JP3559588B2 - 音声合成方法及び装置 - Google Patents

Description

【０００１】
【産業上の利用分野】
本発明は、規則合成方式による音声合成方法および装置に関する。
本発明は、入力された文字列に対応する合成音声を出力するよう制御する音声合成制御方法及び装置に関する。
【０００２】
【従来の技術】
従来の音声規則合成装置では、合成音声の生成方法として、合成フィルタ方式（ＰＡＲＣＯＲ、ＬＳＰ、ＭＬＳＡ）、波形編集方式、インパルス応答波形の重ね合わせ方式を用いるものがあった。
【０００３】
【発明が解決しようとしている問題点】
しかしながら、上述した従来技術においては、合成フィルタ方式では音声波形の生成に要する計算量が多く、波形編集方式では合成音声の声の高さに合わせる波形編集処理が複雑であり、合成音声の音質が劣化する。また、インパルス応答波形の重ね合わせ方式では波形の重なり合う部分で音質が劣化する、というように各方法共問題があった。
【０００４】
上述した従来技術では、サンプリング周期の整数倍にならないピッチ周期をもつ音声波形を生成する処理が難しく、そのため、正確なピッチの合成音声が得られないという問題があった。
【０００５】
上述した従来技術では、合成音声のサンプリング周波数を変換するときに、サンプリング速度を上昇・下降させる処理と低域フィルタの処理を行わなければならず、処理が複雑で計算量が多い、という問題がある。
【０００６】
上述した従来技術では、周波数領域でのパラメータ操作ができず、操作者にとって感覚的にわかりにくいものであった。
【０００７】
上述した従来技術では、合成音声の音色を変える為には、パラメータそのものを操作しなければならず、処理が非常に複雑になるという問題があった。
【０００８】
上述した従来技術では、合成音声全ての音声波形を上述の合成フィルタ方式、波形編集方式、インパルス応答波形の重ね合わせ方式で生成しなければならず、計算量が多大になるという問題があった。
【０００９】
【課題を解決するための手段】
上記課題を解決するために、本発明は、入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成手段と、入力された合成音声の声の高さ情報と前記生成された合成パラメータから合成音声のピッチ周期でサンプリングされたスペクトル包絡を求め、そのサンプル値を時間領域の波形に変換することによってピッチ波形を生成するピッチ波形生成手段と、前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力手段とを備えることを特徴とする音声合成装置を提供する。
【００１０】
上記課題を解決するために、本発明は、入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成手段と、余弦関数と正弦関数との積和を行列としてピッチ毎に導出する行列導出手段と、入力された合成音声の声の高さ情報に応じた行列と前記合成パラメータとからピッチ波形を生成するピッチ波形生成手段と、前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力手段とを備えることを特徴とする音声合成装置を提供する。
【００１１】
上記課題を解決するために、本発明は、入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成工程と、入力された合成音声の声の高さ情報と前記生成された合成パラメータから合成音声のピッチ周期でサンプリングされたスペクトル包絡を求め、そのサンプル値を時間領域の波形に変換することによってピッチ波形を生成するピッチ波形生成工程と、前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力工程とを備えることを特徴とする音声合成方法を提供する。
【００１２】
上記課題を解決するために、本発明は、入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成工程と、余弦関数と正弦関数との積和を行列としてピッチ毎に導出する行列導出工程と、入力された合成音声の声の高さ情報に応じた行列と前記合成パラメータとからピッチ波形を生成するピッチ波形生成工程と、前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力工程とを備えることを特徴とする音声合成方法を提供する。
【００１３】
上記課題を解決するために、本発明は、入力された文字列に対応する音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成手段と、合成する音声の高さ情報を入力する高さ情報入力手段と、余弦関数と正弦関数との積和をピッチ毎に行列として予め求められている波形生成行列から前記高さ情報入力手段により入力された音声の高さ情報に対応する波形生成行列を読み出す波形生成行列読み出し手段と、
