JPH01304499A - 音声合成方法とその装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、音源信号とスペクトルパラメータを格納し、
音源信号の韻律（ピッチ、振幅２時間長など）を制御し
、前記音源信号を用いて合成フィルタを駆動して音声を
合成する音声合成方式とその装置に関する。

〔従来の技術〕

任意語音声合成の方式として、線形予測分析等を用いて
得られた予測残差信号の一部を音源信号として用い、こ
の音源信号により線形予測係数から構成される合成フィ
ルタを駆動して音声を合成する方式が知られている。こ
の方式は例えば、佐藤氏による“’ｃｖｃと音源要素に
もとづ（（ＳＹＭＰＬＥ）音声合成′°（日本音響学会
音声研究会資料　５８３−６９．１９８４年）と題した
論文（文献１）に詳細に記載されている。文献１の方式
においては、無声音区間では元の音声から線形予測分析
して得られた予測残差信号を音源信号として用い、有声
音区間では母音区間の代表的な１ピッチ周期区間から切
り出した予測残差信号分有声音区間の音源として使用し
て、合成フィルタを駆動して音声を合成している。この
方式では、音源として有声音区間ではインパルス列を、
無声音区間では雑音信号を用いる方式と比べて音質が改
善されるとしている。

〔発明が解決しようとする課題〕

音声合成、特に任意語合成では、単位音声を接続して音
声を合成するわけであるが、人間が発話の際に行ってい
るような自然な抑揚をつけるために、韻律情報あるいは
韻律規則に従い、音声信号あるいは音源信号のピッチ周
期を変化させる必要がある。しかるに前記文献１の方式
では、有声区間の音源である残差信号のピッチ周期を変
化させたときに、合成フィルタの係数を分析した元の音
声のピッチ周期と合成すべき音声のピッチ周期が異なる
ので、残差信号の変更したピッチと合成フィルタのスペ
クトル包絡とでミスマツチングが発生して合成音声のス
ペクトルが大きく歪むため、合成音声が大きく歪んだり
明瞭度が大幅に低下するという大きな問題点があった。

また、この問題点は、ピッチ周期の短い女声話者におい
てピッチ周期を大きく変化させたときに時にｍ著であっ
た。

この問題点については、スペクトル包絡の低域のホルマ
ントのピークを、合成するときのピッチ周波数の位置に
一致させるようにピーク位置をずらすことによりある程
度改善する方法が知られており、具体的には例えば、匂
坂氏らによるピッチ構造を考慮したスペクトル包絡の合
成法“′　（日本音響学会講演論文集　５０１−５０２
頁、１９７９年１０月）と題した論文（文献２）を参照
できる。しかしながら前記文献２の方法では、ホルマン
トのピーク位置を、変更したピッチ周波数の位置にずら
してしまうので、重責的に改善法ではなく、ホルマント
位置の移動によって明瞭性および音質が劣化するという
問題点が新たに発生していた。

さらに、前記文献１の方式では、母音区間では、同一母
音区間の代表的な１ピッチ区間の予測残差信号を基本的
には繰り返して使用しているので、母音区間での残差信
号のスペクトル及び位相の時間的な変化を十分に表すこ
とができず、母音区間で音質が劣化していた。

本発明の目的は、音源信号のピッチ周期を変化させて合
成フィルタを駆動して音声を合成する際に、従来の問題
点を改善するのみならず、母音区間でも良好な音質の得
られる音声合成方式とその装置を提供することにある。

〔課題を解決するための手段〕

本発明の音声合成方式は、音源信号とスペクトルパラメ
ータを単位音声について格納し、前記音源信号の韻律を
制御しながら前記スペクトルパラメータを用いて音声を
合成し、フィルタにより前記合成音声のスペクトルを補
正することを特徴とする。

また、本発明の音声合成装置は、単位音声毎に音源信号
を格納する音源信号格納回路と、前記単位音声毎にスペ
クトル特性を表すスペクトルパラメータを格納するスペ
クトルパラメータ格納回路と、前記音源信号の韻律を制
御する韻律制御回路と、前記韻律を制御された音源信号
と前記スペクトルパラメータを用いて音声を合成する合
成回路と、前記スベク）〜ルパラメータと前記合成音声
から求めたスペクトルパラメータとを用い前記合成音声
のスペクトルを補正するフィルタ回路とを有することを
特徴とする。

〔牛用〕

本発明は、音源信号を単位音声区間では、有音声、無音
声を問わず全区間に対して有するとともに、音源信号の
ピッチを変化させて音声を合成したときに、スペクトル
の歪を補正するための補正用フィルタを用いることを特
徴とする。

