JPH0380300A

JPH0380300A - 音声合成方法

Info

Publication number: JPH0380300A
Application number: JP1216560A
Authority: JP
Inventors: Kazunori Ozawa; 一範小澤
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1989-08-23
Filing date: 1989-08-23
Publication date: 1991-04-05
Anticipated expiration: 2012-04-16
Also published as: JP2600384B2

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、音声合成方式に関し、特に単位音声接続情報
と韻律情報とに従い単位音声の残差信号の韻律を変化さ
せて接続し、単位音声のスペクトルパラメータに基づい
て構成される合成フィルタを駆動して合成音声を得る音
声合成方式に関する。

（従来の技術）比較的良好な音質の得られる規則合成方式として、単位
音声（例えば、ｃｖ、ｖｃ等）の全区間において音源信
号を表すための残差信号とスペクトル包絡を表すスペク
トルパラメータをあらかじめ単位音声から分析して求め
て格納し、入力した単位音声接続情報と、入力したピッ
チ周期、振幅、継続時間長などの韻律情報を用いて該当
する単位音声の残差情報の韻律（ピッチ周期、振幅、継
続時間長）を所望の値に制御してこれを接続し、接続し
た残差信号を該当するスペクトルパラメータにより構成
される合成フィルタに通して音声を合成する残差制御型
音声合成方式が知られている。

この方式の詳細は、例えば、特願昭６３−１３６９６９
号明細書（文献１）、特願昭６３−１３３４７８号（文
献２）や岩田比らによる“残差制御による音声合成シス
テムの検討”　（日本音響学会ｍ論、３−２−７．１９
８８年１０月）（文献３）等に記載されている。

この方式によれば、単位音声をあらかじめ分析−・ｅて
得た残差信号を単位音声の全区間にわたり音源信号とし
て使用しているので、音源信号として有声区間ではイン
パルス列、無声区間では雑音信号を用いる方式と比べて
、合成音声の音質が各段に良好である。

（発明が解決しようとする課題）しかしながら、前述の残差制御型音声合成方式では、合
成時に残差信号のピッチ周期を変化させる範囲が小さい
ときは良好な音質の合成音声が得られるが、ピッチ周期
を大きく変化させると音質が劣化するという問題点があ
った。

残差制御型音声合成方式におけるピッチ周期は次のよう
に変化させている。即ち、有声区間では単位音声から求
めた残差信号のピッチ周期をあらかじめ計算し、残差信
号を前記ピッチ周期に等しい長さを有するピッチ区間に
予め分割する０次に、入力した韻律情報からの所望のピ
ッチ周期と前記区間長あるいはピッチ周期とを用いて残
差信号のピッチ変化量を計算し、これを用いて残差信号
のピッチ周期をピッチ変化量だけ変化させている。

しかるに、残差信号をあらかじめピッチ区間毎に分割す
る際に、通常数％のピッチ周期抽出誤りが生ずる。これ
は単位音声のピッチ周期を変化させないときや変化させ
ても変化幅が小さいときには全く問題はないが、合成時
のピッチ周期を単位音声のピッチ周期に比べ大きく変化
させると、数％のピッチ抽出誤りが蓄積されて、ピッチ
を変化させた後のピッチ周期は韻律情報で指定したピッ
チ周期に対してゆらぎを生ずる。このゆらぎによって音
質劣化が発生していた。

さらに、前記ピッチ区間の分割の際に、ピッチ区間毎に
残差信号のピッチ波形のピーク位置の位相をそろえて分
割することは困難なので、ピッチ周期を大きく変化させ
て合成したときに合成音声のピッチ波形の位相ずれによ
り音質が劣化していた。

本発明の目的は、単位音声のピッチ周期に対して合成時
のピッチ周期を大きく変化させても音質の劣化のない音
声合成方式を提供することにある。

〈課゛ばを解決するための手段）本発明による音声合成方式は、単位音声全体の音源を表
わす残差信号とスペクトル包絡を表わすスペクトルパラ
メータとを格納し、単位音声接続情報と前記韻律情報と
に従い前記残差信号の韻律を変化させて接続し、前記ス
ペクトルパラメータに基づいて構成される合成フィルタ
を駆動して合成音声を得る音声合成方式において、前記
隣接ピッチ区間の残差信号どうしの相互相関関数の最大
値を与える遅れ時間を求め、前記遅れ時間と前記韻律情
報とに基づいてピッチ周期可変量を求め、前記残差信号
のピッチ周期を前記ピッチ周期可変量だけ変化させてい
る。

また、隣接ピッチ区間の残差信号により前記合成フィル
タを駆動して合成音声を求め、前記隣接ピッチ区間の前
記合成音声どうしの相互相関関数の最大値を与える遅れ
時間を求め、前記遅れ時間と前記韻律情報とに基づいて
ピッチ周期変化量を求め、前記残差信号のピッチ周期を
前記ピッチ周期変化量だけ変化させ音声を合成する。

