処理中

しばらくお待ちください...

設定

設定

出願の表示

1. WO2020162220 - クレジット区間特定装置、クレジット区間特定方法及びプログラム

Document

明 細 書

発明の名称 クレジット区間特定装置、クレジット区間特定方法及びプログラム

技術分野

0001  

背景技術

0002   0003  

先行技術文献

非特許文献

0004  

発明の概要

発明が解決しようとする課題

0005   0006   0007  

課題を解決するための手段

0008  

発明の効果

0009  

図面の簡単な説明

0010  

発明を実施するための形態

0011   0012   0013   0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061  

符号の説明

0062  

請求の範囲

1   2   3   4   5   6  

図面

1   2   3   4   5   6   7   8   9   10   11   12   13   14  

明 細 書

発明の名称 : クレジット区間特定装置、クレジット区間特定方法及びプログラム

技術分野

[0001]
 本発明は、クレジット区間特定装置、クレジット区間特定方法及びプログラムに関する。

背景技術

[0002]
 従来、テレビ放送等について、いずれの企業がいずれの番組のスポンサーであるかを調査することに経済的な価値が認められている。
[0003]
 このような調査は、テレビ放送等における提供クレジットの表示を目視で見つけ出し、当該提供クレジットから企業名を書き起こすことで行われている。なお、提供クレジットとは、放送番組のスポンサーのロゴの表示やナレーション(例えば、「この番組は、XXXとご覧のスポンサーの提供でお送りします」等)をいう。

先行技術文献

非特許文献

[0004]
非特許文献1 : [online]、インターネット<URL:http://www.jppanet.or.jp/documents/video.html>

発明の概要

発明が解決しようとする課題

[0005]
 しかしながら、提供クレジットが表示される区間は、放送時間の約1%程度に過ぎない。したがって、上記のような調査においては提供クレジットの区間を特定するためのテレビ放送等の視聴作業に多くの時間が費やされてしまう。
[0006]
 なお、上記では、説明の便宜上、提供クレジットを例として記載したが、例えば、特定のコマーシャル等、提供クレジットだけでなく、他のクレジットの区間を特定したい場合にも同様の課題が生じる。
[0007]
 本発明は、上記の点に鑑みてなされたものであって、クレジットの区間の特定を効率化することを目的とする。

課題を解決するための手段

[0008]
 そこで上記課題を解決するため、クレジット区間特定装置は、第1の音声信号から、それぞれが前記第1の音声信号の一部であり、相互に時間方向にずれを有する複数の第1の部分音声信号を抽出する抽出部と、前記各第1の部分音声信号にクレジットが含まれるか否かを、第2の音声信号から抽出される各第2の部分音声信号とクレジットの有無との関連付けに基づいて判定することで、前記第1の音声信号におけるクレジットの区間を特定する特定部と、を有する。

発明の効果

[0009]
 クレジットの区間の特定を効率化することができる。

図面の簡単な説明

[0010]
[図1] 第1の実施の形態における提供クレジット区間特定装置10のハードウェア構成例を示す図である。
[図2] 第1の実施の形態における提供クレジット区間特定装置10の機能構成例を示す図である。
[図3] 第1の実施の形態における学習処理の処理手順の一例を説明するためのフローチャートである。
[図4] 第1の実施の形態における正例の音声セグメントの抽出例を示す図である。
[図5] 第1の実施の形態における識別器のモデル例を示す図である。
[図6] 第1の実施の形態における提供クレジットの検出処理の処理手順の一例を説明するためのフローチャートである。
[図7] 第1の実施の形態における検出用音声信号からの音声セグメントの抽出例を示す図である。
[図8] 第2の実施の形態における提供クレジット区間特定装置10の機能構成例を示す図である。
[図9] 第2の実施の形態における学習処理の処理手順の一例を説明するためのフローチャートである。
[図10] 第2の実施の形態における正例の音声セグメント及び静止画のペアの抽出例を示す図である。
[図11] 第2の実施の形態における識別器のモデル例を示す図である。
[図12] 第2の実施の形態における提供クレジットの検出処理の処理手順の一例を説明するためのフローチャートである。
[図13] 第2の実施の形態における検出用音声信号からの音声セグメントの抽出例を示す図である。
[図14] 各実施形態の評価結果の一例を示す図である。

