JPS5919360B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】 この発明は複合正弦波による音声合成法（ＣＳＭ合成法
と記す）をディジタル回路により実現した音声合成装置
に関するものである。

ＣＳＭ合成法はこの出願の発明者らによつて特願昭５４
−１２８３６４号「音声合成装置」により提案され、そ
の原理は日本音響学会昭和５４年度秋季研究発表会で発
表された（同講演論文集３−２−３、同年１０月）。

従来の音声合成の音声合成方法として最も有力なものは
ＰＡＲＣＯＲ形音声合成方法（特許第８７６０２４号）
あるいはＬＳＰ形音声合成方式（特願昭５４−０２２３
１８「音声合成器」）などである。

両者とも最近はＬＳＩ（半導体集積回路）化がなされ広
く使用される方向にある。しかしこれらの方式は帰還ル
ープを持つ線形フィルタ（サカーシブフイルタｖｅｃｕ
ｒｓｉｖｅｆｉｌｔｅｒ）を用いるため、発振や不安定
などの問題を内在している。このためこれらの音声合成
はアナログ回路による実現はかなり難しく、ディジタル
回路による場合でも十数ビットの演算精度と、９〜２１
回程度のディジタル乗算とを必要としていた。またパラ
メータの量子化に関しても細心の注意を払うことが必要
であつた。この結果この種の音声合成装置はハードウェ
ア化が一般に複雑で価格も高くなつていた。ＣＳＭ合成
法は上記の欠点を解消するものとして発明された。

ＣＳＭ合成は音声合成フィルタ演算を必要とせず、比較
的簡単なエートウェアで実現でき、またパラメータの量
子化に関しても比較的粗く扱え、演算語長を短かくする
ことができ、合成音の品質も十分実用に耐え得、広い応
用分野へ適用することができる音声合成装置を提供する
ものである。しかしＣＳＭ合成の前記特許出願で述べら
れているその実現方法としてはアナログ回路を用いたも
のであり、その後におけるＣＳＭに関する発表（例えば
電子技術第２２巻第１３号、日刊工業新聞社、１９８０
年１２月）などでもディジタル回路やマイクロプロセサ
によりＣＳＭ音声合成は可能であると報告されているが
、具体的な実現方法や演算方法については書かれていな
い。ＣＳＭ合成法はｎ個（ｎは通常３〜６程度）の周波
数｛ω１｝と振幅｛ａ１｝を与えてｎ個の正弦波の和を
合成音声とすることが主要な原理であるが、この原理を
そのまま実行するとｎ回の乗算が必要であり、それだけ
ハードウエアの規模が大きくなり或は演算時間が長くな
る。

この発明はＣＳＭ音声合成に必要な演算量を著しく減少
させ、実用的な音声合成装置を実現することを目的とし
ており、基本的にはまつたく乗算を用いない音声合成装
置を提供する点に特徴がある。

以下図面を用いながら説明する。ＣＳＭ音声合成法の基
本原理は次の通りである。

ｎ次のモデルの場合（ｎは３〜６）、ｎ個のＣＳＭ周波
数｛ωｉ｝、ｎ個のＣＳＭ振幅｛Ａｉ｝、ピツチ周期Ｔ
を与える。音声合成装置はこれら与えられたωＩ，ａｉ
について次式を時刻ｔ＝０，１，２・・・・・・，Ｔ−
１について計算する。

時刻Ｔにはｔ＝０にりセツトし、再びｔ＝１，２・・・
・・・と続ける。このようにして得られた各時刻ｔにお
けるＸｔの値をサンプル値として合成音声出力とする。
ＣＳＭパラメータ｛ωｉ；Ａｉ；Ｔ｝はフレーム周期、
つまり音声波形の分析及び合成に用いられる時間の単位
で音声がほぼ定常とみなされる期間、通常５〜４０ｍＳ
程度ごとに更新されて与えられる。この発明の原理は以
上のような操作に対し次のような変形を行う。

