JP6733990B2 - 解説音声再生装置、解説音声生成装置及び解説音声再生プログラム - Google Patents

Description

本発明は、解説音声を生成及び再生する技術に関する。

従来、視覚障害者向けに、放送番組、映画等のコンテンツを音声に置き換えて、音声で解説する解説音声サービスがある。例えば、この解説音声サービスは、テレビ放送では「解説放送」、映画では「音声ガイド」と呼ばれている。

ここで、解説音声サービスに話速変換技術を適用すれば、視覚障害者の方々の嗜好に合わせて、解説音声の再生速度を変更できる（例えば、特許文献１）。この特許文献１に記載の発明では、視覚障害者が変換倍率を設定するだけで、話速変換倍率や無音区間を制御することができる。

特開平１０−３０１５９８号公報（特許第３２２００４３号公報）

解説音声は、解説音声を読み上げるための台本を準備し、コンテンツの音声にオーバーラップしない（重ならない）ように、手作業で制作する。解説音声の制作には、ラジオドラマに相当するコストと時間がかかると言われている。そのため、解説音声サービスは、放送番組の１０％程度しかカバーできていない。そこで、解説音声を自動的に生成する手法が強く求められている。

ここで、解説音声とコンテンツの音声とのオーバーラップを許容すれば、解説音声を自動的に生成できるが、解説音声の聞き取りが困難になるので、解説音声同士のオーバーラップは許容できない。しかし、解説音声の再生速度を遅くした結果、解説音声の再生時間が長くなって解説音声同士がオーバーラップし、解説音声の聞き取りが困難になる場合がある。

本発明は、特に視覚障害者の方々がより多くのコンテンツを十分に楽しめるように、聞き取り易い解説音声を生成及び再生することを課題とする。

前記した課題に鑑みて、本発明に係る解説音声再生装置は、コンテンツ再生装置が再生するコンテンツに同期して映像及び音声からなるコンテンツが含む各映像イベントの解説音声を生成する解説音声生成装置が送信した、各映像イベントの解説音声を再生する解説音声再生装置であって、解説音声受信手段と、再生速度入力手段と、解説音声再生制御手段と、解説音声再生手段と、を備える構成とした。

かかる構成によれば、解説音声再生装置は、解説音声受信手段によって、ネットワークを介して、等倍再生時に前記解説音声同士がオーバーラップしないように予め設定された前記解説音声の再生開始時刻及び再生終了時刻を付加した前記解説音声を受信する。
解説音声再生装置は、再生速度入力手段によって、前記解説音声の再生速度を入力する。
解説音声再生装置は、解説音声再生制御手段によって、前記解説音声と当該解説音声の次に再生する次解説音声とが重ならないように、前記解説音声の再生速度、又は、前記次解説音声の再生開始時刻を制御する。
このとき、解説音声再生制御手段は、前記再生開始時刻及び前記再生終了時刻から、前記再生速度入力手段に入力した再生速度で前記解説音声を再生したときの変更後終了時刻を算出し、算出した前記変更後終了時刻が前記次解説音声の再生開始時刻を超える場合、前記次解説音声の再生開始時刻までに前記解説音声の再生を終了するように前記解説音声の再生速度を制御する。
さらに、前記解説音声再生制御手段は、前記再生速度入力手段に入力した再生速度で前記解説音声の再生を終了したときの再生終了時刻が前記次解説音声の再生開始時刻を超える場合、前記再生終了時刻より後に前記次解説音声の再生を開始するように前記次解説音声の再生開始時刻を制御してもよい。

解説音声再生装置は、解説音声再生手段によって、前記解説音声再生制御手段の制御に従って、前記解説音声を再生する。
このように、解説音声再生装置は、解説音声の再生速度を変更した場合でも、解説音声と、その解説音声の次に再生する次解説音声とがオーバーラップしないように制御を行う。

また、前記した課題に鑑みて、本発明に係る解説音声再生プログラムは、コンテンツ再生装置が再生するコンテンツに同期して映像及び音声からなるコンテンツが含む各映像イベントの解説音声を生成する解説音声生成装置が送信した、各映像イベントの解説音声を再生するために、コンピュータを、前記した解説音声受信手段、再生速度入力手段、解説音声再生制御手段及び解説音声再生手段として機能させる構成とした。

本発明によれば、以下のような優れた効果を奏する。
本発明によれば、解説音声の再生速度を変更した場合でも、解説音声と次解説音声とがオーバーラップしないように制御を行うので、解説音声を聞き取り易くすることができる。さらに、本発明によれば、解説音声を自動的に生成できるので、解説音声の制作に必要な時間及びコストを削減すると共に、解説音声サービスのカバー率を向上させることができる。これにより、視覚障害者の方々がより多くのコンテンツを十分に楽しむことができる。

第１実施形態に係る解説音声再生システムの概略図である。 図１の解説音声再生システムの構成を示すブロック図である。 第１実施形態において、再生速度の制御を説明する説明図である。 図２の解説音声生成装置の動作を示すフローチャートである。 図２の携帯端末の動作を示すフローチャートである。 第２実施形態に係る解説音声再生システムの構成を示すブロック図である。 第２実施形態において、再生開始時間の制御を説明する説明図である。 図６の解説音声生成装置の動作を示すフローチャートである。 図６の携帯端末の動作を示すフローチャートである。 変形例１において、再生速度及び再生開始時間の制御を説明する説明図である。

