プレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラム
【課題】楽曲固有の特徴量を参酌してプレイリストを作成することによって、プレイリストにストーリ性を持たせる。
【解決手段】楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置１０であって、データベース１１から楽曲データを読み出し、読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部１２と、抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するモデル構築部１３と、作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、データベース１１から複数の楽曲データを選択してリスト化する楽曲選択部１４と、リスト化された情報を表示する出力部１５と、を備える。
【解決手段】楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置１０であって、データベース１１から楽曲データを読み出し、読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部１２と、抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するモデル構築部１３と、作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、データベース１１から複数の楽曲データを選択してリスト化する楽曲選択部１４と、リスト化された情報を表示する出力部１５と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラムに関する。
【背景技術】
【０００２】
従来から、例えば、特許文献１には、ユーザに対し、簡単且つ自動的にプレイリストを作成させるために、ユーザが指定したクエリ楽曲と対象楽曲のメタ情報に基づいて関連性の度合を計算し、コンテンツを利用した自動プレイリスト生成に関する技術が開示されている。具体的には、クエリ楽曲のメタ情報もしくはキーワードに対して、シソーラス辞書データベースから関連語（Ａ）を抽出し、（Ａ）に関連するメタデータを保持する楽曲をプレイリストに登録している。
【０００３】
また、特許文献２には、プレイリストを生成するために、選択された楽曲（クエリ）と、データベース内の楽曲情報（曲名、アーティスト名、アルバム名、ジャンル名など）と共通する楽曲を絞り込むことで、プレイリストを生成する、もしくは支援する技術が開示されている。
【０００４】
また、特許文献３には、プレイリスト検索において、データベース内のプレイリストと、該当プレイリストを再生順に見たときの楽曲推移を表すストーリ情報を関連付けて、ストーリ情報の類似度でプレイリストを検索する技術が開示されている。ここで、「ストーリ情報」とは、例えば、再生楽曲のジャンル情報の順番や、テンポ情報の順番などが例として挙げられている。
【０００５】
また、特許文献４には、協調フィルタリングを用いて、過去に生成されたプレイリストの中から生成時の聴取状況と聴取者の現在の聴取状況とが近いプレイリストを検索し、前記聴取者の現在の嗜好情報や聴取状況に適応して改変することが可能な技術が開示されている。ここで、「聴取状況」とはアノテーション収集に基づいたものであり、曲と歌詞からどのような情景を歌っているのか、どのような状況で聞きたいかという情報を利用している。
【０００６】
また、特許文献５には、ユーザが聞いたことのない楽曲をプレイリストに登録するために、既存のプレイリストにおける各楽曲間の順序関係度を算出し、前記楽曲間の順序関係度に基づいてプレイリストを自動生成する技術が開示されている。ここで、「順序関係」とは、既存の複数のプレイリストに共通して出現する特定の楽曲の組み合わせおよび順序に基づいて算出され、多く出現する楽曲順序の組み合わせを持つパターンを順序関係が強いと判断している。
【０００７】
さらに、非特許文献１および２では、楽曲の音響的特徴に基づいた音楽検索システムが開示されており、また、非特許文献３および４には、音響的特徴量を抽出するツールが開示されている。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開２００８−２１７２５４号公報
【特許文献２】特開２００８−１５８０４７号公報
【特許文献３】特開２００７−２８７２５６号公報
【特許文献４】特開２００６−２６８１００号公報
【特許文献５】特開２００３−１７８０８８号公報
【非特許文献】
【０００９】
【非特許文献１】K. Hoashi, et al: Feature space modification for content-based music retrieval based on user preferences, Proc. of ICASSP 2006, pp. 517-520, 2006.
【非特許文献２】Yoshii, K. Goto, M. Komatani, K. Ogata, T.and Okuno, H.: Improving Efficiency and Scal-ability of Model-based Music RecommenderSystem Based on Incremental Training, Proc.ISMIR , pp.89-94, Vienna, Sep. (2007).
【非特許文献３】jAudio: http://sourceforge.net/projects/jaudio/
【非特許文献４】MARSYAS：http://marsyas.sness.net/
【発明の概要】
【発明が解決しようとする課題】
【００１０】
しかしながら、特許文献１から３に開示されている技術では、プレイリスト生成に楽曲メタ情報を用いているが、メタ情報などが整備されていないデータベースでは適用が困難である。また、仮にメタ情報が付されていたとしても、その精度が問題となる場合もある。また、特許文献４では、既存のプレイリスト自体にアノテーションが付与されていなければ利用することができず、アノテーションが付与済みの多くのプレイリストを個人が収集することは困難である。また、特許文献５では、既存のプレイリストの順序関係を用いることで、アノテーション情報等を利用する必要はないものの、既存のプレイリスト収集や、前記収集したプレイリストに共通した楽曲順序の組み合わせが少数の場合や、存在しない場合には有効なプレイリストを生成することが困難である。
【００１１】
このように、従来技術では、音響的な特徴を考慮して、プレイリスト内の盛り上がり、ストーリ等を考慮すること、すなわち、再生順序を考慮したプレイリストを生成することが困難である。一方、従来技術では、音楽検索システムの結果を利用してプレイリストとすることで音響的な特徴を考慮したプレイリストを生成することができるものの、そうした場合、似たような音響特徴量をもつ楽曲によって構成されたプレイリストが作成されやすく、プレイリストのストーリ性を考慮しているとは言いがたい。
【００１２】
本発明は、このような事情に鑑みてなされたものであり、楽曲固有の特徴量を参酌してプレイリストを作成することによって、プレイリストにストーリ性を持たせることができるプレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１３】
（１）上記の目的を達成するために、本発明は、以下のような手段を講じた。すなわち、本発明のプレイリスト作成装置は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するモデル構築部と、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、前記リスト化された情報を表示する出力部と、を備えることを特徴としている。
