JP2012104992A - 再生装置、再生方法、提供装置および再生システム - Google Patents

Abstract

【課題】元の音響データの音量変化に比較的近い音量変化を維持しつつ各音響データ間の音量の違いを低減させ、音量増幅による音声の歪みを低減させながら音響データを再生することが可能な、新規かつ改良された技術を提供する。
【解決手段】音響データを再生する映像音響データデコード回路１３０と、映像音響データデコード回路１３０により再生された音響データの音量を、複数の音響データの各々の音量特性値と音響データの音量特性値との関係に基づいて補正するコンプレッサー回路１６０と、を備える、再生装置１００が提供される。
【選択図】図８

Description

本発明は、再生装置、再生方法、提供装置および再生システムに関する。

近年、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶装置の大容量化に伴い、ユーザが携帯機器などを使用して楽曲を聴くなどといった一般的な環境などにおいても携帯機器などにおいて容易に大量の楽曲を保持することができる環境が整ってきている。しかし、そのような大量の楽曲を順に再生する場合、楽曲ごとの録音状態が異なっているなどといった理由から、楽曲ごとの音量が所望の範囲内に収まらず、ある楽曲の音量は大き過ぎる一方、別の楽曲の音量は小さ過ぎるなどといった状況が起こり得る。

さらに、最近では、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）や光ファイバーなどの高速ネットワークも普及してきており、一般家庭に存在するＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などにおいても、ネットワーク上の楽曲サーバに常時接続して、連続的に楽曲をストリーミング再生できる環境が整ってきている。このような環境においても同様に、ある楽曲の音量は大き過ぎる一方、別の楽曲の音量は小さ過ぎるなどといった状況が起こり得る。

かかる状況においては、ユーザは楽曲を心地よく聴くのが困難であり、楽曲の音量を調整する操作はユーザにとって煩わしいものである。このような状況を改善するために、ノーマライザーという自動音量補正装置が提案されている。自動音量補正装置は、各楽曲の再生時の音量を自動的に補正するものである（例えば、特許文献１参照。）。

特開２００１−３２０７９３号公報

しかしながら、上記したノーマライザーは、一般的には楽曲の音量が所定の目標レベルに収まるように動的に楽曲の音量を制御するため、再生中の楽曲に関して原曲の音量カーブを忠実に再現できないという問題があった。例えば、楽曲の先頭付近は音量が小さいが、再生の途中から急激に音量が上がる楽曲であっても、常に所定の音量レベルで再生されてしまう。このような楽曲の再生では、楽曲の作曲者や録音者が意図した音量カーブを得ることはできないのは明らかである。楽曲以外の音響データに関しても同様の問題があった。

また、このような楽曲の再生では、再生中の楽曲の音量が必要以上に増幅されることがあり、増幅による音声の歪みが発生し易く、楽曲の音質を損ねてしまうという問題が起こっている。楽曲以外の音響データに関しても同様の問題が起こっている。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、元の音響データの音量変化に比較的近い音量変化を維持しつつ各音響データ間の音量の違いを低減させ、音量増幅による音声の歪みを低減させながら音響データを再生することが可能な、新規かつ改良された技術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、音響データを再生する再生部と、上記再生部により再生された上記音響データの音量を、複数の音響データの各々の音量特性値と上記音響データの音量特性値との関係に基づいて補正する音量補正部と、を備える、再生装置が提供される。

上記再生装置は、上記複数の音響データの各々の音量特性値と上記音響データの音量特性値との関係に基づいて音量補正のためのパラメータを算出するパラメータ算出部をさらに備え、上記音量補正部は、上記パラメータ算出部により算出されたパラメータに従って上記音響データの音量を補正することとしてもよい。

上記音量特性値は、上記音響データの音量平均値を示し、上記パラメータ算出部は、上記複数の音響データの上記音量平均値の分布に基づいて決定される基準平均値より上記音響データの上記音量平均値が小さい場合に上記音響データの音量を増幅するためのパラメータを算出し、上記基準平均値よりも上記音響データの上記音量平均値が大きい場合に上記音響データの音量を減衰するためのパラメータを算出することとしてもよい。

上記音量補正部は、非線形補正部および第１の線形補正部を有し、上記パラメータ算出部は、上記第１の線形補正部に設定される線形補正用パラメータ、および上記非線形補正部に設定される非線形補正用パラメータを算出することとしてもよい。

上記パラメータ算出部は、上記基準平均値より上記音響データの上記音量平均値が小さい場合、上記音響データの音量ピーク値に対する音量上限値の比率を上記線形補正用パラメータとして算出し、上記音響データの上記音量平均値に対する上記基準平均値の比率に基づいて上記非線形補正用パラメータを算出することとしてもよい。

上記パラメータ算出部は、上記基準平均値より上記音響データの上記音量平均値が大きい場合、上記音響データの上記音量平均値に対する上記基準平均値の比率を上記線形補正用パラメータとして算出することとしてもよい。

上記パラメータ算出部は、上記基準平均値よりも小さい下側基準値より上記音響データの上記音量平均値が小さい場合に上記音響データの音量を増幅するためのパラメータを算出し、上記基準平均値よりも大きい上側基準値より上記音響データの上記音量平均値が大きい場合に上記音響データの音量を減衰するためのパラメータを算出し、上記下側基準値と上記上側基準値との間に上記音響データの上記音量平均値が含まれる場合、上記音響データをスルー出力させるためのパラメータを上記音量補正部に設定することとしてもよい。

上記音量補正部は、上記第１の線形補正部の後段に上記非線形補正部と並列に接続される第２の線形補正部を有し、上記パラメータ算出部は、上記音響データをスルー出力させるためのパラメータとして、上記第１の線形補正部および上記第２の線形補正部に増幅率１を設定し、上記非線形補正用パラメータとして増幅率０を設定することとしてもよい。

以上説明したように、本発明によれば、元の音響データの音量変化に比較的近い音量変化を維持しつつ各音響データ間の音量の違いを低減させ、音量増幅による音声の歪みを低減させながら音響データを再生することが可能である。

音響データを再生して得られる音声の波形の一例を示す図である。 一般的な音量補正技術による音量補正を音響データに適用した場合において音響データを再生して得られる音声の波形の一例を示す図である。 本発明の実施形態に係る再生装置による音量補正を音響データに適用した場合において音響データを再生して得られる音声の波形の一例を示す図である。 本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値およびＲＭＳ値について説明するための図である。 本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値の計算例を示す図である。 本発明の実施形態に係る音量特性値の一例としてのＲＭＳ値の計算例を示す図である。 本発明の実施形態に係る再生装置のハードウェア構成を示す図である。 本発明の実施形態に係る再生システムの機能構成を示す図である。 本発明の実施形態に係る属性情報の管理手法の一例について説明するための図である。 本発明の実施形態に係る属性情報の管理手法の他の一例について説明するための図である。 本発明の実施形態に係る再生システムにより実行される処理の流れを示すフローチャートである。 本発明の実施形態に係る再生装置による音響データの音量補正に適用し得るコンプレッサー回路を示す図である。 本発明の実施形態に係る再生装置に適用し得るコンプレッサー回路が有する静特性（音響データの音量を増幅する場合）の一例を示す図である。 本発明の実施形態に係る再生装置に適用し得るコンプレッサー回路が有する静特性（音響データの音量を減衰する場合）の一例を示す図である。 本発明の実施形態に係る再生装置に適用し得るコンプレッサー回路が有する静特性（音響データの音量を増幅する場合）の他の一例を示す図である。 本発明の実施形態に係る再生装置に適用し得るコンプレッサー回路が有する動特性の一例を示す図である。 本発明の実施形態に係る再生装置に適用し得るコンプレッサー回路における制御信号（エンベロープ信号）の生成手法の一例を示す図である。 本発明の実施形態に係る再生装置による音響データの音量補正の処理の流れの詳細を示すフローチャートである。 本発明の実施形態に係る再生装置に適用し得るパラメータ算出部によるパラメータの算出例（音響データの音量を増幅する場合）を示す図である。 本発明の実施形態に係る再生装置に適用し得るパラメータ算出部によるパラメータの算出例（音響データの音量を減衰する場合）を示す図である。 本発明の実施形態に係る再生装置に適用し得るパラメータ算出部によるパラメータの算出例（音響データをスルー出力する場合）を示す図である。 本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値の統計分布について説明するための図である。 本発明の実施形態に係る音量特性値の一例としてのＲＭＳ値の統計分布について説明するための図である。 本発明の実施形態に係る再生装置による音響データの音量補正の処理に使用され得るＲＭＳ基準値の決定手法の一例について説明するための図である。 本発明の実施形態に係る再生装置による音響データの音量補正の処理に使用され得るＲＭＳ基準値の決定手法の他の一例について説明するための図である。

