JPH0376480B2 - - Google Patents
Info
- Publication number
- JPH0376480B2 JPH0376480B2 JP56027313A JP2731381A JPH0376480B2 JP H0376480 B2 JPH0376480 B2 JP H0376480B2 JP 56027313 A JP56027313 A JP 56027313A JP 2731381 A JP2731381 A JP 2731381A JP H0376480 B2 JPH0376480 B2 JP H0376480B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- phoneme
- waveform
- speech
- phoneme piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Description
この発明は音素片合成方法に基いて音声の合成
を行なうようにした音声合成装置に関する。 人間の音声のうち、例えば“ア”のような声帯
の振動を伴なう有声音は、話す速度によつても異
なるが数10ｍsec程度の短かい区間についてみれ
ば、同じような形をした波形の繰り返しからでき
ている。従つて、有声音を合成するには、いくつ
かの繰り返し単位の波形（その長さＬをビツチと
いう、第１図参照）を用意しておき（例えば
“ア”に対する波形、“イ”に対する波形など）、
各々決められた順序に従つて所要の繰り返し数だ
け単位波形を繰り返し再生すればよい。 また、例えば“シ”の始めの音のように声帯の
振動を伴なわない無声音を合成するには、無声音
をそのまま用意するか、あるいは有声音と同じく
ある長さの波形を用意しておき、これを数回繰り
返して再生すればよい。 このような音声合成方法は音素片合成方法と呼
ばれ、繰り返しの単位となる波形を音素片とい
う。 従つて、この音素片合成方式では、いかにして
能率よく音響的特性（物理的特性）の良い音素片
を原音声から抽出するかが、合成された音声の品
質を左右するとになる。 従来から知られている音素片データを作成方法
の一例を次に示す。 まず、原音声から音素片を抽出する場合に、原
音声信号をＡ−Ｄ変換してメモリーに格納すると
共に、必要なときメモリーから信号を読み出して
これをデイスプレー装置に供給し原音声信号波形
を映し出しながら、音素片となる単位波形を抽出
する方法がある。例えば、第２図において、区間
Ｋは同じような波形の繰り返しなので、，，
のうちのいずれかの波形を音素片として抽出す
る方法である。 ところが、この方法では音素片としては、，
，の波形のいずれでも使用することができる
から、音素片を抽出する基準がない。また〜
の波形は厳密には夫々若干異なるので〜のう
ちのいずれかに固定して音素片を抽出するように
すると、音声の物理的性質とな何ら関係がない音
素片を抽出するようなことにもなりかねない。 また、この方法では区間Ｋを１つの単位波形の
周波数特性で代表させるものであるから、音質上
の劣化を招く。すなわち、区間Ｋをデイスクリー
トフーリエ変換すると、第３図に示すような周波
数−振幅特性、すなわちスペクトル強度特性が得
られる。このスペクトル強度特性に示される激し
い凹凸は区間Ｋが同じような波形の繰り返しであ
るために生じたもので、この区間Ｋの音韻情報は
破線で示すスペクトル包絡が担つている。上述の
ように１つの単位波形の周波数特性で区間Ｋの周
波数特性を代表させると、第３図に示すようなス
ペクトル包絡が得られず、そのために音質が劣化
することになる。 従つて、このような抽出方法による音素片デー
タの作成方法では原音声に忠実な音声合成を実現
できない。 また、他の方法として音声信号が定常とみなせ
る区間ごとにLPC（Linear Predictive Coding）
分析を行ない、その区間のLPC分析により得ら
れたスペクトル包絡を音素片のスペクトル特性に
もつようにLPC合成でその音素片を作成する作
成方法もあるが、この方法では全極モデルを仮定
しているために第４図に示すように、その区間Ｋ
のスペクトル包絡のうち、凹部よりも凸部をよく
近似する。 そのため、鼻音のようにスペクトル包絡の急激
な凹部が聞えの本質的な役割をはたす音素片は、
この方法によつては形成できない。 また、人間の耳は短区間（数10ｍsec）のスペ
クトルの位相に対して比較的鈍いことを利用し
て、音素片データをメモリーする際、デイスクリ
ートフーリエ変換により音素片を周波数領域のデ
ータに変換したのち、この振幅データの位相を０
相またはπ相に振り分け、その後逆デイスクリー
トフーリエ変換して、例えば第５図に示すような
対称波形（偶関数）の信号を形成することによつ
て、軸対称である一方のデータのみメモリーする
ようにして、使用するメモリー容量を削減するよ
うにしたものがある。 ところが、このような方法によつて音素片デー
タを形成した場合には、対称波形の両端ｅ（第５
図）の値は、有声音によつて相異するため、常に
一定の値になることはない。従つて、この音素片
データを使つて音声合成する場合、第６図で示す
ように異なる音素片V1，V2の接続部分が不連続
になることがあり、これによつて合成された音声
の品質が劣化してしまう。 また、音素片にピツチを付加する方法として、
データ“０”を詰める方法がある。これは例えば
第７図で示すように、ピツチP0より短かい音素
片に対し、この音素片をピツチP0の長さにした
