JPH0284699A - 音声分析合成装置 - 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〕 本発明は音声分析合成装置に関するものである。

〔従来の技術〕

音声の分析合成により音声情報の圧縮を行う方法として
、分析側で入力音声波形の周波数スペクトラム包絡形状
を表す特徴パラメータ（以降包絡パラメータと呼ぶ）と
ピンチ周期を抽出し、合成側において前記包絡パラメー
タとピッチ周期を用いて合成音声波形を生成する方式（
ボコーダと呼ばれている）が知られている。このボコー
ダ方式では、分析部において有声／無声判別を行い、有
声音と判別した場合にはさらにピンチ抽出を行う。

そして合成部において、前記有声／無声判別結果が有声
音である場合にはピッチ周期で繰り返すインパルス列、
無声音である場合には白色雑音を駆動音源として、包絡
パラメータを用いた合成フィルタを駆動することで合成
音声を得る。この方式は、比較的少ない伝送情報量で実
用上十分な明瞭性を持つ合成音声が得られる利点がある
ものの、人力音声に比べ個人性、自然性の欠落した貧弱
な音質であり、しばしば長時間の聴取に耐えないブザー
音を伴う欠点を持つ。

従来この音質改善法としては、例えば下記資料（１）に
示されるようなインパルス列等価音源を用いた有声音源
の改良法がある。

［高品質音声合成のためのインパルス列等価音源」電子
通信学会論文誌（１９８５−１１）Ｖｏｌ、Ｊ６８−＾
Ｎ　０　、１１−−−−−−　（１１有声音区間の予測
残差信号は分析フレーム長全体としてはその周波数スペ
クトルはほぼ平坦であるが、ピンチ周期長以下のＰｉ　
ＦＪｔＡ時間の周波数スペクトルは高域強調区間と低域
強調区間がピッチ周期毎に繰り返す構造を持つ。資料ｆ
ｌ）　（７１）方式においては、分析フレーム全体の周
波数スペクトラムの平坦性を保ちつつ、極短時間の周波
数スペクトルにピッチ周期毎に繰り返す変動を与えた音
声音源（インパルス列等価音源と呼ぶ）を生成し、これ
を用いることで合成音声の音質に大きく寄竪する有声音
区間の品質を改善するというものであった。

第３°図はこの資料（１１に示された従来の方式を表す
ブロック図である。まず音声波形が音声波形入力端子３
を介して分析部１内の包絡パラメータ抽出回路４と有声
／無声判別回路５とピンチ抽出回路６にそれぞれ入力さ
れる。包絡パラメータ抽出回路４は前記音声波形より包
絡パラメータの算出を行い、そのパラメータを包絡パラ
メータ伝送路１５を介して合成部２内の合成フィルタ回
路２２に伝送する。有声／無声判別回路５は前記音声波
形が有声音区間であるか否かを判別し、判別結果をピッ
チ抽出回路６に出力し、さらに有声／無声判別結果伝送
路１６を介して合成部２内の音源切換回路２１へ出力す
る。ピンチ抽出回路６は前記有声／無声判別結果が有声
音区間である場合に音声波形からピッチ周期分析を行い
、抽出されたと・ノチデータをピッチデータ伝送路１７
を介して合成部２内のインパルス列等価音源生成回路２
４に出力する。合成部２内のインパルス列等価音源生成
回路２４は予め与えられるｌピッチ周期長のインパルス
列等価音源を前記ピッチ周期毎に繰り返し生成し音源切
換回路２１に出力する。無声音源生成回路２０は白色雑
音の生成を行い音源切換回路２１に出）Ｊする。音源切
換回路２１は前記有声／無声判別結果が有声音である場
合にインパルス列等価音源を遺沢し、有声音以外の場合
には白色雑音を選択し、選択した音源波形を合成フィル
タ回路２２に出力する。そして合成フィルタ回路２２は
、分析部ｌ内の包絡パラメータ抽出回路４より入力され
た包絡パラメータ及び前記音源波形を用いて合成波形を
生成し合成波形出力端子２３より出力するというもので
ある。

（発明が解決しようとするＩＫｇ） 以上説明したインパルス列等価音源を用いる従来の音声
分析合成装置では、合成音のブザー音的音質の若干の低
減効果が得られるが、本来、話者、音韻により変化する
音源を固定音源で表しているため、個人性、自然性の回
復はほとんどなく、十分な音質改善は得られないという
課題があった。

本発明の目的は、予測残差波形に含まれる音源情報を比
較的少ない情報量で伝送し、ボコーダ方式特有のブザー
音的で、個人性、自然性の欠落した音質を改善すること
にある。