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、同一の符号を付すことにより重複説明を省略する。

また、以下の順序にしたがって当該「発明を実施するための形態」を説明する。
１．実施形態
１−１． 音響データを再生して得られる音声の波形
１−２． 一般的な音量補正技術による音量補正
１−３． 本発明の実施形態に係る再生装置による音量補正
１−４． 音量特性値の一例としてのＰｅａｋ値およびＲＭＳ値
１−５． 音量特性値の一例としてのＰｅａｋ値の計算例
１−６． 音量特性値の一例としてのＲＭＳ値の計算例
１−７． 再生装置のハードウェア構成
１−８． 再生システムの機能構成
１−９． 属性情報の管理手法の一例
１−１０．属性情報の管理手法の他の一例
１−１１．再生システムにより実行される処理
１−１２．音響データの音量補正に適用し得るコンプレッサー回路
１−１３．コンプレッサー回路が有する静特性（音量増幅時）の一例
１−１４．コンプレッサー回路が有する静特性（音量減衰時）の一例
１−１５．コンプレッサー回路が有する静特性（音量増幅時）の他の一例
１−１６．コンプレッサー回路が有する動特性の一例
１−１７．コンプレッサー回路における制御信号の生成手法の一例
１−１８．音響データの音量補正の処理の流れの詳細
１−１９．パラメータ算出部によるパラメータ（音量増幅時）の算出例
１−２０．パラメータ算出部によるパラメータ（音量減衰時）の算出例
１−２１．パラメータ算出部によるパラメータ（スルー出力時）の算出例
１−２２．音量特性値の一例としてのＰｅａｋ値の統計分布
１−２３．音量特性値の一例としてのＲＭＳ値の統計分布
１−２４．ＲＭＳ基準値の決定手法の一例
１−２５．ＲＭＳ基準値の決定手法の他の一例
２．使用例
３．変形例
４．まとめ

＜１．実施形態＞
［１−１．音響データを再生して得られる音声の波形］
図１は、音響データを再生して得られる音声の波形の一例を示す図である。図１を参照しながら、音響データを再生して得られる音声の波形の一例について説明する。なお、図１には、音声波形のＰｅａｋ値およびＲＭＳ（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ）値のラインが示されているが、Ｐｅａｋ値およびＲＭＳ値は、本発明の実施形態において、音量特性の一例として用いられ得るものである。また、ＲＭＳ値は、音量平均値の一例として使用されるものである。

ある音響データを再生して得られる音声の波形は、図１に示すように示される。ここで、図１に示された波形のうちの上側に示した波形は、音響データを再生して得られる音声を左（Ｌｃｈ）および右（Ｒｃｈ）のスピーカの双方から出力する方式（以下、「ステレオ音声方式」とも言う。）によりＬｃｈから出力された音声の波形を示したものである。また、図１に示された波形のうちの下側に示した波形は、ステレオ音声方式によりＲｃｈから出力された音声の波形を示したものである。音響データに対する補正は行われていない。

図１に示された音声波形は、ＣＤ−ＤＡ形式（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｄｉｇｉｔａｌ Ａｕｄｉｏ）により記録された音響データと同様の記録方式により記録された音響データを再生して得られたものである。ＣＤ−ＤＡ形式は、サンプリング周波数４４．１ｋＨｚ、量子化ビット数１６ｂｉｔ、ステレオＰＣＭ（Ｐｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ）形式により音響データを記録するものである。

音響データが量子化ビット数１６ｂｉｔ、ＰＣＭ形式により記録されたものである場合、その音響データは、符号１ｂｉｔおよびデータ１５ｂｉｔにより構成された２の補数コードにより表現される。この音響データにより表現できる音声の音量（振幅値）の最大値（あるいは最小値）は、正側で＋３２７６７、負側で−３２７６８である。最小値から最大値までの範囲を超える音量の音声については最大値（あるいは最小値）に丸められることとなるが、その結果としてクリップノイズと呼ばれる不快な歪みが発生する可能性がある。

他方、音量が小さ過ぎる音声が音響データとして記録されている場合には、１６ｂｉｔの情報量を使い切れずに、音響データが再生された結果として良好なＳ／Ｎの音声が得られないこととなる。それゆえ、音響データの一例として楽曲を使用する場合には、楽曲の制作者は１曲を通して音量が１６ｂｉｔにより表現される範囲内に収まるようにミキサーなどの機器を用いて音量を調整しながら楽曲を録音する。

しかしながら、図１に示した音声波形を有する楽曲のように、市販されているＣＤもしくは楽曲ファイルの中には、全体を通して１６ｂｉｔにより表現できる値の最大値に音量が達しない楽曲が録音されていることもある。そのような楽曲が録音されている理由としては様々なものが想定されるが、録音技術が発達していなかった古い年代に録音された楽曲には、一般的にそのような傾向がある。

図１に示した例は、他の楽曲と比べて比較的音量が小さいクラシック曲の音声波形である。このようなクラシック曲を単独で再生する場合には音量はさほど気にならないが、音量が比較的大きい楽曲の前後にこのようなクラシック曲を再生する場合は、このようなクラシック曲の音量が相対的に小さくなるため、音量の小ささが気になる可能性が高い。それゆえ、このクラシック曲の音量のみを上げたくなるという状況となり得る。

図１に示した音声波形を音声波形部分Ｍ１１〜Ｍ１４に分けた場合、音声波形部分Ｍ１１は静かな部分であり、音声波形部分Ｍ１２は徐々に盛り上がる部分であり、音声波形部分Ｍ１３は静かな部分であり、音声波形部Ｍ１４は盛り上がる部分である。上記したように、図１に示した音声波形はクラシック曲を再生して得られるものであり、聴く人に対して全体的に音量が小さいという印象を与え易いと想定される。そこで、このクラシック曲を再生する場合には、音声の音量を全体的に上げる必要があると考えられる。

［１−２．一般的な音量補正技術による音量補正］
図２は、一般的な音量補正技術による音量補正を音響データに適用した場合において音響データを再生して得られる音声の波形の一例を示す図である。図２を参照しながら、一般的な音量補正技術による音量補正を音響データに適用した場合において音響データを再生して得られる音声の波形の一例について説明する。

図２に示した音声波形を音声波形部分Ｍ２１、Ｍ２２に分けた場合、音声波形部分Ｍ２１は一気に盛り上がる部分であり、音声波形部分Ｍ２２は盛り上がりっぱなしによりメリハリがない部分である。図２に示すように、一般的な音量補正技術による音量補正により、上記したクラシック曲の音量は大きくなっているが、原曲が有する音量変化（以下、「音量カーブとも言う。」を維持することができておらず、聴く人に不自然な感じを与える結果となっている。

また、一般的な音量補正技術による音量補正により、図２に示された音声波形からは把握できないような音声の歪みも発生している。聴く人に不自然な感じを与えることとなってしまった理由の１つは、音量増幅が音声波形全体を考慮してなされたものではなく、音声波形の一部を考慮して部分的に適切な音量増幅を行っていることが挙げられる。

［１−３．本発明の実施形態に係る再生装置による音量補正］
図３は、本発明の実施形態に係る再生装置による音量補正を音響データに適用した場合において音響データを再生して得られる音声の波形の一例を示す図である。図３を参照しながら、本発明の実施形態に係る再生装置による音量補正を音響データに適用した場合において音響データを再生して得られる音声の波形の一例について説明する。

図３に示した音声波形を音声波形部分Ｍ３１、Ｍ３２、Ｍ３３、Ｍ３４に分けた場合、音声波形部分Ｍ３１は静かな部分であり、音声波形部分Ｍ３２は徐々に盛り上がる部分であり、音声波形部分Ｍ３３は静かな部分であり、音声波形部分Ｍ３４は徐々に盛り上がる部分である。図３に示すように、本発明の実施形態に係る再生装置による音量補正により、上記したクラシック曲の音量は大きくなっており、原曲が有する音量カーブを維持することができている。

また、本発明の実施形態に係る再生装置による音量補正により、音声の歪みも軽減することができる。聴く人に自然な感じを与えるような音量補正を行うことが可能となった理由の１つは、音量増幅が音声波形全体を考慮してなされたものであることが挙げられる。音声波形全体を考慮して音量増幅を行うために、例えば、上記したＰｅａｋ値およびＲＭＳ値などといったメタデータを使用することができる。Ｐｅａｋ値およびＲＭＳ値などのメタデータは、例えば、サーバに保持させておき、再生装置にダウンロードして使用することができる。

［１−４．音量特性値の一例としてのＰｅａｋ値およびＲＭＳ値］
図４は、本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値およびＲＭＳ値について説明するための図である。図４を参照しながら、本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値およびＲＭＳ値について説明する。

