JPH02239292A - 音声合成装置 - 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、インパルス応答波形を重ねあわせることによ
り音声波形を生成する音声合成装置に関する． ［従来の技術］ 従来から種々の合成方式による音声合成装置が提案され
ている。この中で特に、予め人間の音声から抽出した音
声特徴パラメータを用いるパラメータ編集方式や規則合
成方式を採用した音声合成装置は、録音編集方式（ＰＣ
Ｍ，ＡＤＰＣＭ等）を用いる音声合成装置に比べて、合
成音声の自然性、了解性が劣化するものの、情報の圧縮
には非常に有効であり、そのため音声として合成できる
語紮や文章の自由度が増すといクた特徴がある。例えば
、音声合成に必要な情報量で比較すれば、録音編集方式
が２４〜６４ｋｂｐｓなのに対して、パラメータ編集方
式では２．４〜９．６ｋｂｐｓ　，規則合成方式では５
０〜・７０ｂｐｓと非常に少ない（文献（１）古井貞煕
著：”ディジタル音声処理゜゜．東海大学出版会，１９
８５）　， 上述のパラメータ編集方式とは、ＰＡＩＩＣＯＲ．ＬＳ
Ｐ．ケブストラムと呼ばれる種々の特徴パラメータを音
声波形を合成する合成フィルタの係数として与えて合成
フィルタによりインパルス応答波形を重ねあわせること
により合成音を生成する方式である．その際、音声の中
の有声音声区間にはインパルス列の信号を合成フィルタ
に入力し、無声音声区間にはホワイトノイズあるいはＭ
系列等の信号を合成フィルタに人力するのが一般的であ
る。合成フィルタの特性としては最小位相特性のものが
よく使われている． 一方、同じパラメータ編集方式でも高音質合成を目指し
たパワースペクトル包絡（ＰＳＥ）音声分析・合成方式
の中で零位相インパルス応答波形の重ねあわせによる合
成方式が下記の文献（２）　．　（３）において提案さ
れている。

文献（２）中島隆之．鈴木虎三二“パワースペクトル包
絡（ＰＳＥ）包絡音声分析・合成系″音響学会誌４４巻
ｌ１号ｐｐ．８２４−８：１２，１９８８文献（３）中
島隆之，鈴木虎三：゛非定常態波形のスペクトル・モデ
ルに基くピッチ対同期型ＰＳＥ分析法”．音響学会誌４
４巻１２号ｐｐ．９００−９０８．１９８８ この零位相インパルス応答形の重ねあわせによる合成方
式を用いることにより、従来難しいとされていた女声音
声について、かなり自然に近い美声な合成音を得ること
ができると、上記文献（２）（３）では報告されている
。

以後、この“零位相インパルス応答波形の重ねあわせに
よる合成方式”を”　ＯＷＡ　（Ｏｖａｒ−Ｗｒａｐ−
＾ｄｄｉｎｇの略）方式”と呼び、以下にこの方式を簡
単に説明する． 人間が発生する主として母音を構成する有声音声は、肺
から送り出される呼気を声帯の振動によって一定の周期
で脈流的に断続させ、さらに舌．唇．顎などにより共鳴
した音である．その断続的な声帯の振動周期によクて声
の高低（ピッチ）が定まり、また、声帯の振動周期の時
間的な変化によってアクセントやイントネーション５ｚ
が与えられる．一方、特定の子音を構成する無声音は、
肺から送り出される呼気が調音器官の中の、特に舌先．
歯，唇などによって形作られる狭い空間（調音点という
）を通り抜ける時に生ずる不定周期の空気の乱流（うず
）となって発生さわる（文献（４）斉藤収三，中田和男
著”音声情報処理の基礎”．オーム社１９８１）　， 音声合成装置では、一般的に上述の人間の音声生成過程
と近似した生成過程を用いて音声波形を生成している。