第２図は本発明の作用を示すブロック図で、音源信号記
憶部１１０は単位音声（例えばＣＶ、ＶＣなど）毎に音
声信号を分析して音源信号を求め、この音源信号を単位
音声毎に記憶しておく。また分析して求めたスペクトル
パラメータ（次数Ｍ＋）をスペクトルパラメータ記憶部
３５０に格納しておく。ここでは、分析法としては周知
の線形予測分析を用い、音源信号として線形予測分析し
て得られた予測残差信号を用いるものとして説明を進め
る。ただし、スペクトルパラメータ、音源信号としては
、周知の他の良好なものを用いることもできる。また、
予測残差信号の母音区間では、各ピッチ毎の開始位置も
格納しておく。スペクトルパラメータとしては線形予測
パラメータとして種種のものが考えられるが、ここては
ＬＰＣパラメータを用いることにする。これ以外にもＬ
ＳＰ。

Ｐ　Ａ　ＲＣＯＲ、ホルマントなど、他の周知のパラメ
ータを用いることができる。分析は、あらかじめ定めら
れた固定長フレーム（５あるいは１０ｍ５）でもよいし
、母音区間ではピンチ周期に同期したピッチ同期分析を
用いることもできる。

また、音源信号記憶部１１．０は端子１００から入力し
た制御情報にもとづき、必要な単位音声を選択してこれ
に対応する予測残差信号を出力する。

ピッチ制御部１５０では前記制御情報のうちピッチを変
化させるための情報を用いて、母音区間では前記ピッチ
の開始位置にもとづいてピッチ区間毎に残差信号のピッ
チの伸縮を行う。具体的な方法については、前記文献１
に記載されているように、ピッチ周期を長くするときは
ピッチ区間の後ろに零を詰め、ピッチ周期を短くすると
きはピッチ区間の後ろからサンプルを切り詰める。また
母音区間の時間長は前記制御情報により指定された時間
長を用いてピッチ単位で調整する。

スペクトルパラメータ記憶部３５０は、あらかじめ線形
予測分析により求めたＬＰＧパラメータを各単位音声に
ついて記憶しておく。そして前記制御情報に従い、単位
音声と選択しこれに対応するＬＰＣパラメータａｌ　　
（次数Ｍｌ）を出力する。

合成フィルタ２００は下式の伝達特性を持ち５（ｚ）＝
　　　　　　　　−−・・・・・・（１〉１−ΣａｌＺ
−’ ピッチを変化させた予測残差信号とＬ　Ｐ　Ｇパラメー
タとを用いて合成した合成音声ｘ　（ｎ）を出力する。

補正用スペクトルパラメータ記憶部３００はｌ−５ＰＣ
パラメータａｌ　と合成音声ｘ　＜ｎ）を用いて、ピッ
チを変化させたときに合成音声に発生するスペク）・ル
歪を補正するための補正用スペクトルパラメータｂ１を
計算する９具体的には以下のように行う。

まず、ＬＰＧパラメータｃｌ　＋　３用いて以下のパワ
スペクトルＨ”（ｚ）を計算する。

Ｈ２（ｚ　）　＝　−−− ・・・・・・（２） 次に、合成音声ｘ（ｎ）の有声音区間についてあらかじ
め定められた区間長毎に、あるいはピッチ周期にＬＰＧ
分析を行い、スペクトルパラメータａ１′　（次数：Ｎ
１２）を計算し、これを用いて以下のパワスペクトルＦ
２　（ｚ）を計算する。

Ｆ２　（ｚ）＝−−二一一一一□ ・・・・・・（３） 次に、（１）式と（２）式の比を以下のように求める。

そして、＜３）式を逆フーリエ変換して自己相関関数Ｒ
（ｍ）を求め、Ｒ（ｍ）がらＬＰＣ分析により補正用ス
ペクトルパラメータｂ、（次数３〉を計算する。なお、
（１）　、　（２）式はフーリエ変換を用いて計算する
ことができる。

補正用フィルタ２５０は以下の伝達特性Ｑ（ｚ）を持ち
、 ］ Ｑ（Ｚ）　　　−−□　　　　　　　　　・・・　・・
べ５　〉合成音声ｘ　（ｎ＞を入力し、補正用スペクト
ルパラメータｂＩを用いて、スペクトル歪を補正した合
成音声ｘ’（ｎ、）を端子３６０へ出力する。

〔実施例〕

次に本発明について第１図を参照して詳細に説明する。

第１図は本発明の一実施例の構成を示すブロック図であ
る。制御回路５］０は端子５００から韻律制御（ピッチ
、時間長、振幅）情報、単位音声の接続情報を入力し、
音源記憶回路５５０．スペクトルパラメータ記憶回路５
８０．ピッチ制御回路５６０．振幅制御回路５７０へ出
力する。音源記憶回路５５０は単位音声の接続情報を入
力し、その単位音声に対応する予測残差信号を出力する
。