図４に示すように、１箇所だけ突発的な衝撃音のような大きな音があり、それ以外は歌声のみが含まれている楽曲が録音されていたとする。このような楽曲は、一般的にはダイナミックレンジの広い音と呼ばれる。衝撃音の音量が最大音量に相当し、１６ｂｉｔにより表現できる値の最大値に相当するため、衝撃音以外の音声については相対的に音量を下げて録音せざるを得ない。

例えば、衝撃音のＰｅａｋ値が＋３２７６７であった場合は、衝撃音以外の音声に相当する歌声などの音量はＰｅａｋ値を＋１０００くらいまで下げて録音しないと、楽曲全体が１６ｂｉｔに収まらない。このようなケースでは、衝撃音以外の音声に相当する歌声の音量が、相対的にかなり小さく感じられてしまう。

このような背景から、本発明の実施形態に係る再生システムは、例えば、楽曲の音量を表す特徴量としてＰｅａｋ値およびＲＭＳ値の２つを保持することとしている。Ｐｅａｋ値は、楽曲１曲の中に出現する突発的な音量変化が生じたときの音量レベルを表す特徴量として用いるのに適していると言える。図４に示した例では、Ｐｅａｋ値は、衝撃音の音量レベルを表現するのに適していると言える。また、ＲＭＳ値は、楽曲の音声が有するパワーに対する積分値の時間平均を表すものであり、楽曲全体の平均的な音量レベルを表す特徴量として用いるのに適していると言える。図４に示した例においては、ＲＭＳ値は、主に衝撃音以外の音声に相当する歌声の音量レベルを表す特徴量となっている。

［１−５．音量特性値の一例としてのＰｅａｋ値の計算例］
図５は、本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値の計算例を示す図である。図５を参照しながら、本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値の計算例について説明する。

音響データの一例としての楽曲１曲をモノラル音声により再生した場合、例えば、図５に示した式１のような関数により計算を行うことにより、変数ＰｅａｋにＰｅａｋ値が格納される。また、音響データの一例としての楽曲１曲をステレオ音声により再生した場合、例えば、図５に示した式２のような関数により計算を行うことにより、変数ＰｅａｋにＰｅａｋ値が格納される。本発明の実施形態に係る再生システムは、例えば、このような計算により変数ＰｅａｋにＰｅａｋ値を格納し、変数Ｐｅａｋに格納したＰｅａｋ値を音量特性値の一例として使用することができる。

［１−６．音量特性値の一例としてのＲＭＳ値の計算例］
図６は、本発明の実施形態に係る音量特性値の一例としてのＲＭＳ値の計算例を示す図である。図６を参照しながら、本発明の実施形態に係る音量特性値の一例としてのＲＭＳ値の計算例について説明する。

音響データの一例としての楽曲１曲をモノラル音声により再生した場合、例えば、図６に示した式３のような関数により計算を行うことにより、変数ＲＭＳにＲＭＳ値が格納される。また、音響データの一例としての楽曲１曲をステレオ音声により再生した場合、例えば、図６に示した式２のような関数により計算を行うことにより、変数ＲＭＳにＲＭＳ値が格納される。本発明の実施形態に係る再生システムは、例えば、このような計算により変数ＲＭＳにＲＭＳ値を格納し、変数ＲＭＳに格納したＲＭＳ値を音量特性値の一例として使用することができる。

［１−７．再生装置のハードウェア構成］
図７は、本発明の実施形態に係る再生装置のハードウェア構成例を示す図である。図７を参照しながら、本発明の実施形態に係る再生装置のハードウェア構成例について説明する。

図７に示すように、本発明の実施形態に係る再生装置１００は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９１０と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９２０と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９３０と、バス９４０と、ユーザインタフェース９５０と、記憶装置９６０と、通信装置９７０と、デコード回路９８０と、を備えるものである。

ＣＰＵ９１０は、演算処理装置および制御装置として機能し、例えば、ＲＯＭ９２０に記録された各種プログラムを読み出して記憶装置９６０に記憶させておき、各種プログラムを実行するに際して、記憶装置９６０により記憶された各種プログラムをＲＡＭ９３０に展開し、ＲＡＭ９３０に展開した各種プログラムを実行することができる。かかる各種プログラムの実行により、再生装置１００内の動作全般またはその一部を制御することが可能である。

ＲＯＭ９２０は、読み出し専用のメモリであり、例えば、ＣＰＵ９１０により読み出される各種プログラムやその実行に使用されるパラメータなどを記憶することができる。

ＲＡＭ９３０は、記憶装置９６０からＣＰＵ９１０により読み出された各種プログラムやその実行に使用されるパラメータなどを一時的に記憶することが可能である。また、ＣＰＵ９１０による各種プログラムの実行に際して一時的に記憶しておく必要が生じた各種データなどを記憶することも可能である。

バス９４０は、再生装置１００の内部に設けられている各ハードウェアを接続し、各ハードウェア間における信号の送受信を実現するために機能する。

ユーザインタフェース９５０は、入力装置により構成されるものである。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により構成され、ユーザからの操作を受け付ける機能を有する。入力装置は、例えば、受け付けた操作に基づいて入力信号を生成し、ＣＰＵ９１０に出力する。音響データを再生して得られる音声を聴いている人は、例えば、入力装置を操作することにより、再生装置１００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。

記憶装置９６０は、記憶装置９６０は、データ格納用の装置であり、例えば、ＨＤＤなど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。記憶装置９６０は、外部から取得した音響データや画像データなどを格納することができる。記憶装置９６０は、例えば、ＣＰＵ９１０によりＲＯＭ９２０から読み出された各種プログラムを記憶しておく機能などを有するものである。

通信装置９７０は、例えば、ネットワーク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フェースである。通信装置９７０は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）用の通信カード、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、各種通信用のモデムなどにより構成される。この通信装置９７０は、例えば、他の通信機器との間で音響データなどのデータを送受信することができる。また、通信装置９７０に接続されるネットワークは、有線または無線によって接続されたネットワークなどにより構成され、例えば、インターネット、家庭内ＬＡＮなどであってもよい。

デコード回路９８０は、符号化された音響データを復号し、再生する機能を有するものである。また、デコード回路９８０は、符号化された映像データを復号し、再生する機能を有していてもよい。

以上、本発明の実施形態に係る再生装置１００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、本発明の実施形態に係る再生装置１００を実施する時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。

［１−８．再生システムの機能構成］
図８は、本発明の実施形態に係る再生システムの機能構成を示す図である。図８を参照しながら、本発明の実施形態に係る再生システムの機能構成について説明する。

図８に示すように、本発明の実施形態に係る再生システム１０は、再生装置１００と、提供装置２００と、出力装置３００とを備えるものである。再生装置１００と提供装置２００とは、例えば、ネットワークを介して接続されており、互いに通信可能とされている。再生装置１００と出力装置３００とは、例えば、専用線により接続されており、出力装置３００は、再生装置１００から出力された音声信号を音声として出力することが可能である。また、出力装置３００は、再生装置１００から出力された画像信号を画像として出力することが可能である。

再生装置１００は、少なくとも、再生部の一例としての映像音響データデコード回路１３０（以下、単に「映像音響データデコード回路１３０」とも言う。）と、音量補正部の一例としてのコンプレッサー回路１６０（以下、単に「コンプレッサー回路１６０」とも言う。）を備えるものである。ここでは、再生装置１００は、映像音響データデコード回路１３０を備えることとしており、映像音響データデコード回路１３０は、符号化された映像データと符号化された音響データとの双方を復号して再生することとする。しかしながら、再生装置１００は、再生部は、符号化された映像データを復号して再生する機能は有していなくてもよい。映像音響データデコード回路１３０は、例えば、上記したデコード回路９８０により構成される。

コンプレッサー回路１６０は、映像音響データデコード回路１３０により再生された音響データ（以下、「再生対象音響データ」とも言う。）の音量を、複数の音響データの各々の音量特性値と再生対象音響データの音量特性値との関係に基づいて補正する機能を有するものである。複数の音響データは、特に限定されるものではなく、再生対象音響データを含むものであってもよいし、含まないものであってもよい。音量特性値としては、Ｐｅａｋ値やＲＭＳ値などを例として挙げることができる。

再生装置１００は、映像音響データデコード回路１３０と、コンプレッサー回路１６０とを備えることにより、元の音響データの音量変化に比較的近い音量変化を維持しつつ各音響データ間の音量の違いを低減させ、音量増幅による音声の歪みを低減させながら音響データを再生することが可能となる。

再生装置１００は、パラメータ算出部１５０を備えることとしてもよい。パラメータ算出部１５０は、複数の音響データの各々の音量特性値と音響データの音量特性値との関係に基づいて音量補正のためのパラメータを算出する機能を有するものである。音量補正のためのパラメータは、コンプレッサー回路１６０において音響データの音量補正に使用される。すなわち、コンプレッサー回路１６０は、パラメータ算出部１５０により算出されたパラメータに従って再生対象音響データの音量を補正する。

