JP6007481B2 - マスカ音生成装置、マスカ音信号を記憶した記憶媒体、マスカ音再生装置、およびプログラム - Google Patents

Description

本発明は、マスカ音を生成して音の漏れ聞こえを防ぐ技術に関する。

マスキング効果を利用して音の漏れ聞こえを防ぐ技術が各種提案されている。マスキング効果は、２種類の音信号を同じ空間内に伝搬させた場合に、空間内の聴者において、一方の音（ターゲット音）の聴き取りが、他方の音（マスカ音）の存在によって、妨害を受ける現象である。この種の技術の多くは、ターゲット音の発声源である話者が居る領域と壁や衝立を介して隣接している領域に向けてマスカ音を放音するものである。

特許文献１には、ターゲット音たる人の話声の音波形を加工することによってその聞き取りを妨げるマスカ音を生成する技術の開示がある。同文献に開示されたマスキング方法では、人の話声を示す音声信号を一音素に相当する区間である複数のセグメントに分断する。そして、分断した複数のセグメントの順序を無作為に並び替えた音声信号をマスカ音として再生する。この技術により得られる音は、人の音声のようではあるがその意味が理解できないものとなる。このような音をマスカ音として利用することにより、環境音のような広い帯域のスペクトルを有する音を利用する場合よりも高いマスキング効果を発生させることができる。

特許４３２４１０４号公報 特開２００８−１０７７０６号公報

しかしながら、人の話声を一音素に相当する区間毎に無作為に並び替えて得られる音は、それ自体が耳慣れない聴感を持ったものとなる。このため、特許文献１に開示された技術により生成した音声信号をマスカ音とした場合、空間内の聴者に違和感を感じさせるという問題があった。
本発明は、空間内における高いマスキング効果を確保しつつ、その空間内の者に与える違和感を軽減することを目的とする。

本発明は、音声を示す音信号列を取得する取得手段と、音信号列内の異なる区間の音信号列を複数取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段の処理を経た音信号列からマスカ音信号を生成する生成手段とを具備することを特徴とするマスカ音生成装置を提供する。この発明において、重ね合わせ手段の処理を経た音信号列は、元の音信号列内の異なる区間の音信号列を重ね合わせたものであり、全体に着目すると、元の音信号列を撹乱した音信号列となっているが、異なる区間の各区間に着目すると、区間内での音素の順序は元の音信号列と変わらない。従って、この発明によって得られるマスカ音は、人の音声を示す音信号を一音素に相当する区間毎に無作為に並べ替えて得られるマスカ音と同程度のマスキング効果を発生させることが可能でありながら、聴者に違和感を与えることがない。よって、本発明によると、空間内における高いマスキング効果を確保しつつ、その空間内の者に与える違和感を軽減することができる。

好ましい態様において、前記重ね合わせ手段は、処理対象である音信号列に対して当該音信号列内の基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を施し、シフト処理を施した音信号列とシフト処理を施す前の元の音信号列とを加算した音信号列を出力するシフト加算手段を含む。この態様によって得られるマスカ音も、人の音声を示す音信号を一音素に相当する区間毎に無作為に並べ替えて得られるマスカ音と同程度のマスキング効果を発生させることが可能でありながら、聴者に違和感を与えることがない。よって、空間内における高いマスキング効果を確保しつつ、その空間内の者に与える違和感を軽減することができる。

他の好ましい態様において、前記重ね合わせ手段は、処理対象である音信号列に対して各々当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理である複数のシフト処理を施し、複数のシフト処理により得られる複数の音信号列を加算した音信号列を出力するシフト加算手段を含む。この場合、前記複数のシフト手段が各基準位置を互いに異ならせてシフト処理を実行するので、マスカ音信号に含まれる一定時間内の音素数を増加させることができ、素材である音信号をより撹乱したマスカ音を生成することができる。

他の好ましい態様において、前記重ね合わせ手段は、処理対象である音信号列を時間軸上においてより時間長の短い音信号列に分割して加算する分割加算手段を含み、前記分割加算手段および前記シフト加算手段の各処理を経た音信号列を出力する。この態様によって得られるマスカ音も、人の音声を示す音信号を一音素に相当する区間毎に無作為に並べ替えて得られるマスカ音と同程度のマスキング効果を発生させることが可能でありながら、聴者に違和感を与えることがない。よって、空間内における高いマスキング効果を確保しつつ、その空間内の者に与える違和感を軽減することができる。

他の好ましい態様において、前記重ね合わせ手段は、処理対象である音信号列を時間軸上においてより時間長の短い音信号列に分割して加算する分割加算手段と、前記分割加算手段の処理を経た音信号列に対して当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を各々施す複数のシフト手段と、前記複数のシフト手段の処理を経た音信号列を加算する加算手段とを含む。この態様によれば、マスカ音信号に含まれる一定時間内の音素数をさらに増加させることができる。

他の好ましい態様において、マスカ音生成装置は、前記分割加算手段の処理を回避する手段を具備する。例えばマスカ音信号の生成に用いる音信号の継続時間が短い場合には、この手段により前記分割加算手段の処理を回避することが好ましい。前記分割加算手段の処理は、音信号列に含まれる一定時間内の音素数を増加させる効果を奏する一方、音信号列の時間長を短くするからである。

他の好ましい態様において、前記重ね合わせ手段は、各々の処理対象である音信号列に対して当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を各々施す複数のシフト手段と、前記複数のシフト手段の処理を経た各音信号列を各々の処理対象とし、各々の処理対象である音信号列を複数の区間に区切った各区間内の音信号列を前後逆転させ、この配列順を前後逆転させた音信号列を各々生成する複数の逆転手段と、前記複数の逆転手段の処理を経た各音信号列を加算する加算手段とを含む。この場合において、前記複数の逆転手段は、前記音信号列における前記複数の区間の境界を互いに異ならせて前記各区間内の音信号列の前後逆転を行うことが好ましい。この態様によれば、素材となる元の音信号に対してマスカ音信号をさらに撹乱させたものにすることができる。

本発明の一実施形態であるマスカ音生成装置を含むマスキングシステムの構成を示すブロック図である。 同マスカ音生成装置の動作を示すフローチャートである。 同マスカ音生成装置による音信号の処理の様子を示す図である。 同マスカ音生成装置による音信号の処理の様子を示す図である。 同マスカ音生成装置により実行されるシフト加算処理の内容を示す図である。 本発明の他の実施形態であるマスカ音生成装置により実行されるシフト加算処理の内容を示す図である。 本発明の他の実施形態であるマスカ音生成装置により実行されるシフト加算処理の内容を示す図である。 本発明の第２実施形態であるマスカ音生成装置の動作を示すフローチャートである。