前記パラメータ生成手段により生成された合成パラメータと前記波形生成行列読み出し手段により読み出された波形生成行列とを演算することにより、ピッチ波形を生成するピッチ波形生成手段と、前記生成されたピッチ波形を接続して音声波形を出力するよう制御する音声波形出力制御手段とを備えることを特徴とする音声合成制御装置を提供する。
【００１４】
上記課題を解決するために、本発明は、入力された文字列に対応する音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成し、合成する音声の高さ情報を入力し、余弦関数と正弦関数との積和をピッチ毎に行列として予め求められている波形生成行列から前記入力された音声の高さ情報に対応する波形生成行列を読み出し、前記生成された合成パラメータと前記読み出された波形生成行列とを演算することによりピッチ波形を生成し、前記生成されたピッチ波形を接続して音声波形を出力するよう制御することを特徴とする音声合成制御方法を提供する。
【００２６】
【実施例】
（実施例１）
図２５は実施例の音声合成装置の構成を示すブロック図である。
【００２７】
１０１は合成音声のテキストや制御コマンド等を入力する為のキーボード（Ｋ．Ｂ）、１０２は表示器１０８の表示画面上の所望の位置を入力し得るポインティングデバイスであり、これによりアイコンを指示することで所望の制御コマンド等を入力することができる。１０３は本装置により実行される、後述する実施例中の各種処理を制御する中央処理装置（ＣＰＵ）であり、ＲＯＭ１０５に格納されている制御プログラムに従って処理を実行する。１０４は通信インターフェイス（Ｉ／Ｆ）であり、各種通信機関を利用したデータの送受信を制御する。１０５はリードオンリーメモリ（ＲＯＭ）であり、実施例に示すフローチャートに示す処理の制御プログラムを格納する。１０６はランダムアクセスメモリ（ＲＡＭ）であり、実施例中の各種処理で生じるデータを格納する手段として用いる。１０７はスピーカであり、合成音声やオペレータへのメッセージ等の音声を出力する。１０８はＬＣＤやＣＲＴ等の表示器であり、キーボードから入力されるテキストや処理途中のデータ表示を行う。１０９はバスであり、各構成間のデータ、コマンド等の伝送を行う。
【００２８】
図１は実施例１の音声合成装置の機能構成を示すブロック図である。これらの各機能は、図２５のＣＰＵ１０３の制御により実行される。１は文字系列入力部であり、合成すべき音声の文字系列を入力する。例えば合成すべき音声が「あいうえお」であるときには、「ＡＩＵＥＯ」というような表音テキストの文字系列を入力する。また、この文字系列入力部１より入力する文字系列中には、表音テキストの他に発声速度や声の高さなどを設定するための制御シーケンスなどを意味する文字系列が含まれることもある。文字系列入力部１は、入力した文字系列が表音テキストであるか制御シーケンスであるか判断する。２は制御データ格納部であり、文字系列入力部１で制御シーケンスと判断され、送られてきた文字系列や、ユーザインタフェースより入力される発声速度や声の高さなどの制御データを内部レジスタに格納する。３はパラメータ生成部であり、文字系列入力部１で入力され、表音テキストであると判断された文字系列に対応して、あらかじめ記憶してあるパラメータ系列をＲＯＭ１０５より読み出し、生成する。４はパラメータ格納部であり、パラメータ生成部３で生成されたパラメータ系列から処理対象とするフレームのパラメータを取り出して内部レジスタに格納する。５はフレーム時間長設定部であり、制御データ格納部２に格納された発声速度に関する制御データとパラメータ格納部４に格納された発声速度係数Ｋ（発声速度に応じてフレーム時間長を決めるために使用するパラメータ）から、各フレームの時間長Ｎｉを計算する。６は波形ポイント数格納部であり、１フレームの波形ポイント数ｎ_Ｗ を計算して内部レジスタに格納する。７は合成パラメータ補間部であり、パラメータ格納部４に格納されている合成パラメータを、フレーム時間長設定部５で設定されたフレーム時間長Ｎｉと波形ポイント数格納部６に格納された波形ポイント数ｎ_Ｗ で補間する。８はピッチスケール補間部であり、パラメータ格納部４に格納されているピッチスケールを、フレーム時間長設定部５で設定されたフレーム時間Ｎｉと波形ポイント数格納部６に格納された波形ポイント数ｎ_Ｗ で補間する。９は波形生成部であり、合成パラメータ補間部７で補間された合成パラメータとピッチスケール補間部８で補間されたピッチスケールからピッチ波形を生成し、ピッチ波形を接続して合成音声を出力する。
【００２９】
波形生成部９で行われるピッチ波形の生成について、図２、図３、図４、図５、図６を参照して説明する。
【００３０】
ピッチ波形の生成に用いる合成パラメータについて説明する。図２において、フーリエ変換の次数をＮ、合成パラメータの次数をＭとする。ここでＮ、ＭはＮ＞２Ｍを満たすようにする。音声の対数パワスペクトル包絡を
【００３１】
【外１】