以下、本発明の各実施形態について、適宜図面を参照しながら詳細に説明する。なお、各実施形態において、同一の手段及び同一の処理には同一の符号を付し、説明を省略した。

（第１実施形態）
［解説音声再生システムの概略］
図１を参照し、第１実施形態に係る解説音声再生システム（解説音声再生装置）１の概略について説明する。
解説音声再生システム１は、放送番組（コンテンツ）を放送すると共に、その放送番組の解説音声を視聴者１００（例えば、視覚障害者等）に提供する。本実施形態では、解説音声再生システム１は、放送番組として、テニスの試合を放送する。従って、解説音声は、テニスの試合で発生する映像イベントを解説する音声になる。

映像イベントとは、放送番組の映像が含むイベントのことである。ここで、テニスの映像は、選手の動作（例えば、トスを上げた、サーブを打った）、打球の状況（例えば、球速が何キロメートルだった、サーブが外れた）、試合状況の変化（例えば、得点が入った、選手が休憩した）等、複数の映像イベントを含んでいる。

図１に示すように、解説音声再生システム１は、放送送信装置２と、放送受信装置（コンテンツ再生装置）３と、解説音声生成装置４と、アプリサーバ５と、携帯端末６と、を備える。
なお、「アプリ」とは、「アプリケーション」の略語である。

本実施形態では、放送送信装置２、解説音声生成装置４及びアプリサーバ５が放送局に設置され、放送受信装置３が視聴者１００の自宅に設置されていることとする。図１では、放送受信装置３及び携帯端末６を１台のみ図示したが、解説音声再生システム１は、放送受信装置３及び携帯端末６を複数備えてもよい。

放送送信装置２は、地上デジタル放送波を介して、放送番組を放送受信装置３に送信する一般的な放送設備である。例えば、放送送信装置２は、放送番組の映像及び音声をエンコードし、エンコードした映像及び音声の多重化信号を放送受信装置３に送信する。

放送受信装置３は、地上デジタル放送波を介して、放送送信装置２から放送番組を受信し、受信した放送番組を再生する一般的なテレビ受信装置である。例えば、放送受信装置３は、放送送信装置２から多重化信号を受信し、多重化信号から映像及び音声を分離する。そして、放送受信装置３は、分離した映像及び音声をデコードし、放送番組として再生する。

解説音声生成装置４は、放送番組の解説音声を生成し、生成した解説音声に再生開始時刻及び再生終了時刻を付加する。この再生開始時刻は、解説音声の再生を開始する時刻を表しており、放送番組の映像イベントの発生時刻に対応する。そして、解説音声生成装置４は、携帯端末６からの要求に応じて、ネットワークを介して、生成した解説音声を携帯端末６に送信する。

アプリサーバ５は、携帯端末６で動作する解説音声再生アプリ（解説音声再生プログラム）を記憶する一般的なサーバである。このアプリサーバ５は、携帯端末６からの要求に応じて、ネットワークを介して、解説音声再生アプリを携帯端末６に送信する。

携帯端末６は、放送受信装置３が送信した放送番組に同期して、放送番組が含む各映像イベントの解説音声を再生するスマートフォンやＰＤＡ（Personal Digital Assistant）である。ここで、携帯端末６は、解説音声を再生するとき、視聴者１００の嗜好に応じて、その再生速度を変更できる。

ここで、放送番組が放送局の運行設備（不図示）から出力される時刻と、この放送番組が放送送信装置２や地上デジタル放送波を介して放送受信装置３で再生される時刻との間には差が存在する（時間差Ａ）。また、解説音声生成装置４から解説音声が出力される時刻と、この解説音声がネットワークを介して送信され、携帯端末６で受信される時刻との間にも差が存在する（時間差Ｂ）。以後、時間差Ａより時間差Ｂの方か短いこととして説明する。

以下、携帯端末６による解説音声の再生について説明する。
まず、視聴者１００は、アプリサーバ５から解説音声再生アプリをダウンロードし、携帯端末６に解説音声再生アプリをインストールする。次に、視聴者１００は、解説音声再生アプリを起動して、解説音声生成装置４から、所望の放送番組の解説音声を受信する。

放送受信装置３は、放送送信装置２が送信した放送番組を受信、再生する。
携帯端末６は、解説音声に付加した再生開始時刻になると、その解説音声を再生する。例えば、携帯端末６は、‘○○選手’がサーブを打つときの映像に同期して、‘○○選手のファーストサーブです’という解説音声を再生する。さらに、携帯端末６は、視聴者１００が解説音声の再生速度を遅くした場合でも、解説音声と、この解説音声の次に再生する次解説音声とがオーバーラップしないように制御を行う。

［解説音声生成装置の構成］
図２を参照し、解説音声生成装置４の構成について説明する。
図２に示すように、解説音声生成装置４は、イベント情報受信手段４０と、文字テキスト変換手段４１と、解説音声生成手段４２と、再生時刻算出手段４３と、解説音声送信手段４４と、を備える。

イベント情報受信手段４０は、例えば、中継現場（不図示）で予め生成したイベント情報を受信し、受信したイベント情報を文字テキスト変換手段４１に出力する。
このイベント情報は、映像イベントの発生時刻及び映像イベントの内容を、ＸＭＬ（eXtensible Markup Language）等のマークアップ言語で記述する。例えば、イベント情報は、サーブを行う選手の氏名やサーブの回数といった映像イベントの内容と、選手のサーブ開始時刻といった映像イベントの発生時刻とを含んでいる。ここで、映像イベントの発生時刻は、解説音声同士がオーバーラップせずに一定の時間間隔を保てるように、中継現場が予め設定する。

