JP2013131871A - 編集装置、遠隔制御装置、テレビジョン受像機、特定音声信号、編集システム、編集方法、プログラム、および、記録媒体 - Google Patents

Abstract

【課題】複数の音声映像データの編集作業を容易に行うことができる編集装置を実現する。
【解決手段】編集装置１０の備える音声解析部１５は、複数の音声映像データに埋め込まれた特定音声信号を抽出すると共に、抽出した各特定音声信号に基づいて、各音声映像データ上の再生開始点を特定し、制御部１６は、上記再生開始点から各音声映像データを再生するよう制御する。
【選択図】図１

Description

本発明は、映像音声データを編集する編集装置に関する。また、そのような編集装置を含むテレビジョン受像機、および、そのような編集装置を遠隔制御するための遠隔制御装置に関する。

近年、ビデオカメラのデジタル化に伴い、一般のユーザでも高画質かつ高音質のデジタル映像を手軽に撮影することができるようになってきた。また、ビデオカメラの低価格化に伴い、一般ユーザの間でも、複数のビデオカメラを用いて複数のアングルから被写体を撮影し、これら複数の音声映像データを編集することによって編集映像を作成したいというニーズが高まっている。

特許文献１には、複数のビデオ収録デッキを一度に制御することができるビデオカメラビデオ収録デッキ用操作装置が開示されている。

特開平１０−２７１４３１（１９９８年１０月９日公開）

デジタル音声映像データの編集には、パーソナルコンピュータおよび編集用のソフトウェアなどの編集用環境が必要になる。また、一般に編集作業には、高度な知識が必要とされ、また、手間のかかる作業でもある。それゆえ、編集作業を毛嫌いするユーザも多い。

本発明は、上記の課題を解決するためになされたものであり、その主たる目的は、複数の音声映像データの編集作業を容易に行うことができる編集装置を実現することにある。

上記の課題を解決するため、本発明に係る編集装置は、各音声映像データによって表される複数の映像を編集する編集装置であって、各音声映像データに埋め込まれた特定音声信号を抽出する抽出手段と、上記抽出手段によって抽出された各特定音声信号に基づいて、各音声映像データ上の再生開始点を特定する特定手段と、上記再生開始点から各音声映像データを再生するよう各音声映像データの頭出しを行う制御手段と、を備えていることを特徴としている。

上記のように構成された編集装置によれば、各音声映像データに埋め込まれた特定音声信号に基づいて再生開始点を特定し、特定された再生開始点から各音声映像データを再生するよう各音声映像データの頭出しを行うので、各音声映像データの同期を容易にとることができる。したがって、ユーザは各音声映像データを同期させるために煩雑な作業を行う必要がないので、音声映像データの編集作業を容易に行うことができる。

また、上記特定音声信号には、固定周波数からなる固定周波数信号と、段階的に変化していく可変周波数からなる可変周波数信号とが繰り返し含まれており、上記特定手段は、上記固定周波数信号と上記可変周波数信号とを参照して、上記再生開始点を特定する、ことが好ましい。

上記の構成によれば、上記特定手段は、上記特定音声信号に含まれる固定周波数信号と可変周波数信号とを参照して上記再生開始点を特定するので、周波数を解析するための簡易な構成によって、上記再生開始点を特定することができる。

また、本発明に係る編集装置は、上記各音声映像データは、各外部機器から供給され、上記制御手段は、上記再生開始点から各音声映像データを再生するよう各外部機器を制御する、ことが好ましい。

上記のように構成された編集装置によれば、各外部機器から供給される各音声映像データに埋め込まれた特定音声信号にお基づいて再生開始点を特定し、その再生開始点から各音声映像データを再生するよう、各外部機器を制御するので、各外部機器から供給される各音声映像データの同期を容易にとることができる。したがって、ユーザは各外部機器から供給される各音声映像データを同期させるために煩雑な作業を行う必要がないので、音声映像データの編集作業を容易に行うことができる。

また、上記編集装置は、再生される各音声映像データのいずれかを各時刻において選択することによって編集後の音声映像データを生成する編集手段を更に備えていることが好ましい。

上記の構成によれば、ユーザは、上記編集手段を用いることによって、各音声映像データから編集後の音声映像データを容易に生成することができる。

また、本発明に係る遠隔制御装置は、音声映像データによって表される複数の映像を編集する編集装置を遠隔制御するための遠隔制御装置であって、上記編集装置が各音声映像データの再生開始点を特定するために参照する特定音声信号を出力する出力手段を備えている、ことを特徴としている。

上記のように構成された遠隔制御装置によれば、上記編集装置が各音声映像データの再生開始点を特定するために参照する特定音声信号を出力する出力手段を備えているので、ユーザは、上記遠隔制御装置を用いて、各外部機器が記録する音声映像データの一部に特定音声信号を埋め込んでおくことができる。

また、そのような音声映像データを編集する編集装置は、上記特定音声信号を参照して、再生開始点を特定することができるので、ユーザは容易に編集作業を行うことができる。

また、本発明に係る編集システムは、上記編集装置と、上記遠隔制御装置と、上記外部機器として複数のビデオカメラとを含んでいる、ことを特徴としている。

上記の構成によれば、上記編集装置は、各ビデオカメラから供給される音声映像データに埋め込まれた特定音声信号に基づいて、再生開始点を特定するので、ユーザは容易に編集作業を行うことができる。

また、本発明に係るテレビジョン受像機は、上記編集装置を備えている、ことを特徴としている。

上記のように構成されたテレビジョン受像機によれば、上記編集装置を備えているので、ユーザは容易に編集作業ができる。また、編集作業のためのパーソナルコンピュータや編集用ソフトウェアなどを用意する必要がないので、ユーザの利便性を高めることができる。

また、本発明に係る特定音声信号は、音声信号に埋め込まれ、当該音声信号上の特定の位置を特定するために参照される特定音声信号であって、固定周波数からなる固定周波数信号と、段階的に変化していく可変周波数からなる可変周波数信号とを繰り返し含んでおり、上記音声信号を解析する解析装置は、上記固定周波数信号と上記可変周波数信号とを参照して、上記特定の位置を特定する、ことを特徴としている。

上記のように構成された特定音声信号を解析する解析装置は、上記固定周波数信号と上記可変周波数信号とを参照して、上記特定の位置を特定するので、上記特定音声信号は、簡易な構成によって音声信号上の特定の位置を特定するために用いることができる。

