JP2009146472A - 音声処理装置および音声処理方法 - Google Patents

Abstract

【課題】複数の独立した音声データが記録されている音声ストリームが再生装置から出力される場合において、それぞれの音声データを処理できるようにした音声処理装置および音声処理方法を提供する。
【解決手段】ＡＶアンプ３は、再生装置から出力される音声ストリームを入力する音声入力手段と、その音声入力手段が入力する音声ストリームを復号する音声復号手段と、音声復号手段により復号された音声ストリームに複数種類の音声データが含まれているときに複数種類の音声データすべてを検出する音声データ検出手段と、音声データ検出手段が検出した複数種類の音声データのうちのいずれかを選択させる選択制御手段と、複数種類の音声データのうちの選択制御手段の制御にしたがい選択された選択音声データを用いて音声が再生されるように制御する再生制御手段とを有している。
【選択図】図３

Description

本発明は、再生装置から出力される音声ストリームを処理する音声処理装置および音声処理方法に関する。

近年、ＤＶＤ（Digital Versatile Disk）による記録媒体、例えばＤＶＤ−ＲＡＭ、ＤＶＤ−Ｒといった記録媒体からデータを読み取って映像データや音声データを再生する再生装置や、再生に必要なデータを記録媒体に記録する記録再生装置が普及している。この種の再生装置や記録再生装置として様々なタイプが普及している。例えば、特許文献１には、再生中の映像を見ながら再生中の音声の切替えやチャプタの選択を行えるディスク再生装置が開示されている。
特開２００５−１４９５５８号公報

従来の再生装置において、ＤＶＤでは、複数種類の音声ストリームを記録媒体に記録することができるが、再生される音声の音質向上のため音声データを高ビットレートで出力するとき、詳しくは、ＨＤＭＩ規格のVer1.3で所謂High Bitrate Audioと呼ばれる音声を出力するときは、主音声の音声データしか出力できないようになっている。

そのため、コンテンツプロバイダが音声コンテンツを記録媒体に収録する際、１つの音声ストリーム内に、例えば主音声に加えて副音声の音声データを記録するなど、独立した音声を再生可能な複数の音声データを記録することが予想される。例えば、Dolby（登録商標）や、DTS規格(DTS（Digital Theater Systems)社が開発した5.1チャンネルサラウンド方式)では、そのような音声ストリームを作成可能である。

しかしながら、音声ストリームが入力されるＡＶアンプ等の従来の音声処理装置は、再生装置からそのような音声ストリームが出力されても、先に記録されている音声データしか処理することができなかった。そのため、従来技術では、複数の独立した音声データが収録されていても、一部の音声データを処理できないため、コンテンツプロバイダの意図した音声を再生できないことがあった。

そこで、本発明は上記課題を解決するためになされたもので、複数の独立した音声データが記録されている音声ストリームが再生装置から出力される場合において、それぞれの音声データを処理できるようにした音声処理装置および音声処理方法を提供することを目的とする。

上記課題を解決するため、本発明は、再生装置から出力される音声ストリームを入力する音声入力手段と、その音声入力手段が入力する音声ストリームを復号する音声復号手段と、その音声復号手段により復号される音声ストリームに複数種類の音声データが含まれているときにその複数種類の音声データすべてを検出する音声データ検出手段と、その音声データ検出手段が検出した複数種類の音声データのうちのいずれかを選択させる選択制御手段と、複数種類の音声データのうちの選択制御手段の制御にしたがい選択された選択音声データを用いて音声が再生されるように制御する再生制御手段とを有する音声処理装置を特徴とする。

また、本発明は、再生装置から出力される音声ストリームを入力する音声入力手段と、該音声入力手段が入力する前記音声ストリームを復号する音声復号手段とを備えた音声処理装置における音声処理方法であって、音声復号手段により復号される音声ストリームに複数種類の音声データが含まれているときにその複数種類の音声データすべてを検出し、その検出された複数種類の音声データのうちのいずれかを選択させ、検出された複数種類の音声データのうちの選択された選択音声データを用いて音声が再生されるように制御する音声処理方法を特徴とする。

