JP3373933B2 - 話速変換装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声信号の話速を変
える話速変換装置に関し、例えば、映像を伴うレーザデ
ィスク、ＶＴＲ等の音声の早聞きまたは遅聞きを行なう
音声再生装置、聴覚障害者に放送される音声信号をゆっ
くりした聞きやすい音声に変換する聴覚補助装置、ネイ
ティブスピードで話された英語音声をゆっくりした聞き
やすい音声に変換する英語学習器等に利用される話速変
換装置に関する。

【０００２】

【従来の技術】話速を変換する従来の技術として、アナ
ログ方式の時間軸伸長圧縮技術がある。しかしながら、
アナログ方式の時間軸伸長圧縮技術を用いた話速変換方
法では、単純な音声波形の間引きまたは音声波形の繰り
返し挿入が行なわれているだけなので、音声のつなぎめ
が不連続になるため、音質が悪くなるという問題があ
る。

【０００３】良好な音質が得られる音声の時間軸伸長圧
縮技術として、ディジタル信号処理によって、音声のピ
ッチ周期を検出し、検出したピッチ周期単位またはピッ
チ周期の整数倍単位でピッチ部の間引きまたは挿入を行
なう技術がある。しかしながら、このディジタル方式の
時間軸伸長圧縮技術を用いた話速変換方法では、音声信
号における無音区間および音声区間にかかわらず、一律
の圧縮伸長率で音声信号の圧縮または伸長が行なわれて
いるので、ＶＴＲの倍速再生時、英語学習器の英語音声
再生時等においては音声区間の再生速度が速くなりす
ぎ、音声が聞き取れなくなる場合があるという問題があ
る。

【０００４】

【発明が解決しようとする課題】上記問題を解決するた
めに、音声信号の無音区間と音声区間とを識別し、無音
区間を削除し、音声区間をピッチ周期単位で伸長する話
速変換方法が既に開発されている（参考文献Ａ（以下、
第１従来方式という）：信学技法ＳＰ９２−５６、ＨＣ
９２−３３（１９９２−０９） タイトル「話速変換に
伴う時間伸長を吸収するための一方法」 社団法人 電
子情報通信学会発行、参考文献Ｂ（以下、第２従来方式
という）：信学技法ＳＰ９２−１５０（１９９３−０
３） タイトル「難聴者による話速変換方式の評価」
社団法人 電子情報通信学会発行）。この方法によれ
ば、音声区間の再生速度を遅くでき、音声が聞きやすく
なる。しかしながら、この方法では、次のような問題が
ある。

【０００５】第１従来方式では、処理負荷が大きいた
め、高速演算が必要となり、消費電力が大きくなる。第
２従来方式では、映像と音声のズレが大きくなりすぎ内
容把握が困難となるとともに、音声信号を蓄積するため
のメモリの容量が膨大となりコストがかかる。

【０００６】この発明は、処理負荷を低減できるととも
に、映像と音声のズレを小さくでき、しかも音声信号を
蓄積するためのメモリの容量も膨大とならない話速変換
装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】この発明による第１の話
速変換装置は、リングメモリ、読出手段、蓄積量算出手
段、話速変換処理手段を備える話速変換装置であって、
リングメモリは、話速変換処理手段の出力が書き込ま
れ、読出手段は、リングメモリのデータを一定速度で読
出し、蓄積量算出手段は、リングメモリへの書き込みと
読み出しに基づいて、リングメモリの蓄積量を算出し、
話速変換処理手段は、区間判別手段、信号処理手段、選
択手段を備え、区間判別手段は、入力音声信号が音声区
間であるか無音区間であるを判別し、信号処理手段は、
入力音声信号に対して、圧縮慎重処理、削除処理、２つ
の入力音声信号をそのまま、もしくは、一方を加工して
加重する輪唱処理のいずれかを行い、選択手段は、区間
判別手段の判別結果、及び、蓄積算出手段の算出する蓄
積量、及び設定された再生速度倍率に応じて信号処理手
段のいずれかの処理を選択すると共に、蓄積量算出手段
の算出する蓄積量がオーバーフロー直前状態である場合
には、輪唱処理を選択する話速変換装置である。

【０００８】この発明による第２の話速変換装置は、Ａ
／Ｄ変換手段、フレームメモリ、リングメモリ、読出手
段、蓄積量算出手段、話速変換手段を備える話速変換装
置であって、Ａ／Ｄ変換手段は、アナログ音声信号を設
定された再生速度倍率に応じたサンプリング周波数でサ
ンプリングし、フレームメモリは、Ａ／Ｄ変換手段から
の音声信号を入力音声信号として話速変換手段に出力
し、リングメモリは、話速変換処理手段の出力が書き込
まれ、読出手段は、リングメモリのデータを一定速度で
読出し、蓄積量算出手段は、リングメモリへの書き込み
と読み出しに基づいて、リングメモリの蓄積量を算出
し、話速変換処理手段は、区間判別手段、信号処理手
段、選択手段を備え、区間判別手段は、入力音声信号が
音声区間であるか無音区間であるを判別し、信号処理手
段は、入力音声信号に対して、圧縮慎重処理、削除処
理、２つの入力音声信号をそのまま、もしくは、一方を
加工して加重する輪唱処理のいずれかを行い、選択手段
は、区間判別手段の判別結果、及び、蓄積算出手段の算
出する蓄積量、及び、設定された再生速度倍率に応じて
信号処理手段のいずれかの処理を選択すると共に、蓄積
量算出手段の算出する蓄積量がオーバーフロー直前状態
である場合には、輪唱処理を選択する話速変換装置であ
る。

【０００９】この発明による第３の話速変換装置は、フ
レームメモリ、リングメモリ、読出手段、蓄積量算出手
段、話速変換手段を備える話速変換装置であって、フレ
ームメモリには、設定された再生速度倍率に応じた速度
で入力される音声信号を入力音声信号として話速変換手
段に出力し、リングメモリは、話速変換処理手段の出力
が書き込まれ、読出手段は、リングメモリのデータを一
定速度で読出し、蓄積量算出手段は、リングメモリへの
書き込みと読み出しに基づいて、リングメモリの蓄積量
を算出し、話速変換処理手段は、区間判別手段、信号処
理手段、選択手段を備え、区間判別手段は、入力音声信
号が音声区間であるか無音区間であるを判別し、信号処
理手段は、入力音声信号に対して、圧縮慎重処理、削除
処理、２つの入力音声信号をそのまま、もしくは、一方
を加工して加重する輪唱処理のいずれかを行い、選択手
段は、区間判別手段の判別結果、及び、蓄積算出手段の
算出する蓄積量、及び、設定された再生速度倍率に応じ
て信号処理手段のいずれかの処理を選択すると共に、蓄
積量算出手段の算出する蓄積量がオーバーフロー直前状
態である場合には、輪唱処理を選択する話速変換装置で
ある。

【００１０】上記輪唱処理は、音声区間の入力音声信
号、及び、無音区間の継続長が無音削除判別値未満の入
力音声信号に対して、処理開始後の所定長のデータと、
次の所定長のデータに１以下の定数を加算するものであ
る。

【００１１】また、上記輪唱処理は、音声区間の入力音
声信号、及び、無音区間の継続長が無音削除判別値未満
の入力音声信号に対して、処理開始後の所定長のデータ
と、次の所定長のデータに関数を乗算するものである。

【００１２】上記区間判別手段は、パワー算出手段、判
別手段からなり、パワー算出手段は、所定数の入力音声
信号のパワー平均値を算出し、判別手段は、パワー平均
値としきい値に基づいて、入力音声信号が音声区間か無
音区間かを判別するものである。

【００１３】また、上記区間判別手段は、パワー算出手
段、判別手段からなり、パワー算出手段は、所定数の入
力音声信号のパワー累積値を算出し、判別手段は、パワ
ー累積値としきい値に基づいて、入力音声信号が音声区
間か無音区間かを判別するものである。

【００１４】また、上記区間判別手段は、振幅算出手
段、判別手段からなり、振幅算出手段は、所定数の入力
音声信号の平均振幅値を算出し、判別手段は、平均振幅
値としきい値に基づいて、入力音声信号が音声区間か無
音区間かを判別するものである。

【００１５】また、上記区間判別手段は、振幅算出手
段、判別手段からなり、振幅算出手段は、所定数の入力
音声信号の振幅累積値を算出し、判別手段は、振幅累積
値としきい値に基づいて、入力音声信号が音声区間か無
音区間かを判別するものである。

【００１６】

【００１７】また、上記区間判別手段は、周期検出手
段、判別手段からなり、周期検出手段は、入力音声信号
の周期を算出し、判別手段は、周期としきい値に基づい
て、入力音声信号が音声区間か無音区間かを判別するも
のである。

【００１８】また、上記区間判別手段は、パワースペク
トル算出手段、判別手段からなり、パワースペクトル算
出手段は、入力音声信号の所定の１または複数の周波数
帯域に対するパワースペクトルを算出し、判別手段は、
パワースペクトルに基づいて入力音声信号が音声区間か
無音区間かを判別するものである。

【００１９】

【００２０】

【００２１】

【００２２】

【００２３】

【作用】この発明による第１の話速変換装置では、入力
音声信号は、話速変換処理手段によって話速変換処理さ
れる。話速変換処理手段の出力は、リングメモリに書き
込まれる。リングメモリに書き込まれたデータは、一定
速度で読み出される。話速変換処理手段においては、入
力音声信号が音声区間であるか無音区間であるかが、区
間判別手段によって判別される。また、リングメモリの
書き込み信号と読み出し信号とに基づいて、リングメモ
リの蓄積量が蓄積量算出手段によって算出される。

【００２４】そして、区間判別手段の出力および蓄積量
算出手段の出力に基づいて、設定された再生速度倍率に
応じて入力音声信号に対して圧縮伸長処理、削除処理ま
たは音声信号における２つの所定長の信号をそのまま加
重するかまたは少なくとも一方の信号に加工を施した後
に加重するといった輪唱処理が、信号処理手段によって
行なわれる。信号処理手段では、リングメモリの蓄積量
がオーバーフロー直前状態である場合に、入力音声信号
に対して輪唱処理が行なわれる。

【００２５】この発明による第２の話速変換装置では、
入力されるアナログ音声信号が、Ａ／Ｄ変換手段によ
り、設定された再生速度倍率に応じたサンプリング周波
数でサンプリングされる。Ａ／Ｄ変換手段から出力され
た音声信号は、フレームメモリに入力される。フレーム
メモリに所要数の音声信号が入力されるごとに、話速変
換処理手段により、それらの音声信号に対して話速変換
処理が行なわれる。話速変換処理手段の出力は、リング
メモリに書き込まれる。リングメモリに書き込まれたデ
ータは、標準速度再生時のサンプリング周波数と等しい
周波数の読み出し信号に基づいて読み出される。また、
リングメモリの書き込み信号と読み出し信号とに基づい
て、リングメモリの蓄積量が蓄積量算出手段によって算
出される。

【００２６】話速変換処理手段においては、フレームメ
モリに入力された所要数の音声信号に対応する入力音声
が音声区間であるか無音区間であるかが、区間判別手段
によって判別される。また、区間判別手段の出力および
蓄積量算出手段の出力に基づいて、上記所要数の音声信
号に対して圧縮伸長処理、削除処理または音声信号にお
ける２つの所定長の信号をそのまま加重するかまたは少
なくとも一方の信号に加工を施した後に加重するといっ
た輪唱処理が、信号処理手段によって行なわれる。信号
処理手段では、リングメモリの蓄積量がオーバーフロー
直前状態である場合に、音声信号に対して輪唱処理が行
なわれる。

【００２７】

【００２８】話速変換処理手段においては、フレームメ
モリに入力された所要数の音声信号に対応する入力音声
が音声区間であるか無音区間であるかが、区間判別手段
によって判別される。区間判別手段の出力および蓄積量
算出手段の出力に基づいて、上記所要数の音声信号に対
して圧縮伸長処理、削除処理または音声信号における２
つの所定長の信号をそのまま加重するかまたは少なくと
も一方の信号に加工を施した後に加重するといった輪唱
処理が、信号処理手段によって行なわれる。信号処理手
段では、リングメモリの蓄積量がオーバーフロー直前状
態である場合に、音声信号に対して輪唱処理が行なわれ
る。

【実施例】以下、図面を参照して、この発明をＶＴＲに
適用した場合の実施例について説明する。

【００２９】図１は、話速変換装置の全体的な構成を示
している。

【００３０】入力音声信号は、ＡＬＣアンプ１で増幅さ
れた後、Ａ／Ｄ変換部２に送られ、例えば１２ビットの
ディジタル信号に変換される。Ａ／Ｄ変換部２の標準サ
ンプリング周波数は、たとえば８ＫＨｚである。２倍速
再生時には、Ａ／Ｄ変換部２のサンプリング周波数ｆｓ
ＡＤは、１６ＫＨｚとなる。

【００３１】Ａ／Ｄ変換部２の出力は、ＤＳＰ( Digita
l Signal Processor) ４に送られるとともにレベル検出
部３にも送られる。レベル検出部３は、Ａ／Ｄ変換部２
でＡ／Ｄ変換されたデータが変換レンジの最大値となっ
たときに、ＡＬＣ(automaticlevel control) 信号をＡ
ＬＣアンプ１に出力する。これにより、ＡＬＣアンプ１
のアンプ利得が制御され、Ａ／Ｄ変換部２の入力信号が
最大レンジを越えないようにされる。つまり、ＶＴＲの
再生テープ速度が変化するとＡＬＣアンプ１の入力信号
レベルも変化する。そこで、レベル検出部３の出力に基
づいて、アンプ利得を自動調整することにより、Ａ／Ｄ
変換部２の入力信号が最大レンジを越えないようにして
いる。

【００３２】ＤＳＰ４は、２フレーム分の音声信号を記
憶できる容量のフレームメモリ５およびフレームメモリ
５に記憶された音声信号に対してフレーム単位で話速変
換処理を行なう話速変換部６とを備えている。１フレー
ムは、ここでは、２００個のサンプリングデータから構
成されるものとする。

【００３３】フレームメモリ５内の前半領域および後半
領域のうち、一方の領域に記憶された１フレーム分の音
声信号に対して話速変換部６により処理が行なわれると
同時に、他方の領域にＡ／Ｄ変換部２からの信号が蓄積
される。そして、この他方の領域に１フレーム分の信号
が蓄積されると、今度はその領域内のデータに対して話
速変換部６により処理が行なわれると同時に、既に処理
が行なわれたデータが記憶されていた上記一方の領域に
Ａ／Ｄ変換部２からの信号が蓄積される。

【００３４】話速変換部６から出力されたデータは、書
き込みクロックに基づいてリングメモリ７に書き込まれ
る。リングメモリ７に書き込まれたデータは、読み出し
クロックに基づいて、読み出される。リングメモリ７か
ら読み出された信号は、Ｄ／Ａ変換部８によってアナロ
グ信号に変換された後、アンプ１０で増幅され、音声出
力信号として出力される。

【００３５】Ｄ／Ａ変換部８のサンプリング周波数ｆｓ
ＤＡは、８ＫＨｚである。また、リングメモリ７の読み
出しクロックの周波数も８ＫＨｚである。リングメモリ
７としては、２１８４５×１２ｂｉｔのもの、すなわ
ち、２１８４５ワードのものが用いられている。したが
って、リングメモリ７にデータを蓄積できる最大時間
（入力信号に対する出力時間の最大遅延時間）は、２１
８４５×１／８０００＝２．７３秒となる。