即ち合成したい文章音声の最大振幅のフレームにおいて
、ａ１＋Ａ２±・・・・・・輪ｒ≦１となるようにＣＳ
Ｍ振幅｛Ａｉ｝のスケーリングを ｊ行つておく。そし
て各フレーム毎に｛Ａｉ｝を次のように表現する。即ち
｛Ａｉ｝そのものでは分布の広がりが大きいの−Ｌでフ
レーム毎にゲイン（利得）項として２ を共通因子と
して括り出す。

このように２のベキ乗で正規化された｛Ｂｉ｝は分布範
囲が小さくなつてくフ いる。

この値Ｌはその音声フレーム周期における音声信号のお
＼よその振幅値を示すことになる。正規化された振幅｛
Ｂｉ｝はさらにμ圧伸則をはじめとした非線形圧伸則を
通して数ビツトに符号化する。非線形圧縮符号化された
｛Ｂｉ｝を｛Ｂｉ｝と書く。一方ＣＳＭ周波数｛ω１｝
も量子化し符号―化して｛ωｉ｝と書く。

第１図はこの発明の実施例であるここではｎ＝４とし｛
ｂ１｝は４ビツト、｛ω１｝は８ビツトに符号化されて
いる場合を考えている。

正弦彼形記憶部１は時刻ｔにおけるサンプル値Ｘ，を計
算するために｛ｂ１｝のとり得る値の数、即ち１６種類
の振幅の異なる正弦波形が１周期２５６（＝２８）点と
してこの記憶部に記憶されている。

いい換えれば４０９６（＝１６×２５６）バイトの正弦
波値が記憶されている。この記憶部１は通常半導体読み
出し専用メモリ（ＲＯＭ）で実現されている。そのアド
レスは上位４ビツトが１６レベルの振幅値の選択に、下
位８ビツトが２５６点の正弦波の角度（０〜２π）にあ
てられている。量子化されたＣＳＭ周波数ωしω↓，ω
１，ω↓はそれぞれ角度累算レジスタ３１，３２，３，
，３４に入力されそれぞれ入力ωｉ（１＝１，２，３，
４）の値は１サンプル生成ごとに２５６を法として（Ｍ
Ｏｄ２５６の）累算される。ピツチカウンタ５は１サン
プル生成間隔（サンプル周期）のＴ倍を周期とし、これ
は周期ごとに角度累算レジスタ３１・・・・・・３４を
りセツトする。与えられた振幅ｂ：，ｂ：，ｂλ，ｂ：
の一つがマルチプレクサ２により選択され、また対応す
る角度累算レジスタ３，・・・・・・３４の一つの出力
がマルチプレクサ４で選択され、これら選択されたそれ
ぞれの出力により正弦波形記憶部１がアクセスされ、記
憶部１は時分割的に多重使用される。以上のようにして
読み出された４種の正弦波値、即ちＡｉｓｌｎωＩｔ（
１＝１，・・・・・・４）のの値は累算レジスタ（アキ
ユムレータ）６で加算される。複合正弦波累算レジスタ
６の内容はシフタ７によりその時のＬの値だけ０〜７ビ
ツトシフトされる。そのシフトされた内容はＤＡ変換器
８でアナログ信号に変換されて合成音声出力信号として
送出される。マルチプレクサ２，４に対する選択制御、
累算レジスタ３１，６に対する累算制御、ピツチカウン
タ５のカウント制御、シフトｒのシフト制御及びＤＡ変
換器８の変換制御はタイミング制御部９により行う。音
声合成動作は次のとおりである。

