JPS6363100A - 声質変換方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野］ 本発明は、放送などで人間の声を送出する際、発声が不
明瞭な声を聞きやすくしたり、声の個性を場合によって
は本人と同定できないくらいになるまで変えたり、ある
いは声に特殊な効果を持たせるなど、音声を質的に変換
する方法に関する。

（従来の技術） 従来、放送現場でこの様な効果を与えるには第５図に示
すように、エコライザー１などいわゆるアナログフィル
ターＩＡ、ＩＢ、・・・ＩＮを用いて音声の周波数特性
を変化させるか、あるいは、ハーモナイザーなどでスペ
クトルの高調波成分を歪ませて声の質を変化させるもの
であった。すなわち、アナログフィルターを用いた場合
、ローパスフィルターであれば１〜２ｋＨｚ以下、バイ
パスフィルターであれば３〜４ｋＨｚ以上、またバンド
パスフィルターであれは電話帯域以下、と大きく変えな
いと話者の個人性が残ってしまう。しかるに、この様に
スペクトルを変化させた場合には音質が劣化し、王宮な
音声の品質からかけ離れてしまう、また、ハーモナイザ
ーなども原理的に高調波歪を起こさせるものであるため
、個人性が変る程度まで音声を変えた場合には音質の劣
化が著しい。

〔発明が解決しようとする問題点〕

そこで、本発明はこの点を改善すべく開発されたもので
あり、固定の周波数特性でなく、音声の品質をなるべく
保存したまま話者のスペクトル特性に適応させてその周
波数特性を変化させることにより、通常の周波数特性を
持ったフィルターでは実現し得ない特性を、人間の声の
特質を利用することにより実現できる声質変換方法を提
供することを目的とする。

〔問題点を解決するための手段〕

このような目的を達成するために、本発明の声質変換方
法は、入力音声から有声音部分を抽出し、有声音部分か
らホルマント周波数と残差信号を計算し、ホルマント周
波数の時間軌跡を求め、時間軌跡の各時点におけるホル
マント周波数を時間軌跡上の近辺の周波数との差に重み
をつけた値を加えて修正し、修正されたホルマント周波
数の時間軌跡から声道フィルターを構成し、声道フィル
ターに残差信号を入力して音声を合成することを特徴と
する。

（作　用〕 音声にはホルマント周波数と呼ばれるエネルギーの集中
した部分がいくつかあり、この周波数は母音によって異
なるため、連続音声を発声したときは母音に応じて変化
し、しかも、話者によって動きが異なる。通常のフィル
ターでは、ホルマント周波数のレベルは変化させること
が出来るかホルマント周波数の位置そのものを変えるこ
とは出来ない。木刀法は、このホルマント周波数の位置
を各時点で変えることを可能にしたものであり、元の音
声のホルマント周波数の動きに応してその変動幅を拡大
したり縮小したりすることによって音声を合成し、元の
音声とは違った音質の声に作り替えることが出来る。

〔実施例〕

以下に図面を参照し、本発明の詳細な説明する。

第１図に本発明を適用した声質変更システムのブロック
図を示す。システム全体は、音声分析部２、制御部３、
音声合成部４、の三つの部分からなり、全て電子計算機
内でデジタル信号処理により実行される。分析部に於て
、先ず入力音声は１５ｋ）ｌｚで標本化され、後の合成
に必要な幾つかのパラメータが抽出される。

第２図に各部における処理の流れを示す。

まず分析部において、入力音声のパワーにもとづいて有
音区間と無音区間の判別が行われ、無音区間の長さが先
ず記録される。次に、有音区間に対してＰＡＲＣＯｒ１
分析と７交差分析が行われ、１次のＰへＲＣＯＲ係数と
；交差数を用いて無声子音区間が決定され、この区。間
はそのまま記録される。残りは有声音区間であるため、
この区間に対しては、通常“声道逆フイルタ−”と呼ば
れる一種のデジタルフィルターが計算機の中で構成され
ていわゆる線形予測分析がなされ、スペクトルの情報を
担つている線形予測係数とピッチの情報を担っている残
差信号が得られる。

