JPH0750398B2 - スペクトル標準パタンの作成方法 - Google Patents
スペクトル標準パタンの作成方法Info
- Publication number
- JPH0750398B2 JPH0750398B2 JP61271365A JP27136586A JPH0750398B2 JP H0750398 B2 JPH0750398 B2 JP H0750398B2 JP 61271365 A JP61271365 A JP 61271365A JP 27136586 A JP27136586 A JP 27136586A JP H0750398 B2 JPH0750398 B2 JP H0750398B2
- Authority
- JP
- Japan
- Prior art keywords
- standard pattern
- pattern
- training data
- standard
- clustering
- 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
【発明の詳細な説明】 〔産業上の利用分野〕 本発明はスペクトル標準パタンの作成方法に関し、特に
ステップVQ（Vector Quantization）ベクトル量子化）
用標準パタンを対象としてパタンマッチング歪の減少と
作成の簡素化とを図ったスペクトル標準パタンの作成方
法に関する。
ステップVQ（Vector Quantization）ベクトル量子化）
用標準パタンを対象としてパタンマッチング歪の減少と
作成の簡素化とを図ったスペクトル標準パタンの作成方
法に関する。
パタンマッチングボコーダ、あるいはスプリット（stri
ngs of phoneme−like templates）バンド法を利用する
音声認識等ではスペクトル標準パタンがVQを利用して用
意される。このVQとは、音声信号の分析，合成等におい
て利用されるスペクトル包絡パラメータとサンプル値ご
とに量子化する代りに、複数の値の組すなわちベクトル
として量子化するものである。このようなVQを介して得
られるスペクトル標準パタン（以下単に標準パタンと呼
ぶ）を利用してパタンマッチング処理を行なう場合に発
生するマッチング誤差としての量子化歪を実用上十分に
小さくするには、標準パタンとして用意すべき数もある
程度多くする必要がある。
ngs of phoneme−like templates）バンド法を利用する
音声認識等ではスペクトル標準パタンがVQを利用して用
意される。このVQとは、音声信号の分析，合成等におい
て利用されるスペクトル包絡パラメータとサンプル値ご
とに量子化する代りに、複数の値の組すなわちベクトル
として量子化するものである。このようなVQを介して得
られるスペクトル標準パタン（以下単に標準パタンと呼
ぶ）を利用してパタンマッチング処理を行なう場合に発
生するマッチング誤差としての量子化歪を実用上十分に
小さくするには、標準パタンとして用意すべき数もある
程度多くする必要がある。
しかしながら、標準パタン数の増大は必然的にパタンマ
ッチングの演算量を増大する。この問題を排除する手段
としてステップVQなる手法がある。
ッチングの演算量を増大する。この問題を排除する手段
としてステップVQなる手法がある。
このステップVQは、VQを多段階ステップで実施するもの
で、通常のVQによる標準パタンを利用して行なうパタン
マッチング処理が総当り、いわゆるフルサーチ（full s
earch）処理となって演算量が膨大化するのに対し、こ
のステップVQによって表現された標準パタンによるパタ
ンマッチング処理は本質的に著しい演算量を削減をもた
らす。
で、通常のVQによる標準パタンを利用して行なうパタン
マッチング処理が総当り、いわゆるフルサーチ（full s
earch）処理となって演算量が膨大化するのに対し、こ
のステップVQによって表現された標準パタンによるパタ
ンマッチング処理は本質的に著しい演算量を削減をもた
らす。
いま、標準パタン数がＮであるとすると、通常のVQを利
用する標準パタンであればパタン照合回数はＮである。
しかしながら、これをステップ数がＭであるステップVQ
を利用した標準パタンで照合するものとすると、パタン
照合回数は と著しく低減される。このような特徴を有するステップ
VQを利用する標準パタンを用いてパタンマッチング処理
における演算量の増大の抑圧を図っている。
用する標準パタンであればパタン照合回数はＮである。
しかしながら、これをステップ数がＭであるステップVQ
を利用した標準パタンで照合するものとすると、パタン
照合回数は と著しく低減される。このような特徴を有するステップ
VQを利用する標準パタンを用いてパタンマッチング処理
における演算量の増大の抑圧を図っている。
ここで、このような効果の期待できるステップVQを利用
しての標準パタンの作成方法について説明する。
しての標準パタンの作成方法について説明する。
第３図は従来のステップVQによる標準パタンの作成方法
の説明図である。
の説明図である。
従来のステップVQ標準パタンは、ベクトル特徴尺度とし
て通常、スペクトル距離を利用し、かつベクトル空間を
スペクトル距離の小さいものから大きいものに移行する
形式で切出していくようなクラスタリングを行なう。第
３図はスペクトル距離がθ１およびθ2dB2（θ１＞
θ２）による２段階のステップでのクラスタリングの例
を示し、まずベクトル空間をθ2dB2でクラスタリングし
標準パタンとしてのa,b等が得られる。これらa,bは勿論
θ2dB2によるクラスタリングで得られる全標準パタンの
一部を示すものである。このθ2dB2によるクラスタリン
グ後のベクトル空間を次にスペクトル距離θ1dB2でクラ
スタリングする。このクラスタリングによって得られる
標準パタンがA,Bとして示される空間位置を占有するも