文字テキスト変換手段４１は、イベント情報受信手段４０から入力したイベント情報を、映像イベントの内容を表した文字テキストに変換する。例えば、文字テキスト変換手段４１は、サーブを行う選手の氏名が‘○○選手’でサーブの回数が１回目の場合、‘○○選手ファーストサーブです’という文字テキストに変換する。そして、文字テキスト変換手段４１は、映像イベントの発生時刻と共に、変換した文字テキストを解説音声生成手段４２に出力する。

なお、イベント情報を文字テキストに変換する手法は任意であり、例えば、特開２００５−３１６０３１号公報に記載の変換手法を利用できる。この変換手法は、映像イベントの内容であるデータサービス情報を文字テキストに変換する変換規則を予め設定する。そして、この変換手法は、変換規則に従って、データサービス情報を項目毎に分類し、文字テキストに変換する。

解説音声生成手段４２は、文字テキスト変換手段４１から入力した文字テキストを音声合成することで、解説音声を生成する。そして、解説音声生成手段４２は、映像イベントの発生時刻と共に、変換した解説音声を再生時刻算出手段４３に出力する。

なお、解説音声を生成する手法は任意であり、例えば、特開２０１６−９０６１号公報に記載の音声合成手法を利用できる。この音声合成手法は、合成音又は合成音同士の間に挟む無音の長さを調整し、文字テキストから、様々なジャンルの放送番組に対応した解説音声を生成する。

ここで、地上デジタル放送では、映像や音声のエンコード及びデコードに時間を要するので、映像イベントが実際に発生した時刻に対し、その映像イベントに対応した映像を再生する時刻が遅くなる。そこで、再生時刻算出手段４３は、エンコード及びデコードに必要な時間を調整し、解説音声の再生開始時刻を算出する。

具体的には、再生時刻算出手段４３は、解説音声生成手段４２から入力した映像イベントの発生時刻に第１遅延時間を加算することで、解説音声の再生開始時刻を算出する。この第１遅延時間は、エンコード及びデコードに必要な時間に応じて、予め設定する。そして、再生時刻算出手段４３は、解説音声と共に、算出した再生開始時刻を解説音声送信手段４４に出力する。

具体的には、解説音声送信手段４４は、再生時刻算出手段４３から入力した再生開始時刻と、解説音声の再生終了時刻とを解説音声に付加する。この再生終了時刻とは、解説音声の再生を終了する時刻のことであり、例えば、放送局で予め設定する。その後、解説音声送信手段４４は、ネットワークを介して、再生開始時刻及び再生終了時刻を付加した解説音声を携帯端末６に送信する。

なお、解説音声送信手段４４は、１つの放送番組が含む全解説音声を１つの送信データにまとめ、携帯端末６に送信してもよい。また、解説音声送信手段４４は、各解説音声を別々に携帯端末６に送信してもよい。

［携帯端末の構成］
以下、携帯端末６の構成について説明する。
図２に示すように、携帯端末６は、アプリダウンロード手段６０と、アプリ記憶手段６１と、アプリ実行手段６２と、解説音声受信手段６３と、解説音声記憶手段６４と、再生速度入力手段６５と、再生時刻遅延手段６６と、解説音声再生制御手段６７と、解説音声再生手段６８とを備える。

アプリダウンロード手段６０は、ネットワークを介して、アプリサーバ５から解説音声再生アプリをダウンロードする。例えば、アプリダウンロード手段６０は、放送局が事前に通知したＵＲＬ（Uniform Resource Locator）のアプリサーバ５に対し、解説音声再生アプリを要求する。すると、アプリサーバ５は、解説音声再生アプリを携帯端末６に送信する。このように、アプリダウンロード手段６０は、要求した解説音声再生アプリをアプリサーバ５から受信し、受信した解説音声再生アプリをアプリ記憶手段６１に書き込む。

アプリ記憶手段６１は、アプリダウンロード手段６０がダウンロードした解説音声再生アプリを記憶するメモリ、ＨＤＤ（Hard Disk Drive）等の記憶装置である。

アプリ実行手段６２は、視聴者１００が入力したアプリ実行指令に応じて、アプリ記憶手段６１が記憶する解説音声再生アプリを実行する。例えば、アプリ実行手段６２は、視聴者１００が解説音声再生アプリのアイコンをダブルタップすると、解説音声再生アプリを実行する。

なお、アプリ実行手段６２は、アプリ記憶手段６１が記憶する解説音声再生アプリをメモリ空間に展開し、解説音声再生アプリを実行することで、後記する解説音声受信手段６３と、再生速度入力手段６５と、再生時刻遅延手段６６と、解説音声再生制御手段６７と、解説音声再生手段６８として機能させる。

解説音声受信手段６３は、ネットワークを介して、解説音声生成装置４から解説音声を受信し、受信した解説音声を解説音声記憶手段６４に書き込む。
解説音声記憶手段６４は、解説音声受信手段６３が受信した解説音声を記憶するメモリ、ＨＤＤ等の記憶装置である。

