JP5935503B2 - 楽曲解析装置および楽曲解析方法 - Google Patents

Description

本発明は、利用者が指定した複数の音符の時系列（以下「指定音符列」という）と楽曲との相関を解析する技術に関する。

指定音符列を包含する楽曲を複数の楽曲（以下「参照楽曲」という）から検索する技術が従来から提案されている。例えば非特許文献１には、指定音符列と参照楽曲内の音符列（以下「参照音符列」という）との編集距離（レーベンシュタイン距離）を指定音符列と参照音符列との間の類似度として参照楽曲毎に算定し、指定音符列に相関する参照楽曲（すなわち利用者が意図した楽曲）を各参照楽曲の類似度に応じて検索する技術が開示されている。

K. Lemstrom and E. Ukkonen, "Including Interval Encoding into Edit Distance Based Music Comparison and Retrieval", Proc.AISB. 2000

指定音符列の各音符は、例えば電子楽器の各操作子を利用者が操作することで順次に指定される。電子楽器の複数の操作子を並列に操作することで和音を指定音符列として指定することも可能である。しかし、利用者が複数の操作子を同時に操作したつもりでも実際には各操作子の操作の時点は相違するから、利用者が同じ和音を指定した場合でも指定音符列では和音の各構成音の順序が相違する可能性がある。例えば、利用者が「ドミソ」の和音を指定したつもりでも、実際には「ドソミ」や「ミドソ」や「ソドミ」等の様々な音符列が指定音符列として設定され得る。したがって、利用者が指定する各音符の順序の誤差が、指定音符列と参照音符列との類似度の解析結果に影響するという問題がある。なお、以上の説明では和音の構成音の順序が変化する場合に着目したが、利用者の操作ミス等を原因として各音符の順序が変化する可能性もある。以上の事情を考慮して、本発明は、指定音符列の各音符の順序の相違に対して頑健に指定音符列と参照音符列との相関（類似度）を解析することを目的とする。

以上の課題を解決するために本発明が採用する手段を説明する。なお、本発明の理解を容易にするために、以下の説明では、本発明の各要素と後述の各実施形態の要素との対応を括弧書で付記するが、本発明の範囲を実施形態の例示に限定する趣旨ではない。

本発明の第１態様に係る楽曲解析装置は、利用者が指定した指定音符列（例えば指定音符列ＳQ）と参照楽曲の参照音符列（例えば参照音符列ＳR）との間の編集距離（例えば編集距離Ｅ）に応じた第１類似指標値（例えば類似指標値Ｘ[n]）を算定する第１解析手段（例えば第１解析部２２）を具備し、第１解析手段は、指定音符列内の第１音符（例えば音符ν[m1]）と参照音符列内の第２音符（例えば音符ν[m2]）との間の置換コスト（例えば置換コストγ）を、第１音符および第２音符の一方が、第１音符および第２音符の他方を包含する許容区間（例えば許容区間α[m1]または許容区間α[m2]）内の複数の音符の何れかに一致する場合に第１値（例えば０）に設定し、許容区間内の複数の音符の何れにも一致しない場合に第１値を上回る第２値（例えば１）に設定して編集距離を算定する。以上の構成では、第１音符および第２音符の一方と第１音符および第２音符の他方を包含する許容区間内の複数の音符との異同に応じて第１音符と第２音符との間の置換コストが設定されるから、指定音符列内の各音符の順序の相違に対して頑健に指定音符列と参照音符列との相関（類似度）を解析することが可能である。

第１態様に係る楽曲解析装置の好適例（例えば後述の第３実施形態）において、第１解析手段は、第１音符を包含する許容区間（例えば許容区間α[m1]）を指定音符列内に設定した場合の編集距離（例えば編集距離ＥQ）と、第２音符を包含する許容区間（例えば許容区間α[m2]）を参照音符列内に設定した場合の編集距離（例えば編集距離ＥR）とに応じて第１類似指標値を算定する。以上の態様によれば、指定音符列内に許容区間を設定した場合の編集距離と参照音符列内に許容区間を設定した場合の編集距離とに応じて第１類似指標値が算定されるから、指定音符列に許容区間を設定した場合と参照音符列に許容区間を設定した場合との編集距離の相違の影響を低減して高精度に指定音符列と参照音符列との相関を評価できるという利点がある。

第１態様に係る楽曲解析装置の好適例において、第１解析手段は、参照音符列に対する指定音符列の時間軸上の位置を相違させた複数の場合の各々について指定音符列と参照音符列との間の編集距離に応じた基礎値（例えば基礎値ｘ[b]）を算定し、参照音符列と指定音符列との間の最大の類似を示す基礎値を第１類似指標値として選択する。以上の態様では、参照音符列に対する指定音符列の位置を相違させて算定された複数の基礎値のうち最大の類似を示す基礎値が第１類似指標値として選択されるから、指定音符列が参照音符列の特定の部分のみに対応する場合でも、指定音符列と参照音符列との相関を適切に評価できるという利点がある。

ところで、非特許文献１の技術のように音符列間の編集距離のみを利用する構成では、音符列間の相関の解析精度に限界がある。そこで、本発明の第２態様に係る楽曲解析装置は、利用者が指定した指定音符列と参照楽曲の参照音符列との間の編集距離に応じた第１類似指標値を算定する第１解析手段と、指定音符列を時間軸上で区分した複数の単位区間の各々について、当該単位区間内で一のピッチクラスに対応する各音符の継続長の合計値と当該単位区間内の各音符の継続長の合計値との比を複数のピッチクラスについて配列した継続長特徴量（例えば継続長特徴量ＴQ）を算定する特徴量算定手段と、指定音符列の各単位区間の継続長特徴量と参照音符列の各単位区間の継続長特徴量（例えば継続長特徴量ＴR）との対比で第２類似指標値（例えば類似指標値Ｙ[n]）を算定する第２解析手段（例えば第２解析部３４）と、第１解析手段が算定した第１類似指標値と第２解析手段が算定した第２類似指標値とに応じた第３類似指標値（例えば類似指標値Ｚ[n]）を算定する指標算定手段（例えば指標算定部３６）とを具備する。以上の態様では、指定音符列と参照音符列との間の編集距離に応じた第１類似指標値に加えて、単位区間内の共通のピッチクラスの各音符の継続長の合計値と単位区間内の複数の音符の継続長の合計値との比をピッチクラス毎に配列した継続長特徴量に応じた第２類似指標値を反映した第３類似指標値が算定される。したがって、編集距離のみを利用する構成と比較して指定音符列と参照音符列との間の相関を高精度に評価できるという利点がある。

第１態様の好適例に係る楽曲解析装置は、複数の候補楽曲から複数の参照楽曲を選択する楽曲選択手段（例えば楽曲選択部４２）を具備し、第１解析手段は、楽曲解析手段が選択した複数の参照楽曲の各々について第１類似指標値を算定する。以上の構成では、複数の候補楽曲のうち楽曲選択手段が選択した複数の参照楽曲の各々について第１解析手段が第１類似指標値を算定するから、複数の候補楽曲の全部について第１類似指標値を算定する構成と比較して第１解析手段の処理負荷の軽減や処理時間の短縮が実現される。なお、第２態様の好適例に係る楽曲解析装置においても同様に、楽曲解析手段が選択した複数の参照楽曲の各々について第２解析手段が第２類似指標値を算定する構成が好適である。

第１態様または第２態様に係る楽曲解析装置は、楽曲解析に専用されるＤＳＰ（Digital Signal Processor）などのハードウェア（電子回路）によって実現されるほか、ＣＰＵ（Central Processing Unit）などの汎用の演算処理装置とプログラムとの協働によっても実現される。本発明の第１態様に係るプログラムは、利用者が指定した指定音符列と参照楽曲の参照音符列との間の編集距離に応じた第１類似指標値を算定する処理であって、指定音符列内の第１音符と参照音符列内の第２音符との間の置換コストを、第１音符および第２音符の一方が、第１音符および第２音符の他方を包含する許容区間内の複数の音符の何れかに一致する場合に第１値に設定し、許容区間内の複数の音符の何れにも一致しない場合に第１値を上回る第２値に設定して編集距離を算定する第１解析処理をコンピュータに実行させる。以上のプログラムによれば、本発明の第１態様に係る楽曲解析装置と同様の作用および効果が実現される。