い場合に、その不足部分にデータ“０”を補つて
希望するピツチP0をもつた音素片を作成するよ
うにしたものである。しかし、この音素片データ
はデータ“０”を補うものであるから、本来の音
素片データとは異なつたものとなり、そのため、
音素片の周波数特性が変り、合成音声の品質は当
然のことながら劣化する。 原音声の音響的特性を損なうことなく原音声か
ら音素片を抽出して音素片データを作成するに
は、例えば第８図のように構成すればよい。 まず、原音声をマイクロフオンなどを用いてア
ナログ音声信号（電気信号）に変換し、これをゲ
ート１に供給して適当な時間長ｌ（20ｍsec程度）
だけ切り出したのち（第９図Ａ）、Ａ−Ｄ変換器
２にて所定ビツト数のデイタル信号Saに変換す
る。Ａ−Ｄ変換器２のサンプリングレートは6k
Hz位に設定される。 このデジタル信号Saは後段の回路３で原音声
有声音であるか無声音であるかの判別が行なわれ
て判別出力Ｖ／VLが出力されると共に、有声音
である場合にはピツチ周期P0の抽出が行なわれ
て、そのデータが出力される。その出力を説明の
便宜上同じくP0とする。 続いて、このデジタル信号Saより、音素片の
音韻的な情報をもつたスペクトル包絡が抽出され
る。このスペクトル包絡の抽出のためにケプスト
ラム分析器１０が使用される。 すなわち、デジタル信号Saはデイスクリート
高速フーリエ変換によつて、その音声により、よ
り物理的な意味を有する周波数領域のパワースペ
クトルに変換する（ステツプ（○イ）。このパワー
スペクトルSbの概形を第９図Ｂに示す。ステツ
プ○ロにおいて、パワースペクトルSbの絶対値の
対数をとつたのち、第３図に示す原音声のスペク
トル包絡Scの情報を抽出するため、このパワー
スペクトルSbを信号波形とみなして高速フーリ
エ逆変換を施す（ステツプ○ハ）。フーリエ逆変換
によつて得られた波形が第９図Ｃのケプストラム
Seである。 次に、ステツプ○ニにおいて、ピツチ周期P0に
基づきこのピツチ周期P0以上の高ケフレンシ部
のデータを零にし（第９図Ｄ）、得られた低ケフ
レンシ部Sfをステツプ○ホにおいて再度高速フーリ
エ変換することにより、ステツプ○イでの高速フー
リエ変換出力のうちの低周波成分Sgが得られ、
この低周波成分はさらにステツプ○ヘにおいて逆対
数化されて第９図Ｅに示すスペクトル包絡Sh（第
１のデジタル信号）が求められる。 このようにケプストラム分析によつて抽出され
たスペクトル包絡Shはもとのデータのスペクト
ル包絡Scの凸部と凹部の双方を一様に近似した
包絡特性となるから、原音声の音韻情報を十分に
保有し、従つてどのような原音声に対しても常に
一定の音質が保証されることになる。 さて、上述したようにＡ−Ｄ変換器２で得られ
た複数の符号化デジタルデータはケプストラム分
析器１０に供給されて原音声に対する１つのスペ
クトル包絡Shが形成される訳であるが、このス
ペクトル包絡Shにはピツチ周期P0の情報が全く
含まれていない。従つて、ステツプ○トにおいて、
ピツチ周期P0の情報に基いてスペクトル包絡Sh
が再編成される。すなわち、Ａ−Ｄ変換器２のサ
ンプリング周波数fsによつて決定される、ピツチ
周期P0内に含まれるスペクトル包絡Shを形づく
るデータが、補間を使つてfs・P0個のデーダ（第
２のデジタル信号）に再編成（再サンプリング）
される。 ピツチ周期P0の情報に基いて再編成されたス
ペクトル包絡Shを構成するデータは、さらに次
のステツプ○チにおいて音韻決定要素及び奇関数へ
の関数変換要素が付加される。つまり、スペクト
ル包絡Shを構成するデータが虚軸（＋π／２、−π／２ の軸）上のデータに位相変換されて出力波形でみ
た場合、すべて奇関数となるように関数変換処理
が行なわれると共に、＋π／２軸と−π／２軸とへのデ ータ位相の振り分けを行つて、所定のケフレンシ
にスペクトラムを集中させる。データ位相の振り
分け方によつてスペクトラムの集中するケフレン
シが異なり、この相違は音韻の相違となる。従つ
て、このデータの振り分けによつてスペクトル包
絡Shに音韻要素が付加されることになる。 なお、取扱う原音声が無声音である場合には、
乱数などを用いてデータを振り分ければよい。従
つて、このデータの振り分けは有声音、無声音の
判別出力Ｖ／VLを参照する。 このように音韻決定要素と関数変換要素を付加
した後は、ステツプ○リにおいてさらにこのスペク
トル包絡Shを逆デイスクリートフーリエ変換し
て周波数領域のデータから時間領域のデータ（音
素片用のデジタル信号Si）を形成する。このデジ
タル信号Siは切り出された音声信号区間、すなわ
ち原音声に対応する情報圧縮された時間領域での
ピツチ周期P0に相当するデータであつて、出力
波形は逆対称波形になる（第９図Ｆ）。このデー
タにはさらに、同一データの繰り返し回数ｎ（ｎ
＝ｌ／P0）を示すデータが付加されたのち、ス
テツプ○ルにおいてそのデータが最終的な音素片デ
ータとしてメモリー装置に格納される。 以上のような音素片データ処理のような音素片
データ処理を次の音声区間においても行ない、以
上の操作を音声信号がなくなるまで繰り返す。 音声を合成するには、メモリー等に格納された
素片データをｎ回繰り返して使用すると共に、こ
の処理を定められた順序に従つて行うことによ
り、必要とする音声を合成することができる。 以上説明したような手段によつて音素片データ
を作成すれば、まず、ケプストラム分析器１０を
使用して音声信号からスペクトル包絡を抽出する
方法を採ると、スペクトル包絡Scの凸部と凹部
を一様に近似したスペクトル包絡Shを抽出する
