JP6413828B2 - 情報処理方法、情報処理装置、及びプログラム - Google Patents

Description

本発明は、カラオケ用の動画のメタ情報を生成する方法の技術分野に関する。

従来、動画データをオンラインで配信する動画サイトが知られている。動画サイトは、例えば動画データに関連付けてメタ情報を記憶しておき、ユーザから指定された条件に基づいてメタ情報を検索することにより、ユーザが所望する動画データを配信する。メタ情報は、例えば動画データの作者により入力された情報に基づいて生成されたり、動画データを解析することにより生成されたりする。例えば、特許文献１には、動画データに含まれるフレーム画像から文字情報や画質に関する情報を抽出することにより、メタ情報を生成する技術が開示されている。

特開２０１０−０２０６３０号公報

一般的に、カラオケの動画データは、映像情報、楽曲の音情報、歌詞情報等の複数の材料情報から生成される。この場合、動画サイトは、生成されたカラオケ動画データ登録して配信する。カラオケ動画データのメタ情報を生成する場合、カラオケ動画データを解析する必要がある。しかしながら、カラオケ動画データからは、元になった材料の情報が有する詳細な情報が失われている。そのため、カラオケ動画データからは元の詳細な情報を正確に抽出することが難しいので、正確性に欠けるメタ情報が生成されてしまうという問題がある。

本発明は、以上の点に鑑みてなされたものであり、カラオケ動画を検索するためのメタ情報として正確な情報を容易に生成することを可能とする情報処理方法等を提供することを課題とする。

請求項１に記載の発明は、一時記憶手段と、取得手段と、展開手段と、カラオケ動画生成手段と、メタ情報生成手段とを備える情報処理装置のコンピュータにより実行される情報処理方法であって、前記取得手段が、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記カラオケ楽曲の演奏が開始されてから前記歌詞の表示が開始されるまでの経過時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、前記展開手段が、前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、前記カラオケ動画生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、前記メタ情報生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記歌詞情報に含まれる前記経過時間を、歌唱の開始時刻として含むメタ情報を生成するメタ情報生成ステップと、を含むことを特徴とする。

請求項２に記載の発明は、一時記憶手段と、取得手段と、展開手段と、カラオケ動画生成手段と、語抽出手段と、比較手段と、難易度決定手段と、メタ情報生成手段とを備える情報処理装置のコンピュータにより実行される情報処理方法であって、前記取得手段が、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記歌詞に含まれる語ごとに、前記語の表示の開始から終了までの表示時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、前記展開手段が、前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、前記カラオケ動画生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、前記語抽出手段が、歌唱の難度が高い語として予め定められた高難度語と、前記高難度語の歌唱の基準時間とを高難度語ごとに対応付けて記憶する第１記憶手段に記憶された複数の高難度語のうち、前記一時記憶手段に展開された前記歌詞情報に含まれる高難度語を抽出する語抽出ステップと、前記比較手段が、前記語抽出ステップにより抽出された高難度語ごとに、前記高難度語の歌唱の基準時間と、前記高難度語の表示時間とを比較する比較ステップと、前記難易度決定手段が、前記比較ステップによる比較結果に基づいて、前記歌詞の難易度を決定する難易度決定ステップと、前記メタ情報生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記難易度決定ステップにより決定された前記難易度を含むメタ情報を生成するメタ情報生成ステップと、を含むことを特徴とする。

請求項３に記載の発明は、一時記憶手段と、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記カラオケ楽曲の演奏が開始されてから前記歌詞の表示が開始されるまでの経過時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得手段と、前記取得手段により取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開手段と、前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成手段と、前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記歌詞情報に含まれる前記経過時間を、歌唱の開始時刻として含むメタ情報を生成するメタ情報生成手段と、を備えることを特徴とする。
請求項４に記載の発明は、一時記憶手段と、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記歌詞に含まれる語ごとに、前記語の表示の開始から終了までの表示時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得手段と、前記取得手段により取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開手段と、前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成手段と、歌唱の難度が高い語として予め定められた高難度語と、前記高難度語の歌唱の基準時間とを高難度語ごとに対応付けて記憶する第１記憶手段に記憶された複数の高難度語のうち、前記一時記憶手段に展開された前記歌詞情報に含まれる高難度語を抽出する語抽出手段と、前記語抽出手段により抽出された高難度語ごとに、前記高難度語の歌唱の基準時間と、前記高難度語の表示時間とを比較する比較手段と、前記比較手段による比較結果に基づいて、前記歌詞の難易度を決定する難易度決定手段と、前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記難易度決定手段により決定された前記難易度を含むメタ情報を生成するメタ情報生成手段と、を備えることを特徴とする。

請求項５に記載の発明は、一時記憶手段を備える情報処理装置のコンピュータに、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記カラオケ楽曲の演奏が開始されてから前記歌詞の表示が開始されるまでの経過時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記歌詞情報に含まれる前記経過時間を、歌唱の開始時刻として含むメタ情報を生成するメタ情報生成ステップと、を実行させることを特徴とする。
請求項６に記載の発明は、一時記憶手段を備える情報処理装置のコンピュータに、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記歌詞に含まれる語ごとに、前記語の表示の開始から終了までの表示時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、歌唱の難度が高い語として予め定められた高難度語と、前記高難度語の歌唱の基準時間とを高難度語ごとに対応付けて記憶する第１記憶手段に記憶された複数の高難度語のうち、前記一時記憶手段に展開された前記歌詞情報に含まれる高難度語を抽出する語抽出ステップと、前記語抽出ステップにより抽出された高難度語ごとに、前記高難度語の歌唱の基準時間と、前記高難度語の表示時間とを比較する比較ステップと、前記比較ステップによる比較結果に基づいて、前記歌詞の難易度を決定する難易度決定ステップと、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記難易度決定ステップにより決定された前記難易度を含むメタ情報を生成するメタ情報生成ステップと、を実行させることを特徴とする。