第２態様に係るプログラムは、利用者が指定した指定音符列と参照楽曲の参照音符列との間の編集距離に応じた第１類似指標値を算定する第１解析処理と、指定音符列を時間軸上で区分した複数の単位区間の各々について、当該単位区間内で一のピッチクラスに対応する各音符の継続長の合計値と当該単位区間内の各音符の継続長の合計値との比を複数のピッチクラスについて配列した継続長特徴量を算定する特徴量算定処理と、指定音符列の各単位区間の継続長特徴量と参照音符列の各単位区間の継続長特徴量との対比で第２類似指標値を算定する第２解析処理と、第１解析処理で算定した第１類似指標値と第２解析処理で算定した第２類似指標値とに応じた第３類似指標値を算定する指標算定処理とをコンピュータに実行させる。以上のプログラムによれば、以上のプログラムによれば、本発明の第２態様に係る楽曲解析装置と同様の作用および効果が実現される。

なお、本発明の各態様に係るプログラムは、コンピュータが読取可能な記録媒体に格納された形態で提供されてコンピュータにインストールされるほか、通信網を介した配信の形態で提供されてコンピュータにインストールされる。

本発明の第１実施形態に係る楽曲解析装置のブロック図である。 第１解析部の動作の説明図である。 距離行列の説明図である。 対比例における距離行列内の各距離の説明図である。 対比例における距離行列の具体例である。 第１実施形態における距離行列内の各距離の説明図である。 第１実施形態における距離行列の具体例である。 解析結果の表示例である。 第２実施形態における距離行列内の各距離の説明図である。 第２実施形態における距離行列の具体例である。 第４実施形態に係る楽曲解析装置のブロック図である。 継続長特徴量の説明図である。 第２解析部の動作の説明図である。 各実施形態の効果の説明図である。 第５実施形態に係る楽曲解析装置のブロック図である。

＜第１実施形態＞
図１は、本発明の第１実施形態に係る楽曲解析装置１００Aのブロック図である。第１実施形態の楽曲解析装置１００Aは、利用者が指定した複数の音符の時系列（指定音符列）と事前に用意された複数の参照楽曲の各々との音楽的な相関を評価する信号処理装置であり、指定音符列に類似または合致する区間を含む楽曲を複数の参照楽曲から検索するための楽曲検索装置として好適に使用される。図１に示すように、楽曲解析装置１００Aは、演算処理装置１２と記憶装置１４と表示装置１６と入力装置１８とを具備するコンピュータシステムで実現される。

記憶装置１４は、演算処理装置１２が実行するプログラムＰGMや演算処理装置１２が使用する各種の情報を記憶する。半導体記録媒体や磁気記録媒体等の公知の記録媒体や複数種の記録媒体の組合せが記憶装置１４として任意に採用され得る。

第１実施形態の記憶装置１４は、相異なるＮ個の参照楽曲の各々について属性情報ＤNと参照音符列ＳRとを記憶する。属性情報ＤNは、参照楽曲の識別符号（例えば楽曲名）や参照楽曲の演奏テンポ等を指定する。参照音符列ＳRは、参照楽曲の少なくとも一部を構成する複数の音符の時系列である。例えば、参照楽曲の各音符の音高を指定して発音／消音を指示するイベントデータと各イベントデータの処理時点を指定するタイミングデータとを時系列に配列したＭＩＤＩ（Musical Instrument Digital Interface）形式の時系列データとして参照音符列ＳRは記述される。

表示装置１６（例えば液晶表示パネル）は、演算処理装置１２による解析結果を表示する。入力装置１８は、利用者からの指示を受付ける。具体的には、入力装置１８は、指定音符列ＳQを構成する複数の音符の指示を利用者から受付ける。例えばＭＩＤＩ楽器等の電子楽器が入力装置１８として好適に利用される。したがって、参照音符列ＳRと同様にＭＩＤＩ形式の時系列データとして指定音符列ＳQは記述される。なお、参照音符列ＳRおよび指定音符列ＳQの表記のように、参照音符列ＳRに関連する要素の符号には添字Ｒ（Reference）を付記し、指定音符列ＳQに関連する要素の符号には添字Ｑ（Query）を付記する場合がある。

参照音符列ＳRおよび指定音符列ＳQの各々は、和音を構成する複数の音符や相異なる演奏パートに対応する複数の音符が並列に発音される複音楽曲（ポリフォニック）の音符列である。相互に並列に発音される複数の音符の各々はＭＩＤＩ形式の時系列データ内で音符毎に順番に指定される。したがって、利用者が指定した和音を構成する各音符が指定音符列ＳQにて指定される順番は、入力装置１８に対する利用者からの操作（各音符を指定する時点の微妙な相違）に応じて変化し得る。例えば、利用者が「ドミソ」の和音を指定したつもりでも、和音を構成する各音符は、指定音符列ＳQ内では「ドソミ」や「ミドソ」や「ソドミ」等の様々な順番で配列し得る。なお、参照音符列ＳRおよび指定音符列ＳQを単音楽曲（モノフォニック）の音符列とすることも可能である。

演算処理装置１２は、記憶装置１４に格納されたプログラムＰGMを実行することで、指定音符列ＳQとＮ個の参照楽曲の各々の参照音符列ＳRとの相関（類似または相違の度合）を解析して解析結果を利用者に提示するための複数の機能（第１解析部２２，表示制御部２４）を実現する。なお、演算処理装置１２の機能を複数の装置に分散した構成や、演算処理装置１２の機能の一部を専用の電子回路（ＤＳＰ）が実現する構成も採用され得る。

第１解析部２２は、指定音符列ＳQと各参照楽曲の参照音符列ＳRとを対比することでＮ個の参照楽曲の各々について類似指標値Ｘ[n]（Ｘ[1]〜Ｘ[N]）を算定する（ｎ＝１〜Ｎ）。類似指標値Ｘ[n]は、利用者が指定した指定音符列ＳQと第ｎ番目の参照楽曲の参照音符列ＳRとが相互に類似する度合（指定音符列ＳQが参照楽曲の一部に該当する確度）の指標である。

図２は、第１解析部２２の処理の説明図である。図２に示すように、指定音符列ＳQおよび参照音符列ＳRの各々は時間軸上で複数の単位区間Ｆに区分される。単位区間Ｆは、例えば楽曲の１小節に相当する時間長に設定される。具体的には、参照楽曲の属性情報ＤNが指定する演奏テンポに応じた１小節分が参照音符列ＳRの１個の単位区間Ｆとして画定され、入力装置１８に対する操作で利用者が指示した演奏テンポに応じた１小節分が指定音符列ＳQの１個の単位区間Ｆとして画定される。演奏テンポが指定されていない場合、所定の演奏テンポおよび所定の拍子のもとで１小節に相当する区間が単位区間Ｆに設定される。例えば演奏テンポを１２０ＢＰＭ（Beats Per Minute）と仮定して拍子を４/４拍子と仮定した場合には単位区間Ｆは２秒に設定される。以下の説明では、指定音符列ＳQがＫ個（Ｋは２以上の自然数）の単位区間Ｆで構成され、参照音符列ＳRがＫ個を上回る個数の単位区間Ｆで構成される場合を想定する。なお、指定音符列ＳQが参照音符列ＳRよりも長い場合、指定音符列ＳQの末尾側の区間を削除することで参照音符列ＳRと同等の長さ（単位区間Ｆの個数）に調整してから以下の処理を実行することが可能である。

