JPS6040639B2 - 多重音声合成システム - Google Patents

Description

【発明の詳細な説明】 本発明は多重音声合成システムに関するものであり、そ
の目的とするところは１台の中央制御装置にて複数個の
音声合成部を独立的に同時制御し、異つた音声をほぼ同
一タイミングで発声し得る多重音声合成システムを提供
することにある。

従来、この種の音声合成システムは第１図ａ，ｂに示す
ようになっており、音声信号がほぼ定常状態と見なし得
る一定区間を１フレームとし、各フレームにおいた抽出
された音声信号の振中パラメータ（Ａパラメータ）、ピ
ツチパラメータ（Ｐパラメータ）などの特徴パラメータ
を音声データＤｖとして予めデータメモリＭに記憶させ
、中央制御装置ＣＰＵ‘こてデータメモリＭから所定の
音声データＤｖを順次議出して複数個の音声合成部Ｓ，
〜Ｓｎに送出し、各音声合成部Ｓ，〜Ｓｎにて音声デー
タＤｖに基いた音声信号をそれぞれ合成するようになっ
ていた。但し、同図ａ，ｂは中央制御装置ＣＰＵを介し
て音声データＤｖを送出するか、介さずに音声データＤ
ｖを送出するかだけの違いであり、実質的動作は略同一
である。図中Ｅ，〜Ｅｎは音声合成部Ｓ，〜Ｓｎの動作
タイミングを設定するェネーブル信号、ＲＡは音声デー
タＤｖをラツチするラツチ回路であり、音声合成部Ｓ，
〜Ｓｎに音声データＤｖを取込むタイミングを調整する
ものである。ところで、この従来例にあっては音声合成
部Ｓ，〜Ｓｎと中央制御装置ＣＰＵおよびデータメモリ
Ｍがそれぞれ１対１の関係にあり、各音声合成剤Ｓ，〜
Ｓｎを並列的に（同一の音声データＤｖにて）制御して
同一の音声を同時に発生させることはできるが、各音声
合成部Ｓ，〜Ｓｎを独立的に制御して異つた音声を同時
に発生させることができないものであった。したがって
、異つた音声を発生させるには第２図に示すように中央
制御装置ＣＰＵから第１の音声合成部Ｓ，に所定の音声
デー夕を順次送出してメロディあるいは話し言葉のよう
な複数フレームに亘る音声Ｖ，を発声させた後、第２の
音声合成部Ｓ２に所定の音声データＤｖを順次送出して
異つた音声Ｖ２を発声させるようになっていた。以下の
音声合成部Ｓ２〜Ｓｎも同様である。そこで、多数の異
つた音声Ｖ，〜Ｖｎを各音声合成剤Ｓ，〜Ｓｎからそれ
ぞれ発声させる場合において、最初に動作する音声合成
部Ｓ，から発声される音声Ｖ，に対して最後に動作する
音声合成部Ｓｎから発声させられる音声Ｖｎが大中に遅
れることになり、緊急指令（例えば火災発生時の避難方
向）などを発声する場合には不都合であった。但し、各
音声合成部Ｓ，〜Ｓｎに対応して中央制御装置ＣＰＵお
よびデータメモリＭを設ければ、上記不都合は解消され
ることになるが、大中なコストアップになるという問題
があった。本発明は上記の点に鑑みて為されたものであ
る。以下、ＰＡＲＣＯＲ型音声合成方式による一実施例
について図を用いて説明する。

ＰＡＲＣＯＲ型音声合成方式は第３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ｔｏ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）をスペクトルパラメータ（
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（
５〜２０仇ｓｅｃ）において、適当周期ｔｏ（１００仏
ｓｅｃ）毎に音声信号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案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Ｋ２〜
Ｋ，。としたものである。このＫパラメー外まＫ，、Ｋ
２、Ｋ３のようにＫｔ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、Ｋ８、＆、Ｋ，ｏのようなＫｔ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ツト数
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型音声合成方式は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パラメー
タは圧縮されて記憶あるいは伝送され、Ａパラメー外こ
対して５ビット、Ｐパラメータに対して６ビット、Ｋパ
ラメータの各係数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ようになっている。以下
本発明一実施例の構成を図示実施例について詳細に説明
する。