発明を実施するための形態

[0011]
 以下、図面に基づいて本発明の実施の形態を説明する。図1は、第1の実施の形態における提供クレジット区間特定装置10のハードウェア構成例を示す図である。図1の提供クレジット区間特定装置10は、それぞれバスBで相互に接続されているドライブ装置100、補助記憶装置102、メモリ装置103、CPU104、及びインタフェース装置105等を有するコンピュータである。
[0012]
 提供クレジット区間特定装置10での処理を実現するプログラムは、CD-ROM等の記録媒体101によって提供される。プログラムを記憶した記録媒体101がドライブ装置100にセットされると、プログラムが記録媒体101からドライブ装置100を介して補助記憶装置102にインストールされる。但し、プログラムのインストールは必ずしも記録媒体101より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置102は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
[0013]
 メモリ装置103は、プログラムの起動指示があった場合に、補助記憶装置102からプログラムを読み出して格納する。CPU104は、メモリ装置103に格納されたプログラムに従って提供クレジット区間特定装置10に係る機能を実行する。インタフェース装置105は、ネットワークに接続するためのインタフェースとして用いられる。
[0014]
 図2は、第1の実施の形態における提供クレジット区間特定装置10の機能構成例を示す図である。図2において、提供クレジット区間特定装置10は、学習データ生成部11、学習部12、検出用データ生成部13、提供クレジット区間推定部14及び時刻情報出力部15等を有する。これら各部は、提供クレジット区間特定装置10にインストールされた1以上のプログラムが、CPU104に実行させる処理により実現される。提供クレジット区間特定装置10は、また、正解記憶部121、関連語句記憶部122及びパラメータ記憶部123等を利用する。これら各記憶部は、例えば、補助記憶装置102、又は提供クレジット区間特定装置10にネットワークを介して接続可能な記憶装置等を用いて実現可能である。
[0015]
 正解記憶部121には、或る期間に放送された学習用のTV放送(以下、「学習用TV放送」という。)の音声信号(以下、「学習用音声信号」という。)について、提供クレジットの区間(以下、「提供クレジット区間」という。)を示す時刻データ(開始時刻、終了時刻)が記憶されている。なお、提供クレジット区間は、例えば、予めユーザによる目視等によって確認されてもよい。
[0016]
 関連語句記憶部122には、提供クレジットの表示時のアナウンス(提供クレジット表示の際に流れるアナウンス)に含まれ、提供クレジット表示に関連する関連語句が記憶されている。関連語句の一例として、「ご覧の」、「スポンサー」、「提供」、「お送り(お送りします/お送りしました)」等の語句が挙げられる。また、企業名を示す語句等が関連語句とされてもよい。なお、関連語句は、例えば、予めユーザにより設定される。
[0017]
 パラメータ記憶部123には、音声信号における提供クレジットの有無を識別する識別器のパラメータが記憶される。識別器は、学習用音声信号から抽出される複数の音声信号(後述の「音声セグメント」)と提供クレジット有無との関連付けを学習したモデルである。
[0018]
 以下、提供クレジット区間特定装置10が実行する処理手順について説明する。図3は、第1の実施の形態における学習処理の処理手順の一例を説明するためのフローチャートである。
[0019]
 ステップS101において、学習データ生成部11は、学習用音声信号から、正例の音声セグメント(学習用音声信号において提供クレジットを含むと推定される部分(部分音声信号))を抽出する。
[0020]
 具体的には、学習データ生成部11は、正解記憶部121に記憶されている時刻データに基づいて、学習用音声信号における提供クレジット区間を特定する。なお、提供クレジット区間は、複数有ってもよい。学習データ生成部11は、学習用音声信号のうち、特定した各提供クレジット区間を対象として音声認識を実行し、提供クレジット区間ごとに音声認識結果(テキストデータ)を生成する。学習データ生成部11は、各テキストデータについて、関連語句記憶部122に記憶されているいずれかの関連語句を含む部分を特定し、学習用音声信号において当該部分に対応する音声信号を正例の音声セグメントとして抽出する。例えば、関連語句を中心とした前後N秒間の部分が正例の音声セグメントとして抽出される。本実施の形態では、N=3とする。但し、Nは、他の値であってもよい。
[0021]