ピッチ制御回路５６０はピッチ制御情報を入力し、母音
区間においてあらかじめ指定されているピッチ分割位置
を用いて予測残差信号のピッチの変更を行う。ピッチを
変更するための具体的な方法は、前記作用の項で説明し
た方法や他の周知の方法を用いることができる。

次に、振幅制御回路５７０は振幅制御情報を入力し、そ
れに従って予測残差信号の振幅を制御して予測残差信号
ｅ　（ｎ）を出力する。スペクトルパラメータ記憶回路
５８０は単位音声の接続情報を入力し、その単位音声に
対応するスペクトルパラメータ系列を出力する。ここで
は、前記作用の項と同様にスペクＩ〜ルパラメータとし
て、ＬＰＧ係数ａＩを用いることにす為が、他の周知の
パラメータを用いることができる。

合成フィルタ回路６００は（１）式の特性を有しており
、ピッチを変更した予測残差信号を入力してＬＰＧ係数
ａ、を用いて次式に従い合成音声ｘ（ｎ）を計算する。

・・・・・・（６） 振幅制御回路７１０は合成音声ｘ（ｎ）にゲインＧをか
けて出力する。ゲインＧはゲイン計算回路７００から入
力する。なお、ゲイン計算回路７００の動作は後述する
。

ＦＦＴ計算回路６１０はＬ　Ｐ　Ｃ係数ａ、を入力し、
あらかじめ定められた点数（例えば２５６点）のＦＦＴ
（高速フーリエ変換）を行い、前記（２）式で定義した
パワスペクトルＨ２（ｚ）を計算して出力する。なお、
ＦＦＴの計算法は、例えばＯｐｐｅｎｈｅｉｍ氏らによ
る’Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉ
ｎｇ　”　　（Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ、１９７５
年〉と題した単行本の第６章（文献３）に記載されてい
るのでここでは説明を省略する。

ＬＰＧ分析回路６４０はピッチ周期を変更して得な合成
音声ｘ（ｎ）の母音区間においてＬＰＣ分析を行い、Ｌ
ＰＣ係数ａｌ’を計算する。このとき、作用の項で述べ
たように、ＬＰＣ分析をピッチ同期で行ってもよいし、
固定長フレーム区間毎に行ってもよい。ＦＦＴ計算回路
６３０は係数ａ＋’を入力し、前記（３）式で定めたパ
ワーペクトルＦ２　（ｚ）を計算し出力する。

補正用スペクトルパラメータ計算回路６２０はパワース
ペクトルＨ２（ｚ）、Ｆ２　（ｚ）を用いて、（４）式
に従い比Ｇ２　（ｚ）を計算する。さらに、これを逆Ｆ
　Ｆ　Ｔ　して自己相関関数Ｒ（ｍ）を求め、ＬＰＧ分
析してＬＰＧ係数ｂ１を求める。

補正用フィルタ６５０は係数ｂ＋を用い振幅制御回路７
１０の出力を入力して、スペクトル歪を補正した合成音
声ｘ’　　（ｎ）を下式に従い計算する。

ｘ’　　（ｎ）＝Ｇ−ｘ（ｎ） （７）式でＧ−ｘ（ｎ）は補正用フィルタ６５０の入力
信号を示す。

ゲイン計算回路７００はピッチを変化させた区間で、合
成音声ｘ　（ｎ）とｘ’　　（ｎ）のピッチ毎の平均電
力を等しくするためのゲインＧを計算する。これは、補
正用フィルタ６５０のゲインが１ではないからである。

具体的には、ピッチを変化させた区間で、ピッチ毎に合
成音声ｘ（ｎ）とｘ’　　（ｎ＞の平均電力を下式に従
い計算する。

Ｐ２−１／′Ｎ・Σｘ　′”　　（ｎ　）　　　　−−
−−（８ｂ）ｎ＋１ ここでＮはピッチ区間のサンプル数を示す。そしてゲイ
ンＧを下式から求める。

Ｇ＝　　５肩−石Ｔ７　　　　　　　　　・・・・・・
（９）このゲインＧがかけられた最終的な合成音声信号
ｘ′　（ｎ）は端子６６０を通して出力される。

上記実施例は、あくまでも本発明の一構成例にすぎず、
種種の変形も可能である。

すなわち、本実施例では単位音声の全区間について、音
源信号として線形予測分析して得られた予測残差信号を
用いたが、演算量、メモリ量の低減のために、有声区間
、特に母音区間では代表的な１ピッチ区間の予測残差信
号分用いて、これの振福、ピッチ３制御しながら繰り返
して用いてもよい。