第１解析部２２は、図２に示すように、参照音符列ＳRに対する指定音符列ＳQの時間軸上の位置を相違させた複数（Ｂ回）の場合の各々について基礎値ｘ[b]（ｘ[1]〜ｘ[B]）を算定する（ｂ＝１〜Ｂ）。第１実施形態では、指定音符列ＳQを参照音符列ＳRに対して単位区間Ｆの１個分ずつ移動（シフト）した各場合について基礎値ｘ[b]が算定される。すなわち、第１解析部２２は、指定音符列ＳQの位置を相違させた各場合について参照音符列ＳRのうち指定音符列ＳQに対応する対象区間σ[b]（Ｋ個の単位区間Ｆの集合）を順次に選択し、指定音符列ＳQと対象区間σ[b]とを比較することで基礎値ｘ[b]を算定する。第１解析部２２は、参照音符列ＳR内の相異なる対象区間σ[b]に対応するＢ個の基礎値ｘ[1]〜ｘ[B]に応じて類似指標値Ｘ[n]を算定する。具体的には、Ｂ個の基礎値ｘ[1]〜ｘ[B]のなかの最大値（すなわち参照音符列ＳRと指定音符列ＳQとの間の最大の類似を示す数値）が類似指標値Ｘ[n]として選択される。

第１実施形態の第１解析部２２は、指定音符列ＳQと参照音符列ＳRの対象区間σ[b]との間で相互に対応する単位区間Ｆ毎に類似度Ｖ[k]（Ｖ[1]〜Ｖ[K]）を算定する（ｋ＝１〜Ｋ）。具体的には、指定音符列ＳQおよび参照音符列ＳRの各々を各音符に対応する文字の時系列（文字列）と看做し、第１解析部２２は、指定音符列ＳQ内の第ｋ番目の単位区間Ｆと対象区間σ[b]内の第ｋ番目の単位区間Ｆとの間の編集距離（レーベンシュタイン距離）に応じて類似度Ｖ[k]を算定する。第１解析部２２は、参照音符列ＳR内の１個の対象区間σ[b]の相異なる単位区間Ｆについて算定したＫ個の類似度Ｖ[1]〜Ｖ[K]から基礎値ｘ[b]を算定する。例えばＫ個の類似度Ｖ[1]〜Ｖ[K]の平均値や最大値が基礎値ｘ[b]として算定される。

指定音符列ＳQと参照音符列ＳRとの間の編集距離は、１文字に相当する音符の削除，挿入または置換の操作で指定音符列ＳQおよび参照音符列ＳRの一方を他方に変形するために必要な操作の最小回数を意味する。以下の説明では、指定音符列ＳQの第ｋ番目の単位区間ＦがＭ1個の音符で構成され、参照音符列ＳRの対象区間σ[b]のうち第ｋ番目の単位区間ＦがＭ2個の音符で構成される場合を想定して両者間の編集距離Ｅを説明する。編集距離Ｅの算定には、例えば動的計画法（Dynamic Programming）を利用した以下の方法が好適に採用される。なお、以下の説明では、便宜的に、文字列間の一般的な編集距離の算定を音符列間に適用した場合（以下「対比例」という）を説明したうえで、第１実施形態の編集距離Ｅの算定を説明する。

図３の距離行列（コスト行列）Ｃを想定する。距離行列Ｃは、距離ｃ[m1,m2]を要素とする(Ｍ1＋１)行×(Ｍ2＋１)列の行列である（ｍ1＝０〜Ｍ1，ｍ2＝０〜Ｍ2）。図３に示すように、距離行列Ｃの第ｍ1行は、指定音符列ＳQのうち第ｋ番目の単位区間Ｆ内の第ｍ1番目の音符ν[m1]に対応し、距離行列Ｃの第ｍ2列は、参照音符列ＳRの対象区間σ[b]のうち第ｋ番目の単位区間Ｆ内の第ｍ2番目の音符ν[m2]に対応する。第１解析部２２は、第０行第０列の距離ｃ[0,0]を０に設定し、以下の数式(1)の演算で距離行列Ｃの各距離ｃ[m1,m2]を算定する。

数式(1)の記号min{ }は、括弧内の複数の数値の最小値を選択する演算を意味する。図４に矢印Ａ1で示すように、数式(1)の数値｛ｃ[m1,m2-1]＋１｝は、参照音符列ＳR内の音符ν[m2]を指定音符列ＳQに挿入する手順（挿入コスト）の増加を意味する。また、図４に矢印Ａ2で示すように、数式(1)の数値｛ｃ[m1-1,m2]＋１｝は、指定音符列ＳQ内の音符ν[m1]を削除する手順（削除コスト）の増加を意味する。

数式(1)の数値｛ｃ[m1-1,m2-1]＋γ｝は、図４に矢印Ａ3で示すように、指定音符列ＳQ内の音符ν[m1]を参照音符列ＳR内の音符ν[m2]に置換する手順の増加を意味する。すなわち、数式(1)の記号γは、指定音符列ＳQ内の音符ν[m1]を参照音符列ＳR内の音符ν[m2]に置換する手順の増加分（以下「置換コスト」という）に相当する。対比例では、指定音符列ＳQ内の音符ν[m1]と参照音符列ＳR内の音符ν[m2]とが一致する場合に置換コストγが０に設定され、音符ν[m1]と音符ν[m2]とが一致しない場合に置換コストγが１に設定される。図５には、指定音符列ＳQ（ＳQ＝｛Ｃ，Ｅ，Ｇ，Ｄ，Ｆ，Ｃ，Ｅ｝，Ｍ1＝７）と参照音符列ＳR（ＳR＝｛Ｃ，Ｇ，Ｆ，Ｅ，Ｄ，Ｃ，Ｄ，Ｃ｝，Ｍ2＝８）との間の距離行列Ｃが例示されている。以上の処理で距離行列Ｃの各距離ｃ[m1,m2]が算定され、第Ｍ1行第Ｍ2列の距離ｃ[M1,M2]が編集距離Ｅとして選択される。図５の例示では編集距離Ｅは６である。

ところで、前述の通り、指定音符列ＳQを構成する各音符の順番は、例えば和音の各音符を指定する時点の微妙な相違や利用者による演奏ミス等に起因して変動し得る。指定音符列ＳQ内で以上のように発生し得る音符の順序の変動を補償して、利用者が実際に意図した楽曲と各参照楽曲との相関を高精度に評価するために、第１実施形態では、指定音符列ＳQ内で相前後する各音符の順序の入替を許容して編集距離Ｅを算定する。

第１実施形態の第１解析部２２は、前述の数式(1)の演算で距離行列Ｃの各距離ｃ[m1,m2]を算定する。距離ｃ[m1,m2]の算定に適用される挿入コストや削除コストは前述の対比例と同様であるが、置換コストγの算定の方法が対比例とは相違する。図６は、第１実施形態の第１解析部２２が距離行列Ｃの距離ｃ[m1,m2]の算定（数式(1)）に適用する置換コストγの説明図である。

図６に示すように、第１解析部２２は、指定音符列ＳQの音符ν[m1]を包含する許容区間（マージン）α[m1]を指定音符列ＳQ内に設定する。図６では、直前の音符ν[m1-1]と音符ν[m1]と直後の音符ν[m1+1]とを含む音符３個分の許容区間α[m1]を設定した場合が例示されている。第１解析部２２は、指定音符列ＳQ内の音符ν[m1]と参照音符列ＳR内の音符ν[m2]とに対応する距離ｃ[m1,m2]の算定に適用される置換コストγを、指定音符列ＳQの許容区間α[m1]内の３個の音符（ν[m1-1]，ν[m1]，ν[m1+1]）の何れかに参照音符列ＳR内の音符ν[m2]が一致する場合に０（第１値）に設定し、参照音符列ＳR内の音符ν[m2]が許容区間α[m1]内の何れの音符にも一致しない場合に１（第２値）に設定する。したがって、指定音符列ＳQ内の各音符の配列が、参照音符列ＳR内で相前後する各音符を入替えた配列に相当する場合には、距離ｃ[m1,m2]の増加（手順の増加）は発生しない。

