JPS6040630B2 - 音素片編集型音声合成方式 - Google Patents

Description

【発明の詳細な説明】 本発明は、主にマイクロコンピュータおよびＤ／Ａ変換
器を用いた音素片編集型音声合成方式に関し、出力音声
の振幅値、ピッチ周期あるいはホルマント周波数のなめ
らかな補間を行って、なめらかな自然な音声のつながり
が得られるものを提供することにある。

従釆、マイクロコンピュータ、ＲＯＭおよびＤ／Ａ変換
器を基本構成要素とする音素片編集型音声合成装置では
、前記ＲＯＭ中に書き込まれた音声のピッチ単位からな
る特定の音素片データを複数回繰り返して１個の音韻単
位を構成し、これらの音韻単位を順次接続することによ
ってまとまった単語音声を得ている。

このため前記ＲＯＭ中の音素片によって決定される音韻
の境界面で合成音声の振幅、ピッチ周期およびホルマン
ト周波数が急激に変化する。このため従来の音素片編集
型音声合成方式では、合成音においてなめらかな自然な
音声のつがりが得られない欠点がある。そこで本発明は
、定められた位相から始まる正弦波の和から表わされ音
素片を順次接続し所望の音声信号を得るに際し、少なく
ともその間に補間すべき両端の音素片データに関しその
サンプル数を等しくするサンプリング手段と、始端音素
片および終端音素片の各々の同一番目のサンプル値を順
次参照し平均化処理により補間用音素片データを作成す
る演算手段とを有し、記憶されている音素片間の各々の
周波数成分に対するレベル補間を実行すると共に、等サ
ンプル数音素片データを自然音声サンプル値からディス
クリートフーリェ変換および逆ディスクリートフーリェ
変換を用いて作製するようにして、音韻境界面の不連続
性を隣り合う音索引間におけるサンプリング値の算術平
均を行うことにより、なめらかな自然な音声のつながり
を実現したものである。以下、本発明の一実施例を説明
する。

先ず、ｎ番目の音素片をＰｈｎで表わし、これをフーリ
エ展開すると第１式で表わすことができる。

ここで、ヘルムホルッの位相法則（楽音については、耳
は位相に感じない）を音声に仮定すると、第１式は各周
波数成分の位相を変化させることにより、第２式のよう
に正弦波の和で表わすことができる。

但し、 Ａｎｋは各周波数成分の振幅値 ｆ肌は音素片Ｐｈｎの基本周波数 ＰＥｎは位相操作を行った第ｎ番目の音素片である。

今、音声の帯城をｆｃヘルツとすると、第１式は次のよ
うに表わせる。

但し、Ｍｎは Ｍｎ・ｆｍ≦ｆＣ＜（Ｍｎ十・）・ｆ血 より求められる整数である。

このｆｃヘルツに帯域制限された音声について以下述べ
る。

この音声を標本化処理に基づいてサンプリングした結果
をＰｈＭで表わす。

ただしＰＥｎｉは位相操作を行った第ｎ番目の音素片の
第ｉ番目のサンプル値、７ｓは標本化定理に基づいたサ
ンプル時間である。

７ｓは一般に、 ドミ−宏 ．・・．・・第５式 で表わされるから、第４式は第６式となる。

ただし、Ｎｎは整数で、Ｎｎ＝ｆｓ／ｆｎ。

…・・・第７式である。ゆえに、第７式より各
音素片に対してｆｓは一定値であるが、ｆ血は各音素片
によって変化するため、Ｎｎ（各音素片のサンプル数）
も各音素片によって変化する。ここで隣り合う音素片の
基本周波数に対する第ｋ次高調波の振幅値は、第１図に
示す通り、自然音声においてなめらかに変化している。