 図4は、第1の実施の形態における正例の音声セグメントの抽出例を示す図である。図4では、学習用音声信号のうち、「ご覧のスポンサーの提供でお送りしました」の部分が提供クレジット区間に対応し、このうち「ご覧」、「スポンサー」、「提供」、「送り」が関連語句である例が示されている。したがって、これらの関連語句を中心とした前後3秒間の音声信号が正例の音声セグメントとして抽出されている。
[0022]
 続いて、学習データ生成部11は、学習用音声信号における提供クレジット区間以外のランダムな部分から、負例の音声セグメントを抽出する(S102)。負例の音声セグメントの長さは正例の音声セグメントの長さ(6秒間)と同じである。また、負例の音声セグメントの個数は、正例の音声セグメントの個数と同数であるのが望ましい。
[0023]
 続いて、学習部12は、ステップS101において抽出された正例の音声セグメントと、ステップS102において抽出された負例の音声セグメントとを用いて、提供クレジット区間に関する識別器の学習を行う(S103)。
[0024]
 具体的には、学習部12は、正例又は負例の各音声セグメントを周波数分析し(例えば、窓長25ms、窓シフト長10ms)、40個のメルフィルタバンク処理を施すことで、600×40のメルスペクトログラムを取得する。学習部12は、音声セグメントごとに、当該音声セグメントに関して取得されたメルスペクトログラムを入力特徴量として、当該音声セグメントに提供クレジットが有るか無いか(当該音声セグメントに提供クレジットが含まれるか否か)を2クラス識別(検出)する識別器を学習する。すなわち、正例の音声セグメントについては、提供クレジットが有ることが学習され、負例の音声セグメントについては、提供クレジットが無いことが学習される。識別器としては、例えば、畳み込みニューラルネットワークが利用されてもよいし、SVM(support vector machine)などの他の識別器が利用されてもよい。
[0025]
 図5は、第1の実施の形態における識別器のモデル例を示す図である。図5には、畳み込みニューラルネットワークを利用した例が示されている。
[0026]
 続いて、学習部12は、学習された識別器のパラメータをパラメータ記憶部123に記憶する(S104)。
[0027]
 図6は、第1の実施の形態における提供クレジットの検出処理の処理手順の一例を説明するためのフローチャートである。図6の処理手順は、図3の処理手順が実行済みであることが前提となる。
[0028]
 ステップS201において、検出用データ生成部13は、提供クレジットの検出用のTV放送(以下、「検出用TV放送」という。)の音声信号(以下、「検出用音声信号」という。)から、窓長2N秒、窓シフト長1秒で音声セグメントを抽出する。本実施の形態においてN=3であるため、1秒ずつずれた(相互に時間方向にずれを有する)6秒間の複数の音声セグメントが抽出される。
[0029]
 図7は、第1の実施の形態における検出用音声信号からの音声セグメントの抽出例を示す図である。図7では、1秒ずつずれを有する6秒間の音声信号が音声セグメントとして抽出される例が示されている。なお、図7では、便宜上、検出用音声信号の途中までの音声セグメントの抽出例が示されているが、検出用音声信号の全部について、音声セグメントの抽出が行われる。
[0030]
 続いて、提供クレジット区間推定部14は、ステップS201において抽出された各音声セグメントを周波数分析し(例えば、窓長25ms、窓シフト長10ms)、40個のメルフィルタバンク処理を施すことで、600×40のメルスペクトログラムを各音声セグメントの特徴量として取得する(S202)。
[0031]
 続いて、提供クレジット区間推定部14は、パラメータ記憶部123に記憶されているパラメータを用いて、図3の処理手順によって学習された識別器を復元(生成)する(S203)。
[0032]
 続いて、提供クレジット区間推定部14は、ステップS201において抽出された音声セグメントごとに、ステップS202において取得された特徴量を当該識別器に入力して、各音声セグメントにおける提供クレジットの有無(各音声セグメントに提供クレジットが含まれるか否か)を判定する(S204)。例えば、提供クレジット区間推定部14は、識別器の出力値が所定の閾値以上である音声セグメントについては提供クレジット有り「1」と判定し、当該出力値が閾値よりも小さい音声セグメントについては提供クレジット無し「0」と判定する。提供クレジット区間推定部14は、判定結果を音声セグメントの時系列順に配列することで、提供クレジットの有無を時系列的に示すバイナリ時系列信号を生成する。
[0033]