再生装置１００は、受信部１１０、映像音響データ取得部１２０、映像音響データデコード回路１３０、属性情報取得部１４０、ミキサー装置１７０、記憶部１８０などを備えることとしてもよい。受信部１１０は、提供装置２００から、上記した複数の音響データの各々の音量特性値、再生対象音響データの音量特性値、再生対象音響データ自体などを受信することが可能である。しかしながら、上記した複数の音響データの各々の音量特性値、再生対象音響データの音量特性値、再生対象音響データ自体などは、提供装置２００から受信せずに、再生装置１００が備える記憶部１８０により記憶されているものを再生装置１００において使用することもできる。受信部１１０は、提供装置２００から映像データを受信することとしてもよい。受信部１１０は、例えば、通信装置９７０により構成されるものである。

映像音響データ取得部１２０は、受信部１１０により受信された再生対象音響データを受信部１１０から取得する機能を有するものである。映像音響データ取得部１２０は、取得した再生対象音響データを映像音響データデコード回路１３０に出力する機能をさらに有している。映像音響データ取得部１２０は、受信部１１０により映像データが受信された場合には、その映像データを受信部１１０から取得する機能を有していてもよい。その場合には、映像音響データ取得部１２０は、受信部１１０から取得した映像データを映像音響データデコード回路１３０に出力する機能をさらに有する。映像音響データデコード回路１３０に出力された再生対象音響データや映像データは、映像音響データデコード回路１３０において使用される。

属性情報取得部１４０は、受信部１１０により受信された再生対象音響データの音量特性値を受信部１１０から取得する機能を有するものである。属性情報取得部１４０は、受信部１１０により受信された再生対象音響データの音量特性値をパラメータ算出部１５０に出力する機能をさらに有している。パラメータ算出部１５０に出力された再生対象音響データの音量特性値は、パラメータ算出部１５０において使用される。属性情報取得部１４０は、再生対象音響データの音量特性値を再生対象音響データの属性情報（「メタデータ」とも言う。以下同じ。）として属性情報取得部１４０から受信することができる。

ミキサー装置１７０は、コンプレッサー回路１６０から出力された再生対象音響データおよび映像データを合成する機能を有するものである。コンプレッサー回路１６０から出力された再生対象音響データは、必要に応じて音量が補正されている。ミキサー装置１７０は、再生対象音響データおよび映像データが合成されてなる合成信号を出力装置３００に出力する。

再生装置１００は、記憶部１８０をさらに備えることとしてもよい。記憶部１８０は、例えば、記憶装置９６０によって構成されるものである。記憶部１８０は、再生装置１００を構成する各機能ブロックの動作を制御するための各種プログラムを記憶する機能や、そのプログラムが実行される際に使用される各種データなどを記憶する機能を有するものである。

映像音響データ取得部１２０や、属性情報取得部１４０、パラメータ算出部１５０などは、例えば、ＣＰＵ９１０、ＲＡＭ９３０などにより構成され、ＣＰＵ９１０が記憶部１８０によって記憶されているプログラムをＲＡＭ９３０に展開して実行することによりその機能が実現されるものである。しかし、このような構成に限らず、映像音響データ取得部１２０や、属性情報取得部１４０、パラメータ算出部１５０の中には、専用のハードウェアにより構成されるものが存在してもよい。

提供装置２００は、少なくとも、記憶部２１０と、取得部２２０と、解析部２３０と、送信部２４０とを備えるものである。記憶部２１０は、例えば、記憶装置によって構成されるものである。記憶部１８０は、提供装置２００を構成する各機能ブロックの動作を制御するための各種プログラムを記憶する機能や、そのプログラムが実行される際に使用される各種データなどを記憶する機能を有するものである。記憶部１８０は、例えば、上記した複数の音響データの各々の音量特性値を記憶する機能を有していてもよい。また、記憶部１８０は、再生対象音響データを記憶する機能を有していてもよい。

取得部２２０は、複数の音響データの各々の音量特性値を取得する機能を有するものである。取得部２２０は、例えば、記憶部１８０により記憶されている複数の音響データの各々の音量特性値を取得する。複数の音響データの各々の音量特性値としては、例えば、複数の音響データの各々のＲＭＳ値を使用することができる。また、取得部２２０は、再生対象音響データを取得する機能を有するものである。取得部２２０は、例えば、記憶部１８０により記憶されている再生対象音響データを取得する。

解析部２３０は、取得部２２０により取得された複数の音響データの各々の音量特性値の分布を解析する機能を有するものである。複数の音響データの各々の音量特性値の分布としては、例えば、複数の音響データの各々のＲＭＳ値の分布を使用することができる。解析部２３０は、複数の音響データの各々の音量特性値の分布を解析することにより、ＲＭＳ基準値を解析結果として算出してもよい。ＲＭＳ基準値の算出手法については、後に詳細に説明する。解析部２３０により複数の音響データの各々の音量特性値の分布が解析されて得られた結果は、解析結果の一例として送信部２４０に出力される。ＲＭＳ基準値は、基準平均値の一例である。

また、解析部２３０は、取得部２２０により取得された再生対象音響データを解析する機能をさらに有するものである。解析部２３０は、再生対象音響データを解析することにより、再生対象音響データの音量特性値を算出してもよい。また、解析部２３０は、再生対象音響データの音量特性値の一例として、再生対象音響データのＲＭＳ値を算出してもよい。解析部２３０は、このように解析して得られた再生対象音響データの音量特性値を、例えば、再生対象音響データの属性情報として記憶部２１０に記憶させておき、必要に応じて記憶部２１０から取得できるようにしておくこともできる。解析部２３０により再生対象音響データが解析されて得られた結果は、解析結果の一例として送信部２４０に出力される。

ここでは、解析部２３０は、複数の音響データの各々の音量特性値の分布を解析して得た結果と、再生対象音響データを解析して得た結果とを、解析結果として送信部２４０に出力することとしている。しかしながら、解析部２３０は、これらの解析結果を用いてさらに解析を進め、その結果として得られた解析結果を送信部２４０に出力するようにしてもよい。例えば、解析部２３０は、解析をさらに進めた結果として、音量補正のためのパラメータを算出することとしてもよい。かかる場合には、当該パラメータを解析結果の一例として送信部２４０に出力することとしてもよい。音量補正のためのパラメータについては、後に詳細に説明する。

送信部２４０は、再生対象音響データを再生する再生装置１００に対して、再生対象音響データ、および解析部２３０による解析結果を送信する機能を有するものである。送信部２４０は、例えば、取得部２２０により記憶部２１０から取得された再生対象音響データを再生装置１００に送信することができる。送信部２４０は、例えば、通信装置により構成されるものである。送信部２４０は、記憶部２１０により映像データが記憶されている場合には、記憶部２１０により記憶されている映像データを再生装置１００に送信し、再生させることとしてもよい。

取得部２２０や、解析部２３０などは、例えば、ＣＰＵ、ＲＡＭなどにより構成され、ＣＰＵが記憶部２１０によって記憶されているプログラムをＲＡＭに展開して実行することによりその機能が実現されるものである。しかし、このような構成に限らず、取得部２２０や、解析部２３０の中には、専用のハードウェアにより構成されるものが存在してもよい。

出力装置３００は、少なくとも、音声出力部３１０を備えるものである。音声出力部３１０は、例えば、スピーカまたはヘッドホンによって構成されるものである。音声出力部３１０は、映像音響データデコード回路１３０により再生された音響データをアナログ信号に変換して出力する機能を有している。出力装置３００は、画像出力部３２０を有していてもよい。画像出力部３２０は、例えば、表示装置によって構成されるものである。画像出力部３２０は、映像音響データデコード回路１３０により再生された映像データをアナログ信号に変換して出力する機能を有している。

［１−９．属性情報の管理手法の一例］
図９は、本発明の実施形態に係る属性情報の管理手法の一例について説明するための図である。図９を参照しながら、本発明の実施形態に係る属性情報の管理手法の一例について説明する。

図９に示すように、再生対象音響データの属性情報は、提供装置２００が備える記憶部２１０に記憶されている再生対象音響データと同一の楽曲ファイルにヘッダデータとして埋め込まれていることとしてもよい。解析部２３０は、例えば、上記した解析結果を属性情報として楽曲ファイルにヘッダデータとして埋め込んでおけばよい。そのようにすれば、提供装置２００は、再生装置１００からの再生対象音響データの送信要求に応じて、取得部２２０により属性情報が埋め込まれた楽曲ファイルを取得し、送信部２４０により再生装置１００に送信すればよい。

［１−１０．属性情報の管理手法の他の一例］
図１０は、本発明の実施形態に係る属性情報の管理手法の他の一例について説明するための図である。図１０を参照しながら、本発明の実施形態に係る属性情報の管理手法の他の例について説明する。