【００３６】リングメモリ７に対する書き込みクロック
は、アップダウンカウンタ９のアップカウント用入力端
子（ＵＰ）に入力する。リングメモリ７に対する読み出
しクロックは、アップダウンカウンタ９のダウンカウン
ト用入力端子（ＤＯＷＮ）に入力する。アップダウンカ
ウンタ９は、入力された書き込みクロックの総数と入力
された読み出しクロックの総数との差（リングメモリ７
の蓄積量）をカウントし、そのカウント値を１５ｂｉｔ
のディジタル信号として出力する。アップダウンカウン
タ９の出力は、話速変換部６に送られる。

【００３７】図２は、話速変換部６の詳細な構成を示し
ている。

【００３８】フレームメモリ５から読み出された音声信
号は、パワー計算部１１に送られ、１フレーム分の音声
信号の平均パワー値Ｐが算出される。この平均パワー値
Ｐは、サンプリングされた１フレーム内の各音声信号の
振幅をｉ₀ 、ｉ₁ 、 …ｉ_{N- 1} （ただし、Ｎ＝２００）
とすると、次の数式１によって求められる。

【００３９】

【数１】

【００４０】パワー計算部１１で求められた平均パワー
値Ｐは、比較部１２に送られる。比較部１２には、しき
い値メモリ１３からしきい値Ｔｈが送られており、平均
パワー値Ｐがしきい値Ｔｈ以上（Ｐ≧Ｔｈ）か、平均パ
ワー値Ｐがしきい値Ｔｈより小さいか（Ｐ＜Ｔｈ）かが
判別される。比較部１２からは、平均パワー値Ｐがしき
い値Ｔｈ以上（Ｐ≧Ｔｈ）のときには現フレームが音声
区間であることを示す信号が、平均パワー値Ｐがしきい
値Ｔｈより小さいときには現フレームが無音区間である
ことを示す信号が、それぞれ出力される。

【００４１】しきい値Ｔｈとしては、Ａ／Ｄ変換部２の
量子化ビット数が１２ｂｉｔのときには、たとえば、２
¹²に設定される。なお、次のようにして、しきい値Ｔｈ
を変更するようにしてもよい。すなわち、図２に点線で
示すように、パワー定常状態検出およびしきい値更新部
１４を設ける。パワー定常状態検出およびしきい値更新
部１４は、パワー計算部１１からの平均パワー値Ｐが、
所定フレーム数（例えば、４０フレーム）にわたって一
定であったか否かを判別し、一定であったときには（定
常状態）、そのときの平均パワー値Ｐの２倍の値をしき
い値メモリ１３に書き込み、しきい値Ｔｈを更新させ
る。ただし、更新されるしきい値の最大値は、所定値、
たとえば２¹⁴に制限される。このようにすることによ
り、定常的に発生している雑音を無音区間として取り扱
うことができるようになる。

【００４２】また、入力信号の音声区間と無音区間と
を、次の数式２で示す各フレームの音声信号のパワー累
積値Ｐａと所与のしきい値とに基づいて判別するように
してもよい。

【００４３】

【数２】

【００４４】比較部１２の出力は、条件分岐部１５に送
られる。条件分岐部１５には、リングメモリ蓄積量状態
判別部１６の出力が入力している。また、条件分岐部１
５には、パワー計算部１１を介してフレームメモリ５か
らの、音声信号が送られている。さらに、条件分岐部１
５には、ポーズ継続長設定メモリ１７が接続されてい
る。ポーズ継続長設定メモリ１７には、無音区間の削除
開始点を決定するためのポーズ継続長Ｔｄｅｌ（無音削
除開始点判別値）が設定されている。

【００４５】リングメモリ蓄積量状態判別部１６は、ア
ップダウンカウンタ９から送られてきた蓄積量に基づい
て、リングメモリ７の状態がオーバーフロー直前状態に
なったこと、およびリングメモリ７の状態がアンダーフ
ロー直前状態になったことを検出する。

【００４６】つまり、オーバーフロー検出用データメモ
リ１８にはオーバーフロー検出用データＴｍａｘが、ア
ンダーフロー検出用データメモリ１９にはアンダーフロ
ー検出用データＴｍｉｎが、それぞれ記憶されている。
オーバーフロー検出用データＴｍａｘは、例えば、リン
グメモリ７の総ワード数（ＴＯＴＡＬ）２１８４５より
２００小さい値２１６４５に設定されている。アンダー
フロー検出用データＴｍｉｎは、例えば、２００に設定
されている。

【００４７】そして、アップダウンカウンタ９から送ら
れてきた蓄積量がオーバーフロー検出用データＴｍａｘ
以上になると、リングメモリ蓄積量状態判別部１６から
オーバーフロー直前検出信号が出力される。また、アッ
プダウンカウンタ９から送られてきた蓄積量がアンダー
フロー検出用データＴｍｉｎ以下になると、リングメモ
リ蓄積量状態判別部１６からアンダーフロー直前検出信
号が出力される。条件分岐部１５は、オーバーフロー直
前検出信号が入力されているときにはリングメモリ７が
オーバーフロー直前状態であると判別し、アンダーフロ
ー直前検出信号が入力されているときにはリングメモリ
７がアンダーフロー直前状態であると判別する。

【００４８】条件分岐部１５は、比較部１２から送られ
てくる音声区間または無音区間の判別信号と、リングメ
モリ蓄積量状態判別部１６から送られてくるリングメモ
リ状態に関する検出信号と、ポーズ継続長設定メモリ１
７に設定されているポーズ継続長Ｔｄｅｌとに基づい
て、以下の６つのケースに場合分けを行なう。そして、
それに応じて、マルチプレクサ２０を制御して、音声信
号を所定の処理部に送る。

【００４９】（１）第１ケース（ｃａｓｅ１） 入力信号が音声区間であり、かつリングメモリ７がオー
バーフロー直前状態ではないと判別されたときには、第
１ケースとなる。

【００５０】この場合には、音声信号は、マルチプレク
サ２０を介して、ピッチ圧縮伸長手段２３に送られる。
ピッチ圧縮伸長手段２３は、バリアブル スピーチ コ
ントロール（ＶＳＣ）を行なうものであり、再生速度倍
率をｎとすると、入力信号に対して、圧縮率１／ｎより
大きな圧縮率で伸長圧縮処理を行なう。ここで用いられ
る伸長圧縮法としては、例えば、ポインター移動量制御
による重複加算法（Pointer Interval Control Overlap
and Add : ＰＩＣＯＬＡ）、ＴＤＨＳ(TimeDomain Ha
rmonic Scaling)法等がある。ピッチ伸長圧縮手段２３
で伸長圧縮処理が行なわれた信号は、デマルチプレクサ
２７を介してリングメモリ７に送られ、書き込みクロッ
クにしたがって、リングメモリ７に書き込まれる。

【００５１】ＶＴＲの２倍速再生時においては、Ａ／Ｄ
変換部２のサンプリング周波数ｆｓＡＤは１６ＫＨＺで
あり、Ｄ／Ａ変換部８のサンプリング周波数ｆｓＤＡは
８ＫＨＺである。このため、音程は元に戻されて出力さ
れる。

【００５２】従来の一般的な時間軸伸長圧縮において
は、ＶＴＲの２倍速再生時には圧縮率１／２で、圧縮さ
れる。言い換えれば、２ピッチ周期が１ピッチ周期に間
引かれる。このため、出力音声は標準音声速度の２倍速
となる。つまり、２倍速再生の通常再生では、出力音声
は標準音声速度の２倍速となる。ただし、音程は元のま
まとなる。

【００５３】これに対し、図２の話速変換部６に設けら
れた上記ピッチ伸長圧縮手段２３では、圧縮率が１／２
より大きな値に設定される。ここでは、圧縮率が２／３
に設定されているとする。言い換えれば、３ピッチ周期
が２ピッチ周期に間引かれる。このため、出力音声は、
標準音声速度の３／２倍速となる。この場合も音程は、
元のままである。このように、圧縮率２／３で圧縮され
た場合には、圧縮率１／２の場合に比べて、２／３−１
／２＝１／６だけ、信号が伸長されることになる。この
伸長分が、リングメモリ７の蓄積量となる。

【００５４】ＰＩＣＯＬＡを用いて、入力信号を圧縮率
２／３で圧縮する方法について、図３を用いて簡単に説
明する。まず、入力信号からピッチ周期が抽出される。
抽出されたピッチ周期をＴｐとする。波形Ａに対して
は、１から０へ直線的に向かう重み（重み関数Ｋ１）が
つけられて、波形Ａ’が作成される。波形Ｂに対しては
０から１に向かう重み（重み関数Ｋ２）がつけられて、
波形Ｂ’が作成される。

【００５５】そして、それらの波形Ａ’およびＢ’が加
え合わされ、長さＴｐの波形Ａ’＊Ｂ’が作成される。
これらの重みは、波形Ａ’＊Ｂ’の前後の接続点での連
続性を保つためにつけられている。つぎに、ポインター
が、圧縮率に基づいて決まる長さである３Ｔｐ分だけ移
動され、同様な操作が行なわれる。これにより、３つの
波形Ａ、Ｂ、Ｃから２つの波形Ａ’＊Ｂ’およびＣが得
られる。このようにして、３ピッチ周期分の信号が、２
ピッチ周期分の信号に圧縮される。

【００５６】ピッチ伸長圧縮手段２３による伸長圧縮法
としては、図４（ａ）、（ｂ）に示すように、ピッチ抽
出をすることなく、所定長の固定フレーム長Ｔｓ単位で
伸長圧縮処理を行うようにしてもよい。固定フレーム長
Ｔｓは、たとえば入力データの２００個分の長さに設定
される。図４の例では、３Ｔｓを２Ｔｓにする例を示し
ている。

【００５７】図４（ａ）の方法では、固定フレーム長Ｔ
ｓの波形Ａ、Ｂ、Ｃのうち、波形Ａに対しては、１から
０へ直線的に向かう重み（重み関数Ｋ１）がつけられ
て、波形Ａ”が作成される。波形Ｂに対しては０から１
に向かう重み（重み関数Ｋ２）がつけられて、波形Ｂ”
が作成される。

【００５８】そして、それらの波形Ａ”およびＢ”が加
え合わされ、長さＴｓの波形Ａ”＊Ｂ”が作成される。
これらの重みは、波形Ａ”＊Ｂ”の前後の接続点での連
続性を保つためにつけられている。そして、次の波形Ｃ
に対しては、そのまま出力される。これにより、３つの
波形Ａ、Ｂ、Ｃから２つの波形Ａ”＊Ｂ”およびＣが得
られる。このようにして、３Ｔｓ分の信号が、２Ｔｓ分
の信号に圧縮される。

【００５９】図４（ｂ）の方法では、固定フレーム長Ｔ
ｓの波形Ａ〜Ｃのうちの波形Ａには先頭からたとえば２
０個のデータに０から１へ直線的に向かう重み（重み関
数Ｋ３）をつけて波形Ａ”を得る。波形Ｂには１８１個
目〜２００個目までの入力データに１から０へ直線的に
向かう重み（重み関数Ｋ４）をつけて波形Ｂ”を得る。
そして、波形Ｃを削除する。次の３つの波形Ｄ〜Ｆに対
しても、同様な処理が行われる。このようにして、３つ
の波形Ａ〜Ｃ（またはＤ〜Ｆ）からなる信号は、２つの
波形Ａ”およびＢ”（またはＤ”およびＥ”）からなる
信号に圧縮される。つまり、３Ｔｓ分の信号が、２Ｔｓ
分の信号に圧縮される。

【００６０】上記固定フレーム長単位での伸長圧縮処理
を用いた場合には、ピッチ周期ごとの伸長圧縮処理を用
いた場合に比べて、音質は低下するが、処理量は軽減さ
れる。

【００６１】なお、この話速変換装置が英語学習器に適
用されている場合には（１倍速再生時）、Ａ／Ｄ変換部
２のサンプリング周波数ｆｓＡＤは８ＫＨＺであり、Ｄ
／Ａ変換部８のサンプリング周波数ｆｓＤＡは８ＫＨＺ
である。この場合には、ピッチ圧縮伸長手段２３で、た
とえば、２ピッチ周期が３ピッチ周期になるように、圧
縮率３／２で音声信号が伸長される。つまり、音声区間
が１．５倍に伸長される。したがって、この場合には、
１倍速再生の通常再生時に対して、３／２−１＝１／２
だけ信号が伸長されることになり、この伸長分がリング
メモリ７の蓄積量となる。

【００６２】（２）第２ケース（ｃａｓｅ２） 入力信号が音声区間であり、かつリングメモリ７がオー
バーフロー直前状態であると判別されたときには、第２
ケースとなる。

【００６３】この場合には、音声信号はマルチプレクサ
２０を介して、輪唱処理部２１に送られ、音声信号が輪
唱処理される。輪唱処理部２１は、乗算器４１、加算器
４２および輪唱処理メモリ４３を備えている。後述する
波形合成挿入部２６の出力が輪唱処理部２１に送られる
場合もある。この輪唱処理について、図５を参照して説
明する。

【００６４】図５には、輪唱処理の２つの方法が示され
ている。まず、図５（ａ）に示されている方法について
説明する。リングメモリ７がオーバーフロー直前状態と
なった時点ｔ０から入力される信号を、波形Ａ、Ｂ、
Ｃ、Ｄ…で示す。各波形Ａ、Ｂ、Ｃ、Ｄは、たとえば所
定フレーム数分（ＶＴＲの２倍速再生時においては、た
とえば、０．５〜１．０秒分）のデータを示している。
また、ここでは、各波形Ａ、Ｂ、Ｃ、Ｄに含まれている
信号は、音声区間の信号または継続長がポーズ継続長Ｔ
ｄｅｌ未満の無音区間の信号であるとする。

【００６５】まず、リングメモリ７がオーバーフロー直
前状態となった時点になると、入力される所定フレーム
数分のデータＡが輪唱処理メモリ４３に順次記憶され
る。このように、輪唱処理メモリ４３にそのまま記憶さ
れるデータＡを被加重データと呼ぶことにする。次に、
次の所定フレーム数分のデータＢに１．０以下の定数ｋ
が乗算器４１により乗算され、Ｂ×ｋのデータが作成さ
れる。そして、輪唱処理メモリ４３の内容ＡにデータＢ
×ｋが加算器４２により加え合わされ、その演算結果Ａ
＊（Ｂ×ｋ）が再度、輪唱処理メモリ４３に記憶され
る。このように、定数ｋが乗算された後に、輪唱処理メ
モリ４３内の被加重データに加重されるデータＢを加重
データと呼ぶことにする。このようにして、波形Ａと波
形Ｂとから、所定フレーム数分の輪唱データＡ＊（Ｂ×
ｋ）が作成される。上記定数ｋとしては、例えば０．５
が選択される。

【００６６】この後、輪唱処理メモリ４３から輪唱デー
タＡ＊（Ｂ×ｋ）がリングメモリ７に転送される。波形
Ｂに続く波形Ｃと波形Ｄに対しても同様な処理が行われ
る。つまり、輪唱処理によって２種の音声、たとえば、
波形Ａと波形（Ｂ×ｋ）にそれぞれ対応する音声が同時
に出力されることになる。