以下、図面を参照しつつ本発明の実施形態について説明する。
＜第１実施形態＞
図１は、本発明の第1実施形態であるマスカ音生成装置１０を含むマスキングシステムの構成を示す図である。マスカ音生成装置１０は、様々な声の特徴を持ったＮ（Ｎは１以上の自然数）人の朗読者に様々な音素（子音、母音）を含んだ文章を時間長Ｔ１（例えば、Ｔ１＝２分間とする）に渡って朗読させ、各朗読者の朗読音を示すＮ種類の音信号Ｘ−ｎ（ｎ＝１〜Ｎ）から時間長Ｔ４（Ｔ４＜Ｔ１：例えば、Ｔ４＝１分とする）分のマスカ音の音信号Ｚ−ｎ（ｎ＝１〜Ｎ）をそれぞれ生成し、生成した音信号Ｚ−ｎ（ｎ＝１〜Ｎ）を記憶媒体３０に記憶する装置である。マスカ音再生装置５０は、音信号Ｚ−ｎ（ｎ＝１〜Ｎ）が記憶された記憶媒体３０が当該マスカ音再生装置５０に装着された場合に、記憶媒体３０内のＮ種類の音信号Ｚ−ｎ（ｎ＝１〜Ｎ）のうち１つを選んで再生し、この再生音を衝立５１を挟んで隣り合う領域Ａ及びＢのうち一方（図１の例では領域Ｂ）に向けてスピーカ５２から放音させる装置である。

マスカ音生成装置１０におけるマイクロホン１１は、朗読音を収音し、その波形を示すアナログ信号を出力する。Ａ／Ｄ変換部１２は、朗読者が文章の朗読を始めてから終えるまでの間にマイクロホン１１から出力されたアナログ信号をデジタル形式の音信号Ｘ−ｎに変換し、変換した音信号Ｘ−ｎを記憶部１３に記憶させる。制御部１４は、記憶部１３内におけるＮ種類の音信号Ｘ−ｎ（ｎ＝１〜Ｎ）を１種類ずつ取得し、取得した音信号Ｘ−ｎから時間長Ｔ４分のマスカ音の音信号Ｚ−ｎを生成し、生成した音信号Ｚ−ｎを書込制御部１５に出力する。この制御部１４の構成の詳細については、後述する。書込制御部１５は、制御部１４から供給された音信号Ｚ−ｎと当該音信号Ｚ−ｎに固有の識別情報Ｉｎとを記憶媒体３０に記憶する。

次に、制御部１４の構成の詳細について説明する。制御部１４は、ＣＰＵ２１、ＲＡＭ２２、およびＲＯＭ２３を有する。ＣＰＵ２１は、ＲＡＭ２２をワークエリアとして利用しつつ、ＲＯＭ２３に記憶されたマスカ音生成プログラム２４を実行する。マスカ音生成プログラム２４は、ＣＰＵ２１に次の２つの機能を与えるプログラムである。
ａ１．取得機能
これは、記憶部１３に記憶された音信号Ｘ−ｎ（ｎ＝１〜Ｎ）の各々を同部１３から取得する機能である。
ａ２．生成機能
これは、記憶部１３から取得した各音信号Ｘ−ｎからマスカ音の音信号Ｚ−ｎを生成し、生成した音信号Ｚ−ｎを書込制御部１５に出力する機能である。

次に、本実施形態の動作について説明する。図２は、本実施形態の動作を示すフローチャートである。図２におけるステップＳ１０は上述した取得機能の働きによりＣＰＵ２１が実行する処理であり、ステップＳ１１〜ステップＳ２３は上述した生成機能の働きによりＣＰＵ２１が実行する処理である。まず、ＣＰＵ２１は、記憶部１３におけるＮ種類の音信号Ｘ−ｎ（ｎ＝１〜Ｎ）のうち１つの音信号Ｘ−ｎを取得してＲＡＭ２２に記憶させる（Ｓ１０）。

次に、ＣＰＵ２１は、図３（Ａ）に示すように、ＲＡＭ２２内における時間長Ｔ１分の音信号Ｘ−ｎから無音の区間の音信号と突発音の区間の音信号を除去し、残りの区間を繋げた時間長Ｔ１’（Ｔ１’＜Ｔ１）分の音信号Ｘ_１１−ｎを生成する（Ｓ１１）。

次に、ＣＰＵ２１は、図３（Ｂ）に示すように、音信号Ｘ−ｎに対して音声帯域の上限の周波数ｆｃ１（例えば、ｆｃ１＝３４００Ｈｚ）以上の帯域を減衰させるＬＰＦ（Low Pass Filter）処理と音声帯域の下限の周波数ｆｃ２（例えば、ｆｃ２＝１００Ｈｚ）以下の帯域の成分を減衰させるＨＰＦ（High Pass Filter）処理とを施し、この処理結果を音信号Ｘ_１２−ｎとする（Ｓ１２）。

次に、ＣＰＵ２１は、図３（Ｃ）に示すように、音信号Ｘ_１２−ｎに対して重ね合わせ処理を施す（Ｓ１３）。重ね合わせ処理は、音信号Ｘ_１２−ｎ内の異なる区間の音信号を取り出し、取り出した音信号を時間軸上において重ね合わせ、この時間軸上において重ね合わせた音信号を出力する処理である。より具体的に説明すると、この重ね合わせ処理では、ＣＰＵ２１は、ＲＡＭ２２内における時間長Ｔ１’分の音信号Ｘ_１２−ｎから前半の時間長Ｔ１’／２分の音信号と後半の時間長Ｔ１’／２分の音信号とを取り出す。そして、この前半と後半の２つの音信号を各々の先頭と末尾の位置を揃えて重ね合わせた時間長Ｔ１’／２分の音信号を重ね合わせ処理の処理結果である音信号Ｘ_１３−ｎとする。

次に、ＣＰＵ２１は、図３（Ｄ）に示すように、逆転処理を行う（Ｓ１４）。逆転処理は、重ね合わせ処理の処理結果として得られた音信号Ｘ_１３−ｎを、各々の前後の区間との間に時間ｔ（例えば、ｔ＝１００ミリ秒）の重複部分を有するＬ（Ｌ＝（（Ｔ１’／２）−ｔ）／（Ｔ２＋ｔ））：例えば、Ｔ２＝５００ミリ秒）個の一定長の区間Ｄ_ｉ（ｉ＝１〜Ｌ）に区切り、区切った各区間Ｄ_ｉ内の音信号の配列順を前後逆転させる処理である。

より具体的に説明すると、この逆転処理では、ＣＰＵ２１は、ＲＡＭ２２内の時間長Ｔ１’／２分の音信号Ｘ_１３−ｎの始点を１番目の区間Ｄ_１の始点とするとともにこの始点から時間２ｔ＋Ｔ２だけ後の点を区間Ｄ_１の終点とし、区間Ｄ_１内の音信号ＸＤ_１を切り出す。次に、ＣＰＵ２１は、音信号Ｘ_１３−ｎにおける始点から時間ｔ＋Ｔ２だけ後の点（すなわち、１番目の区間Ｄ_１の終点よりも時間ｔだけ前の点）を２番目の区間Ｄ_２の始点とするとともにこの始点から時間２ｔ＋Ｔ２だけ後の点を区間Ｄ_２の終点とし、区間Ｄ_２内の音信号ＸＤ_２を切り出す。以下、同様に、ＣＰＵ２１は、３番目の区間Ｄ_３内の音信号ＸＤ_３、４番目の区間Ｄ_４内の音信号ＸＤ_４…Ｌ−１番目の区間Ｄ_Ｌ−１内の音信号ＸＤ_Ｌ−１、及びＬ番目の区間Ｄ_Ｌ内の音信号ＸＤ_Ｌを順に切り出す。その上で、ＣＰＵ２１は、各区間Ｄ_ｉの音信号ＸＤ_ｉの配列順を前後逆転させ、配列順を逆転させたＬ個の音信号ＸＤ'_ｉ（ｉ＝１〜Ｌ）を次のノーマライズ処理の処理対象とする。