図１０に示すように、再生対象音響データの属性情報は、提供装置２００が備える記憶部２１０に記憶されている再生対象音響データと同一の楽曲ファイルに埋め込まれていなくてもよい。解析部２３０は、例えば、上記した解析結果を属性情報として再生対象音響データに紐付けをして記憶部２１０に記憶させておけばよい。提供装置２００は、例えば、再生対象音響データを識別するための情報と属性情報とを対応付けて記憶部２１０に記憶しておく。

一方、再生装置１００は、必要に応じて、再生対象音響データを識別するための情報を含む要求を提供装置２００に送信し、その要求に対する応答として再生対象音響データを識別するための情報に対応する属性情報を取得することができる。再生対象音響データを識別するための情報としては、例えば、再生対象音響データの一部を解析して得られる情報（Ｆｉｎｇｅｒｐｒｉｎｔ）を使用することができる。

［１−１１．再生システムにより実行される処理］
図１１は、本発明の実施形態に係る再生システムにより実行される処理の流れを示すフローチャートである。図１１を参照しながら、本発明の実施形態に係る再生システム１０により実行される処理の流れについて説明する。

図１１に示すように、提供装置２００の解析部２３０は、再生対象音響データのＰｅａｋ値およびＲＭＳ値を予め計算しておくことができる（ステップＳ１０１）。再生対象音響データのＰｅａｋ値およびＲＭＳ値は、再生対象音響データの音量特性値の例に相当する。続いて、記憶部２１０は、解析部２３０により計算された再生対象音響データのＰｅａｋ値およびＲＭＳ値を再生対象音響データと対応付けて属性情報として保持しておくことができる（ステップＳ１０２）。計算結果と再生対象音響データとの対応付けについては、上記したように様々な手法が想定される。ステップＳ１０１およびステップＳ１０２は、再生システム１０において１パス目の処理として実行され得るものである。記憶部２１０がこのように属性情報を保持しておき、必要に応じて取得されるようにしておけば、同一の再生対象音響データを次回以降に再生する際に再度１パス目の処理を実行する必要はなくなるという利点がある。

続いて、再生装置１００の受信部１１０は、映像音響データデコード回路１３０による再生対象音響データの再生前に再生対象音響データの属性情報をダウンロードする（ステップＳ２０１）。再生装置１００のパラメータ算出部１５０は、この属性情報に基づいて音量補正パラメータを算出し（ステップＳ２０２）、算出した音量補正パラメータをコンプレッサー回路１６０に設定する（ステップＳ２０３）。映像音響データデコード回路１３０は、再生対象音響データをデコードしながらコンプレッサー回路１６０に通す（ステップＳ２０４）。ステップＳ２０１〜ステップＳ２０４は、再生システム１０において２パス目の処理として実行され得るものである。２パス目の処理を実行すると、音量が補正された後の再生対象音響データが出力される。

［１−１２．音響データの音量補正に適用し得るコンプレッサー回路］
図１２は、本発明の実施形態に係る再生装置１００による音響データの音量補正に適用し得るコンプレッサー回路を示す図である。図１２を参照しながら、本発明の実施形態に係る再生装置１００による音響データの音量補正に適用し得るコンプレッサー回路１６０について説明する。

図１２に示すように、コンプレッサー回路１６０は、映像音響データデコード回路１３０から入力された信号の大きさが出力目標レベルになるように信号を調整し、調整後の信号を出力信号として出力する。本発明の実施形態に係るコンプレッサー回路１６０は、既存のコンプレッサー回路とは異なり、例えば、線形増幅部１６１および非線形増幅部１６３を有している。また、コンプレッサー回路１６０は、例えば、線形増幅部１６１の後段に非線形増幅部１６３と並列に接続される線形増幅部１６２を有しており、かかるコンプレッサー回路１６０を有することは、本発明の実施形態に係る再生装置１００の特徴の１つである。これらの増幅部をメタデータにより適切に制御することで、制作者の意図する元の音響データの音量変化カーブを維持しつつ各音響データ間の音量の違いを低減させ、音量増幅による音声の歪みを低減させながら音響データを再生することが可能となる。以下、映像音響データデコード回路１３０から入力される信号が音声信号（例えば、再生対象音響データの音声信号）であるとして説明する。

線形増幅部１６１は、第１の線形補正部の一例として機能し、図１２においては「Ｓｇａｉｎ」と表されている。また、線形増幅部１６２は、第２の線形補正部の一例として機能し、図１２においては「Ｔｇａｉｎ」と表されている。また、非線形増幅部１６３は、非線形補正部の一例として機能し、図１２においては「Ｄｇａｉｎ」と表されている。「Ｓｇａｉｎ」「Ｔｇａｉｎ」「Ｄｇａｉｎ」は、各増幅部における増幅率を示している。

線形増幅部１６１は、音声信号に対して線形の増幅処理を施すものである。線形増幅部１６２は、線形増幅部１６１から出力された音声信号に対して線形の増幅処理を施すものである。非線形増幅部１６３は、線形増幅部１６１から出力された音声信号に対して非線形の増幅処理を施すものであり、主に音声レベルの高い音声波形への振幅圧縮処理を行う。その振幅圧縮処理は、非線形処理により行われるため、音声に歪みが生じ、振幅圧縮率が高まるにつれ、その歪み率が大きくなってしまう。

［１−１３．コンプレッサー回路が有する静特性（音量増幅時）の一例］
図１３は、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する静特性（音響データの音量を増幅する場合）の一例を示す図である。図１３を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する静特性（音響データの音量を増幅する場合）の一例について説明する。

図１３に示したグラフは、特に、再生対象音響データの音量を増幅する場合において、非線形増幅部１６３（増幅率Ｄｇａｉｎを有する増幅部）が有する静特性を示したものである。図１３には、非線形増幅部１６３に対して入力される信号の大きさと非線形増幅部１６３から出力される信号の大きさとの関係が示されている。非線形増幅部１６３が有する動特性を考慮する場合には、図１３に示された非線形増幅部１６３から出力される信号の大きさは、当該大きさを有する信号になるように非線形増幅部１６３により制御される出力目標レベルとしての意味を持つ。

図１３に示した例では、非線形増幅部１６３への入力信号の大きさがＴに達するまでは、入力信号の大きさの増分に比例して非線形増幅部１６３からの出力信号の大きさの増分が変化する。また、非線形増幅部１６３への入力信号の大きさがＴを超えると、非線形増幅部１６３からの出力信号の大きさの増分が０ｄＢに飽和する。非線形増幅部１６３への入力信号の大きさがＴに達するまでは、非線形増幅部１６３からの出力信号の大きさは、非線形増幅部１６３への入力信号の大きさに増幅率Ｄｇａｉｎを乗じた分だけ大きい値となっている。非線形増幅部１６３への入力信号の大きさがＴに達するまでは、音声信号に対して非線形な増幅が行われていることになる。

［１−１４．コンプレッサー回路が有する静特性（音量減衰時）の一例］
図１４は、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する静特性（音響データの音量を減衰する場合）の一例を示す図である。図１４を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する静特性（音響データの音量を減衰する場合）の一例について説明する。

図１４に示したグラフは、特に、再生対象音響データの音量を減衰する場合において、非線形増幅部１６３（増幅率Ｄｇａｉｎを有する増幅部）が有する静特性を示したものである。図１４には、非線形増幅部１６３に対して入力される信号の大きさと非線形増幅部１６３から出力される信号の大きさとの関係が示されている。非線形増幅部１６３が有する動特性を考慮する場合には、図１４に示された非線形増幅部１６３から出力される信号の大きさは、当該大きさを有する信号になるように非線形増幅部１６３により制御される出力目標レベルとしての意味を持つ。

図１４に示した例では、非線形増幅部１６３からの出力信号の大きさは、非線形増幅部１６３への入力信号の大きさに増幅率Ｄｇａｉｎを乗じた分だけ小さい値となっている。非線形増幅部１６３への入力信号の大きさがＴに達するまでは、音声信号に対して非線形な増幅が行われていることになる。図１４に示した場合のように、音声信号の音量を減衰する場合には、音声信号に対して線形減衰を施すこととなるため、音声に歪みが発生することは考慮しなくてよい。

［１−１５．コンプレッサー回路が有する静特性（音量増幅時）の他の一例］
図１５は、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する静特性（音響データの音量を増幅する場合）の他の一例を示す図である。図１５を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する静特性（音響データの音量を増幅する場合）の他の一例について説明する。

図１５に示したグラフは、特に、再生対象音響データの音量を増幅する場合において、非線形増幅部１６３（増幅率Ｄｇａｉｎを有する増幅部）が有する静特性を示したものであり、図１３を参照しながら説明した静特性に代わって使用される例であり、図１３に示した静特性と図１４に示した静特性との複合型に相当するものである。図１５には、非線形増幅部１６３に対して入力される信号の大きさと非線形増幅部１６３から出力される信号の大きさとの関係が示されている。非線形増幅部１６３が有する動特性を考慮する場合には、図１５に示された非線形増幅部１６３から出力される信号の大きさは、当該大きさを有する信号になるように非線形増幅部１６３により制御される出力目標レベルとしての意味を持つ。