請求項１乃至６に記載の発明によれば、一時記憶手段に展開された材料情報に基づいて、カラオケ動画が生成され、且つメタ情報が生成される。従って、このカラオケ動画を検索するためのメタ情報として、カラオケ動画自体から生成した場合と比較してより正確な情報を容易に生成することができる。

更に請求項１、３又は５に記載の発明によれば、正確な歌唱開始時刻を含むメタ情報を容易に生成することができる。

更に請求項２、４又は６に記載の発明によれば、正確な歌詞に基づいて、歌唱の難易度を含むメタ情報を容易に生成することができる。

（Ａ）は、一実施形態の通信システムＳの概要構成例を示す図である。（Ｂ）は、一実施形態のカラオケ動画生成サーバ１の概要構成例を示す図である。 （Ａ）は、テロップデータの構成例を示す図である。（Ｂ）は、難歌詞リストの構成例を示す図である。（Ｃ）は、キーワードリストの構成例を示す図である。（Ｄ）は、種類リストの構成例を示す図である。 （Ａ）は、歌唱開始時刻を含むメタ情報の構成例を示す図である。（Ｂ）は、歌唱難易度を含むメタ情報の構成例を示す図である。（Ｃ）は、キーワードの出現度の例を示す図である。（Ｄ）は、キーワードを含むメタ情報の構成例を示す図である。（Ｅ）は、楽曲種別を含むメタ情報の構成例を示す図である。 （Ａ）は、カラオケ動画生成サーバ１におけるサーバ処理の一例を示すフローチャートである。（Ｂ）は、カラオケ動画生成サーバ１におけるメタ情報生成処理の一例を示すフローチャートである。 （Ａ）は、カラオケ動画生成サーバ１における歌唱開始時刻メタ情報生成処理の一例を示すフローチャートである（Ｂ）は、カラオケ動画生成サーバ１における歌唱難易度メタ情報生成処理の一例を示すフローチャートである。 （Ａ）は、カラオケ動画生成サーバ１におけるキーワードメタ情報生成処理の一例を示すフローチャートである。（Ｂ）は、カラオケ動画生成サーバ１における楽曲種別メタ情報生成処理の一例を示すフローチャートである。

以下、本発明の実施形態を図面に基づいて説明する。

［１．通信システムの構成］
図１（Ａ）は、本実施形態の通信システムＳの概要構成例を示す図である。図１（Ａ）に示すように、通信システムＳは、カラオケ動画生成サーバ１、データ送信端末２、ネットワークストレージ３、カラオケ動画配信サーバ４、及び複数の利用者端末５を含んで構成される。カラオケ動画生成サーバ１は、本発明の情報処理装置の一例である。カラオケ動画生成サーバ１、データ送信端末２、カラオケ動画配信サーバ４、及び複数の利用者端末５は、それぞれネットワーク１０に接続される。ネットワーク１０は、例えば、インターネット等により構成される。カラオケ動画生成サーバ１及びカラオケ動画配信サーバ４と、ネットワークストレージ３とは、例えばＬＡＮ（Local Area Network）等のネットワークにより接続される。

カラオケ動画生成サーバ１は、データ送信端末２から複数の材料データを受信する。そして、カラオケ動画生成サーバ１は、複数の材料データに基づいて、カラオケ動画データを生成する。カラオケ動画データは、カラオケ楽曲の歌詞のテロップが合成された映像のデータと、カラオケ楽曲の演奏音のデータとを含む。カラオケ動画データの形式は、例えばＭＰ４（ISO/IEC 14496-14:2003）等であってもよい。

材料データは、カラオケ動画データを生成するための材料となるデータである。複数の材料データは、少なくとも映像データ、音声データ、及びテロップデータを含む。映像データは、カラオケ動画データに含まれる映像を示すデータである。映像データの形式は、例えばＨ．２６４等であってもよい。音声データは、カラオケ楽曲の演奏音を示すデータである。音声データの形式は、例えばＭＩＤＩ（Musical Instrument Digital Interface）、ＡＡＣ（Advanced Audio Coding）等であってもよい。テロップデータは、カラオケ楽曲の歌詞と歌詞を表示するタイミングとを示すデータである。図２（Ａ）は、テロップデータの構成例を示す図である。図２（Ａ）に示すように、テロップデータは、歌詞の文字情報を含む。また、テロップデータは、歌詞を構成する文字ごとの表示開始時刻及び表示終了時刻を含む。表示開始時刻は、カラオケ楽曲の演奏が開始されてから、対応する文字を表示させるまでに経過する時間を示す。表示終了時刻は、カラオケ楽曲の演奏が開始されてから、対応する文字の表示を終了させるまでに経過する時間を示す。図２（Ａ）の例では、「生」の表示開始時刻及び終了時刻がそれぞれ５００ミリ秒及び１０００ミリ秒に設定されている。また、「麦」の表示開始時刻及び終了時刻がそれぞれ１０００ミリ秒及び１２００ミリ秒に設定されている。

また、カラオケ動画生成サーバ１は、複数の材料データのうち少なくとも１つに基づいて、カラオケ動画データの検索に用いられるメタ情報を生成する。カラオケ動画生成サーバ１は、生成したカラオケ動画データ及びメタ情報をネットワークストレージ３に記憶させる。

データ送信端末２は、例えばカラオケ動画データの配信サービスの運営者等により利用される。運営者は、例えば材料データをデータ送信端末２に入力し、又はデータ送信端末２を操作して材料データを作成する。データ送信端末２は、入力又は作成された材料データをカラオケ動画生成サーバ１へ送信する。

ネットワークストレージ３は、複数のカラオケ動画データを記憶する。ネットワークストレージ３は、カラオケ楽曲を識別可能な識別情報に関連付けて、カラオケ動画データを記憶する。識別情報は、例えば楽曲番号等であってもよい。また、ネットワークストレージ３は、カラオケ動画データごとに、１又は複数のメタ情報を記憶する。ネットワークストレージ３は、例えばハードディスクドライブ等により構成されている。