ＣＰＵ２１は、図３（Ｅ）に示すように、ノーマライズ処理を行う（Ｓ１５）。ノーマライズ処理は、逆転処理の処理結果として得られた音信号ＸＤ'_ｉ（ｉ＝１〜Ｌ）の音量の時間変動を所定範囲内に収める処理である。より具体的に説明すると、このノーマライズ処理では、ＣＰＵ２１は、ＲＡＭ２２内の音信号ＸＤ'_ｉ（ｉ＝１〜Ｌ）における１番目乃至Ｌ番目の区間Ｄ_ｉ（ｉ＝１〜Ｌ）全体の実効値ＲＭＳＡと、各区間Ｄ_ｉの個別の実効値ＲＭＳＤ_ｉとを計算する。次に、ＣＰＵ２１は、各区間Ｄ_ｉについて、当該区間Ｄ_ｉの実効値ＲＭＳＤ_ｉで実効値ＲＭＳＡを除算した値を当該区間Ｄ_ｉの補正係数Ｓ_ｉとし、当該区間Ｄ_ｉの音信号ＸＤ'_ｉに補正係数Ｓ_ｉを乗算する。そして、ＣＰＵ２１は、補正係数Ｓ_ｉ（ｉ＝１〜Ｎ）を乗算したＬ個の音信号ＸＤ”_ｉ（ｉ＝１〜Ｌ）を次のクロスフェード結合処理の処理対象とする。

次に、ＣＰＵ２１は、図４（Ｆ）に示すように、クロスフェード結合処理を行う（Ｓ１６）。クロスフェード結合処理は、ノーマライズ処理の処理結果として得られたＬ個の音信号ＸＤ”_ｉ（ｉ＝１〜Ｌ）を相前後するもの同士の境界が円滑に繋がるように再結合する処理である。より具体的に説明すると、このクロスフェード結合処理では、ＣＰＵ２１は、ＲＡＭ２２内におけるＬ個の音信号ＸＤ”_ｉ（ｉ＝１〜Ｌ）の各々に窓関数Ｗを乗算する。この窓関数Ｗは、各音信号ＸＤ”_ｉを始端側と終端側において緩やかに減衰させて、当該音信号ＸＤ”_ｉと前後の区間の音信号とを円滑に結合するためのものである。音信号ＸＤ”_ｉ（ｉ＝１〜Ｌ）の各々に窓関数Ｗを乗算した後、ＣＰＵ２１は、各音信号ＸＤ”_ｉと窓関数Ｗの乗算結果である区間Ｄ_ｉ毎の音信号ＸＤ”_ｉ×Ｗを、先行する区間の音信号と後続する区間の音信号とが互いに時間ｔだけ重複するように結合する。そして、この結合によって得られた時間長Ｔ１’／２分の音信号をクロスフェード結合処理の処理結果である音信号Ｘ_１６−ｎとする。

次に、ＣＰＵ２１は、図４（Ｇ）に示すように、シフト加算処理を行う（Ｓ１７）。シフト加算処理は、クロスフェード処理の処理結果として得られた音信号Ｘ_１６−ｎに対して、当該音信号Ｘ_１６−ｎの基準位置の前の音信号とその基準位置の後の音信号とを入れ替える処理であるシフト処理を施し、シフト処理を施した音信号とシフト処理が施されていない元の音信号Ｘ_１６−ｎとを加算する処理である。

より具体的に説明すると、図５に示すように、ＣＰＵ２１は、ＲＡＭ２２内の時間長Ｔ１’／２分の音信号Ｘ_１６−ｎの複製をＭ（例えば、Ｍ＝２とする）個生成し、このＭ（Ｍ＝２）個の複製を音信号Ｘａ_１６−ｎ及びＸｂ_１６−ｎとする。ＣＰＵ２１は、音信号Ｘａ_１６−ｎにおける始端から終端までのサンプルデータの中から基準位置Ｐａを選択する。ＣＰＵ２１は、音信号Ｘａ_１６−ｎの始端から基準位置Ｐａまでのサンプルデータを後方に移動させるとともにその後方にずらしたサンプルデータの前に音信号Ｘａ_１６−ｎの基準位置Ｐａから終端までのサンプルデータを繋げたものを、音信号Ｘａ_１６’−ｎとする。

また、ＣＰＵ２１は、音信号Ｘｂ_１６−ｎにおける始端から終端までのサンプルデータの中から音信号Ｘａ_１６−ｎの基準位置Ｐａとは異なる基準位置Ｐｂを選択する。ＣＰＵ２１は、音信号Ｘｂ_１６−ｎの始端から基準位置Ｐｂまでのサンプルデータを後方に移動させるとともにその後方にずらしたサンプルデータの前に音信号Ｘｂ_１６−ｎの基準位置Ｐｂから終端までのサンプルデータを繋げたものを、音信号Ｘｂ_１６’−ｎとする。その上で、ＣＰＵ２１は、音信号Ｘ_１６−ｎ，Ｘａ_１６’−ｎ，及びＸｂ_１６’−ｎを各々の始端と終端を揃えて加算し、この加算結果をシフト加算処理の処理結果である音信号Ｘ_１７−ｎとする。

次に、ＣＰＵ２１は、図４（Ｈ）に示すように、話速変換処理を行う（Ｓ１８）。話速変換処理では、ＣＰＵ２１は、シフト処理の処理結果としてＲＡＭ２２に書き込まれている時間長Ｔ１’／２分の音信号Ｘ_１７−ｎの時間軸を伸長して時間長Ｔ３（Ｔ３＞Ｔ１’／２）分の音信号Ｘ_１８−ｎとする。この話速変換処理の具体的な手順については、特許文献２を参照されたい。

次に、ＣＰＵ２１は、図４（Ｉ）に示すように、音信号Ｘ_１８−ｎに対して周波数ｆｃ１以上の帯域を減衰させるＬＰＦ処理と周波数ｆｃ２以下の帯域の成分を減衰させるＨＰＦ処理とを施し、この処理結果を音信号Ｘ_１９−ｎとする（Ｓ１９）。

次に、ＣＰＵ２１は、図４（Ｊ）に示すように、音信号Ｘ_１９−ｎに対して時間長調整処理を施す（Ｓ２０）。時間長調整処理では、ＣＰＵ２１は、ステップＳ１８におけるＬＰＦ処理及びＨＰＦ処理の処理結果としてＲＡＭ２２に書き込まれている音信号Ｘ_１９−ｎから上述した時間長Ｔ４（Ｔ４＜Ｔ３）分の音信号Ｘ_２０−ｎを切り出す。