また、本発明に係る編集方法は、各音声映像データによって表される複数の映像を編集する編集方法であって、各音声映像データに埋め込まれた特定音声信号を抽出する抽出工程と、上記抽出工程にて抽出された各特定音声信号に基づいて、各音声映像データ上の再生開始点を特定する特定工程と、上記再生開始点から各音声映像データを再生するよう各音声映像データの頭出しを行う制御工程と、を含んでいることを特徴としている。

上記のように構成された編集方法によれば、上記編集装置と同様の効果を奏する。

また、本発明に係る編集装置が備えている各手段としてコンピュータを動作させるためのプログラム、および、それらのプログラムを記録したコンピュータ読み取り可能な記録媒体についても本発明の範疇に含まれる。

以上のように、本発明に係る編集装置は、各音声映像データによって表される複数の映像を編集する編集装置であって、各音声映像データに埋め込まれた特定音声信号を抽出する抽出手段と、上記抽出手段によって抽出された各特定音声信号に基づいて、各音声映像データ上の再生開始点を特定する特定手段と、上記再生開始点から各音声映像データを再生するよう各音声映像データの頭出しを行う制御手段と、を備えている。

上記のように構成された編集装置によれば、ユーザは、音声映像データの編集を容易に行うことができる。

本発明の一実施形態に係る編集装置の構成を示すブロック図である。 本発明の一実施形態に係るリモコンの構成を示すブロック図である。 本発明の一実施形態に係るデジタルビデオカメラの構成を示すブロック図である。 本発明の一実施形態に係る特定音声信号の波形を示す図である。 本発明の一実施形態に係る編集装置による編集開始点特定処理の流れを示すフローチャートである。 本発明の適用例を説明するための図であって、運動会等で用いられるトラックコースを互いに異なる複数の角度から撮影する場合を示す図である。 本発明の適用例を説明するための図であって、（ａ）は、当該適用例において用いられるデジタルビデオカメラおよび録音機を示しており、（ｂ）は、（ａ）に示す各機器によって録音される特定音声信号の各波形を示している。 本発明の適用例を説明するための図であって、実施形態に係る音声解析部によって解析される各音声データ、並びに、解析の結果算出される編集開始点までの時間的間隔を示す図である。 本発明の一実施形態に係る編集装置を備えるテレビジョン受像機を用いた編集作業における表示画面の一例を示す図である。

（テレビジョン受像器３０）
本発明の一実施形態に係るテレビジョン受像器３０について、図１を参照しながら説明する。テレビジョン受像器３０は、本発明の一実施形態に係る編集装置１０、映像処理部３１、ＬＣＤパネル３２、記録部３３、アンプ３４、および、スピーカー３５を備えている。テレビジョン受像機３０は、図１に示すように、リモコン（遠隔操作装置）４０によって操作される。

（編集装置１０の構成）
図１に示すように、編集装置１０は、第１外部入出力部１１ａ、第２外部入出力部１１ｂ、第３外部入出力部１１ｃ、ＵＳＢインターフェース１２ａ、ＳＤカードインターフェース１２ｂ、メモリ１３、復号部１４、音声解析部１５（抽出手段、特定手段）、制御部１６（制御手段）、赤外線受光部１７および編集部（編集手段）２０を備えている。編集部２０は、映像選択部２１、音声選択部２２および編集データ生成部２３を備えている。

第１外部入出力部１１ａ、第２外部入出力部１１ｂおよび第３外部入出力部１１ｃは、外部機器を編集装置１０に接続するためのインターフェースである。当該インターフェースは、編集装置１０に接続されている外部機器から音声映像データを受け付けるものであり、かつ、編集装置１０に接続されている外部機器を制御可能な規格に適合しているものである。

上記インターフェースの規格として、例えばＨＤＭＩ、ＨＤＶ（ＩＥＥＥ１３９４）が挙げられる。本実施形態において、第１外部入出力部１１ａおよび第２外部入出力部１１ｂはＨＤＭＩに適合したものであり、第３外部入出力部１１ｃはＨＤＶに適合したものとする。ただし、これは、本実施形態を限定するものではなく、後述するデジタルビデオカメラ５０による音声映像データの頭出しを制御するための制御信号を伝送できるものであればよい。

ＵＳＢインターフェース１２ａは、ＵＳＢ接続された外部機器からの音声映像データを取り込むためのインターフェースであり、ＳＤカードインターフェース１２ｂは、ＳＤカードに記録された音声映像データを取り込むためのインターフェースである。

ＵＳＢインターフェース１２ａおよびＳＤカードインターフェース１２ｂから取り込まれた音声映像データは、メモリ１３に格納される。メモリ１３としては、例えば、大容量のフラッシュメモリ等を用いることができる。

以下の説明では、第１〜第３の外部入出力部には、外部機器として、それぞれ第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃが接続されているものとする。また、第１の外部入出力部１１ａ、第２の外部入出力部１１ｂ、および、第３の外部入出力部１１ｃを合わせて外部入出力部１１とも表記する。

なお、本実施形態において、編集装置１０が編集する複数の音声映像データの一例として、デジタルビデオカメラ５０ａ〜５０ｃに記録されている各音声映像データを用いて説明する。しかし、編集装置１０が編集する複数の音声映像データは、これに限定されるものではない。編集装置１０は、メモリ１３、または、テレビジョン受像器３０が備える記録部３３にあらかじめ記録された複数の音声映像データを編集することに用いることもできる。

（復号部１４）
復号部１４は、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃから外部入出力部１１を介して供給される第１〜第３の音声映像データ、並びに、メモリ１３に格納された映像音声データを受け取ると共に、各音声映像データを復号することによって各音声映像信号を生成する。生成された各音声映像信号は、映像選択部２１、および音声解析部１５に供給される。各音声映像データは、例えば、ＭＰＥＧ２ストリームやＭＰＥＧ４ストリームである。

以下では、第１〜第３の音声映像データを復号して得られる音声映像信号を、それぞれ、第１から第３の音声映像信号とも呼称する。

なお、
（音声解析部１５）
音声解析部１５は、復号部１４によって復号された各音声信号から特定音声信号を検出および抽出すると共に、抽出した特定音声信号に基づいて各音声信号上の同期位置を特定する。また、音声解析部１５は、特定した同期位置を表す同期位置情報を、制御部１６に供給する。