【００１４】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００１５】
（２）また、本発明のプレイリスト作成装置は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するモデル構築部と、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、前記リスト化された情報を表示する出力部と、を備えることを特徴としている。
【００１６】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【００１７】
（３）また、本発明のプレイリスト作成装置において、前記楽曲選択部は、楽曲間の関係度を示す楽曲関係度に基づいて、各クラスタから楽曲データを選択することを特徴としている。
【００１８】
このように、楽曲間の関係度を示す楽曲関係度に基づいて、各クラスタから楽曲データを選択するので、クラスタ遷移モデルを用いる場合に、望ましい楽曲を選択することが可能となる。例えば、楽曲データの特徴量の類似度が高い楽曲を選択したり、メタ情報の類似性が高い楽曲を選択したりすることができる。
【００１９】
（４）また、本発明のプレイリスト作成装置において、前記楽曲選択部は、ユーザにより指定された楽曲およびその楽曲のプレイリスト内での順位に基づいて、前記データベースから複数の楽曲データを選択してリスト化することを特徴としている。
【００２０】
このように、ユーザにより指定された楽曲およびその楽曲のプレイリスト内での順位に基づいて、前記データベースから複数の楽曲データを選択してリスト化するので、ユーザは、プレイリストにおける起点を指定することができる。
【００２１】
（５）また、本発明の楽曲再生装置は、上記のいずれかに記載のプレイリスト作成装置を備え、前記作成されたリストに基づいて、楽曲データの再生を行なうことを特徴としている。
【００２２】
これにより、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００２３】
（６）また、本発明のプレイリスト作成方法は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、モデル構築部において、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するステップと、楽曲選択部において、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、出力部において、前記リスト化された情報を表示するステップと、を少なくとも含むことを特徴としている。
【００２４】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００２５】
（７）また、本発明のプレイリスト作成方法は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、モデル構築部において、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するステップと、楽曲選択部において、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、出力部において、前記リスト化された情報を表示するステップと、を備えることを特徴としている。
【００２６】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【００２７】
（８）また、本発明のプレイリスト作成プログラムは、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成する処理と、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴としている。
【００２８】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００２９】
（９）また、本発明のプレイリスト作成プログラムは、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成する処理と、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴としている。
【００３０】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【発明の効果】
【００３１】
本発明によれば、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。
【図面の簡単な説明】
【００３２】
【図１】本実施形態に係るプレイリスト作成装置の概略構成を示すブロック図である。
【図２】ユーザにより選択された基点となる楽曲データに基づいてプレイリストを生成する動作を示すフローチャートである。
【図３】未知楽曲データを入力した場合に楽曲遷移確率を用いたプレイリスト作成動作を示すフローチャートである。
【図４】クラスタ遷移モデルを利用したプレイリスト作成動作を示すフローチャートである。
【図５】ユーザ入力部における表示および入力イメージを示す図である。
【発明を実施するための形態】
【００３３】
以下、本発明の実施形態について図面を参照して説明する。図１は、本実施形態に係るプレイリスト作成装置の概略構成を示すブロック図である。このプレイリスト作成装置１０は、データベース１１、特徴量抽出部１２、モデル構築部１３、楽曲選択部１４、出力部１５、およびユーザ入力部１６から構成されている。データベース１１は、楽曲データと、音響的特徴量を抽出する特徴量抽出部１２によって得られた特徴量を格納する。
【００３４】
特徴量抽出部１２は、データベース１１に格納されている楽曲データから、その楽曲の特徴量を抽出する。特徴量としては、例えば、テンポ、リズム、音色、音圧、音量、音色、調性などの音響に基づくパラメータを特徴量として利用することができる。具体的な手法は、非特許文献３および４に記載されているツールを利用することができる。また、必ずしも前述した特徴量に限らず、それらを推定するために必要なパラメータを利用することができる。例えば、周波数解析で用いられたスペクトル情報や、帯域ごとのパワー値などがあげられる。なお、音響的な特徴のみに限らず、その他歌詞情報などからＴＦＩＤＦ等を用いることによって、楽曲に固有の特徴量を抽出して利用することもできる。また、特徴量抽出部１２は、必ずしも楽曲全体の特徴量を抽出必要はない。例えば、楽曲のサビ、Ａメロなどの構造単位で抽出することや、先頭、末尾区間等の特徴量を抽出することができる。また、単純に楽曲名、楽曲識別番号などを利用することも可能である。
【００３５】
モデル構築部１３は、学習データ、例えば、アルバムにおける楽曲の順序や既存プレイリストなどにおいて、楽曲に対し、特徴量抽出部１２によって得られた特徴量に基づいて、楽曲遷移モデルを構築する。例えば、学習データとして市販のアルバム内の楽曲の並び順から、楽曲間の遷移確率を算出することにより、公知のＮ−ｇｒａｍモデルを生成することなどが挙げられる。Ｎ−ｇｒａｍとは、以下の式により、Ｐ（ｗ１ｗ２…ｗｎ）の推定を行なうモデルである。
【００３６】
【数１】
本発明では、例えば、ある学習データ内で連続したｎ曲目〜（ｎ＋２）曲目の特徴ベクトルをそれぞれ、ｓ＿ｎ、ｓ＿（ｎ＋１）、ｓ＿（ｎ＋２）とすると、２−ｇｒａｍ、３−ｇｒａｍモデルは、次式にて表現することができる。
【００３７】
【数２】
ここで、Ｐ（ｓ＿ｎ）とは、学習データ内にｓ＿ｎが出現する確率を表し、
Ｐ（ｓ＿（ｎ＋１），ｓ＿ｎ）は、特徴量ｓ＿ｎ、と、ｓ＿（ｎ＋１）が連続して出現する確率を表している。