以上詳述したように、本発明によれば、複数の独立した音声データが記録されている音声ストリームが再生装置から出力される場合において、それぞれの音声データを処理できるようにした音声処理装置および音声処理方法が得られる。

以下、本発明の実施の形態について説明する。なお、同一要素には同一符号を用い、重複する説明は省略する。

図１は本発明の実施の形態に係る音声処理装置としてのＡＶアンプ３を備えた音声再生システム１の構成を示すブロック図である。音声再生システム１はＡＶアンプ３のほか、光ディスク再生装置２と、ＴＶ装置４を有している。音声再生システム１では、光ディスク再生装置２で再生される音声ストリーム（後述する主音声ストリームＭＳＳ）をＡＶアンプ３に入力して、ＡＶアンプ３がその音声ストリームに複数の音声データが含まれていることを検出したときにそのいずれかをユーザに選択させ、ユーザにより選択された音声データを用いてＴＶ装置４が音声を再生するようになっている。

光ディスク再生装置２は、図２に示すように、ディスクドライブ部１１と、分離部１２と、映像デコーダ１３、音声デコーダ１４，１５と、ＨＤＭＩ（High-Definition Multimedia Interface）送信部１６と、ミキシング部１７と、音声出力部１８と、ＨＤＭＩ Ｉ／Ｆ１９およびコントローラ２０を有している。

光ディスク再生装置２では、ディスクドライブ部１１により、光ディスクＤに記録されているデジタルデータの読み取りおよびデジタル再生信号の出力が行われる。デジタル再生信号は分離部１２に入力され、ビデオストリーム（映像ストリーム）ＶＳ、主音声ストリーム（メインオーディオストリーム）ＭＳＳ、副音声ストリーム（サブオーディオストリーム）ＳＳＳ、効果音ストリームＥＳＳに分離される。

そして、ビデオストリームＶＳは映像デコーダ１３によりデコードされて映像データＶＳＤが生成される。また、映像デコーダ１３から出力される映像データＶＳＤと、主音声ストリームＭＳＳはＨＤＭＩ送信部１６により多重化された１つのストリームとされ、さらにＨＤＭＩ規格に準拠したデータストリームに変換されてＡＶアンプ３に送信される。

また、主音声ストリームＭＳＳと、副音声ストリームＳＳＳはそれぞれ音声デコーダ１４、１５に入力されてデコードされ、効果音ストリームＥＳＳとともにミキシング部１７に入力される。これらはミキシング部１７により合成された後、音声出力部１８から音声再生用の音声信号として出力される。また、ＨＤＭＩ Ｉ／Ｆ１９はＡＶアンプ３との間でＣＥＣ（CONSUMER ELECTRONICS CONTROL）機能を用いて制御信号や操作情報の送受信を行う。コントローラ２０は光ディスク再生装置２全体の動作を制御している。

次に、ＡＶアンプ３は本発明の実施の形態に係る音声処理装置であって、図３に示すように、ＨＤＭＩ受信部３１と、音声処理部３２と、映像処理部３３と、ＨＤＭＩ送信部３４と、コントローラ３５と、ＨＤＭＩ Ｉ／Ｆ３６および音声出力部３７を有している。

ＨＤＭＩ受信部３１は、光ディスク再生装置２のＨＤＭＩ送信部１６から送信されるデータストリームを主音声ストリームＭＳＳと映像データＶＳＤとに分離し、前者を音声処理部３２、後者を映像処理部３３にそれぞれ出力する。

音声処理部３２は、音声デコーダ４１と、ストリーム判定部４２と、メニュー作成部４３を有している。音声デコーダ４１は主音声ストリームＭＳＳを入力し、主音声ストリームＭＳＳに含まれている音声データ（音声データが複数種類含まれているときは、そのうちのいずれか）をデコードして音声データＳＤをＨＤＭＩ送信部３４に出力する。また、音声デコーダ４１は主音声ストリームＭＳＳをデコードする際、各フレームのヘッダに記録されているデータ（後述するヘッダデータＨＤ）をストリーム判定部４２に出力する。