また、音源信号としては、線形予測分析して得られる予
測残差信号のみならず、他の良好な音源信号、例えば零
位相化信号９位相等化信号、マルチパルス音源などを用
いることができる。

また、スペクトルパラメータとしては、ＬＰＣ以外に他
の良好なスペクトルパラメータ、例えばＬ　Ｓ　Ｐ　、
ホルマント、ケプストラムなどを用いることができる。

また、補正用フィルタのスペクトルパラメータもＬＰＣ
以外に、他の良好なパラメータ、例えばＬ　Ｓ　ｒ−’
　、ポルマント、ケプストラムなどを用いることができ
る。

また、補正用フィルタの構成としては、（５）式で示し
たような全横形フィルタを用いたが、極−雲形フィルタ
やＦＩＲフィルタを用いる構成としてもよい。ただしこ
のようにすると演算量がかなり増大する。

また、演算量低減化のために、振幅制御回路７１０、ゲ
イン計算回路７００を省略することもできる。ただしこ
のようにすると合成音声ｘ’　　（ｎ）のレベルが多少
変化するおそれがある。

また、振幅制御回路５７０は残差信号のパワを制御する
のではなく、ゲイン計算回路７００．振幅制御回路７１
０と同一の構成とし、合成音声ｘ　（ｎ）のパワを制御
するようにしてもよい。ただしこのときは、制御回路５
１０から入力する制御信号は残差信号のピッチ毎の単位
パワではなく、合成音声のピッチ毎の単位パワとする必
要がある。

また、本実施例では韻律制御情報を端子５００を通して
入力する構成としたが、韻律制御に関しては、アクセン
ト情報、イントネーション情報を入力して、規則により
韻律制御情報を発生するようにしてもよい。

また、演算量低減のために、補正用ライルタの計算はピ
ッチ制御回路５６０においてピッチの変（ヒが大きいと
きにのみ計算するような構成としてもよい。

〔発明の効果〕

以上説明したように本発明によれば、単位音声のすべて
の区間について音源信号とスペクトルパラメータを有し
ており、これらを用いて音声を合成しているので、子音
区間のみならず、従来音質が劣化していた母音区間でも
良好な音質の合成音を得ることができるという大きな効
果が得られる。

また、本発明によれば、音源（Ｂ号のピッチ周期をあら
かじめ分析して格納しておいな音源信号のピッチ周期に
比べ大きく変化させて合成しても、それにより発生する
スペクトル歪を補正することが可能であるので、音質劣
化のほとんどない音声を合成することができるという効
果が得られる。またこの効果は、ピッチ周期の短い女性
話者について特に顕著である。

【図面の簡単な説明】

第１図は本発明の一実施例の構成を示すブロック図、第
２図は本発明の作用を示すブロック図である。 １１０・・・音源信号記憶部、１５０・・・ピッチ制御
部、２００．６００・・・合成フィルタ、２５０，６５
０・・・補正用フィルタ、３００・・・補正用スペク１
ヘルパラメータ計算部、３５０・・・スペクＩ・ルパラ
メータ記憶部、５１０・・・制御回路、５５０・・・音
源記憶回路、５６０・・・ピッチ制御回路、５７０゜７
１０・・・振幅制御回路、５８０・・・スペクトルパラ
メータ記憶回路、６１０，６３０・・・ＦＦＴ計算回路
、６２０・・・補正用スペクトルパラメータ計算回路、
６４０・・・ＬＰＣ分析回路、７００・・・ゲイン計算
回路。

Claims (2)

【特許請求の範囲】
1. （１）音源信号とスペクトルパラメータを単位音声につ
   いて格納し、前記音源信号の韻律を制御しながら前記ス
   ペクトルパラメータを用いて音声を合成し、フィルタに
   より前記合成音声のスペクトルを補正することを特徴と
   する音声合成方式。
2. （２）単位音声毎に音源信号を格納する音源信号格納回
   路と、前記単位音声毎にスペクトル特性を表すスペクト
   ルパラメータを格納するスペクトルパラメータ格納回路
   と、前記音源信号の韻律を制御する韻律制御回路と、前
   記韻律を制御された音源信号と前記スペクトルパラメー
   タを用いて音声を合成する合成回路と、前記スペクトル
   パラメータと前記合成音声から求めたスペクトルパラメ
   ータとを用い前記合成音声のスペクトルを補正するフィ
   ルタ回路とを有することを特徴とする音声合成装置。