カラオケ動画配信サーバ４は、ネットワークストレージ３から、利用者端末５から送信されてきた検索条件に合致するメタ情報を検索する。カラオケ動画配信サーバ４は、検索されたメタ情報に含まれる楽曲番号に関連付けられたカラオケ動画データをネットワークストレージ３から特定する。これにより、カラオケ動画配信サーバ４は、カラオケ動画データを検索する。そして、カラオケ動画配信サーバ４は、検索されたカラオケ動画データを利用者端末５へストリーミング配信する。

利用者端末５は、カラオケの配信サービスの利用者により利用される。利用者は、利用者端末５を操作して、カラオケ動画データを検索するための検索条件を指定する。利用者端末５は、指定された検索条件をカラオケ動画配信サーバ４へ送信する。また、利用者端末５は、カラオケ動画配信サーバ４から配信されてきたカラオケ動画データを再生する。利用者端末５の種類としては、例えばパーソナルコンピュータ、テレビ、ＳＴＢ、携帯電話機、スマートフォン、タブレット型コンピュータ、カラオケ装置等がある。

［２．カラオケ動画生成サーバ１の構成］
次に、図１（Ｂ）、図２（Ｂ）乃至図２（Ｄ）を参照して、カラオケ動画生成サーバ１の構成について説明する。図１（Ｂ）は、本実施形態のカラオケ動画生成サーバ１の概要構成例を示す図である。図１（Ｂ）に示すように、カラオケ動画生成サーバ１は、ＣＰＵ（Center Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、記憶部１４及び通信部１５等を備えて構成される。これらの構成要素は、バス１６に接続されている。通信部１５は、ネットワーク１０に接続される。記憶部１４は、例えばハードディスクドライブにより構成される。記憶部１４には、ＯＳ、及びサーバプログラム等が記憶されている。サーバプログラムは、コンピュータとしてのＣＰＵに、カラオケ動画データの生成及びメタ情報の生成等を実行させるプログラムである。サーバプログラム等は、例えばネットワーク１０等を介して他のサーバ等からダウンロードされてもよい。或いは、サーバプログラム等は、例えば光ディスク、磁気テープ、メモリカード等の記録媒体に記録されてドライブ装置を介して記憶部１４に読み込まれてもよい。また、記憶部１４には、メタ情報を生成するための情報等が記憶されている。具体的に、記憶部１４には、難歌詞リスト、キーワードリスト、及び種類リストが記憶されている。これらのリストは、例えばカラオケ動画データの配信サービスの運営者等により作成されてもよい。

図２（Ｂ）は、難歌詞リストの構成例を示す図である。難歌詞リストは、カラオケ楽曲の難歌詞のリストである。難歌詞は、歌唱の難度が高い語として予め定められた語である。具体的に、難歌詞リストには、難歌詞ごとに、難歌詞と基準歌唱時間とが対応付けて登録されている。基準歌唱時間は、対応する難歌詞の歌唱が難しく感じる時間の基準値である。図２（Ｂ）の例では、難歌詞「生麦」と基準歌唱時間１０００ミリ秒とが対応付けて登録されている。この場合、カラオケ楽曲において「生麦」の歌唱時間が１０００ミリ秒未満である場合、「生麦」の歌唱が難しいと判定されてもよい。

図２（Ｃ）は、キーワードリストの構成例を示す図である。キーワードリストは、キーワードとそのキーワードに関連する単語と示すリストである。具体的に、キーワードリストには、キーワードごとに、キーワードと、そのキーワードに関連する複数の単語とが対応付けて登録されている。図２（Ｃ）の例では、キーワード「春」に対応付けて、単語「桜」、「梅」、「卒業」、「巣立」、「入学」が登録されている。

図２（Ｄ）は、種類リストの構成例を示す図である。種類リストは、楽曲の種類のリストである。具体的に、種類リストには、楽曲の種類ごとに、楽曲種別と、１又は複数の音色情報とが対応付けて登録されている。楽曲種別は、楽曲の種類を識別可能な識別情報である。音色情報は、楽曲種別が示す種類の楽曲の演奏に用いられる音源の音色を示す情報である。音色情報の付与体系は、例えばジェネラルＭＩＤＩで定義されている音色の番号の付与体系と同一であってもよい。図２（Ｄ）に示す種類リストには、楽曲種別「民謡」に対応付けて音色情報「三味線」が登録されている。

［３．メタ情報の生成］
例えば、生成されたカラオケ動画データに基づいてメタ情報を生成しようとする場合、カラオケ動画データを解析する必要がある。しかしながら、カラオケ動画データからは、元になった材料データが有する詳細な情報が失われている。そこで、カラオケ動画データの生成に用いられた複数の材料データの少なくとも１つに基づいて運営者がメタ情報を作成することを考える。ところが、完成したカラオケ動画データについて、後でメタ情報を作成しようとした場合、次に述べる問題が生じる。すなわち、メタ情報を作成するまでに、カラオケ動画データの生成に用いられた材料データを、データストレージ３、記憶部１４等の記憶手段に保存させておくか、或いはメモリカード、磁気テープ、光ディスク等の記録媒体に保存しておく必要がある。従って、材料データを保存するためにコンピュータリソースを浪費する。また、カラオケ動画データの生成時と、メタ情報の生成時とで、それぞれ材料データを記憶手段又は記録媒体から読み出す必要があるので、二度手間となる。

