JPH04234100A - 音声合成方法及び装置 - 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】

【０００１】

【産業上の利用分野】本発明は、音声合成方法及び装置
に関するものである。

【０００２】

【従来の技術】一般的に、人間の声音等の音声信号には
同一の波形が周期的に出現するので、この周期をピッチ
と称すると共にピッチ毎に出現する波形を素片波形と称
して音声合成装置に利用している。つまり、音声合成装
置では、所要の素片波形のデータを波形記憶手段である
メモリなどに予め設定しておき、所定の素片波形のデー
タを順次選出して時間領域上で編集合成し、この編集合
成された素片波形のデータに従って合成音声を出力する
ようになっている。しかし、このような音声合成装置で
は、連続的に生成される音声信号の素片波形の音韻が大
きく異なると、その不連続性のために耳ざわりな合成音
声が出力されることになる。

【０００３】そこで、このような課題を解決する音声合
成装置としては、ＪＡＳＡ　　ＶＯＬ１．４５（１９６
９）“Ｓｐｅｅｃｈ　　Ａｎａｌｙｓｉｓ−Ｓｙｎｔｈ
ｅｓｉｓ　　Ｓｙｓｔｅｍ　　Ｂａｓｅｄ　　ｏｎ　　
Ｈｏｍｏｒｐｈｉｃ　　Ｆｉｌｔｅｒｉｎｇ”Ａ．Ｖ．
Ｏｐｐｅｎｈｅｉｍや、特開昭６１−２５６３９８号公
報などに開示されたものがある。例えば、ＪＡＳＡ　　
ＶＯＬ１．４５に開示された音声合成装置では、合成音
声の聴感上の連続性を良好にするために、二つの異なる
素片波形のデータを時間軸上で直線補完するようになっ
ている。また、特開昭６１−２５６３９８号公報に開示
された音声合成装置では、上記装置と略同様に補完する
素片波形のデータを、同一位相に限定することで装置の
構造を簡略化している。

【０００４】このようにすることで、素片波形が大きく
異なる音声信号が連続的に生成される場合でも、補完さ
れた音声信号によって聴感上の連続性が良好である。

【０００５】

【発明が解決しようとする課題】上述のような音声合成
装置では、素片波形が大きく異なる音声信号間に所定の
音声信号を補完することで聴感上の特性を向上させてい
る。

【０００６】ここで、このように直線的に素片波形を補
完する場合の演算式は、例えば、 　　　　Ｆ（ｎＴ）＝Ｆ１（ｎＴ）＋｛Ｆ２（ｎＴ）−
Ｆ１（ｎＴ）｝・ｍ／Ｍ　　　　　　（ｍ＝１，Ｍ） となる。なお、上記演算式中のＭは補完間隔であり、素
片波形Ｆ１から素片波形Ｆ２に至る間にＭ個の素片波形
が挿入されることを意味している。しかし、このように
除算を内包する演算は、装置の構造を複雑化することに
なるので、前述した特開昭６１−２５６３９８号公報の
音声合成装置では、ｍ／Ｍ（ｍ＝１，Ｍ）の演算結果を
予め算定してテーブルに記録しておくことで装置の構造
を簡略化している。

【０００７】ここで、上述のように直線的に素片波形を
補完する音声合成装置では、その補完間隔Ｍを素片波形
の変化が緩慢な母音等では大きな値とし、変化が急な子
音等では小さな値とすることが望ましい。しかし、前述
した音声合成装置では、補完間隔Ｍが固定的に設定され
ており、上述のような音韻の変化割合に対応して補完間
隔Ｍを変更することは想定されていない。

【０００８】つまり、従来の音声合成装置では、図３（
ａ）に例示するように、予め素片波形Ｆの変化が急な部
分に対応して補完間隔Ｍを小さく設定しておき、図３（
ｂ）に例示するように、波形変化Ｆが緩慢な部分では小
さい補完間隔Ｍ毎に素片波形Ｆ´を補完しているので、
この素片波形Ｆ´のデータ量が増加することになって好
ましくない。