第６図は従来の音声合成装置の代表的な構成例を示す。

第６図において、人間の声帯および上記の調音点に相当
する発振回路１から発生した音声信号は人間の調音器官
に相当する変調回路２により波形変調されてスビーカ３
から音声に変換されて出力される． 発振回路１は高周波の白色ノイズを発生する無声音用の
雑音発生回路ｉ−ｉと、有声音用の所定周期のパルスを
発生するパルス発生回路１−２と、スイッチ１−３　と
、可変増幅器（乗算器）１−４とで構成されており、そ
れぞれの音声区間に合わせて供給される外部のマスク装
置（システムコントローラ）からの指示に応じてスイッ
ヂ！−３により雑音発生回路１−１およびパルス発生回
路１−２のいずれか一方が選択切換される。

例えば、有声音を発生する場合は、音声の指示Ｖにより
スイッチｌ−３が切換ねり、パルス発生回路！−２は、
外部指示による所定周期Ｐのパルス信号を発生し、その
パルス信号はスイッチ１−３を通り、可変増幅器１−４
により偏相関係数Ａの振幅（ゲイン）で増幅された後、
音声調音等価フィルタを用いた変調回路２に送られ、変
調回路２により上記パルス信号が有声音の合成音声波形
に整形変調されスビーカ３で出力される。

また、無声音の場合も同様に、無声の指示Ｕによりスイ
ッチ１−３が雑音発生回路１−３側に切換わり、雑音発
生回路１−１から発生したノイズ信号がスイッチｌ−３
を通って可変増幅器１−４で増幅された後、変調回路２
により無声音の合成音声波形に整形・変調され、スビー
カ３で出力される。

このような音声合成回路に与える信号の発生周波数Ｐ、
振幅Ａ等の各種制御データは、予め人間の肉声である実
際の音声波形を上述の各種音声分析方式により分析して
、その分析結果からモデル化して定めていた。

特に、上述したＯｖｌＡ方式においては、一般にピッチ
の存在する有声音声区間ではパワースペクトル包絡（Ｐ
ＳＥ）パラメータにより得られたパワースペクトル包絡
を逆フーリエ変換することによってインパルス応答波形
を生成し、ピッチ周期の時間間隔で変調回路２において
インパルス応答波形を重ねあわせることにより合成波形
を生成している。また、ピッチの存在しない無声音声区
間でも、その区間におけるパワースペクトル包絡から予
めインパルス応答波形を求めて、等間隔（約０．１７ｗ
ｓｅｃ間隔）に，雑音信号のインパルス応答波形に平均
値０のランダムな値を掛け合わせることによって振幅を
ランダムに変化させて重ねあわせ、さらに得られた無声
音合成波形に対して一定区間ごとに係数を乗じてパワー
が原波形に近くなるように操作することにより、ランダ
ムノイズに近い特性を実現している。

［発明が解決しようとする課題］ しかしながら、上述のような従来のＯＷＡ方式では特に
無声音声区間における音声合成に際し、雑音信号の据幅
はランダムに変化させてはいるが、上記信号波形を重ね
あわせる間隔が等間隔であるので、合成された音声は例
えばブザー音のような感じを受ける。この合成音の波形
に対して周波数分解能を細かくしてスペクトル解析を施
した場合には、重ねあわせの周波数（重ねあわせの周期
の逆数で表わされる）の整数倍の位置に、スペクトルの
ピークが存在し、上記方式により合成された無声音は人
間の肉声に近い厳密な意味でのランダムノイズの特性に
はならないという不具合が判明した．そこで、本発明の
目的は、より人間の肉声に近い自然な無声音を合成する
ことが可能な音声合成装置を提供することにある。