のとして決定される。
て通常、スペクトル距離を利用し、かつベクトル空間を
スペクトル距離の小さいものから大きいものに移行する
形式で切出していくようなクラスタリングを行なう。第
３図はスペクトル距離がθ１およびθ2dB2（θ１＞
θ２）による２段階のステップでのクラスタリングの例
を示し、まずベクトル空間をθ2dB2でクラスタリングし
標準パタンとしてのa,b等が得られる。これらa,bは勿論
θ2dB2によるクラスタリングで得られる全標準パタンの
一部を示すものである。このθ2dB2によるクラスタリン
グ後のベクトル空間を次にスペクトル距離θ1dB2でクラ
スタリングする。このクラスタリングによって得られる
標準パタンがA,Bとして示される空間位置を占有するも
のとして決定される。
クラスタリングの対象となるベクトル空間に含まれる全
空間ベクトルは音声信号のLPC（Linear Prediction Cod
ing）分析で得られるスペクトル包絡パラメータ、たと
えばLSP（Line Spectrum Paris）係数等で表現されるの
が一般的であり、これがトレーニングデータである。第
３図のa,bはθ2dB2でクラスタリングされたベクトル空
間の重心としての標準パタンであり、トレーニングデー
タに対応する全ベクトル空間はかかる標準パタンの集合
として表現されることとなる。たとえば、Ｐで示すベク
トル空間に包含される全ベクトルはａで示す標準パタン
で示される。
空間ベクトルは音声信号のLPC（Linear Prediction Cod
ing）分析で得られるスペクトル包絡パラメータ、たと
えばLSP（Line Spectrum Paris）係数等で表現されるの
が一般的であり、これがトレーニングデータである。第
３図のa,bはθ2dB2でクラスタリングされたベクトル空
間の重心としての標準パタンであり、トレーニングデー
タに対応する全ベクトル空間はかかる標準パタンの集合
として表現されることとなる。たとえば、Ｐで示すベク
トル空間に包含される全ベクトルはａで示す標準パタン
で示される。
このような低位のクラスタリングから上位のクラスタリ
ングに移行する処理を必要ステップ繰返しステップVQ標
準パタンが作成される。
ングに移行する処理を必要ステップ繰返しステップVQ標
準パタンが作成される。
この標準パタンの作成は具体的には次の手順で実施され
る。
る。
Ｎ個の10次LSP係数ωP (i)（１≦Ｐ≦10;1,2,…i,…
Ｎ）がトレーニングデータとして集められる。
Ｎ）がトレーニングデータとして集められる。
ωP (1)からスペクトル距離θ2dB2以内にあるトレーニ
ングデータの数M1を計数する。このスペクトル距離は後
述する（１）式に於いて、ｉ＝1,j＝2,3,…Ｎとして求
められる。又、M1はd1j≦θ２となるd1jの数である。
ングデータの数M1を計数する。このスペクトル距離は後
述する（１）式に於いて、ｉ＝1,j＝2,3,…Ｎとして求
められる。又、M1はd1j≦θ２となるd1jの数である。
上記２と同様にωP (2)〜ωP (N)からθ2dB2以内にある
トレーニングデータの数M2〜MNを計数する。
トレーニングデータの数M2〜MNを計数する。
MK＝max｛Mi:i＝1,2,−,N｝を検索する。
MKに対応するトレーニングデータωP (K)を標準パタン
ωＰ （1,1）として登録する。
ωＰ （1,1）として登録する。
ωP (K)よりθ2dB2以内にある全てのトレーニングデー
タを削除する。又、ωP (K)そのものも削除する。
タを削除する。又、ωP (K)そのものも削除する。
トレーニングデータ数Ｎをアップデートする。Ｎ＝Ｎ
−MK−１ （１）Ｎ＞０の場合、上記２〜７を繰返す。
−MK−１ （１）Ｎ＞０の場合、上記２〜７を繰返す。
（２）Ｎ＝０の場合、以下、９〜16の処理を実施する。
尚、このようにして決定された標準パタン
ωＰ （1,K）、Ｋ＝1,2……,N1の一部が前述の第３図a,b
等の点である。
ωＰ （1,K）、Ｋ＝1,2……,N1の一部が前述の第３図a,b
等の点である。
N1個の標準パタンωＰ （1,K）、Ｋ＝1,2,−,N1を改め
てトレーニングデータとして取扱う。
てトレーニングデータとして取扱う。
ωＰ （1,1）からスペクトル距離θ1dB2以内にあるト
レーニングデータの数M1 (1)を計算する。
レーニングデータの数M1 (1)を計算する。
上記10と同様にωＰ （1,2）〜ωＰ （1,N1）からθ1dB
2以内にあるトレーニングデータの数M2 (1)〜MN′(1)を
計数する。
2以内にあるトレーニングデータの数M2 (1)〜MN′(1)を
計数する。
MK (1)＝max｛Mi(1):i＝1,2,……,N′｝を検索する。
MK (1)に対応するトレーニングデータωＰ （1,K）を標
準パタンωＰ （2,1）として登録する。
準パタンωＰ （2,1）として登録する。
ωＰ （1,K）よりθ1dB2以内にある全てのトレーニン
グデータを削除する。又、ωＰ （1,K）そのものも削除
する。
グデータを削除する。又、ωＰ （1,K）そのものも削除
する。
トレーニングデータ数N1をアップデートする。
N1＝N1−MK (1)−１ （１）N1＞０の場合、上記10〜15を繰返す。
（２）N1＝０で処理を終了する。
このようにして決定された標準パタンωＰ （2,K）、Ｋ
＝1,2,……,N2の一部が前述の第３図A,B等の点である。
＝1,2,……,N2の一部が前述の第３図A,B等の点である。
上述した従来のステップVQ用標準パタンには、しかしな
がら次のような問題点がある。
がら次のような問題点がある。
すなわち、たとえば第３図に示す如く、パタンマッチン
グされるべき観測データがＣで示す空間ベクトルとして
存在するとすると、この観測データは上位の標準パタン
Ｂに属するものとして決定される。この観測データは、