図７は、図５と同様の指定音符列ＳQおよび参照音符列ＳRを対象とした場合に第１実施形態の第１解析部２２が算定する距離行列Ｃである。第１実施形態では指定音符列ＳQ内で相前後する各音符の入替えが許容されるから、図７に示すように、第１実施形態で算定される編集距離Ｅ（Ｅ＝２）は、対比例の編集距離Ｅ（Ｅ＝６）と比較して小さい数値となる。

第１解析部２２は、以上に説明した演算で距離行列Ｃの各距離ｃ[m1,m2]を算定し、第Ｍ1行第Ｍ2列の距離ｃ[M1,M2]を、指定音符列ＳQの第ｋ番目の単位区間Ｆと参照音符列ＳRの対象区間σ[b]のうち第ｋ番目の単位区間Ｆとの間の編集距離Ｅとして選択する。以上の説明から理解されるように、指定音符列ＳQと参照音符列ＳRとで各音符の配列が類似するほど編集距離Ｅは小さい数値となる。

第１解析部２２は、指定音符列ＳQと参照音符列ＳRとの間で第ｋ番目の単位区間Ｆについて算定した編集距離Ｅに応じて類似度Ｖ[k]を算定する。具体的には、第１解析部２２は、以下の数式(2)の演算で類似度Ｖ[k]を算定する。

数式(2)の記号Ｅmaxは、指定音符列ＳQの第ｋ番目の単位区間Ｆ内の音符数Ｍ1および参照音符列ＳRの対象区間σ[b]のうち第ｋ番目の単位区間Ｆ内の音符数Ｍ2の大きい方（指定音符列ＳQおよび参照音符列ＳRの一方を他方に変形する最大手順）を意味する。数式(2)から理解されるように、編集距離Ｅが小さい（指定音符列ＳQと参照音符列ＳRとで音符の配列が類似する）ほど類似度Ｖ[k]は大きい数値となる。図２を参照して前述した通り、第１解析部２２は、対象区間σ[b]の各単位区間Ｆに対応するＫ個の類似度Ｖ[1]〜Ｖ[K]から基礎値ｘ[b]を算定し、第ｎ番目の参照楽曲の参照音符列ＳR内で相異なる対象区間σ[b]に対応するＢ個の基礎値ｘ[1]〜ｘ[B]の最大値を類似指標値Ｘ[n]として選択する。以上の説明から理解されるように、指定音符列ＳQ内の音符の配列に類似する区間を含む参照楽曲の類似指標値Ｘ[n]ほど大きい数値となる。

図１の表示制御部２４は、第１解析部２２による解析結果を表示装置１６に表示させる。具体的には、図８に示すように、属性情報ＤNが示す各参照楽曲の識別符号（楽曲名）を類似指標値Ｘ[n]の順番（指定音符列ＳQと参照音符列ＳRとの類似度が高い順番）で配列したリスト形式の画像を、表示制御部２４は表示装置１６に表示させる。利用者は、図８の表示画像を参照することで、自身が指示した指定音符列ＳQを含む可能性が高い参照楽曲の楽曲名を特定することが可能である。

以上に説明した第１実施形態では、指定音符列ＳQ内で相前後する音符の入替えを許容して指定音符列ＳQと参照音符列ＳRとの編集距離Ｅが算定されるから、指定音符列ＳQの各音符の順序の誤差に対して頑健に指定音符列ＳQと参照音符列ＳRとの相関を解析することが可能である。すなわち、例えば利用者による入力装置１８の操作ミス等に起因して、指定音符列ＳQの各音符の順序と利用者が意図した音符の順序（すなわち利用者が検索したい参照楽曲内の音符の順序）とが相違する場合でも、利用者が意図した参照楽曲について高い類似指標値Ｘ[n]を算定することが可能である。例えば、参照音符列ＳRが「ドミソ」の和音を含む場合、利用者が指定音符列ＳQとして「ドソミ」や「ミドソ」や「ソドミ」といった順番で和音の各構成音を指定した場合でも類似指標値Ｘ[n]は「ドミソ」と指定した場合と同等である。また、対比例における音符ν[m1]と音符ν[m2]との異同の判定を許容区間α[m1]内の各音符と音符ν[m2]との異同の判定に変更することで、以上の効果を容易に実現できるという利点もある。

第１実施形態では、参照音符列ＳRに対する指定音符列ＳQの位置を変化させた複数の場合の各々について編集距離Ｅに応じた基礎値ｘ[b]が算定され、基礎値ｘ[1]〜ｘ[B]に応じて類似指標値Ｘ[n]が設定される。したがって、参照楽曲内の特定の部分のみを利用者が指定音符列ＳQとして指示した場合（指定音符列ＳQが参照音符列ＳRの特定の部分のみに対応する場合）でも指定音符列ＳQと参照音符列ＳRとの相関を適切に評価できるという利点がある。

＜第２実施形態＞
本発明の第２実施形態を以下に説明する。以下に例示する各態様において作用や機能が第１実施形態と同様である要素については、以上の説明で参照した符号を流用して各々の詳細な説明を適宜に省略する。

図９は、第２実施形態の第１解析部２２が距離行列Ｃの距離ｃ[m1,m2]の算定（数式(1)）に適用する置換コストγの説明図である。第１実施形態の第１解析部２２は、指定音符列ＳQに許容区間α[m1]を設定した。第２実施形態の第１解析部２２は、図９に示すように、参照音符列ＳRの音符ν[m2]を包含する許容区間α[m2]を参照音符列ＳRに設定する。図９では、直前の音符ν[m2-1]と音符ν[m2]と直後の音符ν[m2+1]とを含む音符３個分の許容区間α[m2]を設定した場合が例示されている。

第１解析部２２は、指定音符列ＳQ内の音符ν[m1]と参照音符列ＳR内の音符ν[m2]とに対応する距離ｃ[m1,m2]の算定に適用される置換コストγを、指定音符列ＳQ内の音符ν[m1]が許容区間α[m2]内の何れかの音符（ν[m2-1]，ν[m2]，ν[m2+1]）に一致する場合に０（第１値）に設定し、音符ν[m1]が許容区間α[m2]内の何れの音符にも一致しない場合に１（第２値）に設定する。したがって、参照音符列ＳR内の各音符の配列が、指定音符列ＳQ内で相前後する各音符を入替えた配列に相当する場合には、距離ｃ[m1,m2]の増加は発生しない。以上の手順で算定された距離行列Ｃのうち第Ｍ1行第Ｍ2列の距離ｃ[M1,M2]が編集距離Ｅとして選択される。編集距離Ｅに応じた類似度Ｖ[k]の算定や類似度Ｖ[k]に応じた類似指標値Ｘ[n]の算定は第１実施形態と同様である。

図１０は、図５と同様の指定音符列ＳQおよび参照音符列ＳRを対象とした場合に第２実施形態の第１解析部２２が算定する距離行列Ｃである。図１０に示すように、第２実施形態で算定される編集距離Ｅ（Ｅ＝４）は、対比例の編集距離Ｅ（Ｅ＝６）と比較して小さい数値となる。第２実施形態においても第１実施形態と同様の効果が実現される。

＜第３実施形態＞
図７と図１０とを対比することで把握できる通り、指定音符列ＳQ内に許容区間α[m1]を設定した場合の編集距離Ｅ（Ｅ＝２）と参照音符列ＳR内に許容区間α[m2]を設定した場合の編集距離Ｅ（Ｅ＝４）とは相違し得る。第３実施形態の第１解析部２２は、指定音符列ＳQ内に許容区間α[m1]を設定した場合の編集距離Ｅ（ＥQ）と参照音符列ＳR内に許容区間α[m2]を設定した場合の編集距離Ｅ（ＥR）との双方を算定し、編集距離ＥQと編集距離ＥRとに応じて編集距離Ｅ（ひいては類似指標値Ｘ[n]）を算定する。例えば第１解析部２２は、編集距離ＥQと編集距離ＥRとの平均値（典型的には単純平均）を編集距離Ｅとして算定する。例えば、図７および図１０の場合、編集距離Ｅは３（＝（２＋４）／２）と算定される。編集距離Ｅに応じた類似度Ｖ[k]の算定や類似度Ｖ[k]に応じた類似指標値Ｘ[n]の算定は第１実施形態と同様である。

