特許 7158313 カラオケ装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-10-13

(45)【発行日】2022-10-21

(54)【発明の名称】カラオケ装置

(51)【国際特許分類】

   G10K 15/04 20060101AFI20221014BHJP

   G10L 15/04 20130101ALI20221014BHJP

   G10L 25/90 20130101ALI20221014BHJP

【ＦＩ】

G10K15/04 302D

G10L15/04 300B

G10L25/90

【請求項の数】 3

(21)【出願番号】P 2019036320

(22)【出願日】2019-02-28

(65)【公開番号】P2020140109

(43)【公開日】2020-09-03

【審査請求日】2021-11-18

(73)【特許権者】

【識別番号】390004710

【氏名又は名称】株式会社第一興商

(74)【代理人】

【識別番号】110000176

【氏名又は名称】一色国際特許業務法人

(72)【発明者】

【氏名】橘 聡

【審査官】西村 純

(56)【参考文献】

【文献】特開２０１９－０１５７６１（ＪＰ，Ａ）

【文献】特開２００８－２６８３７０（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１０Ｋ １５／０４－１５／０６

Ｇ１０Ｌ １５／０４－１５／０５

Ｇ１０Ｌ ２５／９０

(57)【特許請求の範囲】

【請求項1】

カラオケ楽曲の歌唱により得られた歌唱音声信号から、所定時間長のフレーム単位で歌唱ピッチを検出する歌唱ピッチ検出部と、
検出した前記歌唱ピッチを含む区間の中に、あるノートの発音開始タイミング近傍において検出された歌唱ピッチから第１の条件を満たすよう歌唱ピッチが上昇する上昇区間と、当該上昇区間よりも後の区間であって、連続する２つのフレームの歌唱ピッチのピッチ差が第２の条件を満たす水平区間と、前記上昇区間から前記水平区間までの間に、第３の条件を満たすよう歌唱ピッチが下降する下降区間と、が存在し、且つ前記あるノートの時間長と、前記上昇区間及び前記下降区間に含まれるフレーム数に応じた時間長とが第４の条件を満たす場合、前記あるノートに対する逆Ｖ字アクセント歌唱が行われていると判定する逆Ｖ字アクセント歌唱判定部と、
を有するカラオケ装置。

【請求項2】

前記逆Ｖ字アクセント歌唱判定部は、
前記カラオケ楽曲に含まれるノートのうち、一のノートの時間長が第１の所定時間以上である場合、当該一のノートを前記あるノートとして特定し、
前記あるノートの発音開始タイミング近傍において検出された第１の歌唱ピッチのフレームから第１の所定数だけ後のフレームまでの間に、歌唱ピッチが第１の所定値以上、上昇し、且つ歌唱ピッチが上げ止まっている場合、前記第１の歌唱ピッチのフレームを開始時のフレームとし、前記上げ止まった時点における歌唱ピッチのフレームを終了時のフレームとする前記上昇区間を特定し、
前記終了時の歌唱ピッチ以降に検出された歌唱ピッチを比較し、連続する２つのフレームの歌唱ピッチのピッチ差が、第１の所定範囲内であり且つ第２の所定数以上連続し、更に、前記あるノートの基準ピッチと各フレームの歌唱ピッチのピッチ差が第２の所定範囲内である場合、その条件を満たす最初の歌唱ピッチのフレームを開始時のフレームとし、当該開始時のフレームを基準として、前記第２の所定数だけ後の歌唱ピッチのフレームを終了時のフレームとする前記水平区間を特定し、
前記上昇区間の終了時のフレームから前記水平区間の開始時のフレームまで歌唱ピッチが下降し、且つ当該上昇区間の終了時のフレームと当該水平区間の開始時のフレームとのピッチ差が第２の所定値以上である場合、当該上昇区間の終了時のフレームから当該水平区間の開始時のフレームの直前のフレームまでを前記下降区間として特定し、
前記上昇区間及び前記下降区間に含まれるフレーム数に基づく時間長が、前記あるノートの時間長に対して所定割合以下である場合、前記上昇区間、前記下降区間、及び前記水平区間が連続する区間を前記逆Ｖ字アクセント歌唱が行われている区間として判定することを特徴とする請求項１記載のカラオケ装置。

【請求項3】

前記あるノートの採点結果が不合格と判定された場合、且つ当該あるノートに対する前記逆Ｖ字アクセント歌唱が行われていると判定された場合、当該あるノートの採点結果を合格と判定する採点処理部を有することを特徴とする請求項１または２に記載のカラオケ装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、カラオケ装置に関する。

【背景技術】

【0002】

カラオケ装置は、マイクにより入力された歌唱音声から抽出した歌唱音声データと、カラオケ演奏された楽曲の主旋律を示すリファレンスデータとを比較することにより、カラオケ歌唱の巧拙を採点する採点機能が搭載されている。

【0003】

たとえば、特許文献１には、カラオケ演奏に合わせてマイクから入力される歌唱音声信号から音高データ及び音長データを抽出し、カラオケ演奏に並行して読み出されるガイドメロディと比較することによって歌唱の巧拙を採点評価する技術が開示されている。

【0004】

また、歌唱者の中にはプロ歌手の歌唱を真似て、しゃくり、フォール、こぶし、シャウトなどの特殊な歌唱技法を用いて歌唱を行う者もいる。特許文献２～５には、このような特殊な歌唱技法を検出し、歌唱を評価する技術が開示されている。