そこで、カラオケ動画生成サーバ１のＣＰＵ１１は、データ送信端末２から取得した複数の材料データをＲＡＭ１３に展開する。ＣＰＵ１１は、例えば１回のみ、複数の材料データをＲＡＭ１３に展開してもよい。ＣＰＵ１１は、ＲＡＭ１３に複数の材料データが１回展開された状態における複数の材料データに基づいて、カラオケ動画データを生成し、且つＲＡＭ１３に複数の材料データが１回展開された状態における複数の材料データの少なくとも１つに基づいて、メタ情報を生成する。すなわち、ＣＰＵ１１は、カラオケ動画データの生成に用いられた正にその材料データを用いてメタ情報を生成し、又はメタ情報の生成に用いられた正にその材料データを用いてカラオケ動画データを生成する。ＲＡＭ１３は、データを一時的に記憶する作業用の記憶手段である。ＲＡＭ１３に記憶されたデータは、いつかは消去される。ＣＰＵ１１は、メタ情報がＲＡＭ１３に記憶されている間に、カラオケ動画データの生成とメタ情報の生成とを行うことで、材料データを保存するためのリソースの浪費を防止することができるとともに、材料データの読み出しの手間を減らすことができる。更に、カラオケ動画データの生成に用いられる材料データに基づいて正確なメタ情報を生成することができる。ＣＰＵ１１は、例えばカラオケ動画データの生成とメタ情報の生成とを同時に又は連続して実行してもよいし、別々のタイミングで生成してもよい。メタ情報がＲＡＭ１３から消去されるまでの間に、カラオケ動画データとメタ情報が生成されればよい。また、ＣＰＵ１１は、カラオケ動画データを先に生成してもよいし、メタ情報を先に生成してもよい。ＲＡＭ１３は、本発明の一時記憶手段の一例である。一時記憶手段は、ＲＡＭ１３に限定されるものではない。例えば、保存を目的とせずに材料データが一時的に記憶されるのであれば、例えば不揮発性のメモリに対しても本発明の一時記憶手段を適用することができる。

次に、図３を参照して、メタ情報の生成の具体例について説明する。例えば、ＣＰＵ１１は、歌唱開始時刻を含むメタ情報を生成してもよい。歌唱開始時刻は、カラオケ楽曲の演奏が開始されてから、カラオケ楽曲の最初の歌詞の歌唱が開始されるまでの時間である。具体的に、ＣＰＵ１１は、ＲＡＭ１３にテロップデータから、歌詞の先頭の文字の表示開始時刻を、歌唱開始時刻として取得する。カラオケ動画データの再生時、利用者は、歌詞のテロップの表示のタイミングに合わせて歌唱する。従って、最初の歌詞部分の表示開始時刻を、歌唱開始時刻と考えることができる。図３（Ａ）は、歌唱開始時刻を含むメタ情報の構成例を示す図である。図３（Ａ）に示すメタ情報は、楽曲番号と歌唱開始時刻とを含む。カラオケ動画データの検索時、利用者は、例えば検索条件として歌唱開始時刻の条件を指定することができる。この条件として、例えば１０秒、５秒以上、２０秒以下等の指定が可能であってもよい。カラオケ動画配信サーバ４は、指定された歌唱開始時刻の条件を満たす歌唱開始時刻を含むメタ情報をネットワークストレージ３から検索する。

また例えば、ＣＰＵ１１は、歌唱難易度を含むメタ情報を生成してもよい。歌唱難易度は、カラオケ楽曲の歌唱の難しさを示す情報である。歌唱難易度が高いほど、歌唱が難しい。具体的に、ＣＰＵ１１は、難歌詞リストに登録されている難歌詞のうち、テロップデータに含まれる難歌詞を抽出する。ＣＰＵ１１は、抽出された難歌詞の歌唱時間をテロップデータから取得する。例えば、ＣＰＵ１１は、難歌詞の最初の文字の表示開始時刻から、難歌詞の最後の文字の表示終了時刻までの時間を、歌唱時間として取得する。ＣＰＵ１１は、テロップデータから取得した歌唱時間と、難歌詞の基準歌唱時間とを比較する。そして、ＣＰＵ１１は、この比較の結果に基づいて、歌唱難易度を決定する。例えば、ＣＰＵ１１は、取得した歌唱時間が基準歌唱時間よりも短い難歌詞が多いほど、高い歌唱難易度を決定してもよい。例えば、図２（Ａ）に示すテロップデータにおいては、「生」と「麦」が連続している。従って、このテロップデータは、図２（Ｂ）に示す難歌詞「生麦」を含む。「生」の表示開始時刻は５００ミリ秒であり、「麦」の表示終了時刻は１２００ミリ秒である。従って、「生麦」の歌唱時間は７００ミリ秒である。図２（Ｂ）に示す難歌詞「生麦」の基準歌唱時間は１０００ミリ秒であるので、ＣＰＵ１１は、例えば歌唱難易度を１増加させてもよい。図３（Ｂ）は、歌唱難易度を含むメタ情報の構成例を示す図である。図３（Ｂ）に示すメタ情報は、楽曲番号と歌唱難易度とを含む。カラオケ動画データの検索時、利用者は、例えば検索条件として歌唱難易度の条件を指定することができる。この条件として、例えば難易度０、難易度５以上、難易度８以下等の指定が可能であってもよい。カラオケ動画配信サーバ４は、指定された歌唱難易度の条件を満たす歌唱難易度を含むメタ情報をネットワークストレージ３から検索する。

また例えば、ＣＰＵ１１は、キーワードを含むメタ情報を生成してもよい。具体的に、ＣＰＵ１１は、キーワードリストに登録されている単語のうち、テロップデータに含まれる単語に対応付けられたキーワードを、キーワードリストから抽出する。ＣＰＵ１１は、抽出されたキーワードの抽出頻度を出現度として、キーワードリストに登録されているキーワードごとに計数する。図３（Ｃ）は、キーワードの出現度の例を示す図である。図３（Ｃ）の例では、キーワード「春」の出現度が４であり、キーワード「演歌」の出現度が１である。ＣＰＵ１１は、出現度が所定の頻度を超えるキーワードを、カラオケ楽曲のキーワードに決定する。図３（Ｄ）は、キーワードを含むメタ情報の構成例を示す図である。図３（Ｄ）に示すメタ情報は、楽曲番号と１又は複数のキーワードとを含む。例えば所定の頻度が３である場合、図３（Ｃ）に示すキーワードのうち「春」が、カラオケ楽曲のキーワードに決定される。なお、所定の頻度は３以外であってもよい。カラオケ動画データの検索時、利用者は、例えば検索条件としてキーワードを指定することができる。カラオケ動画配信サーバ４は、指定されたキーワードを含むメタ情報をネットワークストレージ３から検索する。