ストリーム判定部４２は音声デコーダ４１から入力されるヘッダデータＨＤに基づいて、デコードされる主音声ストリームＭＳＳについて後述するストリーム判定を行う。メニュー作成部４３はストリーム判定の結果に応じて後述するメニュー作成を行い、メニューデータＭＤを映像処理部３３に出力する。

映像処理部３３は映像ブレンド部４５を有している。映像ブレンド部４５は映像データＶＳＤにメニューデータＭＤを合成してＨＤＭＩ送信部３４に出力する。ＨＤＭＩ送信部３４はメニューデータＭＤが合成された映像データＶＳＤと、音声データＳＤとを多重化して出力データＶＳＧをＴＶ装置４に送信する。コントローラ３５はＣＰＵ４６，ＲＯＭ４７，ＲＡＭ４８を有し、ＣＰＵ４６がＲＯＭ４７に記憶されている制御プログラムにしたがいＲＡＭ４８に対してデータの読み書きを行いながら作動してＡＶアンプ３の動作を制御する。コントローラ３５は選択制御手段、検出制御手段としての動作を行う。

ＨＤＭＩ Ｉ／Ｆ３６は光ディスク再生装置２との間でＣＥＣ（CONSUMER ELECTRONICS CONTROL）機能を用いて制御信号や操作情報の送受信を行い、音声出力部３７は音声処理部で処理された音声信号を外部スピーカ４９に出力する。

ＴＶ装置４は図４に示すように、ＨＤＭＩ受信部５１と、再生部５２と、制御部５３とを有している。そして、ＴＶ装置４はＨＤＭＩ受信部５１により、ＡＶアンプ３から出力データＶＳＧを受信し、映像データＶＳＤと音声データＳＤとに分離して出力する。そして、映像データＶＳＤは映像処理部５５により、液晶表示パネル５６での表示に適合したアナログの映像信号に変換され、その映像信号を用いて液晶表示パネル５６が映像表示を行い、映像が再生される。

また、音声データＳＤは音声処理部５７により、スピーカ５８での音声出力に適合したアナログの音声信号に変換され、スピーカ５８がその音声信号を用いた音声出力を行い、音声が再生される。制御部５３は、ＣＰＵ５９、操作部６０およびメモリ部６１を有し、ＣＰＵ５９が操作部６０からの操作情報を受けてその内容が反映されるように各構成要素を制御している。メモリ部６１はＣＰＵ５９が実行する制御プログラムを記憶したＲＯＭと、ＣＰＵ５９に作業エリアを提供するＲＡＭとを有している。

次に、ＡＶアンプ３における音声データ検出選択処理について説明する。音声データ検出選択処理とは、主音声ストリームＭＳＳに複数種類の音声データが含まれていたときに、そのそれぞれを検出するとともに、そのうちのいずれかをユーザに選択させ、選択された音声データ（選択音声データ）を用いて音声を再生させる処理を意味している。これは、図５に示すフローチャートにしたがいコントローラ３５が作動することによって実行される。

そして、ＡＶアンプ３では、コントローラ３５が音声データ検出選択処理を開始すると、まず、音声ストリーム入力およびデコード処理が行われる（Ｓ１）。この場合、ＨＤＭＩ受信部３１がＨＤＭＩ送信部１６から送信されるデータストリームを受信して主音声ストリームＭＳＳと映像データＶＳＤとに分離し、音声処理部３２のデコーダ４１が主音声ストリームＭＳＳについてのデコード処理を行う。

次に、コントローラ３５はＳ２に動作を進めて判定手段としての動作を行い、主音声ストリームＭＳＳについて、音声が再生されていない新規ストリームか否かを判定する。ここで、コントローラ３５は主音声ストリームＭＳＳが新規ストリームであると判定したときはＳ３に動作を進め、そうでなければＳ８に動作を進める。こうすることにより、コントローラ３５は検出制御手段としての動作を行っている。

