JPH03216699A - 音声合成装置の音源データ生成方法 - 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】 Ａ．産業上の利用分野 本発明は、規則合成方式による音声合成装置に係り、特
に音源データの生成方法に関する。

Ｂ．発明の概要 本発明は、複数の音声波形から得る残差情報を音源情報
とする音声合成装置において、残差情報の各ピッチ区間
でのピーク位置のバラツキを少なくする処理を行い、さ
らにはピーク値の変動及びインパルス性の弱い区間のイ
ンパルス性強調処理を行うことにより、 合成音声にざらつく感じのノイズを低減したものである
。

Ｃ．従来の技術 規則合成方式による音声合成装置は、入力文字列を構文
解析によって単語，文節に区切り、夫々にはイントネー
ション．アクセントを決定し、単語や文節を音節さらに
は音素にまで分解し、音節又は音素単位の音源波及び調
音フィルタのパラメータを求め、音源波に対する調音フ
ィルタの応答出力として合成音声を得るようにしている
。

このような音声合成装置において、音源情報としてイン
パルスとノイズを使用する方式、又は残差情報を使用す
る方式がある。このうち、残差を音源情報とする方式は
、音声波形を線形予測分析して調音パラメータを求め、
このパラメータによる調音フィルタに音声波形を入力し
てその出力に残差波形を求め、この残差波形をサンプリ
ングと符号化によって音源情報とする。また、音声波形
の切出しには元の波形に窓関数（ハミング窓．ハニング
窓等）を乗じ、切出し区間の両端に急激な変化が起きな
いようにする。

Ｄ．発明が解決しようとする課題 残差を音源とする方式において、音源情報の圧縮のため
に残差波形のサンプリングと符号化に情報圧縮を施す場
合、この音源情報を用いた合成音声は人の音声特徴から
著しく外れた音声になってしまう問題があった。

一方、音源情報を得るための元の音声波形として子音士
母音（ＣＶ波形）のほかに、母音十子音（ＶＣ波形）や
共通母音（Ｖ波形）を推移区間で波形混合し、この混合
波形から残差情報を得て音源とする場合、ピッチ区間毎
の音源の振幅や形状に大きなバラツキが生じる場合があ
り（特に女性の音声分析時）、その結果、合成音声にざ
らつく感じのノイズが含まれることが多く、全体的に質
の良い合成音声が得られない問題があった。

例えば、女性音声の残差波形図は、第４図に示すように
、ピッチ毎の基準点Ｌ０〜ｔ３からピーク（インパルス
）の位置までの時間Ｔ０〜Ｔ３にバラツキがあるし、ピ
ーク値し。−し，にピッヂ毎の変動が大きく、さらにイ
ンパルスの強く表れる区間２と殆どノイズに近い（イン
パルス性の弱い）区間３が混在する。このようなピーク
位置のバラツキやピーク値の変動さらにはインパルス性
の弱い区間の混在が合成音声にざらつきノイズの主要因
と考えられる。

本発明の目的は、複数の音声波形から残差情報を得て音
源とする音声合成装置において、ざらつく感じのノイズ
を低減した音源データの生成方法を提供することにある
。

Ｅ．課題を解決するための手段 本発明は、前記目的を達成するため、音声波形の分析に
よって得る残差情報の各ピッチ区間毎に完全インパルス
列と該残差情報の相互相関を計算し、該相関が最大とな
る位置から各ピッチ区間毎のピーク位置を計算し、この
ピーク位置列の平均化処理による平均化ピーク位置を中
心にして順次分析窓を取って該残差情報の再分析を行い
、この再分析による残差情報を前記ピーク位置を基準に
して切出して音源データを生成することを特徴とする。

また、本発明は前記切出した残差情報をピッチ区間毎に
各残差波形の位相をそろえて時間軸方向の平均化処理を
行うことを特徴とする。

Ｆ、作用 残差波形のピーク位置のバラッキには、残差波形の各ピ
ッチ区間毎に完全インパルスとの相互相関によって各ピ
ッチ区間毎のピーク位置を求め、このピーク位置の平均
化処理による平均化ピーク位置を中心にした分析窓によ
る切出しと再分析によってピーク位置のバラツキを低紘
した残差波形を得る。

