙ（ｉ）が区間Ａの各サンプル値を表していてもよい。なお、類似波形長の探索周波数範囲は、例えば５０Ｈｚ〜２５０Ｈｚ程度の値とすることができる。サンプリング周波数が例えば８ｋＨｚであれば、ＷＭＡＸ＝１６０、ＷＭＩＮ＝３２程度となる。図２に示した例では、（ｂ）におけるｊが関数Ｄ（ｊ）を最も小さくするｊとして選ばれる。

続いて、図３を参照しながら、ＰＩＣＯＬＡを用いて任意の長さにオーディオ信号を伸張する方法を説明する。図３は、ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための説明図である。

まず、図２で説明したように、処理開始位置Ｐ０を起点として関数Ｄ（ｊ）が最小となるｊを求め、Ｗ＝ｊとおく。続いて、区間３０１を区間３０３にコピーし、区間３０１と区間３０２のクロスフェード波形を、区間３０１に生成する。そして、原波形（ａ）の位置Ｐ０から位置Ｐ０’までの区間を、伸張波形（ｂ）にコピーする。以上の操作により、原波形（ａ）の位置Ｐ０から位置Ｐ０’までのＬサンプルが、伸張波形（ｂ）ではＷ＋Ｌサンプルとなり、サンプル数はｒ倍となる。ここで、サンプル数の伸張率（サンプル数の増加率）を表すｒは、以下の式２を用いて定義される。

ここで、上記式２をＬについて書き換えると、以下の式３のようになる。

すなわち、式３から明らかなように、原波形（ａ）のサンプル数をｒ倍したい場合には、以下に示す式４を用いて、位置Ｐ０’を定めればよい。

また、以下の式５のようにパラメータＲ_Ｓを定義すると、サンプル数Ｌは、以下の式６のように表すことができる。

上述のように定義したＲ_Ｓを用いると、原波形（ａ）を「Ｒ_Ｓ倍速再生する」といった表現も可能である。以下では、このＲ_Ｓを、「話速変換率」と称することとする。

原波形（ａ）の位置Ｐ０から位置Ｐ０’の処理が終了すると、位置Ｐ０’を位置Ｐ１とし、改めて処理の起点と見なして、同様の処理を繰り返す。かかる処理を繰り返すことで、原波形を伸張することができる。

図３に示した例では、サンプル数Ｌが約２．５Ｗであるので、式２および式５から、話速変換率Ｒ_Ｓは約０．７となる。すなわち、図３に示した例は、約０．７倍速再生の遅聴に相当する。

（ＰＩＣＯＬＡにおける波形の圧縮処理）
続いて、図４および図５を参照しながら、ＰＩＣＯＬＡにおける波形の圧縮処理について説明する。

図４は、ＰＩＣＯＬＡを用いてオーディオ信号を圧縮する例を説明するための説明図である。ＰＩＣＯＬＡにおいては、まず、原波形（ａ）から、波形が類似している区間Ａおよび区間Ｂを検出する。区間Ａおよび区間Ｂは、図４（ａ）に示したように、同一の長さを有する連続した２つの区間であって、区間Ａと区間Ｂのサンプル数は、同じである。なお、波形が類似している区間の検出は、図２を参照しながら説明した方法を適用することが可能である。続いて、区間Ａでフェードアウトする波形（ｂ）を生成するとともに、区間Ｂからフェードインする波形（ｃ）を生成する。次に、生成した波形（ｂ）と波形（ｃ）とを足し合わせることで、圧縮波形（ｄ）を得ることができる。以上の操作を行なうことによって、原波形（ａ）の区間Ａおよび区間Ｂは、圧縮波形（ｄ）の区間Ａ×Ｂに変更される。

続いて、図５を参照しながら、ＰＩＣＯＬＡを用いて任意の長さにオーディオ信号を圧縮する方法を説明する。図５は、ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための説明図である。

まず、図２で説明したように、処理開始位置Ｐ０を起点として関数Ｄ（ｊ）が最小となるｊを求め、Ｗ＝ｊとおく。続いて、区間５０１と区間５０２のクロスフェード波形を、区間５０２に生成する。そして、原波形（ａ）の位置Ｐ０から位置Ｐ０’までの区間から区間５０１を除いた残りの区間を、圧縮波形（ｂ）にコピーする。以上の操作により、原波形（ａ）の位置Ｐ０から位置Ｐ０’までのＷ＋Ｌサンプルが、圧縮波形（ｂ）ではＬサンプルとなり、サンプル数はｒ倍となる。ここで、サンプル数の圧縮率を表すｒは、以下の式７を用いて定義される。

ここで、上記式７をＬについて書き換えると、以下の式８のようになる。

すなわち、式８から明らかなように、原波形（ａ）のサンプル数をｒ倍したい場合には、以下に示す式９を用いて、位置Ｐ０’を定めればよい。

また、以下の式１０のようにパラメータＲ_Ｓを定義すると、サンプル数Ｌは、以下の式１１のように表すことができる。

上述のように定義したＲ_Ｓを用いると、原波形（ａ）を「Ｒ_Ｓ倍速再生する」といった表現も可能である。原波形（ａ）の位置Ｐ０から位置Ｐ０’の処理が終了したら、位置Ｐ０’を位置Ｐ１とし、改めて処理の起点と見なして同様の処理を繰り返す。かかる処理を繰り返すことで、原波形を伸張することができる。

図５に示した例では、サンプル数Ｌが約１．５Ｗであるので、式７および式１０から、話速変換率Ｒ_Ｓは約１．７となる。すなわち、図５に示した例は、約１．７倍速再生の速聴に相当する。

（ＰＩＣＯＬＡにおける信号の伸張処理の流れ）
続いて、図６を参照しながら、ＰＩＣＯＬＡにおける信号の伸張処理の流れについて、簡単に説明する。図６は、ＰＩＣＯＬＡを用いたオーディオ信号の伸張処理の流れを説明するためのフローチャートである。

まず、ＰＩＣＯＬＡにおいては、ＰＩＣＯＬＡが実装されている情報処理装置等の入力バッファに、処理すべきオーディオ信号があるか否かが判定される（ステップＳ６０１）。ここで、処理すべきオーディオ信号がないと判断した場合には、処理を終了するが、処理すべきオーディオ信号が存在すると判断した場合には、処理開始位置Ｐを起点として関数Ｄ（ｊ）が最小になるｊを求め、Ｗ＝ｊとおく（ステップＳ６０２）。続いて、ＰＩＣＯＬＡでは、ユーザが指定した話速変換率Ｒ_ＳからＬを求め（ステップＳ６０３）、処理開始位置ＰからＷサンプル分の区間Ａを、ＰＩＣＯＬＡが実装されている情報処理装置等の出力バッファに出力する（ステップＳ６０４）。

次に、ＰＩＣＯＬＡにおいては、処理開始位置ＰからＷサンプル分の区間Ａと、この区間Ａに連続している次のＷサンプル分の区間Ｂとのクロスフェードを求め、区間Ａに配置する（ステップＳ６０５）。続いて、入力バッファの位置ＰからＬサンプル分の信号を、出力バッファに出力する（ステップＳ６０６）。続いて、ＰＩＣＯＬＡは、処理開始位置ＰをＰ＋Ｌに移動してから（ステップＳ６０７）、ステップＳ６０１に戻り処理を繰り返す。かかる処理を、入力バッファに処理すべきオーディオ信号がなくなるまで繰り返すことで、オーディオ信号の伸張処理を行うことが可能である。

（ＰＩＣＯＬＡにおける信号の圧縮処理の流れ）
続いて、図７を参照しながら、ＰＩＣＯＬＡにおける信号の圧縮処理の流れについて、簡単に説明する。図７は、ＰＩＣＯＬＡを用いたオーディオ信号の圧縮処理の流れを説明するためのフローチャートである。

まず、ＰＩＣＯＬＡにおいては、ＰＩＣＯＬＡが実装されている情報処理装置等の入力バッファに、処理すべきオーディオ信号があるか否かが判定される（ステップＳ７０１）。ここで、処理すべきオーディオ信号がないと判断した場合には、処理を終了するが、処理すべきオーディオ信号が存在すると判断した場合には、処理開始位置Ｐを起点として関数Ｄ（ｊ）が最小になるｊを求め、Ｗ＝ｊとおく（ステップＳ７０２）。続いて、ＰＩＣＯＬＡでは、ユーザが指定した話速変換率Ｒ_ＳからＬを求める（ステップＳ７０３）。

次に、処理開始位置ＰからＷサンプル分の区間Ａと、この区間Ａに連続している次のＷサンプル分の区間Ｂのクロスフェードを求め、区間Ｂに配置する（ステップＳ７０４）。続いて、入力バッファの位置Ｐ＋ＷからＬサンプル分の信号を、出力バッファに出力する（ステップＳ７０５）。次に、ＰＩＣＯＬＡは、処理開始位置ＰをＰ＋（Ｗ＋Ｌ）に移動してから（ステップＳ７０６）、ステップＳ７０１に戻り処理を繰り返す。かかる処理を、入力バッファに処理すべきオーディオ信号がなくなるまで繰り返すことで、オーディオ信号の圧縮処理を行うことが可能である。

（ＰＩＣＯＬＡによる話速変換装置の構成について）
次に、図８を参照しながら、ＰＩＣＯＬＡによる話速変換装置の構成について説明する。図８は、ＰＩＣＯＬＡによる話速変換装置の構成を説明するためのブロック図である。なお、以下の説明においては、図１と図４における区間Ａと区間Ｂの区間長を類似波形長と呼ぶこととする。

ＰＩＣＯＬＡによる情報処理装置８００は、図８に示したように、例えば、入力バッファ８０１と、類似波形長検出部８０２と、接続信号生成部８０３と、出力バッファ８０４と、を備える。

入力バッファ８０１は、情報処理装置８００に入力されたオーディオ信号をバッファリングするとともに、後述する類似波形長検出部８０２および接続信号生成部８０３に入力されたオーディオ信号を伝送するとともに、出力バッファ８０４に対して、話速変換率Ｒｓに合わせて生成されたオーディオ信号を伝送する。なお、入力バッファ８０１に入力されるオーディオ信号は、情報処理装置８００に直接入力されたデジタル信号であってもよく、情報処理装置８００が入力されたアナログ信号をＡＤ（Ａｎａｌｏｇ ｔｏ Ｄｉｇｉｔａｌ）変換してデジタル信号としたものであってもよい。

具体的には、入力バッファ８０１は、後述する類似波形長検出部８０２により検出された類似波形長Ｗに基づいて、オーディオ信号２Ｗサンプルを接続信号生成部８０３に渡す。入力バッファ８０１は、接続信号生成部８０３で生成された接続信号を、話速変換率Ｒｓに従って入力バッファの適切な位置に格納する。また、入力バッファ８０１は、話速変換率Ｒｓに合わせて入力バッファ８０１のオーディオ信号を出力バッファ８０４に送る。

類似波形長検出部８０２は、入力バッファ８０１に入力されたオーディオ信号に関して、関数Ｄ（ｊ）を最小にするパラメータｊを検出し、検出したパラメータｊを類似波形長Ｗとする（Ｗ＝ｊ）。検出された類似波形長Ｗは、入力バッファ８０１へと伝送される。なお、検出された類似波形長Ｗは、後述する接続信号生成部８０３に直接出力されてもよい。また、検出された類似波形長Ｗは、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

接続信号生成部８０３は、入力バッファ８０１から伝送されたオーディオ信号および類似波形長Ｗを用いて、オーディオ信号の伸張／圧縮処理に用いられる接続信号を生成し、生成した接続信号を、入力バッファ８０１へと伝送する。具体的には、接続信号生成部８０３は、受け取った２Ｗサンプルのオーディオ信号をクロスフェードしてＷサンプルにし、このクロスフェード信号を入力バッファ８０１に伝送する。また、生成された接続信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

出力バッファ８０４は、入力バッファ８０１において生成された、伸張／圧縮処理が施されたオーディオ信号をバッファリングする。この伸張／圧縮処理が施されたオーディオ信号は、出力オーディオ信号として伝送され、ＤＡ（Ｄｉｇｉｔａｌ ｔｏ Ａｎａｌｏｇ）変換された後にスピーカ等の出力装置を介して出力される。

（類似波形長検出の流れ）
続いて、図９および図１０を参照しながら、類似波形長を検出する処理について、詳細に説明する。図９および図１０は、類似波形長を検出する処理を説明するためのフローチャートである。

類似波形長の検出に際しては、まず、パラメータであるインデックスｊに、初期値ＷＭＩＮをセットする（ステップＳ９０１）。ここで、ＷＭＩＮは、上述のように、類似波形を検索する探索範囲の最小値である。類似波形検索のための初期値が設定されると、ＰＩＣＯＬＡが実装された情報処理装置等においては、図１０に示すサブルーチンを実行する（ステップＳ９０２）。このサブルーチンは、後に詳述するように、波形の類似度を判定するために用いられる関数Ｄ（ｊ）を計算するルーチンである。ここで、関数Ｄ（ｊ）は、以下の式１２で与えられる関数である。

ここで、上記式１２において、ｆは、入力オーディオ信号であり、例えば、図２の例であれば、位置Ｐ０を起点としたサンプルを指す。なお、式１と式１２は、同じことを表現している。

続いて、サブルーチンで求まった関数Ｄ（ｊ）の値を変数ｍｉｎに代入し、インデックスｊをＷに代入する（ステップＳ９０３）。その後、インデックスｊを１増加させる（ステップＳ９０４）。次に、インデックスｊが、ＷＭＡＸ以下か否かを判定し（ステップＳ９０５）、ＷＭＡＸ以下ではない場合（すなわち、ＷＭＡＸを超過している場合）には、処理を終了し、処理終了時に変数Ｗに格納されている値が、関数Ｄ（ｊ）を最小にするインデックスｊ、つまり、類似波形長となり、そのときの変数ｍｉｎの値が、関数Ｄ（ｊ）の最小値となる。

また、インデックスｊがＷＭＡＸ以下である場合には、上記サブルーチンにて、新たなインデックスｊに対して関数Ｄ（ｊ）を求める（ステップＳ９０６）。次に、新たなインデックスｊについて求まった関数Ｄ（ｊ）の値が、ｍｉｎ以下か否かを判定する（ステップＳ９０７）。ここで、関数Ｄ（ｊ）の値がｍｉｎ以下の場合は、関数Ｄ（ｊ）の値を変数ｍｉｎに代入し、インデックスｊをＷに代入して（ステップＳ９０８）、ステップＳ９０４に戻る。また、関数Ｄ（ｊ）の値がｍｉｎ以下でない場合（すなわち、ｍｉｎを超過していた場合）は、ステップＳ９０４に戻る。かかる処理を行うことで、入力されたオーディオ信号の類似波形部分を探索して、類似波形長を検出することができる。

（関数Ｄ（ｊ）の値の算出）
続いて、図１０を参照しながら、波形の類似度を判定するために用いられる関数Ｄ（ｊ）を算出するサブルーチンの流れについて、詳細に説明する。

サブルーチンの処理が始まると、まず、インデックスｉと変数ｓを、０にセットする（ステップＳ１００１）。次に、インデックスｉがインデックスｊより小さいか否かを判定し（ステップＳ１００２）、インデックスｉがインデックスｊよりも小さい場合には、後述するステップＳ１００３を実行し、インデックスｉがインデックスｊよりも小さくない場合（すなわち、インデックスｉがインデックスｊ以上である場合）には、後述するステップＳ１００５を実行する。ここで、インデックスｊは、図９に示したフローチャートのインデックスｊと同じものである。