制御部においては、本発明の特徴的な処理の一つである
ホルマント周波数の強調または抑圧が行われる。分析部
で得られた線形予測係数を係数とする高次方程式を解く
ことにより、声道逆フィルターの７点、すなわち声道の
共振周波数を求め、そのうちバンド幅の狭いものを選ん
で第１から第３ホルマント周波数とする。すなわち、声
道逆フィルターの次数をρとし、ａＩ＋ａ２・・・、ａ
ｐを線形予測係数、Ｚ　ｌ　＋　　２　＝　・・・、ｚ
ｐを声道（スペクトル）の複素極とすれは、 ｚ’＋ａ、ｚｐ−’＋・・・＋ａｐ−（ｚ　　Ｚｌ）（
Ｚ−Ｚ２）　”’（Ｚ−Ｚｐ）　　（１）が成り立ち、
そのうち、極２．がホルマント周波数を与えるとして、
その周波数をｆ＋、バンド幅を８１とすれは、それらの
間には次の関係がある。

Ｚｌ＝ｅＸｐ　　（−ｙｒＴＢＩ＋ｊ２πＴ　　ｌｆ＋
ｌ）　　　（２）但し、Ｔは標本化周期であり、奇数番
目の１に対しては１ｆｌｌ＝Ｌ、偶数番目に対してはｌ
ｆｉｌ＝−ｆ、とする。

この様にして、第１から第３ホルマント周波数の時間軌
跡を求め、この軌跡に対し、各時点で、その近辺の軌跡
を利用してホルマント周波数の動きを強調又は抑圧する
。

第３図は、ホルマント周波数の強調又は抑圧のアルゴリ
ズムを示す模式図である。Ｆ　（ｔ）を、第２図の「ホ
ルマント周波数の遭択」の部分で得られた一つのホルマ
ント周波数の時間変化とし、ｔｏを任意の時刻とする。

ｔｏを中心として、その前後にある時間範囲、ｔｏ　＋
ｊｎ、を考え、それぞれを１．．１２．・・・、ｔｎな
る離散的な時刻に分割する。いま、Ｆ　（ｔ）が強調あ
るいは抑圧されたときの周波数の勤ぎをＦ’（ｔ）と書
くと、Ｆ′　（ｔｏ）には、Ｆ　（ｔｏ　）に加えて、
各時刻上〇±１．に於ける周波数差、Ｆ（ｔｏ）　　Ｆ
（ｔ０±ｔＩ）、がガウス的な重ｂＷ　（ｔ　＋　）　
”’Ｃ’加算されている。すなわち、 Ｆ’（ｔｏ）　＝Ｆ（ｔｏ）”Σ”　　（ｔ＋）　（Ｆ
　（ｔｏ）−Ｆ（ｔｏ±１＋））である。ただし、重み
Ｗ（τ）は次のようなガウス関数である。

Ｗ　（ｒ）＝ａ　ｅｘｐ（−ｒ２／２ａ２）　　　　　
（４）ここで、（１＝５２．１ミリ秒である。α〉Ｏな
らホルマントの動きが強調され、α−〇のときは原音声
と同じ、αくＯなら動きが抑圧される。強調する場合、
αの値は通常７〜１０が選ばれる。時間範囲ｔ。は片側
１５０ミリ秒であり、各時刻に対して常に３００ミリ秒
の範囲で計算が行われ、時間間隔は１ミリ秒単位である
。また、有声部分の始端と終端に於ける処理は、各端点
に於ける値が続いていると仮定して計算を行う。すなわ
ち、始端では、始点の周波数がそれ以前から続いており
、終端では、終点に於ける周波数がその後続いていると
仮定する。このようにしてフォルトマント軌跡Ｆ　（ｔ
）の各時点について強調または抑圧か行われ、新しく修
正されたフォルトマント軌跡Ｆ’（ｔ）が得られる。

第１から第３までの各ホルマントに対して上述の規則を
適用し、新しいホルマント軌跡ｔ’＋’（ｔ）、　Ｆ２
°（ｔ）、　Ｆ３’（ｔ）を求め、次の合成部へ供給す
る。

合成部においては、声質が変更された音声が合成される
。分析部において各時刻に於て新しいホルトマント周波
数が求まっているため、それをもとに、Ｚ一平面上の極
（ｐｏｌｅ）を求め、それらの極がある高次方程式の根
となるように新しい線形予測係数を決定する。すなわち
、ある時°刻において、新しいホルマント周波数とその
バンド幅の値を（ｒ＋’　、　Ｂｌ’　）、（ｆ２’　
、　８２°）、（ｆ３゜Ｂ３’）とし、対応する複素様
を（２）式に従って、ｚ、’＝ｅｘｐ（−ｙｒＴＢ、＋
ｊ２πＴｆｌ’）　　（ｉ−１，２，３）　（５）とし
、次の共役複素様を含め、 ゴＴ＝＝ｅｘｐ（−πＴＢｌ’−ｊ２πＴｆ＋’）　（
ｉ−１，２，３）　　（６）これらを改めて、Ｚ　１　
＝Ｚ　＋　、Ｚ　２−丁、゛、Ｚ３＝Ｚ　２　、Ｚ　４
２丁２°％ＺＳ°ｚ３’ｘ　ｚａ　”丁３とおく、２７
以上の極は変化させない部分であるため、（１）式の極
をそのまま用い、 （ｚ　−ｚ＋）　（ｚ　−Ｚ２）　＝・（ｚ　−ｚ、）
　＝　ｚ’＋　ａ、°ｚｐ−１＋　・・・　　＋ａｐ　
　　　　　　（７）が恒等的に成立するように高次方程
式の係数ａＩ’＋　ａ２’、・−・＋８９を求め、それ
を新しい線形予測係数とする。すなわち、ａ＋’％ａ、
は次のように得られる。