【００３８】
本モデルにおいて、Ｎ＝２，３，…等を用いることができる。
【００３９】
なお、上述のモデルでは、必ずしも同じ楽曲の組み合わせが複数存在するとは限らない。すなわち、特許文献５と同じ問題が存在する。しかし、楽曲単位でモデルを構築する必要はなく、事前に学習データ群に対し、クラスタリングを適用することで、楽曲間の遷移モデルの代わりに楽曲クラスタ間の遷移モデル等を利用することで改善できる。
【００４０】
例えば、以下のように表現することができる。
【００４１】
【数３】
ここで、Ｎ（Ｃｎ）ｈａ学習データ内に該当クラスタに所属する楽曲が現れる頻度として表される。クラスタリングはＫ−ｍｅａｎｓ法などを適用することができる。
【００４２】
このようなモデルにより、学習データに沿ったストーリ性を含有するプレイリストを生成することが可能となる。また、ユーザは起点となる楽曲を選択するだけでプレイリストを生成することができるため、メタ情報等が整備されていない場合に適応することができ、他者の情報を必要とすることもない。
【００４３】
また、次に来る楽曲特徴量を推定するだけでなく、ある特定の特徴量が与えられたときに、前の楽曲となる特徴量を推定することも可能であるため、ユーザは自由な再生順序位置に特定の楽曲を登録させたプレイリストを生成することができる。その際には、前述の式のすべてにおいてｎ＋１ ｎ＋２をｎ−１ ｎ−２に置き換えることで対応することが可能である。以下、ｎ＋１ ｎ＋２を用いたモデルを順連鎖モデル、ｎ−１ ｎ−２を用いたモデルを逆連鎖モデルと呼ぶ。
【００４４】
ユーザ入力部１６は、プレイリストを作成するために必要な楽曲およびパラメータを表示、入力することができる。例えば、再生順序の位置やプレイリスト内の楽曲総数などを指定することができる。また、自動生成されたプレイリストを修正することなども可能である。図５は、ユーザ入力部１６における表示および入力イメージを示している。
【００４５】
楽曲選択部１４は、モデル構築部１３によって構築された楽曲遷移モデルおよび、ユーザ入力部１６によって入力された情報に基づいて、データベース１１から楽曲データを抽出する。例えば、楽曲遷移モデルから得られた最大遷移確率を持つ楽曲データや、クラスタ遷移モデルから得られた遷移先クラスタから楽曲データを選択することができる。
【００４６】
また、クラスタ遷移モデルを利用している場合には、楽曲関係度を用いることで、遷移先のクラスタ内から楽曲を選択することができる。楽曲関係度とは、例えば、遷移先のクラスタ内に置いて、楽曲特徴量の類似度が高い楽曲を選択することや、メタ情報の類似性を計算することで計算することができる。
【００４７】
楽曲特徴量は、楽曲全体だけではなく、楽曲先頭・末尾区間や、楽曲の構造（Ａメロ、サビ）等ごとに抽出することができる。また、楽曲特徴量としては、音色、テンポ、リズム、テキスト等の特徴量を利用することなどができ、類似度計算等は、前記特徴量群を統合したものを比較することや、各項目の類似度計算をすることができる。出力部１５は、プレイリストを出力する。また、楽曲データを再生することもできる。
【００４８】
図２は、ユーザにより選択された基点となる楽曲データに基づいてプレイリストを生成する動作を示すフローチャートである。まず、ユーザにより、プレイリストを作成するために必要な楽曲データおよびパラメータが入力されると（ステップＳ１）、プレイリストにおける順位が、先頭であるか、中間であるか、または末尾であるかが判定される（ステップＳ２）。先頭であった場合は、順連鎖モデルによる楽曲の選択が行われる（ステップＳ３）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ４）、終了していない場合は、ステップＳ３へ遷移する。一方、ステップＳ４において、順連鎖モデルによる楽曲選択が終了した場合は、ステップＳ５へ遷移し、プレイリストが出力される（ステップＳ５）。
【００４９】
また、ステップＳ２において、プレイリストにおける順位が、末尾であった場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ６）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ７）、終了していない場合は、ステップＳ６へ遷移する。一方、ステップＳ７において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ５へ遷移し、プレイリストが出力される（ステップＳ５）。
【００５０】
また、ステップＳ２において、プレイリストにおける順位が、中間であった場合は、順連鎖モデルによる楽曲選択が行われる（ステップＳ８）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ９）、終了していない場合は、ステップＳ８へ遷移する。一方、ステップＳ９において、順連鎖モデルによる楽曲選択が終了した場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ１０）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ１１）、終了していない場合は、ステップＳ１０へ遷移する。一方、ステップＳ１１において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ５へ遷移し、プレイリストが出力される（ステップＳ５）。
【００５１】
なお、ステップＳ２において、プレイリストにおける順位が中間であった場合、順連鎖モデルおよび、逆連鎖モデルの順番は入れ替えることができる。例えば、順連鎖に関しては、基点となる位置から最終楽曲数までループさせ、逆連鎖に関しては開始点の楽曲までループさせることができる。
【００５２】
なお、図２のフローチャートは、ユーザが指定した楽曲があらかじめデータベース１１に存在している場合を表しているが、例えば、データベース１１に存在しない楽曲を入力することもできる。その場合には、ステップＳ２の前に特徴量抽出ステップを追加すればよい。
【００５３】
図３は、未知楽曲データを入力した場合に楽曲遷移確率を用いたプレイリスト作成動作を示すフローチャートである。まず、ユーザにより、プレイリストを作成するために必要な楽曲データ（未知の楽曲データ）およびパラメータが入力されると（ステップＳ２０）、その楽曲データの特徴量を抽出する（ステップＳ２１）。特徴量の抽出手法は、上記の手法を用いることができる。次に、プレイリストにおける順位が、先頭であるか、中間であるか、または末尾であるかが判定される（ステップＳ２２）。
【００５４】
ステップＳ２２において、先頭であった場合は、順連鎖モデルによる楽曲の選択が行われる（ステップＳ２３）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ２４）、終了していない場合は、ステップＳ２３へ遷移する。一方、ステップＳ２４において、順連鎖モデルによる楽曲選択が終了した場合は、ステップＳ２５へ遷移し、プレイリストが出力される（ステップＳ２５）。
【００５５】
また、ステップＳ２２において、プレイリストにおける順位が、末尾であった場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ２６）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ２７）、終了していない場合は、ステップＳ２６へ遷移する。一方、ステップＳ２７において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ２５へ遷移し、プレイリストが出力される（ステップＳ２５）。
【００５６】
