特許ウォッチ

公開番号2024120982
公報種別公開特許公報(A)
公開日2024-09-05
出願番号2024107190,2023045329
出願日2024-07-03,2017-11-10
発明の名称再生装置、再生方法、情報処理装置、情報処理方法、およびプログラム
出願人ソニーグループ株式会社
代理人個人,個人
主分類H04S 7/00 20060101AFI20240829BHJP(電気通信技術)
要約【課題】コンテンツ制作者の意図を反映しつつ、再生時の自由度の高いオーディオデータの再生を実現できるようにする。
【解決手段】本技術の一側面の再生装置は、それぞれのオーディオオブジェクトの音声データと、複数の想定聴取位置のそれぞれに対してコンテンツの取得前にあらかじめ生成された、音声データのレンダリングパラメータと、を含むコンテンツを取得し、複数の想定聴取位置の中から選択された想定聴取位置に対するレンダリングパラメータに基づいて、音声データのレンダリングを行う。本技術は、オブジェクトベースのオーディオデータの再生が可能な装置に適用することができる。
【選択図】図9
特許請求の範囲【請求項１】
それぞれのオーディオオブジェクトの音声データと、複数の想定聴取位置のそれぞれに対してコンテンツの取得前にあらかじめ生成された、前記音声データのレンダリングパラメータと、を含む前記コンテンツを取得する取得部と、
複数の前記想定聴取位置の中から選択された前記想定聴取位置に対する前記レンダリングパラメータに基づいて、前記音声データのレンダリングを行うレンダリング部と
を備える再生装置。
続きを表示（約 1,300 文字）【請求項２】
前記コンテンツには、あらかじめ設定された前記想定聴取位置に関する情報がさらに含まれ、
前記想定聴取位置に関する情報に基づいて、前記想定聴取位置の選択に用いられる画面を表示させる表示制御部をさらに備える
請求項１に記載の再生装置。
【請求項３】
それぞれの前記想定聴取位置に対する前記レンダリングパラメータには、前記オーディオオブジェクトを定位させる位置を表す定位情報と、前記音声データのゲイン調整用のパラメータであるゲイン情報が含まれる
請求項１または２に記載の再生装置。
【請求項４】
前記レンダリング部は、音源位置を固定させる前記オーディオオブジェクトとして選択された前記オーディオオブジェクトの前記音声データのレンダリングを、選択された前記想定聴取位置に対する前記レンダリングパラメータとは異なる前記レンダリングパラメータに基づいて行う
請求項１乃至３のいずれかに記載の再生装置。
【請求項５】
前記レンダリング部は、前記コンテンツの音声を構成する複数の前記オーディオオブジェクトのうち、所定の前記オーディオオブジェクトの前記音声データのレンダリングを行わない
請求項１乃至４のいずれかに記載の再生装置。
【請求項６】
前記想定聴取位置に対する前記レンダリングパラメータに基づいて、それぞれの前記オーディオオブジェクトの、前記レンダリングパラメータが用意されていない前記想定聴取位置に対する前記レンダリングパラメータを生成する生成部をさらに備え、
前記レンダリング部は、それぞれの前記オーディオオブジェクトの前記音声データのレンダリングを、前記生成部により生成された前記レンダリングパラメータを用いて行う
請求項１乃至５のいずれかに記載の再生装置。
【請求項７】
前記生成部は、前記レンダリングパラメータが用意されている近傍の複数の前記想定聴取位置に対する前記レンダリングパラメータに基づいて、前記レンダリングパラメータが用意されていない前記想定聴取位置に対する前記レンダリングパラメータを生成する
請求項６に記載の再生装置。
【請求項８】
前記生成部は、過去に取得された前記コンテンツに含まれる前記レンダリングパラメータに基づいて、前記レンダリングパラメータが用意されていない前記想定聴取位置に対する前記レンダリングパラメータを生成する
請求項６に記載の再生装置。
【請求項９】
前記生成部は、前記レンダリングパラメータが用意されていない前記想定聴取位置に対する前記レンダリングパラメータを、推定器を用いて生成する
請求項６に記載の再生装置。
【請求項１０】
前記取得部は、前記コンテンツの収録が行われる会場に応じた前記推定器を取得し、
前記生成部は、前記取得部により取得された前記推定器を用いて前記レンダリングパラメータを生成する
請求項９に記載の再生装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本技術は、特に、コンテンツ制作者の意図を反映しつつ、再生時の自由度の高いオーディオデータの再生を実現できるようにした再生装置、再生方法、情報処理装置、情報処理方法、およびプログラムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
楽器演奏の教則ビデオなどに含まれる映像は、一般的に、コンテンツ制作者によりあらかじめカット編集などが行われた映像になっている。また、その音は、解説音声や楽器の演奏音などの複数の音源が、2chや5.1chなどにコンテンツ制作者により適度にミックスされた音になっている。従って、ユーザは、コンテンツ制作者の意図した視点での映像と音でしか、そのコンテンツを視聴することができない。
【０００３】
ところで、近年、オブジェクトベースのオーディオ技術が注目されている。オブジェクトベースのオーディオデータは、オブジェクトの音声の波形信号と、基準となる視点からの相対位置により表される定位情報を示すメタデータとから構成される。
【０００４】
オブジェクトベースのオーディオデータの再生は、波形信号を、再生側のシステムに合わせた所望のチャンネル数の信号にメタデータに基づいてレンダリングするようにして行われる。レンダリングの手法には、例えばVBAP(Vector Based Amplitude Panning)がある（例えば、非特許文献１，２）。
【先行技術文献】
【非特許文献】
【０００５】
ISO/IEC 23008-3 Information technology - High efficiency coding and media delivery in heterogeneous environments - Part 3: 3D audio
Ville Pulkki, “Virtual Sound Source Positioning Using Vector Base Amplitude Panning”, Journal of AES, vol.45, no.6, pp.456-466, 1997
【発明の概要】
【発明が解決しようとする課題】
【０００６】
オブジェクトベースのオーディオデータにおいても、音の定位は、各オブジェクトのメタデータにより決定される。従って、ユーザは、あらかじめ用意されたメタデータに従ったレンダリング結果の音でしか、言い換えると、決められた視点(想定聴取位置)とそれに対する定位での音でしか、コンテンツを視聴することができない。
【０００７】
そこで、想定聴取位置を任意に選択することができるようにし、ユーザにより選択された想定聴取位置に合わせてメタデータの補正を行い、補正後のメタデータを用いて定位を修正したレンダリング再生を行うことが考えられる。
【０００８】
しかしながら、この場合、再生される音は、各オブジェクトの相対的な位置関係の変化を機械的に反映した音となり、コンテンツ制作者からすると、満足する音、すなわち表現したい音になるとは限らない。
【０００９】
本技術はこのような状況に鑑みてなされたものであり、コンテンツ制作者の意図を反映しつつ、再生時の自由度の高いオーディオデータの再生を実現できるようにするものである。
【課題を解決するための手段】
【００１０】
本技術の一側面の再生装置は、それぞれのオーディオオブジェクトの音声データと、複数の想定聴取位置のそれぞれに対してコンテンツの取得前にあらかじめ生成された、前記音声データのレンダリングパラメータと、を含む前記コンテンツを取得する取得部と、複数の前記想定聴取位置の中から選択された前記想定聴取位置に対する前記レンダリングパラメータに基づいて、前記音声データのレンダリングを行うレンダリング部とを備える。
（【００１１】以降は省略されています）

関連特許