ことができるので、求めようとする音声の音韻的
な情報のほぼすべてをデータとして格納できるた
め、常に一定の音質を確保できる。 また、スペクトル包絡Shにピツチ周期P0の情
報を付加して、このスペクトル包絡Shを形成す
るデータを再編成したので、従来のように希望す
るピツチ周期に音素片の長さを揃えるため、その
音素片データとは全く無関係なデータ“０”を詰
めるようにしたものに比べ、音素片の周波数特性
が劣化せず、従つて合成音声の品質が低下しない
で済む。すなわち、より原音声に近い音質が得ら
れる。 そして、音素片の波形が逆対称化波形となるよ
うにデータを変換したので、波形の両端ｅは必ず
零になる。そのため、異なる音素片の波形の間で
不連続になることがないから、従来のような音質
の劣化は生じない。 この発明は、例えば以上のような手段を用いて
形成された音素片データを能率よくメモリー装置
に貯えられるようにした音声合成装置を提案する
ものである。 そのため、まずこの発明において使用される音
素片データは、これをアナログ化したときそのア
ナログ波形が上述したように奇関数化された点対
称波形となるようなデータであつて、差分PCM
データとして貯えられる。また、この音素片デー
タのアナログ波形は例えば第１０図のような点対
称波形であるから、点対称な一対の波形のうち前
半部（半サイクル）の波形SIFの音素片データを
貯えるようにし、残り後半部の波形SIBの音素片
データは前半部の波形SIFの音素片データを利用
して復元する。 データを復元する場合、第１１図Ａのようにサ
ンプリングポイントが偶数個であるときには前半
部の波形SIFの最後のサンプリングポイントｑの
音素片データは後半部の波形SIBを復元するため
には使用されないが、同図Ｂのようにサンプリン
グポイントが奇数個であるときには最後のサンプ
リングポイントｑの音素片データは後半部の波形
SIBの最初のサンプリグポイントｑの音素片デー
タを使用して復元する必要がある。 従つて、第１２図のデータストレージフオーマ
ツトに示すように音素片データDA，DB……とは
別個にその音素片のサンプリングポイントが偶数
個であるか奇数個であるか従つて、音素片データ
DA1，DA2……DB1……の数が奇数であるか偶数で
あるかを示すコードＸが当てられる。 また、この音素片データは上述のように差分
PCMが利用されるが、第１０図で示すように差
分PCMの差分値（＋７、−２等）は音素片の波形
によつて大きく相違するから、この例では差分値
の大小によつて差分PCMのデータ数が変更され
る。実施例では差分値の絶対値が７以上のとき８
ビツトのデータ数が当てられ、それ以下のときに
は４ビツトのデータ数が当てられる。そのため、
第１２図で示すように音素片データDA，DB……
は夫々が不等長ビツトとして構成される場合があ
る。 不等長ビツトとして構成する場合には、４ビツ
トデータを８ビツトデータに復元する必要があ
る。そのため識別コードが、上述したデータ数識
別用のコードＸに当てられる。 ビツト数、データ数とコードＸとの関係の一例
の次の＜表−１＞に示す。
を行なうようにした音声合成装置に関する。 人間の音声のうち、例えば“ア”のような声帯
の振動を伴なう有声音は、話す速度によつても異
なるが数10ｍsec程度の短かい区間についてみれ
ば、同じような形をした波形の繰り返しからでき
ている。従つて、有声音を合成するには、いくつ
かの繰り返し単位の波形（その長さＬをビツチと
いう、第１図参照）を用意しておき（例えば
“ア”に対する波形、“イ”に対する波形など）、
各々決められた順序に従つて所要の繰り返し数だ
け単位波形を繰り返し再生すればよい。 また、例えば“シ”の始めの音のように声帯の
振動を伴なわない無声音を合成するには、無声音
をそのまま用意するか、あるいは有声音と同じく
ある長さの波形を用意しておき、これを数回繰り
返して再生すればよい。 このような音声合成方法は音素片合成方法と呼
ばれ、繰り返しの単位となる波形を音素片とい
う。 従つて、この音素片合成方式では、いかにして
能率よく音響的特性（物理的特性）の良い音素片
を原音声から抽出するかが、合成された音声の品
質を左右するとになる。 従来から知られている音素片データを作成方法
の一例を次に示す。 まず、原音声から音素片を抽出する場合に、原
音声信号をＡ−Ｄ変換してメモリーに格納すると
共に、必要なときメモリーから信号を読み出して
これをデイスプレー装置に供給し原音声信号波形
を映し出しながら、音素片となる単位波形を抽出
する方法がある。例えば、第２図において、区間
Ｋは同じような波形の繰り返しなので、，，
のうちのいずれかの波形を音素片として抽出す
る方法である。 ところが、この方法では音素片としては、，
，の波形のいずれでも使用することができる
から、音素片を抽出する基準がない。また〜
の波形は厳密には夫々若干異なるので〜のう
ちのいずれかに固定して音素片を抽出するように
すると、音声の物理的性質とな何ら関係がない音
素片を抽出するようなことにもなりかねない。 また、この方法では区間Ｋを１つの単位波形の
周波数特性で代表させるものであるから、音質上
の劣化を招く。すなわち、区間Ｋをデイスクリー
トフーリエ変換すると、第３図に示すような周波
数−振幅特性、すなわちスペクトル強度特性が得
られる。このスペクトル強度特性に示される激し
い凹凸は区間Ｋが同じような波形の繰り返しであ
るために生じたもので、この区間Ｋの音韻情報は
破線で示すスペクトル包絡が担つている。上述の
ように１つの単位波形の周波数特性で区間Ｋの周
