JPS6040636B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】 本発明は音声合成装置に関するものであり、その目的と
するところはデータ記憶部の記憶容量を増加することな
く各圧縮パラメータに対応して複数種の音程が異なる音
程を選択的に合成できる音声合成装置を提供することに
ある。

一般に、音声信号を音声周波数よりも高い周波数のサン
プリングパルスにてサンプリングして音の大小を表わす
振中パラメータ（以下Ａパラメータと略称する）と、音
の高低すなわち基本周期を表わすピッチパラメータ（以
下Ｐパラメータと略称する）と、音の音色すなわちスペ
クトル分布を表わすスペクトルパラメータ（以下Ｓパラ
メータと略称する）よりなる特徴パラメータを抽出し、
各特徴パラメータをそれぞれ音質を寄与する度合に応じ
たビット数に圧縮して圧縮パラメータとしてデータ記憶
部に記憶し、データ記憶部から順次読み出される圧縮パ
ラメータにて予め各特徴パラメータを記憶させた再生用
ＲＯＭをアクセスし、再生用ＲＯＭから読み出された特
徴パラメータにより音源を駆動して音声を合成するよう
にしたこの種の音声合成装置において、音程（基本周期
）のみが異なる音声であっても全く異なる音声を再生す
る場合と同様に、各音程の音声に対応した圧縮パラメー
タをデータ記憶部に記憶させておく必要があった。

したがって、周囲の騒音の状態あるいは使用者の好みに
応じた音程で音声を再生し得るようにするには、各音程
の音声に対応してそれぞれ圧縮パラメータをデータ記憶
部に記憶させておく必要があり、データ記憶部の記憶容
量を必要以上に大きくしなければならないという欠点が
あった。本発明は上記の欠点に鑑みて為されたものであ
る。以下、ＰＡＲＣＯＲ型音声合成装置の一実施例につ
いて図を用いて説明する。ＰＡＲＣＯＲ型音声合成方式
は第１図に示すように音声信号Ｖｓをサンプリングパル
スにより適当周期ｔ。でサンプリングし、サンプリング
されたサンプリング値ＸｔとＸｔ−ｐの間にある（Ｐ−
１）個のサンプリング値による相関関係を除外し、Ｘｔ
とＸｔ‐ｐとの相関関係のみを抽出したＰＡＲＣＯＲ係
数（部分自己相関係数：以下Ｋパラメータと略称する）
をＳパラメータとして音声を合成するものであり、Ｋパ
ラメータは音声がほぼ定常状態とみなせる１フレーム（
５〜２０ｍｓｅｃ）において、適当周期ｔ。（約１００
山ｓｅｃ）鏡に音声信号Ｖｓのサンプリングを行ない、
隣り合うサンプリング値間の相関係数をＫ，とし、複数
間隔離されたサンプリング値間では、その間に挟まれた
サンプリング値による影響を最小２乗誤差による線形予
測によって求め、それらを差引いてできる相関係数をＫ
２〜Ｋ，。としたものである。このＫパラメータはＫ，
、Ｋ２、Ｋ３のように×ｔに近い点との部分自己相関関
係を表わす係数にはスペクトル分布に関する情報が豊富
に含まれているが、Ｋ３、Ｋ９、Ｋ，ｏのような×上か
ら遠い点との部分自己相関係数にはスペクトル分布に関
する情報があまり含まれていないので、低次のＫパラメ
ータに多数の量子化ビットを割り当て、高次のＫパラメ
ータには少数の量子化ビットを割り当てることによりビ
ット数を節減して冗長度を小さくするほうが効果的であ
る。したがってＰＡＲＣＯＲ方式はＳパラメータとして
自己相関係数を用いて各係数に同一ビット数を割り当て
るようにした自己相関係数方式に比べて帯城圧縮率がす
ぐれているものである。