【００６７】上記の方法では、データＢに定数ｋを乗算
してデータＢ×ｋを作成したが、輪唱処理部２１におい
て、データＢを右に１ビットシフトすることにより、デ
ータＢ×ｋを作成するようにしてもよい。この場合に
は、ｋは、０．５となる。

【００６８】図５（ｂ）に示す輪唱処理の方法について
説明する。まず、リングメモリ７がオーバーフロー直前
状態となった時点になると、入力される所定フレーム数
分のデータＡ（被加重データ）が輪唱処理メモリ４３に
順次記憶される。次に、次の所定フレーム数分のデータ
Ｂ（加重データ）に徐々に値が小さくなる関数Ｆが乗算
器４１により乗算され、Ｂ×Ｆのデータが作成される。
徐々に値が小さくなる関数Ｆとしては、１≧α１＞β１
≧０の条件を満足する下降直線で表される関数Ｆ１また
は１≧α２＞β２≧０の条件を満足する下降曲線で表さ
れる関数Ｆ２等が用いられる。そして、輪唱処理メモリ
４３の内容ＡにデータＢ×Ｆが加算器４２により加え合
わされ、その演算結果Ａ＊（Ｂ×Ｆ）が再度、輪唱処理
メモリ４３に記憶される。このようにして、波形Ａと波
形Ｂとから、所定フレーム数分の輪唱データＡ＊（Ｂ×
Ｆ）が作成される。

【００６９】この後、輪唱処理メモリ４３から輪唱デー
タＡ＊（Ｂ×Ｆ）がリングメモリ７に転送される。波形
Ｂに続く波形Ｃと波形Ｄに対しても同様な処理が行われ
る。つまり、輪唱処理によって２種の音声、たとえば、
波形Ａと波形（Ｂ×Ｆ）にそれぞれ対応する音声が同時
に出力されることになる。

【００７０】輪唱処理部２１の演算出力は、Ｄ／Ａ変換
器８の量子化ビット数が１２ｂｉｔとなっているため、
Ｄ／Ａ変換器８の出力がオーバーフローしないよう、１
２ｂｉｔ内に収まるように調整されている。この調整
は、輪唱処理部２１で行ってもよいし、輪唱処理部２１
にデータが入力される前にデータの振幅を減少させるこ
とにより行ってもよい。

【００７１】上記のような輪唱処理の対象となる入力信
号は、音声区間の入力信号または無音区間でかつ無音区
間の継続長が設定されたポーズ継続長Ｔｄｅｌ未満の入
力信号に限られる。したがって、第２ケース（または後
述する第４ケース）に該当して、輪唱処理が開始された
後、継続長が設定されたポーズ継続長Ｔｄｅｌ以上の無
音区間の入力信号が入力された場合には、その無音区間
の信号は、後述する入力信号削除部２５によって削除さ
れる。このような場合には、削除区間の前後のつなぎ目
でクリック音が発生しないように、後述する波形合成挿
入部２６によって作成されたデータが、被加重データま
たは加重データとして、輪唱処理部２１に送られる。

【００７２】上記輪唱処理が開始された後に、輪唱処理
が終了する条件は、次の２つの場合がある。その第１
は、輪唱処理の過程において、継続長が設定されたポー
ズ継続長Ｔｄｅｌ以上の無音区間の入力信号が入力さ
れ、その入力信号が削除されたために、輪唱処理メモリ
４３から輪唱データ（図５の例ではＡ＊（Ｂ×ｋ）また
はＡ＊（Ｂ×Ｆ））がリングメモリ７に転送された時点
において、リングメモリ７がオーバーフロー直前状態と
ならなくなった場合である。第２は、輪唱処理の過程に
おいて、継続長が設定されたポーズ継続長Ｔｄｅｌ以上
の無音区間の入力信号が多数入力され、その入力信号が
削除された結果、リングメモリ７がアンダーフロー直前
状態になった場合である。

【００７３】このように、入力信号が音声区間であり、
かつリングメモリ７がオーバーフロー直前状態であると
判別されたときには、音声区間の入力信号および継続長
が設定されたポーズ継続長Ｔｄｅｌ未満の無音区間の入
力信号に対しては輪唱処理が行われ、継続長が設定され
たポーズ継続長Ｔｄｅｌ以上の無音区間の入力信号は削
除される。

【００７４】（３）第３ケース（ｃａｓｅ３） 入力信号が無音区間であり、かつ無音区間の継続長が設
定されたポーズ継続長Ｔｄｅｌ未満であり、かつリング
メモリ７がオーバーフロー直前状態ではないと判別され
たときには、第３ケースとなる。

【００７５】この場合は、上記第１ケースの場合と同じ
処理が行なわれる。ただし、第３ケースに該当する場合
には、再生速度倍率をｎとすると、１／ｎの圧縮率で伸
長圧縮処理を行ってもよい。

【００７６】（４）第４ケース（ｃａｓｅ４） 入力信号が無音区間であり、かつ無音区間の継続長が設
定されたポーズ継続長Ｔｄｅｌ未満であり、かつリング
メモリ７がオーバーフロー直前状態であると判別された
ときには、第４ケースとなる。この場合は、上記第２ケ
ースの場合と同じ処理が行なわれる。

【００７７】（５）第５ケース（ｃａｓｅ５） 入力信号が無音区間であり、かつ無音区間の継続長が設
定されたポーズ継続長Ｔｄｅｌ以上であり、かつリング
メモリ７がアンダーフロー直前状態ではないと判別され
たときには、第５ケースとなる。

【００７８】この場合には、音声信号はマルチプレクサ
２０を介して、入力信号削除部２５に送られ、音声信号
が削除される。具体的には、リングメモリ７への書き込
み動作が停止される。ただし、音声区間のスタート部分
（無声区間）が欠落するのを防止したり、音声の削除に
よって繋ぎ目にクリック音が発生したりするのを防止す
るために、波形合成挿入部２６によって波形合成挿入処
理が行なわれる。

【００７９】波形合成挿入部２６による波形合成挿入処
理について、図６（ａ）、（ｂ）を用いて説明する。図
６（ａ）による方法では、波形合成挿入部２６は、第１
メモリ３１および第２メモリ３２を備えている。入力信
号削除部２５による入力信号削除処理の開始時において
は、削除開始点から、１フレーム長以下の所定長さＴ
ｓ、例えば１フレーム分の入力信号が、第１メモリ３１
にアドレス順に順次記憶される。次に、第１メモリ３１
のアドレスが大きくなるにしたがって１から０に直線的
に変化する関数Ｋ１が、第１メモリ３１の内容Ａに乗算
される。そして、その乗算結果Ａ’が、再度第１メモリ
３１に書き込まれる。

【００８０】また、入力信号削除部２５による入力信号
削除区間の終了点直前の所定長さＴｓ分の入力信号が、
第２メモリ３２にアドレス順に順次記憶される。次に、
第２メモリ３２のアドレスが大きくなるほど、０から１
に直線的に変化する関数Ｋ２が、第２メモリ３２の内容
Ｂに乗算される。そして、その乗算結果Ｂ’が、再度第
２メモリ３２に書き込まれる。この後、第１メモリ３１
の内容Ａ’と、第２メモリ３２の内容Ｂ’とが加え合わ
されて、所定長さＴｓのデータＡ’＊Ｂ’が得られる。
そして、得られた所定長さＴｓ分のデータＡ’＊Ｂ’が
デマルチプレクサ２７を介して、リングメモリ７に送ら
れ、リングメモリ７に書き込まれる。

【００８１】図６（ｂ）による方法では、削除開始点か
ら、１フレーム長以下の所定長さＴｓ、例えば１フレー
ム分の入力信号が、第１メモリ３１にアドレス順に順次
記憶される。次に、後端に１から０に直線的に変化する
スロープがついた関数Ｋ３が、第１メモリ３１の内容Ａ
に乗算される。そして、その乗算結果Ａ’が、再度第１
メモリ３１に書き込まれる。

【００８２】また、入力信号削除部２５による入力信号
削除区間の終了点直前の所定長さＴｓ分の入力信号が、
第２メモリ３２にアドレス順に順次記憶される。次に、
前端に０から１に直線的に変化するスロープがついた関
数Ｋ４が、第２メモリ３２の内容Ｂに乗算される。そし
て、その乗算結果Ｂ’が、再度第２メモリ３２に書き込
まれる。この後、第１メモリ３１の内容Ａ’と、第２メ
モリ３２の内容Ｂ’とが繋ぎ合わされて、２Ｔｓ分のの
データＡ’＋Ｂ’が得られる。そして、得られた２Ｔｓ
分のデータＡ’＋Ｂ’がデマルチプレクサ２７を介し
て、リングメモリ７に送られ、リングメモリ７に書き込
まれる。図６（ｂ）では、Ｔｓが、１フレーム分の長さ
である例を示したが、１フレームの半分の長さのデータ
をＴｓとしてもよい。

【００８３】なお、入力信号削除部２５による無音区間
の音声信号の削除処理が繰り返し行なわれている場合
に、リングメモリ７がアンダーフロー直前状態になるこ
とがある。この場合には、リングメモリ７がアンダーフ
ロー直前状態なったときから、所定長さＴｓ分の入力信
号が第２メモリ３２に記憶される。そして、第１メモリ
３１に記憶されているデータと、第２メモリ３２に記憶
されているデータにもとづいて、上記と同様な波形合成
挿入処理が行なわれる。

【００８４】また、上記第２または第４ケースに該当
し、輪唱処理が行われている過程において、入力信号が
無音区間でかつ無音区間の継続長が設定されたポーズ継
続長Ｔｄｅｌ以上であり、かつリングメモリ７がアンダ
ーフロー直前状態ではないと判別されたときにも、入力
信号削除部２５による入力信号削除処理が行われる。ま
た、その場合には、リングメモリ７がアンダーフロー直
前状態にならなければ、波形合成挿入部２６によって、
図６に示すようなデータＡ’＊Ｂ’が作成される。

【００８５】（６）第６ケース（ｃａｓｅ６） 入力信号が無音区間であり、かつ無音区間の継続長が設
定されたポーズ継続長Ｔｄｅｌ以上であり、かつリング
メモリ７がアンダーフロー直前状態であると判別された
ときには、第６ケースとなる。

【００８６】この場合は、入力信号は、マルチプレクサ
２０を介して間引き処理部２４に送られる。間引き処理
部２４では、ＶＴＲの再生速度倍率をｎとして、圧縮率
が１／ｎとなるように間引き処理が行なわれる。たとえ
ば、２倍速再生時には入力信号に対して圧縮率１／２で
間引きが行なわれ、３倍速再生時には入力信号に対して
圧縮率１／３で間引きが行なわれる。１倍速再生時に
は、入力信号がそのまま出力される。

【００８７】１／ｎ間引き処理部２４による間引き処理
としては、次のような方法が用いられる。ここでは、２
倍速再生時を例にとって説明する。

【００８８】上述したＰＩＣＯＬＡまたはＴＤＨＳを用
いた時間軸圧縮法を用い、入力信号のピッチを抽出し、
ピッチデータ部分を圧縮率が１／２となるように、間引
く。

【００８９】また、図７（ａ）〜（ｃ）に示すように、
ピッチ抽出をすることなく、所定時間Ｔｓごとに波形を
間引くようにしてもよい。

【００９０】図７（ａ）の方法では、波形Ａ〜Ｄのう
ち、波形Ｂおよび波形Ｄが間引かれ、波形Ａ、Ｃからな
る信号が得られる。

【００９１】図７（ｂ）の方法では、波形Ａ〜Ｄのう
ち、波形Ｂと波形Ｄが間引かれている。また、波形Ａに
は、前端に０から１に上昇するスロープ（関数Ｋ４）
が、後端に１から０に下降するスロープ（関数Ｋ３）が
ついた関数が乗算されて、波形Ａ’が作成される。ま
た、波形Ｃには、前端に０から１に上昇するスロープ
（関数Ｋ４）が、後端に１から０に下降するスロープ
（関数Ｋ３）がついた関数が乗算されて、波形Ｃ’が作
成される。このようにして、４つの波形Ａ〜Ｄからなる
信号は、２つの波形Ａ’およびＣ’からなる信号に圧縮
される。

【００９２】図７（ｃ）の方法では、波形Ａに対して
は、１から０へ直線的に向かう重み（重み関数Ｋ１）が
つけられて、波形Ａ’が作成される。波形Ｂに対しては
０から１に向かう重み（重み関数Ｋ２）がつけられて、
波形Ｂ’が作成される。そして、それらの波形Ａ’およ
びＢ’が加え合わされ、長さＴｓの波形Ａ’＊Ｂ’が作
成される。

【００９３】同様に、波形Ｃに対しては、１から０へ直
線的に向かう重み（関数Ｋ１）がつけられて、波形Ｃ’
が作成される。波形Ｄに対しては０から１に向かう重み
（関数Ｋ２）がつけられて、波形Ｄ’が作成される。そ
して、それらの波形Ｃ’およびＤ’が加え合わされ、長
さＴｓの波形Ｃ’＊Ｄ’が作成される。このようにし
て、４つの波形Ａ〜Ｄからなる信号は、２つの波形Ａ’
＊Ｂ’およびＣ’＊Ｄ’からなる信号に圧縮される。

【００９４】上述のように、第６ケースに該当する場合
には、ＶＴＲの再生倍率をｎとして、圧縮率１／ｎで間
引き処理が行われているが、次のようにして圧縮率を制
御するようにしてもよい。

【００９５】圧縮率１／ｎで間引き処理が行われている
場合、Ｄ／Ａ変換器８のサンプリング周波数ｆｓＤＡと
Ａ／Ｄ変換器２のサンプリング周波数ｆｓＡＤとの比ｆ
ｓＤＡ／ｆｓＡＤが、圧縮率１／ｎと等しい場合には、
リングメモリ７の蓄積量は、変化しない。しかしなが
ら、圧縮率１／ｎの演算精度、サンプリング周波数ｆｓ
ＡＤとｆｓＤＡのクロック精度によっては、ｆｓＤＡ／
ｆｓＡＤが圧縮率１／ｎと等しくならないことが起こり
うる。

【００９６】ｆｓＤＡ／ｆｓＡＤが圧縮率１／ｎより大
きくなったとき（ｆｓＤＡ／ｆｓＡＤ＞１／ｎ）には、
ｆｓＤＡ／ｆｓＡＤ＝１／ａ（ａ＞０）として、｛（１
／ａ）−（１／ｎ）｝だけ、圧縮率が小さくなり、間引
きの度合いが大きくなり、リングメモリ７の蓄積量が減
少していき、リングメモリ７の蓄積量がアンダーフロー
するおそれがある。

【００９７】一方、 ｆｓＤＡ／ｆｓＡＤが圧縮率１／
ｎより小さくなったとき（ｆｓＤＡ／ｆｓＡＤ＜１／
ｎ）には、ｆｓＤＡ／ｆｓＡＤ＝１／ａ（ａ＞０）とし
て、｛（１／ｎ）−（１／ａ）｝だけ、圧縮率が大きく
なり、間引きの度合いが小さくなり、リングメモリ７の
蓄積量が増加していく。