波数特性を代表させると、第３図に示すようなス
ペクトル包絡が得られず、そのために音質が劣化
することになる。 従つて、このような抽出方法による音素片デー
タの作成方法では原音声に忠実な音声合成を実現
できない。 また、他の方法として音声信号が定常とみなせ
る区間ごとにLPC（Linear Predictive Coding）
分析を行ない、その区間のLPC分析により得ら
れたスペクトル包絡を音素片のスペクトル特性に
もつようにLPC合成でその音素片を作成する作
成方法もあるが、この方法では全極モデルを仮定
しているために第４図に示すように、その区間Ｋ
のスペクトル包絡のうち、凹部よりも凸部をよく
近似する。 そのため、鼻音のようにスペクトル包絡の急激
な凹部が聞えの本質的な役割をはたす音素片は、
この方法によつては形成できない。 また、人間の耳は短区間（数10ｍsec）のスペ
クトルの位相に対して比較的鈍いことを利用し
て、音素片データをメモリーする際、デイスクリ
ートフーリエ変換により音素片を周波数領域のデ
ータに変換したのち、この振幅データの位相を０
相またはπ相に振り分け、その後逆デイスクリー
トフーリエ変換して、例えば第５図に示すような
対称波形（偶関数）の信号を形成することによつ
て、軸対称である一方のデータのみメモリーする
ようにして、使用するメモリー容量を削減するよ
うにしたものがある。 ところが、このような方法によつて音素片デー
タを形成した場合には、対称波形の両端ｅ（第５
図）の値は、有声音によつて相異するため、常に
一定の値になることはない。従つて、この音素片
データを使つて音声合成する場合、第６図で示す
ように異なる音素片V1，V2の接続部分が不連続
になることがあり、これによつて合成された音声
の品質が劣化してしまう。 また、音素片にピツチを付加する方法として、
データ“０”を詰める方法がある。これは例えば
第７図で示すように、ピツチP0より短かい音素
片に対し、この音素片をピツチP0の長さにした
い場合に、その不足部分にデータ“０”を補つて
希望するピツチP0をもつた音素片を作成するよ
うにしたものである。しかし、この音素片データ
はデータ“０”を補うものであるから、本来の音
素片データとは異なつたものとなり、そのため、
音素片の周波数特性が変り、合成音声の品質は当
然のことながら劣化する。 原音声の音響的特性を損なうことなく原音声か
ら音素片を抽出して音素片データを作成するに
は、例えば第８図のように構成すればよい。 まず、原音声をマイクロフオンなどを用いてア
ナログ音声信号（電気信号）に変換し、これをゲ
ート１に供給して適当な時間長ｌ（20ｍsec程度）
だけ切り出したのち（第９図Ａ）、Ａ−Ｄ変換器
２にて所定ビツト数のデイタル信号Saに変換す
る。Ａ−Ｄ変換器２のサンプリングレートは6k
Hz位に設定される。 このデジタル信号Saは後段の回路３で原音声
有声音であるか無声音であるかの判別が行なわれ
て判別出力Ｖ／VLが出力されると共に、有声音
である場合にはピツチ周期P0の抽出が行なわれ
て、そのデータが出力される。その出力を説明の
便宜上同じくP0とする。 続いて、このデジタル信号Saより、音素片の
音韻的な情報をもつたスペクトル包絡が抽出され
る。このスペクトル包絡の抽出のためにケプスト
ラム分析器１０が使用される。 すなわち、デジタル信号Saはデイスクリート
高速フーリエ変換によつて、その音声により、よ
り物理的な意味を有する周波数領域のパワースペ
クトルに変換する（ステツプ（○イ）。このパワー
スペクトルSbの概形を第９図Ｂに示す。ステツ
プ○ロにおいて、パワースペクトルSbの絶対値の
対数をとつたのち、第３図に示す原音声のスペク
トル包絡Scの情報を抽出するため、このパワー
スペクトルSbを信号波形とみなして高速フーリ
エ逆変換を施す（ステツプ○ハ）。フーリエ逆変換
によつて得られた波形が第９図Ｃのケプストラム
Seである。 次に、ステツプ○ニにおいて、ピツチ周期P0に
基づきこのピツチ周期P0以上の高ケフレンシ部
のデータを零にし（第９図Ｄ）、得られた低ケフ
レンシ部Sfをステツプ○ホにおいて再度高速フーリ
エ変換することにより、ステツプ○イでの高速フー
リエ変換出力のうちの低周波成分Sgが得られ、
この低周波成分はさらにステツプ○ヘにおいて逆対
数化されて第９図Ｅに示すスペクトル包絡Sh（第
１のデジタル信号）が求められる。 このようにケプストラム分析によつて抽出され
たスペクトル包絡Shはもとのデータのスペクト
ル包絡Scの凸部と凹部の双方を一様に近似した
包絡特性となるから、原音声の音韻情報を十分に
保有し、従つてどのような原音声に対しても常に
一定の音質が保証されることになる。 さて、上述したようにＡ−Ｄ変換器２で得られ
た複数の符号化デジタルデータはケプストラム分
析器１０に供給されて原音声に対する１つのスペ
クトル包絡Shが形成される訳であるが、このス
ペクトル包絡Shにはピツチ周期P0の情報が全く
含まれていない。従つて、ステツプ○トにおいて、
ピツチ周期P0の情報に基いてスペクトル包絡Sh
が再編成される。すなわち、Ａ−Ｄ変換器２のサ
ンプリング周波数fsによつて決定される、ピツチ
周期P0内に含まれるスペクトル包絡Shを形づく
るデータが、補間を使つてfs・P0個のデーダ（第
２のデジタル信号）に再編成（再サンプリング）
される。 ピツチ周期P0の情報に基いて再編成されたス
ペクトル包絡Shを構成するデータは、さらに次
のステツプ○チにおいて音韻決定要素及び奇関数へ
の関数変換要素が付加される。つまり、スペクト