第３実施形態においても第１実施形態と同様の効果が実現される。また、第３実施形態では、編集距離ＥQと編集距離ＥRとに応じて編集距離Ｅが算定されるから、指定音符列ＳQに許容区間α[m1]を設定した場合と参照音符列ＳRに許容区間α[m2]を設定した場合との編集距離Ｅの相違の影響を低減して高精度に指定音符列ＳQと参照音符列ＳRとの相関を評価できるという利点がある。

＜第４実施形態＞
図１１は、第４実施形態に係る楽曲解析装置１００Bのブロック図である。第４実施形態の楽曲解析装置１００Bは、特徴量算定部３２と第２解析部３４と指標算定部３６とを第１実施形態の楽曲解析装置１００Aに追加した構成である。第１解析部２２が参照楽曲毎に類似指標値Ｘ[n]を算定する動作は第１実施形態と同様である。

特徴量算定部３２は、音符列の音楽的な特徴（特に和声的な特徴）を表現する継続長特徴量Ｔ（参照音符列ＳRの継続長特徴量ＴRおよび指定音符列ＳQの継続長特徴量ＴQ）を算定する。継続長特徴量ＴRは参照音符列ＳRの単位区間Ｆ毎に算定され、継続長特徴量ＴQは指定音符列ＳQの単位区間Ｆ毎に算定される。なお、編集距離Ｅの算定対象となる単位区間Ｆと継続長特徴量Ｔの算定対象となる単位区間とを相違させることも可能である。

時間軸（横軸）と音高軸（縦軸）とが設定された座標平面に配列された音符列（ピアノロール画像）が図１２に例示されている。図１２に示すように、継続長特徴量Ｔ（ＴR，ＴQ）は、相異なるピッチクラス（音名）に対応する１２個の要素値ｔ[1]〜ｔ[12]を配列した１２次元ベクトルである。第４実施形態のピッチクラスは、音名が共通する音高（ノートナンバ）の集合である。すなわち、周波数が２の冪乗倍の関係（相異なるオクターブにて音名が共通する関係）にある複数の音高は共通のピッチクラスに属する。１２半音（Ｃ,Ｃ#,Ｄ,Ｄ#,Ｅ,Ｆ,Ｆ#,Ｇ,Ｇ#,Ａ,Ａ#,Ｂ）に対応する１２個のピッチクラスについて要素値ｔ[1]〜ｔ[12]が算定される。

第ｃ番目（ｃ＝１〜１２）のピッチクラスに対応する要素値ｔ[c]は、１個の単位区間Ｆ内に存在する複数の音符のうちそのピッチクラスに属する各音符の継続長（音価）の合計値τaと、その単位区間Ｆ内の全部の音符の継続長の合計値τbとの比（ｔ[c]＝τa／τb）である。合計値τbによる除算は、要素値ｔ[c]を０以上かつ１以下の範囲内の数値に正規化する演算である。図１２に示すように、ピッチクラス（音名Ｇ）が共通する音高Ｇ2の音符（継続長２秒）と音高Ｇ3の音符（継続長０.２秒）とが単位区間Ｆ内に存在し（τa＝２＋０.２＝２.２）、単位区間Ｆ内の全部の音符の継続長の合計値τbが８秒である場合、継続長特徴量Ｔのうち音名Ｇのピッチクラス（ｃ＝８）に対応する要素値ｔ[8]は、０.２７５（＝２.２／８）となる。

図１１の第２解析部３４は、指定音符列ＳQの各単位区間Ｆの継続長特徴量ＴQと参照音符列ＳRの各単位区間Ｆの継続長特徴量ＴRとを対比することでＮ個の参照楽曲の各々について類似指標値Ｙ[n]（Ｙ[1]〜Ｙ[N]）を算定する。類似指標値Ｙ[n]は、第ｎ番目の参照楽曲の参照音符列ＳRと指定音符列ＳQとが和声的な観点から相互に類似する度合の指標である。類似指標値Ｘ[n]が各音符の継続長を無視して音符列間の相関を評価するための尺度であるのに対し、類似指標値Ｙ[n]は、継続長が長い音符ほど重視して和声的な観点から音符列間の相関を評価するための尺度であると換言することも可能である。

第２解析部３４は、図１３に示すように、参照音符列ＳRに対する指定音符列ＳQの時間軸上の位置を相違させた複数（Ｂ回）の場合の各々について基礎値ｙ[b]（ｙ[1]〜ｙ[B]）を算定する。具体的には、指定音符列ＳQを参照音符列ＳRに対して単位区間Ｆの１個分ずつ移動した各場合について基礎値ｙ[b]が算定される。すなわち、第２解析部３４は、参照音符列ＳR内の対象区間σ[b]を順次に選択し、指定音符列ＳQ内のＫ個の単位区間Ｆにわたる継続長特徴量ＴQと対象区間σ[b]内のＫ個の単位区間Ｆにわたる継続長特徴量ＴRとを比較することで基礎値ｙ[b]を算定する。

具体的には、第２解析部３４は、指定音符列ＳQ内のＫ個の単位区間Ｆにわたる継続長特徴量ＴQの平均ベクトルと、対象区間σ[b]内のＫ個の単位区間Ｆにわたる継続長特徴量ＴRの平均ベクトルとの距離（例えばコサイン距離）を基礎値ｙ[b]として算定する。したがって、指定音符列ＳQの各単位区間Ｆの継続長特徴量ＴQと対象区間σ[b]の各単位区間Ｆの継続長特徴量ＴRとが類似するほど基礎値ｙ[b]は大きい数値となる。第２解析部３４は、参照音符列ＳR内に順次に設定される各対象区間σ[b]に対応したＢ個の基礎値ｙ[1]〜ｙ[B]に応じた類似指標値Ｙ[n]を算定する。例えば、Ｂ個の基礎値ｙ[1]〜ｙ[B]のなかの最大値（すなわち、指定音符列ＳQの各継続長特徴量ＴQに最も類似する継続長特徴量ＴRが存在する対象区間σ[B]の基礎値ｙ[b]）が類似指標値Ｙ[n]として算定される。したがって、指定音符列ＳQに音楽的（和声的）に類似する区間を含む参照楽曲の類似指標値Ｙ[n]ほど大きい数値に設定される。なお、Ｂ個の基礎値ｙ[1]〜ｙ[B]の平均値を類似指標値Ｙ[n]として算定することも可能である。

図１１の指標算定部３６は、第１解析部２２が算定した類似指標値Ｘ[n]と第２解析部３４が算定した類似指標値Ｙ[n]とに応じた類似指標値Ｚ[n]を参照楽曲毎に算定する。例えば指標算定部３６は、以下の数式(3)で表現されるように、類似指標値Ｘ[n]と類似指標値Ｙ[n]との加重和を第ｎ番目の参照楽曲の類似指標値Ｚ[n]として算定する。

数式(3)の記号ＷXは類似指標値Ｘ[n]に対する加重値（すなわち、音符の配列の類似性を重視する度合）を意味し、記号ＷYは類似指標値Ｙ[n]に対する加重値（すなわち、和声感の類似性を重視する度合）を意味する。加重値ＷXおよび加重値ＷYは、例えば入力装置１８に対する利用者からの指示に応じて可変に設定される。なお、加重値ＷXおよび加重値ＷYを所定値（例えばＷX＝ＷY＝０.５）に固定した構成も採用され得る。以上の説明から理解されるように、指定音符列ＳQと参照音符列ＳRとが類似するほど類似指標値Ｚ[n]は大きい数値となる。