【先行技術文献】

【特許文献】

【0005】

【文献】特開平１０－６９２１６号公報

【文献】特開２００５－１０７３３６号公報

【文献】特開２００８－２２５１１５号公報

【文献】特開２００８－２６８３７０号公報

【文献】特開２０１２－０７８７０１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

ところで、特殊な歌唱技法の一つとして、カラオケ歌唱の表現力を深めるために、あるノート（音符）について強調して歌唱する（カラオケ歌唱の音量を大きくして歌唱する）歌唱方法（以下、「アクセント歌唱」）が知られている。このようなアクセント歌唱を検出するためには、歌唱音声の音量レベルを取得し、音量レベルが所定値よりも大きくなったかどうかを判断することが考えられる。

【0007】

しかし、実際のカラオケ歌唱においては、カラオケ伴奏音のマイクへの回り込み（特にバスドラムやスネアの音）や、歌唱者とマイクとの距離が一定ではないこと等が原因となり、音量レベルが正確に得られない。従って、従来のカラオケ装置では、アクセント歌唱を判定することができなかった。

【0008】

また、聴感上の印象が異なる様々なアクセント歌唱が存在する。

【0009】

本発明の目的は、カラオケ歌唱に逆Ｖ字アクセント歌唱（後述）が含まれるかどうかを判定することが可能なカラオケ装置を提供することにある。

【課題を解決するための手段】

【0010】

本発明者は、聴感上、アクセント歌唱でありつつ、「切れがあり、明るい印象」を与えるカラオケ歌唱と判断される歌唱音声信号に含まれる歌唱ピッチを解析したところ、あるノートの発音開始タイミング近傍から歌唱ピッチが上昇した後に下降し、その後歌唱ピッチの変動が小さくなるという変化を示すことを見出した。本発明は、この発見に基づき、完成されたものであって、この歌唱独特のピッチの変化を検出することにより、この歌唱を特定することができる技術である。

【0011】

なお、このようなカラオケ歌唱による歌唱ピッチの推移は「逆Ｖ字」状になる。よって、このようなピッチ変化を示すアクセント歌唱を、以下「逆Ｖ字アクセント歌唱」という。

【0012】

具体的に、上記目的を達成するための発明は、カラオケ楽曲の歌唱により得られた歌唱音声信号から、所定時間長のフレーム単位で歌唱ピッチを検出する歌唱ピッチ検出部と、検出した前記歌唱ピッチを含む区間の中に、あるノートの発音開始タイミング近傍において検出された歌唱ピッチから第１の条件を満たすよう歌唱ピッチが上昇する上昇区間と、当該上昇区間よりも後の区間であって、連続する２つのフレームの歌唱ピッチのピッチ差が第２の条件を満たす水平区間と、前記上昇区間から前記水平区間までの間に、第３の条件を満たすよう歌唱ピッチが下降する下降区間と、が存在し、且つ前記あるノートの時間長と、前記上昇区間及び前記下降区間に含まれるフレーム数に応じた時間長とが第４の条件を満たす場合、前記あるノートに対する逆Ｖ字アクセント歌唱が行われていると判定する逆Ｖ字アクセント歌唱判定部と、を有するカラオケ装置である。
本発明の他の特徴については、後述する明細書及び図面の記載により明らかにする。

【発明の効果】

【0013】

本発明によれば、カラオケ歌唱に逆Ｖ字アクセント歌唱が含まれるかどうかを判定することができる。

【図面の簡単な説明】

【0014】

【図1】実施形態に係るカラオケ装置のハードウェア構成例を示す図である。

【図2】実施形態に係るカラオケ本体のソフトウェア構成例を示す図である。

【図3】実施形態に係る逆Ｖ字アクセント歌唱の判定処理を示すフローチャートである。

【図4】実施形態に係るフレーム単位の演奏時間、基準ピッチ、歌唱ピッチ、連続する２つのフレームの歌唱ピッチのピッチ差、及び最初に検出された歌唱ピッチとその後のフレームで検出された歌唱ピッチとのピッチ差を示した図である。

【図5】実施形態に係るフレーム単位の演奏時間、基準ピッチ、歌唱ピッチ、連続する２つのフレームの歌唱ピッチのピッチ差、及び基準ピッチと検出された歌唱ピッチとのピッチ差を示した図である。

【図6】実施形態に係るフレーム単位の演奏時間、基準ピッチ、歌唱ピッチ、連続する２つのフレームの歌唱ピッチのピッチ差、及び上昇区間の終了時の歌唱ピッチとその後のフレームで検出された歌唱ピッチとのピッチ差を示した図である。

【図7】実施形態に係る一のノートと歌唱ピッチとの関係を示した図である。

【発明を実施するための形態】

【0015】

＜実施形態＞
図１～図７を参照して、実施形態に係るカラオケ装置１について説明する。

【0016】

＝＝カラオケ装置＝＝
カラオケ装置１は、カラオケ演奏及び歌唱者がカラオケ歌唱を行うための装置である。カラオケ装置１は、歌唱者が選曲したカラオケ楽曲を予約待ち行列に登録し、順番にカラオケ演奏を行う。図１に示すように、カラオケ装置１は、カラオケ本体１０、スピーカ２０、表示装置３０、マイク４０、及びリモコン装置５０を備える。