なお、第１図においてｌｏは基本周波数、１２は第２次
高調波、１３は第３次高調波、１４は第４次高調波であ
る。このことは、従来の音素片編集型音声合成に使用さ
れる隣り合う音素片間において、Ｎｎを等しくすること
により（等サンプル数）、次のような簡単な算術平均に
よって音素片補間を行うことが可能である。第ｎ番目の
音素片と第（ｎ十１）番目の音素片との間の補間音素片
をＰｈｍＭ，で表わすと、Ｐｈｎ、ｎ＋，ｉ＝（Ｐｈｎ
ｉ＋Ｐｈｎ十，ｉ）／２ …第８式によって求めら
れる。

つまり、第８式に第６式を代入すると、Ｎｎ＝Ｎｎ＋，
とすると第９式は、 と表わされ、第ｋ次高調波の振幅の線形補間を行うこと
ができる。

この等サンプル数音素片データの作成方法を以下に述べ
る。

第ｎ番目の音素片の標本化された音素片Ｐｈｎｉのディ
スクリートフーリェ変換を行う。

ただし、ＷＮｎは ＷＮｎ＝ｅ‐ｊ（２汀／Ｎの ・・・・・・第Ｉ
Ｚ式である。

このとき数列×ｎ（１）はＸｎ（Ｉ）ニＦＲｎ（Ｉ）＋
ｊＦ・ｎ（Ｉ）・・・・・・第ＩＳ式と一般に求められ
、第１＄式により位相成分を取り除き、正弦波の和とし
て置換すると、数列Ｘｎ（１）は新しい数列×三で表わ
され、×５（１）＝正ｎ（１） ……第１年式とな
る。

この数列×宝（】）はＮｎが偶数のとき×貝（Ｎｎ／２
）を中心に、対称となり、またＮｎが奇数のとき×５（
Ｎｎ−１）／２）と×５（Ｎｎ−１）／２十１）を中心
に対称数列となる。そしてこの数列×５（１）は、第ｎ
番目の音素片のサンプル数Ｎｎと等しい個数となる。今
、必要とする等サンプル数をＮ個とするとき、第ｎ番目
の音素片をｆｓヘルツでサンプリングしたときのサンプ
ル数ＮｎがＮよりも４・さし、場合を考える。

等サンプル数Ｎと第ｎ番目の音素片のサンプル数Ｎｎの
差ＤをＤ＝Ｎ−Ｎｎ ……第１５式 で表わす。

先ず、Ｎｎが偶数個の場合、数列Ｘ毒（１）は、Ｘ５（
Ｎｎ／２）を中心に対称となっているので、×５（Ｎｎ
／２）とＸ昇（Ｎｎ／２十１）の間に×昇（Ｎｎ／２）
の値を挿入する。次に、挿入された新しい数列 Ｘ白（〇＞、‐‐…‐Ｘ昇（Ｎｎノ２）、Ｘ三（Ｎｎ／
２）、Ｘ己（Ｎｎ／２十・）、‐‐‐‐‐‐Ｘ宝（Ｎｎ
−・）…・・・第１６式において、×葺くＮｎ／２）と
×５（Ｎｎ／２）との間に（Ｄ−１）個の０データを挿
入する。

Ｘ５（〇）、Ｘ昇（１）、．・‐・‐‐Ｘ白（Ｎｎノ２
）、。

，．・・．・・０，Ｘ５（Ｎｎ／２）、（Ｄ−１）個 ×三（Ｎｎ／２十１）、・・・・・・、×三（Ｎｎ−１
）・・・第１方式こうして、Ｎ個のデータから成る新し
い数列×ｎ、Ｎ（１）が求められる。

同様にして、Ｎｎが奇数の場合、数列Ｘ５（１）は、Ｘ
昇（（Ｎｎ−１）／２）とＸ５（（Ｎｎ−１）／２十１
）を中心に対称数例となっているので、Ｘ再〈（Ｎｎ一
１）／２）とＸ葺く（Ｎｎ−１）／２十１）の間に○個
の０ゼータを挿入する。