（作曲）第１の発明の作用を第３図を引用して説明する。

ここで、単位音声としては、例えば、日本語のｃｖ、ｖ
ｃを３００〜４００種を用いる場合を想定する。

有声区間では、単位音声から予めピッチ周期を抽出し、
ピッチ周期に長さが等しいピッチ区間毎に単位音声に対
して境界を設けておく、ピッチ抽出には、音声信号の自
己相関から求める方法や、他の公知な方法を用いること
ができる。また、ピッチ分割境界の求め方として、例え
ば、特願昭６２−２１０６９０号（文献４）に提案され
ている技術が用いられる。

有声区間では、ピッチ区間毎に単位音声を分析して音声
信号のスペクトル包絡を表すスペクトルパラメータと残
差信号を求めておく、また無声区間では、あらかじめ定
められた一定区間（例えば５ｍ５）毎に分析する０分析
には前記文献２，３と同じく改良ケプヌトラム分析を用
いるが、他の公知の良好なスペクトル分析法を用いるこ
とがでｌる。残差信号は前記文献１，２．３と同様に単
位音声の全区間について求める。

以上の処理を予め行い、音源信号格納部２００には単位
音声の全区間での残差信号を各単位音声毎に格納してお
く、またスペクトルパラメータ格納部２１０には、有声
区間ではピッチ区間毎に、無声区間では予め定められた
一定時間毎に求めたスペクトルパラメータを格納してお
く。

次に、端子１００から単位音声接続情報を、端子１５０
から韻律情報（ピッチ周期、音韻の継続時間長、振幅）
を入力する。単位音声接続情報は音源信号格納部２００
とスペクトルパラメータ格納部２１０とへ供給され、韻
律情報はピッチ制御部２３０と時間長制御部２４０とへ
供給される。

ピッチ変化量計算部２２０は、残差信号の有声区間で隣
接ピッチ区間の残差波形に対して正確なピッチ周期Ｔ、
遅れ時間τ１１．を計算し、ピッチ変化量を求める。第
４図に示すように、分割したピッチ区間■における区間
長をＬＬ、残差波形をｅ＋　　（ｎ）、ピッチ区間■に
おける区間長をＬ２、ＴＡ藻波形をｅ２　（ｎ）とする
、ｅｌ　（ｎ）とｅ２（ｎ）の相互相関関数を次式によ
り計算する。

Φ　（τ）＝Σｅｔ　　（ｎ＋Ｌ＋　　＋τ）ｅ２　（
ｎ）　　　　（１）種々の遅れ時間に対して（１）式を
計算し、（１）式を最大化する遅れ時間をτ６．８とす
る。このとき隣接ピッチ間の正確なピッチ周期Ｔは次式
により求められる。

Ｔ＝Ｌ１＋τ、、、　　　　　　　　　　　　（２）従
って、単位音声の有するピッチ周期Ｔを、韻律情報とし
て入力した合成したいピッチ周期Ｔ°にするためには、
ピッチ変化量りは次式から求められる。

Ｄ＝Ｔ’　−ＬＬ−τ、、、＝Ｔ’−Ｔ　　　　　（３
）求めたピッチ変化量りをピッチ制御部２３０へ出力す
る。

ピッチ制御部２３０は、ピッチ変化量りを用いて残差信
号の有声区間で残差信号のピッチ周期をピッチ変化量だ
け変化させる。具体的には、前記文献１．２のように、
ピッチ周期をＤだけ長くさせ′るときにはピッチ区間の
後方にＤサンプルだけＯを詰める。一方、ピッチ周期を
Ｄだけ短くさせるときにはピッチ区間の後方から残差信
号をＤサンプルだけ切り詰めていく、なお、ピッチ周期
の変化法としては他の公知な方法を用いることもできる
ことは勿論である。

時間長制御部２４０は、入力した韻律情報にうちの継続
時間長を用いて、単位音声を接続して求めた音韻の継続
時間長を制御する。具体的には前記文献１．２の時間長
制御部を参照することができる。

合成フィルタ２５０は、単位音声が接続され、ピッチ周
期、継続１時間長という韻律情報が制御された残差信号
を入力して次式によりスペクトルパラメータを用いて音
声を合成して端子２６０より出力する。なお、ここでス
ペクトルパラメータとしては、制御し易さを考慮して、
改良ゲプヌトラムを線形予測係数ａ１に変換したものを
用いる。