とする。対数パワスペクトル包絡を指数関数に入力して線形に戻し、逆フーリエ変換して求めたインパルス応答は、
【００３２】
【外２】

となる。
【００３３】
合成パラメータ
ｐ（ｍ）（０＜ｍ＜Ｍ）
は、インパルス応答の０次の値と１次以降の値の比を相対的に２倍することにより得られる。すなわち、ｒ≠０として、
ｐ（０）＝ｒｈ（０）
ｐ（ｍ）＝２ｒｈ（ｍ）（１＜ｍ＜Ｍ）
とする。
【００３４】
サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は
【００３５】
【外３】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【００３６】
【外４】

となり、ピッチ周期ポイント数は
【００３７】
【外５】

となる。［ｘ］でｘ以下の最大の整数を表し、ピッチ周期ポイント数を整数で量子化して
Ｎ_ｐ （ｆ）＝［ｆ_ｓ／ｆ］
とする。ピッチ周期を角度２πに対応させたときの１ポイントごとの角度をθとすると、
【００３８】
【外６】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【００３９】
【外７】

となる（図３）。ピッチ波形を
ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【００４０】
【外８】

によってＣ（ｆ）が与えられる。
【００４１】
基本周波数の整数倍の正弦波を重ね合わせて
【００４２】
【外９】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））が生成される（図４）。
【００４３】
または、ピッチ周期の半分位相をずらして重ね合わせて
【００４４】
【外１０】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））が生成される（図５）。
【００４５】
ピッチスケールを声の高さを表現するための尺度とする。式（１）、（２）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓに対応するピッチ周期ポイント数をＮ_ｐ （ｓ）とし、
【００４６】
【外１１】

として、式（１）の場合
【００４７】
【外１２】

式（２）の場合
【００４８】
【外１３】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ）） （０＜ｋ＜Ｎ_ｐ （ｓ），０＜ｍ＜Ｍ）
とする。さらに、ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【００４９】
波形生成部９では、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、ピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））をテーブルから読み出し、
【００５０】
【外１４】