ここで、特定音声信号とは、各音声信号に埋め込まれた特定の音声信号であり、音声解析部１５は、特定音声信号を解析することによって、各音声映像データにおける同期位置を特定することができる。本実施形態において、この同期位置は、主として編集の開始点として用いられるので、以下では、この同期位置のことを編集開始点（再生開始点）Ｐとも呼称する。また、第１〜第３の音声映像データにおける編集開始点Ｐを、それぞれ編集開始点Ｐ１〜Ｐ３とも表記する。

特定音声信号に基づいて編集開始点Ｐを特定する具体的な処理については、後述するためここでは説明を省略する。

（制御部１６）
制御部１６は、外部入出力部１１、復号部１４、音声解析部１５、赤外線受光部１７および編集部２０に接続されており、これらの各部を制御する。

赤外線受光部１７は、ユーザが操作するリモコン４０から送信される操作信号を受信し、受信した操作信号を制御部１６に出力する。制御部１６は、操作信号に応じて上記各部を制御する。

ユーザがリモコン４０を介して行う操作は、例えば、第１〜第３の音声映像データを編集開始点Ｐにてスタンバイさせるための操作（スタンバイ操作）、編集を開始させるための操作（編集開始操作）、および、編集時における音声映像データを選択させるための操作（音声映像データ選択操作）などが挙げられる。制御部１６は、赤外線受光部１７を介して操作信号を取得することによって、ユーザがどのような動作を編集装置１０に求めているのかを検知することができる。

制御部１６は、ユーザがリモコン４０を介して行う音声映像データ選択操作に基づいて、第１〜第３の映像音声信号の何れを選択すべきかを示す選択信号を生成し、映像選択部２１、音声選択部２２、および、映像処理部３１に供給する。選択信号は、より具体的には、各時点において、第１〜第３の映像音声信号の何れを選択すべきかを示す信号である。

また、制御部１６は、ユーザがリモコン４０を介して行うスタンバイ操作に基づいて、第１〜第３外部入出力部１１ａ〜１１ｃを介して、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃに対して制御信号を供給し、各音声映像データを編集開始点Ｐにてスタンバイさせる。

（編集部２０）
編集部２０は、映像選択部２１、音声選択部２２、および、編集データ生成部２３を備えている。復号部１４において復号された第１〜第３の音声映像信号のうち、それぞれの映像信号である第１〜第３の映像信号は、映像選択部２１に供給される。復号部１４において復号された第１〜第３の音声映像信号のうち、それぞれの音声信号である第１〜第３の音声信号は、音声選択部２２に供給される。

映像選択部２１は、制御部１６から供給される選択信号に基づいて、第１〜第３の映像信号のいずれか１つの映像信号を選択し、編集データ生成部２３に出力する。また、映像選択部２１は、第１〜第３の映像信号を映像処理部３１に供給する。

音声選択部２２は、第１〜第３の音声信号のいずれか１つの音声信号を選択し、編集データ生成部２３およびアンプ３４に出力する。

映像処理部３１は、映像選択部２１から供給される第１〜第３の映像信号によって表される各映像を、ＬＣＤパネル３２に表示させる。より具体的には、映像処理部３１は、一画面を複数の領域に分割すると共に、各領域に、上記各映像およびユーザによって選択された映像を表示する。映像処理部３１によってＬＣＤパネル３２に表示させる画面の一例を図９に示す。

アンプ３４は、音声選択部２２から供給される音声信号を増幅し、当該音声信号の示す音声を、スピーカー３５を介して出力する。

ここで、音声選択部２２による音声信号の選択は、制御部１６から供給される選択信号に基づいて行われる。したがって、音声選択部２２は、映像選択部２１が選択する映像信号に対応する音声信号を選択することになる。たとえば、映像選択部２１が第１映像信号を選択している際には、音声選択部２２は第１音声信号を選択する。

ただし、音声選択部２１における別の選択方法として、常に第１〜第３の音声信号のいずれか１つの音声信号を選択するようにしてもよい。たとえば、音声選択部２１が、各音声信号の音質を比較する構成とし、第１音声信号の音質が優れている場合は、常に第１音声信号を選択する構成としてもよい。また、音声選択部２１は、メモリ１３に格納された音声データを選択する構成としてもよい。

編集データ生成部２３は、映像選択部２１によって選択されている映像信号と、音声選択部２２によって選択されている音声信号とを多重化することによって、編集後の音声映像データを生成する。また、生成した音声映像データを、適宜記録部３３に適合した符号化方法によって符号化し、符号化後のデータを記録部３３に供給する。符号化後のデータは、例えば、ＭＰＥＧ２ストリームやＭＰＥＧ４ストリームである。

記録部３３は、編集データ生成部２３から供給される符号化後のデータを、記録媒体に記録する。

記録媒体の例としては、テレビジョン受像器３０に内蔵されているＨＤ（harddisk）、テレビジョン受像器３０に挿入されているＢＤ（Blu-ray Disk）、テレビジョン受像器３０に接続されているＤＬＮＡ対応ＨＤなどが挙げられる。なお、本実施形態において、記録媒体はこれらに限定されず、編集音声映像データを記録可能な記録媒体であれば、いかなる記録媒体でもよい。

（リモコン４０）
リモコン（遠隔制御装置）４０は、ユーザが選択する操作を操作信号に変換し、変換した操作信号をテレビジョン受像器３０が備える赤外線受光部１７に送信するものである。操作信号を送信する機能とは別の機能として、特定音声信号を発生する機能を有している。

図２は、リモコン４０の構成を示すブロック図である。図２に示すように、リモコン４０は、制御部４１、操作部４２、赤外線送信部４３、特定音声生成部４４およびスピーカー４５を備えている。

ユーザがリモコン４０を操作することによって行う操作の一例は、視聴するチャンネルを変更する、および、音量を変更するなど、テレビジョン受像器における操作として一般的な操作である。また、後述するように、複数のサブ画像のいずれかを選択する操作も、ユーザがリモコン４０を介して行う操作の一例である。

一方、本実施形態に係るテレビジョン受像器３０に特有な操作として、たとえば、編集開始点Ｐを検出する、編集開始、および、編集時における音声映像データの選択などの操作が挙げられる。