×三（０）、×三（１）、・・・・・・、×５（（Ｎｎ
−１）／２）、旦，．．．．．．ｏ，′Ｘ量（（Ｎｎ−
１）／２十・）、 Ｄ個Ｘ宝（（Ｎｎ−・）／２十
２）、‐‐‐‐‐‐Ｘ登（Ｎｎ−１）
・・・・・・第ＩＳ式こうして、Ｎ個の
データから成る新しい数列×ｎ、Ｎ（１）が偶数個の場
合と同様にして求められる。

この数列Ｘ昇、Ｎは、周波数特性上数列Ｘ三（１）とま
ったく同じ特性を持っているので、数列Ｘ５、Ｎ（１）
の逆ディスクリートフーリェ変換を行って得られる新し
い音素片ＰＥｎ、ｎもまた、音素片Ｐｈ昇、Ｎと全く同
じ周波数特性を持っている。数列×５、Ｎ（１）の逆デ
ィスクリートフーリェ変換を第１９式に示す。新しい音
素片ＰＥｎ、Ｎを第４式および第５式と対比させ式化す
ると、第２巧式および第２１式として表わすことができ
る。

つまり、第２１式により次のことが理解される。

自然音の周波数帯城がｆｃヘルツであるとき、標本化定
理により第５式で求められるサンプル時間７Ｓ秒で音声
がサンプリングされる。しかし、こうして求められたデ
ィスクリレートデータは、第７式から分かるように、基
本、周波数の異なる各音素片において音素片のサンプル
数がそれぞれ異ってしまう。第２坊式‘ま、このように
異なる基本周波数を持った音素片を、第２２式で表わさ
れるサンプル時間７ｓｎ秒で仮想的に可変サンプリング
することを意味する。Ｎｎ …．・．第
２拭 ７Ｓｎ＝７Ｓ可 つまり、標本化定理に基づいてサンプル化したディスク
リートデータをコンピュータを用いて仮想的に基本周波
数に反比例したサンプル時間でサンプリングし、この時
、自然帯城以上の周波数成分を零とし等サンプル数サン
プリングを行なうのである。

次に、必要とする等サンプル数をＮ個するとき、第ｎ番
目の音素片をｆｓヘルツでサンプリングしたとこのサン
プル数ＮｎがＮよりも大きい場合を考える。

等サンプル数を偶数個と奇数個に分けて考える。先ず、
Ｎｎの数が偶数個の場合、求められる数列×５、Ｎ（１
）は×５、Ｎ（Ｎノ２）を中心に対称数列となる。

等サンプル数Ｎは、自然音から求められる各音素片のサ
ンプル数Ｎｘ（ｘ＝１、２、・・・・・・）の分布から
求められた任意の値であって、かつ等サンプル数Ｎより
も大きいサンプル数を持つ音素片においては、周波数特
性上、高域成分を少ないように選ばれ値である。よって
、標本化定理に従って、サンプリングされた自然音声の
ディスクリートフーリェ変換された数列Ｘ昇（１）にお
いて、次数Ｎ／２十１以上の周波数成分を除去して得ら
れる新しい数列Ｘ旨、Ｎ（１）は、数列Ｘ５（１）とほ
ぼ等価である。つまり、数列Ｘ昇（１）を次に示した第
２法式で表わし、Ｘ昇（１）＝｛Ｘ５（〇）、Ｘ零（１
）、‐‐…‐×５（Ｎｎ−１）｝ ・
・・・・・第２申式この第２３式において、×宝（Ｎ／
２十１）から×５〔（Ｎｎ−１）−（Ｎ／２）〕までの
データを削除した新しいＮ個の数列Ｘ昇、Ｎ（１）を第
２４式に表わす。

×５、Ｎ（１）＝｛×５、Ｎ（０）、×三、Ｎ（１）、
……、×三、Ｎ（Ｎ／２）、Ｘ昇、Ｎ〔くＮｎ−・）・
（Ｎ／２十・）、・・…・、×５、Ｎ（Ｎｎ−１）｝
・・・…第２年式この時、第２＄式と第２４式は
周波数特性上一致する。