又、θ2dB2以内のスペクトル距離でａに近接しており、
最終的にａをその標準ベクトルとして選択すべきであ
る。しかしながらａはＡに含まれＢに含まれていない。
そのため、一度Ｂを上位の代表ベクトルとして選択した
観測データは決してａを下位の代表ベクトルとして選択
することはない。この結果、元来標準ベクトルａを選択
すべきもののパタンマッチング精度を劣化させ、パタン
マッチング歪をθ2dB2以上にしてしまうという欠点があ
る。
グされるべき観測データがＣで示す空間ベクトルとして
存在するとすると、この観測データは上位の標準パタン
Ｂに属するものとして決定される。この観測データは、
又、θ2dB2以内のスペクトル距離でａに近接しており、
最終的にａをその標準ベクトルとして選択すべきであ
る。しかしながらａはＡに含まれＢに含まれていない。
そのため、一度Ｂを上位の代表ベクトルとして選択した
観測データは決してａを下位の代表ベクトルとして選択
することはない。この結果、元来標準ベクトルａを選択
すべきもののパタンマッチング精度を劣化させ、パタン
マッチング歪をθ2dB2以上にしてしまうという欠点があ
る。
この欠点は、下位の標準パタンの１個のベクトルａが所
属する“上位の標準パタンの１個のベクトルＡが占有す
るベクトル空間”にａが占有べきベクトル空間の全体が
含まれておらずその一部は“上位の標準パタンの他の１
個のベクトルＢが占有するベクトル空間”に含まれるこ
とに起因する。
属する“上位の標準パタンの１個のベクトルＡが占有す
るベクトル空間”にａが占有べきベクトル空間の全体が
含まれておらずその一部は“上位の標準パタンの他の１
個のベクトルＢが占有するベクトル空間”に含まれるこ
とに起因する。
本発明の目的は上述した欠点を除去し、ステップVQ標準
パタン作成におけるクラスタリングを所定の大小順に設
定したスペクトル距離で次次に実施するという手段を備
えることにより、パタンマッチング歪を大幅に減少しう
る簡易な手法によるスペクトル標準パタンの作成方法を
提供することにある。
パタン作成におけるクラスタリングを所定の大小順に設
定したスペクトル距離で次次に実施するという手段を備
えることにより、パタンマッチング歪を大幅に減少しう
る簡易な手法によるスペクトル標準パタンの作成方法を
提供することにある。
本発明の方法は、音声信号のスペクトル包絡パラメータ
に関する標準パタンを作成する場合のスペクトル標準パ
タンの作成方法であって、トレーニングデータベクトル
空間を所定の大小順に設定したスペクトル距離でクラス
タリング（clustering）しつつ標準パタンを得るごとに
前記標準パタンと前記トレーニングデータベクトル空間
とを照合し前記トレーニングデータベクトル空間を前記
標準パタンにもとづくクラス分けで互いに重複を避けて
空間的に分割しつつ低位のクラスタリングに移行する処
理過程を有する。
に関する標準パタンを作成する場合のスペクトル標準パ
タンの作成方法であって、トレーニングデータベクトル
空間を所定の大小順に設定したスペクトル距離でクラス
タリング（clustering）しつつ標準パタンを得るごとに
前記標準パタンと前記トレーニングデータベクトル空間
とを照合し前記トレーニングデータベクトル空間を前記
標準パタンにもとづくクラス分けで互いに重複を避けて
空間的に分割しつつ低位のクラスタリングに移行する処
理過程を有する。
次に本発明につき図面を参照して詳細に説明する。
第１図は本発明の一実施例を示すブロック図である。
第１図に示す実施例の構成は、LPC分析器1,LSP分析器2,
一時メモリ（１）3,一時メモリ（２）4,演算器5,スペク
トル感度ファイル6,標準パタン（１）出力ファイル7,一
時メモリ（３）8,標準パタン（２）出力ファイル9,ROM1
0等を備えて構成される。
一時メモリ（１）3,一時メモリ（２）4,演算器5,スペク
トル感度ファイル6,標準パタン（１）出力ファイル7,一
時メモリ（３）8,標準パタン（２）出力ファイル9,ROM1
0等を備えて構成される。
本発明によるステップVQ標準パタンの作成方法の要点
は、スペクトル距離の大きい方から小さい方に移行する
処理ステップでクラスタリングを実行する点にあり、従
来の処理手法が下位の標準パタンから上位の標準パタン
に遡上していくのに対して逆方向処理となっている。
は、スペクトル距離の大きい方から小さい方に移行する
処理ステップでクラスタリングを実行する点にあり、従
来の処理手法が下位の標準パタンから上位の標準パタン
に遡上していくのに対して逆方向処理となっている。
第４図は本発明のステップVQ標準パタンの作成方法であ
る。
る。
まず、θ1dB2のスペクトル距離でトレーニングデータを
クリスタリングして標準パタンを決定する。次に、この
標準パタンとトレーニングデータとを再度照合しトレー
ニングデータベクトル空間を標準パタンにもとづくクラ
ス分けでベクトルサブ空間に分割する。こうして分割さ
れたベクトルサブ空間の例をＶ空間,W空間として示す。
このようにして形成されるV,W空間は互いに空間的に決
して重複することなく、第４図に示す線分ｌはこのよう
なV,W空間の空間的接合部の一断面部分を示している。
なお、第４図ではV,W空間が相接する状態を例としてい
るが、互いに離隔する場合も勿論有り得る。しかしなが
ら、このような離隔空間には上述した思想のクラス分け
で空間ベクトルは存在しない。
クリスタリングして標準パタンを決定する。次に、この
標準パタンとトレーニングデータとを再度照合しトレー
ニングデータベクトル空間を標準パタンにもとづくクラ
ス分けでベクトルサブ空間に分割する。こうして分割さ
れたベクトルサブ空間の例をＶ空間,W空間として示す。
このようにして形成されるV,W空間は互いに空間的に決
して重複することなく、第４図に示す線分ｌはこのよう