【0017】

スピーカ２０はカラオケ本体１０からの放音信号に基づいて放音するための構成である。表示装置３０はカラオケ本体１０からの信号に基づいて映像や画像を画面に表示するための構成である。マイク４０は歌唱者の歌唱音声（マイク４０への入力音声）をアナログの歌唱音声信号に変換してカラオケ本体１０に入力するための構成である。リモコン装置５０は、カラオケ本体１０に対する各種操作をおこなうための装置である。歌唱者はリモコン装置５０を用いて歌唱を希望するカラオケ楽曲の選曲（予約）等を行うことができる。リモコン装置５０の表示画面には各種操作の指示入力を行うためのアイコン等が表示される。

【0018】

カラオケ本体１０は、選曲されたカラオケ楽曲の演奏制御、歌詞や背景映像等の表示制御、マイク４０を通じて入力された歌唱音声信号の処理といった、カラオケ歌唱に関する各種の制御を行う。図１に示すように、カラオケ本体１０は、制御部１１、通信部１２、記憶部１３、音響処理部１４、表示処理部１５、及び操作部１６を備える。各構成はインターフェース（図示なし）を介してバスＢに接続されている。

【0019】

制御部１１は、ＣＰＵ１１ａおよびメモリ１１ｂを備える。ＣＰＵ１１ａは、メモリ１１ｂに記憶された動作プログラムを実行することにより各種の制御機能を実現する。メモリ１１ｂは、ＣＰＵ１１ａに実行されるプログラムを記憶したり、プログラムの実行時に各種情報を一時的に記憶したりする記憶装置である。

【0020】

通信部１２は、ルーター（図示なし）を介してカラオケ本体１０を通信回線に接続するためのインターフェースを提供する。

【0021】

記憶部１３は、各種のデータを記憶する大容量の記憶装置であり、たとえばハードディスクドライブなどである。記憶部１３は、カラオケ装置１によりカラオケ演奏を行うための複数の楽曲データを記憶する。

【0022】

楽曲データは、個々のカラオケ楽曲を特定するための楽曲ＩＤが付与されている。楽曲データは、伴奏データ、リファレンスデータ等を含む。伴奏データは、カラオケ演奏音の元となるデータである。伴奏データはカラオケ演奏をする際のテンポを示す情報を含む。テンポは、楽曲毎に所定の値が設定されている。リファレンスデータは、歌唱者によるカラオケ歌唱を採点する際の基準として用いられるデータである。リファレンスデータは、複数のノート（音符）から構成され、ノート毎に所定のピッチ（基準ピッチ）が設定されている。また、リファレンスデータは、ノート毎に、ノートオンイベントデータ及びノートオフイベントデータを含む。ノートオンイベントデータは、ノートの発音を表すデータであり、ノートオフイベントデータは、ノートの消音を表すデータである。

【0023】

また、記憶部１３は、各カラオケ楽曲に対応する歌詞を表示装置３０等に表示させるための歌詞テロップデータ、カラオケ演奏時に表示装置３０等に表示される背景画像等の背景画像データ、楽曲毎のカラオケ演奏時間を示す演奏時間データ及び楽曲の属性情報（歌手名、作詞・作曲者名、ジャンル等の当該楽曲に関する情報）を記憶する。

【0024】

音響処理部１４は、制御部１１の制御に基づき、カラオケ楽曲に対する演奏の制御およびマイク４０を通じて入力された歌唱音声信号の処理を行う。表示処理部１５は、制御部１１の制御に基づき、表示装置３０やリモコン装置５０における各種表示に関する処理を行う。たとえば、表示処理部１５は、カラオケ楽曲の演奏時における背景映像に歌詞テロップや各種アイコンが重ねられた映像を表示装置３０に表示させる制御を行う。或いは、表示処理部１５は、リモコン装置５０の表示画面に操作入力用の各種アイコンを表示させる。操作部１６は、パネルスイッチおよびリモコン受信回路などからなり、歌唱者によるカラオケ装置１のパネルスイッチあるいはリモコン装置５０の操作に応じて選曲信号、演奏中止信号などの操作信号を制御部１１に対して出力する。制御部１１は、操作部１６からの操作信号を検出し、対応する処理を実行する。

【0025】

（ソフトウェア構成）
図２はカラオケ本体１０のソフトウェア構成例を示す図である。カラオケ本体１０は、歌唱ピッチ検出部１００、逆Ｖ字アクセント歌唱判定部２００、提示部３００、及び採点処理部４００を備える。歌唱ピッチ検出部１００、逆Ｖ字アクセント歌唱判定部２００、提示部３００、及び採点処理部４００は、ＣＰＵ１１ａがメモリ１１ｂに記憶されるプログラムを実行することにより実現される。

【0026】

［歌唱ピッチ検出部］
歌唱ピッチ検出部１００は、カラオケ楽曲の歌唱により得られた歌唱音声信号から、所定時間長のフレーム単位で歌唱ピッチを検出する。

【0027】

歌唱ピッチは、所定時間長（たとえば１０～２０ｍｓｅｃ）のフレーム単位で１サンプルずつ時系列に検出する。たとえば、所定時間長が１２ｍｓｅｃの場合、歌唱ピッチ検出部１００は、１２ｍｓｅｃを一のフレームとして、歌唱ピッチの検出を行う。歌唱ピッチ検出部１００は、歌唱音声信号を解析して検出した歌唱ピッチを、対応するノートの基準ピッチと対応付けて記憶部１３に記憶させる。ノートの基準ピッチは、リファレンスデータに含まれるノートオンイベントデータに基づいて特定される。