次に、Ｎの数が奇数の場合、求める数列Ｘ５、Ｎ（１）
がＸ５、Ｎ（（Ｎ−１）／２）とＸ富、Ｎ（〈Ｎ−１）
／２十１）を中心に対称な数列となるので、Ｎが偶数個
の場合と同様にして第２４式は第２５式で表わすことが
できる。

Ｘ貝、Ｎ（１）：｛Ｘ登、Ｎ（〇）、 ×５、Ｎ（１）、……、×５、Ｎ（（Ｎ−１）／２）、
Ｘ５・Ｎく（Ｎｎ−・）−（Ｎ−・）／２十１・‐‐‐
‐・‐、Ｘ昇、Ｎ（Ｎｎ・１）｝・・・・・・第２５式
このようにして求められた、Ｎ個のデータ数列Ｘ貝、Ｎ
（１）を逆ディスクリートフーリェ変換することにより
、Ｎ個のデータより成る新しい音素片Ｐｈ５、Ｎが求め
られる。

以上のことをまとめると、今、処理しようとする自然音
声をその帯城周波数に従い標本化定理に基づいてサンプ
リングを行う。

この結果、得られたディスクリートデータをコンピュー
タを用いて第１１式に従ってディスクリートフーリェ変
換し、位相操作を行う。この後、任意のサンプル数Ｎ個
と実際のサンプル数とを比較し、その差によって任意の
サンプル数より少ない場合は雫データを加え、多い場合
にはデータを削除してデータ数をＮ個に合わめ、次にこ
のディスクリートデー夕を用いて逆ディスクリートフー
リェ変換を行い、Ｎ個のデータから成り音素片を得る。
この操作を行うことにより、第１Ｇ式のような音素片間
の補間がマイク。コンピュータにおいても容易に行える
ようになる。第２図はこれを実現するための音素片編集
型音声合成装置のブ。

ック図である。１はメモリＲＯＭで、音素片データから
音声に合成する上記説明のプログラムおよび音素片の繰
り返し数などがストアされている。

２はマイクロコンピュータで、メモリＲＯＭＩの音声合
成プログラムおよび制御プログラムに従って音声を合成
する。

３はマイクロコンピュータ２によって合成されたディス
クリート音声データをアナログ信号量に変換するＤ／Ａ
変換器、４はＤ／Ａ変換器３の出力のアナログ信号に含
まれる高城ノイズを取りなめらかなアナログ信号にする
ローパスフィルタ、５は低周波増幅器、６はスピーカで
ある。

以上説明のように本発明によると、等サンプル数音素片
データを自然音声サンプル値からディスクリートフーリ
ェ変換および逆ディスクリートフーリェ変換を用いて作
製するため、音素片間の補間をマイクロコンピュータに
おいても容易に行うことができ、合成音においてなめら
かな自然な音声のつながりが得られるものである。

【図面の簡単な説明】

図面は本発明の音素片編集型音声合成方式の一実施例を
示し、第１図は孫ｋ次高調波の振幅図、第２図は音声合
成装置ブロック図である。 １……メモリＲＯＭ、２・・・…マイクロコンピュータ
、３……Ｄ／Ａ変換器、４……ローバスフィルタ、５．
・・・・・低周波増幅器、６…・・・スビーカ。

Claims (1)

【特許請求の範囲】
1. １ 定められた位相から始まる正弦波の和で表わされた
   音素片を順次接続し所望の音声信号を得るに際し、少な
   くともその間を補間すべき両端の音素片データに関しそ
   のサンプル数を等しくするサンプリング手段と、始端音
   素片および終端音素片の各々の同一番目のサンプル値を
   順次参照し平均化処理により補間用音素片データを作成
   する演算手段とを有し、記憶されている音素片間の各々
   の周波数成分に対するレベル補間を実行すると共に、等
   サンプル数音素片データを自然音声サンプル値からデイ
   スクリートフーリエ変換およびデイスクリートフーリエ
   変換を用いて作製するようにした音素片編集型音声合成
   方式。