【００９８】したがって、間引き処理を行う場合には、
リングメモリ７の蓄積量を確認して、次のように圧縮率
を制御する。ｆｓＤＡ／ｆｓＡＤ＝１／ａ（ａ＞０）と
して、（１／ｎ）−α＜１／ａ＜（１／ｎ）＋αの条件
を満たすαを選定する。ただし、αは、０以上で１以下
の値であり、例えば０．００１〜０．１の範囲の値であ
る。

【００９９】ｆｓＤＡ／ｆｓＡＤが圧縮率１／ｎより大
きくなったとき、すなわち、リングメモリ７の蓄積量が
減少していく場合には、圧縮率を１／ｎから｛（１／
ｎ）＋α｝にする。つまり、圧縮率を大きくし、リング
メモリ７の蓄積量を増加させるようにする。

【０１００】ｆｓＤＡ／ｆｓＡＤが圧縮率１／ｎより小
さくなったとき、すなわち、リングメモリ７の蓄積量が
増加していく場合には、圧縮率を１／ｎから｛（１／
ｎ）−α｝にする。つまり、圧縮率を小さくし、リング
メモリ７の蓄積量を減少させるようにする。

【０１０１】上記では、リングメモリ７の蓄積量に基づ
いて、圧縮率を変化させているが、間引き処理が行われ
る場合に、フレーム毎に圧縮率を｛（１／ｎ）−α｝ま
たは｛（１／ｎ）＋α｝に、交互に変化させるようにし
てもよい。

【０１０２】図８および図９は、話速変換部６による処
理手順を示している。

【０１０３】以下、ＶＴＲの２倍速再生時の場合の話速
変換部６による処理について、説明する。

【０１０４】（１）再生開始時の処理 再生が開始されて、パワー計算部１１によって最初のフ
レームの平均パワー値Ｐが算出される（ステップ１）。
次に、輪唱処理フラグＦ３がセットされているか否かが
判別される（ステップ２）。電源投入時においては、輪
唱処理フラグＦ３はリセット（Ｆ３＝０）されているの
で、ステップ２でＮＯとなり、ステップ３に移る。ステ
ップ３では上記ステップ１で算出された平均パワー値Ｐ
がしきい値Ｔｈ以上か否かが比較部１２の出力に基づい
て判別される（ステップ３）。

【０１０５】入力音声信号が無音区間から開始した場
合、最初のフレームにおいては、平均パワー値Ｐはしき
い値Ｔｈより小さくなり、ステップ１３に進む。そし
て、無音区間の継続長（無音区間が継続するフレーム
数）が算出され、算出された継続長がポーズ継続長メモ
リ１７に設定されているポーズ継続長Ｔｄｅｌ以上か否
かが判別される（ステップ１４）。このポーズ継続長Ｔ
ｄｅｌは、たとえば、フレーム数にして４フレーム分の
長さに設定されている。

【０１０６】最初のフレームに対する処理においては、
無音区間の継続長がポーズ継続長Ｔｄｅｌ未満であるの
で、リングメモリ蓄積量状態判別部１６の出力に基づい
て、リングメモリ７がアンダーフロー直前状態か否かが
判別される（ステップ１５、１６）。

【０１０７】最初のフレームに対する処理においては、
リングメモリ７は、アンダーフロー直前状態になってい
るので、フレームデータが間引き処理部２４によって圧
縮率１／２で間引かれ（ステップ３０）、間引き処理後
の圧縮データがリングメモリ７に書き込まれる。この
後、ステップ１に戻る。

【０１０８】（２）第１ケースとなる処理の説明 ステップ３で、平均パワー値Ｐがしきい値Ｔｈ以上であ
ると判別されたときには、今回のフレームが音声区間で
あると判断され、ステップ４に進む。ステップ４では、
前フレームが削除区間であったか否かが、第１フラグＦ
１の状態に基づいて判別される。前フレームが削除区間
でない場合には、リングメモリ蓄積量状態判別部１６の
出力に基づいて、リングメモリ７がオーバーフロー直前
状態か否かが判別される（ステップ７、８）。前フレー
ムが削除区間である場合には、ステップ５および６の処
理が行なわれた後、リングメモリ７がオーバーフロー直
前状態か否かが判別される（ステップ７、８）。ステッ
プ５および６の処理については、後述する。

【０１０９】ステップ８において、オーバーフロー直前
状態ではないと判別された場合には、第１ケースとな
り、ピッチ圧縮伸長手段２３によって、今回のフレーム
データが２／３の圧縮率で時間軸圧縮される（ステップ
９）。圧縮データは、リングメモリ７に送られて書き込
まれた後、ステップ１に戻る。

【０１１０】（２）第２ケースとなる処理の説明 ステップ３で、平均パワー値Ｐがしきい値Ｔｈ以上であ
ると判別されたときには、今回送られてきたフレームは
音声区間であると判断され、ステップ４に進む。ステッ
プ４では、前フレームが削除区間であったか否かが、第
１フラグＦ１の状態に基づいて判別される。前フレーム
が削除区間でない場合には、リングメモリ蓄積量状態判
別部１６の出力に基づいて、リングメモリ７がオーバー
フロー直前状態か否かが判別される（ステップ７、
８）。前フレームが削除区間である場合には、ステップ
４および５の処理が行なわれた後、リングメモリ７がオ
ーバーフロー直前状態か否かが判別される（ステップ
７、８）。ステップ５および６の処理については、後述
する。

【０１１１】ステップ８において、オーバーフロー直前
状態であると判別された場合には、第２ケースとなり、
輪唱処理フラグＦ３がセット（Ｆ３＝１）される（ステ
ップ１１）。そして、今回のフレームデータが被加重デ
ータとして輪唱処理メモリ４３に記憶される（ステップ
１２）。この後、ステップ１に戻る。そして、輪唱処理
ルーチンに進む。輪唱処理ルーチンの詳細については、
後述する。

【０１１２】（３）第３ケースとなる処理の説明 ステップ３で平均パワー値Ｐがしきい値Ｔｈより小さい
と判別されたときには、今回までの無音区間の継続長が
算出され（ステップ１３）、算出された継続長がポーズ
継続長メモリ１７に設定されているポーズ継続長Ｔｄｅ
ｌ以上か否かが判別される（ステップ１４）。そして、
無音区間の継続長がポーズ継続長Ｔｄｅｌ未満であると
判別された場合には、リングメモリ蓄積量状態判別部１
６の出力に基づいて、アンダーフロー直前状態か否かが
判別される（ステップ１５、１６）。

【０１１３】リングメモリ７がアンダーフロー直前状態
になっていないときには、リングメモリ蓄積量状態判別
部１６の出力に基づいて、オーバーフロー直前状態か否
かが判別される（ステップ７、８）。オーバーフロー直
前状態でない場合には、第３ケースとなり、ピッチ圧縮
伸長手段２３によって、今回のフレームデータが２／３
の圧縮率で時間軸圧縮される（ステップ９）。圧縮デー
タは、リングメモリ７に送られて書き込まれた後、ステ
ップ１に戻る。

【０１１４】（４）第４ケースとなる処理の説明 ステップ３で平均パワー値Ｐがしきい値Ｔｈより小さい
と判別されたときには、今回までの無音区間の継続長が
算出され（ステップ１３）、算出された継続長がポーズ
継続長メモリ１７に設定されているポーズ継続長Ｔｄｅ
ｌ以上か否かが判別される（ステップ１４）。そして、
無音区間の継続長がポーズ継続長Ｔｄｅｌ未満であると
判別された場合には、リングメモリ蓄積量状態判別部１
６の出力に基づいて、アンダーフロー直前状態か否かが
判別される（ステップ１５、１６）。

【０１１５】リングメモリ７がアンダーフロー直前状態
になっていないときには、リングメモリ蓄積量状態判別
部１６の出力に基づいて、オーバーフロー直前状態か否
かが判別される（ステップ７、８）。オーバーフロー直
前状態である場合には、第４ケースとなり、輪唱処理フ
ラグＦ３がセット（Ｆ３＝１）される（ステップ１
１）。そして、今回のフレームデータが被加重データと
して輪唱処理メモリ４３に記憶される（ステップ１
２）。この後、ステップ１に戻る。そして、輪唱処理ル
ーチンに進む。輪唱処理ルーチンの詳細については、後
述する。

【０１１６】（５）第５ケースとなる処理の説明 ステップ３で平均パワー値Ｐがしきい値Ｔｈより小さい
と判別されたときには、今回までの無音区間の継続長が
算出され（ステップ１３）、算出された継続長がポーズ
継続長メモリ１７に設定されているポーズ継続長Ｔｄｅ
ｌ以上か否かが判別される（ステップ１４）。そして、
無音区間の継続長がポーズ継続長Ｔｄｅｌ以上であると
判別された場合には、リングメモリ蓄積量状態判別部１
６の出力に基づいて、アンダーフロー直前状態か否かが
判別される（ステップ１７、１８）。

【０１１７】リングメモリ７がアンダーフロー直前状態
でないときには、第５ケースとなり、今回のフレームが
入力信号削除部２５による削除区間であることを示す第
１フラグＦ１がセットされる（ステップ１９）。この第
１フラグＦ１は、電源投入時の初期設定において、リセ
ット（Ｆ１＝０）されている。そして、今回のフレーム
が入力信号削除部２５による削除区間の最初のフレーム
であるか否かを示す第２フラグＦ２がリセットされてい
るか否かが判別される（ステップ２０）。

【０１１８】この第２フラグＦ２は、電源投入時の初期
設定において、リセット（Ｆ２＝０）されている。そし
て、入力信号削除部２５による削除区間の最初のフレー
ムに対する処理が終了したときにセット（Ｆ２＝１）に
される。そして、入力信号削除部２５による一連の削除
区間に対する処理が終了したときにリセット（Ｆ２＝
０）される。

【０１１９】したがって、今回のフレームが入力信号削
除部２５による削除区間の最初のフレームであるときに
は、第２フラグＦ２は、リセット（Ｆ２＝０）されてい
る。第２フラグＦ２がリセットされているときには、波
形合成挿入部２６によって第１メモリ３１に今回のフレ
ームデータが記憶される（ステップ２１）。また、入力
信号削除部２５によって今回のフレームデータのリング
メモリ７への書き込みが停止される（ステップ２２）。
つまり、今回のフレームデータが削除される。そして、
第２フラグＦ２がセット（Ｆ２＝１）された後（ステッ
プ２３）、ステップ１に戻る。

【０１２０】さらに、無音区間が続いている場合には、
ステップ３、１３、１４、１７を通ってステップ１８に
移り、リングメモリ蓄積量状態判別部１６の出力に基づ
いて、リングメモリ７がアンダーフロー直前状態か否か
が判別される。

【０１２１】リングメモリ７がアンダーフロー直前状態
でないときには、今回のフレームが入力信号削除部２５
による削除区間であることを示す第１フラグＦ１がセッ
トされる（ステップ１９）。そして、今回のフレームが
入力信号削除部２５による削除区間の最初のフレームで
あるか否かを示す第２フラグＦ２がリセットされている
か否かが判別される（ステップ２０）。

【０１２２】この場合には、第２フラグＦ２はセット
（Ｆ２＝１）されているので、今回のフレームが入力信
号削除部２５による削除区間の最初のフレームでないと
判断される。この場合には、波形合成挿入部２６によっ
て第２メモリ３２に今回のフレームデータが記憶される
（ステップ２４）。また、入力信号削除部２５によって
今回のフレームデータのリングメモリ７への書き込みが
停止される（ステップ２５）。そして、ステップ１に戻
る。

【０１２３】そして、さらに、無音区間が続きかつリン
グメモリ７がアンダーフロー直前状態となっていないと
きには、ステップ３、１３、１４、１７、１８、１９、
２０、２４および２５の処理が繰り返される。つまり、
第２メモリ３２のフレームデータが更新されるととも
に、フレームデータのリングメモリ７への書き込みが停
止される。

【０１２４】この後、音声区間のフレームデータが入力
されたときには、ステップ３において、平均パワー値Ｐ
がしきい値Ｔｈ以上となるので、前フレームが入力信号
削除部２５による削除区間であったか否かが、第１フラ
グＦ１状態に基づいて判別される（ステップ４）。この
場合には、第１フラグＦ１がセット（Ｆ１＝１）されて
いるので、前フレームが入力信号削除部２５による削除
区間であったと判別され、ステップ５に移る。ステップ
５では、入力信号削除部２５による削除処理が停止せし
められるとともに、波形合成挿入部２６による波形合成
挿入処理が行なわれる。

【０１２５】すなわち、図６（ａ）を用いて既に説明し
たように、第１メモリ３１の内容に１から０に直線的に
変化する関数が乗算され、第２メモリ３２の内容に０か
ら１に直線的に変化する関数が乗算され、これらの両乗
算結果が加え合わされる。この加算結果（図６（ａ）の
Ａ’＊Ｂ’に相当する。）が、デマルチプレクサ２７を
介して、リングメモリ７に送られ、リングメモリ７に書
き込まれる。

【０１２６】この後、第１フラグＦ１および第２フラグ
Ｆ２がリセット（Ｆ１＝Ｆ２＝０）される（ステップ
６）。そして、ステップ７に進む。

【０１２７】ところで、連続している無音区間に対し
て、上記のような入力信号削除部２５による削除処理が
繰り返し行なわれている場合において、リングメモリ７
がアンダーフロー直前状態になることがある。この場合
には、上記ステップ１８でＹＥＳとなり、ステップ２６
に移る。ステップ２６では、前フレームが入力信号削除
部２５による削除区間であったか否かが、第１フラグＦ
１の状態に基づいて判別される。

【０１２８】この場合には、第１フラグＦ１がセット
（Ｆ１＝１）されているので、ステップ２７に進み、第
２メモリ３２に今回のフレームデータが記憶される。そ
して、入力信号削除部２５による削除処理が停止せしめ
られるとともに、波形合成挿入部２６による波形合成挿
入処理が行なわれる（ステップ２８）。そして、第１フ
ラグＦ１および第２フラグＦ２がリセット（Ｆ１＝Ｆ２
＝０）された後（ステップ２９）、ステップ１に進む。

【０１２９】上記ステップ２８における波形合成挿入部
２６による波形合成挿入処理には、上記ステップ５で説
明した波形合成挿入処理とほぼ同様であるが、第２メモ
リ３２に記憶されているフレームデータが、リングメモ
リ７がアンダーフロー直前状態になった後のフレームデ
ータである点が、上記ステップ５で説明した処理の場合
と異なっている。

【０１３０】なお、上記ステップ２７の処理を省略し、
ステップ２６でＹＥＳとなった場合に、第２メモリ３２
に今回のフレームデータを記憶させることなく、ステッ
プ２８に移るようにしてもよい。この場合には、ステッ
プ２８で行なわれる波形合成挿入処理においては、上記
ステップ５で説明した波形合成挿入処理と同様に、第２
メモリ３２に記憶されているアンダーフロー直前状態よ
り前のフレームデータ（前回のフレームデータ）が用い
られる。

【０１３１】また、上記ステップ２４の処理を省略する
とともに上記ステップ４と上記ステップ５との間に、フ
レームデータを第２メモリ３２に記憶させるステップを
追加するようにしてもよい。この場合には、ステップ５
においては、上記ステップ２１において第１メモリ３１
に記憶された内容と、上記ステップ４と上記ステップ５
との間に追加されたステップにおいて第２メモリ３２に
記憶された内容とに基づいて、波形合成挿入処理が行わ
れる。