ａｌ＝（Ｚｌ＋・・・＋ｚｐ） ａ、’＝（−１）’　ΣＺｚＺ＋□−Ｚ＋ｈ　　　　　
　（ａ）１≦ｉ、＜・・・＜ｊｌ、≦ｐ ａ、’　＝　（−１）ｐｚ、ｚ２−＝ｚ。

このようにして求めた新しい係数から、第２図の「修正
声道モデル」を構成し、分析部で求めた、無音長の記録
信号、無音声の８己録信号および残差信号を入力して最
終的な合成音声を得る。このとき、修正声道モデルの伝
達関数をＶ（ｚ）とすると、Ｖ（Ｚ）’　は次のように
表わされる。

上式のａｌｏとして、（１１式の８１をとれば元の音声
がそのまま再現される。標本化周波数は１５ｋＨｚであ
るため、ｐの値は、男性の声で通常１４、女性で１０程
度が適当である。また、音声は通常２０〜３０ミリ秒車
位で分析が行われ（分析単位をフレームとよぶ）、各フ
レームは分析窓幅の局ずつシフトさせる。従って、窓幅
が２０ミリ秒の場合、有声音のホルマント軌跡は１０ミ
リ秒毎の値として算出される。

この様にして声道特性の変更を行うと、波形は多少変形
するため、合成の際、フレームの接合部で不連続が生じ
る場合がある。そこで、第４図に示すように、各フレー
ム毎に合成音出力に振幅１の三角窓をかけ、隣り合うフ
レームとの重なり合う部分のゲインの和が常に１になる
ように設定して両者の波形を加える。この様な操作によ
り、波形の連続性を保ち、スムーズな合成音を得ること
が可能になった。

以上の実施例において、ガウス関数のσとして５２．１
ミリ秒を採用した。これは通常の発声速度でほぼ１音節
５９．．Ｐするのに要する時間であるが、０の値はこれ
に限られない。ざらにフォルマント軌跡に重みをつけて
新しいフォルトマント軌跡を得る際、ガウス的な分布関
数だけでなく、その他の分布関数を使用して重みをつけ
ることもできる。

（発明の効果） 以上説明したように、本発明によれば、ホルマント周波
数の位置を各時点で変えることを可能にしたものであり
、元の音声のホルマン）・周波数の動きに応じてその変
動幅を拡大したり縮小したりすることによって音声を合
成し、元の音声とは違った音質の声に作り替えることが
出来る。

【図面の簡単な説明】

第１図は本発明を適用した声質変換システムの実施例の
ブロック図、 第２図は第１図に示した実施例における声質変換処理の
流れを示すフローチャート、 第３図はホルマント周波数変化の強調または抑圧方法を
示す模式図、 第４図は合成波形の連続性を保存するための方法を示す
模式図、 ′ｆＪ５図は従来の声質変換装置を示すブロック図であ
る。 １・・・エコライザ、 ＩＡ、ＩＢ、・・・ＩＮ・・・アナログフィルター、２
・・・音声分析部、 ３・・・制御部、 ４・・・音声合成部。

Claims (1)

1. 【特許請求の範囲】 入力音声から有声音部分を抽出し、 該有声音部分からホルマント周波数と残差信号を計算し
   、 前記ホルマント周波数の時間軌跡を求め、 該時間軌跡の各時点におけるホルマント周波数に、該周
   波数と前記時間軌跡上の近辺の周波数との差に重みをつ
   けた値を加えることによって、各時点におけるホルトマ
   ント周波数を修正し、修正されたホルマント周波数の時
   間軌跡から声道フィルターを構成し、 該声道フィルターに前記残差信号を入力して音声を合成
   する ことを特徴とする声質変換方法。