ユーザが操作部４２に対して行った操作の内容を示す操作信号は制御部４１に供給される。制御部４１は、供給された操作信号の示す具体的な操作を解釈すると共に、当該操作信号の示す操作がテレビジョン受像機３０に対して送信すべきものである場合には、当該操作信号を赤外線送信部４３に供給する。赤外線送信部４３は、制御部４１より供給された操作信号を赤外線信号として、リモコン４０の外部へ送信する。

一方、ユーザがリモコン４０から特定音声信号を発生させたい場合、ユーザは、例えば、操作部４２に設けられている特定音声出力ボタンを押下する。すると、操作部４２は、制御部４１に対して、特定音声信号を発生させる旨の操作信号を供給し、制御部４１は、この操作信号を受けると、特定音声信号を発生させる旨の制御信号を特定音声生成部４４に供給する。

特定音声生成部４４は、当該制御信号を受けると、特定音声信号を生成し、スピーカー４５を介して出力する。

なお、特定音声信号の詳細については、後述するため、ここでは説明を省略する。また、特定音声生成部４４が生成することができる特定音声信号は、１つの波形に限られない。たとえば、特定音声生成部４４は、それぞれ波形の異なる複数の特定音声信号を生成できるように予め設定されていてもよい。このような構成の場合、リモコン４０の操作部４２に、特定音声信号を選択するためのボタンを備えておき、ユーザは、当該ボタンを操作することによって特定音声信号を選択することができる。

（デジタルビデオカメラ５０）
リモコン４０にから出力された特定音声信号は、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃによって、それぞれの映像音声データの一部として記録される。

テレビジョン受像器３０を用いて音声映像データを編集する際、第１〜第３の外部入出力部には、それぞれ、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃが接続される。なお、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃを総称して、デジタルビデオカメラ５０と呼ぶ。

デジタルビデオカメラ５０としては、以下の条件を満たしていれば、汎用のデジタルビデオカメラを用いることができる。
・テレビジョン受像機３０の備える外部入出力部１１に接続することが可能なインターフェースを備える。
・特定音声信号を音声映像データの一部として記録可能である。

なお、外部入出力部１１に接続することが可能なインターフェースとは、上述したように、例えばＨＤＭＩおよびＨＤＶに適合しているインターフェースが挙げられるが、これらに限定されるものではなく、デジタルビデオカメラ５０による音声映像データの頭出しを制御するための制御信号を伝送できるものであればよい。

本実施形態において、後述するように、特定音声信号の周波数として２０ＫＨｚ以下の周波数領域を用いている。したがって、デジタルビデオカメラ５０は、２０ＫＨｚ以下の周波数領域を音声映像データの一部として記録可能であればよい。

上述の２点の条件は、出願時において流通しているほとんどの汎用デジタルビデオカメラが備えている条件である。本実施形態では、テレビジョン受像器３０を用いて音声映像データを編集するために特別なデジタルビデオカメラを用意する必要はない。例えば、デジタルビデオカメラ５０は、他のデジタルビデオカメラとの間で、音声映像データの同期をとるための特別な通信を行う構成を備えている必要はない。

図３は、デジタルビデオカメラ５０の基本的な構成を示すブロック図である。図３に示すように、デジタルビデオカメラ５０は、制御部５１、操作部５２、撮像素子５３、マイク５４、外部入出力部５５、および、記録媒体である記録部５６を備えている。

ユーザは、操作部５２を介して、録画の開始および停止、画角の調整、フォーカスの調整といった操作を行う。操作部５２は、ユーザが行う操作に対応した信号を制御部５１に供給する。制御部５１は、当該信号に応じて上記の各部を制御する。

撮像素子５３は、フォーカスおよび倍率を調節する光学系から入力される光を、映像データに変換し制御部５１に供給する。

マイク５４は、デジタルビデオカメラ５０の周辺環境における音声を音声データに変換し、制御部５１に供給する。

制御部５１は、撮像素子５３から供給される映像データと、マイク５４から供給される音声データとを多重化することによって、音声映像データを生成する。さらに、生成した音声映像データを、適宜記録部５６に適合した符号化方法によって符号化し、符号化後の音声映像データを記録部５６に供給する。符号化された音声映像データは、例えば、ＭＰＥＧ２ストリームやＭＰＥＧ４ストリームである。

記録部５６は、制御部５１から供給される符号化された音声映像データを記録媒体に記録する。記録媒体の例としては、ＨＤ、ＳＤカードまたはＢＤなど、音声映像データを記録可能な記録媒体であれば、いかなる記録媒体でもよい。

外部入出力部５５は、編集装置１０が備える外部入出力部１１に対応するインターフェースであればよい。たとえば、ＨＤＭＩ、または、ＨＤＶの規格に適合しているインターフェースであればよい。

記録部５６により記録媒体に記録された音声映像データは、外部入出力部５５を介してテレビジョン受像機３０に供給される。また、外部入出力部５５には、テレビジョン受像機３０からの制御信号が入力され、制御部５１は、当該制御信号を参照して、デジタルビデオカメラ５０の備える各部を制御する。

例えば、テレビジョン受像機３０から、音声映像データ上の所定の時間的位置でスタンバイする旨の制御信号を受けた場合、制御部５０は、音声映像データ上の所定の時間的位置まで巻き戻しまたは早送りを行い、当該所定の時間的位置から再生を行うことができるようスタンバイする。

（特定音声信号）
テレビジョン受像機３０の備える音声解析部１５によって各音声信号から抽出される特定音声信号について、図４を参照しながら説明する。特定音声信号は、リモコン４０の備える特定音声生成部４４によって生成され、第１〜第３の音声映像データ、およびメモリ１３に格納された音声データ（または映像音声データ）のそれぞれの一部として記録されている信号である。

特定音声信号は、第１〜第３の音声信号データの各々に対応する音声信号、およびメモリ１３に格納された音声データ（または映像音声データ）に埋め込まれている。特定音声信号は、各音声映像データにおける編集開始点Ｐを特定するために音声解析部１５によって抽出される。

図４は、本実施形態における特定音声信号の一例を示す波形図である。図４に示すように、特定音声信号は、固定周波数からなる固定周波数信号ＦＦと、段階的に変化していく可変周波数からなる可変周波数信号ＶＦとが繰り返される音声信号である。

