JPS5912189B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】 本発明は、記憶装置から音声波形の波形領域の情報を読
み出し、音声を合成する音声合成装置に関する。

一般に音声合成装置、は出力しようとするすべての言葉
を文節単位、単語単位あるいは音いん単位に分類し、記
憶装置に格納し、出力すべき言葉の情報にしたがつて前
記の分類した音声をつなぎあわせ、１つの文章として出
力している。

この種の音声合成装置において、言葉をどの程度の単位
で分類し記憶しておくかということは、合成装置の規模
あるいは音質を決定する重要な問題となる。

すなわち、文節単位、あるいは文章に近い単位で分類し
記憶すると音と音をつなぎあわせる操作が少なくなり、
加えて文節の抑揚も含めて言葉を記憶するため音質はき
わめて良好となる。反面、出力する言葉のすべてを記憶
しておかなければならないため記憶領域が莫大になる。
第１図にこの方式にしたがつた記憶方法を示す。次に、
音節単位で分類し記録する方法を考える。日本語は１０
０個程度の音節を持つているためこれだけの音節を記憶
装置に格納しておけば日本語すべてが合成できる。しか
し、反面言葉の抑揚・１０強弱などの制御が複雑となる
。勿論、すべての抑揚、すべての強弱について１００音
節それぞれ記憶することによつて多少は軽減されるもの
の音節と音節のつなぎ方が複雑で自然性をもつた合成音
声出力を得ることはきわめて困難である。第２図にこの
方式にしたがう記憶方法を示す。したがつて、現存では
前記両者の中間的な方法が多くとられている。すなわち
、合成音声の固定部分についてはできるだけ長い文章単
位で記憶装置に格納し、可変部分の中で選択的な部分（
いくつかの言葉の中から選ぷ場合、たとえば数字、単位
など）については単語単位で記憶装置に格納し、可変部
分の中でも非選択的な部分（たとえば名前、地名などの
固有名詞など）については音節単位で記憶装置に格納す
る方法である。第３図にこの方式にしたがう記憶方法を
示す。これらの方法においては記憶装置の記憶領域を軽
減するためには重複する単語等を１つにする方法がとら
れる。

すなわち、音声の単位を１つのブロックと考えた場合、
ブロックの個数を減らすこ１０とによつて記憶装置の記
憶領域を小さくする方法である。一方、前記の方法とは
見方を異にする記憶領域の軽減方法がある。

それは音声の単位となる１つのブロックに要する記憶領
域を軽減する方法であ９５る。一般に記憶装置にたくわ
えられる音声は１２５μ秒ごとにＡＤ変換器によつて１
２ビットのパターンに変換される。したがつて、１秒の
音声にはＪウ装−９６Ｋビツトの記憶領域が必要となる
。

この領域を軽減する方法としては多くの研究がなされて
おり、代表的な方法にＬＯｇ−ＰＣＭ．ＤＰＣＭ．ＡＤ
Ｍ、ＡＤＰＣＭ．ＰＡＲＣＯＲ．ＬＳＰがある。これら
の方法は音声の性質を利用しており、これから述べる方
法もその一部といえよう。それは音声の周期性を利用し
た方法である。

第４図に音声波形の波形図を示す。第４図に示されるよ
うに音声はきまつた周期で同一波形に近い波形がくりか
えしており、その周期はピツチと呼ばれて（・る。そこ
でピツチ単位で隣接する波形がよく似ていることに着目
し、同一波形を２回、３回と繰りかえすことによつて記
憶領域を軽減する方法がある。しかし、このように音声
波形がピツチごとの規則的な性質を示すのはその音声が
有声音の場合だけである。第５図ａに有声音の「ア」、
第５図ｂに無声音「シ」の波形を示す。第５図ｂに示さ
れるように無声音においては有声音のような規則的な性
質はなくピツチも存在しない。そのため無声音において
は適当なフレームごとに波形そのものを記憶しておくし
か手段がなく圧縮効果は期待できない。しかし、無声音
の中にはまさつ音（ハｓ）などのように持続時間が長い
音もあるため無声音に対する圧縮効果も音声の記憶領域
の軽減には重要な問題となる。本発明は無声音時の音声
素片を時間対称化させ、無声音の音声素片を格納する音
声合成装置の記憶装置の記憶領域を軽減するようにした
もので、以下詳細に説明する。