なV,W空間の空間的接合部の一断面部分を示している。
なお、第４図ではV,W空間が相接する状態を例としてい
るが、互いに離隔する場合も勿論有り得る。しかしなが
ら、このような離隔空間には上述した思想のクラス分け
で空間ベクトルは存在しない。
さて、上述したクラス分けによるトレーニングデータに
対し、次にスペクトル距離θ2dB2でクラスタリングす
る。こうしてできる標準パタンをP,Q,R,S等で例示す
る。このようなクラスタリングによって得られる標準パ
タンとの照合によるパタンマッチング歪はすべてθ2dB2
以内に抑えることができる。
対し、次にスペクトル距離θ2dB2でクラスタリングす
る。こうしてできる標準パタンをP,Q,R,S等で例示す
る。このようなクラスタリングによって得られる標準パ
タンとの照合によるパタンマッチング歪はすべてθ2dB2
以内に抑えることができる。
この標準パタンの作成は具体的には次の手順で実施され
る。
る。
Ｎ個の10次LSP係数ωP (i)（１≦Ｐ≦10;1,2,……i,…
…,N）がトレーニングデータとして集められる。
…,N）がトレーニングデータとして集められる。
上記データの全てが処理10のために退避保存される。
ωP (1)からスペクトル距離θ1dB2以内にあるトレーニ
ングデータの数L1を計数する。
ングデータの数L1を計数する。
上記３と同様にωP (2)〜ωP (N)からθ1dB2以内にある
トレーニングデータの数L2〜LNを計数する。
トレーニングデータの数L2〜LNを計数する。
LK＝max｛Li:i＝1,2,……,N｝を検索する。
LKに対応するトレーニングデータωP (K)を標準パタン
ωＰ （3,1）として登録する。
ωＰ （3,1）として登録する。
ωP (K)よりθ1dB2以内にある全てのトレーニングデー
タを削除する。又、ωP (K)そのものも削除する。
タを削除する。又、ωP (K)そのものも削除する。
トレーニングデータ数Ｎをアップゲートする。
Ｎ＝Ｎ−LK−１ （１）Ｎ＞０の場合、上記３〜８を繰返す。
（２）Ｎ＝０の場合、以下10〜の処理を実施する。
上記で退避保存されている全てのトレーニングデー
タωP (i)（１≦Ｐ＜10;1,2,……,i,……Ｎ）が作成され
た標準パタンωＰ （3,K）、Ｋ＝1,2,……,N3に照合さ
れ、各々のトレーニングデータは最もスペクトル距離の
近い標準パタンに対応してクラス分けされる。標準パタ
ンωＰ （3,K）に対応してクラス分けされたトレーニン
グデータセットを ｛ωＰ （3,K,r）;r＝1,2,……,Nr｝とする。
タωP (i)（１≦Ｐ＜10;1,2,……,i,……Ｎ）が作成され
た標準パタンωＰ （3,K）、Ｋ＝1,2,……,N3に照合さ
れ、各々のトレーニングデータは最もスペクトル距離の
近い標準パタンに対応してクラス分けされる。標準パタ
ンωＰ （3,K）に対応してクラス分けされたトレーニン
グデータセットを ｛ωＰ （3,K,r）;r＝1,2,……,Nr｝とする。
尚、一つのトレーニングデータセットが占有するベクト
ル空間が第４図に示すＶ空間、他の一つのトレーニング
データセットが占有するベクトル空間が第４図に示すＷ
空間である。
ル空間が第４図に示すＶ空間、他の一つのトレーニング
データセットが占有するベクトル空間が第４図に示すＷ
空間である。
N3組のトレーニングデータセット各々についてスペク
トル距離θ2dB2でクラスタリングし、標準パタンを作成
する。
トル距離θ2dB2でクラスタリングし、標準パタンを作成
する。
尚、このようにしてつくられた標準パタンが例えば第４
図に示すＰである。この方法によれば下位の標準パタン
を作成するために使用されるトレーニングデータは、上
記“手順10"で上位の標準パタンを利用してクラス分け
されたものである。無論、下位の標準パタンはスペクト
ル距離θ２でクラスタリングされ作成される。従ってこ
の方法で作成された標準パタンを利用してパタンマッチ
ングを実施する場合、パタン歪は必ずθ2dB2以内におさ
まる。即ち、どの上位の標準パタンベクトルに代表され
る観測データも、このパタンベクトルが占有する空間内
に存在する下位の標準パタンベクトルに代表され、その
最大歪はθ2dB2である。
図に示すＰである。この方法によれば下位の標準パタン
を作成するために使用されるトレーニングデータは、上
記“手順10"で上位の標準パタンを利用してクラス分け
されたものである。無論、下位の標準パタンはスペクト
ル距離θ２でクラスタリングされ作成される。従ってこ
の方法で作成された標準パタンを利用してパタンマッチ
ングを実施する場合、パタン歪は必ずθ2dB2以内におさ
まる。即ち、どの上位の標準パタンベクトルに代表され
る観測データも、このパタンベクトルが占有する空間内
に存在する下位の標準パタンベクトルに代表され、その
最大歪はθ2dB2である。
再び第１図に戻って実施例の説明を続行する。入力音声
はLPC分析器１で分析フレームごとにＰ次のLPC係数を抽
出され、さらにLSP分析器２でＰ次のLSP係数に変換され
る。このLSP係数はＰ次のベクトル空間を構成する空間
ベクトルである。
はLPC分析器１で分析フレームごとにＰ次のLPC係数を抽
出され、さらにLSP分析器２でＰ次のLSP係数に変換され
る。このLSP係数はＰ次のベクトル空間を構成する空間
ベクトルである。
分析フレームごとに出力されるＰ次のLPS係数は、所望
のパタン数Ｎ、たとえば50,000パタン程度が一時メモリ
（１）３にトレーニングデータとして格納される。
のパタン数Ｎ、たとえば50,000パタン程度が一時メモリ
（１）３にトレーニングデータとして格納される。
一時メモリ（１）３に格納されたトレーニングデータ
は、演算器５で先ず高位の標準パタン作成に利用され
る。本実施例の場合も第3,4図の例と同じく、スペクト
ル距離θ1,θ2dB2の２ステップクラスタリングを考えて