【０１３２】（６）第６ケースとなる処理の説明 ステップ３で平均パワー値Ｐがしきい値Ｔｈより小さい
と判別されたときには、今回までの無音区間の継続長が
算出され（ステップ１３）、算出された継続長がポーズ
継続長メモリ１７に設定されているポーズ継続長Ｔｄｅ
ｌ以上か否かが判別される（ステップ１４）。そして、
無音区間の継続長がポーズ継続長Ｔｄｅｌ以上であると
判別された場合には、リングメモリ蓄積量状態判別部１
６の出力に基づいて、アンダーフロー直前状態か否かが
判別される（ステップ１７、１８）。

【０１３３】リングメモリ７がアンダーフロー直前状態
であるときには、前フレームが入力信号削除部２５によ
る削除区間であったか否かが、第１フラグのＦ１状態に
基づいて判別される（ステップ２６）。第１フラグＦ１
がリセットされている場合（Ｆ１＝０）、すなわち、前
フレームが入力信号削除部２５による削除区間でなかっ
た場合には、第６ケースとなり、ステップ３０に移る。
ステップ３０では、間引き処理部２４によって、今回の
フレームデータが圧縮率１／２で間引き処理が行なわれ
る。そして、間引き処理されたデータは、リングメモリ
７に送られて書き込まれる。この後、ステップ１に戻
る。

【０１３４】つまり、無音区間の継続長がポーズ継続長
Ｔｄｅｌ以上であっても、リングメモリ７がアンダーフ
ロー直前状態であり、かつ前フレームが入力信号削除部
２５による削除区間でない場合には、フレームデータは
削除されず、圧縮率１／２で間引き処理が行なわれた
後、リングメモリ７に書き込まれる。

【０１３５】（７）輪唱処理ルーチンの説明 上記ステップ１１において、輪唱処理フラグＦ３がセッ
トされ、ステップ１２で輪唱処理メモリ４３にフレーム
データが記憶された後に、ステップ１に移った場合に行
われる処理について説明する。

【０１３６】まず、ステップ１において、パワー計算部
１１によって今回のフレームの平均パワー値Ｐが算出さ
れる。次に、輪唱処理フラグＦ３がセットされているか
否かが判別される（ステップ２）。この場合には、輪唱
処理フラグＦ３はセット（Ｆ３＝１）されているので、
ステップ２でＹＥＳとなり、輪唱処理ルーチンに移る
（ステップ５０）。そして、輪唱処理ルーチンの処理が
行われた後、ステップ１に戻る。

【０１３７】図１０および図１１は、輪唱処理ルーチン
の詳細を示している。

【０１３８】（７−１）入力音声が音声区間である場合 まず、上記ステップ１で算出された平均パワー値Ｐがし
きい値Ｔｈ以上であるか否かが判別される（ステップ５
１）。平均パワー値Ｐがしきい値Ｔｈ以上であると判別
されたときには、今回送られてきたフレームは音声区間
であると判断され、ステップ５２に進む。ステップ５２
では、前フレームが削除区間であったか否かが、第１フ
ラグＦ１の状態に基づいて判別される。前フレームが削
除区間でない場合には、輪唱処理メモリ４３への所定フ
レーム数の被加重データ（ＶＴＲの２倍速再生時には、
たとえば１秒間分の入力データ）の書込みが完了してい
るか否かが判別される（ステップ５５）。

【０１３９】輪唱処理メモリ４３への所定フレーム数の
被加重データの書込みが完了していないと判別されたと
きには、今回のフレームデータが輪唱処理メモリ４３に
継続して書き込まれる（ステップ５６）。そして、輪唱
処理フラグＦ３がセットされたまま、ステップ１に戻
る。したがって、この場合には、次のフレームデータに
対しても、ステップ５０の輪唱処理ルーチンが実行され
る。

【０１４０】ステップ５２において、前フレームが削除
区間であると判別された場合には、ステップ５３および
５４の処理が行なわれた後、輪唱処理メモリ４３への所
定フレーム数の被加重データの書込みが完了しているか
否かが判別される（ステップ５６）。ステップ５３およ
び５４の処理については、後述する。

【０１４１】上記ステップ５５において、輪唱処理メモ
リ４３への所定フレーム数の被加重データの書込みが完
了していると判別された場合には、今回のフレームデー
タに定数ｋまたは関数Ｆ（図５参照）が乗算された後、
その乗算結果が輪唱処理メモリ４３に記憶されている被
加重データのうち加算されるべきデータに加え合わされ
る（ステップ５７）。

【０１４２】この後、輪唱処理メモリ４３内の全ての被
加重データに対して、加算処理が行われたか否かが判別
される（ステップ５８）。輪唱処理メモリ４３内の全て
の被加重データに対して、加算処理が行われていない場
合には、輪唱処理フラグＦ３がセットされたまま、ステ
ップ１に戻る。したがって、この場合には、次のフレー
ムデータに対しても、ステップ５０の輪唱処理ルーチン
が実行される。

【０１４３】ステップ５８において、輪唱処理メモリ４
３内の全ての被加重データに対して、加算処理が行われ
たと判別された場合には、輪唱処理メモリ４３内の輪唱
データ（図５のＡ＊（Ｂ×ｋ）またはＡ＊（Ｂ×Ｆ）に
相当する）が、リングメモリ７に転送される（ステップ
５９）。そして、リングメモリ７の蓄積量がオーバーフ
ロー直前状態か否かが判別される（ステップ６０）。

【０１４４】依然として、リングメモリ７の蓄積量がオ
ーバーフロー直前状態である場合には、輪唱処理メモリ
４３がクリアされた後（ステップ６２）、輪唱処理フラ
グＦ３がセットされたまま、ステップ１に戻る。したが
って、この場合には、次のフレームデータに対しても、
ステップ５０の輪唱処理ルーチンが実行される。次の輪
唱処理ルーチンにおいて、ステップ５５の処理が行われ
る場合には、フレームデータが輪唱処理メモリ４３の先
頭から記録されることになる。なお、輪唱処理メモリ４
３は、電源投入時にはクリアされている。

【０１４５】ステップ６０において、リングメモリ７の
蓄積量がオーバーフロー直前状態でない場合には、輪唱
処理フラグＦ３がリセット（Ｆ３＝０）された後（ステ
ップ６１）、ステップ１に戻る。したがって、この場合
には、輪唱処理は終了し、次のフレームデータに対して
は、輪唱処理ルーチンは実行されない。

【０１４６】（７−２）入力音声が無音区間でありかつ
無音区間の継続長が所定長未満である場合 ステップ５１で平均パワー値Ｐがしきい値Ｔｈより小さ
い判別されたときには、今回までの無音区間の継続長が
算出され（ステップ７１）、算出された継続長がポーズ
継続長メモリ１７に設定されているポーズ継続長Ｔｄｅ
ｌ以上か否かが判別される（ステップ７２）。そして、
無音区間の継続長がポーズ継続長Ｔｄｅｌ未満であると
判別された場合には、ステップ５５に進む。そして、上
述したステップ５５〜６２の処理が行われる。

【０１４７】つまり、入力音声が無音区間でありかつ無
音区間の継続長が所定長未満である場合には、入力音声
が音声区間である場合と同様に、輪唱処理メモリ４３を
用いた輪唱処理が行われる。ステップ７２では、算出さ
れた継続長がポーズ継続長メモリ１７に設定されている
ポーズ継続長Ｔｄｅｌ以上か否かが判別されているが、
算出された継続長がポーズ継続長Ｔｄｅｌ以外の所定長
以上か否かを判別するようにしてもよい。この所定長と
しては、たとえば、Ｔｄｅｌの０．５倍〜１．０倍の間
の値が用いられる。

【０１４８】（７−３）入力音声が無音区間でありかつ
無音区間の継続長が所定長以上である場合 ステップ５１で平均パワー値Ｐがしきい値Ｔｈより小さ
い判別されたときには、今回までの無音区間の継続長が
算出され（ステップ７１）、算出された継続長がポーズ
継続長メモリ１７に設定されているポーズ継続長Ｔｄｅ
ｌ以上か否かが判別される（ステップ７２）。そして、
無音区間の継続長がポーズ継続長Ｔｄｅｌ以上であると
判別された場合には、リングメモリ蓄積量状態判別部１
６の出力に基づいて、アンダーフロー直前状態か否かが
判別される（ステップ７３、７４）。

【０１４９】リングメモリ７がアンダーフロー直前状態
でないときには、今回のフレームが入力信号削除部２５
による削除区間であることを示す第１フラグＦ１がセッ
トされる（ステップ７５）。この第１フラグＦ１は、電
源投入時の初期設定において、リセット（Ｆ１＝０）さ
れている。そして、今回のフレームが入力信号削除部２
５による削除区間の最初のフレームであるか否かを示す
第２フラグＦ２がリセットされているか否かが判別され
る（ステップ７６）。

【０１５０】この第２フラグＦ２は、電源投入時の初期
設定において、リセット（Ｆ２＝０）されている。そし
て、入力信号削除部２５による削除区間の最初のフレー
ムに対する処理が終了したときにセット（Ｆ２＝１）に
される。そして、入力信号削除部２５による一連の削除
区間に対する処理が終了したときにリセット（Ｆ２＝
０）される。

【０１５１】したがって、今回のフレームが入力信号削
除部２５による削除区間の最初のフレームであるときに
は、第２フラグＦ２は、リセット（Ｆ２＝０）されてい
る。第２フラグＦ２がリセットされているときには、波
形合成挿入部２６によって第１メモリ３１に今回のフレ
ームデータが記憶される（ステップ７７）。また、入力
信号削除部２５によって今回のフレームデータのリング
メモリ７および輪唱処理メモリ４３への書き込みが停止
される（ステップ７８）。つまり、今回のフレームデー
タが削除される。そして、第２フラグＦ２がセット（Ｆ
２＝１）された後（ステップ７９）、ステップ１に戻
る。したがって、この場合には、輪唱処理フラグＦ３は
セットされたままとなり、次のフレームデータに対して
も、ステップ５０の輪唱処理ルーチンが実行される。

【０１５２】そして、さらに、無音区間が続いている場
合には、ステップ５１、７１、７２、７３を通ってステ
ップ７４に移り、リングメモリ蓄積量状態判別部１６の
出力に基づいて、リングメモリ７がアンダーフロー直前
状態か否かが判別される。

【０１５３】リングメモリ７がアンダーフロー直前状態
でないときには、今回のフレームが入力信号削除部２５
による削除区間であることを示す第１フラグＦ１がセッ
トされる（ステップ７５）。そして、今回のフレームが
入力信号削除部２５による削除区間の最初フレームであ
るか否かを示す第２フラグＦ２がリセットされているか
否かが判別される（ステップ７６）。

【０１５４】この場合には、第２フラグＦ２はセット
（Ｆ２＝１）されているので、今回のフレームが入力信
号削除部２５による削除区間の最初のフレームでないと
判断される。この場合には、波形合成挿入部２６によっ
て第２メモリ３２に今回のフレームデータが記憶される
（ステップ８０）。また、入力信号削除部２５によって
今回のフレームデータのリングメモリ７および輪唱処理
メモリ４３への書き込みが停止される（ステップ８
１）。そして、ステップ１に戻る。したがって、この場
合にも、輪唱処理フラグＦ３はセットされたままとな
り、次のフレームデータに対しても、ステップ５０の輪
唱処理ルーチンが実行される。

【０１５５】そして、さらに、無音区間が続きかつリン
グメモリ７がアンダーフロー直前状態となっていないと
きには、ステップ５１、７１〜７６、８０および８１の
処理が繰り返される。つまり、第２メモリ３２のフレー
ムデータが更新されるとともに、フレームデータのリン
グメモリ７および輪唱処理メモリ４３への書き込みが停
止される。したがって、この場合にも、輪唱処理フラグ
Ｆ３はセットされたままとなり、次のフレームデータに
対しても、ステップ５０の輪唱処理ルーチンが実行され
る。

【０１５６】この後、音声区間のフレームデータが入力
されたときには、ステップ５１において、平均パワー値
Ｐがしきい値Ｔｈ以上となるので、前フレームが入力信
号削除部２５による削除区間であったか否かが、第１フ
ラグＦ１の状態に基づいて判別される（ステップ５
２）。この場合には、第１フラグＦ１がセット（Ｆ１＝
１）されているので、前フレームが入力信号削除部２５
による削除区間であったと判別され、ステップ５３に移
る。ステップ５３では、入力信号削除部２５による削除
処理が停止せしめられるとともに、波形合成挿入部２６
による波形合成挿入処理が行なわれる。

【０１５７】すなわち、図６（ａ）を用いて既に説明し
たように、第１メモリ３１の内容に１から０に直線的に
変化する関数が乗算され、第２メモリ３２の内容に０か
ら１に直線的に変化する関数が乗算され、これらの両乗
算結果が加え合わされる。この加算結果（図６（ａ）の
Ａ’＊Ｂ’に相当する。）が、今回のフレームデータの
前に繋ぎ合わされる。

【０１５８】つまり、輪唱処理ルーチンが繰り返し実行
されている過程において、フレームデータが削除された
場合には、削除区間の最初のフレームデータに１から０
に直線的に変化する関数が乗算され、削除区間の最後の
フレームデータに０から１に直線的に変化する関数が乗
算され、これらの両乗算結果が加え合わされる。この加
算結果が削除区間終了後の最初のフレームデータの前に
繋ぎ合わされる。これにより、削除区間の前後のつなぎ
目において、クリック音が発生するのが防止される。

【０１５９】この後、第１フラグＦ１および第２フラグ
Ｆ２がリセット（Ｆ１＝Ｆ２＝０）され（ステップ５
４）、ステップ５５に進む。

【０１６０】ところで、連続している無音区間に対し
て、上記のような入力信号削除部２５による削除処理が
繰り返し行なわれている場合において、リングメモリ７
がアンダーフロー直前状態になることがある。この場合
には、上記ステップ７４でＹＥＳとなり、ステップ８３
に移る。

【０１６１】ステップ８３においては、輪唱処理メモリ
４３に蓄積されているデータがリングメモリ７に転送さ
れる。その後、輪唱処理メモリ４３がクリアされる。ス
テップ８３において輪唱処理メモリ４３に蓄積されてい
るデータとしては、リングメモリ７がアンダーフロー直
前状態になるまで行われていた削除処理が開始される直
前の輪唱処理ルーチンにおいて、ステップ５５でＮＯと
なったときの被加重データまたは、ステップ５８でＮＯ
となったときの輪唱データがある。

【０１６２】ステップ８３の処理が行われると、輪唱処
理フラグＦ３がリセット（Ｆ３＝０）された後（ステッ
プ８４）、ステップ１に戻る。したがって、この場合に
は、次のフレームデータに対しては、輪唱処理ルーチン
は実行されない。

