JPH0266600A - 音声合成方式 - 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、音声合成方式に関する。

（従来の技術） 音声を合成する方式として、人間が発声した音声信号を
人間の声道の特性を表すパラメータと音源を表す信号と
に分離しておき、声道の特性を表すパラメータで表され
る特性を持った音声合成フィルタを構成し、音源を表す
信号を音声合成フィルタに入力し、このときの出力を合
成音声とする方式が知られている。声道の特性を表すパ
ラメータとしては、線形予測係数、線スペクトル対、ホ
ルマントなどのパラメータが知られている。一方、音源
を表す信号としては、声帯の振動を伴う有声音の音源と
してはパルス列が、声帯振動を伴わない無声音の音源と
してはランダム雑音が用いられることが多い。しかしな
がら、パルス列やランダム雑音を用いた場合の合成音声
の品質はかなり低い。合成音声の品質を向上させるため
に、パラメータによって声道の特性をモデル化した際の
モデル化誤差を音源として用いることもある。以下では
、このモデル化誤差のことを残差と呼ぶことにする。残
差を音源として用いる音声合成方式としては、例えば、
佐藤氏による日本音響学会昭和５６年度秋季研究発表会
講演論文集１−２−１６［音韻連鎖と残差波形を用いた
音声合成Ｊ（文献１）等で詳述されている。

一般に、予め人間が発声した音声をもとにして、合成音
声を生成する方式の場合、声帯の振動を伴う有声音区間
においては、もとの音声のピッチ周期と異なるピッチ周
期で合成しなければならない。このとき、先に上げた文
献でも述べられているが、残差を音源として用いる音声
合成方式においては、もとのピッチ周期よりも長いピッ
チ周期で合成する場合には、残差が不足する。そこで、
不足分の長さを補うために、値が零である信号を残差の
後ろに付は加えることによってピッチ周期の伸張を行う
。もとのピッチ周期よりも短いピッチ周期で合成する場
合には、残差を途中で打ち切ることによりピッチ周期の
短縮を行う。

４０１は、もとの残差の例を示す図、４０２は４０１の
ピッチ周期を伸張したものの例を示す図、４０３は４０
２を音声合成フィルタに入力して得られた合成音声の例
を示す図である。図において、時間軸に垂直に引かれた
実線は、ピッチ区間の境界を示している。もとの残差の
ピッチ周期は、第４図４０１のピッチ周期Ｔ１であるが
、合成したい音声のピッチ周期Ｔ２が第４図４０２に示
すようにピッチ周期Ｔ１よりも長い場合は、不足する長
さを補うために、値が零である信号（区間Ｂ）をもとの
残差（区間Ａ）の後ろに付は加える。これを、音声合成
フィルタに入力し、第４図４０３に示すような合成音声
を得る。このようにして、もとのピッチ周期Ｔ□よりも
長いピッチ周期Ｔ２を持つ音声を合成していた。

（発明が解決しようとする問題点） このように、残差を音源として用いる音声合成方式では
、従来、残差のピッチ周期よりも長いピッチ周期で合成
する場合に、残差の後ろに零を付は加えることによって
不足分の長さを補っていた。しかしながら、もとのピッ
チ周期よりもかなり長い、例えば２倍以上の長さのピッ
チ周期で合成する場合には、合成される音声の音質が著
しく劣化してしまうという問題があった。

これに対して本発明は、残差を音源として用いる音声合
成方式において、もとの残差のピッチ周期よりも長いピ
ッチ周期で合成した場合にも、音質劣化の少ない良質な
合成音声を生成することが可能な音声合成方式を提供す
ることを目的としている。

（問題点を解決するための手段） 第１の本発明は、音声を声道特性を表すパラメータと音
源信号とに分離し、前記音源信号のピッチ周期が所望の
ピッチ周期となるように制御し、前記声道特性を表すパ
ラメータと前記所望のピッチ周期を持った音源信号とか
ら所望のピッチ周期を持った音声信号を合成する音声合
成方式において、前記音源信号のスペクトル特性を表す
音源パラメータを求め、前記音源パラメータと前記音源
信号とを用いて所望のピッチ周期を持った音源信号を生
成し、前記声道特性を表すパラメータと前記所望のピッ
チ周期を持った音源信号とから所望のピッチ周期を持っ
た音声信号を合成することを特徴とする。