ル包絡Shを構成するデータが虚軸（＋π／２、−π／２ の軸）上のデータに位相変換されて出力波形でみ
た場合、すべて奇関数となるように関数変換処理
が行なわれると共に、＋π／２軸と−π／２軸とへのデ ータ位相の振り分けを行つて、所定のケフレンシ
にスペクトラムを集中させる。データ位相の振り
分け方によつてスペクトラムの集中するケフレン
シが異なり、この相違は音韻の相違となる。従つ
て、このデータの振り分けによつてスペクトル包
絡Shに音韻要素が付加されることになる。 なお、取扱う原音声が無声音である場合には、
乱数などを用いてデータを振り分ければよい。従
つて、このデータの振り分けは有声音、無声音の
判別出力Ｖ／VLを参照する。 このように音韻決定要素と関数変換要素を付加
した後は、ステツプ○リにおいてさらにこのスペク
トル包絡Shを逆デイスクリートフーリエ変換し
て周波数領域のデータから時間領域のデータ（音
素片用のデジタル信号Si）を形成する。このデジ
タル信号Siは切り出された音声信号区間、すなわ
ち原音声に対応する情報圧縮された時間領域での
ピツチ周期P0に相当するデータであつて、出力
波形は逆対称波形になる（第９図Ｆ）。このデー
タにはさらに、同一データの繰り返し回数ｎ（ｎ
＝ｌ／P0）を示すデータが付加されたのち、ス
テツプ○ルにおいてそのデータが最終的な音素片デ
ータとしてメモリー装置に格納される。 以上のような音素片データ処理のような音素片
データ処理を次の音声区間においても行ない、以
上の操作を音声信号がなくなるまで繰り返す。 音声を合成するには、メモリー等に格納された
素片データをｎ回繰り返して使用すると共に、こ
の処理を定められた順序に従つて行うことによ
り、必要とする音声を合成することができる。 以上説明したような手段によつて音素片データ
を作成すれば、まず、ケプストラム分析器１０を
使用して音声信号からスペクトル包絡を抽出する
方法を採ると、スペクトル包絡Scの凸部と凹部
を一様に近似したスペクトル包絡Shを抽出する
ことができるので、求めようとする音声の音韻的
な情報のほぼすべてをデータとして格納できるた
め、常に一定の音質を確保できる。 また、スペクトル包絡Shにピツチ周期P0の情
報を付加して、このスペクトル包絡Shを形成す
るデータを再編成したので、従来のように希望す
るピツチ周期に音素片の長さを揃えるため、その
音素片データとは全く無関係なデータ“０”を詰
めるようにしたものに比べ、音素片の周波数特性
が劣化せず、従つて合成音声の品質が低下しない
で済む。すなわち、より原音声に近い音質が得ら
れる。 そして、音素片の波形が逆対称化波形となるよ
うにデータを変換したので、波形の両端ｅは必ず
零になる。そのため、異なる音素片の波形の間で
不連続になることがないから、従来のような音質
の劣化は生じない。 この発明は、例えば以上のような手段を用いて
形成された音素片データを能率よくメモリー装置
に貯えられるようにした音声合成装置を提案する
ものである。 そのため、まずこの発明において使用される音
素片データは、これをアナログ化したときそのア
ナログ波形が上述したように奇関数化された点対
称波形となるようなデータであつて、差分PCM
データとして貯えられる。また、この音素片デー
タのアナログ波形は例えば第１０図のような点対
称波形であるから、点対称な一対の波形のうち前
半部（半サイクル）の波形SIFの音素片データを
貯えるようにし、残り後半部の波形SIBの音素片
データは前半部の波形SIFの音素片データを利用
して復元する。 データを復元する場合、第１１図Ａのようにサ
ンプリングポイントが偶数個であるときには前半
部の波形SIFの最後のサンプリングポイントｑの
音素片データは後半部の波形SIBを復元するため
には使用されないが、同図Ｂのようにサンプリン
グポイントが奇数個であるときには最後のサンプ
リングポイントｑの音素片データは後半部の波形
SIBの最初のサンプリグポイントｑの音素片デー
タを使用して復元する必要がある。 従つて、第１２図のデータストレージフオーマ
ツトに示すように音素片データDA，DB……とは
別個にその音素片のサンプリングポイントが偶数
個であるか奇数個であるか従つて、音素片データ
DA1，DA2……DB1……の数が奇数であるか偶数で
あるかを示すコードＸが当てられる。 また、この音素片データは上述のように差分
PCMが利用されるが、第１０図で示すように差
分PCMの差分値（＋７、−２等）は音素片の波形
によつて大きく相違するから、この例では差分値
の大小によつて差分PCMのデータ数が変更され
る。実施例では差分値の絶対値が７以上のとき８
ビツトのデータ数が当てられ、それ以下のときに
は４ビツトのデータ数が当てられる。そのため、
第１２図で示すように音素片データDA，DB……
は夫々が不等長ビツトとして構成される場合があ
る。 不等長ビツトとして構成する場合には、４ビツ
トデータを８ビツトデータに復元する必要があ
る。そのため識別コードが、上述したデータ数識
別用のコードＸに当てられる。 ビツト数、データ数とコードＸとの関係の一例
の次の＜表−１＞に示す。
【表】
コードＸは４ビツトで構成され、ビツト数とデ
ータ数とに応じて振り分けられる。 なお、＜表−１＞にはコードＸのほかにコード
Ｙが示されているが、これは音声合成の際に音素
片データDA，DB……を何回繰り返して使用する
かを示す繰り返しコードであつて、この例では４
ビツトで構成するため繰り返し回数ｎは０から15
回まで指示できる。従つて、コードＸとＹで８ビ