【０１６３】上記実施例では、図９のステップ１４にお
いて、無音区間の継続長が設定されたポーズ継続長Ｔｄ
ｅｌより長いか否かが判別されているが、図１２のステ
ップ１４Ａに示すように、無音区間の継続長Ｔが設定さ
れた第１基準長Ｔ１未満か（Ｔ＜Ｔ１）、無音区間の継
続長Ｔが設定された第１基準長Ｔ１以上で設定された第
２基準長Ｔ２（ただしＴ１＜Ｔ２）未満か（Ｔ１≦Ｔ＜
Ｔ２）、または無音区間の継続長Ｔが設定された第２基
準長Ｔ２以上か（Ｔ≧Ｔ２）を、判別するようにしても
よい。第１基準長としては、たとえば、４フレーム分の
長さが、第２基準長としてはたとえば４０フレーム分の
長さが設定される。

【０１６４】そして、図１２に示すように、各判別結果
に応じて、次のようなステップに進むようにしてもよ
い。すなわち、無音区間の継続長Ｔが設定された第１基
準長Ｔ１未満（Ｔ＜Ｔ１）である場合には、ステップ１
５に進む。無音区間の継続長Ｔが設定された第１基準長
Ｔ１以上で設定された第２基準長Ｔ２（Ｔ１＜Ｔ２）未
満（Ｔ１≦Ｔ＜Ｔ２）であるときには、ステップ３０に
進んで１／ｎ間引き処理による間引きを行なう。無音区
間の継続長Ｔが設定された第２基準長Ｔ２以上（Ｔ≧Ｔ
２）であるときには、ステップ１７に進む。

【０１６５】図１３は、２倍速再生時の入力信号と出力
信号との関係を示し、特に無音区間の入力信号が削除さ
れる様子を示している。図１４および図１５は、リング
メモリ７へのデータ書き込み開始点、リングメモリ７か
らのデータ読み出し開始点ならびに図１３の各点Ａ〜Ｈ
におけるリングメモリ７の状態を示している。

【０１６６】図１３では、２倍速再生開始時において
は、入力信号は無音区間となっており、かつリングメモ
リ７は空状態であるので（図１４（ａ）参照）、フレー
ムデータが間引き処理部２４によって圧縮率１／２で間
引かれた後、リングメモリ７に書き込まれていく。

【０１６７】そして、リングメモリ７の蓄積量Ｔｍがア
ンダーフロー検出用データＴｍｉｎに達すると、リング
メモリ７からのデータの読み出しが開始される（図１４
（ｂ）参照）。

【０１６８】そして、入力信号の音声区間ａに対するフ
レームデータが送られてくると（Ａ点）、ピッチ圧縮伸
長手段２３によって、フレームデータが圧縮率２／３で
圧縮される。入力信号と出力信号との長さが一致する圧
縮率１／２の圧縮を基準とすると、フレームデータが伸
長される。この意味で、図１３には、伸長処理と記載さ
れている。そして、この圧縮データがリングメモリ７に
書き込まれる。Ａ点においては、図１４（ｃ）に示すよ
うに、蓄積量ＴｍＡは、Ｔｍｉｎのままである。

【０１６９】入力信号の音声区間ａに対する出力信号ａ
１は、Ａ点での蓄積量ＴｍＡ分だけ遅れて読み出されて
いく。そして、入力信号の音声区間ａが入力され終わっ
た時点（Ｂ点）では、図１４（ｄ）に示すように、今回
の圧縮区間の開始点であるＡ点での蓄積量Ｔｍｉｎと、
Ａ点からＢ点までの音声区間ａの圧縮データの、圧縮率
１／２の圧縮に対する伸長分ＳｔＢとの和がリングメモ
リ７の蓄積量ＴｍＢ（＝ＳｔＢ＋Ｔｍｉｎ）となる。し
たがって、入力信号の音声区間ａに対する出力信号ａ１
は、Ｂ点からＴｍＢ（＝ＳｔＢ＋Ｔｍｉｎ）分が経過し
た点で出力され終わる。

【０１７０】入力信号の音声区間ａに続くポーズ継続長
Ｔｄｅｌ未満の無音区間のフレームデータも、ピッチ圧
縮伸長手段２３によって圧縮率２／３で圧縮される。こ
の無音区間に続いて音声区間ｂが入力されると、この音
声区間ｂのフレームデータもピッチ圧縮伸長手段２３に
よって圧縮率２／３で圧縮される。

【０１７１】そして、入力信号の音声区間ｂが入力され
終わった時点（Ｃ点）では、図１４（ｅ）に示すよう
に、今回の圧縮区間の開始点であるＡ点での蓄積量Ｔｍ
ｉｎと、Ａ点からＣ点までの入力信号に対応する圧縮デ
ータの、１／２圧縮に対する伸長分ＳｔＣとの和がリン
グメモリ７の蓄積量ＴｍＣ（＝ＳｔＣ＋Ｔｍｉｎ）とな
る。したがって、入力信号の音声区間ｂに対する出力信
号ｂ１は、Ｃ点からＴｍＣ（＝ＳｔＣ＋Ｔｍｉｎ）分が
経過した点で出力され終わる。

【０１７２】入力信号の音声区間ｂに続いて、ポーズ継
続長Ｔｄｅｌ以上の長さの無音区間の信号が送られてき
たときには、ポーズ継続長Ｔｄｅｌに達するまで（Ｄ
点）はフレームデータが、ピッチ圧縮伸長手段２３によ
って圧縮率２／３で圧縮される。

【０１７３】Ｄ点では、図１４（ｆ）に示すように、今
回の圧縮区間の開始点であるＡ点での蓄積量Ｔｍｉｎ
と、Ａ点からＤ点までの入力信号に対応する圧縮データ
の、１／２圧縮に対する伸長分ＳｔＤとの和がリングメ
モリ７の蓄積量ＴｍＤ（＝ＳｔＤ＋Ｔｍｉｎ）となる。
したがって、入力信号の音声区間ｂとＤ点との間の無音
区間に対する出力信号は、Ｄ点からＴｍＤ（＝ＳｔＤ＋
Ｔｍｉｎ）分が経過した点で出力され終わる。

【０１７４】ポーズ継続長Ｔｄｅｌ以降の無音区間のフ
レームデータは、リングメモリ７の蓄積量がアンダーフ
ロー検出用データＴｍｉｎ以下になるまで、入力信号削
除部２５によって削除される。このポーズ削除部分の長
さＳｔｄは、今回の圧縮区間の開始点であるＡ点からＤ
点までの入力信号に対応する圧縮データの、１／２圧縮
に対する伸長分ＳｔＤと等しくなる。入力信号削除部２
５によって削除処理が行なわれた後においては、波形合
成挿入部２２によってクリック音防止のための合成波形
が挿入されるが、図１３には挿入された合成波形部分を
省略してある。

【０１７５】入力信号が削除された区間の最終点（Ｅ
点）においては、図１５（ｇ）に示すように、リングメ
モリ７の蓄積量ＴｍＥは、アンダーフロー検出用データ
Ｔｍｉｎ以下となる。ここでは、蓄積量ＴｍＥがアンダ
ーフロー検出用データＴｍｉｎと等しくなった例を示し
ている。

【０１７６】Ｅ点からの無音区間に対するフレームデー
タは、間引き処理部２４によって、圧縮率１／２で間引
かれた後、フレームメモリ７に書き込まれる。そして、
音声区間ｃの信号が入力さると（Ｆ点）、この音声区間
ｃのフレームデータがピッチ圧縮伸長手段２３によっ
て、圧縮率２／３で圧縮される。つまり、新たな圧縮区
間が開始される。そして、圧縮データがリングメモリ７
に書き込まれる。

【０１７７】Ｆ点では、図１５（ｈ）に示すように、リ
ングメモリ７の蓄積量ＴｍＦは、Ｅ点のときと同じＴｍ
ｉｎとなっている。

【０１７８】入力信号の音声区間ｃに対する出力信号ｃ
１は、Ｆ点での蓄積量Ｔｍｉｎ分だけ遅れて出力されて
いく。入力信号の音声区間ｃに続くポーズ継続長Ｔｄｅ
ｌ未満の無音区間（音声区間ｃからＧ点までの無音区
間）のフレームデータも、ピッチ圧縮伸長手段２３によ
って圧縮率２／３で圧縮される。

【０１７９】Ｇ点では、図１５（ｉ）に示すように、今
回の圧縮区間の開始点であるＦ点での蓄積量Ｔｍｉｎ
と、Ｆ点からＧ点までの入力信号に対応する圧縮データ
の、１／２圧縮に対する伸長分ＳｔＧとの和がリングメ
モリ７の蓄積量ＴｍＧ（＝ＳｔＧ＋Ｔｍｉｎ）となる。
したがって、入力信号の音声区間ｃからＧ点までの無音
区間に対する出力信号は、Ｇ点からＴｍＧ（＝ＳｔＧ＋
Ｔｍｉｎ）分が経過した点で出力され終わる。

【０１８０】ポーズ継続長Ｔｄｅｌ以降の無音区間のフ
レームデータは、リングメモリ７の蓄積量がアンダーフ
ロー検出用データＴｍｉｎになるまで、入力信号削除部
２５によって削除される。このポーズ削除部分の長さＳ
ｔｄは、今回の圧縮区間の開始点であるＦ点からＧ点ま
での入力信号に対応する圧縮データの、１／２圧縮に対
する伸長分ＳｔＧと等しくなる。

【０１８１】入力信号が削除された区間の最終点（Ｈ
点）においては、図１５（ｊ）に示すように、リングメ
モリ７の蓄積量ＴｍＨは、アンダーフロー検出用データ
Ｔｍｉｎ以下となる。ここでは、蓄積量ＴｍＨがアンダ
ーフロー検出用データＴｍｉｎと等しくなった例を示し
ている。

【０１８２】Ｈ点からの無音区間に対するフレームデー
タは、間引き処理部２４によって、圧縮率１／２で間引
かれた後、フレームメモリ７に書き込まれる。そして、
音声区間ｄの信号が入力されると、この音声区間ｄのフ
レームデータがピッチ圧縮伸長手段２３によって、圧縮
率２／３で圧縮される。そして、伸長されたデータがリ
ングメモリ７に書き込まれる。

【０１８３】図１６は、２倍速再生時の入力信号と出力
信号との関係を示し、特にオーバーフロー直前状態とな
ったときに、入力信号が削除される様子を示している。
図１７は、図１６の各点ＳおよびＴにおけるリングメモ
リ７の状態を示している。

【０１８４】ある時点からＴ点までの、音声区間ａ、
ｂ、ｃ等と無音区間とを含む一連の入力信号に対するフ
レームデータが、ピッチ圧縮伸長手段２３によって圧縮
率２／３で圧縮され（圧縮率１／２の圧縮に対しては伸
長され）ているとする。この場合には、リングメモリ７
に伸長分が蓄積されていく。

【０１８５】音声区間ｂの入力開始点（Ｓ点）において
は、図１７（ａ）に示すように、当該１連の入力信号の
圧縮処理の開始点での蓄積量Ｔｍｉｎと、上記圧縮処理
の開始点からＳ点までの入力信号に対応する圧縮データ
の、１／２圧縮に対する伸長分ＳｔＳとの和がリングメ
モリ７の蓄積量ＴｍＳ（＝ＳｔＳ＋Ｔｍｉｎ）となる。
したがって、音声区間ｂに対する出力信号ｂ１は、Ｓ点
からＴｍＳ（＝ＳｔＳ＋Ｔｍｉｎ）分が経過した点で出
力され始められる。

【０１８６】音声区間ｃの入力信号に対応する圧縮デー
タがリングメモリ７に書き込まれた時点（Ｔ点）におい
て、リングメモリ７がオーバーフロー直前状態になった
とする。すなわち、Ｔ点において、リングメモリ７の蓄
積量がオーバーフロー検出用データＴｍａｘ以上になっ
たとする。

【０１８７】Ｔ点においては、図１７（ｂ）に示すよう
に、当該１連の入力信号に対する圧縮処理の開始点での
蓄積量Ｔｍｉｎと、上記圧縮処理開始点からＴ点までの
入力信号に対応する圧縮データの、１／２圧縮に対する
伸長分ＳｔＴとの和がリングメモリ７の蓄積量ＴｍＴ
（＝ＳｔＴ＋Ｔｍｉｎ）となる。言い換えれば、リング
メモリ７の全ワード数をＴＯＴＡＬとし、オーバーフロ
ー検出用データをＴｍａｘとし、ＴＯＴＡＬとＴｍａｘ
との差をＤｍｉｎとすると、Ｔ点での蓄積量Ｔｍｔは、
Ｔｍａｘに等しいので、ＴＯＴＡＬ−Ｄｍｉｎとなる。

【０１８８】したがって、当該１連の入力信号に対する
出力信号は、Ｔ点から蓄積量ＴｍＴ（＝ＳｔＴ＋Ｔｍｉ
ｎ）分遅れた時点（Ｖ地点）で出力され終わる。

【０１８９】Ｔ点において、リングメモリ７がオーバー
フロー直前状態になると、輪唱処理部２１による輪唱処
理が開始される。今、Ｔ点からＵ点までの間の入力信号
は、ポーズ継続長Ｔｄｅｌ未満の無音区間の入力信号
ｄ、音声区間の入力信号ｅ、ポーズ継続長Ｔｄｅｌ未満
の無音区間の入力信号ｆ、ポーズ継続長Ｔｄｅｌ以上の
無音区間の入力信号ｇ、音声区間の入力信号ｈおよびポ
ーズ継続長Ｔｄｅｌ未満の無音区間の入力信号ｉを含ん
でいるものとする。

【０１９０】この場合には、まず、Ｔ点から入力信号が
輪唱処理メモリ４３に順次記憶されていく。そして、入
力信号ｆが輪唱メモリ４３に記憶された時点で、輪唱処
理メモリ４３が満杯になったとする。

【０１９１】次の入力信号ｇはポーズ継続長Ｔｄｅｌよ
り長い無音区間の入力信号なので削除され、リングメモ
リ７にも輪唱メモリ４３にも入力信号ｇは記憶されな
い。ただし、この削除期間の最初のフレームデータは、
第１メモリ３１に記憶される。また、この削除処理が終
了したときには、第２メモリ３２には、削除期間の最後
のフレームデータが記憶されている。そして、次の入力
信号（音声区間の入力信号）ｈが入力された場合には、
波形合成挿入部２６による波形合成挿入処理が行なわれ
る。

【０１９２】すなわち、第１メモリ３１の内容に１から
０に直線的に変化する関数が乗算され、第２メモリ３２
の内容に０から１に直線的に変化する関数が乗算され、
これらの両乗算結果が加え合わされる。この加算結果
（合成波形：図６（ａ）のＡ’＊Ｂ’に相当する）が、
入力信号（音声区間の入力信号）ｈの前に繋ぎ合わされ
る。

【０１９３】そして、波形合成挿入部２６によって作成
された合成波形および入力信号ｈに、１以下の定数ｋま
たは関数Ｆが乗算される。そして、その乗算結果が輪唱
処理メモリ４３に記憶されている被加重データに加え合
わされて輪唱処理メモリ４３に記憶される。次の入力信
号ｉに対しても、１以下の定数ｋまたは関数Ｆが乗算さ
れる。そして、その乗算結果が輪唱処理メモリ４３に記
憶されている被加重データに加え合わされて輪唱処理メ
モリ４３に記憶される。これにより、輪唱処理メモリ４
３内の全ての被加重データに対して、加重データが加算
されたとすると、輪唱処理メモリ４３に記憶されている
輪唱データがリングメモリ７に転送される。