ステップＳ１００３では、入力オーディオ信号の差の自乗を算出して、変数ｓに加算する。その後、インデックスｉを１増加させ（ステップＳ１００４）、ステップＳ１００２に戻る。また、ステップＳ１００５では、変数ｓをインデックスｊで除して、その商を関数Ｄ（ｊ）の値としてサブルーチンを終了する。

（クロスフェード信号の生成について）
続いて、図１１を参照しながら、接続信号生成部８０３にて行われるクロスフェード信号の生成方法について、詳細に説明する。図１１は、クロスフェード信号の生成処理の一例を説明するためのフローチャートである。

クロスフェード信号の生成に際して、まず、インデックスｉを０にセットする（ステップＳ１１０１）。次に、インデックスｉと類似波形長Ｗを比較し（ステップＳ１１０２）、インデックスｉがＷより小さくない場合（すなわち、インデックスｉがＷ以上である場合）には、処理を終了する。また、インデックスｉがＷよりも小さい場合には、フェードインとフェードアウトに用いるための係数ｈを求める（ステップＳ１１０３）。係数ｈの算出が終了すると、フェードインする信号ｘ（ｉ）に係数ｈを掛けるとともに、フェードアウトする信号ｙ（ｉ）に１−ｈを掛け、これらの信号の和をｚ（ｉ）に代入する（ステップＳ１１０４）。例えば、図１に示した例では、区間Ａにおける信号がｘ（ｉ）に対応し、区間Ｂにおける信号がｙ（ｉ）に対応する。また、例えば、図４に示した例では、区間Ｂにおける信号がｘ（ｉ）に対応し、区間Ａにおける信号がｙ（ｉ）に対応する。このようにして生成された信号ｚ（ｉ）が、クロスフェード信号となる。次の処理では、インデックスｉを１増加させ（ステップＳ１１０５）、ステップＳ１１０２に戻る。かかる処理を繰り返すことで、クロスフェード信号を算出することができる。

以上、図１〜図１１を参照しながら説明したように、話速変換アルゴリズムＰＩＣＯＬＡによって、任意の話速変換率Ｒｓ（Ｒｓ＜１．０，１．０＜Ｒｓ）でオーディオ信号を伸張圧縮することが可能であり、音声信号に対しては特に良好な音質を実現することが可能である。また、話速変換率Ｒｓ＝１．０の場合は、話速変換装置８００は、入力オーディオ信号をそのまま出力オーディオ信号とすれば良い。

＜話速変換処理についての検討＞
上記のような話速変換を利用したデジタルコンテンツ再生装置が普及する以前、アナログのカセットテープ再生装置等においても、再生速度を可変とするものも存在した。しかし、このようなアナログ再生装置は、再生速度に比例して音の高さ（ピッチ）が変化してしまい、再生速度を遅くした場合は音の高さが下がり、再生速度を速くした場合は音の高さが上がってしまっていた。

例えば、語学学習用のコンテンツやニュース番組のように、スピーチを中心としたコンテンツを再生する場合には、音の高さが変わってしまうと、発話内容の理解の妨げになるという問題がある。また、異なる問題として、音の高さが多少変わっただけでも、話者の特定の妨げになるという問題もある。ドラマ等のコンテンツのように、どの登場人物の発話なのかが重要なコンテンツにおいては、変速再生した声による話者の特定が困難になるという問題は、再生装置のユーザにとって大きなデメリットである。更に、音楽のコンテンツでは、音の高さが多少変わっただけでも、音楽の雰囲気が大きく変わってしまうという問題もある。以上に挙げたような、再生速度を変えた際に音の高さが変わってしまうことに起因する問題を、以下では第１の問題と称する。

近年のデジタルコンテンツ再生装置の多くに搭載される変速再生機能である音の高さを一定に保ったまま再生速度を可変にする変速再生は、この第１の問題をうまく解決している。再生速度の範囲が、例えば約０．５〜４．０倍速程度においては、特に良い結果が得られる。以下では、特に良い結果が得られるこの範囲を、第１の範囲と称し、第１の範囲外（すなわち、第１の範囲の下限未満の範囲、および、第１の範囲の上限超過の範囲）を第２の範囲と称することとする。容易に想像できるように、この第１の範囲は、コンテンツに依存して変化する。例えば、コンテンツの話者の発話がゆっくりであれば、再生速度をかなり速くしても内容を理解できるが、コンテンツの話者の発話が速ければ、再生速度を多少速くしただけでも内容を理解できなくなる。

一方で、１０倍速や２０倍速のような高速再生においても、音を再生したいという要求がある。例えば、アナログのカセットテープ再生装置等で提供された変速再生機能は、第１の問題はあるものの、高速再生を行なってもコンテンツの内容を大雑把に把握することが可能であった。コンテンツの内容の大雑把な把握とは、ここは人が話している、ここは音楽が鳴っている、ここは無音である、といった類の把握である。この程度の把握であっても、対象とするコンテンツの中から自分が求める部分を急いで探すためには、非常に有用である。

また、再生速度を高速にすればするほど音の高さが上がるため、音の高さの上がり具合から、大雑把な再生速度を聴覚的に感じることが可能であった。大雑把な再生速度を聴覚的に認識することによって、コンテンツ内での各イベント（例えば、人が話している、音楽が鳴っている、無音である等の事象）の時間的位置関係を、感覚的に直感し易いという利点がある。このため、対象とするコンテンツの中から自分が求める部分を探す際、この辺りは関係がなさそうだから再生速度を更に上げようとか、この辺りは関係がありそうだから再生速度を下げようなどといった再生速度のコントロールが容易になり、結果的に、コンテンツの中から自分が求める部分を急いで探すために、非常に有用である。

＜基盤技術：音の高さの変換処理について＞
以下では、アナログのカセットテープ再生装置等のように、再生速度に比例して音の高さが変わるようなデジタルコンテンツ再生装置について検討する。再生速度に比例して音の高さを変えるために利用する方法の一例として、例えば、サンプリングレートを変換する方法が挙げられる。以下では、サンプリングレートを変換する方法の一例を、図１２および図１３を参照しながら、簡単に説明する。

（サンプリングレートを下げる方法について）
図１２は、サンプリングレートを下げる方法（ダウンサンプリングの方法）を説明するための説明図である。図１２（ａ）は、処理対象となる原信号であり、サンプリング周期はＴ、サンプリング周波数はｆｓである。

サンプリングレート変換は、まず、原信号（ａ）に対してローパスフィルタ（ＬｏｗＰａｓｓ Ｆｉｌｔｅｒ：ＬＰＦ）１２０１を掛ける。ローパスフィルタ１２０１は、ｆｓ／（２Ｍ）をカットオフ周波数とするフィルタである。ローパスフィルタ１２０１により、原信号（ａ）はフィルタリングされ、信号（ｂ）となる。図１２（ｂ）に示したように、ローパスフィルタ１２０１により、原信号（ａ）の波形は滑らかなものとなる。続いて、ダウンサンプラ（Ｄｏｗｎ Ｓａｍｐｌｅｒ）１２０２は、信号（ｂ）に対してサンプルをＭ−１個間引く処理を行い、Ｍサンプル毎に１つのサンプルを残す。図１２に示した例は、Ｍ＝２の場合である。こうして得られた信号（ｃ）は、サンプリングレートが原信号（ａ）に対して１／Ｍ倍になり、ｆｓ／Ｍとなる。また、信号（ｃ）のサンプル数も、原信号（ａ）に対して１／Ｍ倍になる。以上の操作の中でローパスフィルタ１２０１を使用しない場合、信号（ｃ）にエイリアシング（ａｌｉａｓｉｎｇ）成分が発生してしまうことがある。図１２に示したローパスフィルタ１２０１とダウンサンプラ１２０２とからなる構成を、デシメータ（ｄｅｃｉｍａｔｏｒ）という。

（サンプリングレートを上げる方法について）
図１３は、サンプリングレートを上げる方法（アップサンプリングの方法）を説明するための説明図である。図１３（ａ）は、処理対象となる原信号であり、サンプリング周期はＴ、サンプリング周波数はｆｓである。

サンプリングレート変換は、まず、原信号（ａ）に対して、所定の個数の零値を挿入する。具体的には、アップサンプラ（Ｕｐ Ｓａｍｐｌｅｒ）１３０１は、原信号（ａ）の各サンプル間に、Ｌ−１個の零値を挿入する。図１３に示した例は、Ｌ＝２の場合である。このアップサンプリングされた信号が、図中の信号（ｂ）である。信号（ｂ）は、サンプリングレートが原信号（ａ）に対してＬ倍になり、ｆｓＬとなる。また、信号（ｃ）のサンプル数も、原信号（ａ）に対してＬ倍となる。続いて、信号（ｂ）に対してローパスフィルタ１３０２を掛けることで、信号（ｃ）が生成される。ローパスフィルタ１３０２は、ｆｓ／２をカットオフ周波数とするフィルタである。また、信号（ｂ）をローパスフィルタ１３０２により処理した後に、処理後の信号に対して振幅の調整を行ってもよい。以上の操作の中でローパスフィルタ１３０２を使用しない場合、信号（ｃ）にイメージング（ｉｍａｇｉｎｇ）成分が発生してしまう。図１３に示したアップサンプラ１３０１とローパスフィルタ１３０２とからなる構成を、インターポレータ（ｉｎｔｅｒｐｏｌａｔｏｒ）という。

図１２に示したデシメータと図１３に示したインターポレータは、整数比のサンプリングレート変換しかできない。しかしながら、これら２つを組み合わせることにより、有理数比のサンプリングレート変換が可能となる。例えば、インターポレータのパラメータＬをＬ＝３とし、デジメータのパラメータＭをＭ＝２とする。原信号を、まず、インターポレータで処理して処理信号１を得る。続いて、処理信号１をデシメータで更に処理して処理信号２を得る。こうして得られる処理信号２は、３倍にアップサンプリングされてから１／２倍にダウンサンプリングされるため、原信号に対して３／２倍にサンプリングレート変換されることになる。このように、デシメータとインターポレータを組み合わせることで、Ｌ／Ｍ倍のサンプリングレート変換が可能となる。

図１４は、再生速度に比例して音の高さを上げる処理の一例を説明するための説明図である。まず、サンプリング周波数ｆｓ（＝１／Ｔ）の原信号（ａ）を、デシメータとインターポレータとを用いて再生速度にあわせてサンプリングレート変換を行なうことによって、サンプリング周波数ｆｓ’（＝１／Ｔ’）の信号（ｂ）に変換する。続いて、サンプリング周波数ｆｓ’（＝１／Ｔ’）の信号（ｂ）のサンプリング周波数を、原信号（ａ）のサンプリング周波数ｆｓ（＝１／Ｔ）に置き換え、信号（ｃ）とする。こうして得られた信号（ｃ）の音の高さは、原信号（ａ）に対して再生速度の分だけ高くなる。図１４に示した例は、再生速度を２倍とした場合における一例である。信号（ｂ）のサンプリング周波数は、原信号（ａ）のサンプリング周波数の１／２倍になっている。更に、信号（ｃ）の音の高さは原信号（ａ）の２倍になっており、信号（ｃ）のサンプル数は原信号（ａ）の１／２倍になっている。

［本実施形態に関する説明］
以下の説明では、以上で説明したような再生速度に比例して音の高さが変化する再生装置を、「第１の従来の再生装置」と称し、再生速度を変えても音の高さを一定に保つ再生装置を「第２の従来の再生装置」と称することとする。

＜第１の従来の再生装置＞
図１５Ａは、第１の従来の再生装置における再生倍率と話速変換率の関係を表すグラフ図であり、図１５Ｂは、第１の従来の再生装置における再生倍率と音の高さの関係を表すグラフ図である。ここで、図１５Ａにおける再生倍率とは、変速再生における再生速度の倍率を表し、例えば、通常再生の２倍の速度で再生する場合は再生倍率が２であるとし、通常再生の半分の速度で再生する場合は再生倍率が０．５であるとする。また、図１５Ｂにおける音の高さ（ピッチ）とは、通常再生の場合の周波数と比較した倍率を表わし、例えば、通常再生の２倍の周波数で再生する場合は音の高さが２であるとし、通常再生の半分の周波数で再生する場合は音の高さが０．５であるとする。

第１の従来の再生装置では、話速変換を行なわないため、図１５Ａに示したように、話速変換率は１で一定である。また、図１５Ｂに示したように、第１の従来の再生装置では、音の高さは再生倍率に比例し、一般的には、音の高さは再生倍率に等しい。

なお、図１５Ａおよび図１５Ｂでは、等倍速以上（換言すれば、再生倍率１以上）の場合のみを図示している。以下では議論が煩雑になるのを避けるため、等倍速以上の再生速度についてのみ論じるが、等倍速未満、例えば、０．５倍速なども同様の議論ができることは明らかである。

＜第２の従来の再生装置＞
図１６Ａは、第２の従来の再生装置における再生倍率と話速変換率の関係を表すグラフ図であり、図１６Ｂは、第２の従来の再生装置における再生倍率と音の高さの関係を表すグラフ図である。第２の従来の再生装置では、話速変換を行なうため、図１６Ａに示したように、話速変換率は再生倍率に比例し、一般的には、話速変換率は再生倍率に等しい。また、図１６Ｂに示したように、第２の従来の再生装置では、音の高さは１で一定である。

＜従来の話速変換装置の再検討＞
第２の従来の再生装置において、第１の範囲を超えた再生速度（換言すれば、第２の範囲の再生速度）の音を、話速変換によって生成したとしても、再生速度を聴覚的に感じることは難しい。例えば上述のＰＩＣＯＬＡのような話速変換アルゴリズムは、例えば１０倍速や２０倍速のような再生速度が指定された場合であっても、相当する音を生成することが可能である。しかしながら、話速変換で得られる音は、物理的には１０倍速や２０倍速になっているものの、聴覚的には１０倍速であっても２０倍速であっても、殆ど同じように感じられてしまう。換言すると、変換後の音を視聴する視聴者は、速度を上げていっても、聴覚的には速度が上がっているようには感じられない。このように、第２の範囲においては、再生速度を聴覚的に感じ難いという問題がある。この問題を第２の問題と称することとする。

上述のように、第１の従来の再生装置では、第１の問題はあるものの、第２の問題は生じない。他方、第２の従来の再生装置では、第１の問題は解決しているものの、第２の問題が生じてしまう。

そこで、本願発明者は、上述のような問題を解決するために鋭意研究を行い、第１の範囲での変速再生において、発話の内容の把握や話者の特定を容易に行うことが可能であり、更に、第２の範囲での変速再生において、再生速度を聴覚的に感じることが可能な変速再生方法（換言すれば、第１の問題と第２の問題の２つの問題を双方解決することが可能な変速再生方法）を備えた情報処理装置に想到した。

［第１の実施形態］
以下では、図１７〜図３２を参照しながら、本発明の第１の実施形態に係る情報処理装置について、詳細に説明する。なお、以下の説明においては、再生倍率を第１のパラメータ、話速変換率を第２のパラメータ、音の高さ（ピッチ）を第３のパラメータと称することとする。