いるがこのクラスタリングのステップは任意に設定でき
る。
は、演算器５で先ず高位の標準パタン作成に利用され
る。本実施例の場合も第3,4図の例と同じく、スペクト
ル距離θ1,θ2dB2の２ステップクラスタリングを考えて
いるがこのクラスタリングのステップは任意に設定でき
る。
演算器５は関連機器の制御を行ないつつ、次のようにし
てクラスタリング処理に必要な演算を実施する。
てクラスタリング処理に必要な演算を実施する。
すなわち、一時メモリ（１）３の内容を読出したうえま
ずスペクトル距離θ1dB2でクラスタリングし、得られる
標準パタンを標準パタン（１）出力ファイル７に供給す
る。このクラスタリングにおいて必要なスペクトル距離
の算出は次の（１）式による。
ずスペクトル距離θ1dB2でクラスタリングし、得られる
標準パタンを標準パタン（１）出力ファイル７に供給す
る。このクラスタリングにおいて必要なスペクトル距離
の算出は次の（１）式による。
ここでdijはパタンi,j間のスペクトル距離,WPはスペク
トル感度、▲ω（ｉ） Ｐ▼はパタンｉのＰ次のLSP係
数、▲ω（ｊ） Ｐ▼はパタンｊのＰ次のLSP係数であ
り、また（１）式は分析次数が10次の場合を示す。スペ
クトル感度ファイル６は、このクラスタリング演算にお
いて必要なスペクトル感度ωＰに関するデータをファイ
ルし演算器５に供給する。
トル感度、▲ω（ｉ） Ｐ▼はパタンｉのＰ次のLSP係
数、▲ω（ｊ） Ｐ▼はパタンｊのＰ次のLSP係数であ
り、また（１）式は分析次数が10次の場合を示す。スペ
クトル感度ファイル６は、このクラスタリング演算にお
いて必要なスペクトル感度ωＰに関するデータをファイ
ルし演算器５に供給する。
演算器５におけるクラスタリングの手順をさらに詳述す
れば次のとおりとなる。
れば次のとおりとなる。
一時メモリ（１）３に格納したデータを一時メモリ
（２）４にもコピー格納する。
（２）４にもコピー格納する。
すべてのトレーニングデータごとに他のトレーニン
グデータとのスペクトル距離を（１）式に従って計測し
θ1dB2以内のパタン数を計測する。計測されたパタン数
は一時メモリ（３）８に書込む。一時メモリ（３）８
は、たとえばＮワード以上の容量をもつRAMで構成す
る。
グデータとのスペクトル距離を（１）式に従って計測し
θ1dB2以内のパタン数を計測する。計測されたパタン数
は一時メモリ（３）８に書込む。一時メモリ（３）８
は、たとえばＮワード以上の容量をもつRAMで構成す
る。
一時メモリ（３）８に書込んだパタンのうち最大の
パタン数を有するトレーニングデータを検索する。
パタン数を有するトレーニングデータを検索する。
で検索されたトレーニングデータを標準パタンと
して標準パタン（１）出力ファイル７に登録する。
して標準パタン（１）出力ファイル７に登録する。
で標準パタン（１）出力ファイル７に登録された
トレーニングデータを含め、このトレーニングデータと
θ1dB2以内のスペクトル距離に存在するトレーニングデ
ータを削除し一時メモリ（２）４を並び替える。
トレーニングデータを含め、このトレーニングデータと
θ1dB2以内のスペクトル距離に存在するトレーニングデ
ータを削除し一時メモリ（２）４を並び替える。
トレーニングデータが存在しなくなるまで上記〜
を繰返す。
を繰返す。
以上の手順で先ずスペクトル距離θ1dB2を尺度とするク
ラスタリングを実行したのち次にθ2dB2を尺度とするク
ラスタリングを次のようにして実施する。
ラスタリングを実行したのち次にθ2dB2を尺度とするク
ラスタリングを次のようにして実施する。
一時メモリ（１）３に保存されているすべてのトレーニ
ングデータを標準パタン（１）出力ファイル７に登録さ
れている標準パタンと照合し、照合結果を標準パタン番
号の形式で一時メモリ（３）８にトレーニングデータ数
だけ書込む。
ングデータを標準パタン（１）出力ファイル７に登録さ
れている標準パタンと照合し、照合結果を標準パタン番
号の形式で一時メモリ（３）８にトレーニングデータ数
だけ書込む。
さらに、最初の標準パタン番号に対応するトレーニング
データを一時メモリ（１）３から一時メモリ（２）４に
転送し、他も次次に同じようにして転送格納する。この
状態でθ2dB2でクラスタリングし、得られる標準パタン
は標準パタン（２）出力ファイル９に格納する。また、
標準パタンの累計数を対応する標準パタン（１）出力フ
ァイル７に書込む。
データを一時メモリ（１）３から一時メモリ（２）４に
転送し、他も次次に同じようにして転送格納する。この
状態でθ2dB2でクラスタリングし、得られる標準パタン
は標準パタン（２）出力ファイル９に格納する。また、
標準パタンの累計数を対応する標準パタン（１）出力フ
ァイル７に書込む。
標準パタン（１）出力ファイル７に格納された内容は
（N,m）で示される配列数となり、従って標準パタン
（１）出力ファイル７は、この配列数を収容しうるメモ
リ容量を有するRAM等が利用される。ここでＮは前述し
たトレーニングデータ数であり、ｍはLPC分析次数に標
準パタン（２）出力ファイル９の番地指定分１を加算し
た数である。
（N,m）で示される配列数となり、従って標準パタン
（１）出力ファイル７は、この配列数を収容しうるメモ
リ容量を有するRAM等が利用される。ここでＮは前述し
たトレーニングデータ数であり、ｍはLPC分析次数に標
準パタン（２）出力ファイル９の番地指定分１を加算し
た数である。
こうして第４図に示す内容のクラスタリングによる標準
パタンの作成が可能となる。この場合、入力音声の有声
／無声ならびに無音情報に対応した標準パタンの作成も
容易に実施しうる。
パタンの作成が可能となる。この場合、入力音声の有声
／無声ならびに無音情報に対応した標準パタンの作成も
容易に実施しうる。
こうして得られる標準パタン（１），（２）は、演算器