図４に示す例においては、固定周波数信号ＦＦは１７．０ＫＨｚの周波数を有している信号である。可変周波数信号ＶＦは１８．０ＫＨｚから１８．９ＫＨｚまで、０．１ＫＨｚ間隔で段階的に変化する信号である。図４に示すように、特定音声信号には、所定の期間連続する固定周波数信号ＦＦと、所定の期間連続する可変周波数信号ＶＦとが含まれている。ここで、上記所定の時間をｔと表記することにする。本実施形態において、ｔ＝０．５秒である。すなわち、本実施形態に係る音声特定信号は、１７．０ＫＨｚ、１８．０ＫＨｚ、１７．０ＫＨｚ、１８．１ＫＨｚ、１７．０ＫＨｚ、１８．２ＫＨｚ、１７．０ＫＨｚ、１８．３ＫＨｚ、・・・、１７．０ＫＨｚ、１８．８ＫＨｚ、１７．０ＫＨｚおよび１８．９ＫＨｚの各周波数を有する各信号が、０．５秒間づつ連続している音声信号であり、、特定音声信号の長さは１０秒間である。

編集開始点Ｐの位置は、特定音声信号が終了する位置として定めてもよいし、特定音声信号が終了してから任意時間後の位置として定めてもよい。この任意時間をαと定義する。本実施形態においては、α＝１秒として編集開始点Ｐを定めている（図４参照）。

なお、固定周波数信号ＦＦおよび可変周波数信号ＶＦの繰り返し周期は、所定の時間ｔではなく、信号が連続する周期数によって決定してもよい。たとえば、８８５０周期ごとに固定周波数信号ＦＦおよび可変周波数信号ＶＦが繰り返されるように、特定音声信号の波形を定めてもよい。この場合、特定音声信号の長さは１０秒間になる。

（編集開始点Ｐの特定）
音声解析部１５は、解析対象の音声信号から特定音声信号を抽出すると共に、抽出した特定音声信号を解析し編集開始点Ｐを特定する。音声解析部１５は、特定音声信号において、固定周波数信号ＦＦから可変周波数信号ＶＦへ（ケース１と呼ぶ）、または、可変周波数信号ＶＦから固定周波数信号ＦＦへ（ケース２と呼ぶ）、周波数が変化する音声信号上の時点（周波数変化点とも呼ぶ）を検出する。この周波数変化点をＴ_ｃｈと定義する。

本実施形態においてｔ＝０．５秒なので、少なくとも１回のＴ_ｃｈを検出するために、音声解析部１５は０．５秒より長い時間の特定音声信号を解析することが好ましい。これに対応して、解析対象の音声信号には、０．５秒より長い時間の特定音声信号が含まれていることが好ましい。

特定音声信号は、音声映像データを復号した音声信号に埋め込まれている音声信号であり、他の音声に埋もれている可能性もある。したがって、編集開始点Ｐをより正確に特定するために、音声解析部１５は、複数のＴ_ｃｈを検出し解析することが更に好ましい。このためには、音声解析部１５は１．０秒より長い時間の特定音声信号を解析することが更に好ましい。これに対応して、解析対象の音声信号には、１．０秒より長い時間の特定音声信号が含まれていることが好ましい。

なお、図４に示す音声特定信号において、Ｔ_ｃｈにおける可変周波数信号ＶＦの周波数をｆ_ＶＦと定義する。たとえば、特定音声信号の周波数が１７．０ＫＨｚから１８．３ＫＨｚに変化する場合において、ｆ_ＶＦ＝１８．３ＫＨｚである。特定音声信号の周波数が１８．６ＫＨｚから１７．０ＫＨｚに変化する場合において、ｆ_ＶＦ＝１８．６ＫＨｚである。また、特定音声信号において、最後の可変周波数信号ＶＦが有する周波数をｆ_ｆＶＦと定義する。本実施形態において、ｆ_ｆＦＶ＝１８．９ＫＨｚである。さらに、可変周波数ＶＦの周波数が段階的に変化する際の間隔をＤと定義する。本実施形態において、Ｄ＝０．１ＫＨｚである。

以下、解析対象の音声信号が第１の音声信号であるとして、音声解析部１５が、第１の編集開始点Ｐ_１を特定する処理について図５を参照して説明する。なお、第２、第３の音声信号を解析し、第２、第３の編集開始点Ｐ_２、Ｐ_３を特定する処理についても同様である。

図５は、音声解析部１５によって第１の編集開始点Ｐ_１を特定する処理の流れを示すフローチャートである。

（ステップＳ１０１）
音声解析部１５は、まず、復号部１４より第１の音声信号を取得する。

（ステップＳ１０２）
続いて、音声解析部１５は、ステップＳ１０１にて取得した第１の音声信号に埋め込まれている特定音声信号を抽出する。

（ステップＳ１０３）
続いて、音声解析部１５は、ステップＳ１０２にて抽出した特定音声信号において、周波数が変化する時点であるＴ_ｃｈ１を検出する。

（ステップＳ１０４）
続いて、音声解析部１５は、特定音声信号におけるＴ_ｃｈ１の前後の周波数を比較することによって、Ｔ_ｃｈ１が、ケース１およびケース２のいずれに対応するものであるのかを判定する。

（ステップＳ１０５）
Ｔ_ｃｈ１がケース１に対応するものである場合、音声解析部１５は、Ｔ_ｃｈ１から編集開始点Ｐ_１までの時間Ｔ_Ｐ１を以下の数式（１）によって決定する。

たとえば、α＝１秒であり、特定音声信号の周波数が１７．０ＫＨｚから１８．３ＫＨｚに変化するＴ_ｃｈの場合、音声解析部１５は、Ｔ_Ｐ１＝７．５秒と決定する。

（ステップＳ１０６）
一方で、Ｔ_ｃｈ１がケース２に対応するものである場合、音声解析部１５は、Ｔ_Ｐ１を以下の数式（２）によって決定する。

たとえば、α＝１秒であり、特定音声信号の周波数が１８．６ＫＨｚから１７．０ＫＨｚに変化するＴ_ｃｈ１の場合、音声解析部１５は、Ｔ_Ｐ１＝４．０秒と決定する。

（ステップＳ１０７）
続いて、音声解析部１５は、音声信号上の時点Ｔ_ｃｈ１にＴ_Ｐ１を加算して得られる時点を編集開始点Ｐ_１として特定する。また、音声解析部１５は、当該編集開始点Ｐを示す編集開始点情報を制御部１６に供給する。