＜再生速度変換システムについて＞
図１７は、本実施形態に係る情報処理装置１７０１を含む再生速度変換システムを説明するための説明図である。図１７に示したように、再生速度変換システムにおいては、再生倍率制御装置である情報処理装置１７０１は、インターネットやホームネットワーク等の各種のネットワーク１７０２を介して、コンテンツサーバ１７０３やクライアント機器１７０４に接続されていてもよい。また、本実施形態に係る情報処理装置１７０１には、テレビ、ＤＶＤレコーダ、ミュージックコンポ等のＡＶ機器や、コンピュータ等の各種の外部接続機器１７０５が直接接続されていてもよい。

ここで、コンテンツサーバ１７０３とは、オーディオ信号を含むコンテンツを、ＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）等の所在情報や、メタデータ等に関連付けて管理しているサーバであり、例えば、テレビ、ＤＶＤレコーダ、ミュージックコンポ等のＡＶ機器や、コンピュータ等であってもよく、ＤＬＮＡ（Ｄｉｇｉｔａｌ Ｌｉｖｉｎｇ Ｎｅｔｗｏｒｋ Ａｌｌｉａｎｃｅ）ガイドラインにおけるＤＭＳ（Ｄｉｇｉｔａｌ Ｍｅｄｉａ Ｓｅｒｖｅｒ）であってもよい。また、クライアント機器１７０４は、コンテンツサーバ１７０３から各種コンテンツを取得して再生する装置であって、例えば、テレビ、ＤＶＤレコーダ、ミュージックコンポ等のＡＶ機器や、コンピュータ等であってもよく、ＤＬＮＡ（Ｄｉｇｉｔａｌ Ｌｉｖｉｎｇ Ｎｅｔｗｏｒｋ Ａｌｌｉａｎｃｅ）ガイドラインにおけるＤＭＰ（Ｄｉｇｉｔａｌ Ｍｅｄｉａ Ｐｌａｙｅｒ）であってもよい。

＜本実施形態に係る情報処理装置の構成について＞
図１８は、本実施形態に係る情報処理装置１８００の構成を説明するためのブロック図である。図１８に示したように、本実施形態に係る情報処理装置１８００は、パラメータ調節部１８０１と、信号処理部１８０３と、記憶部１８０５と、を主に備える。本実施形態に係る情報処理装置１８００には、オーディオ信号と、再生倍率を表す第１のパラメータＲとが入力され、第１のパラメータＲにより再生倍率が制御されたオーディオ信号が、出力信号として出力される。

なお、以下の説明においては、オーディオ信号は、本実施形態に係る情報処理装置１８００の外部から入力される場合について説明するが、この場合に限定されるわけではなく、オーディオ信号は、情報処理装置１８００内に格納されていてもよい。

パラメータ調節部１８０１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等より構成され、外部より入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐを調節する。第１のパラメータＲに応じて、第２のパラメータＲｓおよび第３のパラメータＲｐを設定する方法については、以下で詳細に説明する。パラメータ調節部１８０１は、第１のパラメータＲに応じて決定した第２のパラメータＲｓおよび第３のパラメータＲｐを、後述する信号処理部１８０３へと伝送する。

信号処理部１８０３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、入力されたオーディオ信号および第１のパラメータＲと、パラメータ調節部１８０１から伝送された第２のパラメータＲｓおよび第３のパラメータＲｐとに基づいて、オーディオ信号の話速と音の高さ（ピッチ）を調節する。また、信号処理部１８０３は、話速と音の高さが調節されたオーディオ信号を、出力オーディオ信号として出力する。情報処理装置１８００では、かかる出力オーディオ信号を、未図示のＤＡ変換部を介してアナログ信号へと変換し、スピーカ等の出力装置から出力する。

記憶部１８０５は、例えば、ＲＡＭ、ストレージ装置等で構成され、第１のパラメータＲに応じて第２のパラメータＲｓおよび第３のパラメータＲｐを決定する際に用いられる各種のデータベースや、情報処理装置１８００が実行する各種プログラム等を記憶する。また、記憶部１８０５は、これらのデータ以外にも、情報処理装置１８００が、何らかの処理を行う際に保存する必要が生じた様々なパラメータや処理の途中経過等を、適宜記憶することが可能である。また、記憶部１８０５には、オーディオ信号が記録されていてもよい。この記憶部１８０５は、パラメータ調節部１８０１や、信号処理部１８０３等が、自由に読み書きを行うことが可能である。

（第１のパラメータと第２のパラメータ、第３のパラメータとの関係について）
続いて、図１９Ａおよび図１９Ｂを参照しながら、本実施形態に係るパラメータ調節部１８０１について、詳細に説明する。図１９Ａは、第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図であり、図１９Ｂは、第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。

図１９Ａおよび図１９Ｂに示した例では、第１のパラメータＲが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない（区間１９０１および区間１９０３）、第１のパラメータが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう（区間１９０２および区間１９０４）。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

なお、図１９Ａにおいて、区間１９０２を破線で示しているのは、音の高さを変化させる方法に依存するためである。音の高さを変化させる方法として、図１２〜図１４に示したような方法を利用する場合は、音の高さが高くなるに従ってサンプル数が減少するため、区間１９０２の破線のようになる。しかしながら、音の高さを変化させる方法として、サンプル数が減少しない方法、もしくは、減少してもその減少量が少ない方法では、区間１９０２は、図１９Ａに示した破線とは異なる設定となる。

また、図１９Ｂにおける区間１９０３では、第１のパラメータＲが１〜４である場合には、第３のパラメータＲｐが１で一定となっているが、この区間における第３のパラメータＲｐは、一定でなくともよい。また、区間１９０４における第３のパラメータＲｐの上昇の傾きは、図示の例に限定されるわけではなく、０超過の傾きを有する上昇率であればよい。また、図１９Ａおよび図１９Ｂにおいては、第２のパラメータＲｓおよび第３のパラメータＲｐは連続的（アナログ的）に変化しているが、第２のパラメータＲｓおよび第３のパラメータＲｐは離散的（デジタル的）に変化してもよい。

（パラメータ調節部１８０１について）
本実施形態に係る情報処理装置１８００では、図１９Ａおよび図１９Ｂに示したような、第１のパラメータＲと、第２のパラメータＲｓおよび第３のパラメータＲｐとの関係を表したデータベースが、例えば記憶部１８０５に記録されており、パラメータ調節部１８０１は、かかるデータベースを参照しながら、第１のパラメータＲに応じて、第２のパラメータＲｓと第３のパラメータＲｐを決定する。

パラメータ調節部１８０１は、記憶部１８０５に記録されている図１９Ａおよび図１９Ｂに示したようなデータベースを参照しながら、以下に示す４つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間１９０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間１９０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間１９０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４：第１のパラメータＲ＝第２のパラメータＲｓ×サンプル数の増加率Ｒｄ

ここで、区間１９０１と区間１９０３は、第１のパラメータＲの第１の範囲に対応し、区間１９０２と区間１９０４は、第１のパラメータＲの第２の範囲に対応する。

また、音の高さを変化させる方法におけるサンプル数の増加率をＲｄとすると、パラメータ調節部１８０１には、第１の範囲と第２の範囲共に、上記の条件４に示したような特徴がある。ただし、サンプル数の増加率とは、例えば、サンプル数が２倍になる場合は増加率を２とし、サンプル数が半分になる場合は増加率を１／２とするものである。

（本実施形態に係る再生倍率制御方法について）
図２０は、本実施形態に係る情報処理装置１８００における処理の流れを説明するためのフローチャートである。まず、情報処理装置１８００では、入力オーディオ信号があるか否かを判定し（ステップＳ２００１）、入力オーディオ信号がない場合は処理を終了する。また、入力オーディオ信号が存在する場合には、情報処理装置１８００のパラメータ調節部１８０１は、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと第３のパラメータＲｐを調節する（ステップＳ２００２）。この調節は、上述の条件１〜４を満たすように行われる。続いて、情報処理装置１８００の信号処理部１８０３は、調節された第２のパラメータＲｓと第３のパラメータＲｐに従って、入力オーディオ信号の話速と音の高さを調節する（ステップＳ２００３）。続いて、情報処理装置１８００は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ２００４）、ステップＳ２００１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本実施形態に係る情報処理装置１８００は、オーディオ信号の再生倍率制御を実行することが可能となる。

図１８〜図２０で説明したように、本実施形態に係る再生倍率制御方法によれば、第１のパラメータＲの第１の範囲では話速の調節のみを行ない、第１のパラメータＲの第２の範囲では話速の調節と同時に音の高さの調節も行なうことができる。これにより、第１のパラメータＲの第１の範囲では、第１の問題が解決され、かつ、第１のパラメータＲの第２の範囲では、第２の問題が解決される。

（信号処理部１８０３について）
続いて、図２１を参照しながら、本実施形態に係る信号処理部１８０３の一例について、詳細に説明する。図２１は、本実施形態に係る信号処理部１８０３の機能を説明するためのブロック図である。

本実施形態に係る信号処理部１８０３は、図２１に示したように、例えば、擬音切替判定部２１０１と、話速変換部２１０３と、ピッチ調整部２１０５と、オーディオ信号出力制御部２１０７と、を主に備える。

擬音切替判定部２１０１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、伝送された第１のパラメータＲに基づいて、入力オーディオ信号に対して話速変換や音の高さ（ピッチ）の変換等の信号処理を施すか、信号処理を施さずに入力オーディオ信号を擬音に切り替えるかを判定する。具体的には、擬音切替判定部２１０１は、伝送された第１のパラメータＲと所定の閾値との大小を比較し、第１のパラメータＲが所定の閾値以上（例えば、２０倍速再生以上など）となった場合には、話速変換や音の高さの変換等を施さずに、オーディオ信号を所定の擬音に切り替えるように決定する。擬音切替判定部２１０１は、判定結果を、後述する話速変換部２１０３およびオーディオ信号出力制御部２１０７へと伝送する。

話速変換部２１０３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、入力オーディオ信号と、パラメータ調節部１８０１により決定された第２のパラメータＲｓとが入力され、第２のパラメータＲｓに基づいて、入力オーディオ信号の話速を変換する。話速の変換は、例えば、図１〜図７に示したようなアルゴリズムを用いて行われる。話速変換部２１０３は、話速の調節が終了したオーディオ信号を、後述するピッチ調節部２１０５へと伝送する。

また、擬音切替判定部２１０１から「オーディオ信号を擬音に切り替える」旨の判定結果が通知された場合には、話速変換部２１０３は、話速の変換処理を実行しなくともよい。

ピッチ調節部２１０５は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、話速変換部２１０３から伝送された話速調整済みのオーディオ信号と、パラメータ調節部１８０１から伝送された第３のパラメータＲｐとに基づいて、オーディオ信号の音の高さ（ピッチ）を調節する。ピッチの調整には、任意のピッチ変換方法を使用可能であり、例えば、図１２〜図１４に示したような方法を用いることができる。ピッチ調節部２１０５は、音の高さの調整が終了すると、話速および音の高さが調節されたオーディオ信号を、後述するオーディオ信号出力制御部２１０７へと出力する。

なお、ピッチ調節部２１０５が図１２〜図１４に示したような方法を用いる場合には、音の高さを変化させる方法におけるサンプル数の増加率Ｒｄは、音の高さに比例し、実際には、サンプル数の増加率Ｒｄは音の高さの上昇率に等しくなる。つまり、Ｒｄ＝第３のパラメータＲｐの関係が成立する。

オーディオ信号出力制御部２１０７は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、入力されたオーディオ信号またはピッチ調節部２１０５から伝送されたオーディオ信号を出力する際の出力制御を行う。擬音切替判定部２１０１から「オーディオ信号を擬音に切り替える」旨の判定結果が通知された場合には、オーディオ信号出力制御部２１０７は、入力されたオーディオ信号を、例えば記憶部１８０５に記録されている所定の擬音に切り替えて出力する。また、擬音切替判定部２１０１から「擬音への切り替えを行わない」旨の判定結果が通知された場合には、オーディオ信号出力制御部２１０７は、ピッチ調節部２１０５から伝送されたオーディオ信号を出力する。

また、オーディオ信号出力制御部２１０７は、出力するオーディオ信号の音量を調整することが可能である。オーディオ信号の音量調整は、対象となるオーディオ信号における信号波形の絶対値を調整することで行われる。オーディオ信号出力制御部２１０７は、例えば、再生倍率が１倍超過になっている場合に、出力するオーディオ信号の音量を小さくしてもよい。また、オーディオ信号出力制御部２１０７は、再生速度の大小にかかわらず、音量制御を行うことも可能である。

図２２Ａおよび図２２Ｂは、図２１に示した信号処理部１８０３を有する情報処理装置１８００のパラメータ調節部１８０１において行なわれるパラメータの調節方法の一例を示した説明図である。図２２Ａは、第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図であり、図２２Ｂは、第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。

図２２Ａに示したように、第１のパラメータＲの変化を横軸に、第２のパラメータＲｓの変化を縦軸にとったグラフ図は、第２のパラメータＲｓの上昇率（換言すれば、グラフ図の傾き）が異なる少なくとも２つの領域から構成されている。同様に、図２２Ｂに示したように、第１のパラメータＲの変化を横軸に、第３のパラメータＲｐの変化を縦軸にとったグラフ図は、第３のパラメータＲｐの上昇率が異なる少なくとも２つの領域から構成されている。

信号処理部１８０３のピッチ調節部２１０５が、図１２〜図１４に示した方法でピッチの調整を行う場合には、パラメータ調節部１８０１は、記憶部１８０５に記録されている図２２Ａおよび図２２Ｂに示したようなデータベースを参照しながら、以下に示す４つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間２２０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間２２０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間２２０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４’：第１の範囲と第２の範囲の両方において、第１のパラメータＲ＝第２のパラメータＲｓ×第３のパラメータＲｐが成立する。

ここで、区間２２０１と区間２２０３は、第１のパラメータＲの第１の範囲に対応し、区間２２０２と区間２２０４は、第１のパラメータＲの第２の範囲に対応する。

図２２Ａおよび図２２Ｂに示した例では、第１のパラメータＲが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない、第１のパラメータＲが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

以上、本実施形態に係る情報処理装置１８００の機能の一例を示した。上記の各構成要素は、汎用的な部材や回路を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。また、各構成要素の機能を、ＣＰＵ等が全て行ってもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用する構成を変更することが可能である。

＜本実施形態に係る信号処理方法について＞
続いて、図２３を参照しながら、本実施形態に係る信号処理方法について、詳細に説明する。図２３は、本実施形態に係る信号処理方法を説明するためのフローチャートである。

まず、情報処理装置１８００では、入力オーディオ信号があるか否かを判定し（ステップＳ２３０１）、入力オーディオ信号がない場合は処理を終了する。また、入力オーディオ信号が存在する場合には、信号処理部１８０３の擬音切替判定部２１０１は、入力された第１のパラメータＲが所定の閾値以上か否かを判定する（ステップＳ２３０２）。第１のパラメータＲが所定の閾値未満である場合には、パラメータ調節部１８０１は、入力された第１のパラメータＲに応じて、第２のパラメータＲｓおよび第３のパラメータＲｐを調節し（ステップＳ２３０３）、信号処理部１８０３へと伝送する。信号処理部１８０３の話速変換部２１０３は、伝送された第２のパラメータＲｓに基づいて入力オーディオ信号の話速を調節し（ステップＳ２３０４）、話速の調節されたオーディオ信号を、ピッチ調節部２１０５へと出力する。ピッチ調節部２１０５は、伝送された第３のパラメータＲｐに基づいて、話速変換部２１０３から伝送されたオーディオ信号の音の高さ（ピッチ）を調節する（ステップＳ２３０５）。話速と音の高さが調節されたオーディオ信号は、オーディオ信号出力制御部２１０７に伝送され、オーディオ信号出力制御部２１０７は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ２３０６）、ステップＳ２３０１に戻って、処理を繰り返す。