 続いて、提供クレジット区間推定部14は、当該バイナリ時系列信号において、提供クレジット表示ありと判定された音声セグメントが所定時間以上連続する区間を、提供クレジットが表示された提供クレジット表示区間として検出(特定)する(S205)。具体的には、提供クレジット区間推定部14は、ノイズ除去を目的として、バイナリ時系列信号に対して中央値フィルタを適用する。提供クレジット区間推定部14は、中央値フィルタ処理後の時系列信号において、提供クレジット表示有りと判定された音声セグメントが所定時間以上連続する区間(信号「1」が所定時間以上(例えば、音声セグメントの長さ(6秒)×M以上(M≧2))連続して並ぶ区間)を、提供クレジット表示区間として検出(特定)する。本実施の形態のように、音声セグメントが1秒間隔で(すなわち、1秒のずれを有するように)作成された場合、例えば、300番目から310番目に信号「1」が連続して並んでいれば、提供クレジット区間推定部14は、5分00秒から5分10秒の区間を提供クレジット表示区間として検出(特定)する。
[0034]
 続いて、時刻情報出力部15は、検出され提供クレジット表示区間の時刻情報(開始時刻及び終了時刻)を出力する(S206)。
[0035]
 なお、上記では、TV放送の音声信号を例として説明したが、例えば、ラジオ放送の音声信号における提供クレジットの区間の特定について第1の実施の形態が特定されてもよい。また、特定のコマーシャル(CM)等、提供クレジットだけでなく、他のクレジットの区間の特定について第1の実施の形態が適用されてもよい。この場合、特定のCMに含まれている語句が、関連語句として関連語句記憶部122に記憶されればよい。
[0036]
 上述したように、第1の実施の形態によれば、クレジットの区間の特定を効率化することができる。
[0037]
 次に、第2の実施の形態について説明する。第2の実施の形態では第1の実施の形態と異なる点について説明する。第2の実施の形態において特に言及されない点については、第1の実施の形態と同様でもよい。
[0038]
 図8は、第2の実施の形態における提供クレジット区間特定装置10の機能構成例を示す図である。図8において、図2と同一部分又は対応する部分には同一符号を付し、その説明は適宜省略する。
[0039]
 正解記憶部121には、学習用TV放送の映像信号(すなわち、学習用音声信号に対応する(同期した)映像信号。以下、「学習用映像信号」という)及び音声信号(学習用音声信号)に対して、提供クレジット区間の時刻データ(開始時刻、終了時刻)が記憶されている。
[0040]
 パラメータ記憶部123には、映像信号及び音声信号のペアについて、提供クレジットの有無を識別する識別器のパラメータが記憶される。
[0041]
 図9は、第2の実施の形態における学習処理の処理手順の一例を説明するためのフローチャートである。
[0042]
 ステップS101aにおいて、学習データ生成部11は、正例の音声セグメント(学習用音声信号において提供クレジットを含む部分)を学習用音声信号から抽出すると共に、当該音声セグメントにおいて関連語句の時刻に対応する静止画を学習用映像信号から抽出する。したがって、正例の音声セグメントと静止画のペアが抽出される。正例の音声セグメントの抽出方法は第1の実施の形態と同様でよい。正例の静止画としては、学習用映像信号において、正例の音声セグメントにおける関連語句の時刻のフレーム(静止画)が抽出されればよい。なお、1つの音声セグメントに対して複数のフレーム(静止画)が抽出されてもよい。
[0043]
 図10は、第2の実施の形態における正例の音声セグメント及び静止画のペアの抽出例を示す図である。図10における学習用音声信号は、図4における学習用音声信号と同じである。したがって、図10では、図4と同じ音声セグメントが抽出されている。但し、図10では、各音声セグメントにおいて関連語句の出現する時刻における静止画が学習用映像信号から抽出されている。なお、図10において、各音声セグメントと静止画との位置関係は、当該音声セグメントに対する当該静止画のタイミングとは無関係である。
[0044]
 続いて、学習データ生成部11は、学習用音声信号における提供クレジット区間以外の部分から負例の音声セグメントを抽出し、学習用映像信号において当該音声セグメントの中心時刻に対応する静止画を負例の静止画として抽出する(S102a)。したがって、負例の音声セグメントと静止画とのペアが抽出される。なお、負例の音声セグメントの抽出方法は、第1の実施の形態と同様でよい。
[0045]
 続いて、学習部12は、ステップS101aにおいて抽出された正例の音声セグメント及び静止画のペアと、ステップS102aにおいて抽出された負例の音声セグメント及び静止画のペアとを用いて、提供クレジットに関する識別器(これら各ペアと提供クレジットの有無との関連付け)の学習を行う(S103a)。
[0046]
 具体的には、学習部12は、正例又は負例の各音声セグメントを周波数分析し(例えば、窓長25ms、窓シフト長10ms)、40個のメルフィルタバンク処理を施すことで、600×40のメルスペクトログラムを取得する。学習部12は、音声セグメントごとに、当該音声セグメントに関して取得されたメルスペクトログラムと、当該音声セグメントに対応する静止画とのペアを入力特徴量として、当該ペアに提供クレジットが有るか無いか(当該ペアに提供クレジットが含まれているか否か)を2クラス識別(検出)する識別器を学習する。識別器としては、例えば、畳み込みニューラルネットワークが利用されてもよいし、SVMなどの他の識別器が利用されてもよい。