次に、コントローラ３５がＳ３に動作を進めると、ストリーム判定が行われる。このストリーム判定とは、主音声ストリームＭＳＳのヘッダデータＨＤに基づき、デコードされる主音声ストリームＭＳＳに複数の音声データが記録されているか否かをストリーム判定部４２が判定することを意味している。ここで、コントローラ３５はストリーム判定の結果、複数の音声データが記録されているときはＳ４、そうでなければＳ７にそれぞれ動作を進める。

コントローラ３５がＳ４に動作を進めると、メニュー作成部４３により、メニュー作成が行われる。このメニュー作成とは、主音声ストリームＭＳＳに複数種類の音声データが含まれているときに、メニュー作成部４３がメニュー画像を作成することを意味している。また、メニュー画像は、主音声ストリームＭＳＳに含まれている複数種類の音声データのいずれかをユーザに選択させるための画像である。

コントローラ３５はＳ４に続いてＳ５を実行する。Ｓ５では、Ｓ４で作成されたメニュー画像をＴＶ装置４に表示させる処理が行われる。この場合、メニュー作成部４３が作成したメニューデータＭＤを映像ブレンド部４５が映像データＶＳＤに合成して映像データＶＳＤを出力し、その映像データＶＳＤがＴＶ装置４に送信される。これにより、ＴＶ装置４の液晶表示パネル５６にメニュー画像が表示される。

そして、ユーザがメニュー画像に応じた操作（例えば、リモートコントローラを用いた操作で、リモコン操作ともいう）をするためのボタン情報（例えば、ボタンを識別するためのＩＤなど）は、ＨＤＭＩ Ｉ／Ｆ３６、１９を介してＡＶアンプ３から光ディスク再生装置２に送信される。そのため、ユーザはメニュー画像を参照しながら光ディスク再生装置２に対するリモコン操作で音声データを選択することができる。

ユーザがリモコン操作を行うと、そのリモコン操作に応じ、音声データのいずれを選択したのかを示す選択情報がＨＤＭＩ Ｉ／Ｆ１９およびＨＤＭＩ Ｉ／Ｆ３６を介して光ディスク再生装置２からＡＶアンプ３に送信される。

次に、コントローラ３５はＳ５に続いてＳ６を実行する。この場合、コントローラ３５は再生制御手段としての動作を行い、Ｓ３で検出された複数種類の音声データのうち、再生対象となる音声データ、すなわち、光ディスク再生装置２から受信した選択情報に対応する音声データ（選択音声データ）を用いて音声が再生されるようにする制御（選択音声の再生制御）を行い、その後、音声データ検出選択処理が終了する。

選択音声の再生制御が行われると、ストリーム判定部４２から選択音声データを指定するための指定データが音声デコーダ４１に出力されるので、音声デコーダ４１はその指定データに応じた音声データ、すなわち、選択音声データについてのデコード処理を行い、音声データＳＤを出力する。

一方、Ｓ３からＳ７に動作が進むときは、主音声ストリームＭＳＳに複数種類の音声データが記録されていない場合であり、この場合は、音声デコーダ４１が主音声ストリームＭＳＳについてデコード処理を行って音声データＳＤを出力する。また、Ｓ２からＳ８に動作が進むときは、すでに再生中の主音声ストリームＭＳＳをＡＶアンプ３が受信している場合であり、この場合は、主音声ストリームＭＳＳについて、音声デコーダ４１が選択されまたは再生中の音声データのデコード処理を行って音声データＳＤを出力する。

Ｓ６，７，８が実行されると、ＡＶアンプ３から音声データＳＤを含む出力データＶＳＧがＴＶ装置４に送信される。こうして、ユーザにより選択された音声データを用いて音声が再生されることとなる。なお、コントローラ３５はＳ６，７，８のいずれかを実行すると、音声データ検出選択処理を終了する。