他方、擬音切替判定部２１０１において、第１のパラメータＲが所定の閾値以上であると判定された場合には、オーディオ信号出力制御部２１０７は、記憶部１８０５等に記録されている所定の擬音を、オーディオ信号として出力し（ステップＳ２３０７）、ステップＳ２３０１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本実施形態に係る情報処理装置１８００は、変換後の再生速度を聴覚的に認識することが可能なように、オーディオ信号の再生倍率制御を実行することが可能となる。

続いて、処理対象のオーディオ信号に含まれるサンプル数に着目して、本実施形態に係る情報処理装置が行う信号処理の一例を詳細に説明する。図２４は、本実施形態に係る情報処理装置が行う信号処理の一例をサンプル単位で説明するための説明図である。

図２４に示した例は、第１のパラメータＲ＝２．５のときに、第２のパラメータＲｓ＝２．０、第３のパラメータＲｐ＝１．２５のように調節したものである。原信号（ａ）において、話速変換の処理開始位置Ｐ０を起点として類似波形長を検出した結果、クロスフェード区間が区間２４０１と区間２４０２に定まったとする。区間２４０１の信号と区間２４０２の信号のクロスフェード信号を求め、区間２４０２に配置する。続いて、区間２４０２の信号を信号（ｂ）の区間２４０３にコピーし、話速変換の処理開始位置を、位置Ｐ０から位置Ｐ１に移す。原信号（ａ）から信号（ｂ）への変換では、話速が２倍（サンプル数は１／２倍）になり、音の高さは変わらない。続いて、信号（ｂ）のサンプリング周波数を４／５倍に変更して信号（ｃ）を得る。サンプリング周波数を４／５倍すると、サンプル数も４／５倍になる。信号（ｃ）のサンプリング周波数を原信号（ａ）のサンプリング周波数に置き換えることで、信号（ｄ）が得られる。信号（ｄ）のサンプル数は、原信号（ａ）のサンプル数の０．４＝（１／２）×（４／５）倍となり、音の高さは、５／４倍になる。換言すると、再生速度は２．５＝２×（５／４）倍速となり、音の高さは１．２５倍となる。

図２５は、本実施形態に係る情報処理装置が行う信号処理の別の例をサンプル単位で説明するための説明図である。図２５に示した例は、第１のパラメータＲ＝４．０のときに、第２のパラメータＲｓ＝２．０、第３のパラメータＲｐ＝２．０のように調節したものである。原信号（ａ）において、話速変換の処理開始位置Ｐ０を起点として類似波形長を検出した結果、クロスフェード区間が区間２５０１と区間２５０２に定まったとする。区間２５０１の信号と区間２５０２の信号のクロスフェード信号を求め、区間２５０２に配置する。続いて、区間２５０２の信号を信号（ｂ）の区間２５０３にコピーし、話速変換の処理開始位置をＰ０からＰ１に移す。原信号（ａ）から信号（ｂ）への変換では、話速が２倍（サンプル数は１／２倍）になり、音の高さは変わらない。続いて、信号（ｂ）のサンプリング周波数を１／２倍に変更して、信号（ｃ）を得る。サンプリング周波数を１／２倍すると、サンプル数も１／２倍になる。信号（ｃ）のサンプリング周波数を原信号（ａ）のサンプリング周波数に置き換えることで、信号（ｄ）が得られる。信号（ｄ）のサンプル数は、原信号（ａ）のサンプル数の０．２５＝（１／２）×（１／２）倍となり、音の高さは２倍になる。換言すると、再生速度は４．０＝２×２倍速となり、音の高さは２．０倍となる。

図２６Ａおよび図２６Ｂは、パラメータ調節部１８０１において行なうパラメータの調節方法の他の例を説明するためのグラフ図である。図２６Ａは、第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図であり、図２６Ｂは、第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。

図２６Ａに示したように、第１のパラメータＲの変化を横軸に、第２のパラメータＲｓの変化を縦軸にとったグラフ図は、第２のパラメータＲｓの上昇率（換言すれば、グラフ図の傾き）が異なる２以上の領域から構成されている。同様に、図２６Ｂに示したように、第１のパラメータＲの変化を横軸に、第３のパラメータＲｐの変化を縦軸にとったグラフ図は、第３のパラメータＲｐの上昇率が異なる２以上の領域から構成されている。

この場合に、パラメータ調節部１８０１は、記憶部１８０５に記録されている図２６Ａおよび図２６Ｂに示したようなデータベースを参照しながら、以下に示す５つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間２６０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間２６０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間２６０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４’：第１の範囲と第２の範囲の両方において、第１のパラメータＲ＝第２のパラメータＲｓ×第３のパラメータＲｐが成立する。
条件５：入力された第１のパラメータＲが区間２６０２に該当する場合は、第１のパラメータＲの増加に従って第２のパラメータＲｓが増加する。（換言すれば、パラメータの変化を表す曲線の微分係数が０以上である。）

ここで、区間２６０１と区間２６０３は、第１のパラメータの第１の範囲に対応し、区間２６０２と区間２６０４は、第１のパラメータの第２の範囲に対応する。

図２６Ａおよび図２６Ｂに示した例では、第１のパラメータが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない、第１のパラメータが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

図２６Ａおよび図２６Ｂに示した例では、図２２Ａおよび図２２Ｂに示した例とは異なり、第１のパラメータＲが増加するに従って、第２のパラメータＲｓも増加する。換言すると、第２のパラメータＲｓの変化を表す曲線における微分係数が０以上である。図２２Ａの区間２２０２では、第１のパラメータＲが増加しているにも拘わらず、第２のパラメータＲｓは一定である。換言すると、第２のパラメータＲｓの微分係数は０である。このような場合、再生速度が速くなっているにも拘わらず話速変換の話速変換率は変化せず、再生音に違和感を覚える結果となることがある。これに対して、図２６Ａの区間２６０２では、第１のパラメータの増加に従って第２のパラメータが増加するため（微分係数が０以上であるため）、再生速度が速くなっているにも拘わらず話速変換率が変化しないことを防止することができ、再生音の違和感を防ぐ効果がある。

図２７Ａおよび図２７Ｂは、パラメータ調節部１８０１において行なうパラメータの調節方法の別の例を示すグラフ図である。図２７Ａは、第１のパラメータＲと第２のパラメータＲｓの関係を示したグラフ図であり、図２７Ｂは、第１のパラメータＲと第３のパラメータＲｐの関係を示したグラフ図である。

図２７Ａに示したように、第１のパラメータＲの変化を横軸に、第２のパラメータＲｓの変化を縦軸にとったグラフ図は、第２のパラメータＲｓの上昇率（換言すれば、グラフ図の傾き）が異なる２以上の領域から構成されている。同様に、図２７Ｂに示したように、第１のパラメータＲの変化を横軸に、第３のパラメータＲｐの変化を縦軸にとったグラフ図は、第３のパラメータＲｐの上昇率が異なる２以上の領域から構成されている。

この場合に、パラメータ調節部１８０１は、記憶部１８０５に記録されている図２７Ａおよび図２７Ｂに示したようなデータベースを参照しながら、以下に示す５つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間２７０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間２７０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間２７０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４’：第１の範囲と第２の範囲の両方において、第１のパラメータＲ＝第２のパラメータＲｓ×第３のパラメータＲｐが成立する。
条件６：区間２７０３と区間２７０４が滑らかに接続する（換言すれば、区間２７０３と区間２７０４との接続点において、第３のパラメータＲｐの変化を表す曲線は微分可能である）。

ここで、区間２７０１と区間２７０３は、第１のパラメータＲの第１の範囲に対応し、区間２７０２と区間２７０４は、第１のパラメータＲの第２の範囲に対応する。

図２７Ａおよび図２７Ｂに示した例では、第１のパラメータＲが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない、第１のパラメータＲが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

図２７Ａおよび図２７Ｂに示した例では、図２２Ａおよび図２２Ｂに示した例とは異なり、第３のパラメータＲｐにおいて区間２７０３と区間２７０４が滑らかに接続することとなる。換言すれば、区間２７０３と区間２７０４との接続点において、第３のパラメータＲｐの変化を表す曲線は微分可能である。図２２Ａおよび図２２Ｂに示した例のように、区間２２０３と区間２２０４の接続点が微分可能でない場合、第１のパラメータＲを徐々に増加させていった場合に、第３のパラメータＲｐの単位増加量（微分値）が接続点において急激に変化することになり、再生音に違和感を覚える結果となることがある。これに対して、図２７Ｂの区間２７０３と区間２７０４のようにパラメータの変化を表す曲線が滑らかに接続していると、第１のパラメータＲを徐々に増加させていった際でも、区間２７０３と区間２７０４の接続点において急激に音の高さが高くなり始めるのを防ぐことができ、再生音の違和感を防ぐ効果がある。

図２８Ａおよび図２８Ｂは、パラメータ調節部１８０１において行なうパラメータの調節方法の別の例を示すグラフ図である。図２８Ａは、第１のパラメータＲと第２のパラメータＲｓの関係を示したグラフ図であり、図２８Ｂは、第１のパラメータＲと第３のパラメータＲｐの関係を示したグラフ図である。

図２８Ａに示したように、第１のパラメータＲの変化を横軸に、第２のパラメータＲｓの変化を縦軸にとったグラフ図は、第２のパラメータＲｓの上昇率（換言すれば、グラフ図の傾き）が異なる２以上の領域から構成されている。同様に、図２８Ｂに示したように、第１のパラメータＲの変化を横軸に、第３のパラメータＲｐの変化を縦軸にとったグラフ図は、第３のパラメータＲｐの上昇率が異なる２以上の領域から構成されている。

この場合に、パラメータ調節部１８０１は、記憶部１８０５に記録されている図２８Ａおよび図２８Ｂに示したようなデータベースを参照しながら、以下に示す６つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間２８０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間２８０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間２８０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４’：第１の範囲と第２の範囲の両方において、第１のパラメータＲ＝第２のパラメータＲｓ×第３のパラメータＲｐが成立する。
条件５：入力された第１のパラメータＲが区間２８０２に該当する場合は、第１のパラメータＲの増加に従って第２のパラメータＲｓが増加する。（換言すれば、パラメータの変化を表す曲線の微分係数が０以上である。）
条件６：区間２８０３と区間２８０４が滑らかに接続する（換言すれば、区間２８０３と区間２８０４との接続点において、第３のパラメータＲｐの変化を表す曲線は微分可能である）。

ここで、区間２８０１と区間２８０３は、第１のパラメータの第１の範囲に対応し、区間２８０２と区間２８０４は第１のパラメータの第２の範囲に対応する。

図２８Ａおよび図２８Ｂに示した例では、第１のパラメータＲが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない、第１のパラメータＲが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

図２８Ａおよび図２８Ｂに示した例では、図２７Ａおよび図２７Ｂに示した例と同様に、第３のパラメータＲｐにおいて区間２８０３と区間２８０４が滑らかに接続することとなる。換言すれば、区間２８０３と区間２８０４との接続点において、第３のパラメータＲｐの変化を表す曲線は微分可能である。一方、図２８Ａおよび図２８Ｂの例では、図２７Ａおよび図２７Ｂの例とは異なり、第１のパラメータＲが増加するに従って、第２のパラメータＲｓも増加する。換言すると、第２のパラメータＲｓの変化を表す曲線における微分係数が０以上である。図２７Ａの区間２７０２では、第１のパラメータＲが増加しているにも拘わらず、第２のパラメータＲｓが減少する部分が存在する。換言すれば、第２のパラメータＲｓの変化を表す曲線の微分値が、負となる部分が存在する。このような場合、再生速度が速くなっているにも拘わらず話速変換の話速変換率が逆に小さくなってしまい、再生音に違和感を覚える結果となることがある。これに対して、図２８Ａの区間２８０２では、第１のパラメータＲの増加に従って第２のパラメータＲｓが増加するため（微分係数が０以上であるため）、再生速度が速くなっているにも拘わらず話速変換率が減少することを防ぐことができ、再生音の違和感を防ぐ効果がある。

以上説明したように、入力されたオーディオ信号の再生倍率を変換する際に、音の高さの調節に先立って話速変換を行うことで、話速変換において入力されたオーディオ信号の類似波形長の検出をより正確に行うことが可能となり、出力されるオーディオ信号の音質を最良の状態に維持することが可能となる。

＜信号処理部１８０３の変形例＞
続いて、図２９を参照しながら、本実施形態に係る信号処理部１８０３の変形例について、詳細に説明する。図２９は、本実施形態に係る信号処理部１８０３の変形例について説明するためのブロック図である。

本変形例に係る信号処理部１８０３は、図２９に示したように、例えば、擬音切替判定部２１０１と、ピッチ調節部２９０１と、話速変換部２９０３と、オーディオ信号出力制御部２１０７と、を主に備える。

擬音切替判定部２１０１は、判定結果を、ピッチ調節部２９０１と、オーディオ信号出力制御部２１０７に出力する以外は、本発明の第１の実施形態に係る擬音切替判定部と同様の構成を有し、ほぼ同一の機能を奏するため、詳細な説明は省略する。

ピッチ調節部２９０１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、伝送された入力オーディオ信号と、パラメータ調節部１８０１から伝送された第３のパラメータＲｐとに基づいて、オーディオ信号の音の高さ（ピッチ）を調節する。ピッチの調整には、任意のピッチ変換方法を使用可能であり、例えば、図１２〜図１４に示したような方法を用いることができる。ピッチ調節部２９０１は、音の高さの調整が終了すると、音の高さが調節されたオーディオ信号を、後述する話速変換部２９０３へと出力する。

なお、ピッチ調節部２９０１が図１２〜図１４に示したような方法を用いる場合には、音の高さを変化させる方法におけるサンプル数の増加率Ｒｄは、音の高さに比例し、実際には、サンプル数の増加率Ｒｄは音の高さの上昇率に等しくなる。つまり、Ｒｄ＝第３のパラメータＲｐの関係が成立する。

また、擬音切替判定部２１０１から「オーディオ信号を擬音に切り替える」旨の判定結果が通知された場合には、ピッチ調節部２９０１は、音の高さ（ピッチ）の変換処理を実行しなくともよい。

話速変換部２９０３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、入力オーディオ信号と、パラメータ調節部１８０１により決定された第２のパラメータＲｓと、ピッチ調節部２９０１から伝送された、音の高さが調節されたオーディオ信号と、が入力され、第２のパラメータＲｓに基づいて、オーディオ信号の話速を変換する。話速の変換は、例えば、図１〜図７に示したようなアルゴリズムを用いて行われる。話速変換部２９０３は、話速および音の高さの調節が終了したオーディオ信号を、後述するオーディオ信号出力制御部２１０７へと伝送する。