また、第２の本発明は、音源パラメータを予め求めて格
納しておき、前記格納された音源パラメータと音源信号
とを用いて所望のピッチ周期を持った音源信号を生成す
ることを特徴とする。

（作用） 本発明では、残差を音源として用いる音声合成方式にお
いて、合成したいピッチ周期かもとの音声のピッチ周期
よりも長い場合に、音声合成フィルタへの入力である残
差に対して線形予測分析を行って、残差のスペクトル包
絡特性を表す線形予測係数を求める。この線形予測係数
を用いて線形予測フィルタを形成し、不足する区間の信
号をもとの残差を用いて予測し合成する。第３図は本発
明の音声合成方式におけるピッチ周期の伸張方法を説明
するための図である。第３図の３０１は、もとの残差の
例を示す図、３０２は線形予測フィルタを用いて３０１
の残差のピッチ周期を伸張した例を示す図、３０３は３
０２を音声合成フィルタに入力して得られた合成音声の
例を示す図である。図において、時間軸に垂直に引かれ
た実線は、ピッチ区間の境界を示している。もとの残差
のピッチ周期は第３図３０１のピッチ周期Ｔ１であるが
、合成したい音声のピッチ周期Ｔ２が第３図３０２に示
すようにピッチ周期Ｔ１よりも長い場合は、第３図３０
１の残差をピッチ区間ごとに線形予測分析し、残差の線
形予測係数を求める。この線形予測係数を用いて線形予
測フィルタを構成し、区間Ａの残差を線形予測フィルタ
に人力して、もとの残差で不足している区間Ｂの信号を
予測する。これにより、第３図３０２に示すようなピッ
チ周期Ｔ２の残差が得られる。これを、音声合成フィル
タに入力し、第３図３０３に示すような合成音声を得る
。

このように、残差の不足する区間に零を付は加えている
従来方式とは異なり、不足する区間の信号をもとの残差
を用いて予測し、音声合成フィルタへの入力、すなわち
音）原として用いる。このような方式により、もとの残
差のピッチ周期よりも長いピッチ周期で合成した場合で
も、音質劣化の少ない良質な合成音声を生成することが
可能となる。

（実施例） 第１図は、第１の本発明による音声合成方式を実現する
ための一実施例を示すブロック図である。

人間が発声した音声信号は、予め分析を行って声道特性
を表すパラメータと音源信号とに分離されている。声道
特性を表すパラメータとしては、線形予測係数、線スペ
クトル対、ケプストラム、改良ケプストラムなどを用い
ることができる。この声道特性を表すパラメータは、フ
ィルタパラメータ記憶部１０４に記憶される。一方、音
源信号は音源信号記憶部１０５に蓄えられる。

合成音声を得るには、まず、合成したい音声の声道特性
を表すパラメータと音源信号とを選択する信号を、フィ
ルタパラメータ選択信号入力端子１０１、音源信号選択
信号入力端子１０２からそれぞれ人力する。また、合成
したい音声のピッチ周期を、ピッチ周期入力端子１０３
から人力する。

前記フィルタパラメータ選択信号にしたがってフィルタ
パラメータ記憶部１０４に蓄えられている声道特性を表
すパラメータが選択され、音声合成フィルタ部１０９に
送られる。また、音源信号記憶部１０５は、音源信号選
択信号入力端子１０２から人力された前記音源信号選択
信号にしたがって音源信号を選択し、切り替えスイッチ
部１０６に送る。切り替えスイッチ部１０６は、前記入
力されたピッチ周期と、前記選択された音源信号のピッ
チ周期とを比較し、前記音源信号のピッチ周期が前記人
力されたピッチ周期と同じかそれよりも長い場合は、前
記人力されたピッチ周期と等しい長さの前記音源信号を
音声合成フィルタ部１０９に送る。

一方、前記音源信号のピッチ周期が前記人力されたピッ
チ周期よりも短い場合は、前記音源信号を線形予測分析
部１０７、及び線形予測合成部１０８に送る。線形予測
分析部１０７は、（作用）の項で述べたように、前記音
源信号に対して線形予測分析を行い線形予測係数を求め
、前記線形予測合成部１０８に送る。線形予測合成部１
０８は、前記線形予測係数と前記音源信号とから、前記
入力されたピッチ周期と等しい長さの音源信号を合成し
、音声合成フィルタ部１０９に送る。