図１５に示した例では、非線形増幅部１６３への入力信号の大きさがＴ１に達するまでは、比較的大きな増幅率により入力信号の大きさの増分に比例して非線形増幅部１６３からの出力信号の大きさの増分が変化する。また、非線形増幅部１６３への入力信号の大きさがＴ１を超えると、非線形増幅部１６３からの出力信号の大きさの増分が低下していく。非線形増幅部１６３への入力信号の大きさがＴ２を超えてからは、非線形増幅部１６３からの出力信号の大きさは、非線形増幅部１６３への入力信号の大きさよりも低くなり、音声信号に対して非線形な増幅が行われていることになる。かかる増幅処理も振幅圧縮処理に相当し、音声に歪みが生じ得る。

［１−１６．コンプレッサー回路が有する動特性の一例］
図１６は、本発明の実施形態に係る再生装置に適用し得るコンプレッサー回路が有する動特性の一例を示す図である。図１６を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３が有する動特性の一例について説明する。

一般的に、コンプレッサーは聴感上自然な音声振幅圧縮を実現するため、時間的に増幅率の変動する動特性を有している。図１６（Ａ）に示した入力信号は、トーンバースト信号に相当する。また、図１６（Ｂ）に示した信号は、コンプレッサーが生成したエンベロープ信号に相当する。コンプレッサー回路１６０内の非線形増幅部１６３は、図１６（Ａ）に示した入力信号に基づいて図１６（Ｂ）に示したエンベロープ信号を生成することができる。エンベロープ信号の生成については、図１７を参照しながら後に詳細に説明する。

非線形増幅部１６３は、図１６（Ｂ）に示したエンベロープ信号の大きさと出力目標レベルとの比率から、増幅ゲイン率を求める。具体的には、非線形増幅部１６３は、出力目標レベルをエンベロープ信号の大きさで除算して増幅ゲイン率とする。非線形増幅部１６３は、この増幅ゲイン率を、時々刻々、図１６（Ａ）に示した入力信号に乗算することで、図１６（Ｃ）に示した出力信号を得ることができる。図１６（Ｃ）に示した出力信号は、トーンバースト信号のエンベロープを表している。

［１−１７．コンプレッサー回路における制御信号の生成手法の一例］
図１７は、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０内の非線形増幅部１６３における制御信号（エンベロープ信号）の生成手法の一例を示す図である。図１７を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るコンプレッサー回路１６０における制御信号（エンベロープ信号）の生成手法の一例について説明する。

非線形増幅部１６３は、図１６（Ａ）に示した入力信号に対して絶対値をとり、時定数を持たせる。時定数には３種類あり、立ち上がり率を表すアタックタイム、ピークを保持するホールドタイム、立ち下がり率を表すリリースタイムである。非線形増幅部１６３は、これらのパラメータを変えることで、コンプレッサー回路１６０内の非線形増幅部１６３の挙動を変えることができる。具体的には、非線形増幅部１６３は、これらのパラメータを変えることでコンプレッサー回路１６０に音響データを通して得られる音声の音色が変化する。一般的には、聴感上において適切な値をパラメータの固定値として設定しておく。

［１−１８．音響データの音量補正の処理の流れの詳細］
図１８は、本発明の実施形態に係る再生装置による音響データの音量補正の処理の流れの詳細を示すフローチャートである。図１８を参照しながら、本発明の実施形態に係る再生装置１００による音響データの音量補正の処理の流れの詳細について説明する。なお、図１８に示した処理は、上記した２パス目の処理に相当する。

図１８に示すように、再生装置１００の属性情報取得部１４０は、受信部１１０を介して再生対象音響データのＲＭＳ値を取得する（ステップＳ３０３）。パラメータ算出部１５０は、属性情報取得部１４０により取得されたＲＭＳ値とあらかじめ定められたＲＭＳ基準値との大小を比較する（ステップＳ３０２）。ＲＭＳ基準値は、複数の音響データのＲＭＳ値の分布に基づいて決定されるものであり、その決定手法については後に詳細に説明する。

パラメータ算出部１５０は、ＲＭＳ値が基準値より小さい場合は、音量増幅（ゲイン増幅）を行うためのパラメータを算出し、ＲＭＳ値より大きい場合は、音量減衰（ゲイン減衰）を行うためのパラメータを算出する。ＲＭＳ値が基準値と同じ場合は、音量補正を行わない（スルー出力する）ようにするためのパラメータを算出する。パラメータ算出部１５０は、例えば、コンプレッサー回路１６０内の線形増幅部１６１に設定される線形補正用パラメータ（例えば、増幅率Ｓｇａｉｎ）、およびコンプレッサー回路１６０内の非線形増幅部１６３に設定される非線形補正用パラメータ（例えば、増幅率Ｄｇａｉｎ）を算出することができる。コンプレッサー回路１６０は、パラメータ算出部１５０により算出されたパラメータに基づいて、音量補正を行う。

［１−１９．パラメータ算出部によるパラメータ（音量増幅時）の算出例］
図１９は、本発明の実施形態に係る再生装置１００に適用し得るパラメータ算出部１５０によるパラメータの算出例（音響データの音量を増幅する場合）を示す図である。図１９を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るパラメータ算出部１５０によるパラメータの算出例（音響データの音量を増幅する場合）について説明する。

図１９に示すように、音響データの音量を増幅する場合、パラメータ算出部１５０は、再生対称音響データの音量が全体で（ＲＭＳ基準値／ＲＭＳ値）倍に増幅するよう、線形増幅部１６１に設定される増幅率Ｓｇａｉｎ（線形補正用パラメータの一例）および非線形増幅部１６３に設定される増幅率Ｄｇａｉｎ（非線形補正用パラメータの一例）を算出する。

まず、線形増幅部１６１に設定される増幅率Ｓｇａｉｎの算出方法について述べる。ここでは、再生対象音響データのメタデータの１つであるＰｅａｋ値を利用する。パラメータ算出部１５０は、例えば、メタデータの１つであるＰｅａｋ値と音量上限値（例えば、「３２７６８」）との比率を線形増幅部１６１に設定される増幅率Ｓｇａｉｎとして算出する。パラメータ算出部１５０により算出された増幅率Ｓｇａｉｎは、パラメータ算出部１５０により線形増幅部１６１に設定される。線形増幅部１６１では線形増幅を行い、メタデータの１つであるＰｅａｋ値を考慮した増幅のため、飽和しないことが保証されている。このため、線形増幅部１６１における音量増幅に際して音声の歪みは発生しない。但し、線形増幅部１６１では音量増幅が足りない可能性があり、音量増幅の不足分については非線形増幅部１６３にて補うことができる。

次に、非線形増幅部１６３に設定される増幅率Ｄｇａｉｎの算出方法について述べる。ここでは、再生対象音響データのメタデータの１つであるＲＭＳ値を利用する。パラメータ算出部１５０は、再生対象音響データのＲＭＳ値に対するＲＭＳ基準値の比率に基づいて増幅率Ｄｇａｉｎを算出する。パラメータ算出部１５０により算出された増幅率Ｄｇａｉｎは、パラメータ算出部１５０により非線形増幅部１６３に設定される。パラメータ算出部１５０は、例えば、（ＲＭＳ基準値／ＲＭＳ値）／Ｓｇａｉｎを増幅率Ｄｇａｉｎとして算出する。かかる値が増幅率Ｄｇａｉｎとしてパラメータ算出部１５０により設定されれば、非線形増幅部１６３における増幅を、増幅率Ｓｇａｉｎを考慮して低く抑えられる。すなわち、音声の歪みを低く抑えることができる。増幅率Ｄｇａｉｎは、図１３に示した静特性における増幅率に相当する。

［１−２０．パラメータ算出部によるパラメータ（音量減衰時）の算出例］
図２０は、本発明の実施形態に係る再生装置１００に適用し得るパラメータ算出部１５０によるパラメータの算出例（音響データの音量を減衰する場合）を示す図である。図２０を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るパラメータ算出部１５０によるパラメータの算出例（音響データの音量を減衰する場合）について説明する。

図２０に示すように、音響データの音量を減衰する場合、パラメータ算出部１５０は、再生対象音響データのＲＭＳ値に対するＲＭＳ基準値の比率を線形増幅部１６１に設定される増幅率Ｓｇａｉｎ（線形補正用パラメータの一例）として算出する。パラメータ算出部１５０により算出された増幅率Ｓｇａｉｎは、パラメータ算出部１５０により線形増幅部１６１に設定される。