ツトデータとなる（第１２図参照）。 なお、第１２図に示すように区切りコードＺ、
識別コードＸ、Ｙ及び音素片データDAでデータ
の単位ブロツクが構成され、これが多数、メモリ
ー装置２０に貯えられる。 また、単位ブロツクを複数用いて音素片データ
を複数集合させると、１つの単語、１つのまとま
つた文章などの音片が形成されるので、音素片の
頭、終り、音片の終りには夫々を区別するための
区切りコードＺが当てられる。この区切りコード
Ｚはヘキサデシマル表示であつて、この例では音
素片の区切りコードは“80”、音片の区切りコー
ドは“7F”としてある。従つて、区切りコード
Ｚは音素片あるいは音片のいずれかのコードが当
てられる。 これら識別コードＸ，Ｙ、区切りコードＺ及び
音素片データＤ（DA，DB……）のストレージフオ
ーマツトの一例を第１２図に示す。この図におい
て１つのブロツクが８ビツトデータとなる。この
ようなフオーマツトのなるようにメモリー装置に
格納される。 なお、音素片データＤはア，イ……のような音
声のほかに、半濁音や拗音等の音声を含むものと
する。 さて、希望する音声をこのメモリー装置の出力
によつて合成するには、例えば第１３図に示すよ
うな音声合成装置を使用すればよい。 第１３図において、２０が音素片データＤ等が
格納されたメモリー装置であつて、３０が入力装
置、４０がシーケンスコントローラである。ま
た、５０は音片アドレステーブル、６０は音片コ
ードテーブルである。 メモリー装置２０より読出された所望のデータ
は読出しレジスタ２１に供給されたのちデータ復
元器２２に供給されて４ビツトデータが８ビツト
データに復元される。そのため、そのレジスタ２
１に取込まれたデータはデータ識別回路２３に供
給されてデータ内容の判別及び後述するコード
Ｘ，Ｙ，Ｚの識別が行なわれたのちシーケンスコ
ントローラ４０に加えられる。なお、このコント
ローラ４０から出力される各種の制御信号によつ
てこの音声合成装置全体が制御される。 識別回路２３ではまず読出しレジスタ２１のデ
ータ内容が判別され、８ビツトデータならば制御
信号Paによつてそのデータそのものが後段のア
キユムレータ（復調レジスタを含む）２４に供給
され、４ビツトデータならば制御信号Paによつ
てこのデータが８ビツトデータに復元される。 すなわち、４ビツトデータが例えば、“0011”
のように正の値であるときには、そのMSB側に
上位４ビツト“0000”が加られて８ビツトデータ
に復元されてからアキユムレータ２４に供給さ
れ、逆に例えば“1100”のように負の値であると
きには、そのMBS側に上位４ビツト“1111”が
加えられて８ビツトデータに復元されてからアキ
ユムレータ２４の供給される。 アキユムレータ２４では波形の再現が行なわれ
る。すなわち、音素片データＤは波形SIの前半部
の波形SIFに対応したデータであるから、後半部
の波形SIBに対応するデータは、この音素片デー
タＤを往復するようにアキユムレータ２４に設け
られた復調レジスタに加算されることによつて形
成される。 このとき、データ数の識別コードＸを検出した
出力に基づく制御信号Paで、データＤの加算回
数が制御される（第１１図参照）。また繰り返し
コードＹを検出した出力に基づく制御信号Pcで
再現された１サイクル分の音素片データの繰り返
し数が定まる。 この１サイクル分の音素片データは復調レジス
タ（Ｄ−Ａ変換器）２５にてアナログ音声信号に
復調されたのち、ローパスフイルタ２６にて所望
の音声周波数帯域の音声信号が取出される。その
場合、復調レジスタ２５の１回の加算をＭ倍の速
度でＭ回行なうことにより、見掛け上のサンプリ
ングレートをＭ倍に高めることができる。これに
よつてローパルフイルタ２６のカツトオフ周波数
もＭ倍になるから、カツトオフ点の周波数特性が
急峻なフイルタを使わないでもフイルタリング処
理できる。 このように、入力装置３０からのデータに基づ
き希望する音素片データＤが読出されて合成され
ることによつて希望する音片や文章の音声信号を
出力端子２７から得ることができる。 以上説明したようにこの発明に係る音声合成装
置によれば、音素片データが不等長ビツトの形式
で記憶されているため、メモリの容量を音質低下
をまねくことなく小規模とすることができる。ま
た逆に多くの音素片データをメモリに記憶させる
ことができるため一層の音質向上をはかることが
できる。
ータ数とに応じて振り分けられる。 なお、＜表−１＞にはコードＸのほかにコード
Ｙが示されているが、これは音声合成の際に音素
片データDA，DB……を何回繰り返して使用する
かを示す繰り返しコードであつて、この例では４
ビツトで構成するため繰り返し回数ｎは０から15
回まで指示できる。従つて、コードＸとＹで８ビ
ツトデータとなる（第１２図参照）。 なお、第１２図に示すように区切りコードＺ、
識別コードＸ、Ｙ及び音素片データDAでデータ
の単位ブロツクが構成され、これが多数、メモリ
ー装置２０に貯えられる。 また、単位ブロツクを複数用いて音素片データ
を複数集合させると、１つの単語、１つのまとま
つた文章などの音片が形成されるので、音素片の
頭、終り、音片の終りには夫々を区別するための
区切りコードＺが当てられる。この区切りコード
Ｚはヘキサデシマル表示であつて、この例では音
素片の区切りコードは“80”、音片の区切りコー
ドは“7F”としてある。従つて、区切りコード
Ｚは音素片あるいは音片のいずれかのコードが当
てられる。 これら識別コードＸ，Ｙ、区切りコードＺ及び