仮に、図３（Ａ）、図３（Ｂ）、図３（Ｄ）に示すメタ情報を、カラオケ動画データに基づいて生成するとする。この場合、カラオケ動画データに含まれる映像データを解析して、歌詞を抽出する必要がある。そのため、ＣＰＵ１１の処理負荷が増大するとともに、歌詞を正確に抽出することができない場合がある。対照的に、本実施形態においては、歌詞を明確に示すテロップデータに基づいてＣＰＵ１１がメタ情報を生成するので、正確なメタ情報を生成することができる。

また例えば、ＣＰＵ１１は、楽曲種別を含むメタ情報を生成してもよい。例えば、音声データがＭＩＤＩデータである場合、音声データは、１又は複数のトラックを含む。トラックは音色情報を含む場合がある。この音色情報は、カラオケ楽曲の演奏に用いられる音源の音色を示す。ＣＰＵ１１は、種類リストに登録されている音色情報のうち、音声データに含まれる音色情報に対応付けられた楽曲種別を、種類リストから抽出する。そして、ＣＰＵ１１は、抽出した楽曲種別を含むメタ情報を生成する。図３（Ｅ）は、楽曲種別を含むメタ情報の構成例を示す図である。図３（Ｅ）に示すメタ情報は、楽曲番号と１又は複数の楽曲種別とを含む。カラオケ動画データの検索時、利用者は、例えば検索条件として楽曲種別を指定することができる。カラオケ動画配信サーバ４は、指定された楽曲種別を含むメタ情報をネットワークストレージ３から検索する。なお、１つのカラオケ楽曲について、複数の楽曲種別を抽出する場合がある。この場合、ＣＰＵ１１は、例えば抽出された頻度が最も高い楽曲種別を決定し、決定した楽曲種別のみを含むメタ情報を生成してもよい。抽出された頻度が高い楽曲種別ほど、カラオケ楽曲の種類を示す蓋然性が高いと考えられる。或いは、ＣＰＵ１１は、例えば抽出された頻度が最も高い楽曲種別から順に所定数までの複数の楽曲種別を決定し、決定した複数の楽曲種別を含むメタ情報を生成してもよい。或いは、ＣＰＵ１１は、抽出した楽曲種別ごとに、抽出された頻度を示す情報を生成してもよい。そして、ＣＰＵ１１は、楽曲種別と抽出された頻度を示す情報とを含むメタ情報を生成してもよい。

仮に、図３（Ｅ）に示すメタ情報を、カラオケ動画データに基づいて生成するとする。この場合、カラオケ動画データに含まれる音声データを解析して、音源や音色を特定する必要がある。しかしながら、この音声データは、例えば、ＡＡＣ等の、音声をサンプリングして得られるデータである。そのため、ＣＰＵ１１の処理負荷が増大するとともに、音色を正確に特定することができない場合がある。対照的に、本実施形態においては、音色情報を含むＭＩＤＩ形式の音声データに基づいてＣＰＵ１１がメタ情報を生成するので、正確なメタ情報を生成することができる。

ＣＰＵ１１は、これまでに説明された４種類のメタ情報の全てを生成してもよいし、一部のメタ情報のみを生成してもよい。また、ＣＰＵ１１は、例えば別の種類のメタ情報を生成してもよい。また、ＣＰＵ１１は、複数の材料データに含まれる映像データに基づいて、メタ情報を生成してもよい。また、ＣＰＵ１１は、例えば２以上の材料データに基づいて、メタ情報を生成してもよい。また、ＣＰＵ１１は、複数種類の情報を含むメタ情報を生成してもよい。例えば、ＣＰＵ１１は、歌唱開始時刻、難易度、キーワード、楽曲種別等を含む１つのメタ情報を生成してもよい。

［４．通信システムＳの動作］
次に、図４乃至図６を参照して、本実施形態の通信システムＳの動作について説明する。図４（Ａ）は、カラオケ動画生成サーバ１におけるサーバ処理の一例を示すフローチャートである。例えば、カラオケ動画生成サーバ１においてサーバプログラムが起動すると、ＣＰＵ１１は、サーバ処理を実行する。図４（Ａ）に示すように、ＣＰＵ１１は、サーバプログラムが終了するか否かを判定する（ステップＳ１）。このとき、ＣＰＵ１１は、サーバプログラムが終了しないと判定した場合には（ステップＳ１：ＮＯ）、ステップＳ２に進む。ステップＳ２において、ＣＰＵ１１は、データ送信端末２から複数の材料データを受信したか否かを判定する。このとき、ＣＰＵ１１は、複数の材料データを受信していないと判定した場合には（ステップＳ２：ＮＯ）、ステップＳ１に進む。一方、ＣＰＵ１１は、複数の材料データを受信したと判定した場合には（ステップＳ２：ＹＥＳ）、ステップＳ３に進む。

ステップＳ３において、ＣＰＵ１１は、受信された複数の材料データをＲＡＭ１３に展開する。また、ＣＰＵ１１は、生成されるカラオケ動画データの楽曲番号を取得する。例えば、ＣＰＵ１１は、データ送信端末２から楽曲番号を取得してもよいし、ＣＰＵ１１が楽曲番号を生成してもよい。次いで、ＣＰＵ１１は、後述するメタ情報生成処理を実行する（ステップＳ４）。