次に、ＣＰＵ２１は、図４（Ｋ）に示すように、音信号Ｘ_２０−ｎに対して全体レベル調整処理を施す（Ｓ２１）。全体調整レベル調整処理では、時間長調整処理の処理結果としてＲＡＭ２２に書き込まれている時間長Ｔ４分の音信号Ｘ_２０−ｎ全体にレベル調整用の補正係数Ｐを乗算し、この乗算結果を全体レベル調整処理の処理結果である音信号Ｘ_２１−ｎとする。

次に、ＣＰＵ２１は、全体レベル調整処理の処理結果である音信号Ｘ_２１−ｎをマスカ音の音信号Ｚ−ｎとして書込制御部１５に出力する（Ｓ２２）。書込制御部１５は、ＣＰＵ２１から出力された音信号Ｚ−ｎを当該書込制御部１５に装着されている記憶媒体３０に記憶させる。

次に、ＣＰＵ２１は、記憶部１３におけるＮ種類の音信号Ｘ−ｎ（ｎ＝１〜Ｎ）の全てを取得したか否かを判断する（Ｓ２３）。ＣＰＵ２１は、記憶部１３に未だ取得していない音信号Ｘ−ｎがある場合には（Ｓ２３：Ｎｏ）、ステップＳ１０に戻り、未取得の音信号Ｘ−ｎを同部１３から取得してＲＡＭ２２に書込み、以降の処理を繰り返す。一方、記憶部１３におけるＮ種類の音信号Ｘ−ｎ（ｎ＝１〜Ｎ）の全てを取得した場合には（Ｓ２３：Ｙｅｓ）、処理を終了させる。

以上説明した本実施形態によると、次の効果が得られる。本実施形態では、特許文献１に開示された技術のように、人の音声を示す音信号を一音素に相当する区間毎に無作為に並べ替える処理は行わない。その代わりに、本実施形態における人の音声の音信号からマスカ音の音信号の生成に至る一連の処理は、重ね合わせ処理（Ｓ１３）とシフト加算処理（Ｓ１７）とを含む。重ね合わせ処理（Ｓ１３）とシフト加算処理（Ｓ１７）とを含む一連の処理を経て得られて得られる音信号の再生音は、人の音声を示す音信号を一音素に相当する区間毎に無作為に並べ替えて得られるマスカ音と同程度のマスキング効果を発生させることが可能でありながら、聴者に違和感を与えることがない。よって、本実施形態によると、高いマスキング効果を確保しつつ、領域Ｂ内の者に与える違和感を軽減することができる。

＜第1実施形態の変形例＞
以上説明した第1実施形態の変形例として次のものがある。

（１）上記実施形態では、記憶部１３内から音信号Ｘ−ｎを１種類ずつ取得し、１種類の音信号Ｘ−ｎから１種類の音信号Ｚ−ｎを生成した。しかし、記憶部１３内からＲ（２≦Ｒ≦Ｎ）種類の音信号Ｘ−ｎを纏めて取得し、取得したＲ種類の音信号Ｘ−ｎにそれぞれステップＳ１１〜ステップＳ２１の処理を施し、この処理結果として得られたＲ種類の音信号を加算した音信号をマスカ音の音信号Ｚ−ｎとしてもよい。この実施形態によると、領域Ａ内に異なる声の特徴をもった複数人の話者がいる場合でも、これら複数人の話者に広範囲に対応して、領域Ｂ内において高いマスキング効果を発生させることができる。

（２）上記実施形態において、ステップＳ１１〜ステップＳ１６及びステップＳ１８〜ステップＳ２１の処理を行わずに、記憶部１３内から取得した音信号Ｘ−ｎをステップＳ１７のシフト加算処理の処理対象とし、このシフト加算処理によって得られた音信号をマスカ音の音信号Ｚ−ｎとしてもよい。この実施形態のように、重ね合わせ処理を行うことなく、人の話声の音信号Ｘ−ｎにシフト加算処理だけを施して得られる音信号Ｘ−ｎをマスカ音の音信号Ｚ−ｎとしても、高いマスキング効果を確保しつつ、領域Ｂ内の者に与える違和感を軽減することができる。また、ステップＳ１１〜ステップＳ１２の処理及びステップＳ１４〜ステップＳ２１の処理を行わずに、記憶部１３内から取得した音信号Ｘ−ｎをステップＳ１３の重ね合わせ処理の処理対象とし、この重ね合わせ処理によって得られた音信号をマスカ音の音信号Ｚ−ｎとしてもよい。この実施形態のように、シフト加算処理を行うことなく、人の話声の音信号Ｘ−ｎに重ね合わせ処理だけを施して得られる音信号をマスカ音の音信号Ｚ−ｎとしても、高いマスキング効果を確保しつつ、領域Ｂ内の者に与える違和感を軽減することができる。さらに図示しない操作部の操作等に応じてステップＳ１３の重ね合わせ処理またはステップＳ１７のシフト加算処理をスキップする構成としてもよい。

（３）上記実施形態におけるステップＳ１３の重ね合わせ処理では、ＣＰＵ２１は、ＲＡＭ２２内における時間長Ｔ１’分の音信号Ｘ_１２−ｎから当該音信号Ｘ_１２−ｎの前半の時間長Ｔ１’／２分の音信号と後半の時間長Ｔ１’／２分の音信号を取り出し、これら２つの音信号同士を各々の先頭と末尾の位置を揃えて重ね合わせて時間長Ｔ１’／２分の音信号Ｘ_１３−ｎを生成した。しかし、ＲＡＭ内の音信号Ｘ_１２−ｎから各々の前後に一部重複する部分を有する時間長Ｔ’／２分の音信号を２個取り出し、これら２つの音信号同士を各々の先頭と末尾の位置を揃えて重ね合わせて時間長Ｔ１’／２分の音信号Ｘ_１３−ｎを生成してもよい。また、音信号Ｘ_１２−ｎから取り出す音信号の個数は２つである必要はなく、３つ以上の音信号を取り出してそれらを重ね合わせてもよい。また、音信号Ｘ_１２−ｎから取り出す複数個の音信号の長さは同じである必要はない。例えば、時間長Ｔ１’分の音信号Ｘ_１２−ｎをその半分よりも時間Ｔ５（Ｔ５＜Ｔ１’／２）だけ短い音信号と時間長Ｔ５だけ長い音信号の２つに分割し、分割した２つの音信号同士を重ねあわせて音信号Ｘ_１３−ｎを生成してもよい。