通常各Ａ、Ｐ、Ｋパラメ−夕は圧縮されて記憶あるいは
伝送され、Ａパラメータに対して５ビット、Ｐパラメー
タに対して６ビット、Ｋパラメータの各数Ｋ，、Ｋ２・
・・・・・・・・Ｋ，ｏに対して７、６、５、４、４、
４、３、３、３、３ビット等のように割り当てる。以下
本発明−実施例の構成を図示実施例について説明する。

第３図は実施例に係る音声合成装置のブロック図である
。同図に示すようにこの音声合成装置はデータ記憶部８
を含む制御用ＩＣＡと音声合成用ＩＣ（点線部Ａ，Ｂを
除いた部分）との２チップで構成されており、両者間で
ビットシリアルにデータの受渡しを行なうようにしたも
のである。音声の特徴パラメータはすべて再生用ＲＯＭ
Ｉ内に１０ビットのデータとして記憶されており、再生
用ＲＯＭＩ内には音程が補正された補正音声を合成する
ための補正ピッチパラメータ（以下Ｐｍパラメータと略
称する）を記憶させた補正音程用記憶部と標準音程を有
する標準音声を合成するための標準ピッチパラメータ（
Ｐパラメータ）を記憶させた標準音程用記憶部とが設け
られている。各特徴パラメータに割り当てられるデータ
の個数は、その特徴パラメータが音質に寄与する度合に
応じて最適に配分されている。第４図は再生用ＲＯＭＩ
内に記憶されたＰｍ、Ａ、Ｐ、Ｋ，ｏ〜Ｋ，の各特徴パ
ラメータのデータ個数を示している。例えばＡパラメー
タの場合１０ビットで表現されるデ−夕が３２個記憶さ
れている。したがってＡパラメータの任意のデータのア
クセスするときに必要とされる相対アドレスのビット数
は５ビットである。この相対アドレスは特徴パラメータ
を必要最小限に圧縮して表現したものであるので圧縮パ
ラメータと呼ばれる。これに対して再生用ＲＯＭＩの内
に記憶されている実際の特徴パラメータは再生パラメー
タと呼ばれる。上述した所から明らかなように再生パラ
メータのビット数はＰｍ、Ａ、Ｐ、Ｋ，ｏ〜Ｋ，の各特
徴パラメータについてすべて共通に１０ビットであるが
、圧縮パラメータのビット数はＡ、Ｐ、Ｋ，ｏ〜Ｋ，の
各パラメータについて異なるものであり、それぞれ５、
６、３、３、３、３、４、４、４、５、６、７ビツト（
合計５３ビット）である。但し、Ｐｍパラメータをアク
セスする相対アドレスはＰパラメータの相対アドレス（
圧縮パラメータ）を流用する。そのほか予備エリアとし
て３ビット分すなわちデータ８個分が再生用ＲＯＭ内に
確保されている。かかる圧縮パラメータは音声信号がほ
ぼ定常状態とみなし得る２０ｍｓｅｃ（１フレーム）ご
とに１組（＝５３ビット）抽出されるのであるから、高
々２６５０ビット／秒で音声信号を記録することができ
、無音区間やりビート区間をも考慮に入れると実際には
１６００ビット／秒程度で音声信号を記録することがで
きるものである。このような圧縮パラメータ（すなわち
再生用ＲＯＭＩの相対アドレス）はデータ記憶部８から
読み出されて１フレームごとに切換回路１０を介してリ
ングレジスタ３にビットシリアルに記憶されるものであ
るが、このような相対アドレスだけで再生用ＲＯＭＩか
ら記憶データを取り出すことができないので、インデッ
クスＲＯＭ２の中に第５図に示すように記憶されている
先頭アドレスをアドレスカウンタ１１の制御の下に順次
取り出して、上記相対アドレスと加算回路４によって加
算することにより再生用ＲＯＭＩの絶対アドレス（９ビ
ット）を計算し、該絶対アドレスによって再生用ＲＯＭ
Ｉをアクセスするようにしている。

