特許ウォッチ

公開番号2025078119
公報種別公開特許公報(A)
公開日2025-05-20
出願番号2023190460
出願日2023-11-08
発明の名称情報処理システム、情報処理方法及びプログラム
出願人ヤマハ株式会社
代理人弁理士法人IPX
主分類G10L 21/007 20130101AFI20250513BHJP(楽器;音響)
要約【課題】ユーザの利便性を高められる、ユーザの声をユーザとは異なる別人の声に変換する情報処理システム、情報処理方法及びプログラムを提供する。
【解決手段】情報処理システムは、情報処理装置が、ユーザ(ユーザ端末)から、変換する別人の声の印象情報を受け付けるステップと、入力された印象情報に基づいて登録声を設定するステップと、ユーザの声の入力を受け付けるステップと、ユーザの声を設定された登録声に対応する声変換モデルに入力し、声変換モデルから出力された別人の声を送信するステップと、ユーザ端末が、別人の声を出力するステップと、を含む。
【選択図】図9
特許請求の範囲【請求項１】
ユーザの声を前記ユーザとは異なる別人の声に変換する情報処理システムであって、
次の各ステップがなされるようにプログラムを実行可能なプロセッサを備え、
受付ステップでは、前記ユーザが求める前記別人の声の印象を示す印象情報を受け付け、
設定ステップでは、予め用意された複数の登録声の中から、前記印象情報に対応する前記登録声を前記別人の声として設定する、情報処理システム。
続きを表示（約 1,600 文字）【請求項２】
請求項１に記載の情報処理システムにおいて、
前記設定ステップでは、前記印象情報から導かれる数値情報と同一又は類似のＩＤが付された前記登録声を前記別人の声として設定する、情報処理システム。
【請求項３】
請求項２に記載の情報処理システムにおいて、
前記設定ステップでは、前記印象情報の自然言語処理によるベクトル化によって前記数値情報を取得する、情報処理システム。
【請求項４】
請求項２に記載の情報処理システムにおいて、
さらに出力制御ステップでは、前記ユーザの声と、前記別人の声として設定された前記登録声の前記ＩＤとを声変換モデルに入力することで、前記登録声に変換された前記ユーザの声を出力させ、ここで、前記声変換モデルは、前記ＩＤ毎に、入力される声と前記登録声による発声との関係を機械学習したモデルである、情報処理システム。
【請求項５】
請求項４に記載の情報処理システムにおいて、
前記声変換モデルは、
複数の前記登録声にそれぞれ対応する複数のエンコーダと、
複数の前記登録声にそれぞれ対応する複数のデコーダと、
を含み、
前記エンコーダは、前記ユーザの声のデータを入力とし、中間特徴量を出力するように構成され、
前記デコーダは、前記中間特徴量を入力とし、前記ユーザの声が変換された前記登録声のデータを出力するように構成され、
前記出力制御ステップでは、前記ＩＤに基づいて、前記ユーザの声を入力する前記エンコーダと、前記中間特徴量を入力する前記デコーダとを選択する、情報処理システム。
【請求項６】
請求項２に記載の情報処理システムにおいて、
前記受付ステップでは、前記印象情報以外の、前記別人の声を指定する指定情報を受け付け、
前記設定ステップでは、前記指定情報と同一又は類似のＩＤが付された前記登録声を前記別人の声として設定する、情報処理システム。
【請求項７】
請求項１に記載の情報処理システムにおいて、
前記受付ステップでは、さらに、前記ユーザの声のピッチを受け付け、
前記設定ステップでは、複数の前記登録声の中から、前記印象情報と前記ユーザの声のピッチとに対応する前記登録声を前記別人の声として設定する、情報処理システム。
【請求項８】
請求項１に記載の情報処理システムにおいて、
コンピュータ及びオーディオインタフェースの少なくとも一方を備える、情報処理システム。
【請求項９】
ユーザの声を前記ユーザとは異なる別人の声に変換する情報処理システムであって、
次の各ステップがなされるようにプログラムを実行可能なプロセッサを備え、
重畳ステップでは、前記ユーザの声が声変換モデルによって変換された前記別人の声に対する、前記声変換モデルに入力されていない前記ユーザの声の重畳割合を決定し、
出力制御ステップでは、前記重畳割合に基づいて前記別人の声と前記ユーザの声とが重畳された声を出力させる、情報処理システム。
【請求項１０】
請求項９に記載の情報処理システムにおいて、
さらに信号処理ステップでは、前記ユーザの声を信号処理によって変換し、
前記重畳ステップでは、前記重畳割合として、前記別人の声に対する、前記信号処理によって変換された前記ユーザの声の重畳割合を決定し、
前記出力制御ステップでは、前記重畳割合に基づいて前記別人の声と前記信号処理によって変換された前記ユーザの声とが重畳された声を出力させる、情報処理システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理システム、情報処理方法及びプログラムに関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
下記の文献に開示されるように、入力されたユーザの声（音声データ）を別人の声に変換処理する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－０３３２６０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、上記技術には、ユーザの利便性に関して、未だ改善の余地がある。
【０００５】
本発明では上記事情に鑑み、ユーザの利便性を高められる技術を提供することとした。
【課題を解決するための手段】
【０００６】
本発明の一態様によれば、ユーザの声をユーザとは異なる別人の声に変換する情報処理システムが提供される。この情報処理システムでは、次の各ステップがなされるようにプログラムを実行可能なプロセッサを備える。受付ステップでは、ユーザが求める別人の声の印象を示す印象情報を受け付ける。設定ステップでは、予め用意された複数の登録声の中から、印象情報に対応する登録声を別人の声として設定する。
【０００７】
本開示によれば、ユーザの利便性を高められる。
【図面の簡単な説明】
【０００８】
情報処理システム１を表す構成図である。
情報処理装置２のハードウェア構成を示すブロック図である。
ユーザ端末３のハードウェア構成を示すブロック図である。
情報処理装置２（プロセッサ２３）によって実現される機能を示すブロック図である。
声変換モデルＭ１の構成の一例を示すブロック図である。
遅延時間の許容量（遅延許容量）と、重畳割合との関係の一例を示す図である。
発音明瞭度と、重畳割合との関係の一例を示す図である。
ユーザの声ＵＶにおける発音開始部分ＳＰの一例を示す図である。
第１情報処理方法の流れを示すアクティビティ図である。
ユーザ端末３に表示される印象情報の入力画面ＩＳの一例を示す図である。
第２情報処理方法の流れを示すアクティビティ図である。
【発明を実施するための形態】
【０００９】
以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。
【００１０】
ところで、本実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体（Ｎｏｎ－ＴｒａｎｓｉｔｏｒｙＣｏｍｐｕｔｅｒ－ＲｅａｄａｂｌｅＭｅｄｉｕｍ）として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現（いわゆるクラウドコンピューティング）するように提供されてもよい。
（【００１１】以降は省略されています）

関連特許