（４）上記実施形態におけるステップＳ１７のシフト加算処理では、音信号Ｘ_１６−ｎの複製を２個生成したが、音信号Ｘ_１６−ｎの複製数Ｍを１つにしてもよいし３つ以上にしてもよい。また、音信号Ｘ_１６−ｎの複製数Ｍを複数にした場合、複製である音信号Ｘａ_１６−ｎ，Ｘｂ_１６−ｎ，Ｘｃ_１６−ｎ…毎に固有の乱数を発生させ、この乱数を用いて音信号Ｘａ_１６−ｎ，Ｘｂ_１６−ｎ，Ｘｃ_１６−ｎ…毎の異なる基準位置Ｐａ，Ｐｂ，Ｐｃ…を決定してもよい。また、複数種類の基準位置Ｐａ，Ｐｂ，Ｐｃ…を示すデータが格納されたテーブルを設け、音信号Ｘａ_１６−ｎ，Ｘｂ_１６−ｎ，Ｘｃ_１６−ｎ…毎の基準位置Ｐａ，Ｐｂ，Ｐｃ…をこのテーブル内から選択するようにしてもよい。

（５）上記実施形態におけるステップＳ１７のシフト加算処理では、音信号Ｘ_１6−ｎの複製にシフト処理を施し、シフト処理を施した音信号とシフト処理を施す前の元の音信号とを加算した。しかし、図６に示すように、音信号Ｘ_１６−ｎの複製をＭ’（Ｍ’は２以上の自然数：例えば、Ｍ’＝２とする）個生成し、複製であるＭ’（Ｍ’＝２）個の音信号Ｘａ_１６−ｎ及びＸｂ_１６−ｎの各々に対してのみ上述したシフト処理を施し、シフト処理を施したＭ’個の音信号Ｘａ_１６’−ｎ及びＸｂ_１６’−ｎを加算した音信号をシフト加算処理の処理結果としてもよい。この実施形態によっても、高いマスキング効果を確保しつつ、領域Ｂ内の者に与える違和感を軽減することができる。

（６）上記実施形態におけるステップＳ１７のシフト加算処理では、音信号Ｘ_１６−ｎの複製にシフト処理を施し、シフト処理を施した音信号とシフト処理を施す前の元の音信号とを加算した。しかし、図７に示すように、音信号Ｘ_１６−ｎの複製をＭ”（Ｍ”は１以上の自然数：例えば、Ｍ”＝２とする）個生成し、複製元の音信号Ｘ_１６−ｎと複製であるＭ”（Ｍ”＝２）個の音信号Ｘａ_１６−ｎ，Ｘｂ_１６−ｎとを含むＭ＋１個の音信号Ｘ_１６−ｎ，Ｘａ_１６−ｎ，及びＸｂ_１６−ｎの各々に対して上述したシフト処理を施し、シフト処理を施したＭ”＋１個の音信号Ｘ’_１６−ｎ，Ｘａ’_１６−ｎ，及びＸｂ’_１６−ｎを加算した音信号をシフト加算処理の処理結果としてもよい。この実施形態によっても、高いマスキング効果を確保しつつ、領域Ｂ内の者に与える違和感を軽減することができる。

（７）上記実施形態におけるステップＳ１４の逆転処理では、重ね合わせ処理の処理結果として得られた音信号Ｘ_１３−ｎを複数の区間に区切り、区切った各区間内の音信号の配列順を前後逆転させた。しかし、音信号Ｘ_１３−ｎを複数の区間に区切ることなく、音信号Ｘ_１３−ｎ全体の配列順を前後逆転させてもよい。この場合は、ステップＳ１５のノーマライズ処理やステップＳ１６のクロスフェード処理は行わないようにするとよい。

（８）上記実施形態では、逆転処理（Ｓ１４）、ノーマライズ処理（Ｓ１５）、クロスフェード結合処理（Ｓ１６）およびシフト加算処理（Ｓ１７）の順に各処理を実行したが、後述する第２実施形態のように、上記実施形態において、シフト加算処理（Ｓ１７）、ノーマライズ処理（Ｓ１５）、逆転処理（Ｓ１４）およびクロスフェード結合処理（Ｓ１６）の順に各処理を実行するようにしてもよい。

＜第２実施形態＞
図８は本発明の第２実施形態であるマスカ音生成装置の動作を示すフローチャートである。なお、このフローチャートにおいて、上記第１実施形態（図２）のものと対応する各処理には、上記第１実施形態において用いられたものと共通のステップ番号Ｓｘｘが使用されている。

上記第１実施形態におけるマスカ音生成プログラム２４は、図２に示されるように重ね合わせ処理（Ｓ１３）とシフト加算処理（Ｓ１７）とを含んでいた。これらの各処理は、いずれも処理対象である音信号列内の異なる区間の音信号列を取り出し、取り出した各音信号列を時間軸上において重ね合わせる処理であり、全体としては元の音信号列に対して撹乱された音信号列であって、異なる区間の各区間に着目すると、区間内の音素の順序は基本的に元の音信号列と変わっていない音信号列を生成する効果を奏する。本実施形態と上記第１実施形態との第１の相違点は、本実施形態ではこの２種類の重ね合わせ処理のうちの重ね合わせ処理（Ｓ１３）を操作部の操作等に応じてスキップすることができるようにした点にある。

重ね合わせ処理（Ｓ１３）をスキップしなかった場合、重ね合わせ処理（Ｓ１３）の実行により、ＬＰＦ処理およびＨＰＦ処理（ステップＳ１２）後の音信号列の半分の長さになった音信号列が図８に示すマクロ処理Ｍ＿１〜Ｍ＿Ｊの処理対象となる。重ね合わせ処理（Ｓ１３）をスキップした場合、ＬＰＦ処理およびＨＰＦ処理（ステップＳ１２）後の音信号列が図８に示すマクロ処理Ｍ＿１〜Ｍ＿Ｊの処理対象となる。

本実施形態において生成されるマスカ音信号は、マクロ処理Ｍ＿１〜Ｍ＿Ｊの処理対象となる音信号列の長さに依存した周期を持つ。聴者に違和感を与えないためには、このマスカ音信号の周期が長い方が好ましく、そのためにはマスカ音信号の元となる音信号Ｘ−ｎの継続時間が長いことが好ましい。しかしながら、録音時間を長時間にすることが困難であり、マスカ音信号の生成に用いる音信号Ｘ−ｎの継続時間が短くなる場合もある。このような場合に重ね合わせ処理（Ｓ１３）を実行すると、生成されるマスカ音信号の周期を短くする結果となるので好ましくない。そこで、本実施形態では、マスカ音信号の生成に用いる音信号Ｘ−ｎの継続時間が短い場合には、重ね合わせ処理（Ｓ１３）をスキップして、マスカ音信号の周期の短縮化を回避することができるようにした。

ここで、重ね合わせ処理（Ｓ１３）をスキップした場合には、音信号列を撹乱するための手段を１つ失うことになる。しかしながら、本実施形態では、上記第１実施形態のシフト加算処理（Ｓ１７）の一部であるシフト処理（Ｓ１７’）をマクロ処理Ｍ＿１〜Ｍ＿Ｊの各々において実行し、マクロ処理Ｍ＿１〜Ｍ＿Ｊの結果を加算したものからマスカ音信号を生成するようにしている。そして、このマクロ処理Ｍ＿１〜Ｍ＿Ｊおよびそれらの処理結果の加算処理が音信号列を撹乱する役割を果たす。従って、重ね合わせ処理（Ｓ１７）をスキップしたとしても違和感のないマスカ音を生成することができる。