ところで、実施例にあっては、標準音声を合成する場合
と、補正音声を合成する場合とにおける基本周期発生方
式を変更するようになっており、補正音声を合成する場
合、制御用ＩＣＡから入力される圧縮パラメータのうち
圧縮Ａパラメータの先頭に音程制御コードを付加し、音
程制御コードが検出されたときに出力される補正信号Ｖ
Ｍが得られたときこの音程補正信号ＶＭが入力される音
程切換回路３川こより絶対アドレスの先頭アドレスを０
とするように加算回路４を制御し、Ｐパラメータの圧縮
パラメータを用いて再生用ＲＯＭＩの補正音声用記憶部
からＰｍパラメータを読み出すようになっている。一方
、補正信号ＶＭが得られていないときは再生用ＲＯＭＩ
の標準音声用記憶部からＰパラメータが読み出されるこ
とになる。ここに、Ｐｍパラメータは合成される補正音
声を一定の補正比率で高くあるいは低くするためのパラ
メータであり、実施例では補正比率を十１０％として補
正音声を標準音声に比べて高音側に補正するようになっ
ている。但し、ＰパラメータあるいはＰｍパラメー外こ
対応する基本周期を有する音声の合成方式については後
述する。なお、補正比率は適当に設定すれば良く、複数
種の補正比率（例えば一２０％、１０％、十１０％、十
２０％）を設定する場合には補正音声用記憶部の容量を
複数倍にするとともに音程制御コードを複数ビットにし
て圧縮ｐパラメー外こて読み出されるＰパラメータある
いは複数個のＰｍパラメータを任意に選択できるように
すれば良い。さらにまた、音程制御コード検出回路９に
代えて音程切換スイッチを設けても良い。以下再生用Ｒ
ＯＭＩに記憶されている再生パラメータの読み出し動作
を詳述する。インデックスＲＯＭ２には圧縮パラメータ
のビット配分数を３ビットの２進数で記憶させており、
再生用ＲＯＭＩの記憶容量削減のための共通化ビットを
１ビット設けており、さらに再生用ＲＯＭＩ内の予備エ
リアに対応する予備ビットを設けている。圧縮パラメー
タのビット配分数に関するデータは再生制御回賂１２に
送られ、再生制御回路１２は、該ビット配分数だけシフ
トクロックをリングレジスタ３に送出する。したがって
リングレジスタ３からは、上記ビット配分数に応じて例
えばＡパラメータの場合には５ビット、Ｐパラメータの
場合には６ビット、Ｋ，。パラメータの場合には３ビッ
ト………、Ｋ，パラメータの場合には７ビットという具
合に圧縮パラメータ（相対アドレス）をそれぞれ加算回
路にシリアルに送出するものである。リングレジスタ３
はできるだけチップ面積をとらないようにダイナミック
シフトレジス夕で構成されている。またインデックスＲ
ＯＭ２内に記憶されている各特徴パラメータの再生用Ｒ
ＯＭＩ内における先頭アドレスは、パラレルシリアル変
換回路１３を介して１ビットずつ順次加算回路４に送出
されるので、順次１ビットずつ加算された絶対アドレス
が計算されるものである。こうして計算された直列デー
タよりなる絶対アドレスはシリアルパラレル変換装置１
４を介して並列データに変換され、再生用ＲＯＭＩをア
クセスできるようになっている。ところで、再生用ＲＯ
Ｍ１から出力される特徴パラメー外ま１フレームごとに
更新されるものであるが、データを更新する際に各フレ
ーム間の接続点において特徴パラメータが不連続的に変
化すると音声信号に歪みを生じて明瞭度が低下するおそ
れがあるので、データ更新の際に特徴パラメータがスム
ーズに変化し得るように補間計算回路５を設けて１７レ
ーム内の８点において近似的な直線的補間を行なうよう
にしている。