次いで、ＣＰＵ１１は、ＲＡＭ１３に展開された複数の材料データに基づいて、カラオケ動画データを生成する（ステップＳ５）。例えば、材料データに含まれる音声データがＭＩＤＩ形式のデータである場合、ＣＰＵ１１は、音声データを、例えばＡＡＣ等の形式の音声データに変換する。また、ＣＰＵ１１は、材料データに含まれる映像データに、材料データに含まれるテロップデータが示す歌詞を合成する。例えば、ＣＰＵ１１は、歌詞を構成する文字ごとに、映像の再生開始から表示開始時刻のタイミングでその文字の表示が開始され、映像の再生開始から表示終了時刻のタイミングでその文字の表示が終了するように、合成を行う。ＣＰＵ１１は、音声データと、歌詞が合成された映像データとを多重化して、カラオケ動画データを生成する。次いで、ＣＰＵ１１は、カラオケ動画データと楽曲番号とを対応付けてネットワークストレージ３に記憶させる。そして、ＣＰＵ１１は、ステップＳ１に進む。ステップＳ１において、ＣＰＵ１１は、サーバプログラムが終了すると判定した場合には（ステップＳ１：ＹＥＳ）、サーバ処理を終了させる。

図４（Ｂ）は、カラオケ動画生成サーバ１におけるメタ情報生成処理の一例を示すフローチャートである。図４（Ｂ）に示すように、ＣＰＵ１１は、後述する歌唱開始時刻メタ情報生成処理（ステップＳ１１）、歌唱難易度メタ情報生成処理（ステップＳ１２）、キーワードメタ情報生成処理（ステップＳ１３）、及び楽曲種別メタ情報生成処理（ステップＳ１４）を実行して、メタ情報生成処理を終了させる。

図５（Ａ）は、カラオケ動画生成サーバ１における歌唱開始時刻メタ情報生成処理の一例を示すフローチャートである。図５（Ａ）に示すように、ＣＰＵ１１は、ＲＡＭ１３に展開されたテロップデータから、歌詞の先頭の文字の表示開始時刻を、歌唱開始時刻として取得する（ステップＳ２１）。次いで、ＣＰＵ１１は、楽曲番号と、取得した歌唱開始時刻とを含むメタ情報を生成する。そして、ＣＰＵ１１は、メタ情報をネットワークストレージ３に記憶させて（ステップＳ２２）、歌唱開始時刻メタ情報生成処理を終了させる。

図５（Ｂ）は、カラオケ動画生成サーバ１における歌唱難易度メタ情報生成処理の一例を示すフローチャートである。図５（Ｂ）に示すように、ＣＰＵ１１は、記憶部１４から難歌詞リストを読み出す（ステップＳ３１）。次いで、ＣＰＵ１１は、歌唱難易度を０に設定するとともに、番号ｉを１に設定する（ステップＳ３２）。次いで、ＣＰＵ１１は、ＲＡＭ１３に展開されたテロップデータに、難歌詞（ｉ）が含まれているか否かを判定する（ステップＳ３３）。難歌詞（ｉ）は、難歌詞リストに含まれる難歌詞のうち、ｉ番目の難歌詞である。ＣＰＵ１１は、テロップデータに、難歌詞（ｉ）が含まれていないと判定した場合には（ステップＳ３３：ＮＯ）、ステップＳ３７に進む。一方、ＣＰＵ１１は、テロップデータに、難歌詞（ｉ）が含まれていると判定した場合には（ステップＳ３３：ＹＥＳ）、ステップＳ３４に進む。

ステップＳ３４において、ＣＰＵ１１は、テロップデータから、難歌詞（ｉ）の先頭の文字の表示開始時刻と、難歌詞（ｉ）の最後の文字の表示終了時刻とを取得する。そして、ＣＰＵ１１は、取得した表示終了時刻から表示開始時刻を減算することにより、歌唱時間を取得する。次いで、ＣＰＵ１１は、難歌詞（ｉ）に対応付けて難歌詞リストに登録されている基準歌唱時間が、取得された歌唱時間よりも長いか否かを判定する（ステップＳ３５）。このとき、ＣＰＵ１１は、基準歌唱時間が、取得された歌唱時間よりも長くはないと判定した場合には（ステップＳ３５：ＮＯ）、ステップＳ３７に進む。一方、ＣＰＵ１１は、基準歌唱時間が、取得された歌唱時間よりも長いと判定した場合には（ステップＳ３５：ＹＥＳ）、ステップＳ３６に進む。ステップＳ３６において、ＣＰＵ１１は、歌唱難易度を１増加させる。

次いで、ＣＰＵ１１は、番号ｉが、難歌詞リストに登録されている難歌詞の数未満であるか否かを判定する（ステップＳ３７）。このとき、ＣＰＵ１１は、番号ｉが難歌詞の数未満であると判定した場合には（ステップＳ３７：ＹＥＳ）、ステップＳ３８に進む。ステップＳ３８において、ＣＰＵ１１は、番号ｉを１増加させて、ステップＳ３３に進む。一方、ＣＰＵ１１は、番号ｉが難歌詞の数未満ではないと判定した場合には（ステップＳ３７：ＮＯ）、ステップＳ３９に進む。ステップＳ３９において、ＣＰＵ１１は、楽曲番号と歌唱難易度とを含むメタ情報を生成する。そして、ＣＰＵ１１は、メタ情報をネットワークストレージ３に記憶させて、歌唱難易度メタ情報生成処理を終了させる。