音素片データＤ（DA，DB……）のストレージフオ
ーマツトの一例を第１２図に示す。この図におい
て１つのブロツクが８ビツトデータとなる。この
ようなフオーマツトのなるようにメモリー装置に
格納される。 なお、音素片データＤはア，イ……のような音
声のほかに、半濁音や拗音等の音声を含むものと
する。 さて、希望する音声をこのメモリー装置の出力
によつて合成するには、例えば第１３図に示すよ
うな音声合成装置を使用すればよい。 第１３図において、２０が音素片データＤ等が
格納されたメモリー装置であつて、３０が入力装
置、４０がシーケンスコントローラである。ま
た、５０は音片アドレステーブル、６０は音片コ
ードテーブルである。 メモリー装置２０より読出された所望のデータ
は読出しレジスタ２１に供給されたのちデータ復
元器２２に供給されて４ビツトデータが８ビツト
データに復元される。そのため、そのレジスタ２
１に取込まれたデータはデータ識別回路２３に供
給されてデータ内容の判別及び後述するコード
Ｘ，Ｙ，Ｚの識別が行なわれたのちシーケンスコ
ントローラ４０に加えられる。なお、このコント
ローラ４０から出力される各種の制御信号によつ
てこの音声合成装置全体が制御される。 識別回路２３ではまず読出しレジスタ２１のデ
ータ内容が判別され、８ビツトデータならば制御
信号Paによつてそのデータそのものが後段のア
キユムレータ（復調レジスタを含む）２４に供給
され、４ビツトデータならば制御信号Paによつ
てこのデータが８ビツトデータに復元される。 すなわち、４ビツトデータが例えば、“0011”
のように正の値であるときには、そのMSB側に
上位４ビツト“0000”が加られて８ビツトデータ
に復元されてからアキユムレータ２４に供給さ
れ、逆に例えば“1100”のように負の値であると
きには、そのMBS側に上位４ビツト“1111”が
加えられて８ビツトデータに復元されてからアキ
ユムレータ２４の供給される。 アキユムレータ２４では波形の再現が行なわれ
る。すなわち、音素片データＤは波形SIの前半部
の波形SIFに対応したデータであるから、後半部
の波形SIBに対応するデータは、この音素片デー
タＤを往復するようにアキユムレータ２４に設け
られた復調レジスタに加算されることによつて形
成される。 このとき、データ数の識別コードＸを検出した
出力に基づく制御信号Paで、データＤの加算回
数が制御される（第１１図参照）。また繰り返し
コードＹを検出した出力に基づく制御信号Pcで
再現された１サイクル分の音素片データの繰り返
し数が定まる。 この１サイクル分の音素片データは復調レジス
タ（Ｄ−Ａ変換器）２５にてアナログ音声信号に
復調されたのち、ローパスフイルタ２６にて所望
の音声周波数帯域の音声信号が取出される。その
場合、復調レジスタ２５の１回の加算をＭ倍の速
度でＭ回行なうことにより、見掛け上のサンプリ
ングレートをＭ倍に高めることができる。これに
よつてローパルフイルタ２６のカツトオフ周波数
もＭ倍になるから、カツトオフ点の周波数特性が
急峻なフイルタを使わないでもフイルタリング処
理できる。 このように、入力装置３０からのデータに基づ
き希望する音素片データＤが読出されて合成され
ることによつて希望する音片や文章の音声信号を
出力端子２７から得ることができる。 以上説明したようにこの発明に係る音声合成装
置によれば、音素片データが不等長ビツトの形式
で記憶されているため、メモリの容量を音質低下
をまねくことなく小規模とすることができる。ま
た逆に多くの音素片データをメモリに記憶させる
ことができるため一層の音質向上をはかることが
できる。
第１図は有声音の波形の一例を示す図、第２図
は音素片抽出のための説明図、第３図は音素片の
パワースペクトル図、第４図はLPC合成に基づ
くパワースペクトル図、第５図は音素片を対称化
した波形の説明図、第６図はこの対称化波形の合
成の説明図、第７図はビツチ付加の説明図、第８
図は音素片データの作成方法の一例を示す信号処
理の系統図、第９図はその動作説明に供する波形
図、第１０図、第１１図はこの発明の説明に供す
る図、第１２図はデータストレージフオーマツト
の一例の図、第１３図はこの発明に係る音声合成
装置の一例を示す要部の系統図である。 １０はケプストラム分析器、P0はピツチ周期、
ｎはP0の繰り返し回数、Shはスペクトル包絡、
２０はメモリー装置、２１は読出しレジスタ、２
２はデータ復元器、２４はアキユムレータ、３０
は入力装置、４０はシーケンスコントローラであ
る。
は音素片抽出のための説明図、第３図は音素片の
パワースペクトル図、第４図はLPC合成に基づ
くパワースペクトル図、第５図は音素片を対称化
した波形の説明図、第６図はこの対称化波形の合
成の説明図、第７図はビツチ付加の説明図、第８
図は音素片データの作成方法の一例を示す信号処
理の系統図、第９図はその動作説明に供する波形
図、第１０図、第１１図はこの発明の説明に供す
る図、第１２図はデータストレージフオーマツト
の一例の図、第１３図はこの発明に係る音声合成
装置の一例を示す要部の系統図である。 １０はケプストラム分析器、P0はピツチ周期、
ｎはP0の繰り返し回数、Shはスペクトル包絡、
２０はメモリー装置、２１は読出しレジスタ、２
２はデータ復元器、２４はアキユムレータ、３０
は入力装置、４０はシーケンスコントローラであ
る。
Claims (1)
- １ 差分PCMで形成された音素片データに基い
て音声合成を行う音声合成装置であつて、メモリ
には上記各音素片を表わす差分PCMデータが不
等長ビツトの形式で記憶されると共に各音素片デ