[0047]
 図11は、第2の実施の形態における識別器のモデル例を示す図である。図11には、畳み込みニューラルネットワークを利用した例が示されている。
[0048]
 続いて、学習部12は、学習された識別器のパラメータをパラメータ記憶部123に記憶する(S104a)。
[0049]
 図12は、第2の実施の形態における提供クレジットの検出処理の処理手順の一例を説明するためのフローチャートである。図12中、図6と同一ステップには同一ステップ番号を付し、その説明は適宜省略する。図12の処理手順は、図9の処理手順が実行済みであることが前提となる。
[0050]
 ステップS201aにおいて、検出用データ生成部13は、窓長2N秒、窓シフト長1秒で音声セグメントを検出用音声信号から抽出すると共に、各音声セグメントの中心時刻(3秒目)の静止画を、検出用TV放送の映像信号(すなわち、検出用音声信号に対応する(同期した)映像信号)から抽出する。
[0051]
 図13は、第2の実施の形態における検出用音声信号からの音声セグメント及び静止画の抽出例を示す図である。図13では、1秒ずつずれを有する6秒間の音声信号が音声セグメントとして抽出され、各音声セグメントの中心時刻における静止画が検出用映像信号から抽出される例が示されている。
[0052]
 続いて、第1の実施の形態と同様に、各音声セグメントの特徴量(600×40のメルスペクトログラム)が取得される(S202)。
[0053]
 続いて、提供クレジット区間推定部14は、パラメータ記憶部123に記憶されているパラメータを用いて、図9の処理手順によって学習された識別器を復元(生成)する(S203a)。
[0054]
 続いて、提供クレジット区間推定部14は、ステップS201aにおいて抽出された音声セグメント及び静止画のペアごとに、当該音声セグメントからステップS202において取得された特徴量と当該静止画とのペアを当該識別器に入力して、各ペアにおける提供クレジットの有無を判定する(S204a)。なお、提供クレジットの有無の判定方法は、第1の実施の形態と同様でよい。その結果、提供クレジットの有無を時系列的に示すバイナリ時系列信号が生成される。
[0055]
 以降(S205、S205)は、第1の実施の形態と同様でよい。
[0056]
 図14は、各実施形態の評価結果の一例を示す図である。図14には、地上波5局の1週間分の放送について学習し、別の1週間における地上波5局の放送について提供クレジットの区間を特定した際の評価結果(再現率)が示されている。ここで、再現率とは、正解の区間(提供クレジットが実際に表示された区間)に対して、提供クレジット区間特定装置10が、提供クレジットの区間であると判定した区間の割合をいう。例えば、放送の開始から11秒目から20秒目10秒間が正解の区間である場合に、12秒目から20秒目の9秒間が提供クレジットの区間として特定された場合には、再現率は9÷10=0.9となる。
[0057]
 また、図14の横軸において「音声」は、音声信号のみを利用した場合、すなわち、第1の実施の形態に対応し、「画像+音声」は、音声信号と映像信号を利用した場合、すなわち、第2の実施の形態に対応する。
[0058]
 図14によれば、「音声」及び「画像+音声」のいずれについても高い再現率が得られている。また、「音声」の場合よりも「画像+音声」の方が、高い再現率が得られていることが分かる。このことから、第2の実施の形態によれば、第1の実施の形態よりも高精度に提供クレジットの区間を特定できることが分かる。
[0059]
 なお、上記各実施の形態は、インターネット等において配信される動画におけるクレジットの区間の特定に適用されてもよい。
[0060]
 なお、上記各実施の形態において、提供クレジット区間特定装置10は、クレジット区間特定装置の一例である。検出用データ生成部13は、抽出部の一例である。提供クレジット区間推定部14は、特定部の一例である。検出用音声信号は、第1の音声信号の一例である。検出用音声信号から抽出される音声セグメントは、第1の部分音声信号の一例である。学習用音声信号は、第2の音声信号の一例である。学習用音声信号から抽出される音声セグメントは、第2の部分音声信号の一例である。検出用映像信号は、第1の映像信号の一例である。検出用映像信号から抽出される静止画は、第1の静止画の一例である。学習用映像信号は、第2の映像信号の一例である。学習用映像信号から抽出される静止画は、第2の静止画の一例である。
[0061]
 以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