５の内蔵するROM書込器によってROM10に書込まれる。
５の内蔵するROM書込器によってROM10に書込まれる。
第２図は第１図の実施例によって作成した標準パタンの
一応用例を示すブロック図である。第２図はパタンマッ
チングボコーダを対象とする応用例であり、分析側と合
成側とを含んで構成される。
一応用例を示すブロック図である。第２図はパタンマッ
チングボコーダを対象とする応用例であり、分析側と合
成側とを含んで構成される。
分析側はLPC分析器1,LSP分析器2,スペクトル感度ファイ
ル6,電力量子化器11,ビッチ・V/UV（有声／無声）量子
化器12,パタン照合器13,標準パタン（１）14,標準パタ
ン（２）15およびマルチプレクサ16を備えて構成され、
また合成側は、デマルチプレクサ17,標準パタンファイ
ル18,電力復号化器19,ピッチパルス発生器20,白色ノイ
ズ発生器21,切替器21,可変利得増幅器23およびLPC合成
フィルタ24を備えて構成される。
ル6,電力量子化器11,ビッチ・V/UV（有声／無声）量子
化器12,パタン照合器13,標準パタン（１）14,標準パタ
ン（２）15およびマルチプレクサ16を備えて構成され、
また合成側は、デマルチプレクサ17,標準パタンファイ
ル18,電力復号化器19,ピッチパルス発生器20,白色ノイ
ズ発生器21,切替器21,可変利得増幅器23およびLPC合成
フィルタ24を備えて構成される。
分析側ではLPC分析器1,LSP分析器２によって音声入力の
LSP係数を所定の次数で分析フレームごとに抽出したの
ちこれをパタン照合器13に供給する。
LSP係数を所定の次数で分析フレームごとに抽出したの
ちこれをパタン照合器13に供給する。
LPC分析器１でLPC係数を分析する際には、分析フレーム
ごとに先ず分析次数と同じ次数の自己相関係数を抽出す
るが、電力量子化器11は遅れ時間零における自己相関係
数を受けてこれを所定のビット数で量子化し、電力デー
タとしてマルチプレクサ16に供給する。
ごとに先ず分析次数と同じ次数の自己相関係数を抽出す
るが、電力量子化器11は遅れ時間零における自己相関係
数を受けてこれを所定のビット数で量子化し、電力デー
タとしてマルチプレクサ16に供給する。
またピッチ・V/UV量子化器12は、音声入力を受けると公
知の手法によってこれからピッチ・V/UV情報を抽出しマ
ルチプレクサ16に供給する。上述した電力データ・ピッ
チ・V/UV情報は音声入力の音源情報である。
知の手法によってこれからピッチ・V/UV情報を抽出しマ
ルチプレクサ16に供給する。上述した電力データ・ピッ
チ・V/UV情報は音声入力の音源情報である。
LSP分析器２からLSP係数を提供されたパタン照合器13
は、標準パタン（１）14に登録されている標準パタンと
のパタンマッチング処理を行ない、さらにそのあとで標
準パタン（２）15に登録されている標準パタンとのパタ
ンマッチング処理を行なう。このパタンマッチング処理
はスペクトル感度ファイル６に格納されているスペクト
ル感度データを利用しつつ（１）式によるスペクトル距
離の算出を行ない、最もスペクトル距離の小さい標準パ
タンを選択するという形式で行なわれる。標準パタン
（１）14は、第１図の実施例によって得られる標準パタ
ンのうちの上位の標準パタン、すなわちスペクトル距離
θ1dB2でクラスタリングした標準パタンが登録され、ま
た標準パタン（２）15には、トレーニングデータを標準
パタン（１）14で照合してクラス分けしたうえでθ2dB2
でこれをクラスタリングした標準パタンが登録されてい
る。これら標準パタンはスペクトル距離の大小順、かつ
その存在領域が互いに重複しないように作成されている
ので、これら標準パタンを利用することによって最低位
の標準パタンによる量子化歪、この場合はθ2dB2を超え
ない状態でのパタンマッチングが可能となり、マッチン
グパタンとしては標準パタン（２）15の該当するものが
選択される。
は、標準パタン（１）14に登録されている標準パタンと
のパタンマッチング処理を行ない、さらにそのあとで標
準パタン（２）15に登録されている標準パタンとのパタ
ンマッチング処理を行なう。このパタンマッチング処理
はスペクトル感度ファイル６に格納されているスペクト
ル感度データを利用しつつ（１）式によるスペクトル距
離の算出を行ない、最もスペクトル距離の小さい標準パ
タンを選択するという形式で行なわれる。標準パタン
（１）14は、第１図の実施例によって得られる標準パタ
ンのうちの上位の標準パタン、すなわちスペクトル距離
θ1dB2でクラスタリングした標準パタンが登録され、ま
た標準パタン（２）15には、トレーニングデータを標準
パタン（１）14で照合してクラス分けしたうえでθ2dB2
でこれをクラスタリングした標準パタンが登録されてい
る。これら標準パタンはスペクトル距離の大小順、かつ
その存在領域が互いに重複しないように作成されている
ので、これら標準パタンを利用することによって最低位
の標準パタンによる量子化歪、この場合はθ2dB2を超え
ない状態でのパタンマッチングが可能となり、マッチン
グパタンとしては標準パタン（２）15の該当するものが
選択される。
パタン照合器13によって選択された標準パタン（２）を
指定する標準パタン番号はマルチプレクサ16に供給され
るが、これは音声入力に最も類似した分析フレームごと
のスペクトル包絡情報を提供するものである。
指定する標準パタン番号はマルチプレクサ16に供給され
るが、これは音声入力に最も類似した分析フレームごと
のスペクトル包絡情報を提供するものである。
マルチプレクサ16は、電力データ，ピッチ・V/UV情報，
標準パタン番号を適宜組合せて多重化し伝送路を介して
合成側に送出する。
標準パタン番号を適宜組合せて多重化し伝送路を介して
合成側に送出する。