また、ステップＳ２２において、プレイリストにおける順位が、中間であった場合は、順連鎖モデルによる楽曲選択が行われる（ステップＳ２８）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ２９）、終了していない場合は、ステップＳ２８へ遷移する。一方、ステップＳ２９において、順連鎖モデルによる楽曲選択が終了した場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ３０）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ３１）、終了していない場合は、ステップＳ３０へ遷移する。一方、ステップＳ３１において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ２５へ遷移し、プレイリストが出力される（ステップＳ２５）。
【００５７】
なお、ステップＳ２２において、プレイリストにおける順位が中間であった場合、順連鎖モデルおよび、逆連鎖モデルの順番は入れ替えることができる。例えば、順連鎖に関しては、基点となる位置から最終楽曲数までループさせ、逆連鎖に関しては開始点の楽曲までループさせることができる。
【００５８】
図４は、クラスタ遷移モデルを利用したプレイリスト作成動作を示すフローチャートである。まず、ユーザにより、プレイリストを作成するために必要な楽曲データおよびパラメータが入力されると（ステップＳ４０）、その楽曲データの特徴量を抽出する（ステップＳ４１）。特徴量の抽出手法は、上記の手法を用いることができる。次に、プレイリストにおける順位が、先頭であるか、中間であるか、または末尾であるかが判定される（ステップＳ４２）。
【００５９】
ステップＳ４２において、先頭であった場合は、順連鎖モデルによるクラスタの選択を行なう（ステップＳ４３）。次に、関係度（楽曲関係度）に基づく楽曲の選択を行なう（ステップＳ４４）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ４５）、終了していない場合は、ステップＳ４３へ遷移する。一方、ステップＳ４５において、関係度に基づく楽曲選択が終了した場合は、ステップＳ４６へ遷移し、プレイリストが出力される（ステップ４６）。
【００６０】
また、ステップＳ４２において、プレイリストにおける順位が、末尾であった場合は、逆連鎖モデルによるクラスタの選択を行なう（ステップＳ４７）。次に、関係度（楽曲関係度）に基づく楽曲の選択を行なう（ステップＳ４８）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ４９）、終了していない場合は、ステップＳ４７へ遷移する。一方、ステップＳ４９において、関係度に基づく楽曲選択が終了した場合は、ステップＳ４６へ遷移し、プレイリストが出力される（ステップＳ４６）。
【００６１】
また、ステップＳ４２において、プレイリストにおける順位が、中間であった場合は、順連鎖モデルによるクラスタの選択を行なう（ステップＳ５０）。次に、関係度（楽曲関係度）に基づく楽曲の選択を行なう（ステップＳ５１）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ５２）、終了していない場合は、ステップＳ５０へ遷移する。一方、ステップＳ５２において、関係度に基づく楽曲選択が終了した場合は、逆連鎖モデルによるクラスタの選択を行なう（ステップＳ５３）。次に、関係度に基づく楽曲選択を行なう（ステップＳ５４）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ５５）、終了していない場合は、ステップＳ５３へ遷移する。一方、ステップＳ５５において、関係度に基づく楽曲選択が終了した場合は、ステップＳ４６へ遷移し、プレイリストが出力される（ステップＳ４６）。
【００６２】
なお、ステップＳ４２において、プレイリストにおける順位が中間であった場合、順連鎖モデルおよび、逆連鎖モデルの順番は入れ替えることができる。例えば、順連鎖に関しては、基点となる位置から最終楽曲数までループさせ、逆連鎖に関しては開始点の楽曲までループさせることができる。
【００６３】
以上説明したように、本実施形態によれば、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【符号の説明】
【００６４】
１０ プレイリスト作成装置
１１ データベース
１２ 特徴量抽出部
１３ モデル構築部
１４ 楽曲選択部
１５ 出力部
１６ ユーザ入力部
【技術分野】
【０００１】
本発明は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラムに関する。
【背景技術】
【０００２】
従来から、例えば、特許文献１には、ユーザに対し、簡単且つ自動的にプレイリストを作成させるために、ユーザが指定したクエリ楽曲と対象楽曲のメタ情報に基づいて関連性の度合を計算し、コンテンツを利用した自動プレイリスト生成に関する技術が開示されている。具体的には、クエリ楽曲のメタ情報もしくはキーワードに対して、シソーラス辞書データベースから関連語（Ａ）を抽出し、（Ａ）に関連するメタデータを保持する楽曲をプレイリストに登録している。
【０００３】
また、特許文献２には、プレイリストを生成するために、選択された楽曲（クエリ）と、データベース内の楽曲情報（曲名、アーティスト名、アルバム名、ジャンル名など）と共通する楽曲を絞り込むことで、プレイリストを生成する、もしくは支援する技術が開示されている。
【０００４】
また、特許文献３には、プレイリスト検索において、データベース内のプレイリストと、該当プレイリストを再生順に見たときの楽曲推移を表すストーリ情報を関連付けて、ストーリ情報の類似度でプレイリストを検索する技術が開示されている。ここで、「ストーリ情報」とは、例えば、再生楽曲のジャンル情報の順番や、テンポ情報の順番などが例として挙げられている。
【０００５】
また、特許文献４には、協調フィルタリングを用いて、過去に生成されたプレイリストの中から生成時の聴取状況と聴取者の現在の聴取状況とが近いプレイリストを検索し、前記聴取者の現在の嗜好情報や聴取状況に適応して改変することが可能な技術が開示されている。ここで、「聴取状況」とはアノテーション収集に基づいたものであり、曲と歌詞からどのような情景を歌っているのか、どのような状況で聞きたいかという情報を利用している。
【０００６】
また、特許文献５には、ユーザが聞いたことのない楽曲をプレイリストに登録するために、既存のプレイリストにおける各楽曲間の順序関係度を算出し、前記楽曲間の順序関係度に基づいてプレイリストを自動生成する技術が開示されている。ここで、「順序関係」とは、既存の複数のプレイリストに共通して出現する特定の楽曲の組み合わせおよび順序に基づいて算出され、多く出現する楽曲順序の組み合わせを持つパターンを順序関係が強いと判断している。
【０００７】
さらに、非特許文献１および２では、楽曲の音響的特徴に基づいた音楽検索システムが開示されており、また、非特許文献３および４には、音響的特徴量を抽出するツールが開示されている。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開２００８−２１７２５４号公報
【特許文献２】特開２００８−１５８０４７号公報
【特許文献３】特開２００７−２８７２５６号公報
【特許文献４】特開２００６−２６８１００号公報
【特許文献５】特開２００３−１７８０８８号公報
【非特許文献】
【０００９】
【非特許文献１】K. Hoashi, et al: Feature space modification for content-based music retrieval based on user preferences, Proc. of ICASSP 2006, pp. 517-520, 2006.