ータを区切るための区切りコード及び音素片デー
タのくり返し回数を示すための繰り返しコードが
記憶されており、該メモリから各音素片に対応し
た比等長ビツト、区切りコード、繰り返しコード
を読み出して所望の音声を音素片合成するように
したことを特徴とする音声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56027313A JPS57141698A (en) | 1981-02-26 | 1981-02-26 | Voice synthesizer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56027313A JPS57141698A (en) | 1981-02-26 | 1981-02-26 | Voice synthesizer |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS57141698A JPS57141698A (en) | 1982-09-02 |
| JPH0376480B2 true JPH0376480B2 (ja) | 1991-12-05 |
Family
ID=12217591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56027313A Granted JPS57141698A (en) | 1981-02-26 | 1981-02-26 | Voice synthesizer |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS57141698A (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59104699A (ja) * | 1982-12-08 | 1984-06-16 | 沖電気工業株式会社 | 音声合成器 |
| JPS6022194A (ja) * | 1983-07-18 | 1985-02-04 | 沖電気工業株式会社 | 音声合成方法 |
| JPS6059398A (ja) * | 1983-09-13 | 1985-04-05 | 沖電気工業株式会社 | 音声合成器 |
| JP2844588B2 (ja) * | 1984-12-06 | 1999-01-06 | 日本電気株式会社 | 波形編集型音声合成装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55147700A (en) * | 1979-05-08 | 1980-11-17 | Sharp Kk | Sound sysnthesis system |
-
1981
- 1981-02-26 JP JP56027313A patent/JPS57141698A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS57141698A (en) | 1982-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5153913A (en) | Generating speech from digitally stored coarticulated speech segments | |
| EP1000499B1 (en) | Generation of voice messages | |
| CA1065490A (en) | Emphasis controlled speech synthesizer | |
| CA2452022C (en) | Apparatus and method for changing the playback rate of recorded speech | |
| JPH0376480B2 (ja) | ||
| JP3373933B2 (ja) | 話速変換装置 | |
| JPH03233500A (ja) | 音声合成方式およびこれに用いる装置 | |
| JP3803306B2 (ja) | 音響信号符号化方法、符号化器及びそのプログラム | |
| JP3081469B2 (ja) | 話速変換装置 | |
| JPH0258639B2 (ja) | ||
| JPH0376479B2 (ja) | ||
| JP2005524118A (ja) | 合成音声 | |
| JPH07192392A (ja) | 話速変換装置 | |
| KR100359988B1 (ko) | 실시간 화속 변환 장치 | |
| JPH0414813B2 (ja) | ||
| JPS6295595A (ja) | 音声応答方式 | |
| JPH07210192A (ja) | 出力データ制御方法及び装置 | |
| JPS58100900A (ja) | 任意語の音声合成方法 | |
| JP2861005B2 (ja) | 音声蓄積再生装置 | |
| JPH03160500A (ja) | 音声合成装置 | |
| JP2865714B2 (ja) | 音声蓄積再生装置 | |
| JPS60500A (ja) | 音声分析合成方法 | |
| JPS62296198A (ja) | 音声合成方式 | |
| JPS63223697A (ja) | 音声規則合成用パラメ−タの作成方法 | |
| JPS6247700A (ja) | 法則合成装置の基本単位音声フアイル作成法 |