図６（Ａ）は、カラオケ動画生成サーバ１におけるキーワードメタ情報生成処理の一例を示すフローチャートである。図６（Ａ）に示すように、ＣＰＵ１１は、記憶部１４からキーワードリストを読み出す（ステップＳ４１）。次いで、ＣＰＵ１１は、キーワードリストに含まれる各キーワードの出現度を０に設定する。また、ＣＰＵ１１は、番号ｉを１に設定する（ステップＳ４２）。次いで、ＣＰＵ１１は、ＲＡＭ１３に展開されたテロップデータに、単語（ｉ）が含まれているか否かを判定する（ステップＳ４３）。単語（ｉ）は、キーワードリストに含まれる単語のうち、ｉ番目の単語である。ＣＰＵ１１は、テロップデータに、単語（ｉ）が含まれていないと判定した場合には（ステップＳ４３：ＮＯ）、ステップＳ４５に進む。一方、ＣＰＵ１１は、テロップデータに、単語（ｉ）が含まれていると判定した場合には（ステップＳ４３：ＹＥＳ）、ステップＳ４４に進む。ステップＳ４４において、ＣＰＵ１１は、単語（ｉ）に対応付けてキーワードリストに登録されているキーワードの出現度を１増加させて、ステップＳ４５に進む。

ステップＳ４５において、ＣＰＵ１１は、番号ｉが、キーワードリストに登録されている単語の数未満であるか否かを判定する。このとき、ＣＰＵ１１は、番号ｉが単語の数未満であると判定した場合には（ステップＳ４５：ＹＥＳ）、ステップＳ４６に進む。ステップＳ４６において、ＣＰＵ１１は、番号ｉを１増加させて、ステップＳ４３に進む。一方、ＣＰＵ１１は、番号ｉが単語の数未満ではないと判定した場合には（ステップＳ４５：ＮＯ）、ステップＳ４７に進む。

ステップＳ４７において、ＣＰＵ１１は、番号ｉを１に設定する。次いで、ＣＰＵ１１は、キーワード（ｉ）の出現度が３よりも大きいか否かを判定する（ステップＳ４８）。キーワード（ｉ）は、キーワードリストに登録されているキーワードのうち、ｉ番目のキーワードである。ＣＰＵ１１は、キーワード（ｉ）の出現度が３よりも大きくはないと判定した場合には（ステップＳ４８：ＮＯ）、ステップＳ５０に進む。一方、ＣＰＵ１１は、キーワード（ｉ）の出現度が３よりも大きいと判定した場合には（ステップＳ４８：ＹＥＳ）、ステップＳ４９に進む。ステップＳ４９において、ＣＰＵ１１は、キーワード（ｉ）を、カラオケ楽曲のキーワードの１つとして、ＲＡＭ１３に保存する。次いで、ＣＰＵ１１は、ステップＳ５０に進む。

ステップＳ５０において、ＣＰＵ１１は、番号ｉが、キーワードリストに登録されているキーワードの数未満であるか否かを判定する。このとき、ＣＰＵ１１は、番号ｉがキーワードの数未満であると判定した場合には（ステップＳ５０：ＹＥＳ）、ステップＳ５１に進む。ステップＳ５１において、ＣＰＵ１１は、番号ｉを１増加させて、ステップＳ４８に進む。一方、ＣＰＵ１１は、番号ｉがキーワードの数未満ではないと判定した場合には（ステップＳ５０：ＮＯ）、ステップＳ５２に進む。ステップＳ５２において、ＣＰＵ１１は、楽曲番号と、ＲＡＭ１３に保存しておいたキーワードとを含むメタ情報を生成する。そして、ＣＰＵ１１は、メタ情報をネットワークストレージ３に記憶させて、キーワードメタ情報生成処理を終了させる。

図６（Ｂ）は、カラオケ動画生成サーバ１における楽曲種別メタ情報生成処理の一例を示すフローチャートである。図６（Ｂ）に示すように、ＣＰＵ１１は、記憶部１４から種類リストを読み出す（ステップＳ６１）。次いで、ＣＰＵ１１は、番号ｉを１に設定する（ステップＳ６２）。次いで、ＣＰＵ１１は、ＲＡＭ１３に展開された音声データに、音色情報（ｉ）が含まれているか否かを判定する（ステップＳ６３）。音色情報（ｉ）は、種類リストに含まれる音色情報のうち、ｉ番目の音色情報である。ＣＰＵ１１は、テロップデータに、音色情報（ｉ）が含まれていないと判定した場合には（ステップＳ６３：ＮＯ）、ステップＳ６５に進む。一方、ＣＰＵ１１は、テロップデータに、音色情報（ｉ）が含まれていると判定した場合には（ステップＳ６３：ＹＥＳ）、ステップＳ６４に進む。ステップＳ６４において、ＣＰＵ１１は、音色情報（ｉ）に対応付けて種類リストに登録されている楽曲種別を、カラオケ楽曲の種類を示す可能性がある楽曲種別としてＲＡＭ１３に保存する。次いで、ＣＰＵ１１は、ステップＳ６５に進む。

ステップＳ６５において、ＣＰＵ１１は、番号ｉが、種類リストに登録されている音色情報の数未満であるか否かを判定する。このとき、ＣＰＵ１１は、番号ｉが音色情報の数未満であると判定した場合には（ステップＳ６５：ＹＥＳ）、ステップＳ６６に進む。ステップＳ６６において、ＣＰＵ１１は、番号ｉを１増加させて、ステップＳ６３に進む。一方、ＣＰＵ１１は、番号ｉが音色情報の数未満ではないと判定した場合には（ステップＳ６５：ＮＯ）、ステップＳ６７に進む。ステップＳ６７において、ＣＰＵ１１は、楽曲番号と、ＲＡＭ１３に保存しておいた楽曲種別とを含むメタ情報を生成する。そして、ＣＰＵ１１は、メタ情報をネットワークストレージ３に記憶させて、楽曲種別メタ情報生成処理を終了させる。

以上説明したように、本実施形態によれば、カラオケ動画生成サーバ１が、データ送信端末２から取得された複数の材料情報をＲＡＭ１３に展開する。また、カラオケ動画生成サーバ１が、ＲＡＭ１３に展開された複数の材料情報に基づいて、カラオケ動画データを生成する。また、カラオケ動画生成サーバ１がＲＡＭ１３に展開された複数の材料情報のうち少なくとも１つの材料情報に基づいて、メタ情報を生成する。従って、カラオケ動画自体から生成した場合と比較してより正確なメタ情報を容易に生成することができる。