なお補正音声を合成する場合にはこの補間計算回路５は
作動しない。この補間計算回路５はタイミング制御回路
５２８にて制御され、タイミング制御回路２８では第２
図に示すように１フレーム（２０ｗｓｅｃ）中に８個の
桶間用○クロツク（２．５机ｓｅｃ）を発生し、１個の
Ｄクロツク中に２９函のパラメータ論込用Ｐクロツク（
１００仏ｓｅｃ）、さらに１個のＰクロツク０中に２２
個のビット謙込用Ｔクロツツ（４．５ｒｓｅｃ）が作成
される。８個のＤクロックのうち、最初のＤ，において
リングレジスタ３にデータが読み込まれる。

各圧縮パラメータＡ、Ｐ、Ｋ，。・…・・・・・Ｋ，は
奇数番目のＰクロックで順次読み込まれるものであり、
例えばＡパラメータはＰ，区間のＴ６〜Ｔ，ｏの５個の
Ｔクロツクで読み込まれる。偶数番目のＰクロックある
いは上記以外のＴクロツクは補間計算回路５、音源ＲＯ
Ｍ６、デジタルフィル夕７などのタイミングとして使用
されるものである。上記補間計算回路５によって２．５
のｓｅｃごとに新しい値に更新された各特徴パラメータ
は、それぞれＰラッチ１６、ＡＫラツチ２３に一時的に
蓄えられる。ただし、補間計算に差し当り必要のないパ
ラメータはすべてＡＫパラメータスタツク２４に転送し
てデジタルフィル夕７の音声合成用データとして蓄積す
る。一方Ｐラツチ１６に蓄えられた音声の基本周期に関
するデータすなわちＰｍ、Ｐパラメータはプリセット型
減算カウンター７にプリセットされる。この減算カウン
タ１７のクロックはクロック切換回路１７ａによりサン
プリングパルスと等しい周波数の標準音声用クロック（
Ｐクロツク）と、サンプリングパルスよりも高い周波数
の補正音声用クロック（Ｔクロック）とに切換えられる
ようになっており、クロック切換回路１７ａは音程制御
コード検出回路９から出力される音程補正信号ＶＭにて
制御される。この減算カウンター７の０出力信号ＶＲに
より音源ＲＯＭ６のアドレスカウンタ１ ８がリセット
されるようになっており、減算カウンター７の０出力信
号ＶＲの周期に相当する基本周期で音源ＲＯＭ６から音
源制御データが順次読み出され、上記基本周期を有する
音源制御データにて音声音源１９を駆動して基本周期を
有する音声音を発生させる。なお、上記音源制御データ
は原音を周波数分析して得られる残笹波形を再現して音
色を忠実に再生するためのデータである。一方、音声に
基本周期がない場合には、音源制御回路２０‘こて切換
回路２２を駆動し、無声音源２１に切り換える。無声音
源２１は基本周期を持たないホワイトノイズ（白雑音）
を発生するものである。次にＡパラメータおよびＫパラ
メータはデジタルフイルタ７に供給され、音源回路より
供Ｖ給された信号に振幅の大小およびスペクトル分布に
関する情報を付け加えることにより音声を再生するもの
である。なお、第３図において２５はアンプ、２６はス
ピ−力、２７は水晶発振回路である。以下、標準音声お
よび補正音声の基本周期発生部の動作を具体的に説明す
る。

いま、音程制御コード検出回路９から音程補正信号Ｖ畝
ミ得られてし、ない場合、音声の基本周期を設定するデ
−夕を蓄えるＰラッチ１６には再生用ＲＯＭＩの標準音
声用記憶部から読み出されるＰパラメータ（整数）がラ
ッチされており、減算カウンタ１７のクロツクは標準音
声用クロックすなわちＰクロック（１００ムｓｅｃ）に
切換えられている。