【0028】

記憶部１３は、検出した歌唱ピッチ及び対応するノートの基準ピッチを、カラオケ演奏の開始からの経過時間と共に記憶する。すなわち、検出した歌唱ピッチ及び対応するノートの基準ピッチは、フレーム単位で記憶されている。

【0029】

なお、歌唱ピッチの検出は、カラオケ楽曲の歌唱に伴って順次行ってもよいし、一のカラオケ楽曲の歌唱が全て終了した後にまとめて行ってもよい。

【0030】

［逆Ｖ字アクセント歌唱判定部］
逆Ｖ字アクセント歌唱判定部２００は、検出した歌唱ピッチを含む区間の中に、第１の条件を満たす上昇区間、第２の条件を満たす水平区間、第３の条件を満たす下降区間が存在し、且つあるノートの時間長と上昇区間及び下降区間に含まれるフレーム数に応じた時間長とが第４の条件を満たす場合、あるノートに対する逆Ｖ字アクセント歌唱が行われていると判定する。

【0031】

上昇区間は、あるノートの発音開始タイミング近傍において検出された歌唱ピッチから第１の条件を満たすよう歌唱ピッチが上昇する区間である。第１の条件は、上昇区間を特定するための条件である。第１の条件は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の条件が設定されている。具体的に、第１の条件は、あるノートの発音開始タイミング近傍において検出された第１の歌唱ピッチのフレームから第１の所定数だけ後のフレームまでの間に、歌唱ピッチが第１の所定値以上、上昇し、且つ歌唱ピッチが上げ止まっているかどうかである（詳細は後述）。

【0032】

水平区間は、上昇区間よりも後の区間であって、連続する２つのフレームの歌唱ピッチのピッチ差が第２の条件を満たす区間である。第２の条件は、水平区間を特定するための条件である。第２の条件は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の条件が設定されている。具体的に、第２の条件は、上昇区間の終了時の歌唱ピッチ以降に検出された歌唱ピッチを比較し、連続する２つのフレームの歌唱ピッチのピッチ差が、第１の所定範囲内であり且つ第２の所定数以上連続し、更に、あるノートの基準ピッチと各フレームの歌唱ピッチのピッチ差が第２の所定範囲内であるかどうかである（詳細は後述）。

【0033】

下降区間は、上昇区間から水平区間までの間の区間であって、第３の条件を満たすよう歌唱ピッチが下降する区間である。第３の条件は、下降区間を特定するための条件である。第３の条件は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の条件が設定されている。具体的に、第３の条件は、上昇区間の終了時のフレームから水平区間の開始時のフレームまで歌唱ピッチが下降し、且つ当該上昇区間の終了時のフレームと当該水平区間の開始時のフレームとのピッチ差が第２の所定値以上であるかどうかである（詳細は後述）。

【0034】

第４の条件は、あるノートの時間長と上昇区間及び下降区間に含まれるフレーム数に応じた時間長との関係を規定するための条件である。

【0035】

あるノートの時間長は、当該あるノートに含まれる基準ピッチのフレーム数、及び各フレームの時間によって決定される値である。たとえば、あるノートについて、１２ｍｓｅｃのフレームが１５フレーム存在する場合、当該あるノートの時間長は、１８０ｍｓｅｃとなる。

【0036】

上昇区間及び下降区間に含まれるフレーム数に応じた時間長は、上昇区間及び下降区間で検出された歌唱ピッチのフレーム数、及び各フレームの時間によって決定される値である。たとえば、ある上昇区間及び下降区間について、１２ｍｓｅｃのフレームが７フレーム存在する場合、当該ある上昇区間及び下降区間に含まれるフレーム数に応じた時間長は、８４ｍｓｅｃとなる。

【0037】

第４の条件は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の条件が設定されている。具体的に、第４の条件は、上昇区間及び下降区間に含まれるフレーム数に基づく時間長が、あるノートの時間長に対して所定割合以下であるかどうかである（詳細は後述）。

【0038】

ここで、図３～図７を参照して、逆Ｖ字アクセント歌唱の判定処理について詳細に説明を行う。図３は、逆Ｖ字アクセント歌唱の判定処理を示すフローチャートである。図４は、カラオケ楽曲Ｘの各ノートに対するフレーム単位の演奏時間、各ノートの基準ピッチＢＰ、カラオケ楽曲Ｘの歌唱により得られた歌唱音声信号を解析して検出された歌唱ピッチ、連続する２つのフレームの歌唱ピッチのピッチ差、及び最初に検出された歌唱ピッチＰ（１）とその後のフレームで検出された歌唱ピッチとのピッチ差を示した図である。図５は、カラオケ楽曲Ｘの各ノートに対するフレーム単位の演奏時間、各ノートの基準ピッチＢＰ、カラオケ楽曲Ｘの歌唱により得られた歌唱音声信号を解析して検出された歌唱ピッチ、連続する２つのフレームの歌唱ピッチのピッチ差、及び基準ピッチＢＰと検出された歌唱ピッチとのピッチ差を示した図である。図６は、カラオケ楽曲Ｘの各ノートに対するフレーム単位の演奏時間、各ノートの基準ピッチＢＰ、カラオケ楽曲Ｘの歌唱により得られた歌唱音声信号を解析して検出された歌唱ピッチ、連続する２つのフレームの歌唱ピッチのピッチ差、及び上昇区間の終了時の歌唱ピッチとその後のフレームで検出された歌唱ピッチとのピッチ差を示した図である。なお。図４～図６において一のフレームの所定時間は１２ｍｓｅｃである。また、一のノートには、３０フレーム含まれているとする。図７は、一のノートと歌唱ピッチの推移との関係を示した図である。図７における縦軸は歌唱ピッチを示し、横軸は時刻を示すが、横軸は連続する時間長（たとえば１２ｍｓｅｃ）のフレームと解してもよく、一フレーム毎に歌唱ピッチが検出される。開始時刻ＴｓはノートＮの発音開始タイミングであり、終了時刻ＴｅはノートＮの発音終了タイミングである。ノートの発音開始タイミングは、カラオケ楽曲の演奏開始時点を０とした場合の、当該ノートまでの経過時間に相当する。