オーディオ信号出力制御部２１０７は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、入力されたオーディオ信号または話速変換部２９０３から伝送されたオーディオ信号を出力する際の出力制御を行う。擬音切替判定部２１０１から「オーディオ信号を擬音に切り替える」旨の判定結果が通知された場合には、オーディオ信号出力制御部２１０７は、入力されたオーディオ信号を、例えば記憶部１８０５に記録されている所定の擬音に切り替えて出力する。また、擬音切替判定部２１０１から「擬音への切り替えを行わない」旨の判定結果が通知された場合には、オーディオ信号出力制御部２１０７は、話速変換部２９０３から伝送されたオーディオ信号を出力する。

また、オーディオ信号出力制御部２１０７は、出力するオーディオ信号の音量を調整することが可能である。オーディオ信号の音量調整は、対象となるオーディオ信号における信号波形の絶対値を調整することで行われる。オーディオ信号出力制御部２１０７は、例えば、再生倍率が１倍超過になっている場合に、出力するオーディオ信号の音量を小さくしてもよい。また、オーディオ信号出力制御部２１０７は、再生速度の大小にかかわらず、音量制御を行うことも可能である。

以上、本変形例に係る信号処理部１８０３の機能の一例を示した。上記の各構成要素は、汎用的な部材や回路を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。また、各構成要素の機能を、ＣＰＵ等が全て行ってもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用する構成を変更することが可能である。

＜本変形例に係る信号処理方法について＞
続いて、図３０を参照しながら、本変形例に係る信号処理方法について、詳細に説明する。図３０は、本変形例に係る信号処理方法を説明するためのフローチャートである。

まず、情報処理装置１８００では、入力オーディオ信号があるか否かを判定し（ステップＳ３００１）、入力オーディオ信号がない場合は処理を終了する。また、入力オーディオ信号が存在する場合には、信号処理部１８０３の擬音切替判定部２１０１は、入力された第１のパラメータＲが所定の閾値以上か否かを判定する（ステップＳ３００２）。第１のパラメータＲが所定の閾値未満である場合には、パラメータ調節部１８０１は、入力された第１のパラメータＲに応じて、第２のパラメータＲｓおよび第３のパラメータＲｐを調節し（ステップＳ３００３）、信号処理部１８０３へと伝送する。信号処理部１８０３のピッチ調節部２９０１は、伝送された第３のパラメータＲｐに基づいて、伝送された入力オーディオ信号の音の高さ（ピッチ）を調節し（ステップＳ３００４）、音の高さの調節されたオーディオ信号を、話速変換部２９０３へと出力する。話速変換部２９０３は、伝送された第２のパラメータＲｓに基づいて、音の高さの調整されたオーディオ信号の話速を調節する（ステップＳ３００５）。話速と音の高さが調節されたオーディオ信号は、オーディオ信号出力制御部２１０７に伝送され、オーディオ信号出力制御部２１０７は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ３００６）、ステップＳ３００１に戻って、処理を繰り返す。

他方、擬音切替判定部２１０１において、第１のパラメータＲが所定の閾値以上であると判定された場合には、オーディオ信号出力制御部２１０７は、記憶部１８０５等に記録されている所定の擬音を、オーディオ信号として出力し（ステップＳ３００７）、ステップＳ３００１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本変形例に係る情報処理装置１８００は、変換後の再生速度を聴覚的に認識することが可能なように、オーディオ信号の再生倍率制御を実行することが可能となる。

以上説明したように、入力されたオーディオ信号の再生倍率を変換する際に、話速変換に先立って音の高さの調整を行うことで、話速変換において処理する必要がある入力オーディオ信号のサンプル数を削減することが可能となり、処理に要するリソースの削減を図ることが可能となり、ひいては、処理の高速化を図ることが可能となる。なお、音の高さの調整が行われたオーディオ信号の話速変換を行う際に、音の高さの調整度合いに応じて、話速変換を行う対象周波数帯域を適宜変更するように構成してもよい。

＜他のサンプリングレート変換の方法について＞
図３１は、図１２〜図１３で示したサンプリングレート変換の方法とは異なる方法によって、サンプリングレートを変換する方法を説明するための説明図である。通常、図１２〜図１３で示した方法は処理量が多いため、例えば、携帯型再生装置のように大きな処理能力が期待できない再生装置では、実現が難しい場合がある。このような場合、図３１に示したようなサンプリングレート変換方法が、有用である。図３１は、変換前の信号のサンプル点がｎ０、ｎ１、ｎ２、ｎ３、・・・とある場合に、新たなサンプル点ｍ０、ｍ１、ｍ２、・・・を線形補間によって求める場合について説明する説明図である。線形補間では、例えば、ｍ１のサンプル値に関して、サンプル点ｎ１とサンプル点ｎ２の間のどの位置にサンプル点ｍ１があるかを比ｐ１：１−ｐ１で求め、その比に従って、ｎ１のサンプル値とｎ２のサンプル値からｍ１のサンプル値を求める。

このように、本実施形態において、音の高さを調節する方法は図１２〜図１３に示した方法に限るものではなく、図３１に示した方法や、その他、本実施形態に係る情報処理装置の条件を満たすものであれば、任意のものを使用可能である。

＜再生倍率の移行に関して＞
続いて、図３２を参照しながら、再生倍率を表す第１のパラメータＲを連続的に変化させる場合について、説明する。図３２は、再生倍率の時間変化を模式的に説明するための説明図である。

再生倍率を表す第１のパラメータＲがＲ１に設定され、オーディオ信号を出力している情報処理装置１８００に対して、時刻ｔ１に第１のパラメータＲをＲ２へと変更する旨の信号が入力された場合に、本実施形態に係る情報処理装置１８００は、第１のパラメータＲをデジタル的に直ちに切り替えるのではなく、例えば図３２に示したように、第１のパラメータがＲ１からＲ２へと徐々に切り替わるように、第２のパラメータおよび第３のパラメータを制御してもよい。

この場合に、パラメータ調節部１８０１は、第１のパラメータＲをＲ１からＲ２へと連続的に変化させ、移行中の各パラメータＲに対して、第２のパラメータＲｓおよび第３のパラメータＲｐを設定する。かかる処理を行うことで、オーディオ信号の視聴者は、話速および音の高さが変化中のオーディオ信号であっても、違和感を覚えることなく視聴することが可能となる。

以上説明したように、本実施形態に係る再生倍率制御方法を用いることにより、等倍速付近での変速再生では音の高さを変えずに再生速度を変えるため、話者の発話内容の理解や、話者の特定を容易に行うことが可能となる。また、高速再生／低速再生においては、音の高さも変えて再生速度を変えるため、現在の再生速度を聴覚的に感じることができ、操作性の向上に効果がある。

［第２の実施形態］
続いて、図３３〜図４６を参照しながら、本発明の第２の実施形態に係る情報処理装置３３００について、詳細に説明する。

いわゆるコンテンツ再生装置がコンテンツを再生する際、コンテンツ再生装置の記憶媒体再生装置、例えば、ハードディスクドライブ、ＤＶＤドライブ、Ｂｌｕ−ｒａｙドライブ等からオーディオ信号を取得することになるが、このような記録媒体再生装置には、データの読み出し速度に上限がある。換言すれば、単位時間当たりに記録媒体から読み出すことが可能なデータ量には、上限がある。このため、例えば、コンテンツを１０倍速で再生するために、相当するデータ量を読み出すことはできても、２０倍速で再生するために、相当するデータ量を読み出すことはできないという状況が発生してしまう。似たような状況は、他にも存在する。例えば、近年のコンテンツデータは、ＭＰＥＧ等でエンコード処理をされていることが普通であり、エンコード処理されているコンテンツを再生する場合、まず、デコード処理を行なわなければならない。このため、ハードディスクドライブ、ＤＶＤドライブ、Ｂｌｕ−ｒａｙドライブ等の記録媒体再生装置のデータ読み出し速度が十分であっても、デコード装置の演算能力が十分でない場合、デコード処理が間に合わないという状況が発生してしまう。この他にも、ハードディスクドライブ、ＤＶＤドライブ、Ｂｌｕ−ｒａｙドライブ等の記録媒体再生装置と中央演算装置やメモリを繋ぐバスの帯域が十分でない場合も、同様なことが発生してしまう。

このように、コンテンツ再生装置を構成する構成要素には、それぞれ処理能力の限界が存在し、変速再生をする際には、処理能力の限界が最も低い構成要素によって、全体の処理能力の限界が決定される。この処理能力の限界が原因となって、所望の再生速度を達成できない場合があるという問題がある。この問題を、以下では第３の問題と称する。

そこで、本願発明者は、上述のような問題を解決するために鋭意研究を行い、第１の範囲での変速再生において、発話の内容の把握および話者の特定を容易に行うことが可能であり、かつ、第２の範囲での変速再生において、再生速度を聴覚的に感じることができ、更に、所望の再生速度を達成するために、再生速度の上限を延長することが可能な変速再生方法に想到した。換言すれば、本実施形態に係る変速再生方法は、第１の問題、第２の問題および第３の問題の３つの問題を、同時に解決することが可能な変速再生方法である。

＜本実施形態に係る情報処理装置の構成について＞
まず、図３３を参照しながら、本実施形態に係る情報処理装置３３００の構成について、詳細に説明する。図３３は、本実施形態に係る情報処理装置３３００の機能を説明するためのブロック図である。

本実施形態に係る情報処理装置３３００は、図３３に示したように、例えば、パラメータ調節部３３０１と、コンテンツ管理部３３０３と、コンテンツ記憶部３３０５と、信号処理部３３０７と、記憶部３３０９と、を主に備える。

パラメータ調節部３３０１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等より構成され、外部より入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐと、第４のパラメータＲｔとを調節する。第１のパラメータＲに応じて、第２のパラメータＲｓ、第３のパラメータＲｐおよび第４のパラメータＲｔを設定する方法については、以下で詳細に説明する。パラメータ調節部３３０１は、第１のパラメータＲに応じて決定した第４のパラメータＲｔを後述するコンテンツ管理部３３０３へと伝送するとともに、第２のパラメータＲｓおよび第３のパラメータＲｐを、後述する信号処理部３３０７へと伝送する。

コンテンツ管理部３３０３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等より構成され、本実施形態に係る情報処理装置３３００で再生されうるオーディオ信号を含むコンテンツを管理する。コンテンツ管理部３３０３は、オーディオ信号を含むコンテンツを、例えば、コンテンツのタイトルや当該コンテンツの識別ＩＤや属性情報等と関連づけて、後述するコンテンツ記憶部３３０５に記録する。コンテンツ管理部３３０３は、情報処理装置３３００の外部から入力されるコンテンツの再生指示に応じて、コンテンツ記憶部３３０５からコンテンツを取得し、後述する信号処理部３３０７に出力する。信号処理部３３０７へのコンテンツの出力に際しては、パラメータ調節部３３０１から伝送される第４のパラメータＲｔに基づいて、伝送されるデータ量が決定される。また、コンテンツ記憶部３３０５から読み出したコンテンツデータがエンコードされたデータである場合には、コンテンツ管理部３３０３は、未図示のデコーダでデコード処理を行なってから、信号処理部３３０７にデータを出力する。

また、コンテンツ管理部３３０３は、再生すべきオーディオ信号を含むコンテンツを、インターネットやホームネットワーク等の通信網１７０２を介して取得することも可能である。コンテンツ管理部３３０３は、通信網１７０２を介して取得したコンテンツを、コンテンツ記憶部３３０５に記録してもよい。

コンテンツ記憶部３３０５は、例えば、ハードディスクドライブ、ＤＶＤドライブ、Ｂｌｕ−ｒａｙドライブ等の記録媒体からなり、オーディオ信号を含むコンテンツを、当該コンテンツのタイトルや、識別ＩＤや、属性情報等に関連づけて記憶する。また、コンテンツ記憶部３３０５には、当該コンテンツ記憶部３３０５を構成する各種記録媒体の読み出し速度の上限値等を含む制御情報がデータベースとして記録されていてもよい。

信号処理部３３０７は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成され、コンテンツ管理部３３０３から伝送されたオーディオ信号と、第１のパラメータＲと、パラメータ調節部３３０１から伝送された第２のパラメータＲｓおよび第３のパラメータＲｐとに基づいて、オーディオ信号の話速と音の高さ（ピッチ）を調節する。また、信号処理部３３０７は、話速と音の高さが調節されたオーディオ信号を、出力オーディオ信号として出力する。情報処理装置３３００では、かかる出力オーディオ信号を、未図示のＤＡ変換部を介してアナログ信号へと変換し、スピーカ等の出力装置から出力する。

記憶部３３０９は、例えば、ＲＡＭ、ストレージ装置等で構成され、第１のパラメータＲに応じて第２のパラメータＲｓ、第３のパラメータＲｐおよび第４のパラメータＲｔを決定する際に用いられる各種のデータベースや、情報処理装置３３００が実行する各種プログラム等を記憶する。また、記憶部３３０９は、これらのデータ以外にも、情報処理装置３３００が、何らかの処理を行う際に保存する必要が生じた様々なパラメータや処理の途中経過等を、適宜記憶することが可能である。また、記憶部３３０９には、オーディオ信号が記録されていてもよい。この記憶部３３０９は、パラメータ調節部３３０１や、コンテンツ管理部３３０３や、信号処理部３３０７等が、自由に読み書きを行うことが可能である。

（第１のパラメータと第４のパラメータとの関係について）
続いて、図３４Ａおよび図３４Ｂを参照しながら、本実施形態に係るパラメータ調節部３３０１にて行われる第４のパラメータの調節方法について、詳細に説明する。図３４Ａは、第１のパラメータＲと第４のパラメータＲｔとの関係を示したグラフ図であり、図３４Ｂは、第１のパラメータＲと信号処理部３３０７に入力されるオーディオ信号のデータ量との関係を示したグラフ図である。

図３４Ａに示したように、第１のパラメータＲの変化を横軸に、第４のパラメータＲｔの変化を縦軸にとったグラフ図は、第４のパラメータＲｔの上昇率（換言すれば、グラフ図の傾き）が異なる２つの領域から構成されている。

パラメータ調節部３３０１は、以下に示す条件に基づいて、第４のパラメータＲｔを調節する。ここで、コンテンツ管理部３３０３がコンテンツ記憶部３３０５からコンテンツのデータを読み出して信号処理部３３０７へと伝送する際のデータ読み出し速度の上限を、Ｓｍと略記する。なお、以下の説明においては、データ読み出し速度とは、コンテンツ管理部３３０３がコンテンツ記憶部３３０５から所定のコンテンツデータを読み出す際の読み出し速度と、読み出したコンテンツデータをコンテンツ管理部３３０３から信号処理部３３０７へと伝送する際に要する速度とを含む速度とする。

条件Ａ：入力された第１のパラメータＲが区間３４０５に該当する場合は、第４のパラメータＲｔは常に１．０である。
条件Ｂ：入力された第１のパラメータＲが区間３４０６に該当する場合は、上限速度Ｓｍ＝第１のパラメータＲ×第４のパラメータＲｔが成立する。

上限速度Ｓｍは、コンテンツ管理部３３０３およびコンテンツ記憶部３３０５に応じて決定する一定の値であるため、区間３４０６においては、第１のパラメータＲの値が大きくなるほど、第４のパラメータＲｔは小さくなる。