ここで、主音声ストリームＭＳＳは、図６に示すように、少なくとも２つのフレームＦｒａｍｅを有し、各フレームＦｒａｍｅがＰＴＳ（Presentation Time Stamp)と、ヘッダデータＨＤと、メインオーディオデータＭａとともに、ミキシングオーディオデータＭｉを有している。ミキシングオーディオデータＭｉはメインオーディオデータＭａとサブオーディオデータＳｂとを混合したものである。

主音声ストリームＭＳＳがこのような構成を有する場合、メニュー画像はメインオーディオデータＭａと、ミキシングオーディオデータＭｉのいずれかを選択するための画像となる。

従来、主音声の音声データと、副音声の音声データを再生する再生装置があっても、その再生装置からの高ビットレート出力では、主音声の音声データしか出力することができなかった。そのため、コンテンツプロバイダが音声コンテンツを製作するときに、主音声ストリームＭＳＳのようにして、メインオーディオの音声データとともに、メインオーディオとサブオーディオとをあらかじめミキシングした音声データを収録していたとしても、従来の音声処理装置では、最初に記録されている音声データしか再生できなかった。すなわち、主音声ストリームＭＳＳが再生装置から出力されても、メインオーディオデータＭａを用いた音声しか再生することができなかった。

しかしながら、本実施の形態に係るＡＶアンプ３では、前述のとおり、主音声ストリームＭＳＳが入力されたときには、そこに含まれているすべての音声データ（すなわち、メインオーディオデータＭａとミキシングオーディオデータＭｉ）を検出し、その検出した音声データのいずれかをユーザに選択させ、その選択された音声データを用いて音声が再生されるようにしている。

そのため、いずれの音声データについてもＴＶ装置４で音声を再生でき、メインオーディオデータＭａを用いた音声とともに、ミキシングオーディオデータＭｉを用いた音声も再生できるようになっている。また、ユーザの選択した音声データについて音声が再生されるので、ユーザの要望に沿った再生を行える。

したがって、ＡＶアンプ３を用いることにより、光ディスク再生装置２からサブオーディオを含んだ音声ストリームが出力されているのに、サブオーディオを再生できないといったユーザのいだく不満を解消することができる。また、音声の再生に関してコンテンツプロバイダの意図した振る舞いをさせることも可能となる。

そして、ＡＶアンプ３は主音声ストリームＭＳＳのように１つの音声ストリームに複数の音声データが含まれているときは、それらをすべて検出して、そのいずれかを選択させるためのメニュー画像を表示させている。メニュー画像は１つの音声ストリームに複数の音声データが含まれていることをユーザに通知するものであるから、メニュー画像によってユーザは１つの音声ストリームに複数の音声データが含まれていることを認識できる。メニュー画像は映像データに合成された上で出力されるので、ユーザはＴＶ装置４に表示される画像を参照することで、複数の音声データが含まれていることを認識できる。

しかも、音声データを選択するリモコン操作を行うためのボタン情報がＡＶアンプ３から光ディスク再生装置２に送信されているので、ユーザは光ディスク再生装置２のリモコン操作で音声データを選択することができる。音声再生システム１では、このような操作を可能にするＧＵＩ（Graphical User Interface）を提供できるようになっている。

以上の説明は、本発明の実施の形態についての説明であって、この発明の装置及び方法を限定するものではなく、様々な変形例を容易に実施することができる。又、各実施形態における構成要素、機能、特徴あるいは方法ステップを適宜組み合わせて構成される装置又は方法も本発明に含まれるものである。

本発明の実施の形態に係る音声処理装置としてのＡＶアンプを備えた音声再生システムの構成を示すブロック図である。 光ディスク再生装置の構成を示すブロック図である。 ＡＶアンプの構成を示すブロック図である。 ＴＶ装置の構成を示すブロック図である。 ＡＶアンプによる音声データ検出選択処理の動作手順を示すフローチャートである。 主音声ストリームの構成を示すブロック図である。

符号の説明

１…音声再生システム、２…光ディスク再生装置、３…ＡＶアンプ、４…ＴＶ装置、３１…ＨＤＭＩ受信部、３２…音声処理部、３４…ＨＤＭＩ送信部、３５…コントローラ、４１…音声デコーダ、４２…ストリーム判定部、４３…メニュー作成部、４５…映像ブレンド部。