再生速度入力手段６５は、視聴者１００が解説音声の再生速度を入力し、入力した再生速度を解説音声再生制御手段６７に出力する。例えば、再生速度入力手段６５は、視聴者１００がスライドバーを操作すると、その操作に応じた再生速度を解説音声再生制御手段６７に出力する。

本実施形態では、解説音声をそのまま再生したときの速度を等速再生（つまり、再生速度が１.０倍）とする。そして、再生速度は、この等速再生を基準とした倍率で入力することとする。例えば、再生速度が２.０倍の場合、等速再生に比べて、解説音声の再生時間が半分になる。一方、再生速度が０.５倍の場合、等速再生に比べて、解説音声の再生時間が２倍になる。

ここで、地上デジタル放送では、放送番組の伝送に必要な時間が地域毎に若干異なるので、同一の放送番組の再生タイミングが放送受信装置３の設置地域毎に若干ずれてしまう。そこで、再生時刻遅延手段６６は、この再生タイミングのずれに応じて、解説音声の再生開始時刻及び再生終了時刻を調整する。

具体的には、再生時刻遅延手段６６は、放送受信装置３の設置地域と、その設置地域毎の第２遅延時間とを対応付けたテーブルを予め設定する。この第２遅延時間は、再生タイミングのずれに応じて、予め設定する。

また、再生時刻遅延手段６６は、視聴者１００が放送受信装置３の設置地域を登録すると、このテーブルから、放送受信装置３の設置地域に対応した第２遅延時間を抽出する。
この他、携帯端末６がＧＰＳ（Global Positioning System）等の測位機能を備える場合がある。この場合、再生時刻遅延手段６６は、測位機能で求めた携帯端末６の位置を放送受信装置３の設置地域として登録し、このテーブルから、放送受信装置３の設置地域に対応した第２遅延時間を抽出してもよい。

そして、再生時刻遅延手段６６は、解説音声記憶手段６４が記憶する解説音声の再生開始時刻及び再生終了時刻を抽出し、抽出した再生開始時刻及び再生終了時刻を第２遅延時間だけ遅延させる。その後、再生時刻遅延手段６６は、遅延させた再生開始時刻及び再生終了時刻を解説音声再生制御手段６７に出力する。

解説音声再生制御手段６７は、再生時刻遅延手段６６から入力した再生開始時刻において、解説音声を再生することを解説音声再生手段６８に指令する。このとき、解説音声再生制御手段６７は、解説音声と次解説音声とがオーバーラップしないように、再生速度入力手段６５から入力した解説音声の再生速度を制御する。

解説音声再生手段６８は、解説音声再生制御手段６７からの指令に従って、解説音声記憶手段６４が記憶する解説音声を再生する。

＜再生速度の制御＞
図２，図３を参照し、携帯端末６での再生速度の制御について説明する。
図３は、横軸が放送番組及び解説音声の時間軸である。図３（ａ）は、放送番組の音声及び映像を表す。また、図３（ｂ）は等倍再生した解説音声を表し、図３（ｃ）は再生速度入力手段６５に入力した再生速度で再生した解説音声を表し、図３（ｄ）は解説音声再生制御手段６７が制御した再生速度で再生した解説音声を表す。

図３（ａ）に示すように、放送番組の映像は、例えば、トスを上げたという映像イベントＥ１と、サーブを打ったという映像イベントＥ２と、サーブをリターンしたという映像イベントＥ３とを含んでいる。

映像イベントＥ１〜Ｅ３に対応する解説音声をそれぞれＣ１〜Ｃ３とする。また、解説音声Ｃ１の再生開始時刻及び再生終了時刻をそれぞれＴ１，Ｔ２とし、解説音声Ｃ２の再生開始時刻をＴ３とする。

通常、解説音声Ｃ１〜Ｃ３は、等倍再生時にオーバーラップしない。従って、図３（ｂ）に示すように、解説音声Ｃ１の再生終了時刻Ｔ２が、解説音声Ｃ２の再生開始時刻Ｔ３よりも先の時刻になる。

例えば、視聴者１００が再生速度を遅くした場合、図３（ｃ）に示すように、解説音声Ｃ１の再生時間が長くなる。そこで、解説音声再生制御手段６７は、解説音声Ｃ１，Ｃ２がオーバーラップするか否かを判定する。

具体的には、解説音声再生制御手段６７は、解説音声Ｃ１の再生開始時刻Ｔ１と再生終了時刻Ｔ２との差分を、解説音声Ｃ１を等倍再生したときの等倍再生時間として算出する。次に、解説音声再生制御手段６７は、解説音声Ｃ１の等倍再生時間を再生速度入力手段６５に入力した再生速度で除算することで、変更後終了時刻Ｔ２ａを算出する。
以後、再生速度入力手段６５に入力した再生速度を「入力再生速度」と略記する。

そして、解説音声再生制御手段６７は、解説音声Ｃ１の変更後終了時刻Ｔ２ａが解説音声Ｃ２の再生開始時刻Ｔ３を超えるか否かにより、解説音声Ｃ１，Ｃ２がオーバーラップするか否かを判定する。ここでは、解説音声再生制御手段６７は、再生終了時刻Ｔ２ａが再生開始時刻Ｔ３を超えるので、解説音声Ｃ１，Ｃ２がオーバーラップすると判定する。