図３４Ｂは、単位時間当たりに信号処理部３３０７に入力されるオーディオ信号の量を、データ読み出し速度の上限Ｓｍに対する割合で示している。区間３４０７では、データ量の割合は第１のパラメータＲに比例するが、区間３４０８では、データ量の割合は常に１．０となる。これは、データ読み出し速度がその上限Ｓｍを超えないように、第４のパラメータＲｔに従ってデータ読み出し速度が調節されているためである。このように、第４のパラメータＲｔは、コンテンツデータをコンテンツ記憶部３３０５から読み出して信号処理部３３０７へと伝送する際におけるデータの間引き率であるといえる。

＜第４のパラメータに応じたデータ読み出し速度の調節について＞
第４のパラメータに応じたデータ読み出し速度の調節は、例えば、図３５〜図３７に示すような方法によって行なわれる。図３５〜図３７は、本実施形態に係るデータ読み出し速度の調節方法の一例を説明するための説明図である。

図３５に示した例では、記録媒体に記録されている原信号（ａ）に対して、区間３５０１、区間３５０２、区間３５０３というように、断続的に原信号が選択される。信号（ｂ）は読み出された信号を表しており、区間３５０４、区間３５０５、区間３５０６は、それぞれ原信号（ａ）の区間３５０１、区間３５０２、区間３５０３に対応する。コンテンツ記憶部３３０５から読み出され信号処理部３３０７へと出力される信号は、信号（ｂ）における区間３５０４、区間３５０５および区間３５０６を接続した信号となる。ここで、各区間を接続する際、各区間の信号をフェードイン、フェードアウトさせることで、滑らかに接続しても良い。また、各区間を多少長めに取り、クロスフェードで接続しても良い。信号（ｂ）は、信号処理部３３０７で処理され、変速再生時の再生音となる。

図３５に示した例では、原信号（ａ）に対して、読み出し区間の長さとスキップ区間の長さが等しい（すなわち、区間３５０１の長さと、区間３５０１と区間３５０２の間に位置する区間の長さとが等しい）ため、第４のパラメータＲｔは、１／２に相当する。他方、図３６は、第４のパラメータＲｔを、図３５に示した例とは異なる値にした場合の一例である。図３６に示した例では、原信号（ａ）に対して、読み出し区間の長さとスキップ区間の長さの比が３：４であるため、第４のパラメータＲｔは、３／７に相当する。

図３７は、図３５および図３６と同様の例であるが、記録媒体に記録されているコンテンツデータが、エンコードされている点で相違する。エンコードされたデータは、コーデックによって名前は異なるものの、あるまとまった単位Ｐで管理されていることが多い。例えば、ＭＰＥＧであれば、エンコードされたデータはパック、パケットといった単位Ｐで管理されている。

図３７に示した例では、記録媒体に記録されているストリームデータ（エンコードされたデータ）（ａ）に対して、区間３７０１、区間３７０２、区間３７０３というように、断続的にストリームデータを読み出している。読み出されたストリームデータ（ｂ）の区間３７０４、区間３７０５、区間３７０６は、それぞれストリームデータ（ａ）の区間３７０１、区間３７０２、区間３７０３に対応する。読み出されたストリームデータ（ｂ）の区間３７０４、区間３７０５、区間３７０６は、それぞれデコーダによりデコード処理され、オーディオ信号（ｃ）の区間３７０７、区間３７０８、区間３７０９となる。コンテンツ記憶部３３０５から読み出され信号処理部３３０７へと出力される信号は、信号（ｃ）における区間３７０７、区間３７０８、区間３７０９を接続した信号となる。ここで、各区間を接続する際、各区間の信号をフェードイン、フェードアウトさせることで滑らかに接続してもよい。また、各区間を多少長めに取り、クロスフェードで接続してもよい。オーディオ信号（ｃ）は、信号処理部３３０７により処理され、変速再生時の再生音になる。

図３７に示した例では、ストリームデータ（ａ）に対して、読み出し区間の長さとスキップ区間の長さが等しいため、第４のパラメータＲｔは、１／２に相当する。ただし、エンコードされた信号の場合、各管理単位Ｐが、エンコード処理前のオーディオ信号においてオーバーラップ区間を持つ場合がある。このような場合、ストリームデータ（ａ）に対する読み出し区間長は、オーバーラップ区間に応じて余計に読み出す必要がある。また、コーデックによっては、各管理単位毎に管理情報を付し、その管理情報を読み出さないと次の管理単位が読み出せない場合もある。このような場合、スキップ区間であっても、少なくとも上記の管理情報だけは読み出す必要がある。このように、ストリームデータを扱う場合、コーデックに依存した処理の追加が必要になる場合があるものの、基本的な処理方法は、図３５および図３６にて示した例と同様である。

以下の説明においては、図３４Ａの区間３４０５のように、第４のパラメータＲｔが１．０である区間に対応する第１のパラメータＲの範囲を、第３の範囲と称し、図３４Ａの区間３４０６のように、第４のパラメータＲｔが上限速度Ｓｍの影響を受ける区間に対応する第１のパラメータＲの範囲を、第４の範囲と称することとする。

（第１のパラメータと第２のパラメータ、第３のパラメータとの関係について）
図３８Ａおよび図３８Ｂは、パラメータ調節部３３０１において行なうパラメータの調節方法の一例について、詳細に説明する。図３８Ａは、第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図であり、図３８Ｂは、第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。

本実施形態に係る情報処理装置３３００では、図３８Ａおよび図３８Ｂに示したような、第１のパラメータＲと、第２のパラメータＲｓおよび第３のパラメータＲｐとの関係を表したデータベースと、図３４Ａに示したような、第１のパラメータＲと第４のパラメータＲｔとの関係を表したデータベースとが、例えば記憶部３３０９に記録されており、パラメータ調節部３３０１は、かかるデータベースを参照しながら、第１のパラメータＲに応じて、第２のパラメータＲｓ、第３のパラメータＲｐおよび第４のパラメータＲｔを決定する。

ここで、パラメータ調節部３３０１は、記憶部３３０９に記録されている図３８Ａおよび図３８Ｂに示したようなデータベースを参照しながら、以下に示す４つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間３８０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間３８０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間３８０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４：第１のパラメータＲ×第４のパラメータＲｔ＝第２のパラメータＲｓ×サンプル数の増加率Ｒｄ

ここで、図３８Ａの区間３８０９において、第２のパラメータＲｓが減少しているのは、上述の特徴Ｂの影響を受けているためである。なお、図３８Ａおよび図３８Ｂから明らかなように、第４のパラメータＲｔによる影響は、第２のパラメータＲｓには及ぶものの、第３のパラメータＲｐには影響しない。換言すれば、信号処理部３３０７に伝送されるオーディオ信号のデータ量が減少する場合には、データ量の減少は、話速変換の度合いには影響するものの、音の高さの調整には影響しない。

また、区間３８０１と区間３８０３は、第１のパラメータＲの第１の範囲に対応し、区間３８０２と区間３８０９と区間３８０４は、第１のパラメータＲの第２の範囲に対応する。また、区間３８０１と区間３８０２は、第１のパラメータＲの第３の範囲に対応し、区間３８０９は、第１のパラメータＲの第４の範囲に対応する。

図３８Ａおよび図３８Ｂに示した例では、第１のパラメータＲが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない、第１のパラメータＲが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

更に、第１のパラメータＲが１〜２０のとき、つまり、１〜２０倍速再生のときは、連続的な信号の読み出しを行ない、第１のパラメータＲが２０以上のとき、つまり、２０倍速以上の再生のときは、断続的な信号の読み出しを行なっている。このような処理を行なうことによって、連続的な信号の読み出しを行なう場合の上限再生速度と考えられる２０倍速を超える再生速度が実現できる。

なお、図３８Ａにおいて、区間３８０２と区間３８０９を破線で示しているのは、音の高さを変化させる方法に依存するためである。音の高さを変化させる方法として、図１２〜図１４に示したような方法を利用する場合は、音の高さが高くなるに従ってサンプル数が減少するため、区間３８０２と区間３８０９の破線のようになる。しかしながら、音の高さを変化させる方法として、サンプル数が減少しない方法、もしくは、減少してもその減少量が少ない方法では、区間３８０２と区間３８０９は、図３８Ａに示した破線とは異なる設定となる。

また、音の高さを変化させる方法におけるサンプル数の増加率をＲｄとすると、パラメータ調節部３３０１には、上記の条件４に示したような特徴がある。ただし、サンプル数の増加率とは、例えば、サンプル数が２倍になる場合は増加率を２とし、サンプル数が半分になる場合は増加率を１／２とするものである。

（本実施形態に係る再生倍率制御方法について）
図３９は、本実施形態に係る情報処理装置３３００における処理の流れを説明するためのフローチャートである。まず、情報処理装置３３００では、入力オーディオ信号があるか否かを判定し（ステップＳ３９０１）、入力オーディオ信号がない場合は処理を終了する。また、入力オーディオ信号が存在する場合には、情報処理装置３３００のパラメータ調節部３３０１は、入力された第１のパラメータＲに応じて、第２のパラメータＲｓ、第３のパラメータＲｐおよび第４のパラメータＲｔを調節する（ステップＳ３９０２）。この調節は、上述の条件１〜４ならびに上述の条件Ａおよび条件Ｂを満たすように行われる。続いて、情報処理装置３３００の信号処理部３３０７は、調節された第２のパラメータＲｓと第３のパラメータＲｐに従って、コンテンツ管理部３３０３から伝送されたオーディオ信号の話速と音の高さを調節する（ステップＳ３９０３）。続いて、情報処理装置３３００は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ３９０４）、ステップＳ３９０１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本実施形態に係る情報処理装置３３００は、オーディオ信号の再生倍率制御を実行することが可能となる。

図３３〜図３９にて説明したように、本実施形態に係る再生倍率制御方法によれば、第１のパラメータの第１の範囲では話速の調節のみを行ない、第１のパラメータの第２の範囲では話速の調節と同時に音の高さの調節も行なうことができる。これにより、第１のパラメータの第１の範囲では、第１の問題が解決され、かつ、第１のパラメータの第２の範囲では、第２の問題が解決される。更に、第１のパラメータの第３の範囲では連続的な信号の読み出しを行ない、第１のパラメータの第４の範囲では断続的な信号の読み出しを行なうことができる。これにより、第４の範囲において第３の問題が改善され、第４の範囲を拡大させることができ、再生速度の上限を上げることが可能となる。

（信号処理部３３０７について）
続いて、図４０を参照しながら、本実施形態に係る信号処理部３３０７の一例について、詳細に説明する。図４０は、本実施形態に係る信号処理部３３０７の機能を説明するためのブロック図である。

本実施形態に係る信号処理部３３０７は、図４０に示したように、例えば、擬音切替判定部４００１と、話速変換部４００３と、ピッチ調整部４００５と、オーディオ信号出力制御部４００７と、を主に備える。

本実施形態に係る擬音切替判定部４００１、話速変換部４００３、ピッチ調整部４００５、および、オーディオ信号出力制御部４００７は、それぞれ本発明の第１の実施形態に係る擬音切替判定部２１０１、話速変換部２１０３、ピッチ調整部２１０５、および、オーディオ信号出力制御部２１０７とほぼ同一の構成を有し、同様の効果を奏するため、詳細な説明は省略する。

図４１Ａおよび図４１Ｂは、図４０に示した信号処理部３３０７を有する情報処理装置３３００のパラメータ調節部３３０１において行なわれるパラメータの調節方法の一例を示した説明図である。

パラメータ調節部３３０１は、上述の特徴Ａおよび特徴Ｂも兼ね備えている。図４１Ａは、第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図であり、図４１Ｂは、第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。

図４１Ａに示したように、第１のパラメータＲの変化を横軸に、第２のパラメータＲｓの変化を縦軸にとったグラフ図は、第２のパラメータＲｓの上昇率（換言すれば、グラフ図の傾き）が異なる３以上の領域から構成されている。同様に、図４１Ｂに示したように、第１のパラメータＲの変化を横軸に、第３のパラメータＲｐの変化を縦軸にとったグラフ図は、第３のパラメータＲｐの上昇率が異なる２以上の領域から構成されている。

信号処理部３３０７のピッチ調節部４００５が、図１２〜図１４に示した方法でピッチの調整を行う場合には、パラメータ調節部３３０１は、記憶部３３０９に記録されている図４１Ａおよび図４１Ｂに示したようなデータベースを参照しながら、以下に示す４つの条件に即して、入力された第１のパラメータＲに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを決定する。

条件１：入力された第１のパラメータＲが区間４１０１に該当する場合は、第２のパラメータＲｓが第１のパラメータＲに比例するように（換言すれば、第２のパラメータＲｓが第１のパラメータＲと等しくなるように）第２のパラメータＲｓを決定する。
条件２：入力された第１のパラメータＲが区間４１０３に該当する場合は、第３のパラメータＲｐは常に１に設定する。
条件３：入力された第１のパラメータＲが区間４１０４に該当する場合は、第１のパラメータＲの増加に従って、第３のパラメータＲｐが増加する。
条件４’：第１の範囲と第２の範囲（第３の範囲と第４の範囲）において、第１のパラメータＲ×第４のパラメータＲｔ＝第２のパラメータＲｓ×第３のパラメータＲｐが成立する。

ここで、区間４１０９において、第２のパラメータＲｓが減少しているのは、上述の特徴Ｂの影響を受けているためである。なお、図４１Ａおよび図４１Ｂから明らかなように、第４のパラメータＲｔによる影響は、第２のパラメータＲｓには及ぶものの、第３のパラメータＲｐには影響しない。換言すれば、信号処理部３３０７に伝送されるオーディオ信号のデータ量が減少する場合には、データ量の減少は、話速変換の度合いには影響するものの、音の高さの調整には影響しない。

また、区間４１０１と区間４１０３は、第１のパラメータＲの第１の範囲に対応し、区間４１０２と区間４１０９と区間４１０４は、第１のパラメータＲの第２の範囲に対応する。また、区間４１０１と区間４１０２は、第１のパラメータＲの第３の範囲に対応し、区間４１０９は、第１のパラメータＲの第４の範囲に対応する。

図４１Ａおよび図４１Ｂに示した例では、第１のパラメータＲが１〜４のとき、つまり、１〜４倍速再生のときは、話速変換のみを行ない、第１のパラメータＲが４以上のとき、つまり、４倍速以上の再生のときは、話速変換と同時に音の高さを上げる処理を行なう。このような処理を行なうことによって、１〜４倍速の再生時には、再生速度に合せて話者の発話が徐々に早口になり、４倍速以上の再生時には、話者の発話が早口になると同時に徐々に音の高さが高くなる。

更に、第１のパラメータＲが１〜２０のとき、つまり、１〜２０倍速再生のときは、連続的に信号の読み出しを行ない、第１のパラメータＲが２０以上のとき、つまり、２０倍速以上の再生のときは、断続的な信号の読み出しを行なっている。このような処理を行なうことによって、間引き再生を行なわない場合の上限再生速度である２０倍速を超える再生速度が実現できる。

以上、本実施形態に係る情報処理装置３３００の機能の一例を示した。上記の各構成要素は、汎用的な部材や回路を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。また、各構成要素の機能を、ＣＰＵ等が全て行ってもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用する構成を変更することが可能である。

＜本実施形態に係る信号処理方法について＞
続いて、図４２を参照しながら、本実施形態に係る信号処理方法について、詳細に説明する。図４２は、本実施形態に係る信号処理方法を説明するためのフローチャートである。