【非特許文献２】Yoshii, K. Goto, M. Komatani, K. Ogata, T.and Okuno, H.: Improving Efficiency and Scal-ability of Model-based Music RecommenderSystem Based on Incremental Training, Proc.ISMIR , pp.89-94, Vienna, Sep. (2007).
【非特許文献３】jAudio: http://sourceforge.net/projects/jaudio/
【非特許文献４】MARSYAS：http://marsyas.sness.net/
【発明の概要】
【発明が解決しようとする課題】
【００１０】
しかしながら、特許文献１から３に開示されている技術では、プレイリスト生成に楽曲メタ情報を用いているが、メタ情報などが整備されていないデータベースでは適用が困難である。また、仮にメタ情報が付されていたとしても、その精度が問題となる場合もある。また、特許文献４では、既存のプレイリスト自体にアノテーションが付与されていなければ利用することができず、アノテーションが付与済みの多くのプレイリストを個人が収集することは困難である。また、特許文献５では、既存のプレイリストの順序関係を用いることで、アノテーション情報等を利用する必要はないものの、既存のプレイリスト収集や、前記収集したプレイリストに共通した楽曲順序の組み合わせが少数の場合や、存在しない場合には有効なプレイリストを生成することが困難である。
【００１１】
このように、従来技術では、音響的な特徴を考慮して、プレイリスト内の盛り上がり、ストーリ等を考慮すること、すなわち、再生順序を考慮したプレイリストを生成することが困難である。一方、従来技術では、音楽検索システムの結果を利用してプレイリストとすることで音響的な特徴を考慮したプレイリストを生成することができるものの、そうした場合、似たような音響特徴量をもつ楽曲によって構成されたプレイリストが作成されやすく、プレイリストのストーリ性を考慮しているとは言いがたい。
【００１２】
本発明は、このような事情に鑑みてなされたものであり、楽曲固有の特徴量を参酌してプレイリストを作成することによって、プレイリストにストーリ性を持たせることができるプレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１３】
（１）上記の目的を達成するために、本発明は、以下のような手段を講じた。すなわち、本発明のプレイリスト作成装置は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するモデル構築部と、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、前記リスト化された情報を表示する出力部と、を備えることを特徴としている。
【００１４】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００１５】
（２）また、本発明のプレイリスト作成装置は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するモデル構築部と、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、前記リスト化された情報を表示する出力部と、を備えることを特徴としている。
【００１６】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【００１７】
（３）また、本発明のプレイリスト作成装置において、前記楽曲選択部は、楽曲間の関係度を示す楽曲関係度に基づいて、各クラスタから楽曲データを選択することを特徴としている。
【００１８】
このように、楽曲間の関係度を示す楽曲関係度に基づいて、各クラスタから楽曲データを選択するので、クラスタ遷移モデルを用いる場合に、望ましい楽曲を選択することが可能となる。例えば、楽曲データの特徴量の類似度が高い楽曲を選択したり、メタ情報の類似性が高い楽曲を選択したりすることができる。
【００１９】
（４）また、本発明のプレイリスト作成装置において、前記楽曲選択部は、ユーザにより指定された楽曲およびその楽曲のプレイリスト内での順位に基づいて、前記データベースから複数の楽曲データを選択してリスト化することを特徴としている。
【００２０】
このように、ユーザにより指定された楽曲およびその楽曲のプレイリスト内での順位に基づいて、前記データベースから複数の楽曲データを選択してリスト化するので、ユーザは、プレイリストにおける起点を指定することができる。
【００２１】
（５）また、本発明の楽曲再生装置は、上記のいずれかに記載のプレイリスト作成装置を備え、前記作成されたリストに基づいて、楽曲データの再生を行なうことを特徴としている。
【００２２】
これにより、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００２３】
（６）また、本発明のプレイリスト作成方法は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、モデル構築部において、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するステップと、楽曲選択部において、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、出力部において、前記リスト化された情報を表示するステップと、を少なくとも含むことを特徴としている。
【００２４】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００２５】
（７）また、本発明のプレイリスト作成方法は、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、モデル構築部において、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するステップと、楽曲選択部において、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、出力部において、前記リスト化された情報を表示するステップと、を備えることを特徴としている。
【００２６】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【００２７】
（８）また、本発明のプレイリスト作成プログラムは、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成する処理と、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴としている。
【００２８】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。
【００２９】
（９）また、本発明のプレイリスト作成プログラムは、楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成する処理と、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴としている。
【００３０】
このように、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【発明の効果】
【００３１】
本発明によれば、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。
【図面の簡単な説明】
【００３２】
【図１】本実施形態に係るプレイリスト作成装置の概略構成を示すブロック図である。
【図２】ユーザにより選択された基点となる楽曲データに基づいてプレイリストを生成する動作を示すフローチャートである。
【図３】未知楽曲データを入力した場合に楽曲遷移確率を用いたプレイリスト作成動作を示すフローチャートである。
【図４】クラスタ遷移モデルを利用したプレイリスト作成動作を示すフローチャートである。
【図５】ユーザ入力部における表示および入力イメージを示す図である。
【発明を実施するための形態】
【００３３】