このように、音声解析部１５は、音声特定信号の周波数が変化するタイミングであるＴ_ｃｈを検出し、上記式を用いてＴ_Ｐを特定することによって、特定音声信号が埋め込まれている音声信号における編集開始点Ｐを特定することができる。換言すれば、音声解析部１５は、上記の解析を行うことによって上記音声信号に対応する音声映像データにおける編集開始点Ｐを特定することができる。また、上記式を用いて編集開始点Ｐを特定することによって、様々な波形の特定音声信号に対応することができる。すなわち、上述のパラメータｔ、ｆ_ｆＶＦ、Ｄとして様々な値を有する特定音声信号によっても、編集開始点Ｐを特定することができる。

なお、パラメータｔ、ｆ_ｆＶＦ、Ｄおよびαの具体的な値を、予め定められたものとして、編集装置１０の備えるメモリ１３に格納しておき、音声解析部１５がそれらの値を読み出して上記の解析処理に用いる構成としてもよい。編集装置１０がリモコン４０からそれらの具体的な数値に関する情報を取得し、取得した情報に基づいて、音声解析部１５がそれらの具体的な数値を決定し、上記の解析処理に用いる構成としてもよい。当該構成は、特性音声信号を複数種類用いる構成とする場合に好適である。

また、音声解析部１５が編集開始点Ｐを特定する方法として、ルックアップテーブル（ＬＵＴ）を用いる方法を採用してもよい。例えば、ｔ、ｆ_ｆＦＶ、およびαとしてそれぞれ予め定められた値を用いる場合、ｆ_ＶＦの各値に対するＴ_Ｐの各値を予め求めておき、音声解析部１５が、これらの値を含むＬＵＴを参照して、ｆ_ＶＦからＴ_Ｐを決定する構成としてもよい。このようなＬＵＴは、例えば、編集装置１０の備えるメモリ１３に格納しておけばよい。ＬＵＴを用いることによって、Ｔ_Ｐの算出に伴う処理量を低減することができるので、処理速度が向上する。

特定音声信号を特徴付ける固定周波数および可変周波数は、汎用のデジタルビデオカメラによって記録可能な周波数、例えば、２０ＫＨｚ以下であることが好ましい。また、デジタルビデオカメラが記録可能な周波数の範囲内において、特定音声信号の周波数は高い周波数帯に属することが好ましい。特定音声信号は、音声映像データにおける時間的な位置を特定するための信号である。特定音声信号の周波数が高い程、編集開始点Ｐをより精度よく特定することができる。

（特定音声信号の変形例）
特定音声信号が連続する時間は１０秒間に限られず、任意の時間に設定することが可能である。特定音声信号が連続する時間を上述の例よりも長く設定する場合、例えば、次の２つの方法を用いればよい。

１つ目の方法は、可変周波数信号ＶＦの範囲（１８．０ＫＨｚから１８．９ＫＨｚ）、および、周波数間隔Ｄは変化させずに、各固定周波数信号ＦＦおよび各可変周波数信号ＶＦの時間ｔを長くする方法である。本実施形態においてｔ＝０．５秒であるが、ｔ＝１．０秒とすることによって、特定音声信号は２０秒間になる。

もう１つの方法は、ｔ＝０．５秒は変化させずに、可変周波数信号ＶＦが順次変化する回数を増やす方法である。可変周波数信号ＶＦの周波数を１８．０ＫＨｚから１９．９ＫＨｚまでＤ＝０．１ＫＨｚで変化させることによって、可変周波数信号ＶＦの周波数は２０回変化することになる。この場合も、特定音声信号は２０秒間になる。

また、ｔ＝０．５秒であり、可変周波数信号ＶＦの周波数範囲が１８．０ＫＨｚから１８．９ＫＨｚであっても、Ｄ＝０．０５ＫＨｚとすることによって、可変周波数信号ＶＦの変化する回数を２０回にすることができる。この場合も、特定音声信号は２０秒間になる。

一般に、特定音声信号の時間が長ければユーザの利便性を高めることができる。ユーザにとって使い勝手が良いように、特定音声信号の具体的な波形を定めておけばよい。

＜適用例＞
編集装置１０を備えるテレビジョン受像器３０を用いた編集処理の特徴は、各音声映像データに埋め込まれている特定音声信号を解析することによって、複数の音声映像データの同期をとることにある。このため、テレビジョン受像器３０を用いて複数の音声映像データを編集するための前工程として、各音声映像データを録画および録音する段階において、特定音声信号を各音声映像データに埋め込んでおく（録音しておく）。

以下では、図６〜図９を参照しながら、テレビジョン受像器３０を用いた編集の対象となる複数の音声映像データを録画および録音する方法の一例について説明する。以下では、編集の対象となる複数の音声映像データが、同場面を異なる角度から撮影したものである場合を例にとり説明を行うが、これは本実施形態を限定するものではない。

図６は、運動会等で用いられるトラックコースを互いに異なる複数の角度から撮影する場合を示す図である。

図６に示す第１のデジタルビデオカメラ５０ａおよび第２のデジタルビデオカメラ５０ｂは、撮影位置が固定されているデジタルビデオカメラである。第１のデジタルビデオカメラ５０ａは、広い画角での撮影を行うためのものであり、運動会全体の雰囲気を中心に撮影するためのものである。一方、第２のデジタルビデオカメラ５０ｂは、狭い画角での撮影を行うためのものである。すなわち、走者の顔をアップにして撮影したり、一人の走者に合わせてズーミングを調整しながら撮影したりするためのものである。第３のデジタルビデオカメラ５０ｃは、ユーザの手持ちのカメラであり、撮影位置および撮影する画角は特に定められておらず、ユーザが自由に移動しながら撮影するためのものである。

また、図７（ａ）に示すように、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃに加えて、録音機６０を用いて、運動会の音声を別途録音するものとする。

図７（ｂ）は、リモコン４０から発せられる特定音声信号、第１のデジタルビデオカメラ５０ａによって録音される特定音声信号、第２のデジタルビデオカメラ５０ｂによって録音される特定音声信号、第３のデジタルビデオカメラ５０ｃによって録音される特定音声信号、および、録音機６０によって録音される特定音声信号の各波形を示す図である。

図７（ｂ）に示すように、ユーザは、リモコン４０を、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃ、および録音機６０の近傍に順次近づけることによって、各機器に特定音声信号の少なくとも一部分を録音させる。