このため、解説音声再生制御手段６７は、図３（ｄ）に示すように、解説音声Ｃ２の再生開始時刻Ｔ３までに解説音声Ｃ１の再生を終了するように、解説音声Ｃ１の再生速度を早くする。

具体的には、解説音声再生制御手段６７は、入力再生速度に予め設定した倍率を加えることで、再生速度を制御した後の制御後再生速度を算出する。例えば、解説音声再生制御手段６７は、再生速度が０．５倍の場合、この再生速度に０．１倍を加算し、制御後再生速度０．６倍を算出する。

続いて、解説音声再生制御手段６７は、解説音声Ｃ１，Ｃ２の再生開始時刻Ｔ１，Ｔ３の差分を最長再生時間として算出する。この最長再生時間とは、解説音声Ｃ２にオーバーラップせずに解説音声Ｃ１を再生できる時間の上限のことである。

続いて、解説音声再生制御手段６７は、解説音声Ｃ１の等倍再生時間を制御後再生速度で除算することで制御後再生時間を算出する。この制御後再生時間とは、解説音声Ｃ１の再生速度を制御した後の再生時間のことである。

そして、解説音声再生制御手段６７は、算出した制御後再生時間が最長再生時間以内であるか否かを判定する。
制御後再生時間が最長再生時間以内の場合、解説音声再生制御手段６７は、解説音声再生手段６８に対し、制御後再生速度で解説音声Ｃ１を再生することを指令する。
制御後再生時間が最長再生時間を超える場合、解説音声再生制御手段６７は、制御後再生速度に予め設定した倍率をさらに加え、制御後再生時間が最長再生時間以内になるまで、前記処理を繰り返す。

なお、図３（ｃ）に示すように、再生速度を遅くした場合でも解説音声Ｃ２，Ｃ３がオーバーラップしないので、解説音声Ｃ２の再生速度を制御する必要がない。この場合、解説音声再生制御手段６７は、入力再生速度で解説音声Ｃ２を再生することを解説音声再生手段６８に指令する。

［解説音声生成装置の動作］
図２，図４を参照し、解説音声生成装置４の動作について説明する。
図４に示すように、イベント情報受信手段４０は、映像イベントの発生時刻及び映像イベントの内容を含むイベント情報を受信する（ステップＳ１）。
文字テキスト変換手段４１は、受信したイベント情報を、映像イベントの内容を表した文字テキストに変換する（ステップＳ２）。

解説音声生成手段４２は、変換した文字テキストを音声合成することで、解説音声を生成する（ステップＳ３）。
再生時刻算出手段４３は、映像イベントの発生時刻に第１遅延時間を加算することで、解説音声の再生開始時刻を算出する（ステップＳ４）。
解説音声送信手段４４は、再生開始時刻及び予め設定した再生終了時刻を付加した解説音声を、ネットワークを介して、携帯端末６に送信する（ステップＳ５）。

［携帯端末の動作］
図２，図５を参照し、携帯端末６の動作について説明する。
ここでは、携帯端末６が解説音声再生アプリをダウンロードし、記憶していることとする。

解説音声受信手段６３は、ネットワークを介して、再生開始時刻及び再生終了時刻を付加した解説音声を受信し、受信した解説音声を解説音声記憶手段６４に書き込む（ステップＳ１０）。
再生速度入力手段６５は、解説音声の再生速度を入力する（ステップＳ１１）。

再生時刻遅延手段６６は、解説音声の再生開始時刻及び再生終了時刻を第２遅延時間だけ遅延させる（ステップＳ１２）。
解説音声再生制御手段６７は、解説音声と次解説音声とがオーバーラップしないように、解説音声の再生速度を制御する（ステップＳ１３）。
解説音声再生手段６８は、解説音声再生制御手段６７の制御に従った再生速度で解説音声を再生する（ステップＳ１４）。

（第２実施形態）
図６を参照し、第２実施形態に係る解説音声再生システム１Ｂについて、第１実施形態と異なる点を説明する。
解説音声再生システム１Ｂは、解説音声に再生開始時刻のみを付加すると共に、次解説音声の再生開始時間を遅らせる点が、第１実施形態と異なる。

図６に示すように、解説音声再生システム１Ｂは、放送送信装置２と、放送受信装置３と、解説音声生成装置４Ｂと、アプリサーバ５と、携帯端末（解説音声再生装置）６Ｂと、を備える。
なお、解説音声生成装置４Ｂ及び携帯端末６Ｂ以外の各装置は、第１実施形態と同様のため、説明を省略する。

［解説音声生成装置の構成］
以下、解説音声生成装置４Ｂの構成について説明する。
解説音声生成装置４Ｂは、イベント情報受信手段４０と、文字テキスト変換手段４１と、解説音声生成手段４２と、再生時刻算出手段４３と、解説音声送信手段４４Ｂと、を備える。
なお、解説音声送信手段４４Ｂ以外の各手段は、第１実施形態と同様のため、説明を省略する。

解説音声送信手段４４Ｂは、再生時刻算出手段４３から入力した再生開始時刻を解説音声に付加する。つまり、解説音声送信手段４４Ｂは、第１実施形態とは異なり、再生終了時刻を解説音声に付加していない。そして、解説音声送信手段４４Ｂは、ネットワークを介して、再生開始時刻のみを付加した解説音声を携帯端末６Ｂに送信する。