〔課題を解決するための手段〕 本発明に係る音声分析合成装置は、一定長の分析フレー
ム毎に該当フレームが有声音区間であると判定された場
合にそのフレームの予測残差波形から１ピッチ周期長の
代表音源波形を切り出す代表音源抽出回路と、有限個の
音源ベクトルを記憶する符号帳メモリと、この音源ベク
トルの中から前記代表音源抽出回路で抽出された代表音
源に最も等価な音源ベクトルを最適音源ベクトルとして
選択する音源選択回路を備え、合成部において前記最適
音源ベクトルを用いて当該分析フレームの内の音源波形
を生成する音源生成回路と、この音源生成回路で生成さ
れた音源波形により合成波形を生成する合成フィルタを
備えるように構成したものである。

〔作用〕

この発明における代表音源生成回路は有声音声の一定長
の分析フレーム内の予測残差波形からピンチ周期長の代
表音源波形を切り出し、音源選択回路は当該フレームの
包絡パラメータを用いてこの代表音源から合成される合
成波形と最も波形歪が小さい合成波形を得る最適音源ベ
クトルを符号帳メモリ内の音源ベクトル群より選択し、
音源生成回路はこの最適音源ベクトルを当該分析フレー
ム内でピッチ周期毎に並べることで音源波形を生成する
。

予測残差信号により合成フィルタ回路を駆動することで
人力音声信号が再生されることから、この予測残差信号
を効率よく伝送することができればより入力音声信号に
近い合成音が得られることは明らかである。ボコーダの
音質に大きく影響する有声音区間における予測残差波形
を視ると、概形が良（領た波形がピッチ周期で繰り返す
構造を持っており、１分析フレーム内において一つのピ
ッチ長残差信号のみを切り出して伝送し、合成部ではこ
れをピンチ周期毎とに並べることで音源波形を生成する
ことにすれば、この予測残差信号に含まれる冗長度を大
幅に削減して伝送することができる。さらに予め用意し
た符号長ベクトル内から切り出して予測残差信号に対す
る最適音源ベクトルを選択する方式を用いることにより
、１分析フレーム当り数ビットの伝送情報量の付加によ
り効率よ（この音源情報の伝送が実現できる。

〔発明の実施例〕

以下、この発明の一実施例を第１図及び第２図について
説明する０図において、７は逆フィルタ回路、８は代表
音源抽出回路、９及び１８は符号帳メモリ、１０．１１
及び２２は合成フィルタ回路、１２は波形歪算出回路、
１３は比較回路、１４は音源ベクトル番号伝送路、１９
は１フレーム長音源生成回路である。１〜６．１５〜１
７．２０〜２３は従来例と同じであるので説明を省略す
る。２ａは予測残差波形、２ｂは代表音源波形、２Ｃは
選択音源ヘクトル、２ｄは１フレーム長音源波形である
。

分析部１内の逆フィルタ回路７は、包絡パラメータ抽出
回路４によって抽出された包絡パラメータを用いて、入
力端子３を介して入力された音声波形に逆フィルタ処理
を行い、得られた予測残差波形２ａを代表音源抽出回路
８に出力する。代表音源抽出回路８は、有声／無声判別
回路５がを声音区間であると判別した場合に前記予測残
差波形２ａから１ピッチ周期長の残差波形を代表音源波
形２ｂとして切り出し、得られた代表音源波形２ｂを合
成フィルタ回路ｌＯに出力する。切り出し処理の方法と
しては例えば残差波形中振幅最大の部分の直前のゼロ交
差点から１ピンチ周期長の波形の切り出しを行う、予測
残差波形の中から振幅の大きな部分が先頭部近傍にくる
ように切り出すことで、記憶しておく音源ベクトルとし
て振幅の大きな部分が先頭部近傍にあるものだけにする
ことができ、音源ベクトル群の数を少なくできる０分析
部ｌ内の符号長メモリ９は、記憶している有限個の音源
ベクトルを順次合成フィルタ回路１１に出力する。

前記合成フィルタ回路１０及び１１は、各々入力された
音源ベクトルと上記包絡パラメータを用いて合成波形を
生成し、その合成波形を波形歪算出回路１２に出力する
。波形歪算出回路１２は、代表音源波形２ａを用いて得
られた合成波形と符号帳メモリ９に記憶されていた各音
源ベクトルを用いて得られた合成波形の間の波形歪を算
出し、その結果を比較回路１３に出力する。比較回路１
３は前記波形歪を比較し、最小の波形歪を与えた音源ベ
クトルの番号を音源ベクトル番号伝送路１４を介して合
成部２内の符号帳メモＩＪ１８に出力する。符号帳メモ
リ１８は入力された音源ベクトル番号により指定された
選択音源ベクトル２ｃを１フレーム長音源生成回路１９
に出力する。１フレーム長音源生成回路１９は前記選択
音源ベクトル２ｃを、ピッチデータ伝送路１７を介して
入力されたピッチ周期間隔で並べ立てることで１フレー
ム長音源波形２ｄを生成し、これを音源切換回路２１に
出力する。音源切換回路２１は有声／無声判別結果伝送
路１６を介して入力された有声／無声判別結果が有声音
である場合に前記１フレーム長音源波形２ｄを選択し、
有声音以外の場合には白色雑音を選択し、選択した音源
波形を合成フィルタ回路２２に出力する。そして合成フ
ィルタ回路２２は、分析部１内の包絡パラメータ抽出回
路４より入力された包絡パラメータ及び前記音源波形を
用いて合成波形を生成し合成波形出力端子２３より出力
する。