第４実施形態の表示制御部２４は、指標算定部３６による類似指標値Ｚ[1]〜Ｚ[N]の算定結果を表示装置１６に表示させる。具体的には、類似指標値Ｚ[n]の順番（指定音符列ＳQと参照音符列ＳRとの相関が高い順番）で各参照楽曲の識別符号（楽曲名）を配列したリスト形式の画像を、表示制御部２４は表示装置１６に表示させる。なお、例えば類似指標値Ｚ[n]が最大となる参照楽曲（すなわち指定音符列ＳQに最も類似する参照楽曲）のみを表示装置１６に表示させる構成も採用され得る。

第４実施形態においても第１実施形態と同様の効果が実現される。また、第４実施形態では、指定音符列ＳQおよび参照音符列ＳRの音符の配列に着目した類似指標値Ｘ[n]と、指定音符列ＳQおよび参照音符列ＳRの和声感に着目した類似指標値Ｙ[n]との双方に応じた類似指標値Ｚ[n]が算定される。したがって、音符列間の編集距離のみを利用する構成（例えば非特許文献１）と比較して指定音符列ＳQと参照音符列ＳRとの相関を高精度に解析できるという利点がある。なお、第４実施形態の構成（特徴量算定部３２，第２解析部３４，指標算定部３６）は第２実施形態や第３実施形態にも同様に適用される。

図１４は、以上に説明した各形態の解析結果である。具体的には、特定の参照楽曲（以下「目標楽曲」という）を利用者が鍵盤楽器で演奏したときの複数個（150個）の音符列を指定音符列ＳQとして用意し、目標楽曲を含むＮ個（Ｎ＝5000）の参照楽曲の各々について各指定音符列ＳQとの相関を評価した結果である。各指定音符列ＳQは演奏ミス等を含み、目標楽曲の参照音符列ＳRに完全には合致しない場合がある。

図１４の構成１は、類似指標値Ｙ[n]のみを算定して類似指標値Ｘ[n]を算定しない構成であり、構成２および構成３は、類似指標値Ｘ[n]のみを算定して類似指標値Ｙ[n]を算定しない構成である。また、構成４および構成５は、類似指標値Ｚ[n]を算定する構成（類似指標値Ｘ[n]および類似指標値Ｙ[n]の双方を算定する構成）である。構成２および構成４では、許容区間（α[m1]，α[m2]）を設定せずに類似指標値Ｘ[n]を算定し（margin：0）、構成３および構成５では、指定音符列ＳQおよび参照音符列ＳRの各々に許容区間（α[m1]，α[m2]）を設定したうえで類似指標値Ｘ[n]を算定した（margin：3）。なお、構成３および構成５では、１個の音符に対して前方３個の音符と後方３個の音符とにわたる許容区間を設定した。第１実施形態で例示した対比例が構成２に相当する。第３実施形態は構成３に相当し、第４実施形態は構成５に相当する。また、第４実施形態にて許容区間の設定を省略した構成（類似指標値Ｙ[n]の算定を対比例に追加した構成）が構成４に相当する。

図１４では、平均順位（Average rank）と最高位比率（top1 rate）と上位３位比率（top3 rate）と上位５位比率（top5 rate）とが構成１から構成５の各々について掲載されている。平均順位は、各指定音符列ＳQと各参照楽曲との間で算定された複数の類似指標値のうち目標楽曲の類似指標値の順位の平均値である。したがって、平均順位が１に近い（小さい）ほど解析が高精度であると評価できる。また、最高位比率は、指定音符列ＳQと目標楽曲の参照音符列ＳRとの類似指標値がＮ個の参照楽曲のなかで最高位（第１位）となった割合（％）を意味する。同様に、上位３位比率は、目標楽曲の類似指標値がＮ個の参照楽曲のなかで上位３位以内となった割合（％）を意味し、目標楽曲の類似指標値がＮ個の参照楽曲のなかで上位５位以内となった割合（％）を意味する。したがって、最高位比率や上位３位比率や上位５位比率が大きいほど解析が高精度であると評価できる。

構成２から構成５と構成１との対比から理解される通り、第１実施形態から第４実施形態のように編集距離Ｅに応じた類似指標値Ｘ[n]を算定することで、類似指標値Ｘ[n]を利用しない構成１と比較して指定音符列ＳQと参照音符列ＳRとの相関を高精度に評価できる。また、構成２と構成４との対比や構成３と構成５との対比で理解される通り、第４実施形態のように類似指標値Ｘ[n]に加えて類似指標値Ｙ[n]を利用することで、類似指標値Ｘ[n]のみを算定する第１実施形態から第３実施形態と比較して解析精度が向上する。更に、構成２と構成３との対比や構成４と構成５との対比で理解される通り、許容区間（α[m1]，α[m2]）を設定することで、許容区間を設定しない構成（対比例）と比較して解析精度が向上する。

＜第５実施形態＞
図１５は、第５実施形態に係る楽曲解析装置１００Cのブロック図である。第５実施形態の楽曲解析装置１００Cは、第４実施形態の楽曲解析装置１００Bに楽曲選択部４２を追加した構成である。第５実施形態の記憶装置１４は、Ｎ0個の楽曲（以下「候補楽曲」という）の各々について属性情報ＤNと参照音符列ＳRとを記憶する。楽曲選択部４２は、Ｎ0個の候補楽曲からＮ個の参照楽曲を選択する（Ｎ＜Ｎ0）。具体的には、楽曲選択部４２は、Ｎ0個の候補楽曲のうち指定音符列ＳQとの相関（類似度）が高いと推定されるＮ個の参照楽曲を選択する。第１解析部２２は、楽曲選択部４２が選択したＮ個の参照楽曲の各々について類似指標値Ｘ[n]を算定し、特徴量算定部３２および第２解析部３４は、楽曲選択部４２が選択したＮ個の参照楽曲の各々について類似指標値Ｙ[n]を算定する。指標算定部３６および表示制御部２４の動作は第４実施形態と同様である。

楽曲選択部４２による参照楽曲の選択方法は任意であるが、例えば指定音符列ＳQとの相関の度合を示す指標値λをＮ0個の候補楽曲の各々について算定し、指標値λの順番で上位に位置するＮ個の候補楽曲を参照楽曲として選択する構成が好適である。１個の候補楽曲の指標値λを算定する処理は、１個の参照楽曲の類似指標値Ｚ[n]（第１実施形態から第３実施形態では類似指標値Ｘ[n]）を算定する処理と比較して負荷が軽い。

例えば、楽曲選択部４２は、条件付確率場（ＣＲＦ：Conditional Random Fields）等を適用した機械学習で事前に生成された確率モデルを利用して、指定音符列ＳQの特徴量の時系列が各参照音符列ＳR内の音符列である確率（事後確率）を指標値λとして候補楽曲毎に算定する。確率モデルは、例えば各候補楽曲から抽出された継続長特徴量ＴRの時系列を学習情報として利用した機械学習で事前に生成され、指定音符列ＳQから抽出された継続長特徴量ＴQの時系列に確率モデルを適用することで指標値λが算定される。楽曲選択部４２は、Ｎ0個の候補楽曲のうち指標値λの降順で上位に位置するＮ個の候補楽曲を参照楽曲として選択する。なお、各参照楽曲について算定された指標値λをその参照楽曲の類似指標値Ｚ[n]（第１実施形態から第３実施形態では類似指標値Ｘ[n]）に反映させることも可能である。例えば、指標算定部３６は、指標値λが大きいほど類似指標値Ｚ[n]が大きい数値となるように類似指標値Ｚ[n]を調整する。

第５実施形態においても第４実施形態と同様の効果が実現される。また、第５実施形態では、Ｎ0個の候補楽曲から事前に選択されたＮ個の参照楽曲について類似指標値Ｚ[n]が算定されるから、Ｎ0個の候補楽曲の全部について類似指標値Ｚ[n]を算定する構成と比較して処理負荷の軽減や処理時間の短縮が実現される。なお、Ｎ0個の候補楽曲からＮ個の参照楽曲を事前に選択する第５実施形態の構成は、第１実施形態から第３実施形態にも同様に適用される。