第６図に、入力音声を無声音、有声音の判定を行つて無
声音に関しては波形の対称化を行い、音声合成装置の記
憶装置に格納するまでの図を示す。

以下、第６図について説明する。入力される音声はある
一定の標本化周期でサンプリングされ、ある一定の分析
区間Ｔにおいて、判定回路１で有声音、無声音の判定を
行う。

その結果、無声音と判定された波形をｆ（ｔ）とする。
ただし、分析区間Ｔは長くても声道の伝達関数がほぼ一
定である３０ｍｓ程度とする。これは音声のスベクトラ
ム形状が変化していな（・と考えられる一般的な時間区
間であり、仮に実際の無声音が３０ｍｓｅｃ以上、例え
ば９０ｍｓｅｃ継続していたとしても無音の一つの区間
は３０ｍｓｅｃ程度とする。もし、９０ｍｓｅｃの区間
無声音が継続していた場合には３０ｍｓｅｃの無声音を
一つの単位としてそれが３つ続いていると考える。ここ
で一つの無声音の区間を便宜上３０ｍｓｅｃと限定し、
その区間での入力された無声音波形ｆ（ｔ）を考える。
第７図ａに無声音波形の例を示す。次に、波形対称化回
路２において、無声音の波形の対称化処理を行う。

無声音の波形対称化処理について次に説明する。分析区
間Ｔ（例えば３０ｍｓ）で無声音と判定された波形ｆ（
ｔ）、（０≦ｔ≦３０ｍｓ）に対するこの分析区間Ｔで
の無声音対称波形ｇ（ｔ）は次式（１）の如き演算を行
つて求められる。

ｇ（ｔ）＝＋｛ｆ（０＋ｆ（３０−０｝０≦ｔ≦３０ｍ
ｓ・・｛１）ここでｆ（３０−ｔ）は前記無声音波形ｆ
（４）の時間軸を逆にした時の波形であり、第７図ｂに
示す。

又無声音対称波形ｇ（４）の波形図を第７図ｃに示す。
前記（１）式並びに第７図ｃを参照すればわかるとおり
、無声音対称波形ｇ（ｔ）は分析区間Ｔの中央であるｔ
＝１５に対して対称な波形となる。次に、対称化された
無声音対称波形ｇ（ｔ）の分析区間Ｔ中の半分の区間０
≦ｔ≦１５ｍｓのサンプル点に対応する波音値データを
音声合成装置の記憶装置３に格納する。

尚、記憶装置３には音声素片の長さ（データの数）及び
くり返し回数も記憶される。第８図は、本発明の音声合
成装置の記憶装置の記憶構造を示した図である。

第８図ａに示した構造において、大プロツクはその各々
が単語等の語長に相当する音声フアイルを格納するもの
で、１つの大プロツクは第８図ｂに示す複数の小プロツ
クからなつている。小プロツクはその１つ１つが１つの
有声音又は無声音の音声素片に対応しており、無声音素
片に対応する１つの小プロツクは第８図ｃに示すような
構造で、音声素片の長さ（データの数）、くりかえし回
数、並びに前述の波形対称化回路で抽出した無声音対称
化波形ｇ（４）の分析区間Ｔの半分の区間長における各
サンプル点の波高値データ（データ＋１〜データ＋ｍ）
が格納される。尚、大プロツクの先頭アドレスやそれに
含まれる小プロツクの個数は第８図ａに示す如く、記憶
装置３の先頭部にあるテーブルに格納しておく。第９図
は、本発明による音声合成装置を示したもので、記憶装
置３、コントローラ４、アドレスカウンタ５、Ｄ／Ａ変
換器６、ローバスフイルタ７、音声出力部８からなる。