音声合成フィルタ部１０９は、前記フィルタパラメータ
記憶部１０４から送られた声道特性を表すパラメータを
用いて音声合成フィルタを形成し、切り替えスイッチ部
１０６を介して音源信号記憶部１０５から送られてきた
音源信号、または線形予測合成部１０８によって合成さ
れた音源信号を前記音声合成フィルタの入力として音声
信号を合成し、合成音声出力端子１１０に出力する。

上記の実施例では、合成時に線形予測分析部１０７で音
源信号のスペクトル特性を表す線形予測係数を求め、こ
れを用いて線形予測合成部１０８において残差信号を予
測してピッチ周期を長くしていた。音源信号のスペクト
ル特性を表す線形予測係数は、予めピッチごとに分析し
て格納しておき、合成時にこれを読み出して用いるよう
にすることもできる。これが、第２の本発明の原理であ
る。この場合の構成の一例としては、第１図の線形予測
分析部１０７の代わりとして線形予測係数記憶部が必要
となる。第２図は、このような第２の本発明による音声
合成方式を実現するための一実施例を示すブロック図で
ある。第２図では、音源信号選択信号入力端子２０２か
ら人力された音源信号を選択する信号が、音源信号記憶
部２０５、及び線形予測係数記憶部２０７に送られる点
が、第１図と異なっている。線形予測係数記憶部２０７
では、音源信号記憶部２０５に格納されている音源信号
に対応した前記音源信号のスペクトル特性を表す線形予
測係数が予め分析され格納されており、前記人力された
音源信号を選択する信号にしたがって読み出され、線形
予測合成部２０８に送られる。上記以外の部分は第１図
と同様であり、その動作は先の説明から明らかであるの
で説明を省略する。

（発明の効果） 以上述べてきたように、本発明によれば、もとの残差の
ピッチ周期よりも短いピッチ周期で合成した場合は勿論
のこと、非常に長いピッチ周期で合成した場合にも、音
質劣化の少ない良質な合成音声を生成することが可能で
ある。したがって、本発明は、ピッチ周期を任意に変化
させる必要がある場合でも、音質劣化の少ない良質な合
成音声を生成することが可能な音声合成方式として有効
である。

【図面の簡単な説明】

第１図は第１の本発明による音声合成方式を実現するた
めの一実施例を示すブロック図、第２図は第２の本発明
による音声合成方式を実現するための一実施例を示すブ
ロック図、第３図は本発明の音声合成方式におけるピッ
チ周期の伸張方法を説明するための図、第４図は従来方
式におけるピッチ周期の伸張方法を説明するための図で
ある。 第１図において、１０１・・・フィルタパラメータ選択
信号入力端子、１０２・・・音源信号選択信号入力端子
、１０３・・・ピッチ周期入力端子、１０４・・・フィ
ルタパラメータ記憶部、１０５・・・音源信号記憶部、
１０６・・・切り替えスイッチ部、１０７・・・線形予
測分析部、１０８・・・線形予測合成部、１０９・・・
音声合成フィルタ部、１１０・・・合成音声出力端子で
ある。 また、第２図において、２０１・・・フィルタパラメー
タ選択信号入力端子、２０２・・・音源信号選択信号入
力端子、２０３００．ピッチ周期入力端子、２０４・・
・フィルタパラメータ記憶部、２０５・・・音源信号記
憶部、２０６・・・切り替えスイッチ部、２０７・・・
線形予測係数記憶部、２０８・・線形予測合成部、２０
９・・・音声合成フィルタ部、２１０・・・合成音声出
力端子である。

Claims (2)

【特許請求の範囲】
1. （１）音声を声道特性を表すパラメータと音源信号とに
   分離し、前記音源信号のピッチ周期が所望のピッチ周期
   となるように制御し、前記声道特性を表すパラメータと
   前記所望のピッチ周期を持った音源信号とから所望のピ
   ッチ周期を持った音声信号を合成する音声合成方式にお
   いて、前記音源信号のスペクトル特性を表す音源パラメ
   ータを求め、前記音源パラメータと前記音源信号とを用
   いて所望のピッチ周期を持った音源信号を生成し、前記
   声道特性を表すパラメータと前記所望のピッチ周期を持
   った音源信号とから所望のピッチ周期を持った音声信号
   を合成することを特徴とする音声合成方式。
2. （２）特許請求の範囲第１項記載の音声合成方式におい
   て、音源パラメータを予め求めて格納しておき、前記格
   納された音源パラメータと音源信号とを用いて所望のピ
   ッチ周期を持った音源信号を生成することを特徴とする
   音声合成方式。