上記符号帳メモリ９内の有限個の音源ベクトルは、多く
の入力音声信号より上記分析部２内の代表音源抽出回路
８を用いて抽出した代表音源波形の集合中から所望の個
数だけ選択して予め容易する。その選択の方法としては
、例えば有声音区間の平均的なスペクトル包絡形状を持
つ合成フィルタ回路を構成し、この合成フィルタ回路を
前記代表音源波形の集合で駆動して得られる合成波形に
おける歪を最小にする基準のクラスタリング手法を用い
ることができる。

〔他の実施例の説明、他の用途への転用例の説明〕上記
実施例では、各演算処理を回路内で実現する例について
述べたが、これを信号処理プロセッサ等の汎用演算装置
によるソフトウェア処理により実現してもよい、また、
音源選択法として合成フィルタ出力波形における歪を最
小にする音源を選択する方式を述べたが、これを包絡パ
ラメータ及び音源波形をＤＦＴ等の周波数スペクトルで
表しその周波数軸上における歪を最小にするように選択
する方式とすることもできる。

〔発明の効果〕

以上のように、この発明によれば、比較的少ない伝送情
報量により効率よく品質のよい合成音を合成できる有声
音音源情報の伝送が可能であり、インパルス列等等価音
源等の従来の固定音源を用いた装置で問題であったボコ
ーダの合成音的な音が改善されたより自然で個人性豊か
な合成音が得られる。

【図面の簡単な説明】

第１図はこの発明の１実施例による音声分析合成装置を
示すブロック図、第２図はその実施例における代表音源
波形抽出と１フレーム長音源波形生成の様子を示す模式
図、第３図は従来の音声分析合成装置を示すブロック図
である・ 図において１は分析部、２は合成部、３は音声波形入力
端子、４は包絡パラメータ抽出回路、５１よ有声／無声
判別回路、６はピッチ抽出回路、７は逆フィルタ回路、
８は代表音源抽出回路、９及び１８は符号帳メモリ、１
０．１１及び２２は合成フィルタ回路、１２は波形歪算
出回路、１３は比較回路、１４は音源ヘクトル番号伝送
路、１５は包絡パラメータ伝送路、１６は有声／無声判
別結果伝送路、１７はピッチデータ伝送路、１９は１フ
レーム長音源生成回路、２０は無声音源生成回路、２１
は音源切換回路、２３は合成波形出力端子、２４はイン
パルス列等価音′ａ生成回路である。２ａは予測残差波
形、２ｂは代表音源波形、２ｃは選択音源ベクトル、２
ｄは１フレーム長音源波形である。 代理人　　　大　　岩　　増　　雄 第２図

Claims (1)

【特許請求の範囲】
1. 音声波形の情報量圧縮を行う音声分析合成装置において
   、入力音声波形を一定長の分析フレーム単位にこの入力
   音声波形のスペクトル包絡パラメータを用いて逆フィル
   タリングし、当該分析フレームの予測残差波形を求める
   逆フィルタ回路と、この逆フィルタ回路で求められた予
   測残差波形から、この予測残差波形の持つ一ピッチ周期
   長分を切り出し当該分析フレームの代表音源波形とする
   代表音源抽出回路と、有限個の音源ベクトルを記憶する
   符号帳メモリと、前記周波数特徴パラメータを用いて構
   成された合成フィルタ回路と、この合成フィルタ回路を
   前記代表音源抽出回路で切り出された代表音源波形で駆
   動して得る合成波形とこの合成フィルタを前記符号帳メ
   モリ内の音源ベクトルで駆動して得る合成波形との歪が
   最小化するように前記符号幅メモリ内から最適音源ベク
   トルを選択する音源選択回路を分析部に備え、この分析
   部で求められた最適音源ベクトルを当該分析フレーム内
   でピッチ周期毎に繰り返し並べることで当該分析フレー
   ムの音源波形を生成する１フレーム長音源生成回路と、
   この１フレーム長音源生成回路で生成された音源波形を
   駆動源とし前記スペクトル包絡パラメータを用いて合成
   波形を求める合成フィルタ回路を合成部に備えることを
   特徴とする音声分析合成装置