【0039】

以下の説明において、ノートＮに対する逆Ｖ字アクセント歌唱が行われているかどうかを判定する際に用いる最初の歌唱ピッチＰ（１）は、ノートＮの発音開始タイミングよりも所定数だけ前のフレームで検出された歌唱ピッチ（ノートＮよりも前のノートＮ－１の時点で検出された歌唱ピッチ）であるとする。この歌唱ピッチＰ（１）は、ノートＮの発音開始タイミング近傍において検出した歌唱ピッチに相当する。歌唱ピッチＰ（１）は「第１の歌唱ピッチ」の一例である。所定数は、たとえば、１０フレーム前等、予め任意の値を設定することができる。また、この例においては、ノートＮの発音開始タイミングよりも１０フレーム前から歌唱ピッチの検出を行った結果、７フレーム前に歌唱ピッチが検出された例を示している。すなわち、歌唱ピッチＰ（１）は、ノートＮの発音開始タイミングよりも７フレーム前に検出された歌唱ピッチとなっている。

【0040】

図４～図６の例において、ピッチ差はｃｅｎｔ値で示す。なお、ｃｅｎｔ値は相対値であるが、以下の説明においては歌唱ピッチを絶対値として表現するために、音階Ｃ４（周波数２６１．６２６Ｈｚ）を６０００ｃｅｎｔと定義する。また基準ピッチが０の部分は、非歌唱区間（カラオケ歌唱用の歌詞が付与されていない区間）であり、歌唱ピッチが０の部分は歌唱ピッチが検出できなかったものとする。

【0041】

まず、逆Ｖ字アクセント歌唱判定部２００は、カラオケ楽曲に含まれるノートのうち、一のノートの時間長が第１の所定時間以上かどうかを判定する。

【0042】

具体的に、逆Ｖ字アクセント歌唱判定部２００は、一のノートのノートオンイベントデータに基づいて当該一のノートの時間長を取得する。逆Ｖ字アクセント歌唱判定部２００は、取得した時間長が第１の所定時間以上であった場合、当該一のノートをあるノートとして特定する。第１の所定時間は、一のノートを逆Ｖ字アクセント歌唱の検出対象とするかどうかを判定するための値である。たとえば、第１の所定時間は、１５０ｍｓｅｃ～３００ｍｓｅｃである。この例では、第１の所定時間が１８０ｍｓｅｃであるとして説明する。

【0043】

ここで、図４の例において、ノートＮの時間長は、３０フレーム×１２ｍｓｅｃ＝３６０ｍｓｅｃとなっている。よって、逆Ｖ字アクセント歌唱判定部２００は、ノートＮを逆Ｖ字アクセント歌唱の検出対象として特定する（逆Ｖ字アクセント歌唱の検出対象となるノートの特定。ステップ１０）。なお、一のノートの時間長が第１の所定時間よりも短い場合、逆Ｖ字アクセント歌唱判定部２００は、以下の処理を行わない。

【0044】

次に、逆Ｖ字アクセント歌唱判定部２００は、あるノートの発音開始タイミング近傍において検出された第１の歌唱ピッチのフレームから第１の所定数だけ後のフレームまでの間に、歌唱ピッチが第１の所定値以上、上昇し、且つ歌唱ピッチが上げ止まっている場合、第１の歌唱ピッチのフレームを開始時のフレームとし、上げ止まった時点における歌唱ピッチのフレームを終了時のフレームとする上昇区間を特定する（上昇区間の特定。ステップ１１）。

【0045】

第１の所定数及び第１の所定値は、上昇区間を特定するための値である。第１の所定数は、上昇区間を特定するにあたり、最低限必要な歌唱ピッチのフレーム数である。第１の所定値は、上昇区間を特定するにあたり、最低限必要な歌唱ピッチの上昇値である。第１の所定数及び第１の所定値は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の値が設定されている。たとえば、第１の所定数は６～１０であり、第１の所定値は＋６０～＋１００ｃｅｎｔである。この例では第１の所定数を「６」とし、第１の所定値を「＋７０ｃｅｎｔ」として説明する。歌唱ピッチの上げ止まりは、上昇区間を特定するための条件である。具体的に、歌唱ピッチの上げ止まりは、一のフレームの歌唱ピッチが次のフレームの歌唱ピッチよりも大きいかどうかで判定する。一のフレームの歌唱ピッチが次のフレームの歌唱ピッチよりも大きい場合、一のフレームが上昇区間の終了時のフレームに相当する。第１の所定数、第１の所定値、及び歌唱ピッチの上げ止まりは「第１の条件」の一部である。

【0046】

具体的に、逆Ｖ字アクセント歌唱判定部２００は、ノートＮの発音開始タイミング近傍において検出された歌唱ピッチＰ（１）のフレームから歌唱ピッチＰ（７）のフレームまで順次、歌唱ピッチを参照し、歌唱ピッチが第１の所定値「＋７０ｃｅｎｔ」以上上昇しているかどうか、及び歌唱ピッチが上げ止まっているかどうかを判定する。