［携帯端末の構成］
以下、携帯端末６Ｂの構成について説明する。
携帯端末６Ｂは、アプリダウンロード手段６０と、アプリ記憶手段６１と、アプリ実行手段６２と、解説音声受信手段６３Ｂと、解説音声記憶手段６４Ｂと、再生速度入力手段６５と、再生時刻遅延手段６６Ｂと、解説音声再生制御手段６７Ｂと、解説音声再生手段６８Ｂとを備える。
なお、アプリダウンロード手段６０、アプリ記憶手段６１、アプリ実行手段６２及び再生速度入力手段６５は、第１実施形態と同様のため、説明を省略する。

解説音声受信手段６３Ｂは、ネットワークを介して、解説音声生成装置４Ｂから解説音声を受信し、受信した解説音声を解説音声記憶手段６４Ｂに書き込む。
解説音声記憶手段６４Ｂは、解説音声受信手段６３Ｂが受信した解説音声を記憶するメモリ、ＨＤＤ等の記憶装置である。

再生時刻遅延手段６６Ｂは、解説音声記憶手段６４Ｂが記憶する解説音声の再生開始時刻を抽出し、抽出した再生開始時刻を第２遅延時間だけ遅延させる。そして、再生時刻遅延手段６６Ｂは、遅延させた再生開始時刻を解説音声再生制御手段６７Ｂに出力する。

解説音声再生制御手段６７Ｂは、再生速度入力手段６５から入力した再生速度で解説音声を再生することを解説音声再生手段６８Ｂに指令する。このとき、解説音声再生制御手段６７Ｂは、解説音声と次解説音声とがオーバーラップしないように、再生時刻遅延手段６６Ｂから入力した解説音声の再生開始時刻を制御する。

解説音声再生手段６８Ｂは、解説音声再生制御手段６７Ｂからの指令に従って、解説音声記憶手段６４Ｂが記憶する解説音声を再生する。

＜再生開始時刻の制御＞
図６，図７を参照し、携帯端末６Ｂでの再生開始時刻の制御について説明する。
図７は、横軸が放送番組及び解説音声の時間軸である。図７（ａ）は、放送番組の音声及び映像を表す。また、図７（ｂ）は等倍再生した解説音声を表し、図７（ｃ）は入力再生速度で再生した解説音声を表し、図７（ｄ）は解説音声再生制御手段６７が制御した再生開始時刻で再生した解説音声を表す。

例えば、視聴者１００が再生速度を遅くした場合、図７（ｃ）に示すように、解説音声Ｃ１の再生時間が長くなる。また、本実施形態では、解説音声Ｃ１に再生終了時刻を付加していないため、携帯端末６Ｂが解説音声Ｃ１の再生時間を事前に算出できない。

そこで、解説音声再生制御手段６７Ｂは、入力再生速度で解説音声Ｃ１の再生を終了したときの再生終了時刻Ｔ２ａが解説音声Ｃ２の再生開始時刻Ｔ３を超えるか否かにより、解説音声Ｃ１，Ｃ２がオーバーラップするか否かを判定する。ここでは、解説音声再生制御手段６７Ｂは、再生終了時刻Ｔ２ａが再生開始時刻Ｔ３を超えるので、解説音声Ｃ１，Ｃ２がオーバーラップすると判定する。

次に、解説音声再生制御手段６７Ｂは、解説音声Ｃ１の再生終了時刻Ｔ２ａより後に解説音声Ｃ２の再生を開始するように解説音声Ｃ２の再生開始時刻を遅らせる。具体的には、解説音声再生制御手段６７Ｂは、解説音声Ｃ１の再生終了時刻Ｔ２ａ以後に解説音声Ｃ２の再生開始時刻を遅らせる。そして、解説音声再生制御手段６７Ｂは、解説音声再生手段６８Ｂに対し、遅らせた再生開始時刻で解説音声Ｃ２を再生することを指令する。

このように、携帯端末６Ｂは、解説音声Ｃ１に再生終了時刻を付加しない場合でも、解説音声Ｃ１，Ｃ２のオーバーラップを防止できる。さらに、携帯端末６Ｂは、解説音声Ｃ１の再生開始時刻Ｔ１において、解説音声Ｃ２を受信できずに再生開始時刻Ｔ３が分からない場合でも、解説音声Ｃ１，Ｃ２のオーバーラップを防止できる。

なお、図７（ｃ）に示すように、再生速度を遅くした場合でも解説音声Ｃ２，Ｃ３がオーバーラップしないので、解説音声Ｃ３の再生開始時刻を制御する必要がない。この場合、解説音声再生制御手段６７Ｂは、解説音声Ｃ３に付加した再生開始時刻において、解説音声Ｃ３を再生することを解説音声再生手段６８Ｂに指令する。

仮に解説音声Ｃ２，Ｃ３がオーバーラップしてしまう場合（図７不図示）、解説音声再生制御手段６７Ｂは、解説音声再生手段６８Ｂに対し、解説音声Ｃ２と同様、遅らせた再生開始時刻で解説音声Ｃ３を再生することを指令する。このように連続して再生時刻を遅らせたとき、解説音声再生制御手段６７Ｂは、例えば、再生速度が０．５倍の場合、この再生速度に０．１倍を加算することで制御後再生速度０．６倍を算出し、解説音声再生手段６８Ｂに対し、この制御後再生速度で解説音声Ｃ３を再生することを指令してもよい。これにより、携帯端末６Ｂは、解説音声の再生時刻の遅れが蓄積する事態を回避できる。