【０１９４】この輪唱データは、Ｖ点から出力され始め
られる。上述した輪唱処理の過程において、入力信号ｇ
が削除されたため、輪唱データがリングメモリ７に転送
された後のＵ点においては、リングメモリ７は、オーバ
ーフロー直前状態となっていないので、Ｕ点の後に音声
区間ｊの信号が入力されると、この音声区間に対するフ
レームデータは、ピッチ圧縮伸長手段２３によって圧縮
率２／３で圧縮され（圧縮率１／２の圧縮に対しては伸
長され）た後、リングメモリ７に書き込まれていく。音
声区間ｊに対する出力信号ｊ１は、輪唱データに続いて
出力され始められる。

【０１９５】上記実施例では、入力信号の音声区間と無
音区間とを、各フレームの平均パワー値に基づいて判別
しているが、各フレームの平均振幅に基づいて判別する
ようにしてもよい。この場合には、図１８に示すよう
に、図２のパワー計算部１１の代わりにフレーム単位で
平均振幅値を計算する平均振幅計算部１１Ａが設けら
れ、しきい値メモリ１３Ａには、Ａ／Ｄ変換部２の量子
化ビット数が１２ｂｉｔのときには、たとえば、値２⁶
のしきい値が設定される。そして、平均振幅計算部１１
Ａによって計算された平均振幅値と、しきい値メモリ１
３Ａのしきい値とが、比較部１２Ａによって比較される
ことにより、音声区間か無音区間かが判別される。

【０１９６】つまり、平均振幅値がしきい値以上であれ
ば音声区間と判別され、平均振幅値がしきい値未満であ
れば無音区間と判別される。フレーム単位の平均振幅値
Ｗは、サンプリングされた１フレーム内の各音声信号の
振幅をｉ₀ 、ｉ₁ 、…ｉ_N-1（ただし、Ｎ＝２００）と
すると、次の数式３に基づいて算出される。

【０１９７】

【数３】

【０１９８】その他の処理については、図２の話速変換
部６による処理と同じであるので、その説明を省略す
る。

【０１９９】なお、この場合においても、次のようにし
て、しきい値を変更するようにしてもよい。すなわち、
図１８に点線で示すように、平均振幅定常状態検出およ
びしきい値更新部１４Ａを設ける。平均振幅定常状態検
出およびしきい値更新部１４Ａは、平均振幅計算部１１
Ａからの平均振幅値Ｗが、所定フレーム数にわたって一
定であったか否かを判別し、一定であったときには（定
常状態）、そのときの平均振幅値Ｗの２倍の値をしきい
値メモリ１３Ａに書き込み、しきい値を更新させる。た
だし、更新されるしきい値の最大値は、所定値、たとえ
ば２⁸ に制限される。

【０２００】また、入力信号の音声区間と無音区間と
を、次の数式４で示す各フレームの音声信号の振幅累積
値Ｗａと所与のしきい値とに基づいて判別するようにし
てもよい。

【０２０１】

【数４】

【０２０２】また、入力信号の音声区間と無音区間と
を、各フレームの信号の周期性を検出し、検出した周期
が予め定められた音声信号のピッチ周期範囲内であれ
ば、音声区間であると判別し、検出した周期が予め定め
られた音声信号のピッチ周期範囲外であれば無音区間で
あると判別するようにしてもよい。

【０２０３】この場合には、図１９に示すように、図２
のパワー計算部１１の代わりに、自己相関法に基づい
て、フレームごとの周期性を検出するピッチ周期検出部
１１Ｂが設けられ、しきい値メモリ１３Ｂには、音声信
号のピッチ周期範囲が設定される。そして、ピッチ周期
検出部１１Ｂで検出された周期と、しきい値メモリ１３
Ｂに設定された音声信号のピッチ周期範囲とが、比較部
１２Ｂによって比較される。

【０２０４】設定される音声信号のピッチ周期範囲は、
再生速度により異なり、ｎ倍速再生のときには、たとえ
ば、６６×ｎ（Ｈｚ）〜３２０×ｎ（Ｈｚ）の範囲に設
定される。したがって、２倍速再生時には、音声信号の
ピッチ周期範囲は、１３２Ｈｚ〜６４０Ｈｚの範囲に設
定される。その他の処理については、図２の話速変換部
６による処理と同じであるので、その説明を省略する。

【０２０５】また、入力信号の音声区間と無音区間と
を、各フレームの信号のパワースペクトルと、定常状態
のパワースペクトルと比較することにより、判別するよ
うにしてもよい。

【０２０６】この場合には、図２０に示すように、図２
のパワー計算部１１の代わりに、フレームごとに所定の
１または複数の周波数帯域に対するパワースペクトルを
算出するパワースペクトル算出部１１Ｃが設けられる。
また、上記所定の１または複数の周波数帯域に対する定
常状態のパワースペクトルがパワースペクトル記憶部１
３Ｃに記憶されている。

【０２０７】パワースペクトル記憶部１３Ｃの内容は、
パワースペクトル算出部１１Ｃによって算出されたパワ
ースペクトルの変化状態に基づいて、パワースペクトル
定常状態検出部１４Ｂが定常状態であることを検出した
ときには、検出された定常状態でのパワースペクトルに
更新される。

【０２０８】入力信号がパワースペクトル算出部１１Ｃ
に送られてくると、フレームごとに所定の１または複数
の周波数帯域に対するパワースペクトルが算出される。
そして、算出されたパワースペクトルと、パワースペク
トル記憶部１３Ｃに記憶されている定常状態のパワース
ペクトルとが比較部１２Ｃによって比較される。

【０２０９】算出されたパワースペクトルが定常状態の
パワースペクトルに対して、変動していれば、そのフレ
ームは音声区間と判別される。逆に、算出されたパワー
スペクトルが定常状態のパワースペクトルに対して、変
動していなければ、そのフレームは無音区間と判別され
る。

【０２１０】具体的には、パワースペクトル記憶部１３
Ｃには、上記所定の１または複数の周波数帯域に対する
定常状態のパワースペクトルに基づいて、上記所定の１
または複数の周波数帯域に対するしきい値が記憶され
る。そして、パワースペクトル記憶部１３Ｃに記憶され
ている。パワースペクトル算出部１１Ｃによって算出さ
れた上記所定の１または複数の周波数帯域に対するパワ
ースペクトルと、パワースペクトル記憶部１３Ｃに記憶
されている対応するしきい値とが比較されることによ
り、入力信号が音声区間か無音区間かが判別される。

【０２１１】たとえば、定常状態のパワースペクトルが
図２１の（ａ）に示されているように、雑音のみのパワ
ースペクトルであるとする。また、雑音が含まれていな
い音声のパワースペクトルが図２１の（ｂ）に示されて
いるものとする。定常状態において、図２１（ａ）のパ
ワースペクトルで示される雑音が存在する場合に、図２
１（ｂ）で示すパワースペクトルを持つ音声信号が入力
すると、そのパワースぺクトルは、図２１（ｃ）に示さ
れるように、両者のパワースペクトルが合成されたもの
となる。

【０２１２】したがって、たとえば、定常状態のパワー
スペクトルにおいてパワーが比較的小さい周波数帯域ｆ
ａおよびｆｂに対するパワーは、音声区間のパワースペ
クトルにおいては大幅に増加する。つまり、定常状態の
パワースペクトルにおいてパワーが比較的小さい１また
は複数の周波数帯域における定常状態のパワーと、入力
信号のパワースペクトルの上記１または複数の周波数帯
域におけるパワーとを比較することにより、入力信号が
音声区間か無音区間かを判別することができる。

【０２１３】なお、定常状態の雑音が高い周波数帯域の
雑音であると判明している場合には、雑音の影響の少な
い低い周波数帯域（例えば、４ＫＨｚ以下の周波数帯
域）に対するパワースペクトルを算出し、算出されたパ
ワースペクトルが所定のしきい値以上か否かによって、
入力信号が音声区間か無音区間かを判別することもでき
る。

【０２１４】また、各フレームのパワー平均値Ｐと、し
きい値Ｔｈとを比較することにより、音声区間と無音区
間とを判別する場合において、リングメモリ７の蓄積量
に基づいて、しきい値Ｔｈを変化させるようにしてもよ
い。すなわち、リングメモリ７の蓄積量が少なくなるほ
ど、言い換えれば、リングメモリ７の空領域が多くなる
ほど、音声区間の欠落部が少なくなるようにしきい値Ｔ
ｈは小さくされる。これにより、出力音声が自然により
近くなる。

【０２１５】つまり、図２２に示すように、しきい値調
整手段５１を設ける。しきい値調整手段５１は、リング
メモリ蓄積量状態判別部１６からリングメモリ７の蓄積
量を得る。そして、得られたリングメモリ７の蓄積量
を、Ｄ／Ａ変換部８のサンプリング周波数で除すること
により、蓄積時間Ｔｍを算出する。そして、算出された
蓄積時間Ｔｍに基づいて、しきい値Ｔｈを決定し、しき
い値メモリ１３の内容を更新する。

【０２１６】より具体的に説明すると、リングメモリ蓄
積量状態判別部１６から得られたリングメモリ７の蓄積
量がＤ／Ａ変換部８のサンプリング周波数である８００
０で除されることにより、蓄積時間Ｔｍが求められる。
そして、予め作成された蓄積時間Ｔｍに対するしきい値
Ｔｈのデータに基づいて、蓄積時間Ｔｍに対するしきい
値Ｔｈが求められる。

【０２１７】次の表は、Ａ／Ｄ変換部２の量子化ビット
数が１２ｂｉｔである場合における蓄積時間Ｔｍに対す
るしきい値Ｔｈのデータの一例を示している。

【０２１８】

【表１】

【０２１９】また、各フレームのパワー累積値Ｐａとし
きい値とを比較することにより、音声区間と無音区間と
を判別する場合、各フレームの平均振幅値Ｗとしきい値
とを比較することにより、音声区間と無音区間とを判別
する場合、各フレームの振幅累積値Ｗａとしきい値とを
比較することにより、各フレームのパワースークトルと
しきい値とを比較することにより、音声区間と無音区間
とを判別する場合にも、上記と同様に、リングメモリ７
の蓄積量に基づいて、しきい値を変化させるようにして
もよい。

【０２２０】また、リングメモリ７の蓄積量に基づい
て、無音区間の削除開始点を決定するためのポーズ継続
長Ｔｄｅｌを変化させるようにしてもよい。すなわち、
リングメモリ７の蓄積量が少なくなるほど、言い換えれ
ば、リングメモリ７の空領域が多くなるほど、無音区間
の削除部が少なくなるように、ポーズ継続長Ｔｄｅｌが
長くされる。これにより、出力音声が自然により近くな
る。

【０２２１】つまり、図２２に示すように、ポーズ継続
長調整手段５２を設ける。ポーズ継続長調整手段５２
は、リングメモリ蓄積量状態判別部１６からリングメモ
リ７の蓄積量を得る。そして、得られたリングメモリ７
の蓄積量を、Ｄ／Ａ変換部８のサンプリング周波数で除
することにより、蓄積時間Ｔｍを算出する。そして、算
出された蓄積時間Ｔｍに基づいて、ポーズ継続長Ｔｄｅ
ｌを決定し、ポーズ継続長設定メモリ１７の内容を更新
する。

【０２２２】より具体的に説明すると、リングメモリ蓄
積量状態判別部１６から得られたリングメモリ７の蓄積
量がＤ／Ａ変換部８のサンプリング周波数である８００
０で除されることにより、蓄積時間Ｔｍが求められる。
そして、予め作成された蓄積時間Ｔｍに対するポーズ継
続長Ｔｄｅｌのデータに基づいて、蓄積時間Ｔｍに対す
るポーズ継続長Ｔｄｅｌが求められる。

【０２２３】次の表は、ＶＴＲの２倍速再生時における
蓄積時間Ｔｍに対するポーズ継続長Ｔｄｅｌのデータの
一例を示している。

【０２２４】

【表２】

【０２２５】上記実施例では、ピッチ圧縮伸長手段２３
は、固定された圧縮率で伸長圧縮処理を行っているが、
圧縮率をリングメモリ７の単位時間ごとの蓄積量の変化
量に基づいて、変化させるようにしてもよい。

【０２２６】ＶＴＲの２倍速再生時について説明する
と、ピッチ圧縮伸長手段２３では、１／２以上で１以下
の圧縮率αで伸長圧縮処理が行われる。ピッチ圧縮伸長
手段２３は、リングメモリ７の単位時間ごとの蓄積量の
変化量に基づいて、リングメモリ７への書込量が読出量
に対して少なくなるほど、圧縮率が大きくなるように、
つまり音声再生速度が遅くなるように、そして、リング
メモリ７への書込量が読出量に対して多くなるほど、圧
縮率が小さくなるように、つまり音声再生速度が速くな
るように、圧縮率αを決定する。

【０２２７】つまり、ピッチ圧縮伸長手段２３には、た
とえば２．０秒毎に、リングメモリ７の蓄積量が送られ
てくる。今回送られてきた蓄積量から前回送られてきた
蓄積量を減算することにより、単位時間当りの蓄積量の
変化量が求められる。次に、単位時間当りの蓄積量の変
化量が、Ｄ／Ａ変換部８のサンプリング周波数である８
０００で除されることにより、伸長時間の変化分ΔＴが
求められる。そして、予め作成された伸長時間の変化分
に対する圧縮率のデータに基づいて、伸長時間の変化分
ΔＴに対する圧縮率αが求められる。

【０２２８】次の表は、ＶＴＲの２倍速再生時における
伸長時間の変化分ΔＴに対する圧縮率αのデータの一例
を示している。この表において、Ｖは、圧縮率に対応す
る音声再生速度を示している。

【０２２９】

【表３】

【０２３０】この表からわかるように、伸長時間の変化
分ΔＴが小さくなるほど、すなわち、単位時間当たりの
リングメモリ７の蓄積量変化（読出量に対する書込量）
が少なくなるほど、圧縮率αは大きくなり、音声再生速
度が遅くなる。逆に、読出量に対する書込量が多くなる
ほど、圧縮率αは小さくなり、音声再生速度が速くな
る。したがって、音声区間における音声の欠落部をでき
るだけ少なくしつつ、音声区間における音声に対する音
声再生速度を遅くさせることができる。

【０２３１】また、ピッチ圧縮伸長手段２３で用いられ
る圧縮率を、ユーザが操作部を用いて設定したモードお
よびリングメモリ７の蓄積量の変化に基づいて、決定す
るようにしてもよい。ＶＴＲの２倍速再生時について説
明すると、ピッチ圧縮伸長手段２３では、１／２以上で
１以下の圧縮率αで伸長圧縮処理が行われる。

【０２３２】操作部によって設定されるモードの種類に
は、番組を選択するための番組設定モードと、番組設定
モードによって設定された番組に対して圧縮率αを固定
させるか変動させるかを設定する固定変動設定モードと
がある。

【０２３３】次の表は、ＶＴＲの２倍速再生時におい
て、番組設定モードによって設定される番組の例と、各
番組に対して固定モードが設定されたときの、各番組に
対する音声再生速度（圧縮率）と、各番組に対して変動
モードが設定されたときの、各番組に対する音声再生速
度（圧縮率）の変動範囲の一例をそれぞれ示している。