【0047】

図４の例によれば、歌唱ピッチＰ（５）のフレームにおいて、歌唱ピッチＰ（１）から「＋９０ｃｅｎｔ」歌唱ピッチが上昇している。また、歌唱ピッチＰ（６）の値「６０７３ｃｅｎｔ」が次のフレームの歌唱ピッチＰ（７）の値「６０６９ｃｅｎｔ」よりも大きくなっている。

【0048】

よって、逆Ｖ字アクセント歌唱判定部２００は、歌唱ピッチＰ（１）のフレームを開始時のフレームとし、歌唱ピッチＰ（６）のフレームを終了時のフレームとする上昇区間ＲＺを特定する。

【0049】

次に、逆Ｖ字アクセント歌唱判定部２００は、上昇区間ＲＺの終了時の歌唱ピッチ以降に検出された歌唱ピッチを比較し、連続する２つのフレームの歌唱ピッチのピッチ差が、第１の所定範囲内であり且つ第２の所定数以上連続し、更に、あるノートの基準ピッチと各フレームの歌唱ピッチのピッチ差が第２の所定範囲内である場合、その条件を満たす最初の歌唱ピッチのフレームを開始時のフレームとし、当該開始時のフレームを基準として、第２の所定数だけ後の歌唱ピッチのフレームを終了時のフレームとする水平区間を特定する（水平区間の特定。ステップ１２）。

【0050】

第１の所定範囲、第２の所定数、及び第２の所定範囲は、水平区間を特定するための値である。第１の所定範囲は、水平区間を特定するにあたり、許容可能な連続する２つのフレームの歌唱ピッチのずれの幅である。第２の所定数は、水平区間を特定するにあたり、最低限必要な、所定範囲内に含まれるピッチ差の歌唱ピッチが連続する数である。第２の所定範囲は、水平区間を特定するにあたり、許容可能なあるノートの基準ピッチと各フレームの歌唱ピッチとのずれの幅である。第１の所定範囲、第２の所定数、及び第２の所定範囲は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の値が設定されている。たとえば、第１の所定範囲は±１ｃｅｎｔ～±１２ｃｅｎｔであり、第２の所定数は３～５である。第２の所定範囲は±１５ｃｅｎｔ～±２５ｃｅｎｔである。この例では第１の所定範囲を±５ｃｅｎｔとし、第２の所定数を「５」とし、第２の所定範囲を±２０ｃｅｎｔとして説明する。第１の所定範囲、第２の所定数、及び第２の所定範囲は「第２の条件」の一部である。

【0051】

具体的に、逆Ｖ字アクセント歌唱判定部２００は、上昇区間ＲＺの終了時のフレームにおける歌唱ピッチＰ（６）以降に検出された歌唱ピッチを比較し、連続する２つのフレームの歌唱ピッチのピッチ差が、±５ｃｅｎｔ以内であり且つ５つ以上連続し、ノートＮの基準ピッチＢＰと各フレームの歌唱ピッチＰ（ｎ）とのピッチ差が±２０ｃｅｎｔ以内であるかどうかを判定する。

【0052】

図５の例によれば、歌唱ピッチＰ（１３）のフレームと歌唱ピッチＰ（１４）のフレームとのピッチ差（－４ｃｅｎｔ）においてピッチ差が±５ｃｅｎｔ以内となり、ピッチ差が±５ｃｅｎｔ以内となる状態が、少なくとも歌唱ピッチＰ（１７）のフレームと歌唱ピッチＰ（１８）のフレームとのピッチ差まで５つ連続している。更に、基準ピッチＢＰと、歌唱ピッチＰ（１３）のフレームから歌唱ピッチＰ（１７）のフレームまでの各歌唱ピッチとのピッチ差は、±２０ｃｅｎｔ以内となっている。

【0053】

よって、逆Ｖ字アクセント歌唱判定部２００は、歌唱ピッチＰ（１３）のフレームを開始時のフレームとし、歌唱ピッチＰ（１７）のフレームを終了時のフレームとする水平区間ＨＺを特定する。

【0054】

次に、逆Ｖ字アクセント歌唱判定部２００は、上昇区間の終了時のフレームから水平区間の開始時のフレームまで歌唱ピッチが下降し、且つ当該上昇区間の終了時のフレームと当該水平区間の開始時のフレームとのピッチ差が第２の所定値以上である場合、当該上昇区間の終了時のフレームから当該水平区間の開始時のフレームの直前のフレームまでを下降区間として特定する（下降区間の特定。ステップ１３）。

【0055】

第２の所定値は、下降区間を特定するための値である。第２の所定値は、下降区間を特定するにあたり、最低限必要な歌唱ピッチの下降値である。第２の所定値は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の値が設定されている。たとえば、第２の所定値は－６０～－１００ｃｅｎｔである。この例では第２の所定値を「－７０ｃｅｎｔ」として説明する。第２の所定値は「第３の条件」の一部である。

【0056】

具体的に、逆Ｖ字アクセント歌唱判定部２００は、上昇区間ＲＺの終了時のフレームにおける歌唱ピッチＰ（６）から水平区間ＨＺの開始時のフレームにおける歌唱ピッチＰ（１３）まで歌唱ピッチが下降し、且つ歌唱ピッチＰ（６）と歌唱ピッチＰ（１３）のピッチ差が－７０ｃｅｎｔ以上であるかどうかを判定する。