まず、情報処理装置３３００の信号処理部３３０７は、コンテンツ管理部３３０３から伝送されたオーディオ信号があるか否かを判定し（ステップＳ４２０１）、コンテンツ管理部３３０３から伝送されたオーディオ信号がない場合は処理を終了する。また、コンテンツ管理部３３０３から伝送されたオーディオ信号が存在する場合には、信号処理部３３０７の擬音切替判定部４００１は、入力された第１のパラメータＲが所定の閾値以上か否かを判定する（ステップＳ４２０２）。第１のパラメータＲが所定の閾値未満である場合には、パラメータ調節部３３０１は、入力された第１のパラメータＲに応じて、第２のパラメータＲｓ、第３のパラメータＲｐおよび第４のパラメータＲｔを調節し（ステップＳ４２０３）、信号処理部３３０７へと伝送する。信号処理部３３０７の話速変換部４００３は、伝送された第２のパラメータＲｓに基づいて入力オーディオ信号の話速を調節し（ステップＳ４２０４）、話速の調節されたオーディオ信号を、ピッチ調節部４００５へと出力する。ピッチ調節部４００５は、伝送された第３のパラメータＲｐに基づいて、話速変換部４００３から伝送されたオーディオ信号の音の高さ（ピッチ）を調節する（ステップＳ４２０５）。話速と音の高さが調節されたオーディオ信号は、オーディオ信号出力制御部４００７に伝送され、オーディオ信号出力制御部４００７は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ４２０６）、ステップＳ４２０１に戻って、処理を繰り返す。

他方、擬音切替判定部４００１において、第１のパラメータＲが所定の閾値以上であると判定された場合には、オーディオ信号出力制御部４００７は、記憶部３３０９等に記録されている所定の擬音を、オーディオ信号として出力し（ステップＳ４２０７）、ステップＳ４２０１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本実施形態に係る情報処理装置３３００は、変換後の再生速度を聴覚的に認識することが可能なように、オーディオ信号の再生倍率制御を実行することが可能となる。

［第２の実施形態の第１変形例］
続いて、図４３を参照しながら、本発明の第２の実施形態の第１変形例に係る情報処理装置４３００の構成について、詳細に説明する。図４３は、本変形例に係る情報処理装置４３００の機能を説明するためのブロック図である。

図４３に示した変形例は、コンテンツ管理部４３０３が第４のパラメータＲｔを設定する例である。例えば、本変形例に係る情報処理装置４３００を録画再生装置として利用する際には、あるコンテンツを再生している最中に他の番組の録画も同時に行なっている場合がある。このような場合、記録再生装置は、再生と録画の両方を同時に行なわなければならず、再生のみを行なっている場合よりも、再生処理に対して費やすことができる処理量が減ってしまう。このように、状況に応じて、再生処理に費やすことができる処理量は変わる可能性があるため、再生処理に費やすことができる処理量に応じて、間引き率を決める必要がある。本変形例に係る情報処理装置４３００は、以下に説明するようなコンテンツ管理部４３０３を備えることで、かかる処理を可能とする。

図４３に示したように、本変形例に係る情報処理装置４３００は、例えば、パラメータ調節部４３０１と、コンテンツ管理部４３０３と、コンテンツ記憶部４３０５と、信号処理部４３０７と、記憶部４３０９と、を主に備える。

ここで、コンテンツ記憶部４３０５、信号処理部４３０７および記憶部４３０９については、それぞれ本発明の第２の実施形態に係る情報処理装置３３００におけるコンテンツ記憶部３３０５、信号処理部３３０７および記憶部３３０９とほぼ同一の構成を有し、同様の効果を奏するため、詳細な説明は省略する。

パラメータ調節部４３０１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等より構成され、外部より入力された第１のパラメータＲと、後述するコンテンツ管理部４３０３から伝送される第４のパラメータＲｔとに応じて、第２のパラメータＲｓと、第３のパラメータＲｐとを調節する。第２のパラメータＲｓおよび第３のパラメータＲｐの設定は、本発明の第２の実施形態において説明したように、記憶部４３０９に格納されている、第１のパラメータＲと、第２のパラメータＲｓおよび第３のパラメータＲｐとの関係を表したデータベースを参照しながら、第２の実施形態において説明したような条件を満たすように決定される。パラメータ調節部４３０１は、決定した第２のパラメータＲｓおよび第３のパラメータＲｐを、信号処理部４３０７へと伝送する。

コンテンツ管理部４３０３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等より構成され、本実施形態に係る情報処理装置４３００で再生されうるオーディオ信号を含むコンテンツを管理する。コンテンツ管理部４３０３は、オーディオ信号を含むコンテンツを、例えば、コンテンツのタイトルや当該コンテンツの識別ＩＤや属性情報等と関連づけて、コンテンツ記憶部４３０５に記録する。コンテンツ管理部４３０３は、情報処理装置４３００の外部から入力されるコンテンツの再生指示に応じて、コンテンツ記憶部４３０５からコンテンツを取得し、信号処理部４３０７に出力する。信号処理部４３０７へのコンテンツの出力に際しては、コンテンツ管理部４３０３は、コンテンツの出力に利用可能なリソース量に応じて、データの間引き率に相当する第４のパラメータＲｔを決定し、決定した第４のパラメータに応じて伝送するデータ量を決定する。また、コンテンツ管理部４３０３は、決定した第４のパラメータＲｔを、パラメータ調節部４３０１へと伝送する。なお、コンテンツ記憶部４３０５から読み出したコンテンツデータがエンコードされたデータである場合には、コンテンツ管理部４３０３は、未図示のデコーダでデコード処理を行なってから、信号処理部４３０７にデータを出力する。

また、コンテンツ管理部４３０３は、再生すべきオーディオ信号を含むコンテンツを、インターネットやホームネットワーク等の通信網１７０２を介して取得することも可能である。コンテンツ管理部４３０３は、通信網１７０２を介して取得したコンテンツを、コンテンツ記憶部４３０５に記録してもよい。

以上、本変形例に係る情報処理装置４３００の機能の一例を示した。上記の各構成要素は、汎用的な部材や回路を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。また、各構成要素の機能を、ＣＰＵ等が全て行ってもよい。従って、本変形例を実施する時々の技術レベルに応じて、適宜、利用する構成を変更することが可能である。

＜本変形例に係る信号処理方法について＞
続いて、図４４を参照しながら、本変形例に係る信号処理方法について、詳細に説明する。図４４は、本変形例に係る信号処理方法を説明するためのフローチャートである。

まず、情報処理装置４３００の信号処理部４３０７は、コンテンツ管理部４３０３から伝送されたオーディオ信号があるか否かを判定し（ステップＳ４４０１）、コンテンツ管理部４３０３から伝送されたオーディオ信号がない場合は処理を終了する。また、コンテンツ管理部４３０３から伝送されたオーディオ信号が存在する場合には、信号処理部４３０７の擬音切替判定部は、入力された第１のパラメータＲが所定の閾値以上か否かを判定する（ステップＳ４４０２）。第１のパラメータＲが所定の閾値未満である場合には、パラメータ調節部４３０１は、入力された第１のパラメータＲと、コンテンツ管理部４３０３から伝送された第４のパラメータＲｔとに応じて、第２のパラメータＲｓおよび第３のパラメータＲｐを調節し（ステップＳ４４０３）、信号処理部４３０７へと伝送する。信号処理部４３０７は、伝送された第２のパラメータＲｓと第３のパラメータＲｐとに基づいて入力オーディオ信号の話速と音の高さを調節する（ステップＳ４４０４）。話速と音の高さが調節されたオーディオ信号は、オーディオ信号出力制御部に伝送され、オーディオ信号出力制御部は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ４４０５）、ステップＳ４４０１に戻って、処理を繰り返す。

他方、擬音切替判定部において、第１のパラメータＲが所定の閾値以上であると判定された場合には、オーディオ信号出力制御部は、記憶部４３０９等に記録されている所定の擬音を、オーディオ信号として出力し（ステップＳ４４０６）、ステップＳ４４０１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本実施形態に係る情報処理装置４３００は、変換後の再生速度を聴覚的に認識することが可能なように、オーディオ信号の再生倍率制御を実行することが可能となる。

［信号処理部３３０７，４３０７の変形例］
続いて、図４５を参照しながら、本実施形態および本変形例に係る信号処理部３３０７，４３０７の変形例について、説明する。図４５は、信号処理部３３０７，４３０７の変形例を説明するためのブロック図である。

図４５に示したように、本変形例に係る信号処理部は、擬音切替判定部４００１と、ピッチ調節部４５０１と、話速変換部４５０３と、オーディオ信号出力制御部４００７と、を主に備える。

ここで、本変形例に係る擬音切替判定部４００１と、ピッチ調節部４５０１と、話速変換部４５０３と、オーディオ信号出力制御部４００７とは、それぞれ、本発明の第１の実施形態の第１変形例に係る擬音切替判定部２１０１、ピッチ調節部２９０１、話速変換部２９０３およびオーディオ信号出力制御部２１０７とほぼ同一の構成を有し、同様の効果を奏するため、詳細な説明は省略する。

＜本変形例に係る信号処理方法について＞
続いて、図４６を参照しながら、本変形例に係る信号処理方法について、詳細に説明する。図４６は、本変形例に係る信号処理方法を説明するためのフローチャートである。

まず、情報処理装置４３００では、入力オーディオ信号があるか否かを判定し（ステップＳ４６０１）、入力オーディオ信号がない場合は処理を終了する。また、入力オーディオ信号が存在する場合には、信号処理部４３０７の擬音切替判定部４００１は、入力された第１のパラメータＲが所定の閾値以上か否かを判定する（ステップＳ４６０２）。第１のパラメータＲが所定の閾値未満である場合には、パラメータ調節部４３０１は、入力された第１のパラメータＲとコンテンツ管理部４３０３から伝送された第４のパラメータＲｔとに応じて、第２のパラメータＲｓおよび第３のパラメータＲｐを調節し（ステップＳ４６０３）、信号処理部４３０７へと伝送する。信号処理部４３０７のピッチ調節部４５０１は、伝送された第３のパラメータＲｐに基づいて、伝送された入力オーディオ信号の音の高さ（ピッチ）を調節し（ステップＳ４６０４）、音の高さの調節されたオーディオ信号を、話速変換部４５０３へと出力する。話速変換部４５０３は、伝送された第２のパラメータＲｓに基づいて、音の高さの調整されたオーディオ信号の話速を調節する（ステップＳ４６０５）。話速と音の高さが調節されたオーディオ信号は、オーディオ信号出力制御部４００７に伝送され、オーディオ信号出力制御部４００７は、話速と音の高さが調節されたオーディオ信号を出力し（ステップＳ４６０６）、ステップＳ４６０１に戻って、処理を繰り返す。

他方、擬音切替判定部４００１において、第１のパラメータＲが所定の閾値以上であると判定された場合には、オーディオ信号出力制御部４００７は、記憶部３３０９等に記録されている所定の擬音を、オーディオ信号として出力し（ステップＳ４６０７）、ステップＳ４６０１に戻って、処理を繰り返す。

かかる処理を繰り返すことで、本変形例に係る情報処理装置４３００は、変換後の再生速度を聴覚的に認識することが可能なように、オーディオ信号の再生倍率制御を実行することが可能となる。

以上説明したように、本発明の第２の実施形態および各変形例に係る情報処理装置では、オーディオ信号を伝送する際の間引きによってオーディオ信号を構成するサンプル数が減少したことを認識しながら、オーディオ信号の話速変換率や音の高さの変換率を決定することが可能である。かかる装置を用いることにより、等倍速付近での変速再生では音の高さを変えずに再生速度を変えるため、話者の発話内容の理解や話者の特定が容易となるという効果があると同時に、高速再生／低速再生では音の高さも変えて再生速度を変えるため、現在の再生速度を聴覚的に感じることができ、加えて、連続的読み出しや断続的読み出しの調節を行なうことにより、高速再生時の上限再生速度を大幅に拡大できる。これにより、本実施形態に係る情報処理装置は、操作性の向上を図ることが可能である。

＜情報処理装置のハードウェア構成について＞
次に、図４７を参照しながら、本発明の各実施形態に係る情報処理装置のハードウェア構成について、詳細に説明する。図４７は、本発明の各実施形態に係る情報処理装置のハードウェア構成を説明するためのブロック図である。

情報処理装置１８００，３３００，４３００は、主に、ＣＰＵ４７０１と、ＲＯＭ４７０３と、ＲＡＭ４７０５と、ホストバス４７０７と、ブリッジ４７０９と、外部バス４７１１と、インターフェース４７１３と、入力装置４７１５と、出力装置４７１７と、ストレージ装置４７１９と、ドライブ４７２１と、接続ポート４７２３と、通信装置４７２５とを備える。

ＣＰＵ４７０１は、演算処理装置および制御装置として機能し、ＲＯＭ４７０３、ＲＡＭ４７０５、ストレージ装置４７１９、またはリムーバブル記録媒体４７２７に記録された各種プログラムに従って情報処理装置１８００，３３００，４３００内の動作全般またはその一部を制御する。ＲＯＭ４７０３は、ＣＰＵ４７０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ４７０５は、ＣＰＵ４７０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス４７０７により相互に接続されている。

ホストバス４７０７は、ブリッジ４７０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス４７１１に接続されている。

入力装置４７１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなどユーザが操作する操作手段である。また、入力装置４７１５は、例えば、赤外線やその他の電波を利用したリモートコントロール手段（いわゆる、リモコン）であってもよいし、情報処理装置１８００，３３００，４３００の操作に対応した携帯電話やＰＤＡ等の外部接続機器４７２９であってもよい。さらに、入力装置４７１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ４７０１に出力する入力制御回路などから構成されている。情報処理装置１８００，３３００，４３００のユーザは、この入力装置４７１５を操作することにより、情報処理装置１８００，３３００，４３００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置４７１７は、例えば、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置およびランプなどの表示装置や、スピーカおよびヘッドホンなどの音声出力装置や、プリンタ装置、携帯電話、ファクシミリなど、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置４７１７は、例えば、情報処理装置１８００，３３００，４３００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、情報処理装置１８００，３３００，４３００が行った各種処理により得られた結果を、テキストまたはイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。

ストレージ装置４７１９は、情報処理装置１８００，３３００，４３００の記憶部の一例として構成されたデータ格納用の装置であり、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイス等により構成される。このストレージ装置４７１９は、ＣＰＵ４７０１が実行するプログラムや各種データ、および外部から取得した音響信号データや画像信号データなどを格納する。

ドライブ４７２１は、記憶媒体用リーダライタであり、情報処理装置１８００，３３００，４３００に内蔵、あるいは外付けされる。ドライブ４７２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体４７２７に記録されている情報を読み出して、ＲＡＭ４７０５に出力する。また、ドライブ４７２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体４７２７に記録を書き込むことも可能である。リムーバブル記録媒体４７２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、メモリースティック、または、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等である。また、リムーバブル記録媒体４７２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）または電子機器等であってもよい。

接続ポート４７２３は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ｉ．Ｌｉｎｋ等のＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポート、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポート等の、機器を情報処理装置１８００，３３００，４３００に直接接続するためのポートである。この接続ポート４７２３に外部接続機器４７２９を接続することで、情報処理装置１８００，３３００，４３００は、外部接続機器４７２９から直接音響信号データや画像信号データを取得したり、外部接続機器４７２９に音響信号データや画像信号データを提供したりする。