改良ゲプヌトラムから線形予測係数への変換は、例えば
前記文献２を参照できる。

次に第２の発明では、−旦、合成音声を求めて合成音声
信号レベルでピッチ変化量りを求める。

求めかたを以下に示す６図４においてピッチ区間■にお
ける合成音声をｘ＋（ｎ）、ピッチ区間■における合成
音声をｘ２　（ｎ）とする、これらの合成音声はピッチ
区間の残差信号を合成フィルタ２５０に一旦通ずことに
より求められる０次に次式に従い相互相関関数を計算す
る。

Φ　（τ）＝　Σ　ＸＩ　　（ｎ＋Ｌ　　＋　　τ　）
　　Ｘ２　　（ｎ）　　　　　　（５）（５）式を最大
化するτをτ、１工として求め、前記（２）、（３）式
から正確なピッチ周期Ｔ、ピッチ変化量りを求める。

（実施例）第１図に第１の一実施例を示すブロック図を示す。

制御回路５１０は、端子５００から韻律制御情報（ピッ
チ、継続時間長、振幅）単位音声の接続情報を入力し、
音源格納回路５５０、スペクトルパラメータ格納口ｖ？
１５８０、ピッチ変化量計算回路５５５、振幅制御回路
５７０、時間長制御回路５９０へ出力する。

音源格納回路５５０は、単位音声の接続情報を入力し、
その単位音声に対応する予測残差信号を出力する。

ピッチ変化量計算回路５５５は、韻律制御情報から合成
時のピッチ周期Ｔ″を入力する。また、残差信号の有声
区間で隣接ピッチ区間の残差波形に対して正確なピッチ
周期Ｔ、遅れ時間τ１６．を計算し、ピッチ変化量りを
求める。ピッチ変化量りは前記（１）〜（３〉式に従い
計算することができる。求めたＤをピッチ制御回路５６
０へ出力する。

ピッチ制御回路５６０は、ピッチ変化量りを入力し、有
声区間においてあらかじめ指定されているピッチ分割位
置を用いて、残差信号のピッチ周期の変更を行う、ピッ
チ周期を変更するための具体的な方法については、前記
作用の項で説明した方−決や、他の公知の方法を用いる
ことができる。

時間長制御回路５９０は、制御回路５１０から継続時間
長情報を入力し、単位音声を接続して得た音韻の継続時
間長が所望の時間長となるように時間長を制御する。詳
細は前記文献１．２の時間長制御回路を参照できる。

次に、振幅制御回路５７０は、振幅制御情報を入力し、
それに従い、残差信号の振幅を制御しｅ　（ｎ）を出力
する。

スペクトルパラメータ格納口Ｆ＃１５８０は、単位音声
の接続情報を入力し、その単位音声に対応するスペクト
ルパラメータ系列を出力する。ここでは、前記作用の項
と同様にスペクトルパラメータとして、ケプストラム係
数から変換して求めたしｐｃ係数ａｌを用いることにす
るが、他の公知なパラメータを用いることができる。

合成フィルタ回路６００は、ピッチ周期を変更した残差
信号を入力して係数＆ｌを用いて次式に従い合成音声ｘ
　（ｎ）を計算する。

ｘ　（ｎ）＝ｅ（ｎ）十　Σａｔ　　−ｘ　　（ｎ−ｉ
）　　　　　　　　　　　（６）以上で第１の発明の実
施例に対する説明を終える。

第２図は第２の発明の一実腫例を示すブロック図である
。第２図において、第１図と同一の番号を付した構成要
素は、第１図と同一の動きをするのでここでは説明を省
略する。

第２図において、ピッチ変化量計算回路６１０は、音源
格納回路から出力した残差信号の有声区間において、前
記残差信号により一旦合戒ファイルを駆動して合成音声
信号を求める。ここで合成フィルタの係数は、スペクト
ルパラメータ格納回路５８０より読み出して使用する。

そして隣接ピッチ区間の合成音声に対して、前記〈５）
式に従い遅れ時間τ１．工を求め、前記（３）式に従い
ピッチ変化量りを求め、ピッチ制御回路５６０へ出力す
る。

尚、上記実施例は、あくまでも本発明の一梢成にすぎず
、種々の変形も可能である。

本実施例では、単位音声の全区間について、音源信号と
して、予測分析して得られた予測残差信号を用いたが、
演算量、メモリ量の低減のために、有声区間、特に母音
区間では、代表的な１ピッチ区間の予測残差信号を用い
て、この振幅、ピッチを制御しながら繰り返して用いて
もよい。

また、音源信号としては、予測分析して得られる予測残
差信号のみならず、他の良好な音源信号、例えば、零位
相化信号、位相等化信号、マルチパルス音源などを用い
ることができる。

また、正確なピッチ周期Ｔの計算は上述の実施例のよう
に合成する際に計算するのではなく、単位音声の分析時
にＴを前記（１）、（２）、（５）に基づきあらかじめ
計算し格納しておき、合成時には前記（３）式にもとづ
きピッチ変化量りを計算して、ピッチを制御するように
してもよい。