Claims (10)

1. 再生装置から出力される音声ストリームを入力する音声入力手段と、
   該音声入力手段が入力する前記音声ストリームを復号する音声復号手段と、
   該音声復号手段により復号される前記音声ストリームに複数種類の音声データが含まれているときに該複数種類の音声データすべてを検出する音声データ検出手段と、
   該音声データ検出手段が検出した前記複数種類の音声データのうちのいずれかを選択させる選択制御手段と、
   前記複数種類の音声データのうちの前記選択制御手段の制御にしたがい選択された選択音声データを用いて音声が再生されるように制御する再生制御手段とを有することを特徴とする音声処理装置。
2. 前記音声データ検出手段は、前記音声ストリームのヘッダに記録されているデータに基づき、前記複数種類の音声データすべてを検出することを特徴とする請求項１記載の音声処理装置。
3. 前記選択制御手段は、前記音声データ検出手段が前記音声ストリームに複数種類の音声データが含まれていることを検出したときに、前記音声ストリームに複数種類の音声データが含まれていることを通知する画像を表示装置に表示させて前記複数種類の音声データのうちのいずれかを選択させることを特徴とする請求項１または２記載の音声処理装置。
4. 前記音声データ検出手段が検出した前記複数種類の音声データのうちのいずれかを選択させるためのメニュー画像を作成するメニュー画像作成手段を更に有し、
   前記選択制御手段は、前記メニュー画像作成手段が作成した前記メニュー画像を表示装置に表示させて前記複数種類の音声データのうちのいずれかを選択させることを特徴とする請求項１または２記載の音声処理装置。
5. 前記再生装置から出力される映像データを入力する映像データ入力手段と、
   前記音声データ検出手段が検出した前記複数種類の音声データのうちのいずれかを選択させるためのメニュー画像を作成するメニュー画像作成手段と、
   前記映像入力手段が入力する前記映像データに、前記メニュー画像作成手段が作成した前記メニュー画像を合成する合成手段とを更に有し、
   前記選択制御手段は、前記合成手段が前記メニュー画像を合成した前記映像データを用いた再生映像を表示装置に表示させて前記複数種類の音声データのうちのいずれかを選択させることを特徴とする請求項１または２記載の音声処理装置。
6. 前記合成手段が前記メニュー画像を合成した前記映像データを表示装置に出力する映像出力手段を更に有することを特徴とする請求項５記載の音声処理装置。
7. 前記音声ストリームについて、再生されていない新規ストリームであるか否かを判定する判定手段と、
   前記判定手段により、前記音声ストリームが前記新規ストリームであると判定されたときにだけ、前記音声データ検出手段を作動させる検出制御手段とを更に有することを特徴とする請求項１〜６のいずれか一項記載の音声処理装置。
8. 前記メニュー画像にしたがい前記複数種類の音声データのうちのいずれかを選択する操作入力のための操作情報を前記再生装置に出力する操作情報出力手段を更に有することを特徴とする請求項４〜６のいずれか一項記載の音声処理装置。
9. 前記操作情報を用いて前記複数種類の音声データのうちのいずれかが選択されたことを示す選択情報を前記再生装置から入力する選択情報入力手段を更に有し、
   前記再生制御手段は、前記選択情報にしたがい前記選択音声データを用いて音声が再生されるように制御することを特徴とする請求項８記載の音声処理装置。
10. 再生装置から出力される音声ストリームを入力する音声入力手段と、該音声入力手段が入力する前記音声ストリームを復号する音声復号手段とを備えた音声処理装置における音声処理方法であって、
    前記音声復号手段により復号される前記音声ストリームに複数種類の音声データが含まれているときに該複数種類の音声データすべてを検出し、
    該検出された前記複数種類の音声データのうちのいずれかを選択させ、
    検出された前記複数種類の音声データのうちの選択された選択音声データを用いて音声が再生されるように制御することを特徴とする音声処理方法。

Images