符号の説明

[0062]
10     提供クレジット区間特定装置
11     学習データ生成部
12     学習部
13     検出用データ生成部
14     提供クレジット区間推定部
15     時刻情報出力部
100    ドライブ装置
101    記録媒体
102    補助記憶装置
103    メモリ装置
104    CPU
105    インタフェース装置
121    正解記憶部
122    関連語句記憶部
123    パラメータ記憶部
B      バス

請求の範囲

[請求項1]
 第1の音声信号から、それぞれが前記第1の音声信号の一部であり、相互に時間方向にずれを有する複数の第1の部分音声信号を抽出する抽出部と、
 前記各第1の部分音声信号にクレジットが含まれるか否かを、第2の音声信号から抽出される各第2の部分音声信号とクレジットの有無との関連付けに基づいて判定することで、前記第1の音声信号におけるクレジットの区間を特定する特定部と、
を有することを特徴とするクレジット区間特定装置。
[請求項2]
 前記第2の部分音声信号は、予め設定された語句を含む音声信号であり、
 前記第2の部分音声信号が前記語句を含むか否かは、当該第2の部分音声信号を対象とした音声認識に基づき判定される、
ことを特徴とする請求項1記載のクレジット区間特定装置。
[請求項3]
 前記特定部は、前記各第2の部分音声信号とクレジットの有無とを学習した識別器を用いて、前記各第1の部分音声信号にクレジットが含まれるか否かを判定する、
ことを特徴とする請求項1又は2記載のクレジット区間特定装置。
[請求項4]
 前記抽出部は、前記第1の音声信号に対応する第1の映像信号から、前記各第1の部分音声信号に対応する複数の第1の静止画を抽出し、
 前記特定部は、前記第1の部分音声信号及び前記第1の静止画の各ペアにクレジットが含まれるか否かを、前記各第2の部分音声信号と、前記第2の音声信号に対応する第2の映像信号から抽出される、前記各第2の部分音声信号に対応する第2の静止画とクレジットの有無との関連付けに基づいて判定することで、前記第1の音声信号及び前記第1の映像信号におけるクレジットの区間を特定する、
ことを特徴とする請求項1乃至3いずれか一項記載のクレジット区間特定装置。
[請求項5]
 第1の音声信号から、それぞれが前記第1の音声信号の一部であり、相互に時間方向にずれを有する複数の第1の部分音声信号を抽出する抽出手順と、
 前記各第1の部分音声信号にクレジットが含まれるか否かを、第2の音声信号から抽出される各第2の部分音声信号とクレジットの有無との関連付けに基づいて判定することで、前記第1の音声信号におけるクレジットの区間を特定する特定手順と、
をコンピュータが実行することを特徴とするクレジット区間特定方法。
[請求項6]
 請求項1乃至4いずれか一項記載のクレジット区間特定装置としてコンピュータを機能させることを特徴とするプログラム。

図面

[ 図 1]

[ 図 2]

[ 図 3]

[ 図 4]

[ 図 5]

[ 図 6]

[ 図 7]

[ 図 8]

[ 図 9]

[ 図 10]

[ 図 11]

[ 図 12]

[ 図 13]

[ 図 14]