特許ウォッチ

公開番号2025069511
公報種別公開特許公報(A)
公開日2025-05-01
出願番号2023179264
出願日2023-10-18
発明の名称音声処理方法、音声処理システム、プログラムおよび音声処理ソフトウェア
出願人ヤマハ株式会社
代理人弁理士法人旺知国際特許事務所
主分類G10L 21/007 20130101AFI20250423BHJP(楽器;音響)
要約【課題】複数のトラックに設定された音声信号の声質変換において、聴感的に自然な再生音声を生成することを目的とする。
【解決手段】音声処理システムは、音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当てる割当部と、複数のトラックのうち第1トラックに割当てられた音声処理プラグインによる処理後の第1音声信号に関する第1音楽パラメータと、第1トラックとは異なる第2トラックに割当てられた音声処理プラグインによる処理後の第2音声信号に関する第2音楽パラメータとを相違させる調整部43とを具備する。
【選択図】図6
特許請求の範囲【請求項１】
音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当て、
前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる
コンピュータシステムにより実現される音声処理方法。
続きを表示（約 1,500 文字）【請求項２】
前記第１音楽パラメータおよび前記第２音楽パラメータは、発音タイミングを含む
請求項１の音声処理方法。
【請求項３】
前記第１音楽パラメータおよび前記第２音楽パラメータは、音高、音量、および、音響特性の時間的な変動に関するパラメータ、のうちの少なくともひとつを含む
請求項１または請求項２の音声処理方法。
【請求項４】
前記第１トラックに割当てられた音声処理プラグインによる声質変換は、第１声質への変換であり、
前記第２トラックに割当てられた音声処理プラグインによる声質変換は、第１声質とは相違する第２声質への変換であり、
前記第１音声信号における音楽パラメータの調整条件と、前記第２音声信号における音楽パラメータの調整条件とは相違する
請求項１の音声処理方法。
【請求項５】
前記音声処理プラグインによる声質変換は、複数の声質のうち利用者が選択した声質に変換する処理である
請求項１の音声処理方法。
【請求項６】
前記複数の声質の何れかの選択と前記音声処理プラグインによる声質変換とは、変換後の音声信号の再生に並行して実行される
請求項５の音声処理方法。
【請求項７】
前記音声処理プラグインによる声質変換は、
訓練済の第１生成モデルにより前記声質変換前の音声信号を処理することで、当該音声信号の音響的な特徴を表す第１制御データを生成する処理と、
前記音楽パラメータを相違させるための処理を前記第１制御データに対して実行することで第２制御データを生成する処理と、
訓練済の第２生成モデルにより前記第２制御データを処理することで、前記声質変換後の音声信号を生成する処理とを含む
請求項１の音声処理方法。
【請求項８】
音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当てる割当部と、
前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる調整部と
を具備する音声処理システム。
【請求項９】
音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当てる割当部、および、
前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる調整部、
としてコンピュータシステムを機能させるプログラム。
【請求項１０】
音楽制作ソフトウェアにおける複数のトラックの各々に対して割当てられ、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインと、
前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる調整プログラムと
を含む音声処理ソフトウェア。

発明の詳細な説明【技術分野】
【０００１】
本開示は、音声信号を処理する技術に関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
声質を変換するための各種の技術が従来から提案されている。例えば特許文献１には、音響データから生成された音響特徴データを音響エンコーダにより処理することで中間特徴データを生成し、中間特徴データを音響デコーダにより処理することで、音響データとは声質が異なる合成音響データを生成する構成が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－０６５５４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
音楽制作ソフトウェア（ＤＡＷ：Digital Audio Workstation）に追加されるプラグインにより音声信号の声質を変換することが想定される。音楽制作ソフトウェアの相異なるトラックに設定された複数の音声信号の声質を変換して並列に再生した場合、変換後の複数の音声信号の間で発音タイミングまたは音高等の音楽パラメータが完全に一致すると、再生音声が聴感的に不自然な印象となる。以上の事情を考慮して、本開示のひとつの態様は、複数のトラックに設定された音声信号の声質変換において、聴感的に自然な再生音声を生成することを目的とする。
【課題を解決するための手段】
【０００５】
以上の課題を解決するために、本開示のひとつの態様に係る音声処理方法は、音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当て、前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる。
【０００６】
本開示のひとつの態様に係る音声処理システムは、音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当てる割当部と、前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる調整部とを具備する。
【０００７】
本開示のひとつの態様に係るプログラムは、音楽制作ソフトウェアにおける複数のトラックの各々に対し、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインを割当てる割当部、および、前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる調整部、としてコンピュータシステムを機能させる。
【０００８】
本開示のひとつの態様に係る音声処理ソフトウェアは、音楽制作ソフトウェアにおける複数のトラックの各々に対して割当てられ、当該トラックに設定された音声信号の声質変換を含む音声処理プラグインと、前記複数のトラックのうち第１トラックに割当てられた音声処理プラグインによる処理後の第１音声信号に関する第１音楽パラメータと、前記第１トラックとは異なる第２トラックに割当てられた音声処理プラグインによる処理後の第２音声信号に関する第２音楽パラメータとを相違させる調整プログラムとを含む。
【図面の簡単な説明】
【０００９】
第１実施形態における音声処理システムの構成を例示するブロック図である。
記憶装置に記憶される情報の説明図である。
音楽制作画面の模式図である。
音声処理システムが実行する音声処理の説明図である。
音声処理システムの機能的な構成を例示するブロック図である。
音声処理部の構成を例示するブロック図である。
調整部が発音タイミングを調整する処理の説明図である。
音声信号を生成する処理のフローチャートである。
第２実施形態の調整部が音高を調整する処理の説明図である。
第３実施形態の調整部が音量を調整する処理の説明図である。
第４実施形態の調整部が特性変動パラメータを調整する処理の説明図である。
第５実施形態における調整条件の説明図である。
第６実施形態における表示画面の模式図である。
【発明を実施するための形態】
【００１０】
Ａ：第１実施形態
図１は、第１実施形態における音声処理システム１００の構成を例示するブロック図である。音声処理システム１００は、各種の音声処理を実行するコンピュータシステムであり、例えばスマートフォン、タブレット端末またはパーソナルコンピュータ等の情報装置で実現される。音声処理システム１００は、制御装置１１と記憶装置１２と表示装置１３と操作装置１４と放音装置１５とを具備する。なお、音声処理システム１００は、単体の装置として実現されるほか、相互に別体で構成された複数の装置でも実現される。
（【００１１】以降は省略されています）

関連特許