［解説音声生成装置の動作］
図６，図８を参照し、解説音声生成装置４Ｂの動作について説明する。
解説音声送信手段４４Ｂは、再生開始時刻を付加した解説音声を、ネットワークを介して、携帯端末６Ｂに送信する（ステップＳ５Ｂ）。
なお、ステップＳ１〜Ｓ４の処理は、第１実施形態と同様のため、説明を省略した。

［携帯端末の動作］
図６，図９を参照し、携帯端末６Ｂの動作について説明する。
ここでは、携帯端末６Ｂが解説音声再生アプリをダウンロード、記憶していることとする。

解説音声受信手段６３Ｂは、ネットワークを介して、再生開始時刻を付加した解説音声を受信し、受信した解説音声を解説音声記憶手段６４Ｂに書き込む（ステップＳ１０Ｂ）。
なお、ステップＳ１１の処理は、第１実施形態と同様のため、説明を省略した。

再生時刻遅延手段６６Ｂは、解説音声の再生開始時刻を第２遅延時間だけ遅延させる（ステップＳ１２Ｂ）。
解説音声再生制御手段６７Ｂは、解説音声と次解説音声とがオーバーラップしないように、次解説音声の再生開始時刻又は再生速度を制御する（ステップＳ１３Ｂ）。
解説音声再生手段６８Ｂは、解説音声再生制御手段６７Ｂが指令した再生開始時刻に次解説音声を再生する（ステップＳ１４Ｂ）。

（作用・効果）
以上のように、解説音声再生システム１，１Ｂは、解説音声を自動的に生成できるので、解説音声の制作に必要な時間及びコストを削減すると共に、解説音声サービスのカバー率を向上させることができる。

さらに、解説音声再生システム１，１Ｂは、放送番組の音声とコンテンツの音声とのオーバーラップを許容するので、解説音声を任意の時刻に挿入することができる。このため、解説音声の再生が可能な時間スロットに合わせた台本の準備や、ごく短時間で伝わる言い回しを工夫する必要がなくなり、解説音声の制作コストを大幅に削減することができる。

さらに、解説音声再生システム１，１Ｂは、例えば、スポーツ番組のように、得点が入った、球速が何キロメートルだった、選手が交代した等の映像イベントと、その映像イベントの発生時刻とが分かれば、解説音声をほぼリアルタイムで自動的に生成することができる。

さらに、解説音声再生システム１，１Ｂは、視聴者１００が解説音声の再生速度を遅くした場合でも、解説音声同士がオーバーラップしないので、視聴者１００にとって聞き易い高品質な解説音声サービスを提供し、視聴者１００が放送番組を十分に楽しむことができる。

（変形例１）
以上、本発明の各実施形態を詳述してきたが、本発明は前記した実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。

前記した各実施形態では、再生速度の制御と再生開始時刻の制御とを別々に説明したが、本発明は、両制御を組み合わせることもできる。図１０を参照し、両制御の組み合わせについて説明する。

図１０（ａ）は、放送番組の音声及び映像を表す。また、図１０（ｂ）は等倍再生した解説音声を表し、図１０（ｃ）は入力再生速度で再生した解説音声を表し、図１０（ｄ）は解説音声再生制御手段６７が制御した再生開始時刻で再生した解説音声を表し、図１０（ｅ）は解説音声再生制御手段６７が制御した再生速度で再生した解説音声を表す。なお、説明を簡易にするため、解説音声Ｃ２のみ最長終了時刻Ｔ５を算出することとした。

図１０（ｃ）に示すように、解説音声再生制御手段は、解説音声同士の間隔を確保するための間隔時間Δを予め設定し、解説音声Ｃ３の再生開始時刻Ｔ６から間隔時間Δだけ遡った解説音声Ｃ２の最長終了時刻Ｔ５を算出する。また、図１０（ｄ）に示すように、解説音声再生制御手段は、解説音声Ｃ２の再生終了時刻Ｔ４が最長終了時刻Ｔ５を超えないように、第２実施形態と同様に解説音声Ｃ２の再生開始時刻Ｔ３を遅くする。さらに、図１０（ｅ）に示すように、解説音声再生制御手段は、再生開始時刻Ｔ３を遅くしても解説音声Ｃ１，Ｃ２がオーバーラップするので、第１実施形態と同様に解説音声Ｃ１の再生速度を制御する。

（その他変形例）
前記した各実施形態では、解説音声再生装置が携帯端末であることとして説明したが、本発明は、これに限定されない。
例えば、解説音声再生装置は、通信機能及び音声出力機能を備え、解説音声再生アプリを実行できる家電機器であってもよい。
さらに、解説音声再生装置は、ハイブリッドキャスト（登録商標）のような放送通信連携受信装置であってもよい。

前記した各実施形態では、コンテンツがテニスの試合であることとして説明したが、本発明は、これに限定されない。例えば、コンテンツは、テニス以外のスポーツ番組であってもよい。さらに、コンテンツは、スポーツ番組以外の放送番組（例えば、バラエティー番組やニュース番組）であってもよい。

前記した各実施形態では、本発明に係る解説音声再生システムを地上デジタル放送に適用する例で説明したが、本発明は、これに限定されない。例えば、本発明に係る解説音声再生システムは、映画やストリーム配信にも適用することができる。