【０００９】

【課題を解決するための手段】請求項１記載の発明は、
音声信号の波形をピッチ単位で抽出した複数の素片波形
のデータを波形記憶手段に予め設定し、この波形記憶手
段からデータ選出手段が所定の素片波形のデータを順次
選出し、この選出された素片波形のデータをデータ編集
手段が時間領域上で編集合成し、この編集合成された素
片波形のデータに従って音声出力手段が合成音声を出力
するようにした音声合成方法において、直前に生成した
素片波形のデータとデータ選出手段が新たに選出する素
片波形のデータとを補完データ生成手段が所定割合で重
畳するようにした。

【００１０】請求項２記載の発明は、音声信号の波形を
ピッチ単位で抽出した複数の素片波形のデータが予め設
定された波形記憶手段を設け、この波形記憶手段から所
定の素片波形のデータを順次選出するデータ選出手段を
設け、このデータ選出手段が選出した素片波形のデータ
を時間領域上で編集合成するデータ編集手段を設け、こ
のデータ編集手段が編集合成した素片波形のデータに従
って合成音声を出力する音声出力手段を設けた音声合成
装置において、直前に生成した素片波形のデータとデー
タ選出手段が新たに選出する素片波形のデータとを所定
割合で重畳する補完データ生成手段を設けた。

【００１１】

【作用】直前に生成した素片波形のデータとデータ選出
手段が新たに選出する素片波形のデータとを補完データ
生成手段が所定割合で重畳するようにしたことにより、
素片波形のデータの選択内容に従って合成音声の変化を
自在に設定することができる。

【００１２】

【実施例】本発明の音声合成装置を図１及び図２に基づ
いて説明する。まず、この音声合成装置１では、図１に
例示するように、波形選択データを出力する韻律生成部
２にセレクタ３を介して予め複数の素片波形のデータが
設定された波形記憶手段である波形メモリ４が接続され
ており、この波形メモリ４と前記セレクタ３とにカウン
タ５が接続されることで、データ選出手段である波形選
択部６が形成されている。そして、この波形選択部６に
は、乗算器７，８とシフトレジスタ９とをループ状に組
合わせた構造の補完データ生成手段である平滑部１０が
接続されており、この平滑部１０には、波形データを所
定ピッチで重畳して編集合成するデータ編集手段である
重畳回路１１を介してアンプやスピーカ等からなる音声
出力手段（図示せず）が接続されている。

【００１３】なお、前記平滑部１０には、補完係数αか
ら乗算器７，８の乗算値として（α−１）とαとが設定
されており、そのシフトレジスタ９の段数が素片波形の
データの固定長のサンプル数と同一になっている。また
、このシフトレジスタ９はリングバッファ等で代用する
ことも可能である。

【００１４】このような構成において、この音声合成装
置１では、生成する合成音声に対応した波形選択データ
が韻律生成部２から順次出力されると、この波形選択デ
ータに従って波形選択部６の波形メモリ４から所定の素
片波形のデータが順次選出される。そして、これらの素
片波形のデータが転送される平滑部１０は、素片波形の
データをＸとして補完する素片波形のデータをＹとする
と、

【数１】 と云うような演算式に従って補完する素片波形のデータ
を生成する。なお、上記演算式中のαは０以上１未満の
補完係数であり、その大小に従って合成音声の平滑性の
大小が変化することになる。つまり、この平滑部１０は
、素片波形のデータとして、

【数２】 が新たに入力されると、これと以前に編集合成した素片
波形のデータである

【数３】 とを（１−α）／αの割合で重畳して新たな素片波形の
データである

【数４】 を生成するようになっている。なお、この平滑部１０に
は、その初期値として

【数５】 を予め設定しておくことが可能である。

【００１５】そこで、この音声合成装置１では、上述の
ようにして平滑部１０で順次生成された素片波形のデー
タが重畳回路１１で所定ピッチで重畳されて編集合成さ
れ、この編集合成された素片波形のデータに従って音声
出力手段から合成音声が出力されることになる。