第４図は音声合成静Ｓ，〜Ｓｎ（以下Ｓと略称する）の
構成を示すブロック図であり、音声合成部Ｓの入力端８
には中央制御装置ＣＰＵにてデータメモリＭから順次読
出されたビットシリアルなデータが入力されるようにな
っている。

なお、全体構成は第１図ａ，ｂの従来例と同一である。
ところで、実施例にあっては、音声の特徴パラメータは
すべて再生用ＲＯＭＩ内に１０ビットのデータとして記
憶されており、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５図は再生用ＲＯＭ
Ｉ内に記憶されたＡ、Ｄ、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ータが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をアクセ
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ビット（合計５３ビ
ット）である。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Ｖｓがほぼ定常状態
とみなし得る２０ｍｓｅｃ（フレーム）ごとに１組づつ
データメモリＭに予め記憶される。したがって高々２６
５０ビット／秒で音声信号ＶｓをデータメモリＭに記憶
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Ｖ
ｓを記憶することができるものである。ところで、メロ
ディ音あるいは話し言葉などの音声信号Ｖｓは複数フレ
ームに亘るものであるので、音声信号Ｖｓを構成する各
フレームの圧縮パラメータはデータメモリＭの連続する
アドレスを有するメモリ領域に格納するようになってお
り、音声合成動作時において中央制御装置ＣＰＵは音声
合成部Ｓを動作させるェネーブル信号を送出するととも
に、所望の音声信号Ｖｓを合成するための一連の圧縮パ
ラメータが格納されているメモリ領域の先頭アドレスを
プリセットし、音声合成部Ｓから送出されるフレームク
ロックＦが入力する毎に逐次アドレス値に１を加算して
メモリ領域に記憶されている。一連の圧縮パラメータを
順次謙出すことになる。なお、データメモリＭの上記〆
モリ領域の最終アドレスにはエンドデータが記憶させて
あり、このエンドデータが謙出されたとき、中央制御装
置ＣＰＵはデータ読出し動作を終了して音声合成部Ｓの
音声合成動作を停止させる。このようにしてデータメモ
リＭに記憶されている圧縮パラメータ（すなわち再生用
ＲＯＭＩの相対アドレス）は中央制御装置ＣＰＵにて適
宜読出され、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入力されるものであ
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６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。