＜変形例＞
以上の各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様は適宜に併合され得る。

（１）前述の各形態では、指定音符列ＳQと参照音符列ＳRとの編集距離Ｅを単位区間Ｆ毎に算定したが、指定音符列ＳQや参照音符列ＳRを単位区間Ｆに区分する構成は省略され得る。例えば、指定音符列ＳQの全体と参照音符列ＳRの全体との間で編集距離Ｅを算定することも可能である。また、前述の各形態では、参照音符列ＳRに対する指定音符列ＳQの位置を相違させた複数の場合について基礎値ｘ[b]を算定したが、参照音符列ＳRに対する指定音符列ＳQの位置を相違させる構成は省略され得る。例えば、参照楽曲の先頭部分を利用者が指定音符列ＳQとして指示することを前提とすれば、指定音符列ＳQと参照音符列ＳRとで先頭が合致するように参照音符列ＳRに対する指定音符列ＳQの位置を確定して編集距離Ｅ（更には類似指標値Ｘ[n]）を算定することも可能である。

（２）前述の各形態では、Ｂ個の基礎値ｘ[1]〜ｘ[B]の最大値を類似指標値Ｘ[n]として選択したが、類似指標値Ｘ[n]の算定方法は適宜に変更される。例えば、Ｂ個の基礎値ｘ[1]〜ｘ[B]の平均値を類似指標値Ｘ[n]として算定することも可能である。また、前述の各形態では、指定音符列ＳQと参照音符列ＳRとが類似する（編集距離Ｅが小さい）ほど類似指標値Ｘ[n]が大きい数値となる構成を例示したが、指定音符列ＳQおよび参照音符列ＳRの間の類否と類似指標値Ｘ[n]の大小との関係は以上の例示に限定されない。例えば、編集距離Ｅを類似度Ｖ[k]（または基礎値ｘ[b]）として算定する構成（Ｖ[k]＝Ｅ）では、指定音符列ＳQと参照音符列ＳRとが類似する（編集距離Ｅが小さい）ほど類似指標値Ｘ[n]が小さい数値となる。類似指標値Ｙ[n]および類似指標値Ｚ[n]についても同様であり、指定音符列ＳQおよび参照音符列ＳRの間の類否と類似指標値Ｙ[n]または類似指標値Ｚ[n]の大小との関係は任意である。

（３）前述の各形態では、１個の音符ν[m1]に対して前方および後方の同数の音符にわたる許容区間α[m1]を例示したが、許容区間α[m1]の設定方法は適宜に変更される。例えば、１個の音符ν[m1]を末尾とする所定個の音符の時系列を許容区間α[m1]として設定する構成や、１個の音符ν[m1]を先頭とする所定個の音符の時系列を許容区間α[m1]として設定する構成も採用される。また、許容区間α[m1]内で音符ν[m1]の前方に位置する音符の個数と後方に位置する音符の個数とを相違させることも可能である。なお、以上の説明では指定音符列ＳQに設定される許容区間α[m1]を例示したが、参照音符列ＳRに設定される許容区間α[m2]についても同様の変形が適用される。

（４）第３実施形態では、指定音符列ＳQに許容区間α[m1]を設定した場合の編集距離ＥQと参照音符列ＳRに許容区間α[m2]を設定した場合の編集距離ＥRとの平均値を編集距離Ｅとして算定したが、編集距離ＥQおよび編集距離ＥRとに応じて編集距離Ｅ（更には類似指標値Ｘ[n]）を算定する方法は適宜に変更される。例えば、編集距離ＥQおよび編集距離ＥRの最大値または最小値を編集距離Ｅとして類似指標値Ｘ[n]を算定する構成や、編集距離ＥQおよび編集距離ＥRに対する所定の演算（例えば編集距離ＥQと編集距離ＥRとの乗算）で編集距離Ｅを算定する構成も採用され得る。また、編集距離ＥQおよび編集距離ＥRの一方のみを利用することも可能である。

（５）前述の各形態では、置換コストγを０または１に設定したが、置換コストγの数値は適宜に変更される。例えば、置換コストγを０または２（または２以上の数値）に設定することも可能である。また、挿入コストや削除コストを１以外の数値に設定して編集距離Ｅ（重み付き編集距離）を算定することも可能である。

（６）第４実施形態において類似指標値Ｘ[n]と類似指標値Ｙ[n]とに応じた類似指標値Ｚ[n]を算定する方法は任意である。例えば、類似指標値Ｘ[n]と類似指標値Ｙ[n]との乗算値を類似指標値Ｚ[n]として算定する構成や、類似指標値Ｘ[n]および類似指標値Ｙ[n]を所定の演算式に代入することで類似指標値Ｚ[n]を算定する構成も採用され得る。また、第４実施形態では、参照音符列ＳRの継続長特徴量ＴRを特徴量算定部３２が算定したが、各参照音符列ＳRの継続長特徴量ＴRを事前に記憶装置１４に格納した構成も採用され得る。すなわち、特徴量算定部３２が参照音符列ＳRの継続長特徴量ＴRを算定する構成は省略され得る。

（７）第５実施形態の楽曲選択部４２がＮ個の参照楽曲を選択する方法は任意である。例えば、候補楽曲毎に抽出された特徴量（例えば継続長特徴量ＴRの時系列）に応じてＮ0個の候補楽曲を複数の部分集合（クラスタ）に事前に分類し、指定音符列ＳQから抽出された特徴量に対応する部分集合内の候補楽曲を楽曲選択部４２が参照楽曲として選択する構成も好適である。Ｎ0個の候補楽曲の分類には例えばｋ-means法等の公知のクラスタリング技術が任意に採用される。

また、Ｎ0個の候補楽曲の各々について特徴量（例えば継続長特徴量ＴR）のハッシュ値を登録したハッシュテーブルを事前に作成し、指定音符列ＳQの特徴量を変換したハッシュ値を検索キーとしてハッシュテーブル内のＮ0個の候補楽曲のうちのＮ個の参照楽曲を楽曲選択部４２が選択することも可能である。また、例えばＮ0個の候補楽曲をジャンル毎に事前に分類し、利用者が入力装置１８の操作で選択したジャンルの候補楽曲を楽曲選択部４２が参照楽曲として選択する構成も採用され得る。

（８）図１４から理解されるように、類似指標値Ｘ[n]と類似指標値Ｙ[n]とに応じた類似指標値Ｚ[n]を算定する構成によれば、許容区間を設定しない場合（構成４）でも、類似指標値Ｘ[n]のみを利用する構成（構成２）と比較して、指定音符列ＳQと参照音符列ＳRとの相関を高精度に評価することが可能である。したがって、類似指標値Ｘ[n]のみを利用する構成（例えば非特許文献１）では高精度な評価が困難であるという課題を解決するための構成としては、許容区間（α[m1]，α[m2]）を設定せずに、類似指標値Ｘ[n]と類似指標値Ｙ[n]とに応じた類似指標値Ｚ[n]を算定する構成（図１４の構成４）も採用され得る。

（９）前述の第４実施形態では、相異なる音符（１２半音）に対応する１２個のピッチクラスの要素値ｔ[c]を配列した継続長特徴量Ｔ（ＴQ，ＴR）を算定したが、ピッチクラスの総数（要素値ｔ[c]の総数）や各ピッチクラスの区分の方法は適宜に変更される。例えば１２個を上回る個数（例えば２４個，３６個，４８個）のピッチクラスを設定した構成や、１２個を下回る個数のピッチクラスを設定した構成も採用され得る。ピッチクラスの総数は、例えば音律を考慮して選定され得る。また、音域毎にピッチクラスを区別することも可能である。例えば、複数のオクターブのうち奇数番目の各オクターブに属する１２半音の各々に対応する１２個のピッチクラスと、偶数番目の各オクターブに属する１２半音の各々に対応する１２個のピッチクラスとを個別に設定した構成（したがって、合計２４個の要素値ｔ[1]〜ｔ[24]が単位区間Ｆ毎に算定される）が採用され得る。以上の例示から理解されるように、ピッチクラスは、音名が相互に共通する少なくとも２個の音高を含む範囲（分類）を意味し、その総数や区分方法は任意である。