ここで、各機器に録音される特定音声信号には、図７（ｂ）に示すように、少なくとも一つの周波数変化点（上述のＴ_ｃｈ）とその前後の周波数が含まれる。

編集装置１０の備える音声解析部１５は、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃ、および録音機６０に記録された音声データを解析する。

図８は、音声解析部１５によって解析される第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃ、および録音機６０に記録された音声データ、並びに、解析の結果算出される編集開始点Ｐまでの時間的間隔を示す図である。

図８に示すように、音声解析部１５は、第１のデジタルビデオカメラ５０ａが記録した音声映像データに含まれる特定音声信号を、上述の処理によって解析し、周波数１８ＫＨｚから周波数１７ＫＨｚへの周波数変化点から編集開始点Ｐまでの時間的間隔を１０秒（ｓｅｃ）と算出する。同様に、音声解析部１５は、第２のデジタルビデオカメラ５０ｂが記録した音声映像データに含まれる特定音声信号を、上述の処理によって解析し、周波数１８．１ＫＨｚから周波数１７ＫＨｚへの周波数変化点から編集開始点Ｐまでの時間的間隔を９秒（ｓｅｃ）と算出する。同様に、音声解析部１５は、第３のデジタルビデオカメラ５０ｃが記録した音声映像データに含まれる特定音声信号を、上述の処理によって解析し、周波数１８．３ＫＨｚから周波数１７ＫＨｚへの周波数変化点から編集開始点Ｐまでの時間的間隔を７秒（ｓｅｃ）と算出する。同様に、音声解析部１５は、録音機６０が記録した音声データに含まれる特定音声信号を、上述の処理によって解析し、周波数１８．８ＫＨｚから周波数１７ＫＨｚへの周波数変化点から編集開始点Ｐまでの時間的間隔を２秒（ｓｅｃ）と算出する。

ユーザが編集装置１０に対して、リモコン４０を介して、編集スタンバイを指示することによって、編集装置１０の備える制御部１６は、第１〜第３のデジタルビデオカメラに対して、音声解析部１５によって特定された編集開始点Ｐの位置まで、映像音声データ（録音機６０については音声データ、以下同様）を早送りまたは巻き戻しさせると共に、当該編集開始点Ｐの位置で、各音声映像データの再生を一時停止させることによって、各音声映像データの頭出しを行う。また、制御部１６は、録音機６０によって記録され、メモリ１３に格納されている音声データを、編集開始点Ｐの位置から再生するよう頭出しを行う。

ここで、上述の説明から明らかなように、編集開始点Ｐは、各音声映像データにおいて、同一の時点、例えば、運動会の開会式がスタートする時点を指している。

ユーザが編集装置１０に対して、リモコン４０を介して、編集開始を指示することによって、制御部１６は、第１〜第３のデジタルビデオカメラおよび録音機６０に対して、各音声映像データを、編集開始点Ｐから再生させる。

図９は、編集装置１０を備えるテレビジョン受像機３０を用いた編集作業における表示画面の一例を示す図である。図９に示すように、テレビジョン受像機３０の備える第１〜第３外部入出力部１１ａ〜１１ｃには、それぞれ、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃが接続され、ＳＤカードインターフェース１２ｂには、録音機６０によって音声データが記録されたＳＤカード６１が接続される。

また、図９に示すように、テレビジョン受像機３０のＬＣＤパネル３２には、それぞれ第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃからの映像データが、サブ画像として表示される。ユーザは、リモコン４０を介して音声映像データ選択操作を行うことによって、サブ画像の一つを選択する。選択されたサブ画像に対応する映像データは、図９に示すように、メイン画像として表示される。図９に示す例においては、サブ画像ｃがメイン画像として選択されている。図９に示すように、選択中のサブ画像を枠囲みによって強調表示しておくことが好ましい。

また、ユーザは、任意のタイミングにて、音声映像データ選択操作を行うことによって選択画像を切り替えることができる。この場合、選択予定のサブ画像に枠囲みを付しておき、ユーザがリモコン４０の決定ボタンを押下した場合にメイン画像が、当該選択予定のサブ画像に切り替わる構成とすることが好ましい。図９は、サブ画像ａが選択予定である場合を示している。

なお、選択中のサブ画像に付される枠囲みと、選択予定のサブ画像に付される枠囲みとは、例えば互いに異なる色を用いたり、枠囲みの線の太さを互いに異ならせるなどして、互いに識別できるよう表示することが好ましい。また、図９に示すように、選択中のサブ画像に付される枠囲みを実線で表示し、選択予定のサブ画像に付される枠囲み点線で表示する構成としてもよい。

映像選択部２１は、ユーザにより各時点にて選択されたサブ画面（すなわちメイン画像）に対応する映像データを選択し、編集データ生成部２３は、当該各時点にて選択された映像データを、編集後の音声映像データとして出力する。なお、上述したように、編集後の音声映像データに含まれる音声データは、第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃからの音声映像データに含まれる音声データであってもよいし、録音機６０からの音声データに含まれる音声データであってもよいし、その他の音声データをＢＧＭとして用いる構成としてもよい。

以上のように、本実施形態に係る編集装置１０は、複数のデジタルビデオカメラからの音声映像データの頭出しを自動的に行うことができるので、ユーザは、同期された音声映像データに基づく編集作業を容易に行うことができる。また、各デジタルビデオカメラが、同期をとるための特別な構成を有している必要がないので、余分なコストを招来しない。

なお、上述した例においては、編集装置１０が、編集装置１０に接続されている外部機器である第１〜第３のデジタルビデオカメラ５０ａ〜５０ｃから供給される音声映像データを直接的に用いて編集処理を行う場合について述べたが、本実施形態はこれに限定されるものではない。

例えば、編集装置１０は、メモリ１３にあらかじめ記録された複数の音声映像データを編集することに用いることもできる。また、別の例として、編集装置１０は、記録部にあらかじめ記録された複数の音声映像データを編集することに用いることもできる。当該記録部は、テレビジョン受像器３０が備える記録部３３であってもよいし、例えばＵＳＢインターフェース１２ａを介して編集装置１０に接続される外部記録部であってもよい。