以下再生用ＲＯＭＩ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ＲＯＭ
１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
御回路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４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
ジスタで構成されている。またインデックスＲＯＭ２内
に記憶されている各特徴パラメータの再生用ＲＯＭＩ内
における先頭アドレスは、パラレルシリアル変換回路１
３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て絶対アドレスが計算さ
れるものである。計算された直列データの絶対アドレス
はシリアルパラレル変換回路１４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。図中９はパラメータコード検出回路である。再
生用ＲＯＭＩから読み出された特徴パラメータは補間計
算回路５に入力されるようになっており、この補間計算
回路５は１フレームごとに更新される特徴パラメータの
フレーム間の接続点における不連続な変化による音声信
号の歪み（明瞭度の低下）を防止するもので、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
１フレーム内の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。この補間計算回路５はタイミング制
御回路２８にて制御され、タイミング制御回路２８では
第７図に示すようにフレームクロックＦおよび１フレー
ム（２０のｓｅｃ）中に８個の橘間用Ｄクロツク（２．
５のｓｅｃ）を発生し、１個のＤクロツク中に２９固の
バラメータ読込用Ｐクロツク（１００仏ｓｅｃ）、さら
に１個のＰクロック中に２２個のビット論込用Ｔクロッ
ク（４．５山ｓｅｃ）が作成される。８個のＤクロツク
のうち、最初のＤ，においてデータ入力端子からリング
レジスタ３にデータが読み込まれ、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
外ま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クロツクあるいは上記以外のＴ
クロックは補間計算回路５、音源ＲＯＭ６、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２．５ｍＳｅＣ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
ツチ１６、ＡＫラツチ２３に一時的に蓄えられる。ただ
し、楠間計算に差し当り必要のないパラメータはすべて
ＡＫパラメータスタック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。Ｐラッチ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Ｐ
パラメ−夕は一致回路７にてＰクロック（１００ムｓｅ
ｃ）をカウントするアドレスカウン夕１８出力と比較さ
れ、アドレスカウンタ１８出力がＰパラメータに一致し
たとき一致回路１７からアドレスカウンタ１８をリセッ
トするりセット信号ＶＲが出力される。したがってアド
レスカウンタ１８はＰパラメータに基いた周期でリセッ
トされ、この周期で音源ＲＯＭ６から音源制御データが
順次読み出される。この音源制御データにて有声音源１
９を駆動して基本周期を有する有声音を発生させる。例
えばＰパラメータが「２５」の場合には基本周期が２５
×１００〃ｓｅｃ（４００ＨＺ）の有声音が発生される
ことになる。なお、上記音源制御データは音源を周波数
分析して得られる残差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２川こて切襖回路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
フィル夕７に供孫合され、音源回路より供給された信号
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
４図において２５はアンプ、２６はスピーカ、２７は水
晶発振回路である。音声合成部Ｓの構成および動作は上
述のようになっており、中央制御装置ＣＰＵと音声合成
部Ｓとの間の音声データ（圧縮パラメータ）の授受は１
フレームを○クロックにて８個に分割した最初の分割区
間ｄ，においてのみ行なわれており、他の分割区間も〜
もには音声合成部Ｓ内のデータ処理が行なわれている。
つまり中央制御装置ＣＰＵは分割区間ｄ，において音声
合成部Ｓとの間で音声データの授受を行っているが他の
分割区間も〜ｄ６には中央制御装置ＣＰＵは待機状態に
ある。本発明の特徴とするところは、この分割区措歌２
〜広において、他の音声合成部Ｓと中央制御装置ＣＰＵ
との間で音声データの授受を行なうようにすることにあ
り、以下８個の音声合成部Ｓ，〜Ｓ８を有する場合につ
いて詳細に説明する。第８図は本発明の動作タイミング
を示すタイムチャートであり、Ｅ，〜Ｅ８は中央制御装
層ＣＰＵから各音声合成部Ｓ，〜Ｓ８に対して送出され
るェネーブル信号、Ｆ，〜Ｆ８は上記ェネーブル信号Ｅ