【0057】

図６の例によれば、歌唱ピッチＰ（６）から歌唱ピッチＰ（１３）まで歌唱ピッチは下降し、歌唱ピッチＰ（６）と歌唱ピッチＰ（１３）のピッチ差は、－７４ｃｅｎｔとなっている。

【0058】

よって、逆Ｖ字アクセント歌唱判定部２００は、歌唱ピッチＰ（６）のフレームを開始時のフレームとし、水平区間ＨＺの開始時のフレームＰ（１３）の直前のフレームである歌唱ピッチＰ（１２）のフレームを、終了時のフレームとする下降区間ＤＺとして特定する。

【0059】

最後に、逆Ｖ字アクセント歌唱判定部２００は、上昇区間及び下降区間に含まれるフレーム数に基づく時間長が、あるノートの時間長に対して所定割合以下である場合、上昇区間、下降区間、及び水平区間が連続する区間を逆Ｖ字アクセント歌唱が行われている区間として判定する（逆Ｖ字アクセント歌唱の判定。ステップ１４）。

【0060】

所定割合は、ステップ１１～ステップ１３で特定された各区間が、逆Ｖ字アクセント歌唱が行われている区間に相当するかどうかを特定するための値である。所定割合は、逆Ｖ字アクセント区間を特定するにあたり、最低限必要なあるノートの時間長に対する上昇区間及び下降区間に含まれるフレーム数に基づく時間長の割合である。所定割合は、特定する逆Ｖ字アクセント歌唱の程度に応じて、予め任意の値が設定されている。たとえば、所定割合は４０％～６０％である。この例では所定割合を「５０％」として説明する。所定割合は「第４の条件」の一部である。

【0061】

具体的に、逆Ｖ字アクセント歌唱判定部２００は、上昇区間ＲＺ及び下降区間ＤＺに含まれるフレーム数（１２個）に基づく時間長（１４４ｍｓｅｃ。所定時間長は１２ｍｓｅｃ）が、ノートＮの時間長（３６０ｍｓｅｃ）に対して５０％以下であるかどうかを判定する。

【0062】

図４～図６の例によれば、上昇区間ＲＺ及び下降区間ＤＺに含まれるフレーム数（１２個）に基づく時間長（１４４ｍｓｅｃ）は、ノートＮの時間長（３６０ｍｓｅｃ）に対して４０％となっている。

【0063】

よって、逆Ｖ字アクセント歌唱判定部２００は、上昇区間ＲＺ、下降区間ＤＺ、及び水平区間ＨＺが連続する区間（歌唱ピッチＰ（１）のフレームから歌唱ピッチＰ（１７）のフレームまでの区間）を逆Ｖ字アクセント歌唱が行われている区間として判定する。図７の例によると、特定された上昇区間ＲＺ、下降区間ＤＺ、及び水平区間ＨＺが、逆Ｖ字アクセント歌唱による歌唱区間となる。

【0064】

なお、上昇区間、下降区間、または水平区間を特定できない場合、逆Ｖ字アクセント歌唱判定部２００は、ノートＮについては逆Ｖ字アクセント歌唱が行われていないと判定する。

【0065】

［提示部］
提示部３００は、逆Ｖ字アクセント歌唱判定部２００による判定結果を歌唱者に提示する。たとえば、ノートＮに対する逆Ｖ字アクセント歌唱が行われたとの判定結果が入力された場合、提示部３００は、表示装置３０に表示されるノートＮに対応するガイドメロディ画像近傍に逆Ｖ字アクセント歌唱が行われた旨のアイコンを表示させることができる。ガイドメロディ画像は、歌唱者のカラオケ歌唱を支援するために、カラオケ楽曲のメロディを画像として表示させたものである。ガイドメロディ画像の表示については公知の手法を用いることが可能である（たとえば特開２００４－２０５８１７号公報参照）。

【0066】

なお、提示部３００は、ガイドメロディ画像と関係なく、逆Ｖ字アクセント歌唱が行われた旨のアイコンのみを表示させることもできる。或いは、提示部３００は、逆Ｖ字アクセント歌唱が行われた旨のアイコンを表示させる代わりにスピーカ２０を介して音声（拍手、歓声等）で逆Ｖ字アクセント歌唱が行われた旨を報知することでもよい。

【0067】

［採点処理部］
採点処理部４００は、カラオケ楽曲の歌唱により得られる歌唱音声信号を当該カラオケ楽曲のリファレンスデータと比較し、採点値を算出する。採点値を算出する処理は公知の手法を用いることができる。たとえば、採点処理部４００は、マイク４０から入力された歌唱音声信号に基づく歌唱ピッチと、リファレンスデータに基づく基準ピッチにより、歌唱音程の正確さについての採点処理を行う。

【0068】

ここで、本実施形態に係る採点処理部４００は、あるノートの採点結果が不合格と判定された場合、且つ当該あるノートに対する逆Ｖ字アクセント歌唱が行われていた場合、当該あるノートの採点結果を合格と判定する。図７に示すように、逆Ｖ字アクセント歌唱は、ノートの基準ピッチとのずれが大きくなるため、一般的な採点処理によれば、不合格となる可能性が高い。そこで、採点処理部４００は、あるノートの採点結果が不合格となった場合であっても、逆Ｖ字アクセント歌唱判定部２００により、当該あるノートに対して逆Ｖ字アクセント歌唱が行われたと判定された場合には、当該あるノートを合格として判定する。