【０２３４】

【表４】

【０２３５】各番組に対する固定モードに対する音声再
生速度および変動モードに対する音声再生速度範囲は、
次のような考え方に基づいて設定されている。すなわ
ち、番組内容によって、発声速度が異なっている。例え
ば、ドラマ、ニュース、Ｆ１中継および将棋番組では、
発声速度は、Ｆ１中継が最も速く、ニュース、ドラマ、
将棋対局の順に発声速度が遅くなる。このような、発声
速度の違いは、単位時間当たりのモーラ数に起因してい
る。モーラ（ｍｏｒａ）とは、韻律音において、強勢や
抑揚などの単位となる音の相対的長さをいい、１モーラ
は、短母音を含む１音節の長さに相当する。

【０２３６】発話者により変動はあるが、各番組の単位
時間当りのモーラ数の平均値は、次のようになる。 Ｆ１中継：１２モーラ／秒 ニュース：８モーラ／秒 ドラマ ：５モーラ／秒 将棋対局：３モーラ／秒

【０２３７】固定モードが設定されているときには、設
定番組についての固定モードにおける音声再生速度に対
する圧縮率が、圧縮率αとして決定される。たとえば、
ニュース番組が設定され、かつ固定モードが設定されて
いるときには、圧縮率αは、１．４倍速に対する圧縮
率、たとえば０．７１４と決定される。このように、発
声速度が速い番組ほど圧縮率が小さく（音声再生速度が
速く）されるので、次のような利点がある。

【０２３８】つまり、発声速度が速い番組ほど、リング
メモリ７がオーバーフロー直前状態になりやすくなるの
で、音声再生速度が２倍速に近くなるように、圧縮率が
決定される。逆に、発声速度が遅い番組ほど、音声再生
速度が１倍速に近くなるように、圧縮率が決定される。
したがって、音声再生速度は、２倍速以下の速度であっ
て、かつ元の発声速度に応じた速度となり、より自然な
再生音が得られる。

【０２３９】変動モードが設定されている場合には、設
定番組についての変動モードにおける音声再生速度範囲
に対する圧縮率の範囲内で、圧縮率αが次のようにして
決定される。ピッチ圧縮伸長手段２３は、リングメモリ
７の蓄積量が少なくなるほど、圧縮率が大きくなるよう
に、つまり音声再生速度が遅くなるように、そして、リ
ングメモリ７の蓄積量が多くなるほど、圧縮率が小さく
なるように、つまり音声再生速度が速くなるように、圧
縮率αを決定し、決定した圧縮率を用いて伸長圧縮処理
を行う。

【０２４０】つまり、第１ケースまたは第３ケースに該
当すると判別されたときには、ピッチ圧縮伸長手段２３
は、リングメモリ蓄積量状態判別部１６から得たリング
メモリ７の蓄積量を、Ｄ／Ａ変換部８のサンプリング周
波数である８０００で除することにより、蓄積時間Ｔｍ
を求める。そして、各番組ごとに予め作成された蓄積時
間に対する圧縮率のデータに基づいて、蓄積時間Ｔｍに
対する圧縮率αを求める。

【０２４１】次の表は、ＶＴＲの２倍速再生時における
Ｆ１中継の番組についての蓄積時間Ｔｍに対する圧縮率
αのデータの一例を示している。この表において、Ｖ
は、圧縮率に対応する音声再生速度を示している。

【０２４２】

【表５】

【０２４３】この表からわかるように、リングメモリ７
の蓄積時間Ｔｍが小さくなるほど、圧縮率αは大きくな
り、音声再生速度が遅くなる。逆に、リングメモリ７の
蓄積時間Ｔｍが大きくなるほど、圧縮率αは小さくな
り、音声再生速度が速くなる。したがって、変動モード
が設定されている場合には、固定モードが設定された場
合に述べた上記の利点に加えて、入力信号の音声区間に
おける音声の欠落部をできるだけ少なくできるとい利点
がある。

【０２４４】上記方法では、音声の欠落部をできるだけ
少なくするようにしているが、Ｆ１中継、早口のニュー
スでは、高齢者には聞き取れない場合が起こりうる。こ
のような場合には、音声の欠落部を多くし、例えば、蓄
積時間に対する音声再生速度範囲を１．０〜１．３倍速
とし、音声をゆっくりにするようにしてもよい。このよ
うにすると、音声の欠落は多くなるが、再生される音声
速度がゆっくりになり、高齢者にも音声が聞取り易くな
る。

【０２４５】以上は、入力信号がアナログ信号の場合に
ついて説明したが、入力信号がディジタルデータである
場合にもこの発明を適用することができる。たとえば、
ＩＣメモリ、磁気ディスク、ディジタル通信回線等か
ら、圧縮されたディジタル音声信号が送られてきた場合
には、圧縮されたディジタル音声信号が伸長されてＰＣ
Ｍ音声信号に変換され、得られたＰＣＭ音声信号がバッ
ファに一旦格納される。その後、設定された再生速度倍
率に応じた速度で、ＰＣＭ音声データがバッファから読
み出されて、図１のフレームメモリ５に送られる。

【０２４６】

【発明の効果】この発明によれば、処理負荷を低減でき
るとともに、映像と音声のズレを小さくでき、しかも音
声信号を蓄積するためのメモリの容量も膨大とならない
話速変換装置が得られる。

【図面の簡単な説明】

【図１】話速変換装置の全体的な構成を示すブロック図
である。

【図２】話速変換部の構成を示すブロック図である。

【図３】ＰＩＣＯＬＡを用いて、入力信号を圧縮率２／
３で圧縮する方法を示す説明図である。

【図４】固定フレーム単位で、入力信号を圧縮率２／３
で圧縮する方法を示す説明図である。

【図５】輪唱処理を説明するための説明図である。

【図６】波形合成処理部による処理を説明するための説
明図である。

【図７】間引き処理部によって行なわれる各種の間引き
処理方法を説明するための説明図である。

【図８】話速変換部による処理手順を示すフローチャー
トである。

【図９】話速変換部による処理手順を示すフローチャー
トである。

【図１０】輪唱処理ルーチンの処理手順を示すフローチ
ャートである。

【図１１】輪唱処理ルーチンの処理手順を示すフローチ
ャートである。

【図１２】話速変換部による処理手順の変形例を示し、
図９に相当するフローチャートである。

【図１３】２倍速再生時の入力信号と出力信号との関係
を示し、特に無音区間の入力信号が削除される様子を示
すタイムチャートである。

【図１４】リングメモリ７へのデータ書き込み開始点、
リングメモリ７からのデータ読み出し開始点ならびに図
１３の点Ａ〜Ｄにおけるリングメモリ７の状態を示す模
式図である。

【図１５】図１３の点Ｅ〜Ｈにおけるリングメモリ７の
状態を示す模式図である。

【図１６】２倍速再生時の入力信号と出力信号との関係
を示し、特にオーバーフロー直前状態となったときに、
入力信号が削除される様子を示すタイムチャートであ
る。

【図１７】図１６の各点ＳおよびＴにおけるリングメモ
リ７の状態を示す模式図である。

【図１８】音声区間と無音区間とを判別するための回路
の変形例を示し、図２に相当するブロック図である。

【図１９】音声区間と無音区間とを判別するための回路
の他の変形例を示し、図２に相当するブロック図であ
る。

【図２０】音声区間と無音区間とを判別するための回路
のさらに他の変形例を示し、図２に相当するブロック図
である。

【図２１】定常状態のパワースペクトル、雑音を含まな
い音声のパワースペクトルおよび音声区間のパワースペ
クトルを示すグラフである。

【図２２】しきい値調整手段およびポーズ継続長調整手
段が付加された話速変換部を示すブロック図である。

【符号の説明】

２ Ａ／Ｄ変換部 ４ ＤＳＰ ５ フレームメモリ ６ 話速変換部 ７ リングメモリ ８ Ｄ／Ａ変換部 ９ アップダウンカウンタ １１ パワー計算部 １１Ａ 平均振幅計算部 １１Ｂ ピッチ周期検出部 １１Ｃ パワースペクトル計算部 １２、１２Ａ、１２Ｂ、１２Ｃ 比較部 １５ 条件分岐部 １６ リングメモリ蓄積量状態判別部 ２１ 輪唱処理部 ２３ ピッチ圧縮伸長手段 ２４ 間引き処理部 ２５ 入力信号削除部 ４１ 乗算器 ４２ 加算器 ４３ 輪唱処理メモリ ５１ しきい値調整手段 ５２ ポーズ継続長調整手段

───────────────────────────────────────────────────── フロントページの続き (72)発明者 飯田 正幸 大阪府守口市京阪本通２丁目５番５号 三洋電機株式会社内 (72)発明者 宮武 正典 大阪府守口市京阪本通２丁目５番５号 三洋電機株式会社内 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 21/04 G11B 20/02

Claims (12)

(57)【特許請求の範囲】
1. 【請求項１】リングメモリ、読出手段、蓄積量算出手
   段、話速変換処理手段を備える話速変換装置であって、 リングメモリは、話速変換処理手段の出力が書き込ま
   れ、 読出手段は、リングメモリのデータを一定速度で読出
   し、 蓄積量算出手段は、リングメモリへの書き込みと読み出
   しに基づいて、リングメモリの蓄積量を算出し、 話速変換処理手段は、区間判別手段、信号処理手段、選
   択手段を備え、 区間判別手段は、入力音声信号が音声区間であるか無音
   区間であるを判別し、 信号処理手段は、入力音声信号に対して、圧縮慎重処
   理、削除処理、２つの入力音声信号をそのまま、もしく
   は、一方を加工して加重する輪唱処理のいずれかを行
   い、 選択手段は、区間判別手段の判別結果、及び、蓄積算出
   手段の算出する蓄積量、及び設定された再生速度倍率に
   応じて信号処理手段のいずれかの処理を選択すると共
   に、蓄積量算出手段の算出する蓄積量がオーバーフロー
   直前状態である場合には、輪唱処理を選択する話速変換
   装置。
2. 【請求項２】Ａ／Ｄ変換手段、フレームメモリ、リング
   メモリ、読出手段、蓄積量算出手段、話速変換手段を備
   える話速変換装置であって、 Ａ／Ｄ変換手段は、アナログ音声信号を設定された再生
   速度倍率に応じたサンプリング周波数でサンプリング
   し、 フレームメモリは、Ａ／Ｄ変換手段からの音声信号を入
   力音声信号として話速変換手段に出力し、 リングメモリは、話速変換処理手段の出力が書き込ま
   れ、 読出手段は、リングメモリのデータを一定速度で読出
   し、 蓄積量算出手段は、リングメモリへの書き込みと読み出
   しに基づいて、リングメモリの蓄積量を算出し、 話速変換処理手段は、区間判別手段、信号処理手段、選
   択手段を備え、 区間判別手段は、入力音声信号が音声区間であるか無音
   区間であるを判別し、 信号処理手段は、入力音声信号に対して、圧縮慎重処
   理、削除処理、２つの入力音声信号をそのまま、もしく
   は、一方を加工して加重する輪唱処理のいずれかを行
   い、 選択手段は、区間判別手段の判別結果、及び、蓄積算出
   手段の算出する蓄積量、及び、設定された再生速度倍率
   に応じて信号処理手段のいずれかの処理を選択すると共
   に、蓄積量算出手段の算出する蓄積量がオーバーフロー
   直前状態である場合には、輪唱処理を選択する話速変換
   装置。
3. 【請求項３】フレームメモリ、リングメモリ、読出手
   段、蓄積量算出手段、話速変換手段を備える話速変換装
   置であって、 フレームメモリには、設定された再生速度倍率に応じた
   速度で入力される音声信号を入力音声信号として話速変
   換手段に出力し、 リングメモリは、話速変換処理手段の出力が書き込ま
   れ、 読出手段は、リングメモリのデータを一定速度で読出
   し、 蓄積量算出手段は、リングメモリへの書き込みと読み出
   しに基づいて、リングメモリの蓄積量を算出し、 話速変換処理手段は、区間判別手段、信号処理手段、選
   択手段を備え、 区間判別手段は、入力音声信号が音声区間であるか無音
   区間であるを判別し、 信号処理手段は、入力音声信号に対して、圧縮慎重処
   理、削除処理、２つの入力音声信号をそのまま、もしく
   は、一方を加工して加重する輪唱処理のいずれかを行
   い、 選択手段は、区間判別手段の判別結果、及び、蓄積算出
   手段の算出する蓄積量、及び、設定された再生速度倍率
   に応じて信号処理手段のいずれかの処理を選択すると共
   に、蓄積量算出手段の算出する蓄積量がオーバーフロー
   直前状態である場合には、輪唱処理を選択する話速変換
   装置。
4. 【請求項４】輪唱処理は、音声区間の入力音声信号、及
   び、無音区間の継続長が無音削除判別値未満の入力音声
   信号に対して、処理開始後の所定長のデータと、次の所
   定長のデータに１以下の定数を加算する請求項１乃至３
   に記載の話速変換装置。
5. 【請求項５】輪唱処理は、音声区間の入力音声信号、及
   び、無音区間の継続長が無音削除判別値未満の入力音声
   信号に対して、処理開始後の所定長のデータと、次の所
   定長のデータに関数を乗算する請求項１乃至３に記載の
   話速変換装置。
6. 【請求項６】区間判別手段は、パワー算出手段、判別手
   段からなり、 パワー算出手段は、所定数の入力音声信号のパワー平均
   値を算出し、 判別手段は、パワー平均値としきい値に基づいて、入力
   音声信号が音声区間か無音区間かを判別する請求項１乃
   至５に記載の話速変換装置。
7. 【請求項７】区間判別手段は、パワー算出手段、判別手
   段からなり、 パワー算出手段は、所定数の入力音声信号のパワー累積
   値を算出し、 判別手段は、パワー累積値としきい値に基づいて、入力
   音声信号が音声区間か無音区間かを判別する請求項１乃
   至５に記載の話速変換装置。
8. 【請求項８】区間判別手段は、振幅算出手段、判別手段
   からなり、 振幅算出手段は、所定数の入力音声信号の平均振幅値を
   算出し、 判別手段は、平均振幅値としきい値に基づいて、入力音
   声信号が音声区間か無音区間かを判別する請求項１乃至
   ５に記載の話速変換装置。
9. 【請求項９】区間判別手段は、振幅算出手段、判別手段
   からなり、 振幅算出手段は、所定数の入力音声信号の振幅累積値を
   算出し、 判別手段は、振幅累積値としきい値に基づいて、入力音
   声信号が音声区間か無音区間かを判別する請求項１乃至
   ５に記載の話速変換装置。
10. 【請求項１０】区間判別手段は、周期検出手段、判別手
    段からなり、 周期検出手段は、入力音声信号の周期を算出し、 判別手段は、周期としきい値に基づいて、入力音声信号
    が音声区間か無音区間かを判別する請求項１乃至５に記
    載の話速変換装置。
11. 【請求項１１】区間判別手段は、パワースペクトル算出
    手段、判別手段からなり、 パワースペクトル算出手段は、入力音声信号の所定の１
    または複数の周波数帯域に対するパワースペクトルを算
    出し、 判別手段は、パワースペクトルに基づいて入力音声信号
    が音声区間か無音区間かを判別する請求項１乃至５に記
    載の話速変換装置。
12. 【請求項１２】しきい値は、リングメモリの蓄積量に応
    じて調整される請求項６乃至１１に記載の話速変換装
    置。