，〜Ｅ８に同期して音声合成部Ｓ，〜Ｓ８にて発生され
るフレームクロツク、Ｒ，〜Ｒ８は中央制御装置ＣＰＵ
から送出されるレディ信号であり、レディ信号Ｒ，〜Ｒ
８はフレームクロツクＦ，〜Ｆ８の最初のパルスが受信
された後に出力される。いま、ェネーブル信号Ｅ，が中
央制御装置ＣＰＵから送出されると、音声合成部Ｓ，が
動作状態にセットされ、音声合成部Ｓ，のタイミング制
御回路２８からェネーブル信号Ｅ．に同期した（一定時
間遅れた）フレームクロックＦ，、Ｄクロック、Ｐクロ
ック、Ｔクロックなどの各クロックが出力される。フレ
ームクロックＦ，は中央制御装置ＣＰＵに送られ、中央
制御装置ＣＰＵではこのフレームクロックＦ，の最初の
パルスを受信することにより音声合成部Ｓ，が動作状態
にセットされたことを確認し、音声合成部Ｓ，からのデ
ータ要求に対していつでも音声デ−タＤｖ（圧縮パラメ
ータ）を送出できるように待機状態をとるとともに、待
機状態であることを示すレディ信号Ｒ，を送出する。音
声合成罰Ｓ，では、このレディ信号Ｒ，を受信すること
により、中央制御装置ＣＰＵが待機状態であることを確
認し、１フレーム内の最初の分割区間ｄ，においてデ−
タ要求信号ＤＲを送出する。ここにデータ要求信号ＤＲ
はデータ議込み用のＴクロックに相当するもので、各フ
レームの音声信号Ｖｓを合成するのに必要な音声データ
Ｄｖ（圧縮パラメータ）はそれぞれ分割区間ｄ，に中央
制御装置ＣＰＵからデータ要求信号ＤＲに同期して送出
されるようになっている。次に音声合成部Ｓ，に対する
ヱネーブル信号Ｅ２の送出タイミングは、ェネープル信
号Ｅ，に対してデータ伝送区間ｔｏすなわち分割区間ｄ
，だけ遅れており、音声合成部Ｓ２はこのェネーブル信
号Ｅ２を受けて上述の音声合成部Ｓ２と同様の動作を行
なうことになるが、音声合成部Ｓ２からデータ要求信号
ＤＲが送出される分割区間ｄ，は音声合成部Ｓ，の分割
区間らに相当することになる。同様にして他の音声合成
部Ｓ３〜Ｓ８のデータ要求信号ＤＲは音声合成部Ｓ，の
分割区間も〜もに送出されることになり、各音声合成部
Ｓ，〜Ｓ８から同時にデータ要求信号ＤＲが送出される
ことがなく、各音声合成部Ｓ，〜Ｓ８と中央制御装置Ｃ
ＰＵとの間の音声データＤｖの授受がスムーズに行なわ
れる。したがって、各音声合成部Ｓ，〜Ｓ８における音
声合成動作はそれぞれデータ伝送区間ｔｏだけ遅れるが
、音声合成部Ｓ，から発生される音声Ｖ，と音声合成部
Ｓ８から発生される音声Ｖ８とは１フレーム（５〜２０
ｍｓ）遅れて発声されるだけであり、ほぼ同時に発声さ
れたものと見なされることになる。この場合、各音声合
成部Ｓ，〜Ｓ８と中央制御装置ＣＰＵとの間の音声デー
タＤｖの授受が互いに独立して行なわれるので、各音声
合成部Ｓ，〜Ｓ８においてそれぞれ異つた音声Ｖ，〜Ｖ
８を発声できることはいうまでもない。本発明は上述の
ように構成されており、中央制御装置から送出されるェ
ネーブル信号に同期して各音声合成部のフレームクロッ
クを発生させるとともに、１フレーム区間内の最初の部
分にデータ伝送区間を設定し、上記データ伝送区間に中
央制御装置と各音声合成部との間で当該フレームの音声
データの授受を行なうようにし、各音声合成部に対する
ェネーブル信号の送出タイミングをデータ伝送区間だけ
順次遅らせることにより、中央制御装置と各音声合成部
との間のデータの授受を１フレーム内における時分割多
重にて行なうようにしたから、１台の中央制御装置にて
複数個の音声合成部を独立的に同時制御して異つた音声
をほぼ同一タイミングで発生させ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ａ，ｂはそれぞれ従来例の概略構成図、第２図は
従釆例の問題点を示す図、第３図はＰＡＲＣＯＲ型音声
合成方式の原理説明図、第４図は本発明一実施例の要部
ブロック回路図、第５図および第６図は同上の再生用Ｒ
ＯＭおよびインデックスＲＯＭの構成を示す図、第７図
は同上の音声合成部の動作説明図、第８図は同上の音声
データの授受を示すタイムチャートである。 ＣＰＵは中央制御装置、Ｍはデータメモリ、Ｓ，Ｓ，〜
Ｓｎは音声合成部、Ｅ，〜Ｅ８はェネーフル信号、Ｆ，
Ｆ，〜Ｆ８はフレームクロツク、ｔｏはデータ伝送区間
である。 第２図 第１図 第１図 第３図 図 寸 滋 第５図 第６図 第７図 第８図

Claims (1)

【特許請求の範囲】
1. １ 音声信号がほぼ定常状態と見なし得る一定区間を１
   フレームとし、各フレームにおいて抽出した音声信号の
   特徴パラメータを音声データとしてデータメモリに予め
   記憶させ、中央制御装置にてデータメモリから所定の音
   声データを順次読出して複数個の音声合成部に送出し、
   各音声合成部にて音声データに基いた音声をそれぞれ合
   成するようにして成る音声合成システムにおいて、中央
   制御装置から送出されるエネーブル信号に同期して各音
   声合成部のフレームクロツクを発生させるとともに、１
   フレーム区間内の最初の部分にデータ伝送区間を設定し
   、上記データ伝送区間に中央制御装置と各音声合成部と
   の間で当該フレームの音声データの授受を行なうように
   し、各音声合成部に対するエネーブル信号の送出タイミ
   ングをデータ伝送区間だけ順次遅らせることにより、中
   央制御装置と各音声合成部との間のデータの授受を１フ
   レーム内における時分割多重伝送にて行なうようにした
   ことを特徴とする多重音声合成システム。