合成側ではデマルチプレクサ17が分析側から送られた多
重化信号を分離し、標準パタン番号は標準パタンファイ
ル18に、電力データは電力復号化器19に、ピッチデータ
はピッチパルス発生器20に、電力データは電力復号化器
19にそれぞれ供給し、またV/UV情報は切替器22にそれぞ
れ供給する。
重化信号を分離し、標準パタン番号は標準パタンファイ
ル18に、電力データは電力復号化器19に、ピッチデータ
はピッチパルス発生器20に、電力データは電力復号化器
19にそれぞれ供給し、またV/UV情報は切替器22にそれぞ
れ供給する。
標準パタンファイル18は、分析側の標準パタン（２）15
と同一のファイル、もしくはこの標準パタン（２）のそ
れぞれのパタンに対応するLSP係数をαパラメータ等のL
PC係数に変換したものを格納し、これらスペクトル包絡
情報をLPC合成フィルタ24に供給する。
と同一のファイル、もしくはこの標準パタン（２）のそ
れぞれのパタンに対応するLSP係数をαパラメータ等のL
PC係数に変換したものを格納し、これらスペクトル包絡
情報をLPC合成フィルタ24に供給する。
V/UV情報を提供された切替器22は、V/UV情報がＶで有声
を指定するときはピッチパルス発生器20の出力を可変利
得増幅器23に提供するように切替え、またUVで無声を指
定するとき白色ノイズ発生器21の出力を提供するように
切替える。ピッチパルス発生器20は、入力したピッチ情
報に対応する総返し数のパルス列をピッチパルスとして
発生する。
を指定するときはピッチパルス発生器20の出力を可変利
得増幅器23に提供するように切替え、またUVで無声を指
定するとき白色ノイズ発生器21の出力を提供するように
切替える。ピッチパルス発生器20は、入力したピッチ情
報に対応する総返し数のパルス列をピッチパルスとして
発生する。
可変利得増幅器23は、切替器22を介して提供されるピッ
チパルスもしくは白色ノズルを電力復号化器19の出力レ
ベルに対応して増幅しモデル化された電源情報としてLP
C合成フィルタ24の入力としてこれを駆動する。電力復
号化器19は、入力した電力データを復号して電力情報を
出力する。
チパルスもしくは白色ノズルを電力復号化器19の出力レ
ベルに対応して増幅しモデル化された電源情報としてLP
C合成フィルタ24の入力としてこれを駆動する。電力復
号化器19は、入力した電力データを復号して電力情報を
出力する。
LPC合成フィルタ24は、全極型ディジタルフィルタとし
て構成され、ディジタル音声信号を発生し、これをD/A
コンバータによってアナログ化したあと低域通過フィル
タを通して音声出力として送出する。
て構成され、ディジタル音声信号を発生し、これをD/A
コンバータによってアナログ化したあと低域通過フィル
タを通して音声出力として送出する。
なお、上述した応用例でも、利用する標準パタンは２段
階ステップの木（tree）構成としているが、これは何段
階としても同様に実施しうることは明らかである。
階ステップの木（tree）構成としているが、これは何段
階としても同様に実施しうることは明らかである。
以上説明したように本発明によれば、スペクトル距離の
大小順でトレーニングデータをクラスタリングしつつト
レーニングデータベクトル空間を分割する手段を備える
ことにより、パタンマッチング歪を大幅に改善しうる簡
素な手法によるスペクトル標準パタンの作成方法が実現
できるという効果がある。
大小順でトレーニングデータをクラスタリングしつつト
レーニングデータベクトル空間を分割する手段を備える
ことにより、パタンマッチング歪を大幅に改善しうる簡
素な手法によるスペクトル標準パタンの作成方法が実現
できるという効果がある。
第１図は本発明の一実施例を示すブロック図、第２図は
第１図の実施例によって作成した標準パタンの一応用例
を示すブロック図、第３図は従来のステップVQ用標準パ
タン作成方法の説明図、第４図は本発明のステップVQ用
標準パタンの作成方法の説明図である。 １……LPC分析図、２……LSP分析器、３……一時メモリ
（１）、４……一時メモリ（２）,5……演算器、６……
スペクトル感度ファイル、７……標準パタン（１）出力
ファイル、８……一時メモリ（３）、９……標準パタン
（２）出力ファイル、10……ROM、11……電力量子化
器、12……ピッチ・V/UV量子化器、13……パタン照合
器、14……標準パタン（１）、15……標準パタン
（２）、16……マルチプレクサ、17……デマルチプレク
サ、18……標準パタンファイル、電力復号化器、20……
ピッチパルス発生器、21……白色ノイズ発生器、22……
切替器、23……可変利得増幅器、24……LPC合成フィル
タ。
第１図の実施例によって作成した標準パタンの一応用例
を示すブロック図、第３図は従来のステップVQ用標準パ
タン作成方法の説明図、第４図は本発明のステップVQ用
標準パタンの作成方法の説明図である。 １……LPC分析図、２……LSP分析器、３……一時メモリ
（１）、４……一時メモリ（２）,5……演算器、６……
スペクトル感度ファイル、７……標準パタン（１）出力
ファイル、８……一時メモリ（３）、９……標準パタン
（２）出力ファイル、10……ROM、11……電力量子化
器、12……ピッチ・V/UV量子化器、13……パタン照合
器、14……標準パタン（１）、15……標準パタン
（２）、16……マルチプレクサ、17……デマルチプレク
サ、18……標準パタンファイル、電力復号化器、20……
ピッチパルス発生器、21……白色ノイズ発生器、22……
切替器、23……可変利得増幅器、24……LPC合成フィル
タ。
Claims (1)
- 【請求項１】音声信号のスペクトル包絡パラメータに関
する標準パタンを作成する場合のスペクトル標準パタン
の作成方法であって、トレーニングデータベクトル空間
を所定の大小順に設定したスペクトル距離でクラスタリ