前記した実施形態では、解説音声再生装置を独立したハードウェアとして説明したが、本発明は、これに限定されない。例えば、本願発明は、携帯端末が備えるＣＰＵ、メモリ、ハードディスク等のハードウェア資源を、前記した解説音声受信手段、再生速度入力手段、解説音声再生制御手段及び解説音声再生手段として協調動作させる解説音声再生プログラムで実現することもできる。このプログラムは、通信回線を介して配布してもよく、ＣＤ−ＲＯＭやフラッシュメモリ等の記録媒体に書き込んで配布してもよい。

１，１Ｂ 解説音声再生システム（解説音声再生装置）
２ 放送送信装置
３ 放送受信装置（コンテンツ再生装置）
４，４Ｂ 解説音声生成装置
５ アプリサーバ
６，６Ｂ 携帯端末
４０ イベント情報受信手段
４１ 文字テキスト変換手段
４２ 解説音声生成手段
４３ 再生時刻算出手段
４４，４４Ｂ 解説音声送信手段
６０ アプリダウンロード手段
６１ アプリ記憶手段
６２ アプリ実行手段
６３，６３Ｂ 解説音声受信手段
６４，６４Ｂ 解説音声記憶手段
６５ 再生速度入力手段
６６，６６Ｂ 再生時刻遅延手段
６７，６７Ｂ 解説音声再生制御手段
６８，６８Ｂ 解説音声再生手段

Claims (7)

1. コンテンツ再生装置が再生するコンテンツに同期して映像及び音声からなる前記コンテンツが含む各映像イベントの解説音声を生成する解説音声生成装置が送信した、前記各映像イベントの解説音声を再生する解説音声再生装置であって、
   ネットワークを介して、等倍再生時に前記解説音声同士がオーバーラップしないように予め設定された前記解説音声の再生開始時刻及び再生終了時刻を付加した前記解説音声を受信する解説音声受信手段と、
   前記解説音声の再生速度を入力する再生速度入力手段と、
   前記解説音声と当該解説音声の次に再生する次解説音声とが重ならないように、前記解説音声の再生速度、又は、前記次解説音声の再生開始時刻を制御する解説音声再生制御手段と、
   前記解説音声再生制御手段の制御に従って、前記解説音声を再生する解説音声再生手段と、を備え、
   前記解説音声再生制御手段は、前記再生開始時刻及び前記再生終了時刻から、前記再生速度入力手段に入力した再生速度で前記解説音声を再生したときの変更後終了時刻を算出し、算出した前記変更後終了時刻が前記次解説音声の再生開始時刻を超える場合、前記次解説音声の再生開始時刻までに前記解説音声の再生を終了するように前記解説音声の再生速度を制御することを特徴とする解説音声再生装置。
2. コンテンツ再生装置が再生するコンテンツに同期して映像及び音声からなる前記コンテンツが含む各映像イベントの解説音声を生成する解説音声生成装置が送信した、前記各映像イベントの解説音声を再生する解説音声再生装置であって、
   ネットワークを介して、等倍再生時に前記解説音声同士がオーバーラップしないように予め設定された前記解説音声の再生開始時刻を付加した前記解説音声を受信する解説音声受信手段と、
   前記解説音声の再生速度を入力する再生速度入力手段と、
   前記解説音声と当該解説音声の次に再生する次解説音声とが重ならないように、前記解説音声の再生速度、又は、前記次解説音声の再生開始時刻を制御する解説音声再生制御手段と、
   前記解説音声再生制御手段の制御に従って、前記解説音声を再生する解説音声再生手段と、を備え、
   前記解説音声再生制御手段は、前記再生速度入力手段に入力した再生速度で前記解説音声の再生を終了したときの再生終了時刻が前記次解説音声の再生開始時刻を超える場合、前記再生終了時刻より後に前記次解説音声の再生を開始するように前記次解説音声の再生開始時刻を制御することを特徴とする解説音声再生装置。
3. 予め設定した第２遅延時間だけ前記再生開始時刻を遅延させる再生時刻遅延手段、をさらに備えることを特徴とする請求項２に記載の解説音声再生装置。
4. 請求項１又は請求項２に記載の解説音声再生装置に解説音声を送信する解説音声生成装置であって、
   映像イベントの発生時刻及び前記映像イベントの内容をマークアップ言語で記述したイベント情報を受信するイベント情報受信手段と、
   前記イベント情報を、前記映像イベントの内容を表した文字テキストに変換する文字テキスト変換手段と、
   前記文字テキストを音声合成することで、前記解説音声を生成する解説音声生成手段と、
   前記映像イベントの発生時刻に基づいた前記解説音声の再生開始時刻を前記解説音声に付加し、ネットワークを介して、前記再生開始時刻を付加した解説音声を送信する解説音声送信手段と、
   を備えることを特徴とする解説音声生成装置。
5. 前記映像イベントの発生時刻に予め設定した第１遅延時間を加算することで、前記解説音声の再生開始時刻を算出する再生時刻算出手段、をさらに備えることを特徴とする請求項４に記載の解説音声生成装置。
6. 前記解説音声送信手段は、前記解説音声の再生終了時刻をさらに付加した前記解説音声を、解説音声再生装置に送信することを特徴とする請求項５に記載の解説音声生成装置。
7. コンピュータを、請求項１又は請求項２に記載の解説音声再生装置として機能させるための解説音声再生プログラム。

Images