さらにピッチ区間を分割するときに、分割区間長を前記
正確なピッチ周期Ｔと等しい長さとするように分割する
こともできる。

また、格納するスペクトルパラメータとしては、実肢例
の方法以外に他のスペクトルパラメータ、例えば、ホル
マント、ＡＲＭＡ、ＰＳＥ、ＬＳＰ、ＰＡＲＣＯＲ、メ
ルケプストラム、−膜化ケプストラム、メル一般化ケプ
ストラムなどを用いることができる。

また、スペクトルパラメータとしてＬＰＣｌ数をスペク
トルパラメータ格納回路５８０に格納したが、ケプスト
ラムや改良ケプストラムを直接格納し、ケプストラムや
改良ケプストラムを用いて合成するようにすることもで
きる。

更にピッチ周期を大きく変更したときに、合成音声のス
ペクトル包絡はピッチ周期を変更する前のスペクトル包
絡と比べ変形あるいは歪んでいる可能性があるので、合
成フィルタ６００の後段にスペクトル包絡を補正する補
正フィルタを接続するようにしてもよい、補正フィルタ
の具体的な構成法は、前記文献１．２に開示されている
構成を用いることができる。

また、各単位音声毎に、ピッチの変化量に応じて前記補
正フィルタの補正用スペクトルパラメータをｃｏｄｅｂ
ｏｏｋとして有しておくか、あるいはスペクトルパラメ
ータの変化自体をｃｏｄｅｂｏｏｋあるいはテーブルと
して予め有しておき、スペクトルパラメータの最適な変
化を参照するようにしてもよい、このようにすると、前
者の場合では補正用フィルタの計算が簡略化され、後者
の場合では補正用フィルタの計算が不要となる。

更に、振幅制御回路５７０は簡略化のために省略するこ
ともできる。

また、本実總例では、韻律１ｔＩＩｆｊＲＩｒ１を報を
端子５００を通して入力する構成としたが、韻律制御に
関しては、アクセント情報、イントネーション情報を入
力して、規則により韻律制御情報を発生するよ−うにし
てもよい。

（発明の効果）以上説明したように、本発明によれば、単位音声の全て
の区間について残差信号とスペクトルパラメータを有し
ており、残差信号のピッチ周期を変更するときに、隣接
ピッチ区間の残差信号どうしあるいは合成音声信号どう
しの相互相関関数の計算からピッチ変化量を求めてピッ
チ周期を変更しているので、従来方式に比べてピッチを
変化させたときに音質の劣化がほとんどない良好な合成
音声を得ることができるという大きな効果がある。

【図面の簡単な説明】

第１図は本発明における第１の発明の実施例を示すブロ
ック図、第２図は第２の発明の実施例を示すブロック図
、第３図は本発明の作用を示すブロック図、第４図は有
声区間におけるピッチ区間の残差波形を示す図である。２００．５５０・・・音源信号格納回路、２１０゜５８
０・・・スペクトルパラメータ格納回路、２２０゜５５
５．６１０・・・ピッチ変化量計算回路、２３０゜５６
０・・・ピッチ制御回路、２４０．５９０・・・時間長
制御回路、２５０，６００・・・合成フィルタ、５７０
・・・振幅制御回路。

Claims

【特許請求の範囲】

（１）単位音声全体の音源を表わす残差信号とスペクト
ル包絡を表わすスペクトルパラメータとを格納し、入力
される単位音声接続情報と韻律情報とに従い前記残差信
号の韻律を変化させて接続し、前記スペクトルパラメー
タに基づいて構成される合成フィルタを駆動して合成音
声を得る音声合成方式において、前記隣接ピッチ区間の
残差信号どうしの相互相関関数の最大値を与える遅れ時
間を求め、前記遅れ時間と前記韻律情報とに基づいてピ
ッチ周期変化量を求め、前記残差信号のピッチ周期を前
記ピッチ周期変化量だけ変化させて音声を合成すること
を特徴とする音声合成方式。
（２）単位音声全体の音源を表わす残差信号とスペクト
ル包絡を表わすスペクトルパラメータとを格納し、入力
される単位音声接続情報と韻律情報とに従い前記残差信
号の韻律を変化させて接続し前記スペクトルパラメータ
に基づいて構成される合成フィルタを駆動して合成音声
を得る音声合成方式において、隣接ピッチ区間の残差信
号により前記合成フィルタを駆動して合成音声を求め、
前記隣接ピッチ区間の前記合成音声どうしの相互相関関
数の最大値を与える遅れ時間を求め、前記遅れ時間と前
記韻律情報とに基づいてピッチ周期変化量を求め、前記
残差信号のピッチ周期を前記ピッチ周期変化量だけ変化
させ音声を合成することを特徴とする音声合成方式。