本実施形態と上記第１実施形態との第２の相違点は、本実施形態では、図示しない操作部の操作に応じて、重ね合わせ処理（Ｓ１３）の結果である音信号列またはＬＰＦ処理及びＨＰＦ処理（Ｓ１２）の結果である音信号列（重ね合わせ処理をスキップした場合）のＪ−１個の複製を作成し、原型および複製からなるＪ個の音信号列を用いてマクロ処理Ｍ＿１〜Ｍ＿Ｊを各々実行し、実行結果であるＪ個の音信号列を時間軸上において重ね合わせた音信号列を話速変換処理（Ｓ１８）に引き渡すようにした点にある。マクロ処理Ｍ＿１〜Ｍ＿Ｊの各々では、シフト処理（Ｓ１７’）、ノーマライズ処理（Ｓ１５）、逆転処理（Ｓ１４）およびクロスフェード結合処理（Ｓ１６）を順次実行する。ここで、生成する音信号列の個数Ｊおよび実行するマクロ処理Ｍ＿１〜Ｍ＿Ｊの個数Ｊは、図示しない操作部の操作により指定可能である。

上記第１実施形態では、逆転処理（Ｓ１４）、ノーマライズ処理（Ｓ１５）、クロスフェード結合処理（Ｓ１６）およびシフト加算処理（Ｓ１７）の順に各処理を実行した。これに対し、本実施形態では、各マクロ処理Ｍ＿１〜Ｍ＿Ｊにおいて、シフト処理（Ｓ１７’）、ノーマライズ処理（Ｓ１５）、逆転処理（Ｓ１４）およびクロスフェード結合処理（Ｓ１６）の順に各処理を実行する。この点も本実施形態と上記第１実施形態との相違点である。

シフト処理（Ｓ１７’）は、処理対象である音信号列の基準位置Ｐａを境に前の区間と後の区間を入れ替える処理である。上記第1実施形態におけるシフト加算処理（Ｓ１７）と異なり、シフト処理（Ｓ１７’）では、元の音信号列との加算は行わない。各マクロ処理Ｍ＿１〜Ｍ＿Ｊにおいて、シフト加算処理（Ｓ１７）ではなく、シフト処理（Ｓ１７’）を実行するのは次の理由による。すなわち、仮に各マクロ処理Ｍ＿１〜Ｍ＿Ｊにおいてシフト加算処理（Ｓ１７）を実行したとすると、各シフト加算処理（Ｓ１７）により得られる各音信号列は元の音信号列の成分を含んでいるため、各マクロ処理Ｍ＿１〜Ｍ＿Ｊの処理結果を加算すると、その加算結果において元の音信号列が持っていた繰り返し感が強調されることとなる。このような事態を回避するため、各マクロ処理Ｍ＿１〜Ｍ＿Ｊにおいて、元の音信号列との加算を行わないシフト処理（Ｓ１７’）を実行するようにしているのである。

本実施形態では、シフト処理（Ｓ１７’）における基準位置Ｐａを各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせている。このため、マクロ処理Ｍ＿１〜Ｍ＿Ｊの各シフト処理（Ｓ１７’）により、各々複数の音素からなる音素列を示し、かつ、時間軸上での各音素の位置が互いにずれたＪ個の音信号列が得られる。ここで、シフト処理（Ｓ１７’）により得られるＪ個の音信号列の各々に着目すると、音信号列内の各音素の時間軸上での位置は、元の音信号列内の対応する音素の位置からずれているが、音信号列内の各音素の順序は元の音信号列における各音素の順序と基本的に同じである。すなわち、シフト処理（Ｓ１７’）により得られるＪ個の音信号列の各々に着目すると、元の音信号列における最後の音素の次に元の音信号列の先頭の音素が続く点を除けば、各音信号列における各音素の順序は元の音信号列における各音素の順序と同じである。基準位置Ｐａを各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせるための手段としては各種考えられるが、本実施形態では、図示しない操作部の操作に応じて各マクロ処理Ｍ＿１〜Ｍ＿Ｊの各シフト処理（Ｓ１７’）における各基準位置Ｐａを各々独立に設定する。

各マクロ処理Ｍ＿１〜Ｍ＿Ｊでは、シフト処理（Ｓ１７’）により得られた音信号列に対して、ノーマライズ処理（Ｓ１５）を施す。このノーマライズ処理（Ｓ１５）では、上記第１実施形態の逆転処理（Ｓ１４）において行ったように、処理対象である音信号列を、各々が前後の区間との間に一定時間長ｔの重複を持った複数の区間に分割する。そして、ノーマライズ処理（Ｓ１５）では、一区間を通じての音信号の実効値ＲＭＳを複数の区間において一定にするための補正係数を区間毎に演算し、区間毎に求めた補正係数を各区間内の音信号に対して乗算するノーマライズを実行する。このノーマライズの演算方法は、基本的に上記第１実施形態と同様であるが、本実施形態では、過大なノーマライズを避けるため、補正係数にはある緩和係数を掛け、また、最終的の補正係数を予め決められた上限値および下限値の範囲内に制限する。

本実施形態では、ノーマライズ処理（Ｓ１５）において処理対象である音信号列を複数の区間に分割する際の区間の境界を各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせるようにしている。具体的には、本実施形態では、各マクロ処理Ｍ＿１〜Ｍ＿Ｊの各ノーマライズ処理（Ｓ１５）において、音信号列を分割する際の一区間の長さ（あるいは区間数）を各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で互いに異ならせるようにしている。この音信号列を分割する際の一区間の長さ（あるいは区間数）を各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で互いに異ならせるための手段としては各種考えられるが、本実施形態では、図示しない操作部の操作に応じて各マクロ処理Ｍ＿１〜Ｍ＿Ｊ毎に一区間の長さ（あるいは区間数）を各々独立に設定する。

各マクロ処理Ｍ＿１〜Ｍ＿Ｊでは、ノーマライズ処理（Ｓ１５）の処理結果である音信号列に対して逆転処理（Ｓ１４）を施す。この逆転処理（Ｓ１４）では、ノーマライズの行われた音信号列の複数の区間の各区間毎に音信号のサンプルの並び順を逆転させる。ここで、音信号列における一区間の長さを各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせた場合には、各マクロ処理Ｍ＿１〜Ｍ＿Ｊの逆転処理（Ｓ１４）では、互いに異なる長さの区間を単位として、区間内の音信号のサンプルの並び順の逆転が行われることとなる。

本実施形態では、操作部の操作等により、各マクロ処理Ｍ＿１〜Ｍ＿Ｊの中の一部のマクロ処理（例えばマクロ処理Ｍ＿Ｊ）において、逆転処理（Ｓ１４）の実行を禁止することができるようになっている。この一部の逆転処理（Ｓ１４）の禁止により、最終的に生成される音信号に癖のあるイントネーションが生じるのを防止することができる。