【0069】

以上から明らかなように、本実施形態に係るカラオケ装置１は、カラオケ楽曲の歌唱により得られた歌唱音声信号から、所定時間長のフレーム単位で歌唱ピッチを検出する歌唱ピッチ検出部１００と、検出した歌唱ピッチを含む区間の中に、あるノートの発音開始タイミング近傍において検出された歌唱ピッチから第１の条件を満たすよう歌唱ピッチが上昇する上昇区間と、当該上昇区間よりも後の区間であって、連続する２つのフレームの歌唱ピッチのピッチ差が第２の条件を満たす水平区間と、上昇区間から水平区間までの間に、第３の条件を満たすよう歌唱ピッチが下降する下降区間と、が存在し、且つあるノートの時間長と、上昇区間及び下降区間に含まれるフレーム数に応じた時間長とが第４の条件を満たす場合、あるノートに対する逆Ｖ字アクセント歌唱が行われていると判定する逆Ｖ字アクセント歌唱判定部２００と、を有する。このようなカラオケ装置１によれば、カラオケ歌唱に逆Ｖ字アクセント歌唱が含まれるかどうかを判定することができる。

【0070】

より、具体的に、逆Ｖ字アクセント歌唱判定部２００は、カラオケ楽曲に含まれるノートのうち、一のノートの時間長が第１の所定時間以上である場合、当該一のノートをあるノートとして特定し、あるノートの発音開始タイミング近傍において検出された第１の歌唱ピッチのフレームから第１の所定数だけ後のフレームまでの間に、歌唱ピッチが第１の所定値以上、上昇し、且つ歌唱ピッチが上げ止まっている場合、第１の歌唱ピッチのフレームを開始時のフレームとし、上げ止まった時点における歌唱ピッチのフレームを終了時のフレームとする上昇区間を特定し、終了時の歌唱ピッチ以降に検出された歌唱ピッチを比較し、連続する２つのフレームの歌唱ピッチのピッチ差が、第１の所定範囲内であり且つ第２の所定数以上連続し、更に、あるノートの基準ピッチと各フレームの歌唱ピッチのピッチ差が第２の所定範囲内である場合、その条件を満たす最初の歌唱ピッチのフレームを開始時のフレームとし、当該開始時のフレームを基準として、第２の所定数だけ後の歌唱ピッチのフレームを終了時のフレームとする水平区間を特定し、上昇区間の終了時のフレームから水平区間の開始時のフレームまで歌唱ピッチが下降し、且つ当該上昇区間の終了時のフレームと当該水平区間の開始時のフレームとのピッチ差が第２の所定値以上である場合、当該上昇区間の終了時のフレームから当該水平区間の開始時のフレームの直前のフレームまでを下降区間として特定し、上昇区間及び下降区間に含まれるフレーム数に基づく時間長が、あるノートの時間長に対して所定割合以下である場合、上昇区間、下降区間、及び水平区間が連続する区間を逆Ｖ字アクセント歌唱が行われている区間として判定する。逆Ｖ字アクセント歌唱判定部２００がこのような処理を実行することにより、カラオケ歌唱に逆Ｖ字アクセント歌唱が含まれるかどうかを判定することができる。

【0071】

更に、本実施形態に係るカラオケ装置１は、あるノートの採点結果が不合格と判定された場合、且つ当該あるノートに対する逆Ｖ字アクセント歌唱が行われていた場合、当該あるノートの採点結果を合格と判定する採点処理部４００を有する。このようなカラオケ装置によれば、逆Ｖ字アクセント歌唱という歌唱技法が用いられたにも関わらず、それが反映されない採点結果となることを回避できる。

【0072】

＜その他＞
上記実施形態で説明した逆Ｖ字アクセント歌唱の判定処理等をプログラムとして提供することも可能である。たとえば、当該プログラムは、コンピューター（たとえば、カラオケ装置）に、カラオケ楽曲の歌唱により得られた歌唱音声信号から、所定時間長のフレーム単位で歌唱ピッチを検出させ、検出された歌唱ピッチを含む区間の中に、あるノートの発音開始タイミング近傍において検出された歌唱ピッチから第１の条件を満たすよう歌唱ピッチが上昇する上昇区間と、当該上昇区間よりも後の区間であって、連続する２つのフレームの歌唱ピッチのピッチ差が第２の条件を満たす水平区間と、上昇区間から水平区間までの間に、第３の条件を満たすよう歌唱ピッチが下降する下降区間と、が存在し、且つあるノートの時間長と、上昇区間及び下降区間に含まれるフレーム数に応じた時間長とが第４の条件を満たす場合、あるノートに対する逆Ｖ字アクセント歌唱が行われていると判定させる。

【0073】

また、上記プログラムが記憶された非一時的なコンピューター可読媒体（non-transitory computer readable medium with an executable program thereon）を用いて、コンピューターにプログラムを供給することも可能である。なお、非一時的なコンピューターの可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、ＣＤ－ＲＯＭ（Read Only Memory）等がある。

【0074】

上記実施形態は、例として提示したものであり、発明の範囲を限定するものではない。上記の構成は、適宜組み合わせて実施することが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上記実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0075】

１ カラオケ装置
１０ カラオケ本体
１１ 制御部
１００ 歌唱ピッチ検出部
２００ 逆Ｖ字アクセント歌唱判定部
３００ 提示部
４００ 採点処理部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】