以下、本発明の実施形態について図面を参照して説明する。図１は、本実施形態に係るプレイリスト作成装置の概略構成を示すブロック図である。このプレイリスト作成装置１０は、データベース１１、特徴量抽出部１２、モデル構築部１３、楽曲選択部１４、出力部１５、およびユーザ入力部１６から構成されている。データベース１１は、楽曲データと、音響的特徴量を抽出する特徴量抽出部１２によって得られた特徴量を格納する。
【００３４】
特徴量抽出部１２は、データベース１１に格納されている楽曲データから、その楽曲の特徴量を抽出する。特徴量としては、例えば、テンポ、リズム、音色、音圧、音量、音色、調性などの音響に基づくパラメータを特徴量として利用することができる。具体的な手法は、非特許文献３および４に記載されているツールを利用することができる。また、必ずしも前述した特徴量に限らず、それらを推定するために必要なパラメータを利用することができる。例えば、周波数解析で用いられたスペクトル情報や、帯域ごとのパワー値などがあげられる。なお、音響的な特徴のみに限らず、その他歌詞情報などからＴＦＩＤＦ等を用いることによって、楽曲に固有の特徴量を抽出して利用することもできる。また、特徴量抽出部１２は、必ずしも楽曲全体の特徴量を抽出必要はない。例えば、楽曲のサビ、Ａメロなどの構造単位で抽出することや、先頭、末尾区間等の特徴量を抽出することができる。また、単純に楽曲名、楽曲識別番号などを利用することも可能である。
【００３５】
モデル構築部１３は、学習データ、例えば、アルバムにおける楽曲の順序や既存プレイリストなどにおいて、楽曲に対し、特徴量抽出部１２によって得られた特徴量に基づいて、楽曲遷移モデルを構築する。例えば、学習データとして市販のアルバム内の楽曲の並び順から、楽曲間の遷移確率を算出することにより、公知のＮ−ｇｒａｍモデルを生成することなどが挙げられる。Ｎ−ｇｒａｍとは、以下の式により、Ｐ（ｗ１ｗ２…ｗｎ）の推定を行なうモデルである。
【００３６】
【数１】
本発明では、例えば、ある学習データ内で連続したｎ曲目〜（ｎ＋２）曲目の特徴ベクトルをそれぞれ、ｓ＿ｎ、ｓ＿（ｎ＋１）、ｓ＿（ｎ＋２）とすると、２−ｇｒａｍ、３−ｇｒａｍモデルは、次式にて表現することができる。
【００３７】
【数２】
ここで、Ｐ（ｓ＿ｎ）とは、学習データ内にｓ＿ｎが出現する確率を表し、
Ｐ（ｓ＿（ｎ＋１），ｓ＿ｎ）は、特徴量ｓ＿ｎ、と、ｓ＿（ｎ＋１）が連続して出現する確率を表している。
【００３８】
本モデルにおいて、Ｎ＝２，３，…等を用いることができる。
【００３９】
なお、上述のモデルでは、必ずしも同じ楽曲の組み合わせが複数存在するとは限らない。すなわち、特許文献５と同じ問題が存在する。しかし、楽曲単位でモデルを構築する必要はなく、事前に学習データ群に対し、クラスタリングを適用することで、楽曲間の遷移モデルの代わりに楽曲クラスタ間の遷移モデル等を利用することで改善できる。
【００４０】
例えば、以下のように表現することができる。
【００４１】
【数３】
ここで、Ｎ（Ｃｎ）ｈａ学習データ内に該当クラスタに所属する楽曲が現れる頻度として表される。クラスタリングはＫ−ｍｅａｎｓ法などを適用することができる。
【００４２】
このようなモデルにより、学習データに沿ったストーリ性を含有するプレイリストを生成することが可能となる。また、ユーザは起点となる楽曲を選択するだけでプレイリストを生成することができるため、メタ情報等が整備されていない場合に適応することができ、他者の情報を必要とすることもない。
【００４３】
また、次に来る楽曲特徴量を推定するだけでなく、ある特定の特徴量が与えられたときに、前の楽曲となる特徴量を推定することも可能であるため、ユーザは自由な再生順序位置に特定の楽曲を登録させたプレイリストを生成することができる。その際には、前述の式のすべてにおいてｎ＋１ ｎ＋２をｎ−１ ｎ−２に置き換えることで対応することが可能である。以下、ｎ＋１ ｎ＋２を用いたモデルを順連鎖モデル、ｎ−１ ｎ−２を用いたモデルを逆連鎖モデルと呼ぶ。
【００４４】
ユーザ入力部１６は、プレイリストを作成するために必要な楽曲およびパラメータを表示、入力することができる。例えば、再生順序の位置やプレイリスト内の楽曲総数などを指定することができる。また、自動生成されたプレイリストを修正することなども可能である。図５は、ユーザ入力部１６における表示および入力イメージを示している。
【００４５】
楽曲選択部１４は、モデル構築部１３によって構築された楽曲遷移モデルおよび、ユーザ入力部１６によって入力された情報に基づいて、データベース１１から楽曲データを抽出する。例えば、楽曲遷移モデルから得られた最大遷移確率を持つ楽曲データや、クラスタ遷移モデルから得られた遷移先クラスタから楽曲データを選択することができる。
【００４６】
また、クラスタ遷移モデルを利用している場合には、楽曲関係度を用いることで、遷移先のクラスタ内から楽曲を選択することができる。楽曲関係度とは、例えば、遷移先のクラスタ内に置いて、楽曲特徴量の類似度が高い楽曲を選択することや、メタ情報の類似性を計算することで計算することができる。
【００４７】
楽曲特徴量は、楽曲全体だけではなく、楽曲先頭・末尾区間や、楽曲の構造（Ａメロ、サビ）等ごとに抽出することができる。また、楽曲特徴量としては、音色、テンポ、リズム、テキスト等の特徴量を利用することなどができ、類似度計算等は、前記特徴量群を統合したものを比較することや、各項目の類似度計算をすることができる。出力部１５は、プレイリストを出力する。また、楽曲データを再生することもできる。
【００４８】
図２は、ユーザにより選択された基点となる楽曲データに基づいてプレイリストを生成する動作を示すフローチャートである。まず、ユーザにより、プレイリストを作成するために必要な楽曲データおよびパラメータが入力されると（ステップＳ１）、プレイリストにおける順位が、先頭であるか、中間であるか、または末尾であるかが判定される（ステップＳ２）。先頭であった場合は、順連鎖モデルによる楽曲の選択が行われる（ステップＳ３）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ４）、終了していない場合は、ステップＳ３へ遷移する。一方、ステップＳ４において、順連鎖モデルによる楽曲選択が終了した場合は、ステップＳ５へ遷移し、プレイリストが出力される（ステップＳ５）。
【００４９】
また、ステップＳ２において、プレイリストにおける順位が、末尾であった場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ６）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ７）、終了していない場合は、ステップＳ６へ遷移する。一方、ステップＳ７において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ５へ遷移し、プレイリストが出力される（ステップＳ５）。
【００５０】
また、ステップＳ２において、プレイリストにおける順位が、中間であった場合は、順連鎖モデルによる楽曲選択が行われる（ステップＳ８）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ９）、終了していない場合は、ステップＳ８へ遷移する。一方、ステップＳ９において、順連鎖モデルによる楽曲選択が終了した場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ１０）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ１１）、終了していない場合は、ステップＳ１０へ遷移する。一方、ステップＳ１１において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ５へ遷移し、プレイリストが出力される（ステップＳ５）。
【００５１】
なお、ステップＳ２において、プレイリストにおける順位が中間であった場合、順連鎖モデルおよび、逆連鎖モデルの順番は入れ替えることができる。例えば、順連鎖に関しては、基点となる位置から最終楽曲数までループさせ、逆連鎖に関しては開始点の楽曲までループさせることができる。
【００５２】
なお、図２のフローチャートは、ユーザが指定した楽曲があらかじめデータベース１１に存在している場合を表しているが、例えば、データベース１１に存在しない楽曲を入力することもできる。その場合には、ステップＳ２の前に特徴量抽出ステップを追加すればよい。