１ カラオケ動画生成サーバ
２ データ送信端末
３ ネットワークストレージ
４ カラオケ動画配信サーバ
５ 利用者端末
１０ ネットワーク
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 記憶部
１５ 通信部
Ｓ 通信システム

Claims (6)

1. 一時記憶手段と、取得手段と、展開手段と、カラオケ動画生成手段と、メタ情報生成手段とを備える情報処理装置のコンピュータにより実行される情報処理方法であって、
   前記取得手段が、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記カラオケ楽曲の演奏が開始されてから前記歌詞の表示が開始されるまでの経過時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、
   前記展開手段が、前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、
   前記カラオケ動画生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、
   前記メタ情報生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記歌詞情報に含まれる前記経過時間を、歌唱の開始時刻として含むメタ情報を生成するメタ情報生成ステップと、
   を含むことを特徴とする情報処理方法。
2. 一時記憶手段と、取得手段と、展開手段と、カラオケ動画生成手段と、語抽出手段と、比較手段と、難易度決定手段と、メタ情報生成手段とを備える情報処理装置のコンピュータにより実行される情報処理方法であって、
   前記取得手段が、カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記歌詞に含まれる語ごとに、前記語の表示の開始から終了までの表示時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、
   前記展開手段が、前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、
   前記カラオケ動画生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、
   前記語抽出手段が、歌唱の難度が高い語として予め定められた高難度語と、前記高難度語の歌唱の基準時間とを高難度語ごとに対応付けて記憶する第１記憶手段に記憶された複数の高難度語のうち、前記一時記憶手段に展開された前記歌詞情報に含まれる高難度語を抽出する語抽出ステップと、
   前記比較手段が、前記語抽出ステップにより抽出された高難度語ごとに、前記高難度語の歌唱の基準時間と、前記高難度語の表示時間とを比較する比較ステップと、
   前記難易度決定手段が、前記比較ステップによる比較結果に基づいて、前記歌詞の難易度を決定する難易度決定ステップと、
   前記メタ情報生成手段が、前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記難易度決定ステップにより決定された前記難易度を含むメタ情報を生成するメタ情報生成ステップと、
   を含むことを特徴とする情報処理方法。
3. 一時記憶手段と、
   カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記カラオケ楽曲の演奏が開始されてから前記歌詞の表示が開始されるまでの経過時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得手段と、
   前記取得手段により取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開手段と、
   前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成手段と、
   前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記歌詞情報に含まれる前記経過時間を、歌唱の開始時刻として含むメタ情報を生成するメタ情報生成手段と、
   を備えることを特徴とする情報処理装置。
4. 一時記憶手段と、
   カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記歌詞に含まれる語ごとに、前記語の表示の開始から終了までの表示時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得手段と、
   前記取得手段により取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開手段と、
   前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成手段と、
   歌唱の難度が高い語として予め定められた高難度語と、前記高難度語の歌唱の基準時間とを高難度語ごとに対応付けて記憶する第１記憶手段に記憶された複数の高難度語のうち、前記一時記憶手段に展開された前記歌詞情報に含まれる高難度語を抽出する語抽出手段と、
   前記語抽出手段により抽出された高難度語ごとに、前記高難度語の歌唱の基準時間と、前記高難度語の表示時間とを比較する比較手段と、
   前記比較手段による比較結果に基づいて、前記歌詞の難易度を決定する難易度決定手段と、
   前記展開手段により前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記難易度決定手段により決定された前記難易度を含むメタ情報を生成するメタ情報生成手段と、
   を備えることを特徴とする情報処理装置。
5. 一時記憶手段を備える情報処理装置のコンピュータに、
   カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記カラオケ楽曲の演奏が開始されてから前記歌詞の表示が開始されるまでの経過時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、
   前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、
   前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、
   前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記歌詞情報に含まれる前記経過時間を、歌唱の開始時刻として含むメタ情報を生成するメタ情報生成ステップと、
   を実行させることを特徴とするプログラム。
6. 一時記憶手段を備える情報処理装置のコンピュータに、
   カラオケ動画の材料となる複数の材料情報であって、映像情報、カラオケ楽曲の演奏音を示す音情報、及び前記カラオケ楽曲の歌詞を示す歌詞情報であって、前記歌詞に含まれる語ごとに、前記語の表示の開始から終了までの表示時間を含む歌詞情報を少なくとも含む複数の材料情報を取得する取得ステップと、
   前記取得ステップにより取得された前記複数の材料情報を前記一時記憶手段に１回展開する展開ステップと、
   前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報に基づいて、前記カラオケ動画を生成するカラオケ動画生成ステップと、
   歌唱の難度が高い語として予め定められた高難度語と、前記高難度語の歌唱の基準時間とを高難度語ごとに対応付けて記憶する第１記憶手段に記憶された複数の高難度語のうち、前記一時記憶手段に展開された前記歌詞情報に含まれる高難度語を抽出する語抽出ステップと、
   前記語抽出ステップにより抽出された高難度語ごとに、前記高難度語の歌唱の基準時間と、前記高難度語の表示時間とを比較する比較ステップと、
   前記比較ステップによる比較結果に基づいて、前記歌詞の難易度を決定する難易度決定ステップと、
   前記展開ステップにより前記一時記憶手段に前記複数の材料情報が１回展開されている状態における前記複数の材料情報のうち少なくとも１つの材料情報に基づいて、前記カラオケ動画の検索に用いられるメタ情報であって、前記難易度決定ステップにより決定された前記難易度を含むメタ情報を生成するメタ情報生成ステップと、
   を実行させることを特徴とするプログラム。

Images