ング（clustering）しつつ標準パタンを得るごとに前記
標準パタンと前記トレーニングデータベクトル空間とを
照合し前記トレーニングデータベクトル空間を前記標準
パタンにもとづくクラス分けで互いに重複を避けて空間
的に分割しつつ低位のクラスタリングに移行する処理過
程を有することを特徴とするスペクトル標準パタンの作
成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61271365A JPH0750398B2 (ja) | 1986-11-13 | 1986-11-13 | スペクトル標準パタンの作成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61271365A JPH0750398B2 (ja) | 1986-11-13 | 1986-11-13 | スペクトル標準パタンの作成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63124097A JPS63124097A (ja) | 1988-05-27 |
| JPH0750398B2 true JPH0750398B2 (ja) | 1995-05-31 |
Family
ID=17499057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61271365A Expired - Lifetime JPH0750398B2 (ja) | 1986-11-13 | 1986-11-13 | スペクトル標準パタンの作成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0750398B2 (ja) |
-
1986
- 1986-11-13 JP JP61271365A patent/JPH0750398B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS63124097A (ja) | 1988-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0504927B1 (en) | Speech recognition system and method | |
| AU639394B2 (en) | Speech synthesis using perceptual linear prediction parameters | |
| US5668926A (en) | Method and apparatus for converting text into audible signals using a neural network | |
| EP0342630B1 (en) | Speech recognition with speaker adaptation by learning | |
| US4661915A (en) | Allophone vocoder | |
| KR20230075340A (ko) | 실시간 음색 및 운율 스타일 복제 가능한 음성합성 시스템 및 방법 | |
| KR101169074B1 (ko) | 음조 언어를 위한 분절 음조 모델링 | |
| EP2462586B1 (en) | A method of speech synthesis | |
| KR102137523B1 (ko) | 텍스트-음성 변환 방법 및 시스템 | |
| CN115273806A (zh) | 歌曲合成模型的训练方法和装置、歌曲合成方法和装置 | |
| JPH0772900A (ja) | 音声合成の感情付与方法 | |
| KR20040088364A (ko) | 잔여 모델을 사용하여 포먼트 트랙킹을 하기 위한 방법 및장치 | |
| Kain et al. | Stochastic modeling of spectral adjustment for high quality pitch modification | |
| CN1924994B (zh) | 一种嵌入式语音合成方法及系统 | |
| JPH08248994A (ja) | 声質変換音声合成装置 | |
| Mohino-Herranz et al. | MFCC based enlargement of the training set for emotion recognition in speech | |
| JPH0785200B2 (ja) | スペクトル標準パタンの作成方法 | |
| JP2006189554A (ja) | テキスト音声合成方法及びその装置、並びにテキスト音声合成プログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| US6934680B2 (en) | Method for generating a statistic for phone lengths and method for determining the length of individual phones for speech synthesis | |
| RU61924U1 (ru) | Статистическая модель речи | |
| JP2910035B2 (ja) | 音声合成装置 | |
| JPH0750399B2 (ja) | スペクトル標準パタン更新方法 | |
| JPH05127697A (ja) | ホルマントの線形転移区間の分割による音声の合成方法 | |
| JP2605256B2 (ja) | Ｌｓｐパタンマツチングボコーダ | |
| JP2003066983A (ja) | 音声合成装置および音声合成方法、並びに、プログラム記録媒体 |