また、ピーク位置のバラツキを低減した残差波形をピッ
チ区間毎に位相をそろえて平均化処理を行うことでピー
ク値のピッチ毎の変動及びインパルス性の弱い区間のイ
ンパルス性強調を行う。

Ｇ．実施例 第１図は本発明方法の一実施例を示す処理手順図である
。ステップＳｌは、従来の残差情報生成と同様に、複数
の音声波形の混合波形から音声特徴パラメータを求める
と共に音源情報としての残差抽出を行う。ステップ８２
〜ｓ７は残差情報に対してそのピーク（インパルス状）
がフレーム毎に大きく変動しないように波形処理を行う
。このため、まず、フレームｉにおいて得られた残差波
形（第２図の＆）に対して、各ピッチ区間毎の基準点ｔ
０〜ｔ４からある固定時間ΔＬだけづれた完全インパル
ス列（第２図のｂ）を用意し、この完全インパルス列と
残差波形との相互相関を計算する（ステップＳ２）。こ
の計算より、相関係数の最大となるようなずらし幅をＸ
＋とじ、このＸｔを各ピッチ区間毎に求める（ステップ
Ｓ３）。この算出値は（Ｘｔ＋Δｔ）としてフレームｉ
における基準点ｔ，からのピーク位置とする。

各フレームにおいて求められたピーク位置列（ｘｔ＋Δ
ｔ）はフレーム方向で平均化処理を行い、ピーク位置が
なめらかに推移するようにする（ステップＳ４）。この
平均化処理は、例えば女性音声波形ではその残差のイン
パルス性が弱い区間やバラツキが非常に大きくなる場合
にピーク位置の抽出誤りによるバラツキの軽減を図る。

なお、平均化ピーク位置列は、実際の残差渡形のピーク
点にならない場合もあるが、本来その位置に残差ピーク
が現れるべき（ピッチ間隔でピークが現れるはず）のも
のであり、この位置をピーク位置とすることでバラツキ
軽減を図る。

次に、平均化したピーク位置列を中心にして残差波形に
順次分析窓を取った再切出し（ステップＳＳ）と再分析
を行う（ステップＳ６）。この結果得られた残差を先の
ピーク位置列を基準に一様に切出し、音源ファイルを作
成する（ステップＳ７）。この結果、音源波としてはピ
ッチ毎のピーク位置はなめらかに推移し、残差波形にピ
ーク位置の位相的なバラッキを無くす。

次に、ピッチ区間毎の残差波形は夫々の位相をそろえた
状態で時間軸方向の平均化処理を行う（ステップＳ８）
。この平均化処理は、第３図に示すように処理対象とす
る残差波形Ｂと他の残差波形Ａ，Ｃとの加算平均又は加
重平均を行い、この結果の残差波形Ｂ′には全体的にイ
ンパルス性の弱いピッチ区間にもインパルス性を向上さ
せ、またインパルス振幅の推移もなめらかにする。

Ｈ．発明の効果 以上のとおり、本発明によれば、残差情報の各ピッチ区
間でのピーク位置のバラツキを少なくし、さらにはピー
ク値の変動の平滑化及びインパルス性の弱い区間のイン
パルス性強調を行って音源データを生成するようにした
ため、女性音声の合成等に適用して合成音声にざらつく
感じのノイズを低減し、全体的に質の良い合成音声を得
ることができる。

【図面の簡単な説明】

第１図は本発明方法の一実施例を示す処理手順図、第２
図は残差波形と完全インパルス波形図、第３図は残差波
形の平均化処理波形図、第４図は従来の残差波形図であ
る。 第１図 実尤整汐１ｊのガリ里予１ｌ旧回

Claims (2)

【特許請求の範囲】
1. （１）音声波形の分析によって得る残差情報の各ピッチ
   区間毎に完全インパルス列と該残差情報の相互相関を計
   算し、該相関が最大となる位置から各ピッチ区間毎のピ
   ーク位置を計算し、このピーク位置列の平均化処理によ
   る平均化ピーク位置を中心にして順次分析窓を取って該
   残差情報の再分析を行い、この再分析による残差情報を
   前記ピーク位置を基準にして切出して音源データを生成
   することを特徴とする音声合成装置の音源データ生成方
   法。
2. （２）前記切出した残差情報をピッチ区間毎に各残差波
   形の位相をそろえて時間軸方向の平均化処理を行うこと
   を特徴とする音声合成装置の音源データ生成方法。