各マクロ処理Ｍ＿１〜Ｍ＿Ｊでは、逆転処理（Ｓ１４）を終えると、逆転処理（Ｓ１４）の処理結果である音信号列の各区間を、時間軸上において上記一定時間長ｔを区間だけ前後重複させて重ね合わせるクロスフェード結合処理（Ｓ１６）を実行する。この結果得られる音信号列が各マクロ処理Ｍ＿１〜Ｍ＿Ｊの処理結果となり、この各音信号列を時間軸上において重ね合わせた音信号列が話速変換処理（Ｓ１８）の処理対象となる。
話速変換処理（Ｓ１８）以降の各処理の内容は上記第１実施形態と同様である。
以上が本実施形態の詳細である。

本実施形態によれば、上記第１実施形態と同様な効果が得られる。また、本実施形態によれば、重ね合わせ処理（Ｓ１３）をスキップ可能とし、重ね合わせ処理（Ｓ１３）の結果である音信号列またはＬＰＦ処理及びＨＰＦ処理（Ｓ１２）の結果である音信号列の複製により所望の個数（Ｊ個）の音信号列を生成してマクロ処理Ｍ＿１〜Ｍ＿Ｊを実行することができるようにしたので、例えば次のように様々な状況に応じてマスカ音生成装置の使い分けをすることが可能になる。

ａ．マスカ音信号の素材となる音信号の継続時間が相対的に長い場合には、重ね合わせ処理（Ｓ１３）を実行し、継続時間が相対的に短い場合には重ね合わせ処理（Ｓ１３）をスキップする。

ｂ．重ね合わせ処理（Ｓ１３）をスキップする場合には、マクロ処理Ｍ＿１〜Ｍ＿Ｊおよびそれらのマクロ処理Ｍ＿１〜Ｍ＿Ｊのために生成する音信号列の個数Ｊを増加させて、１周期分のマスカ音信号に含ませる音素数を増加させる。

ｃ．最終的に複数人の音信号から得られたマスカ音信号を加算してマスカ音の生成に使用する場合には、マクロ処理Ｍ＿１〜Ｍ＿Ｊおよびそれらのマクロ処理Ｍ＿１〜Ｍ＿Ｊのために生成する音信号列の個数Ｊを減らしてもよい。また、この場合には、重ね合わせ処理（Ｓ１３）をスキップしてもよい。

ｄ．１人の音信号から生成したマスカ音信号をマスカ音として出力する場合には、重ね合わせ処理（Ｓ１３）をスキップしないことが好ましい。また、マスカ音信号の生成に用いる音信号の継続時間が短くて重ね合わせ処理（Ｓ１３）をスキップする場合には、マクロ処理Ｍ＿１〜Ｍ＿Ｊおよびそれらのマクロ処理Ｍ＿１〜Ｍ＿Ｊのために生成する音信号列の個数Ｊを増加させることが好ましい。

＜第２実施形態の変形例＞
第２実施形態についても上記第１実施形態と同様な変形例の実施が可能である。この他に第２実施形態に特有の変形例として次のものがある。

（１）マクロ処理Ｍ＿１〜Ｍ＿Ｊおよびそれらの処理対象として生成する音信号列の個数Ｊを、操作部の操作に応じて決定するのでなく、予め決められた個数としてもよい。

（２）重ね合わせ処理（Ｓ１３）をスキップするか否かの情報と、マクロ処理Ｍ＿１〜Ｍ＿Ｊおよびそれらの処理対象として生成する音信号列の個数Ｊを、マスカ音信号の素材となる音信号の提供者の人数、提供者一人当たりの音信号の録音時間等のパラメータに対応付けたテーブルをマスカ音生成装置に記憶させ、このパラメータとテーブルに従って個数Ｊを自動的に決定するようにしてもよい。

（３）マクロ処理Ｍ＿１〜Ｍ＿Ｊの各シフト処理（Ｓ１７’）における各基準位置Ｐａを操作部の操作に応じて決定するのでなく、マスカ音生成装置自体が決定するようにしてもよい。例えば音信号列をＪ＋１等分するＪ個の境界位置を求め、それらの境界位置をマクロ処理Ｍ＿１〜Ｍ＿Ｊの各シフト処理（Ｓ１７’）における各基準位置Ｐａとしてもよい。あるいは音信号列をＪ等分するＪ−１個の境界位置を求め、それらの境界位置と音信号列の先頭位置をマクロ処理Ｍ＿１〜Ｍ＿Ｊの各シフト処理（Ｓ１７’）における各基準位置Ｐａとしてもよい。ここで、基準位置Ｐａが先頭位置である場合、この基準位置Ｐａの後に音信号列の全体があり、基準位置Ｐａの前には何もないので、基準位置Ｐａの前後を入れ替えた場合に、元の音信号列と同じ音信号列が得られる。

（４）マクロ処理Ｍ＿１〜Ｍ＿Ｊの各ノーマライズ処理（Ｓ１５）において音信号列を複数の区間に分割する際の区間数を操作部の操作に応じて決定するのでなく、マスカ音生成装置自体が決定するようにしてもよい。例えば互いに素な関係にある数を小さい順に並べた数列を用意しておき、この数列の中から上位Ｊ個の数を選び、マクロ処理Ｍ＿１〜Ｍ＿Ｊの各ノーマライズ処理（Ｓ１５）において音信号列を複数の区間に分割する際の区間数としてもよい。

（５）重ね合わせ処理（Ｓ１３）を常に実行しない構成のマスカ音生成装置としてもよい。

（６）上記第２実施形態では、シフト処理（Ｓ１７’）における基準位置Ｐａと、ノーマライズ処理（Ｓ１５）（および逆転処理（Ｓ１４））における音信号列の複数の区間の境界の両方を各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせるようにしたが、いずれか一方のみを各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせるようにしてもよい。

（７）上記第２実施形態では、ノーマライズ処理（Ｓ１５）（および逆転処理（Ｓ１４））における音信号列の複数の区間の境界を各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせるために、音信号列を複数の区間に分割する際の区間の長さ（あるいは区間数）を各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で異ならせた。しかし、そのようにする代わりに、音信号列を複数の区間に分割する際の区間の長さ（あるいは区間数）は各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間で同じにして、区間の境界の位置のみを各マクロ処理Ｍ＿１〜Ｍ＿Ｊ間でずらすようにしてもよい。

（８）上記第２実施形態では、Ｊ個のマクロ処理Ｍ＿１〜Ｍ＿Ｊを並列に実行したが、まず、マクロ処理Ｍ＿１を実行し、次いでマクロ処理Ｍ＿２を実行し、〜という具合に、Ｊ個のマクロ処理Ｍ＿１〜Ｍ＿Ｊを順次実行するようにしてもよい。すなわち、この発明において、複数のシフト手段（Ｊ個のマクロ処理Ｍ＿１〜Ｍ＿Ｊのシフト処理（Ｓ１７’））は、各々が同時並列に動作するものである必要はなく、順次動作するものであってもよい。複数の逆転手段（Ｊ個のマクロ処理Ｍ＿１〜Ｍ＿Ｊの逆転処理（Ｓ１４））についても同様である。