【００５３】
図３は、未知楽曲データを入力した場合に楽曲遷移確率を用いたプレイリスト作成動作を示すフローチャートである。まず、ユーザにより、プレイリストを作成するために必要な楽曲データ（未知の楽曲データ）およびパラメータが入力されると（ステップＳ２０）、その楽曲データの特徴量を抽出する（ステップＳ２１）。特徴量の抽出手法は、上記の手法を用いることができる。次に、プレイリストにおける順位が、先頭であるか、中間であるか、または末尾であるかが判定される（ステップＳ２２）。
【００５４】
ステップＳ２２において、先頭であった場合は、順連鎖モデルによる楽曲の選択が行われる（ステップＳ２３）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ２４）、終了していない場合は、ステップＳ２３へ遷移する。一方、ステップＳ２４において、順連鎖モデルによる楽曲選択が終了した場合は、ステップＳ２５へ遷移し、プレイリストが出力される（ステップＳ２５）。
【００５５】
また、ステップＳ２２において、プレイリストにおける順位が、末尾であった場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ２６）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ２７）、終了していない場合は、ステップＳ２６へ遷移する。一方、ステップＳ２７において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ２５へ遷移し、プレイリストが出力される（ステップＳ２５）。
【００５６】
また、ステップＳ２２において、プレイリストにおける順位が、中間であった場合は、順連鎖モデルによる楽曲選択が行われる（ステップＳ２８）。そして、順連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ２９）、終了していない場合は、ステップＳ２８へ遷移する。一方、ステップＳ２９において、順連鎖モデルによる楽曲選択が終了した場合は、逆連鎖モデルによる楽曲の選択が行われる（ステップＳ３０）。そして、逆連鎖モデルによる楽曲選択が終了したかどうかを判断し（ステップＳ３１）、終了していない場合は、ステップＳ３０へ遷移する。一方、ステップＳ３１において、逆連鎖モデルによる楽曲選択が終了した場合は、ステップＳ２５へ遷移し、プレイリストが出力される（ステップＳ２５）。
【００５７】
なお、ステップＳ２２において、プレイリストにおける順位が中間であった場合、順連鎖モデルおよび、逆連鎖モデルの順番は入れ替えることができる。例えば、順連鎖に関しては、基点となる位置から最終楽曲数までループさせ、逆連鎖に関しては開始点の楽曲までループさせることができる。
【００５８】
図４は、クラスタ遷移モデルを利用したプレイリスト作成動作を示すフローチャートである。まず、ユーザにより、プレイリストを作成するために必要な楽曲データおよびパラメータが入力されると（ステップＳ４０）、その楽曲データの特徴量を抽出する（ステップＳ４１）。特徴量の抽出手法は、上記の手法を用いることができる。次に、プレイリストにおける順位が、先頭であるか、中間であるか、または末尾であるかが判定される（ステップＳ４２）。
【００５９】
ステップＳ４２において、先頭であった場合は、順連鎖モデルによるクラスタの選択を行なう（ステップＳ４３）。次に、関係度（楽曲関係度）に基づく楽曲の選択を行なう（ステップＳ４４）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ４５）、終了していない場合は、ステップＳ４３へ遷移する。一方、ステップＳ４５において、関係度に基づく楽曲選択が終了した場合は、ステップＳ４６へ遷移し、プレイリストが出力される（ステップ４６）。
【００６０】
また、ステップＳ４２において、プレイリストにおける順位が、末尾であった場合は、逆連鎖モデルによるクラスタの選択を行なう（ステップＳ４７）。次に、関係度（楽曲関係度）に基づく楽曲の選択を行なう（ステップＳ４８）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ４９）、終了していない場合は、ステップＳ４７へ遷移する。一方、ステップＳ４９において、関係度に基づく楽曲選択が終了した場合は、ステップＳ４６へ遷移し、プレイリストが出力される（ステップＳ４６）。
【００６１】
また、ステップＳ４２において、プレイリストにおける順位が、中間であった場合は、順連鎖モデルによるクラスタの選択を行なう（ステップＳ５０）。次に、関係度（楽曲関係度）に基づく楽曲の選択を行なう（ステップＳ５１）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ５２）、終了していない場合は、ステップＳ５０へ遷移する。一方、ステップＳ５２において、関係度に基づく楽曲選択が終了した場合は、逆連鎖モデルによるクラスタの選択を行なう（ステップＳ５３）。次に、関係度に基づく楽曲選択を行なう（ステップＳ５４）。そして、関係度に基づく楽曲選択が終了したかどうかを判断し（ステップＳ５５）、終了していない場合は、ステップＳ５３へ遷移する。一方、ステップＳ５５において、関係度に基づく楽曲選択が終了した場合は、ステップＳ４６へ遷移し、プレイリストが出力される（ステップＳ４６）。
【００６２】
なお、ステップＳ４２において、プレイリストにおける順位が中間であった場合、順連鎖モデルおよび、逆連鎖モデルの順番は入れ替えることができる。例えば、順連鎖に関しては、基点となる位置から最終楽曲数までループさせ、逆連鎖に関しては開始点の楽曲までループさせることができる。
【００６３】
以上説明したように、本実施形態によれば、特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成し、その楽曲遷移モデルと、ユーザによる入力情報とに基づいて、データベースから複数の楽曲データを選択してリスト化するので、メタ情報データが整備されていない状況においても、ストーリ性を持たせたプレイリストを作成することができる。また、楽曲固有の特徴量を統計的にモデル化するので、複数組の楽曲や、特定の楽曲を含む多くのサンプルを用いる必要がなく、利便性の高いプレイリストを提供することが可能となる。例えば、他人のプレイリストを収集するよりも、手元にあるアルバムの順序から統計モデルを構築することができるなどの利点がある。さらに、楽曲データをクラスタ化するので、同じ楽曲の組み合わせが複数存在しない場合の不都合を解消することが可能となる。
【符号の説明】
【００６４】
１０ プレイリスト作成装置
１１ データベース
１２ 特徴量抽出部
１３ モデル構築部
１４ 楽曲選択部
１５ 出力部
１６ ユーザ入力部
【特許請求の範囲】
【請求項１】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、
前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するモデル構築部と、
前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、
前記リスト化された情報を表示する出力部と、を備えることを特徴とするプレイリスト作成装置。
【請求項２】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、
前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するモデル構築部と、
前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、
前記リスト化された情報を表示する出力部と、を備えることを特徴とするプレイリスト作成装置。
【請求項３】
前記楽曲選択部は、楽曲間の関係度を示す楽曲関係度に基づいて、各クラスタから楽曲データを選択することを特徴とする請求項２記載のプレイリスト作成装置。
【請求項４】
前記楽曲選択部は、ユーザにより指定された楽曲およびその楽曲のプレイリスト内での順位に基づいて、前記データベースから複数の楽曲データを選択してリスト化することを特徴とする請求項１から請求項３のいずれかに記載のプレイリスト作成装置。