［課題を解決するための手段］ このような目的を達成するために、本発明は、インパル
ス応答波形の振幅の大きさを乱数で指示する第１の指示
手段と、インパルス応答波形の重ねあわせ周期を乱数で
指示する第２の指示手段と、第１の指示手段により指示
された振幅の大きさのインパルス応答波形を生成するイ
ンパルス応答波形生成手段と、インパルス応答波形生成
手段により生成されたインパルス応答波形と、インパル
ス応答波形を第２の指示手段により指示された重ねあわ
せ周期だけ遅延させたインパルス応答波形とを重ねあわ
せることにより無声音の音声波形を合成する波形重ねあ
わせ手段とを具えたことを特徴とする。

？作　用］ 本発明は、無声音を合成する際にインパルス応答■波形
の振幅をランダムにする他、インパルス応答波形の重ね
あわせ周期をランダムにすることにより、無声音声区間
における周波数応答特性がホワイトノイズの周波数応答
特性に近似し、以て、より人間の肉声に似た自然な合成
音声を生成できる． ［実施例］ 以下、図面を参照して本発明の実施例を詳細に説明する
。

第１図は本発明実施例の基本構成を示す。

第１図において、１００はインパルス応答波形の振幅の
大きさを乱数で指示する第１の指示手段である． ２０Ｇは前記インパルス応答波形の重ねあわせ周期を乱
数で指示する第２の指示手段である。

３００は前記第１の指示手段により指示された振幅の大
きさのインパルス応答波形を生成するインパルス応答波
形生成手段である． ４００は該インパルス応答波形生成手段により生成され
た前記インパルス応答波形と、該インバルス応答波形を
前記第２の指示手段により指示された前記重ねあわせ周
期だけ遅延させたインパルス応答波形とを重ねあわせる
ことにより無声音の音声波形を合成する波形重ねあわせ
手段である。

第２図は本発明第１実施例の回路構成を示す。

第２図において、ｌ１は特徴パラメータの時系列ベクト
ルに基いて合成音の合成開始時点から各々の時点におけ
るスペクトル包絡情報を生成する“スペクトル包絡作成
部”であり、フィルタ回路や演算回路により構成される
。ｌ２はスペクトル包絡作成部ｌ１で得られたスペクト
ル包絡情報に基いてインパルス応答波形を生成する“イ
ンパルス応答波形生成部”であり、微分回路などのイン
パルス信号発生回路を用いることができる。

１３はインパルス応答波形生成部１２で得られたインパ
ルス応答波形を所定時間遅延させて、その遅延波形と上
記インパルス応答波形を重ねあわせて合成音声波形を作
成する“波形重ねあわせ郎“であり、フィルタ回路が広
く用いられる。１４は無声音声のインパルス応答波形を
重ねあわす場合に用いるランダム値を発生させる“ラン
ダムデータ発生部”であり、乱数発生器を用いる。上記
ランダム値により無声音のインパルスの振幅および重ね
あわせ周期が定められる。

ｌ５は記憶部に記憶された合成音の種類を示す有声／無
声情報から有声／無声の音声区間におけるインパルス応
答波形の重ねあわせの方式の切換を指示する“有声／無
声制御部”である。１６は波形重ねあわせ部１３から出
力される音声波形データをデジタル／アナログ変換して
実際の合成音声を出力するための“Ｄ／Ａ変換部“であ
る。ｌ７は全体の処理の制御を司る“制御部”であり、
タイミング信号発生回路を用いる。

１８は、合成すべき音毎にビッチデータ．特徴パラメー
タ．有声／無声情報，音声の長さを記憶する記憶部であ
り、制御部ｌ７が指示するアドレスの記憶情報が出力さ
れる。

第３図は本発明実施例の動作手順を示すフローチャート
である．以下、第３図のフローチャートに沿って第２図
に示す回路の動作を説明する。

出力すべき合成音の種類を外部装置から受信すると、制
御部７では合成すべき音声の長さＮ（フレーム数）を記
憶部１８から読み出し、制御部ｌ８内のカウンタｎを１
にセットしてフレーム数の計数を開始する（ステップ５
１）。