したがって減算カゥンタ１７の０出力信号ＶＲの周期は
１００ｒｓｅｃの整数倍となり、この０出力信号ＶＲで
リセツトされるアドレスカウンタ１８により音源ＲＯＭ
６から読み出される音源制御データに基いて発生される
音声は上記周期を有するものである。例えばＰパラメ−
夕を「２５」とすれば基本周期は１００×２５ムｓｅｃ
（基本周波数４００日２）となる。一方、音程制御コー
ド検出回路９から音程補正信号ＶＭが得られた場合、Ｐ
ラッチ１６には再生用ＲＯＭＩの補正音声記憶部から読
み出されるＰｍパラメータ（整数値）がラッチされるこ
ととなり、減算カウンター７のクロックはクロック切換
回路１７ａにて補正音声用クロックすなわちＴクロック
（４．５仏ｓｅｃ）に切換えられる。したがって減算カ
ウンタ１７の０出力信号ＶＲの周期は４．５ｕｓｅｃの
整数倍となる。この場合、標準音声用記憶部からＰパラ
メータ「２５」を読み出す圧縮Ｐパラメータにて補正音
声用記憶部から読み出されるＰｍパラメータは「６１」
であり、Ｐｍパラメータが「６１」であれば減算カゥン
タ１７から４．５×６１仏Ｓｅｃの周期で０出力信号Ｖ
Ｒが得られ、アドレスカウンタ１８出力により音源ＲＯ
Ｍ６から読み出される音源制御データに基いて発生され
る音声の基本周期は４．５×６１ｒｓｅｃ（３６４ＨＺ
）となって約十１０％低音側に補正された補正音声が合
成されることになる。この場合Ｐｍパラメータ「６１」
はＰパラメータ「２７．４５１に相当し、襟準音声より
も約１０％低音側に補正された音声を合成するためのも
のである。

ところで、上述のようにして合成された補正音声は基本
周期に関しては問題がないが、デジタルフィル夕７を用
いることによりＫパラメータに基いたスペクトル情報を
付加している場合において若干の問題がある。すなわち
、デジタルフィル夕７における演算はＰクロックに同期
して行なわれるので、Ｐクロツクに同期せずにアドレス
カウンタ１８がリセツトされると、デジタルフィル夕７
の演算処理に誤差が発生して合成された音声に歪が生ず
る。したがって、実施例にあっては減算カゥンタ１７か
ら出力される０出力信号ＶＲを第６図に示すようなリセ
ットパルス発生回路４０を介してアドレスカウンタ１８
のリセット端子に入力するようにしている。このリセッ
トパルス発生回路４０はィンバータ４１ａ，４１ｂ、コ
ンデンサ４２、ナンドゲート４３、Ｄフリツプフロツプ
４４およびアンドゲート４５にて形成されており、第７
図ａのタイムチャートに示すように減算カウンタ１７か
ら０出力信号ＶＲが得られた直後のＰクロツクをアドレ
スカウンタ１８のリセットパルスＶＲ′として出力する
ようになっている。図中イはＰパラメータが「１２」の
標準音声を合成するときの０検出信号ＶＲ、口はＰパラ
メータ「１２．８」に相当するようＰｍパラメータ「２
８４」に基づいて補正音声を合成するときの０検出信号
ＶＲ、ハは同上の補正音声を合成するときのＩＪセット
パルスＶＲ示すものである。

このように、リセットパルス発生回路４０から出力され
るリセットパルスＶＲ′はＰクロツクと同期をとってい
るため、アドレスカウソタ１８のリセット間隔は等間隔
は等間隔にはならず、０検出信号ＶＲの基本周波数が４
．５×２４８仏ｓｅｃの場合、アドレスカウンタ１８は
Ｐクロツクを１針固カウントしてリセットさる場合と、
Ｐクｏツクを１２個カウントしてリセットされる場合と
が４：１の割合で起きることになる。