【００１６】このようにすることで、この音声合成装置
１は、図２（ａ）に例示するように、音韻が段階的に異
なる素片波形のデータ■〜■を配列した波形選択データ
を波形選択部６に入力しても、図中に実線で示すように
、平滑部１０からは素片波形のデータ■〜■の中間的な
値となって平滑性が良好な素片波形のデータが出力され
ることになる。また、図２（ｂ）に例示するように、音
韻が異なる二つの素片波形のデータ■，■を密度が順次
変化するように配列した波形選択データを形成すること
で、図中に実線で示すように、良好な平滑性で音韻が順
次変化する素片波形のデータを生成することができる。 さらに、図２（ｃ）に例示するように、母音定常部の合
成時などでも、所定の音韻の素片波形のデータ■〜■を
所定タイミングで配列することで合成音声に揺らぎを与
えることが可能である。

【００１７】つまり、この音声合成装置１では、波形選
択データの構成内容に従って合成音声の変化を自在に設
定することができ、その補完特性も補完間隔が固定的に
設定された直線補完に限定されないので、各種の補完特
性が近似表現可能である。

【００１８】なお、上述のような波形選択データの生成
方法としては、ＣＶ（ＣｏｎｓｏｎａｎｔＶｏｗｅｌ）
区間内に関しては、予めＣＶ単位で保存しておいた波形
選択データを直接に利用し、ＣＶ−ＣＶ間の接続部分に
関しては、予め音韻の種類に対応して設定した変化パタ
ーンに基づいて波形選択データを生成することが考えら
れる。

【００１９】また、この音声合成装置１では、補完係数
αを固定的に設定することで平滑部１０の構造を簡略化
することができる。例えば、α＝０．５とすると、乗算
演算は１（ｂｉｔ）シフトするだけで良く、素片波形の
データに（１−α）を乗算する乗算器７を省略すること
ができる。この場合、平滑部１０から出力される素片波
形のデータは、１／（１−α）倍されることになる。な
お、このような補完係数αを合成音声の音韻などに従っ
て適宜可変させることも可能である。

【００２０】

【発明の効果】本発明は上述のように、音声信号の波形
をピッチ単位で抽出した複数の素片波形のデータを波形
記憶手段に予め設定し、この波形記憶手段からデータ選
出手段が所定の素片波形のデータを順次選出し、この選
出された素片波形のデータをデータ編集手段が時間領域
上で編集合成し、この編集合成された素片波形のデータ
に従って音声出力手段が合成音声を出力するようにした
音声合成方法及び装置において、直前に生成した素片波
形のデータとデータ選出手段が新たに選出する素片波形
のデータとを補完データ生成手段が所定割合で重畳する
ようにしたことにより、素片波形のデータの選択内容に
従って合成音声の変化を自在に設定することができるの
で、高い自由度で各種特性の補完が実施可能である等の
効果を有するものである。

【図面の簡単な説明】

【図１】本発明の実施例を示すブロック図である。

【図２】特性図である。

【図３】従来例を示す特性図である。

【符号の説明】

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　音声信号の波形をピッチ単位で抽出し
   た複数の素片波形のデータを波形記憶手段に予め設定し
   、この波形記憶手段からデータ選出手段が所定の素片波
   形のデータを順次選出し、この選出された素片波形のデ
   ータをデータ編集手段が時間領域上で編集合成し、この
   編集合成された素片波形のデータに従って音声出力手段
   が合成音声を出力するようにした音声合成方法において
   、直前に生成した素片波形のデータと前記データ選出手
   段が新たに選出する素片波形のデータとを補完データ生
   成手段が所定割合で重畳するようにしたことを特徴とす
   る音声合成方法。
2. 【請求項２】　　音声信号の波形をピッチ単位で抽出し
   た複数の素片波形のデータが予め設定された波形記憶手
   段を設け、この波形記憶手段から所定の素片波形のデー
   タを順次選出するデータ選出手段を設け、このデータ選
   出手段が選出した素片波形のデータを時間領域上で編集
   合成するデータ編集手段を設け、このデータ編集手段が
   編集合成した素片波形のデータに従って合成音声を出力
   する音声出力手段を設けた音声合成装置において、直前
   に生成した素片波形のデータと前記データ選出手段が新
   たに選出する素片波形のデータとを所定割合で重畳する
   補完データ生成手段を設けたことを特徴とする音声合成
   装置。