パラメータ算出部１５０は、「０．０」を増幅率Ｄｇａｉｎ（非線形補正用パラメータの一例）として算出する。「１．０」を増幅率Ｔｇａｉｎとして算出する。パラメータ算出部１５０により算出された増幅率Ｄｇａｉｎおよび増幅率Ｔｇａｉｎは、パラメータ算出部１５０により非線形増幅部１６３および線形増幅部１６２に設定される。かかる値がパラメータ算出部１５０により設定されれば、線形増幅部１６２により線形減衰を行うため、音声の歪み無く減衰することができる。線形増幅部１６２はスルー出力を行い、非線形増幅部１６３は無音を出力し、線形増幅部１６２および非線形増幅部１６３から出力された両出力が加算され、最終段の出力信号となる。

［１−２１．パラメータ算出部によるパラメータ（スルー出力時）の算出例］
図２１は、本発明の実施形態に係る再生装置１００に適用し得るパラメータ算出部１５０によるパラメータの算出例（音響データをスルー出力する場合）を示す図である。図２１を参照しながら、本発明の実施形態に係る再生装置１００に適用し得るパラメータ算出部１５０によるパラメータの算出例（音響データをスルー出力する場合）について説明する。

図２１に示すように、音響データをスルー出力する場合、パラメータ算出部１５０は、「１．０」を線形増幅部１６１に設定される増幅率Ｓｇａｉｎ（線形補正用パラメータの一例）として算出する。また、パラメータ算出部１５０は、「０．０」を増幅率Ｄｇａｉｎ（非線形補正用パラメータの一例）として算出する。また、パラメータ算出部１５０は、「１．０」を増幅率Ｔｇａｉｎとして算出する。

パラメータ算出部１５０により算出された増幅率Ｓｇａｉｎ、増幅率Ｄｇａｉｎおよび増幅率Ｔｇａｉｎは、パラメータ算出部１５０により線形増幅部１６１、非線形増幅部１６３および線形増幅部１６２に設定される。かかる値がパラメータ算出部１５０により設定されれば、非線形増幅部１６３による処理が行われないため、歪みのない音声を出力することができる。

次に、パラメータ算出部１５０において算出に用いられているＲＭＳ基準値の求め方について述べる。ＲＭＳ基準値は、例えば、再生対象音響データのＰｅａｋ値及びＲＭＳ値の統計分布から算出する。
［１−２２．音量特性値の一例としてのＰｅａｋ値の統計分布］
図２２は、本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値の統計分布について説明するための図である。図２２を参照しながら、本発明の実施形態に係る音量特性値の一例としてのＰｅａｋ値の統計分布について説明する。

図２２は、一般的な楽曲（音響データの例）群のＰｅａｋ値の統計分布（ヒストグラム）を示している。多くの楽曲のＰｅａｋ値は音量の上限値である３２７６８の付近となっているが、図２２に示されたヒストグラムを参照する限りは、Ｐｅａｋ値が音量の上限値付近にない曲も多く存在しているので、そのような楽曲に対しては、図１９に示したような、線形増幅のための各増幅率の組み合わせを適用することで、非線形増幅による音声の歪みを適切に抑えることができる。本例では、ＲＭＳ基準値の算出にＰｅａｋ値の統計分布を直接利用していないが、例えば、Ｐｅａｋ値の統計分布の平均値と後述するＲＭＳ値の統計分布の平均値との差分とから、最適な増幅率となるよう非線形増幅部１６３が有する静特性と動特性を変更してもよい。

［１−２３．音量特性値の一例としてのＲＭＳ値の統計分布］
図２３は、本発明の実施形態に係る音量特性値の一例としてのＲＭＳ値の統計分布について説明するための図である。図２３を参照しながら、本発明の実施形態に係る音量特性値の一例としてのＲＭＳ値の統計分布について説明する。

図２３は、一般的な楽曲（音響データの例）群のＲＭＳ値の統計分布（ヒストグラム）を示している。図２３を参照すると、ＲＭＳ値の平均値を中心にほぼ正規分布で広範囲に広がっているのがわかる。数十ｄＢの音量差で、さまざまな楽曲が分布していることがわかる。リスナーが再生しようとしている楽曲群に相当する音楽ライブラリは既知であるため、それらの楽曲群の統計分布を予め求めておくことは可能である。ネットワークを介したストリーミング再生のユースケースに関しても同様である。本発明の実施形態においては、再生する楽曲群の統計分布を、図２２、図２３などに示したようにあらかじめ計算して求めておくことができる。

［１−２４．ＲＭＳ基準値の決定手法の一例］
図２４は、本発明の実施形態に係る再生装置１００による音響データの音量補正の処理に使用され得るＲＭＳ基準値の決定手法の一例について説明するための図である。図２４を参照しながら、本発明の実施形態に係る再生装置１００による音響データの音量補正の処理に使用され得るＲＭＳ基準値の決定手法の一例について説明する。

図２４に示すように、解析部２３０は、統計分布からＲＭＳ値の平均値を求めることができる。解析部２３０は、ＲＭＳ値の平均値をＲＭＳ基準値としてもよいが、図２４に示した例では、ＲＭＳ値の平均値＋１．５シグマ（シグマは標準偏差）をＲＭＳ基準値としている。また、解析部２３０は、ＲＭＳ値の平均値＋３シグマ−数ｄＢ（例えば、６ｄＢ）をＲＭＳ基準値としてもよい。解析部２３０は、ＲＭＳ値の平均値をＲＭＳ基準値としない理由は、より多くの楽曲に対して、音量補正をゲイン増幅モードで動作させるためであり、量子化ビット数１６ビットを有効に利用したＳ／Ｎの良い音にすることができる。

ノーマライザーを３つの動作モード（ゲイン増幅、ゲイン減衰、スルー出力）のいずれにより動作させるのが好ましいかはユーザに嗜好によるので、このＲＭＳ基準値の決め方は一通りではなく、ユーザが統計分布のＲＭＳ平均値を基準に好きな音量レベルに決めてよい。

［１−２５．ＲＭＳ基準値の決定手法の他の一例］
図２５は、本発明の実施形態に係る再生装置１００による音響データの音量補正の処理に使用され得るＲＭＳ基準値の決定手法の他の一例について説明するための図である。図２５を参照しながら、本発明の実施形態に係る再生装置１００による音響データの音量補正の処理に使用され得るＲＭＳ基準値の決定手法の他の一例について説明するための図である。
パラ

図２４に示した例では、ＲＭＳ基準値を一つとしたが、図２５に示した例では、ＲＭＳ基準値の上限値と下限値の２つを設けている。このとき、パラメータ算出部１５０は、ＲＭＳ基準値よりも小さい下側基準値（下限のＲＭＳ基準値）より再生対象音響データのＲＭＳ値が小さい場合に再生対象音響データの音量を増幅するためのパラメータを算出する。また、パラメータ算出部１５０は、ＲＭＳ基準値よりも大きい上側基準値（上限のＲＭＳ基準値）より再生対象音響データのＲＭＳ値が大きい場合に再生対象音響データの音量を減衰するためのパラメータを算出する。パラメータ算出部１５０は、下限のＲＭＳ基準値と上限のＲＭＳ基準値との間に再生対象音響データのＲＭＳ値が含まれる場合、再生対象音響データをスルー出力させるためのパラメータを算出する。

ＲＭＳ基準値と下側基準値との差分およびＲＭＳ基準値と上側基準値との差分についは、特に限定されるものではなく、例えば、３ｄＢとすることができる。すなわち、ＲＭＳ基準値＋３ｄＢを上限のＲＭＳ基準値とし、ＲＭＳ基準値−３ｄＢレベルを下限のＲＭＳ基準値とすることができる。コンプレッサー回路１６０は、上限のＲＭＳ基準値より大きいＲＭＳ値を持つ楽曲に対してはゲイン減衰の音量補正動作を行い、下限のＲＭＳ基準値より小さいＲＭＳ値を持つ楽曲に対してはゲイン増幅の音量補正動作を行うことができる。上限のＲＭＳ基準値と下側のＲＭＳ基準値との間のＲＭＳ値を持つ楽曲に対しては何もせずに、楽曲をスルー出力する。スルー出力することで、再生対象音響データに必要以上の音量制御処理をする必要がなくなり、音質の劣化を最小限にすることができる。これらの動作モードの設定に関しても、ユーザ側で統計分布のＲＭＳ平均値を基準に自由に決めることができる。

＜２．使用例＞
以上に説明した本発明の実施形態に係る再生システム１０の使用例と一般的な再生システムの使用例とについて説明する。以下に示すように、一般的な再生システムの使用例についてシナリオ１、２に記載し、本発明の実施形態に係る再生システム１０の使用例についてシナリオ例３に記載する。