したがって等価的にＰパラメータ「１２．８」に相当す
る基本周期で音源ＲＯＭ６がアドレスされて有声音源１
９が制御されることになり、所定の基本周期を有する補
正音声が合成されることになる。なお、第７図ｂに示す
タイムチャートは０検出信号ＶＲとりセットパルスＶＲ
′との関係をさらに分かり易く説明するもので、例とし
て３．７瓜Ｈｚ（２６７仏ｓｅｃ周期）の０出力信号Ｖ
Ｒに対応するリセツトパルスＶＲ′を示したものである
。

図から明らかなようにリセットパルスＶＲ′としてＰク
ロツクの３、６、８、１１、１４１６……番目のパルス
が出力される。このリセツトパルスＶＲ′でリセットさ
れるアドレスカウンタ１８により音源ＲＯＭ６がアドレ
スされるので、音源ＲＯＭ６から等価的に３．７球比（
響。ｒ楓）とみなせる周期で有声音源データが読み出さ
れることになり、有声音源１９が所定の基本周波数で駆
動されて補正音声が正確な音程で合成されることになる
。本発明は上述のように構成されており、再生用ＲＯＭ
内に標準音程を有する標準音声を合成するための標準ピ
ッチパラメータを記憶する標準音声用記憶部と、音程が
補正された補正音声を合成するための補正ピッチパラメ
ータを記憶する補正音声用記憶部とを設け、圧縮パラメ
ータに基いて再生用ＲＯＭから読み出されるピッチパラ
メータが標準あるいは補正ピッチパラメータとなるよう
に再生用ＲＯＭのアクセス方式を適宜切換制御する音程
切換回路を設けたので、データ記憶部の記憶容量を増加
することなく各圧縮パラメータに対応して複数種の音程
の異なる音声を選択的に合成でき、簡単な構成で周囲の
騒音の状態あるいは使用者の好みに応じた音程の音声を
合成し得る音声合成装置を提供することができるという
利点がある。

【図面の簡単な説明】

第１図は本発明一実施例の音声合成方式の原理説明図、
第２図は同上の動作説明図、第３図は同上のブロック回
路図、第４図および第５図は同上の再生用ＲＯＭおよび
インデックスＲＯＭの構成を示す図、第６図は同上の要
部回路図、第７図ａ，ｂは同上の動作説明図である。 １は再生用ＲＯＭ、８はデータ記憶部、１９，２１は音
源、３０は音程切襖回路である。 第１図 第２図 第７図 図 の 濁 第４図 第６図 第５図 第７図

Claims (1)

【特許請求の範囲】
1. １ 音声信号を音声周波数よりも高い周波数のサンプリ
   ングパルスにてサンプリングして振巾パラメータ、ピツ
   チパラメータおよびスペクトルパラメータよりなる特徴
   パラメータを抽出し、各特徴パラメータをそれぞれ音質
   に寄与する度合に応じたビツト数に圧縮した圧縮パラメ
   ータとしてデータ記憶部に記憶し、データ記憶部から順
   次読み出される圧縮パラメータにて予め各特徴パラメー
   タを記憶させた再生用ＲＯＭをアクセスし、再生用ＲＯ
   Ｍから読み出された特徴パラメータにより音源を騒動し
   て音声を合成するようにした音声合成装置において、上
   記再生用ＲＯＭ内に標準音程を有する標準音声を合成す
   るための標準ピツチパラメータを記憶する標準音声用記
   憶部と、音程が補正された補正音声を合成するための補
   正ピツチパラメータを記憶する補正音声用記憶部とを設
   け、圧縮パラメータに基いて再生用ＲＯＭから読み出さ
   れるピツチパラメータが標準あるいは補正ピツチパラメ
   ータとなるように再生用ＲＯＭのアクセス方式を適宜切
   換制御する音程切換回路を設けて成ることを特徴とする
   音声合成装置。