通信装置４７２５は、例えば、通信網１７０２に接続するための通信デバイス等で構成された通信インターフェースである。通信装置４７２５は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデム等である。この通信装置４７２５は、例えば、インターネットや他の通信機器との間で音響信号等を送受信することができる。また、通信装置４７２５に接続される通信網１７０２は、有線または無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信等であってもよい。

以上説明した構成により、情報処理装置１８００，３３００，４３００は、多様な情報源から音響信号等に関する情報を取得し、接続ポート４７２３や通信網１７０２に接続された他の外部接続機器４７２９、コンテンツサーバ１７０３、クライアント機器１７０４に対して音響信号等に関する情報を伝送することが可能になると同時に、外部接続機器４７２９、コンテンツサーバ１７０３、クライアント機器１７０４等から音響信号に関する情報を受信したり、外部接続機器４７２９、コンテンツサーバ１７０３、クライアント機器１７０４等が保持する音響信号に関する情報を取得したりすることができる。さらに、情報処理装置１８００，３３００，４３００は、リムーバブル記録媒体４７２７を用いて音響信号等に関する情報を持ち出すこともできる。

以上、本発明の各実施形態に係る情報処理装置１８００，３３００，４３００の機能を実現可能なハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。

以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

例えば、上述した各実施形態においては、第１の範囲として、第１のパラメータＲが１〜４である場合を説明してきたが、第１の範囲はこれに限るものではなく、他の値としても良い。例えば、ゆっくりした音声や音楽の場合では、第１のパラメータＲの第１の範囲を１〜６程度としても良く、逆に、速い音声や音楽では１〜２程度としても良い。

また、上述した第２の実施形態においては、第３の範囲として、第１のパラメータＲが１〜２０である場合を説明してきたが、第３の範囲はこれに限るものではなく、他の値としても良い。

更に、上述した各実施形態においては、話速変換のアルゴリズムとしてＰＩＣＯＬＡを用いているが、本発明の話速変換のアルゴリズムは、これに限るものではなく、時間軸上、周波数軸上問わず、話速変換が可能なものであれば、任意のアルゴリズムを使用することが可能である。

なお、上述した各実施形態においては、変速再生の例を等倍速以上の場合を用いて説明したが、等倍速以下の場合も同様のことが言える。つまり、例えば、０．５〜１．０倍速が第１の範囲に該当し、０．０〜０．５倍速が第２の範囲に該当する。０．５〜１．０倍速の範囲では、話速変換のみを行ない、０．０〜０．５倍速の範囲では話速変換をすると同時に再生速度が遅くなるに従って音の高さを低くすることが可能である。

ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための説明図である。 類似波形長の探索の一例を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための流れ図である。 ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための流れ図である。 ＰＩＣＯＬＡによる話速変換装置の構成を説明するためのブロック図である。 類似波形長を検出する処理を説明するためのフローチャートである。 類似波形長を検出する処理を説明するためのフローチャートである。 クロスフェード信号の生成処理の一例を説明するためのフローチャートである。 サンプリングレートを下げる方法を説明するための説明図である。 サンプリングレートを上げる方法を説明するための説明図である。 再生速度に比例して音の高さを上げる処理の一例を説明するための説明図である。 第１の従来の再生装置における再生倍率と話速変換率の関係を表すグラフ図である。 第１の従来の再生装置における再生倍率と音の高さの関係を表すグラフ図である。 第２の従来の再生装置における再生倍率と話速変換率の関係を表すグラフ図である。 第２の従来の再生装置における再生倍率と音の高さの関係を表すグラフ図である。 本発明の第１の実施形態に係る情報処理装置を含む再生速度変換システムを説明するための説明図である。 同実施形態に係る情報処理装置の構成を説明するためのブロック図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 同実施形態に係る情報処理装置における処理の流れを説明するためのフローチャートである。 同実施形態に係る信号処理部の機能を説明するためのブロック図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 同実施形態に係る信号処理方法を説明するためのフローチャートである。 同実施形態に係る情報処理装置が行う信号処理の一例をサンプル単位で説明するための説明図である。 同実施形態に係る情報処理装置が行う信号処理の別の例をサンプル単位で説明するための説明図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 同実施形態に係る信号処理部の変形例について説明するためのブロック図である。 同変形例に係る信号処理方法を説明するためのフローチャートである。 サンプリングレートを変換する別の方法を説明するための説明図である。 再生倍率の時間変化を模式的に説明するための説明図である。 本発明の第２の実施形態に係る情報処理装置の機能を説明するためのブロック図である。 第１のパラメータＲと第４のパラメータＲｔとの関係を示したグラフ図である。 第１のパラメータＲと信号処理部に入力されるオーディオ信号のデータ量との関係を示したグラフ図である。 同実施形態に係るデータ読み出し速度の調節方法の一例を説明するための説明図である。 同実施形態に係るデータ読み出し速度の調節方法の一例を説明するための説明図である。 同実施形態に係るデータ読み出し速度の調節方法の一例を説明するための説明図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 同実施形態に係る情報処理装置における処理の流れを説明するためのフローチャートである。 同実施形態に係る信号処理部の機能を説明するためのブロック図である。 第１のパラメータＲと第２のパラメータＲｓとの関係を示したグラフ図である。 第１のパラメータＲと第３のパラメータＲｐとの関係を示したグラフ図である。 同実施形態に係る信号処理方法を説明するためのフローチャートである。 同実施形態に係る情報処理装置の第１変形例の機能を説明するためのブロック図である。 同変形例に係る信号処理方法を説明するためのフローチャートである。 同実施形態および同変形例に係る信号処理部の変形例を説明するためのブロック図である。 同変形例に係る信号処理方法を説明するためのフローチャートである。 本発明の各実施形態に係る情報処理装置のハードウェア構成を説明するためのブロック図である。

符号の説明

１８００，３３００，４３００ 情報処理装置
１８０１，３３０１，４３０１ パラメータ調節部
１８０３，３３０７，４３０７ 信号処理部
１８０５，３３０９，４３０９ 記憶部
２１０１，４００１ 擬音切替判定部
２１０３，２９０３，４００３，４５０３ 話速変換部
２１０５，２９０１，４００５，４５０１ ピッチ調節部
２１０７，４００７ オーディオ信号出力制御部
３３０３，４３０３ コンテンツ管理部
３３０５，４３０５ コンテンツ記憶部

Claims (26)

1. 入力された再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節部と、
   前記第２のパラメータおよび前記第３のパラメータに基づいて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理部と、
   を備え、
   前記信号処理部は、前記入力された再生倍率が所定の閾値未満であった場合には、前記オーディオ信号の話速を調節し、前記入力された再生倍率が所定の閾値以上であった場合には、前記オーディオ信号の話速および音の高さを調節する
   ことを特徴とする、情報処理装置。
2. 前記信号処理部は、
   前記オーディオ信号の再生速度である話速を変換する話速変換部と、
   前記オーディオ信号の音の高さであるピッチを調節するピッチ調節部と、
   を更に備え、
   前記話速変換部は、前記第２のパラメータに基づき前記オーディオ信号の話速を変換し、
   前記ピッチ調節部は、前記第３のパラメータに基づき前記オーディオ信号のピッチを調節する
   ことを特徴とする、請求項１に記載の情報処理装置。
3. 前記第１のパラメータは、前記第２のパラメータと前記第３のパラメータとの積に等しいことを特徴とする、請求項１に記載の情報処理装置。
4. 前記信号処理部は、
   当該信号処理部から出力される所定の信号処理が施されたオーディオ信号の出力制御を行うオーディオ信号出力制御部を更に備え、
   前記オーディオ信号出力制御部は、
   話速および音の高さの双方が調節されたオーディオ信号が前記信号処理部から出力される場合に、前記話速および音の高さの双方が調節されたオーディオ信号の音量を小さくする
   ことを特徴とする、請求項１に記載の情報処理装置。
5. 前記信号処理部は、
   前記第１のパラメータに応じて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する処理を行うか、高速再生していることを表す所定の擬音へと前記オーディオ信号を切り替えるか、を判定する擬音切替判定部を更に備え、
   前記擬音切替判定部は、
   前記第１のパラメータが所定の閾値以上であった場合に、前記オーディオ信号を前記所定の擬音に切り替える旨を判定し、
   前記オーディオ信号出力制御部は、
   前記擬音切替判定部から前記オーディオ信号を前記所定の擬音に切り替える旨の判定結果が伝送された場合に、前記オーディオ信号を前記所定の擬音に切り替えて出力する
   ことを特徴とする、請求項１に記載の情報処理装置。
6. 前記情報処理装置は、
   前記オーディオ信号を含むコンテンツを管理するコンテンツ管理部を更に備え、
   前記パラメータ調節部は、
   入力された前記第１のパラメータに応じて、前記コンテンツ管理部から前記信号処理部へと出力される前記オーディオ信号のデータ量を調節する第４のパラメータを決定する
   ことを特徴とする、請求項１に記載の情報処理装置。
7. 前記パラメータ調節部は、
   前記第１のパラメータが所定の閾値以上であった場合に、前記第４のパラメータを減少させ、前記コンテンツ管理部から前記信号処理部へと出力される前記コンテンツのデータ量を減少させる
   ことを特徴とする、請求項６に記載の情報処理装置。
8. 前記第１のパラメータと前記第４のパラメータとの積は、前記第２のパラメータと前記第３のパラメータとの積に等しいことを特徴とする、請求項６に記載の情報処理装置。
9. 前記情報処理装置は、
   前記オーディオ信号を含むコンテンツを管理するコンテンツ管理部を更に備え、
   前記パラメータ調節部は、
   前記コンテンツ管理部から伝送される、当該コンテンツ管理部から前記信号処理部へと出力される前記オーディオ信号のデータ量を調節する第４のパラメータと、入力される前記第１のパラメータとに基づいて、前記第２のパラメータおよび前記第３のパラメータを決定する
   ことを特徴とする、請求項１に記載の情報処理装置。
10. 前記コンテンツ管理部は、
    前記第１のパラメータが所定の閾値以上であった場合に、前記第４のパラメータを減少させ、前記コンテンツ管理部から前記信号処理部へと出力される前記コンテンツのデータ量を減少させる
    ことを特徴とする、請求項９に記載の情報処理装置。
11. 前記第１のパラメータと前記第４のパラメータとの積は、前記第２のパラメータと前記第３のパラメータとの積に等しいことを特徴とする、請求項９に記載の情報処理装置。
12. 前記情報処理装置は、
    入力される前記第１のパラメータと、前記第２のパラメータおよび前記第３のパラメータとが互いに関連づけられたデータベースが記録された記憶部を更に備え、
    前記パラメータ調節部は、前記記憶部に記録された前記データベースを参照して、前記第２のパラメータおよび前記第３のパラメータを決定する
    ことを特徴とする、請求項１に記載の情報処理装置。
13. 前記第１のパラメータが所定の閾値以上であった場合に、
    前記パラメータ調節部は、前記第１のパラメータと前記所定の閾値との差に応じて、前記第２のパラメータを増加させる
    ことを特徴とする、請求項１２に記載の情報処理装置。
14. 前記データベースは、前記第１のパラメータに応じた前記第２のパラメータおよび前記第３のパラメータの変化量を表す曲線として記録されており、
    前記所定の閾値の前後において、前記第３のパラメータの変化量を表す曲線は、滑らかな形状を有する
    ことを特徴とする、請求項１２に記載の情報処理装置。
15. 前記情報処理装置は、
    入力される前記第１のパラメータと、前記第２のパラメータ、前記第３のパラメータおよび前記第４のパラメータとが互いに関連づけられたデータベースが記録された記憶部を更に備え、
    前記パラメータ調節部は、前記記憶部に記録された前記データベースを参照して、前記第２のパラメータ、前記第３のパラメータおよび前記第４のパラメータを決定する
    ことを特徴とする、請求項６に記載の情報処理装置。
16. 前記第１のパラメータが所定の閾値以上であった場合に、
    前記パラメータ調節部は、前記第１のパラメータと前記所定の閾値との差に応じて、前記第２のパラメータを増加させる
    ことを特徴とする、請求項１に記載の情報処理装置。
17. 入力された再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節ステップと、
    前記第２のパラメータおよび前記第３のパラメータに基づいて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理ステップと、
    を含み、
    前記信号処理ステップでは、前記入力された再生倍率が所定の閾値未満であった場合には、前記第２のパラメータに基づいて前記オーディオ信号の話速を調節し、前記入力された再生倍率が所定の閾値以上であった場合には、前記第２のパラメータおよび前記第３のパラメータに基づいて前記オーディオ信号の話速および音の高さを調節する
    ことを特徴とする、情報処理方法。
18. 前記パラメータ調節ステップでは、
    第１のパラメータが、前記第２のパラメータと前記第３のパラメータとの積に等しくなるように、前記第２のパラメータおよび前記第３のパラメータが決定される
    ことを特徴とする、請求項１７に記載の情報処理方法。
19. 前記信号処理ステップでは、
    前記オーディオ信号の話速および音の高さの双方を調節した場合に、前記オーディオ信号の音量が小さくなるように、前記オーディオ信号の信号波形の振幅を制御する
    ことを特徴とする、請求項１７に記載の情報処理方法。
20. 前記信号処理ステップでは、
    前記第１のパラメータが所定の閾値以上であった場合に、前記オーディオ信号を、高速再生していることを表す所定の擬音へと切り替える
    ことを特徴とする、請求項１７に記載の情報処理方法。
21. 前記パラメータ調節ステップでは、
    前記第１のパラメータに応じて、前記信号処理ステップにて処理される前記オーディオ信号のデータ量を調節する第４のパラメータを更に決定する
    ことを特徴とする、請求項１７に記載の情報処理方法。
22. 前記パラメータ調節ステップでは、
    前記第１のパラメータと前記第４のパラメータとの積が、前記第２のパラメータと前記第３のパラメータとの積に等しくなるように、前記第２のパラメータ、前記第３のパラメータおよび前記第４のパラメータが決定される
    ことを特徴とする、請求項２１に記載の情報処理方法。
23. 前記パラメータ調節ステップでは、
    前記第１のパラメータが所定の閾値以上であった場合に、前記第４のパラメータを減少させ、前記オーディオ信号のデータ量を減少させる
    ことを特徴とする、請求項２１に記載の情報処理方法。
24. 前記パラメータ調節ステップでは、
    前記信号処理ステップにて処理される前記オーディオ信号のデータ量を調節する第４のパラメータと、前記第１のパラメータに応じて、前記第２のパラメータおよび前記第３のパラメータを決定する
    ことを特徴とする、請求項１７に記載の情報処理方法。
25. 前記パラメータ調節ステップでは、
    前記第１のパラメータと前記第４のパラメータとの積が、前記第２のパラメータと前記第３のパラメータとの積に等しくなるように、前記第２のパラメータおよび前記第３のパラメータが決定される
    ことを特徴とする、請求項２４に記載の情報処理方法。
26. 入力された前記再生倍率を表す第１のパラメータに応じて、第２のパラメータおよび第３のパラメータを設定するパラメータ調節機能と、
    前記第２のパラメータおよび前記第３のパラメータに基づいて、前記オーディオ信号の話速および前記オーディオ信号の音の高さの少なくともいずれか一方を調節する信号処理機能と、
    をコンピュータに実現させるためのプログラム。

Images