[发明专利]音质编辑装置及音质编辑方法

说明书

技术领域

本发明涉及对声音的音质进行编辑的装置及方法。

背景技术

近几年，随着声音合成技术的发展，已经能够制作出极高音质的合成 音。

但是，以往的合成音的用途主要以播音员的风格朗读新闻等用途为中 心。

另一方面，在移动电话服务等领域，提供使用名人的声音信息来代替 铃声之类的服务等，有特征的声音(个人再现性高的合成音，以及女高中 生腔调或者关西方言腔调等具有特征性的韵律和音质的合成音)作为一个 内容开始流通。为了增加这样的人际交流中的乐趣，可以想像对于制作给 对方听的特征性的声音的需求今后会更高。

再者，作为合成声音的方法，大致分为以下两种。即，从预先准备好 的声音单元DB(数据库)中选择适当的声音单元，并通过将其进行连接来 合成声音的波形连接型声音合成方法，和对声音参数进行分析，以分析后 的参数为基础来合成声音的分析合成型声音合成方法。

如果考虑使上述合成音的音质进行各种各样的变化，则在波形连接型 声音合成方法中，需要尽量准备必要的声音单元DB，并切换声音单元DB， 同时需要对单元进行连接。因此，为了制作各种各样音质的合成音，需要 庞大的费用。

另一方面，分析合成型声音合成方法通过使分析后的声音参数进行变 形，从而能够转换合成音的音质。

而且，存在利用讲话者适应技术来转换音质的方法。即为通过使预先 准备的其他的讲话者的声音的特征适用于分析后的声音参数，来转换音质 的方法。

为了改变声音的音质，需要以某种方法使用户指定想改变为怎样的音 质。例如，作为指定音质的方法，存在如图1所示的，使用几个感性轴的 滑动器，来使用户指定音质的方法。但是，缺乏有关声音的预备知识的用 户，通过这样调节滑动器难以得到想要的音质。这是因为，用户将自己想 制作的音质通过感性语言来语言化的事情本身就很难。例如，在图1的例 子中，“年龄在30岁左右，非常女性化，但是，稍带阴郁，无感情，····” 等之类的，必须根据自己设想的音质来调节滑动器，但是，这样的操作在 缺乏声音的预备知识的情况下很难。而且，反过来，根据滑动器的状态来 想起此状态所表示的音质的情况同样是困难的。

另一方面，平时，在听到了未知的音质的声音的情况下，进行如下的 表现是自然的。即，听到了未知的音质的声音的用户，所谓“象X先生一 样的声音，不过，又有点象Y先生的声音”(在此，X、Y表示用户知道的 个人)等那样，利用用户已经知道的具体的人名来表现未知的音质是自然 的。在此，可以考虑到通过将具体的个人(具备某种特征的个人所具有的 音质)进行组合，从而能够直观地指定音质。

这样，在通过对系统预先保持的具体的个人的音质进行组合，来使用 户编辑音质的情况下，系统以容易理解的方法来出示所保持的音质的出示 方法变得重要。并且，通过利用编辑后的音质的声音特征来进行依据讲话 者适应技术的音质转换，能够生成具有用户所期望的音质的合成声音。

再者，具有如专利文献1那样的，向用户出示登记在数据库的声信息， 以供选择的方法。专利文献1公开了一种从各种各样的效果音中，使用户 选择所期望的效果音的方法。在专利文献1所记载的方法中，根据声特征 和感性信息，将所保有的效果音配置在声空间中，并出示与效果音的声特 征对应的图标。

图2是专利文献1所记载的声浏览装置的框图。

声浏览装置包括：声数据存储部1、声空间坐标数据生成部2、声空间 坐标数据存储部3、图标图像生成部4、声数据显示部5、声空间坐标输入 部6、立体声再生处理部7、声数据再生部8。

声数据存储部1，将声数据本身、在画面上显示该声数据时使用的图标 图像、有关该声数据的声特征量作为一组来存储。声空间坐标数据生成部2 根据被存储在声数据存储部1的声特征量，生成应该显示在画面上的声空 间中的该声数据的坐标数据。即，算出在声空间中，该声数据应该被显示 在哪个位置上。

在画面上显示的图标图像根据声特征量，在图标图像生成部4被生成。 具体而言，根据该效果音的频谱分布和感性参数，来生成图标图像。

在专利文献1中，通过这样的在空间中配置个别的效果音，从而使用 户容易指定效果音。然而，出示效果音的坐标是由声空间坐标数据生成部2 决定了的坐标，是固定的。因此，未必是与用户的感觉相符的声空间。