このような場合、メモリ１３には、撮影日時の異なる多数の音声映像データが記録されていることもある。編集装置１０は、このような多数の音声映像データを、それらの撮影日時に関連付けて記憶しておく構成とすることが好ましい。編集装置１０は、これら多数の音声映像データから、それらの各々に関連付けられた撮影日時を参照して、略同一の撮影日時を有する音声映像データを探索すると共に、探索した音声映像データから特定音声信号を抽出することによって編集開始点Ｐを特定する構成とすればよい。また、編集装置１０は、特定した編集開始点Ｐから各音声映像データの再生を行い、上述の編集を行う構成とすればよい。このような構成をとることによって、メモリ１３、記録部３３および上記外部記録部の少なくとも１つに格納された撮影日時の異なる多数の音声映像データを編集する場合にも、ユーザは容易に編集作業を行うことができる。

（付記事項１）
上記の説明では、デジタル音声映像データを例に挙げたが、これは本実施形態を限定するものではない、上記の説明から明らかなように、本実施形態に係る編集装置１０による編集処理は、アナログ音声映像データに対しても適用することができる。したがって、第１〜第３のデジタルビデオカメラ５０ａ〜５０〜ｃに代えて、アナログビデオカメラを用いる構成としてもよい。

（付記事項２）
上述した編集装置１０の各ブロックは、集積回路（ＩＣチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェア的に実現してもよい。

後者の場合、上記装置は、各機能を実現するプログラムの命令を実行するＣＰＵ、上記プログラムを格納したＲＯＭ（Read Only Memory）、上記プログラムを展開するＲＡＭ（Random Access Memory）、上記プログラム及び各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータ読み取り可能に記録した記録媒体を、上記装置に供給し、そのコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。

上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ／ＣＤ−Ｒ等の光ディスクを含むディスク類、ＩＣカード（メモリカードを含む）／光カード等のカード類、マスクＲＯＭ／ＥＰＲＯＭ／ＥＥＰＲＯＭ／フラッシュＲＯＭ等の半導体メモリ類、あるいはＰＬＤ（Programmable logic device）やＦＰＧＡ（Field Programmable Gate Array）等の論理回路類などを用いることができる。

また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ、ＩＳＤＮ、ＶＡＮ、ＣＡＴＶ通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、ＩＥＥＥ１３９４、ＵＳＢ、電力線搬送、ケーブルＴＶ回線、電話線、ＡＤＳＬ（Asymmetric Digital Subscriber Line）回線等の有線でも、ＩｒＤＡやリモコンのような赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１無線、ＨＤＲ（High Data Rate）、ＮＦＣ（Near Field Communication）、ＤＬＮＡ（Digital Living Network Alliance）、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

本発明は、音声映像データを編集するための編集装置として、好適に適用することができる。

１０ 編集装置
１１ａ 第１外部入出力部
１１ｂ 第２外部入出力部
１１ｃ 第３外部入出力部
１２ａ ＵＳＢインターフェース
１２ｂ ＳＤカードインターフェース
１３ メモリ
１４ 復号部
１５ 音声解析部（抽出手段、特定手段）
１６ 制御部（制御手段）
１７ 赤外線受光部
２０ 編集部（編集手段）
２１ 映像選択部
２２ 音声選択部
２３ 編集データ生成部
３０ テレビジョン受像器
３１ 映像処理部
３２ ＬＣＤパネル
３３ 記録部
３４ アンプ
３５ スピーカー
４０ リモコン（遠隔制御装置）
５０ａ 第１のデジタルビデオカメラ（外部機器）
５０ｂ 第２のデジタルビデオカメラ（外部機器）
５０ｃ 第３のデジタルビデオカメラ（外部機器）

Claims (11)

1. 各音声映像データによって表される複数の映像を編集する編集装置であって、
   各音声映像データに埋め込まれた特定音声信号を抽出する抽出手段と、
   上記抽出手段によって抽出された各特定音声信号に基づいて、各音声映像データ上の再生開始点を特定する特定手段と、
   上記再生開始点から各音声映像データを再生するよう各音声映像データの頭出しを行う制御手段と、
   を備えていることを特徴とする編集装置。
2. 上記特定音声信号には、固定周波数からなる固定周波数信号と、段階的に変化していく可変周波数からなる可変周波数信号とが繰り返し含まれており、
   上記特定手段は、上記固定周波数信号と上記可変周波数信号とを参照して、上記再生開始点を特定する、
   ことを特徴とする請求項１に記載の編集装置。
3. 上記各音声映像データは、各外部機器から供給され、
   上記制御手段は、上記再生開始点から各音声映像データを再生するよう各外部機器を制御する、
   ことを特徴とする請求項１または２に記載の編集装置。
4. 再生される各音声映像データのいずれかを各時刻において選択することによって編集後の音声映像データを生成する編集手段を更に備えている、
   ことを特徴とする請求項１から３のいずれか１項に記載の編集装置。
5. 音声映像データによって表される複数の映像を編集する編集装置を遠隔制御するための遠隔制御装置であって、
   上記編集装置が各音声映像データの再生開始点を特定するために参照する特定音声信号を出力する出力手段を備えている、
   ことを特徴とする遠隔制御装置。
6. 請求項３または４に記載の編集装置と、請求項５に記載の遠隔制御装置と、上記外部機器として複数のビデオカメラとを含んでいる、
   ことを特徴とする編集システム。
7. 請求項１から４のいずれか１項に記載の編集装置を備えている、
   ことを特徴とするテレビジョン受像機。
8. 音声信号に埋め込まれ、当該音声信号上の特定の位置を特定するために参照される特定音声信号であって、
   固定周波数からなる固定周波数信号と、段階的に変化していく可変周波数からなる可変周波数信号とを繰り返し含んでおり、
   上記音声信号を解析する解析装置は、上記固定周波数信号と上記可変周波数信号とを参照して、上記特定の位置を特定する、
   ことを特徴とする特定音声信号。
9. 各音声映像データによって表される複数の映像を編集する編集方法であって、
   各音声映像データに埋め込まれた特定音声信号を抽出する抽出工程と、
   上記抽出工程にて抽出された各特定音声信号に基づいて、各音声映像データ上の再生開始点を特定する特定工程と、
   上記再生開始点から各音声映像データを再生するよう各音声映像データの頭出しを行う制御工程と、
   を含んでいることを特徴とする編集方法。
10. 請求項１から４のいずれか１項に記載の編集装置が備えている各手段としてコンピュータを動作させるためプログラム。
11. 請求項１０に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。