次に、記憶部ｌ８から１フレーム分のビツチデータ．特
徴パラメータ．有声／無声情報を入力する（ステップ５
２）　． ここで、特徴パラメータはスペクトル包絡情報を表わす
ものであれば何でもよく、音声合成方式の種類に応じて
線形予測係数．ケブストラム係数，　ＰＳＥ係数などを
用いればよい。

入力された特徴パラメータは、スペクトル包絡作成部１
１においてスペクトル包絡情報に変換される（ステップ
５３）。続いて、インパルス応答波形生成部１２では、
ステップＳ３で得られたスペクトル包絡情報を複素逆フ
ーリエ変換（逆ＦＦＴ）することにより、インパルス応
答波形を作成する（ステップＳ４）． この時、複素逆フーリエ変換計算の入力データの実数部
には中央の周波数Ｏに関して対称形スペクトル包絡デー
タを代入し、虚数部には平を代入することにより、零位
相のインパルス応答波形を生成する。いま５１２点の逆
ＦＦＴ　，ｌ埋によりインパルス応答波形を求めるとす
ると、出力の実数部に５１２点の中央（２５７番目）に
関して第４図の信号Ｄで示す対称形のインパルス応答波
形 Ｐ　（ｎ．ｊ）　．　（ｊ−２５６，　＝−，−１．０
．１，・，２５５）が得られる。ここでｎは上述した制
御部１８の内部カウンタの示す値である。

次に、波形重ねあわせ部ｌ３では有声／無声制御部ｌ５
の指示信号から合成すべき音が有声音か無声音かを判別
して波形の重ねあわせの方式を選択する（ステップＳ５
）。合成区間が有声区間であれば、波形重ねあわせには
ビッチデータを用いて、波形重ねあわせ部ｌ３内の出力
バッファに記憶されたこれまでの重ねあわせ結果にイン
パルス応答波形Ｐ（ｎ．Ｊ）を重ねあわせる（ステップ
Ｓ６）。合成区間が無声区間であれば、まずランダムデ
ータ発生部ｌ４では有声／無声制御部１５の制御信号に
より起動じて、振幅用乱数ｒａｎｄ，と重ねあわせ間隔
用乱数ｒａｎｄｚを生成する（ステップＳ７）。

次に、波形重ねあわせ部１３において振幅用乱数ｒａｎ
ｄ，の値をインパルス応答波形に掛け合わせて振幅をラ
ンダムに変化させる（ステップ５８）。次に、得られた
インパルス応答波形Ｐ（ｎ，ｊ）を乱数ｒａｎｄ２の間
隔だけ順次に遅延させた彼形Ｓ＋，Ｓ＋−＋，・・・Ｓ
ｏと重ねあわせる（ステップ５９）。また重ねあわされ
た合成波形のパワーの制御をするために、原波形のパワ
ーと等しくなるように係数を乗じる（ステップ５９′）
。

以上で第ｎ（木例において現在ｎ＝１）フレーム目の一
連音声合成処理が終了する。

続いてカウンタの計数値ｎをインクリメントして（ステ
ップ５１０），計数値ｎが全フレーム数Ｎになるまで次
のフレームの音声波形の合成計算処理を繰り返す（ステ
ップ５１１→Ｓ２）．全フレームの合成計算処理が終了
したら、合成結果を記憶する出力バッファをＤ／＾変換
部６に送り、合成音声を圧力する。

本発明第１実施例では音声合成装置をハードウエア（デ
ジタル信号回路）により構成する一例を示したが、各構
成回路をソフトウェア（マイクロプログラム）におきか
えて実行することもできる． このように各構成回路をソフトウエアで構成する場合の
本発明の実施例を第５図に示す。