【請求項５】
請求項１から請求項４のいずれかに記載のプレイリスト作成装置を備え、前記作成されたリストに基づいて、楽曲データの再生を行なうことを特徴とする楽曲再生装置。
【請求項６】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、
特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、
モデル構築部において、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するステップと、
楽曲選択部において、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、
出力部において、前記リスト化された情報を表示するステップと、を少なくとも含むことを特徴とするプレイリスト作成方法。
【請求項７】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、
特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、
モデル構築部において、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するステップと、
楽曲選択部において、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、
出力部において、前記リスト化された情報を表示するステップと、を備えることを特徴とするプレイリスト作成方法。
【請求項８】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、
前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成する処理と、
前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、
前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴とするプレイリスト作成プログラム。
【請求項９】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、
前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成する処理と、
前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、
前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴とするプレイリスト作成プログラム。
【請求項１】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、
前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するモデル構築部と、
前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、
前記リスト化された情報を表示する出力部と、を備えることを特徴とするプレイリスト作成装置。
【請求項２】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成装置であって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する特徴量抽出部と、
前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するモデル構築部と、
前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する楽曲選択部と、
前記リスト化された情報を表示する出力部と、を備えることを特徴とするプレイリスト作成装置。
【請求項３】
前記楽曲選択部は、楽曲間の関係度を示す楽曲関係度に基づいて、各クラスタから楽曲データを選択することを特徴とする請求項２記載のプレイリスト作成装置。
【請求項４】
前記楽曲選択部は、ユーザにより指定された楽曲およびその楽曲のプレイリスト内での順位に基づいて、前記データベースから複数の楽曲データを選択してリスト化することを特徴とする請求項１から請求項３のいずれかに記載のプレイリスト作成装置。
【請求項５】
請求項１から請求項４のいずれかに記載のプレイリスト作成装置を備え、前記作成されたリストに基づいて、楽曲データの再生を行なうことを特徴とする楽曲再生装置。
【請求項６】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、
特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、
モデル構築部において、前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成するステップと、
楽曲選択部において、前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、
出力部において、前記リスト化された情報を表示するステップと、を少なくとも含むことを特徴とするプレイリスト作成方法。
【請求項７】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成方法であって、
特徴量抽出部において、データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出するステップと、
モデル構築部において、前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成するステップと、
楽曲選択部において、前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化するステップと、
出力部において、前記リスト化された情報を表示するステップと、を備えることを特徴とするプレイリスト作成方法。
【請求項８】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、
前記抽出された特徴量に基づいて、いずれか一つの楽曲データから再生順序が隣接する他の一つの楽曲データへ遷移するときの遷移確率を算出し、楽曲遷移モデルを作成する処理と、
前記作成された楽曲遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、
前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴とするプレイリスト作成プログラム。
【請求項９】
楽曲データの再生順序を定めたプレイリストを作成するプレイリスト作成プログラムであって、
データベースから楽曲データを読み出し、前記読み出した楽曲データから、複数種類の特徴量を抽出する処理と、
前記抽出された特徴量に基づいて、少なくとも一つの楽曲データからなる複数のクラスタを作成し、いずれか一つのクラスタから他の一つのクラスタへ遷移するときの遷移確率を算出し、クラスタ遷移モデルを作成する処理と、
前記作成されたクラスタ遷移モデルおよびユーザによる入力情報に基づいて、前記データベースから複数の楽曲データを選択してリスト化する処理と、
前記リスト化された情報を表示する処理と、を含む一連の処理を、コンピュータに対し読み取り可能および実行可能にコマンド化したことを特徴とするプレイリスト作成プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２０１０−１６４８２５（Ｐ２０１０−１６４８２５Ａ）
【公開日】平成２２年７月２９日（２０１０．７．２９）
【国際特許分類】
【出願番号】特願２００９−７７６５（Ｐ２００９−７７６５）
【出願日】平成２１年１月１６日（２００９．１．１６）
【出願人】（０００２０８８９１）ＫＤＤＩ株式会社 (2,700)
【Ｆターム（参考）】
【公開日】平成２２年７月２９日（２０１０．７．２９）
【国際特許分類】
【出願日】平成２１年１月１６日（２００９．１．１６）
【出願人】（０００２０８８９１）ＫＤＤＩ株式会社 (2,700)
【Ｆターム（参考）】
[ Back to top ]