合成音声サンプリング周波数を８ＫＨｚとすれば１２５
μＳの間に次の動作を行う。まず角度累算レジスタ３Ｐ
内容に、対応する入力ω１の値をそれぞれＭＯｄ２５６
の加算をする。マルチプレクサ２，４をそれぞれ通して
振幅指定ｂ１の４ビツトと角度累算レジスタ３ｉの内容
８ビツトとの計１２ビツトをアドレスとして正弦波形記
憶部１をアクセスする。その結果として得られた指定し
た振幅の指定した角度に対する正弦波値を次々に４種（
１＝１〜４）、複合正弦波累算レジスタ６上で加算して
ゆき、その結果をシフタ７により指定されたシフト量（
Ｌビツト）だけ右へシフトする。この結果をＤＡ変換器
８によりアナログ信号として出力する。但しピツチカウ
ンタ（通常ダウンカウンタとする）の値がＯになるたび
に角度累算レジスタ３ｉの内容をすべてＯとしその出力
値もＯにする。以上はこの発明の基本的な実施例である
が、正弦波形記憶部１の容量を減らすためにいくつかの
工夫を行うことができる。

即ち正弦波にはなどの性質があるので波形の１／４周期
を記憶しておけば他は容易に計算できる。

また振幅値は１６種類必要として述べたが必要な振幅値
がＶ丁ｂベキ乗の関係になつているとき、即ち振幅値の
相対値が１，１／ｊ『，１／２，１／２ｊ丁，１／４・
・・・・・であるときは、１と１／Ｖ丁の２種類の振幅
値の正弦波形を記憶しておき、他の振幅値については読
み出した結果を必要分だけシフトすればよいＯまた音声
合成において音声合成のためのデータここではフレーム
毎に与える｛ωｌ；ｂ『；Ｔ｝の情報量を少なくするこ
とができればその方が望ましい。

一般にＣＳＭ周波数｛ωｉ｝はそれぞれの分布範囲が限
られているから、その範囲の中で４ビツト程度に量子化
し、音声合成装置にはその符号化に対応する復号器を付
加することにより音声データの情報量の圧縮が可能とな
る。また上述の実施例の次のような変形も可能であス一
旅．／ｌ＞−丁訪濡里婚レＳノス々Ｒ水スｂ）ｌ→Ｓノ
ブ々７の出力側にピツチ周期に同期した包絡をデイジタ
ル乗算により乗すること、あるいはＤＡ変換器８の出力
側にアナログ乗算により乗することができる。

これにより合成音声品質を向上させることができる。あ
るいは演算量を減らすため上述の実施例のようにして計
算した１ピツチ周期分の合成音声波形をバツフアＲＡＭ
に蓄えておき、その同一フレーム内では波形生成演算を
繰返すことなく、先に記憶したバツフアＲＡＭの内容を
繰り返し読み出すようにすることも可能である。またバ
ツフアＲＡＭを２個（１２８バイト長程度のものを２個
）用意しておけば、特にピツチ周期の短かい女声を合成
する場合でもこれについてその１ピツチ周期分を比較的
ゆつくり演算して一方のバツフアに書き込みその後その
バツフアを目的とするピツチ周期が得られるような速度
で繰り返し読み出し、次のフレームについて１ピツチ周
期分の演算を他方のバツフアに記憶し、つまりバツフア
を一方を書き込み、他方を読み出しを交互に行うことに
より、音声合成演算速度を遅くすることができる。第１
図に示した音声合成装置の周辺の具体例を第２図に第１
図と対応する部分に同一符号を付けて示す。音声フレー
ム周期ごとに適当な時期に８ビツト幅×１６バイトの音
声データバツフア１５内に７ビツトのピツチ周期Ｔ，３
ビツトのシフト数Ｌと、各４ビツトの振幅｛ＢＷｉ｝各
４ビツトの符Ｉ号化された角周波数｛ωｉ｝の組とが例
えば上位の計算機から送られて記憶される。