第５図において、インタフェース（Ｉ／Ｏ）４０−１．
４−６、中央演算処理装置（ＣＰＩＩ）４０−２　、ラ
ンダムアクセスメモリ（ＲＡＭ）４０−３　、フロッピ
ーディスク記憶装置（ＦＤＤ）４０−４　、リードオン
リメモリ（ＲＯＭ）４０−５によりホストコンピュータ
４０が構成されている。ＦＤＤ４０−４にはビッチデー
タ．特徴パラメータ，有声／無声情報が合成音別に予め
記憶されている． ＲＯＭ４０−５には第３図に示す制御手順をプログラム
言語により表現した制御プログラムが予め格納されてお
り、ＣＰＵ４０−２が上記制御プログラムを実行するこ
とにより、有声音および無声音のインパルス応答波形を
生成する。ＲＡＭ４Ｇ−３はインパルス応答波形の計算
過程における各種数値の記憶に用いる。

Ｃｒｔｌ４０−２により生成されたデジタル形態のイン
パルス応答波形信号がＤ／Ａ変換器５Ｇによりアナログ
信号に変換された後、スビーカ６０から合成出力される
。

本発明は上述の実施例に限定されることなく、種々の変
形が可能である。例えば、本実施例ではビッヂデータと
有声／無声情報を別々に入力するようになっているが、
有声／無声情報は、そのフレームが有声区間であるか無
声区間であるかの情報を与えるものであるので、ビツチ
データの中に含ませてもよい。一例としてはピツチデー
タの値がプラスであれば有声音．マイナスであれば無声
音とすることがあげられる． また、本実施例ではインパルス応答の重ねあわせ周期ｊ
ａｎｄ２の値は（１〜５までの整数値）となっているが
、この値は任意に変更してもよいことは言うまでもない
。

本実施例においては、ｒａｎｄｌを用いて振幅をランダ
ムに変化させているが、振幅は一定値に固定しておき重
ねあわせの間隔だけをランダムに変化させても同様の効
果が得られる。その場合にも第７図に示すステップ５９
’　で原音声のパワーと等しくなるように合成波形に係
数を乗じてパワーが原波形と等しくなるよう操作する． ［発明の効果］ 以上説明したように、本発明によれば、無声音を合成す
る際にインパルス応答波形の振幅をランダムにする他、
インパルス応答波形の重ねあわせ周期をランダムにする
ことにより、無声音声区間における周波数応答特性がホ
ワイトノイズの周波数応答特性に近似し、以て、より人
間の肉声に似た自然な合成音声を生成できるという効果
が得られる．

【図面の簡単な説明】

第１図は本発明実施例の基本構成を示すブロック図、 第２図は本発明実施例の具体的な回路構成を示すブロッ
ク図、 第３図は本発明実施例の動作手順を示すフローチャート
、 第４図は本発明実施例のインパルス応答波形を示す波形
図、 第５図は本発明第２実ｈ五例の回路構成を示すブロック
図、 第６図は従来例の回路構成を示すブロック図、第７図は
本発明の他の実施例の動作手順を示すフローヂャートで
ある． １１・・・スペクトル包絡作成部、 ｌ２・・・インパルス応答波形生成部、ｌ３・・・波形
重ねあわせ部、 １４・・・ランダムデータ発生郎、 １５・・・有声／無声制御郎、 ｌ６・・・Ｄ／＾変換部、 １７・・・制御部、 ４０・・・ホストコンピュータ、 ４０−２−ＣＰＵ　， ５０・・・Ｄ／Ａ変１＾器、 ６０・・・スビーカ。

Claims (1)

1. 【特許請求の範囲】 １）インパルス応答波形の振幅の大きさを乱数で指示す
   る第１の指示手段と、 前記インパルス応答波形の重ねあわせ周期を乱数で指示
   する第２の指示手段と、 前記第１の指示手段により指示された振幅の大きさのイ
   ンパルス応答波形を生成するインパルス応答波形生成手
   段と、 該インパルス応答波形生成手段により生成された前記イ
   ンパルス応答波形と、該インパルス応答波形を前記第２
   の指示手段により指示された前記重ねあわせ周期だけ遅
   延させたインパルス応答波形とを重ねあわせることによ
   り無声音の音声波形を合成する波形重ねあわせ手段と を具えたことを特徴とする音声合成装置。