（９）上記第２実施形態では、重ね合わせ処理（Ｓ１３）をスキップ可能にしていた。しかし、そのようにする代わりに、重ね合わせ処理（Ｓ１３）を実行し、マクロ処理Ｍ＿１〜Ｍ＿Ｊ内のシフト処理（Ｓ１７’）を操作部の操作に応じてスキップするようにしてもよい。

＜第１および第２実施形態の両方の変形例＞
（１）上記各実施形態によるマスカ音生成装置によって実行されるプログラムは、磁気記録媒体（磁気テープ、磁気ディスク（ＨＤＤ、ＦＤ）など）、光記録媒体（光ディスク（ＣＤ、ＤＶＤ）など）、光磁気記録媒体、半導体メモリなどのコンピュータ読み取り可能な記録媒体に記録した状態で提供し得る。また、当該プログラムは、インターネットのようなネットワーク経由でダウンロードさせることも可能である。

（２）上記各実施形態によるマスカ音生成装置によって生成されたマスカ音信号を記録媒体に記録し、この記録媒体に記録されたマスカ音信号をマスカ音生成装置から地理的に離れた遠隔地においてサウンドマスキングのために再生してもよい。その際、マスカ音信号を記録するための記録媒体は任意であり、磁気記録媒体（磁気テープ、磁気ディスク（ＨＤＤ、ＦＤ）など）、光記録媒体（光ディスク（ＣＤ、ＤＶＤ）など）、光磁気記録媒体、半導体メモリなどのコンピュータ読み取り可能な各種の記録媒体にマスカ音信号を記録可能である。また、当該マスカ音信号のファイルをインターネットのようなネットワーク経由でダウンロードさせることも可能である。

１０…マスカ音生成装置、１１…マイクロホン、１２…Ａ／Ｄ変換部、１３…記憶部、１４…制御部、１５…書込制御部、２１…ＣＰＵ、２２…ＲＡＭ、２３…ＲＯＭ、２４…マスカ音生成プログラム、３０…記憶媒体、５０…マスカ音再生装置、５１…衝立、５２…スピーカ。

Claims (9)

1. 音声を示す音信号列を取得する取得手段と、
   音信号列内の異なる区間の音信号列を複数取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段の処理を経た音信号列からマスカ音信号を生成する生成手段と、を具備し、
   前記重ね合わせ手段は、処理対象である音信号列に対して当該音信号列内の基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を施し、シフト処理を施した音信号列とシフト処理を施す前の元の音信号列とを各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせた音信号列を出力するシフト加算手段を含み、
   前記生成手段は、前記シフト加算手段の処理を経た音信号列からマスカ音信号を生成する
   ことを特徴とするマスカ音生成装置。
2. 音声を示す音信号列を取得する取得手段と、
   音信号列内の異なる区間の音信号列を複数取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段の処理を経た音信号列からマスカ音信号を生成する生成手段と、を具備し、
   前記重ね合わせ手段は、処理対象である音信号列に対して各々当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理である複数のシフト処理を施し、複数のシフト処理により得られる複数の音信号列を各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせた音信号列を出力するシフト加算手段を含み、
   前記生成手段は、前記シフト加算手段の処理を経た音信号列からマスカ音信号を生成する
   ことを特徴とするマスカ音生成装置。
3. 前記重ね合わせ手段は、処理対象である音信号列を時間軸上においてより時間長の短い音信号列に分割し、分割された音信号列の各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせる分割加算手段を含み、
   前記分割加算手段および前記シフト加算手段の各処理を経た音信号列を出力することを特徴とする請求項１または２に記載のマスカ音生成装置。
4. 前記重ね合わせ手段は、
   処理対象である音信号列を複数の区間に区切り、区切った各区間内の音信号の配列順を前後逆転させ、この配列順を前後逆転させた音信号列を生成する逆転手段を含み、前記逆転手段の処理を経た音信号列を前記シフト加算手段の処理対象とすることを特徴とする請求項１〜３のいずれか１の請求項に記載のマスカ音生成装置。
5. 前記重ね合わせ手段は、
   処理対象である音信号列を複数の区間に区切り、区切った各区間内の音信号の配列順を前後逆転させ、この配列順を前後逆転させた音信号列を生成する逆転手段を含み、前記シフト加算手段および前記逆転手段の各処理を経た音信号列を出力することを特徴とする請求項１〜３のいずれか１の請求項に記載のマスカ音生成装置。
6. 音声を示す音信号列を取得する取得手段と、
   音信号列内の異なる区間の音信号列を複数取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段の処理を経た音信号列からマスカ音信号を生成する生成手段と、を具備し、
   前記重ね合わせ手段は、
   処理対象である音信号列を時間軸上においてより時間長の短い音信号列に分割し、分割された音信号列の各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせる分割加算手段と、
   前記分割加算手段の処理を経た音信号列に対して当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を各々施す複数のシフト手段と、
   前記複数のシフト手段の処理を経た音信号列を各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせる加算手段と、を含み、
   前記生成手段は、前記加算手段の処理を経た音信号列からマスカ音信号を生成する
   ことを特徴とするマスカ音生成装置。
7. 音声を示す音信号列を取得する取得手段と、
   音信号列内の異なる区間の音信号列を複数取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段の処理を経た音信号列からマスカ音信号を生成する生成手段と、を具備し、
   前記重ね合わせ手段は、各々の処理対象である音信号列に対して当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を各々施す複数のシフト手段と、
   前記複数のシフト手段の処理を経た各音信号列を各々の処理対象とし、各々の処理対象である音信号列を複数の区間に区切った各区間内の音信号列を前後逆転させ、この配列順を前後逆転させた音信号列を各々生成する複数の逆転手段と、
   前記複数の逆転手段の処理を経た各音信号列を各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせる加算手段と、を含み、
   前記生成手段は、前記加算手段の処理を経た音信号列からマスカ音信号を生成する
   ことを特徴とするマスカ音生成装置。
8. コンピュータに、
   音声を示す音信号列を取得する取得手段と、
   音信号列内の異なる区間の複数の音信号列を取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段であって、処理対象である音信号列に対して当該音信号列内の基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理であるシフト処理を施し、シフト処理を施した音信号列とシフト処理を施す前の元の音信号列とを各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせた音信号列を出力するシフト加算手段を含む重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段における前記シフト加算手段の処理を経た音信号列からマスカ音信号を生成する生成手段と
   を実現させるプログラム。
9. コンピュータに、
   音声を示す音信号列を取得する取得手段と、
   音信号列内の異なる区間の複数の音信号列を取り出し、取り出した各音信号列を時間軸上において重ね合わせる重ね合わせ手段であって、処理対象である音信号列に対して各々当該音信号列内の異なる基準位置の前までの音信号列とその基準位置の後からの音信号列とを入れ替える処理である複数のシフト処理を施し、複数のシフト処理により得られる複数の音信号列を各々の始端と終端を揃えて加算することで異なる区間の音信号列を時間軸上において重ね合わせた音信号列を出力するシフト加算手段を含む重ね合わせ手段を含み、前記取得手段により取得され、前記重ね合わせ手段における前記シフト加算手段の処理を経た音信号列からマスカ音信号を生成する生成手段と
   を実現させるプログラム。

Images