このパンフア１５穿からより読み出された振幅｛Ｂｉ−
｝は振幅レジスタ１０１にそれぞれ格納され、振幅レジ
スタ１０１の内容がマルチプレクサ２で選択される。

バツフア１５から読み出された符号化角周波数｛ω１１
｝は復号器１１で復号され｛ωｉ｝として周波数レジス
タ１２ｉにそれぞれ格納され、これら周波数レジスタ１
２ｉの内容はそれぞれ角度累算レジスタ３１で累加算さ
れる。バツフア１５から読み出されたピツチ周期Ｔ，シ
フト数Ｌはそれぞれピツチレジスタ１３、Ｌレジスタ１
４に格納される。ピツチレジスタ１３の内容Ｔがピツチ
カウンタ５にプリセツトされカウンタ５はその値より合
成音声サンプリングクロツクを減算カウントし、ゼロに
なるごとにレジスタ３ｉがりセツトされ、またカウンタ
５にＴがプリセツトされる。Ｌレジスタ１４の内容Ｌだ
けシフタ７はシフタされる。以上の説明は、便宜上種々
のビツト数を決めて説明したが、これらのビツト数は固
定的ではなく何ビツトであつてもよい。一般に演算語長
が長いほど合成音声の品質は高くできる。以上説明した
ようにこの発明はＣＳＭ音声合成法において、必要な演
算量を著しく少なくすることを可能とするものである。

つまりこの発明により従来乗算演算の負担が避けられな
かつたＣＳＭ音声合成法を簡単な演算装置により実行す
ることができ、かつ演算量も少なく短時間で処理できる
。この発明の装置はマイクロプロセサにより実現するこ
とができる。この発明者は８ビツト汎用マイクロプロセ
サ（Ｚ８ＯＡ，４ＭＨｚ）を用いてマイクロプロセサの
ソフトウエアのみで実時間の音声合成に成功してた。さ
らにこの発明はワンチツプマイクロコンピユータのマイ
クロプログラムとして実現することも可能である。即ち
正弦波形記憶部１をワンチツプマイクロコンピユータの
内部記憶として持ち、すでに説明したようにして音声合
成演算を行うのに便利な演算命令をマイクロプログラム
により定義しておけばよい。８ビツト程度のＤＡ変換器
も内蔵していればアナログ合成音声出力機能つきのマイ
クロコンピユータとなり、その効果は大きい。

【図面の簡単な説明】

第１図はこの発明の基本的な実施例を示すプロツク図、
第２図はその具体的な実施例の一つを示すプロツク図で
ある。 １・・・・・・正弦波形記憶部、２・・・・・・振幅ｂ
ｌマルチプレクサ、３・・・・・・角度累算レジスタ（
１〜４）、４・・・・・・角度マルチプレクサ、５・・
・・・・ピツチカウンタ、６・・・・・・複合正弦波累
算レジスタ、７・・・・・・Ｌビツトシフタ、８・・・
・・・ＤＡ変換器、９・・・・・・タイミング制穿御回
路、１０・・・・・・振幅Ｂｉ値レジスタ、１１・・・
・・・ω値復号器、１２・・・・・・呵値レジスタ、１
３・・・・・・ピツチ周期Ｔ値レジスタ、１４・・・・
・・シフト数Ｌ値レジスタ、１５・・・・・・音声デー
タバツフア。

Claims (1)

【特許請求の範囲】
1. １ 音声フレーム周期ごとに合成しようとする音声に応
   じたｎ個（ｎは２以上の整数）の正弦波成分と対応した
   角度値と、その各成分についての正規化された振幅を示
   す振幅値と、ピッチ周期と、そのフレーム周期内の音声
   信号のおゝよその振幅を示すシフト値とが入力され、上
   記各角度値をそれぞれ累算するｎ個の角度累算レジスタ
   と、これら角度累算レジスタの内容及び対応する上記振
   幅値を組としてこれらを順次取出す選択手段と、その選
   択された角度累算レジスタの内容及び振幅値がアドレス
   として与えられ、その角度及び振幅に対応する正弦波値
   が読み出される正弦波形記憶部と、その正弦波形記憶部
   から読み出されたｎ個の正弦波値の和を求める複合正弦
   波累算レジスタと、その複合正弦波累算レジスタの内容
   を上記レベル信号の値だけシフトするシフタと、上記ピ
   ッチ周期ごとに上記各角度累算レジスタをリセットする
   手段とを具備する音声合成装置。