まず、コントローラ４に対する外部からの音声フアイル
読み出し指令により起動がかかると、コントローラ４は
記憶装置３のテーブルを参照し、読み出すべき音声フア
イルの大プロツクのアドレス、小プロツクの個数等を読
み出す。

この読み出した大ブロツクのアドレスをアツプ・ダウン
カウンタであるアドレスカウンタ５に設定し、該当の大
プロツクに含まれる複数の小プロツクに対しシーケンシ
ヤルに各プロツク内のデータの音声合成処理を順次行う
。１つの無声音素片の読み出しは小プロツク内に格納さ
れる音声素片の長さ、くり返し回数、音声素片のデータ
（データ＋１〜データ＋ｍ）を基にして行う。

まず、アドレスカウンタ５にデータ＋１のアドレスが設
定され、音声素片の長さ（データの数）に達するまで順
次アドレスカウンタをカウントアツプしてデータ◆ｍま
で順方向に読み出すと、次はアドレスカウンタを順次カ
ウントダウンしてデータ＋１に達するまで逆方向に読み
出す。

すなわち、このようにして分析区間Ｔの長さ（例えば３
０ｍｓ）の無声音素片波形に対応するデータを読み出す
。

これを前記くり返し回数だけくり返すことにより、１つ
の小プロツクに対応する無声音素片のよみ出しを行う。
これを１つの音声フアイルに対応する大プロツク内の複
数の小プロツクに対してシーケンシヤルに読み出し動作
を行い、有声音素片、無声音素片のデータを読み出すこ
とにより、１つの単語等の音声フアイルの読み出し処理
が終了する。このように、記憶装置より出力される各デ
ータはそのデータの形式に応じ、直接、又は復号器（図
示せず）を介してＤ／Ａ変換器６に入力され、更にロー
パスフィルタ７、音声出力部８により合成された音声と
して出力される。以上説明したように、本発明によれば
、無声音の音声素片を前記の方法によつて波形対称化す
ることによつて合成音声の品質は劣化せず、また波形を
対称にしたためその波形を記憶するための音声合成装置
の記憶装置は記憶領域が半分になる利点がある。

本発明は、合成音声の品質を劣化させずに音声素片の記
憶領域を軽減することができるので、すべての音声素片
型の音声合成装置に使用することができる。

【図面の簡単な説明】

第１図は文章単位で記憶装置に言葉を格納したときの説
明図、第２図は音節単位で記憶装置に言葉を格納したと
きの説明図、第３図は文章、単語、音節単位で記憶装置
に言葉を格納したときの説明図、第４図は音声波形例を
示した図、第５図ａは有声音波形例を示した図、第５図
ｂは無声音波形例を示した図、第６図は記憶装置に音声
を格納するときのプロツク図、第７図ａは無声音波形ｆ
（４）を示した図、第７図ｂは無声音ｆ（ｔ）の時間軸
を逆にした時の波形ｆ（３０−ｔ）を示した図、第７図
ｃは無声音対称波形ｇ（ｔ）を示した図、第８図は本発
明の音声合成装置の記憶装置の記憶構造を示した図、第
９図は本発明の音声合成装置のプロツク図。

Claims (1)

【特許請求の範囲】
1. １ 無声音素片を再生し得る多数の単位を記憶させてお
   き、合成すべき音声に対応して無声音素片を選択し、合
   成音を出力する音声合成装置において、前記各単位は自
   然無声音素片と当該自然無声音素片の時間軸を逆にした
   ものとの相加平均の１／２時間長を表現するものであり
   、任意の前記単位における一連のデータを順方向及び逆
   方向に連続して各１回ずつ読み出して無声音素片を再生
   する手段を備えていることを特徴とする音声合成装置。