シナリオ例１）
Ａさんはこれまでに購入したＣＤが１００枚くらいあり、これらの楽曲は全てＰＣなどにリッピングして保存している。楽曲数として１０００曲くらいがＰＣに保存されている。その中にはクラシックの曲やロックの曲が混じっている。ＡさんはＰＣ上の音楽ファイルを専用のソフトウェアを使ってランダム再生してみた。

１曲目はロックが再生された。音量が大きめだったので音量ボリュームを１０段階中３にした。次に２曲目にクラシックが再生された。音量がとても小さく感じたので、Ａさんは音量ボリュームを３から７に上げた。ところがこのクラシックの曲は後半にとても盛り上がり、うるさく感じられてきた。そこでＡさんはボリュームを５に下げた。３曲目は再び、別のロックの曲が再生された、音量がすごく大きく感じられたので、ボリュームを５から３に下げた。Ａさんは音量調整をとても煩わしく感じた。

シナリオ例２）
Ａさんは、既存の「ダイナミック型」のノーマライザー処理をＯＮにした。ＡさんはＰＣ上の音楽ファイルを専用のソフトウェアを使ってランダム再生してみた。１曲目はロックが再生された。音量が大きめだったので音量ボリュームを１０段階中３にした。次に２曲目にクラシックが再生された。音量はロックの曲とそんなに差を感じなかったので３のまま再生した。ところがクラシックの曲のフルートやピアノの音が原曲と比べて、なぜか歪みっぽく感じられた。

そして、このクラシック曲は前半が静かで後半がすごく盛り上がるはずなのに、前半からフルートとピアノの音量がすごく上がり過ぎているのが気になった。前半の音量感の勢いのまま後半の盛り上がり部分に突入したので、後半のドラマチックな盛り上がり方を感じ取ることができなかった。３曲目は再び、別のロックの曲が再生された。音量調整は全体を通して３のままで変える必要がなかったが、クラシックの曲の音量の不自然さや歪みによる音質の劣化が気になった。

シナリオ例３）
Ａさんは本発明の実施形態に係る再生システム１０の音量補正機能をＯＮにした。ＡさんはＰＣ上の音楽ファイルを専用のソフトウェアを使ってランダム再生してみた。１曲目はロックが再生された。音量が大きめだったので音量ボリュームを１０段階中３にした。次に２曲目にクラシックが再生された。静かな感じのフルートとピアノの演奏から始まったが、音量を上げようと思う程ではなかった。むしろ、静寂の中のフルートとピアノの演奏が心地良かった。音も透き通ったようなきれいな音色が響いていた。後半は打楽器を含む大人数でのオーケストラの演奏が始まり、すごく盛り上がり感を感じとることができた。この場合でも音量は３のままで最適な音量感を感じとることができた。

クラシック曲の再生が終わり、３曲目は再び、別のロックの曲が再生された。クラシックの後にロック調の気持の良いドラムやギター音が再生されたが、音量感はちょうど良かった。音量調整は全体を通して３のままで変える必要がなかった。全体を通して、クラシックのやさしい音色とロックの激しい音色の対比が気持ちよかった。音量感は全体を通して３でちょうど良かった。

＜３．変形例＞
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詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、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、これらについても、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、上記実施形態では、提供装置２００により保持されている楽曲に対してＲＭＳ基準値を算出するための統計処理を行うこととしたが、本発明はかかる例に限定されない。例えば、ＲＭＳ基準値を楽曲のジャンルごとに行うようにしてもよい。例えば、クラシック曲の楽曲群のＲＭＳ基準値とロック曲の楽曲群のＲＭＳ基準値とを別個に算出し、再生装置１００による音量補正に使用することも可能である。また、各ユーザのプレイリストごとに算出してもよい。また、上記実施形態では、ＲＭＳ基準値を算出するための統計処理を提供装置２００が行うこととしたが、再生装置１００が行うこととすることもできる。

＜４．まとめ＞
本実施形態によれば、元の音響データの音量変化に比較的近い音量変化を維持しつつ各音響データ間の音量の違いを低減させ、音量増幅による音声の歪みを低減させながら音響データを再生することが可能である。

１０ 再生システム
１００ 再生装置
１１０ 受信部
１２０ 映像音響データ取得部
１３０ 映像音響データデコード回路（再生部）
１４０ 属性情報取得部
１５０ パラメータ算出部
１６０ コンプレッサー回路（音量補正部）
１６１ 線形増幅部
１６２ 線形増幅部
１６３ 非線形増幅部
１７０ ミキサー装置
１８０ 記憶部
２００ 提供装置
２１０ 記憶部
２２０ 取得部
２３０ 解析部
２４０ 送信部
３００ 出力装置
３１０ 音声出力部
３２０ 画像出力部

Claims (11)

1. 音響データを再生する再生部と、
   前記再生部により再生された前記音響データの音量を、複数の音響データの各々の音量特性値と前記音響データの音量特性値との関係に基づいて補正する音量補正部と、
   を備える、再生装置。
2. 前記再生装置は、
   前記複数の音響データの各々の音量特性値と前記音響データの音量特性値との関係に基づいて音量補正のためのパラメータを算出するパラメータ算出部をさらに備え、
   前記音量補正部は、
   前記パラメータ算出部により算出されたパラメータに従って前記音響データの音量を補正する、
   請求項１に記載の再生装置。
3. 前記音量特性値は、
   前記音響データの音量平均値を示し、
   前記パラメータ算出部は、
   前記複数の音響データの前記音量平均値の分布に基づいて決定される基準平均値より前記音響データの前記音量平均値が小さい場合に前記音響データの音量を増幅するためのパラメータを算出し、
   前記基準平均値よりも前記音響データの前記音量平均値が大きい場合に前記音響データの音量を減衰するためのパラメータを算出する、
   請求項２に記載の再生装置。
4. 前記音量補正部は、
   非線形補正部および第１の線形補正部を有し、
   前記パラメータ算出部は、
   前記第１の線形補正部に設定される線形補正用パラメータ、および前記非線形補正部に設定される非線形補正用パラメータを算出する、
   請求項３に記載の再生装置。
5. 前記パラメータ算出部は、
   前記基準平均値より前記音響データの前記音量平均値が小さい場合、前記音響データの音量ピーク値に対する音量上限値の比率を前記線形補正用パラメータとして算出し、前記音響データの前記音量平均値に対する前記基準平均値の比率に基づいて前記非線形補正用パラメータを算出する、
   請求項４に記載の再生装置。
6. 前記パラメータ算出部は、
   前記基準平均値より前記音響データの前記音量平均値が大きい場合、前記音響データの前記音量平均値に対する前記基準平均値の比率を前記線形補正用パラメータとして算出する、
   請求項５に記載の再生装置。
7. 前記パラメータ算出部は、
   前記基準平均値よりも小さい下側基準値より前記音響データの前記音量平均値が小さい場合に前記音響データの音量を増幅するためのパラメータを算出し、
   前記基準平均値よりも大きい上側基準値より前記音響データの前記音量平均値が大きい場合に前記音響データの音量を減衰するためのパラメータを算出し、
   前記下側基準値と前記上側基準値との間に前記音響データの前記音量平均値が含まれる場合、前記音響データをスルー出力させるためのパラメータを前記音量補正部に設定する、
   請求項６に記載の再生装置。
8. 前記音量補正部は、
   前記第１の線形補正部の後段に前記非線形補正部と並列に接続される第２の線形補正部を有し、
   前記パラメータ算出部は、
   前記音響データをスルー出力させるためのパラメータとして、前記第１の線形補正部および前記第２の線形補正部に増幅率１を設定し、前記非線形補正用パラメータとして増幅率０を設定する、
   請求項７に記載の再生装置。
9. 音響データを再生するステップと；
   再生された前記音響データの音量を、複数の音響データの各々の音量特性値と前記音響データの音量特性値の関係とに基づいて補正するステップと；
   を含む、再生方法。
10. 音響データおよび複数の音響データの各々の音量特性値を記憶する記憶部と、
    前記音響データおよび前記複数の音響データの各々の音量特性値を取得する取得部と、
    前記音響データを解析するとともに前記複数の音響データの各々の音量特性値の分布を解析する解析部と、
    音響データを再生する再生装置に、前記音響データ、および前記解析部による解析結果を送信する送信部と、
    を備える、提供装置。
11. 音響データおよび複数の音響データの各々の音量特性値を記憶する記憶部、
    前記音響データおよび前記複数の音響データの各々の音量特性値を取得する取得部、
    前記音響データを解析するとともに前記複数の音響データの各々の音量特性値の分布を解析する解析部、および
    前記解析部による解析結果を送信する送信部、
    を有する提供装置と；
    前記提供装置から、前記音響データ、および前記解析結果を受信する受信部、
    前記音響データを再生する再生部、および、
    前記再生部により再生された前記音響データの音量を前記解析結果に基づいて補正する音量補正部、
    を有する再生装置と、
    を備える、再生システム。
    

Images