（１０）前述の各形態では、利用者が指定した指定音符列ＳQと記憶装置１４に記憶された参照音符列ＳRとを対比したが、指定音符列ＳQと参照音符列ＳRとの対比前（または対比中）に所定の処理を各々に実行することも可能である。具体的には、指定音符列ＳQおよび参照音符列ＳRの片方または双方の音高を変更（例えば転調または移調やオクターブ単位のシフト）する構成が採用される。指定音符列ＳQを参照音符列ＳRに対して移動させた各場合について指定音符列ＳQおよび参照音符列ＳRの音高を順次に変更させることも可能である。

例えば、指定音符列ＳQや参照音符列ＳRの音高（ノートナンバ）に所定値を加算または減算することが可能である。指定音符列ＳQ内の特定の音符（例えば最初の音符）ν[m1]と参照音符列ＳR内の特定の音符（例えば最初の音符）ν[m2]とで音高が一致するように指定音符列ＳQおよび参照音符列ＳRの音高を変更する構成も好適である。また、指定音符列ＳQ内の特定の音符ν[m1]と参照音符列ＳR内の特定の音符ν[m2]とが所定の関係にある場合（例えば音高差がオクターブの整数倍である場合）に限定して音符ν[m1]と音符ν[m2]とが一致するように指定音符列ＳQおよび参照音符列ＳRの音高を変更することも可能である。以上の構成によれば、指定音符列ＳQの音高と参照音符列ＳRの音高とがオクターブ単位で相違する場合でも高精度な検索を実現できるという利点がある。

また、例えば、指定音符列ＳQや参照音符列ＳRの音高がオクターブの指定を含む情報（例えばＭＩＤＩのノートナンバ）で表現される場合には、オクターブの指定を除去してから指定音符列ＳQと参照音符列ＳRとを対比することも可能である。例えば、指定音符列ＳQが｛Ｃ2，Ｅ2，Ｇ2，Ａ#2，Ｃ3｝のようにオクターブの指定（音階を指定する記号に付加された「２」や「３」の数値）を含む音高の時系列で表現される構成では、指定音符列ＳQが、｛Ｃ，Ｅ，Ｇ，Ａ#，Ｃ｝のようにオクターブの指定を除去した形式に変換されたうえで、同様にオクターブの指定を含まない形式の参照音符列ＳRと対比される。

（１１）前述の各形態では、類似指標値Ｚ[n]（第１実施形態から第３実施形態では類似指標値Ｘ[n]）に応じた順番で参照楽曲を利用者に提示したが、解析結果（Ｚ[n]，Ｘ[n]）の利用方法は任意である。例えば、類似指標値が最大となる１個の参照楽曲（すなわち指定音符列ＳQに最も類似する参照楽曲）のみを利用者に報知する構成（楽曲検索装置）や、類似指標値が最大となる１個の参照楽曲の演奏音を再生する構成（したがって表示制御部２４は省略され得る）も採用される。また、Ｎ個の参照楽曲から利用者が意図した楽曲を検索する場合に好適な形態として参照楽曲毎に類似指標値（Ｘ[n]，Ｚ[n]）を算定する構成を例示したが、複数の参照楽曲の各々について類似指標値を算定する構成は本発明において必須ではない。すなわち、１個の参照楽曲の参照音符列ＳRと指定音符列ＳQとの間で類似指標値を算定することで参照音符列ＳRと指定音符列ＳQとの類似度を評価する装置としても本発明は実施され得る。以上の説明から理解されるように、本発明は、楽曲（音符列）を解析する装置（楽曲解析装置）として包括され、楽曲検索装置は楽曲解析装置のひとつの例示である。

（１２）楽曲解析装置１００（１００A，１００B，１００C）は、携帯電話機やパーソナルコンピュータ等の端末装置と通信するサーバ装置としても実現され得る。すなわち、楽曲解析装置１００は、端末装置の入力装置１８に対して利用者が指示した指定音符列ＳQを端末装置から受信して指定音符列ＳQと各参照音符列ＳRとの相関を解析し、解析結果の画像を端末装置の表示装置１６に表示させる。以上の説明から理解されるように、前述の各形態における入力装置１８や表示装置１６は楽曲解析装置１００から省略され得る。

１００（１００A，１００B，１００C）……楽曲解析装置、１２……演算処理装置、１４……記憶装置、１６……表示装置、１８……入力装置、２２……第１解析部、２４……表示制御部、３２……特徴量算定部、３４……第２解析部、３６……指標算定部、４２……楽曲選択部。

Claims (6)

1. 利用者が指定した指定音符列と参照楽曲の参照音符列との間における音符の置換を含む操作で前記指定音符列および前記参照音符列の一方を他方に変形するときの操作のコストに応じた編集距離から第１類似指標値を算定する第１解析手段を具備し、
   前記第１解析手段は、前記指定音符列内の第１音符と前記参照音符列内の第２音符との間の置換のコストを、前記第１音符および前記第２音符の一方が、前記第１音符および前記第２音符の他方を包含する許容区間内の複数の音符の何れかに一致する場合に第１値に設定し、前記許容区間内の前記複数の音符の何れにも一致しない場合に前記第１値を上回る第２値に設定して前記編集距離を算定する
   楽曲解析装置。
2. 前記第１解析手段は、前記第１音符を包含する前記許容区間を前記指定音符列内に設定した場合の編集距離と、前記第２音符を包含する前記許容区間を前記参照音符列内に設定した場合の編集距離とに応じて前記第１類似指標値を算定する
   請求項１の楽曲解析装置。
3. 前記第１解析手段は、前記参照音符列に対する前記指定音符列の時間軸上の位置を相違させた複数の場合の各々について前記指定音符列と前記参照音符列との間の編集距離に応じた基礎値を算定し、前記参照音符列と前記指定音符列との間の最大の類似を示す基礎値を前記第１類似指標値として選択する
   請求項１または請求項２の楽曲解析装置。
4. 複数の候補楽曲から複数の参照楽曲を選択する楽曲選択手段を具備し、
   前記第１解析手段は、前記楽曲解析手段が選択した複数の参照楽曲の各々について前記第１類似指標値を算定する
   請求項１から請求項３の何れかの楽曲解析装置。
5. 前記指定音符列を時間軸上で区分した複数の単位区間の各々について、当該単位区間内で一のピッチクラスに対応する各音符の継続長の合計値と当該単位区間内の各音符の継続長の合計値との比を複数のピッチクラスについて配列した継続長特徴量を算定する特徴量算定手段と、
   前記指定音符列の各単位区間の継続長特徴量と前記参照音符列の各単位区間の継続長特徴量との対比で第２類似指標値を算定する第２解析手段と、
   前記第１解析手段が算定した前記第１類似指標値と前記第２解析手段が算定した前記第２類似指標値とに応じた第３類似指標値を算定する指標算定手段と
   を具備する請求項１から請求項４の何れかの楽曲解析装置。
6. コンピュータシステムが、
   利用者が指定した指定音符列と参照楽曲の参照音符列との間における音符の置換を含む操作で前記指定音符列および前記参照音符列の一方を他方に変形するときの操作のコストに応じた編集距離から第１類似指標値を算定し、
   前記第１類似指標値の算定では、前記指定音符列内の第１音符と前記参照音符列内の第２音符との間の置換のコストを、前記第１音符および前記第２音符の一方が、前記第１音符および前記第２音符の他方を包含する許容区間内の複数の音符の何れかに一致する場合に第１値に設定し、前記許容区間内の前記複数の音符の何れにも一致しない場合に前記第１値を上回る第２値に設定して前記編集距離を算定する
   楽曲解析方法。

Images