によりピッチ波形を生成する（図６）。
【００５１】
以上の表音テキストの入力からピッチ波形を生成するまでの動作を、図７のフローチャートを参照して説明する。
【００５２】
ステップＳ１で、文字系列入力部１より表音テキストを入力する。
【００５３】
ステップＳ２で、外部入力された制御データ（発声速度、声の高さ）と入力された表音テキスト中の制御データを制御データ格納部２に格納する。
【００５４】
ステップＳ３で、文字系列入力部１より入力された表音テキストからパラメータ生成部３においてパラメータ系列を生成する。
【００５５】
図８にステップＳ３で生成されたパラメータ１フレーム分のデータ構造例を示す。
【００５６】
ステップＳ４で波形ポイント数格納部６の内部レジスタを０に初期化する。波形ポイント数をｎ_Ｗ で表すと
ｎ_Ｗ ＝０
となる。
【００５７】
ステップＳ５で、パラメータ系列カウンタｉを０に初期化する。
【００５８】
ステップＳ６で、パラメータ生成部３から第ｉフレームと第ｉ＋１フレームのパラメータをパラメータ格納部４の内部レジスタに取り込む。
【００５９】
ステップＳ７で、制御データ格納部２より、発声速度をフレーム時間長設定部５に取り込む。
【００６０】
ステップＳ８で、フレーム時間長設定部５において、パラメータ格納部４に取り込まれたパラメータの発声速度係数と、制御データ格納部２より取り込まれた発声速度を用いて、フレーム時間長Ｎｉを設定する。
【００６１】
ステップＳ９で、波形ポイント数ｎ_Ｗ がフレーム時間長Ｎｉ未満か否かを判別することにより、第ｉフレームの処理が終了していないか否かを判断し、ｎ_Ｗ ＞Ｎｉの場合は第ｉフレームの処理が終了したと判断してステップＳ１４へ進み、ｎ_Ｗ ＜Ｎｉの場合は第ｉフレームの処理途中であると判断してステップＳ１０へ進み、処理が続けられる。
【００６２】
ステップＳ１０で、合成パラメータ補間部７において、パラメータ格納部４に取り込まれた合成パメータと、フレーム時間長設定部５で設定されたフレーム時間長と、波形ポイント数格納部６に格納された波形ポイント数を用いて、合成パラメータの補間を行う。図９は、合成パラメータの補間についての説明図である。第ｉフレームの合成パラメータをｐ_ｉ ［ｍ］（０＜ｍ＜Ｍ）、第ｉ＋１フレームの合成パラメータをｐ_ｉ＋１ ［ｍ］（０＜ｍ＜Ｍ）、第ｉフレームの時間長をＮ_ｉ ポイントとする。このとき、１ポイント当たりの合成パラメータの差分Δ_ｐ ［ｍ］（０＜ｍ＜Ｍ）は、
【００６３】
【外１５】

となる。次に、ピッチ波形を生成するごとに合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）を更新する。
【００６４】
ｐ［ｍ］＝ｐ_ｉ ［ｍ］＋ｎ_ｗ Δ_ｐ ［ｍ］ （３）
の処理をピッチ波形開始点で行う。
【００６５】
ステップＳ１１で、ピッチスケール補間部８において、パラメータ格納部４に取り込まれたピッチスケールと、フレーム時間長設定部５で設定されたフレーム時間長と波形ポイント数格納部６に格納された波形ポイント数を用いて、ピッチスケールの補間を行う。図１０はピッチスケールの補間についての説明図である。第ｉフレームのピッチスケールをｓ_ｉ 、第ｉ＋１フレームのピッチスケールをｓ_ｉ＋１ 、第ｉフレームのフレーム時間長をＮ_ｉ ポイントとする。このとき、１ポイント当たりのピッチスケールの差分Δ_ｓ は、
【００６６】
【外１６】

となる。次に、ピッチ波形を生成するごとにピッチスケールｓを更新する。
【００６７】
ｓ＝ｓ_ｉ ＋ｎ_Ｗ Δ_ｓ （４）
の処理をピッチ波形開始点で行う。
【００６８】
ステップＳ１２で、式（３）によって得られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形を生成する。ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０＜ｋ＜Ｎ_ｐ （ｓ），０＜ｍ＜Ｍ）をテーブルから読み出し、ピッチ波形を
【００６９】
【外１７】

によって生成する。
【００７０】
図１１は生成されたピッチ波形の接続についての説明図である。波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ） （０＜ｎ）
とする。ピッチ波形の接続は、第ｊフレームのフレーム時間をＮ_ｊ として
Ｗ（ｎ_Ｗ ＋ｋ）＝ｗ（ｋ） （ｉ＝０，０＜ｋ＜Ｎ_ｐ （ｓ））
【００７１】
【外１８】

によって行う。
【００７２】
ステップＳ１３で、波形ポイント数格納部６で波形ポイント数ｎ_Ｗ を
ｎ_Ｗ ＝ｎ_Ｗ ＋Ｎ_ｐ （ｓ）
のように更新し、ステップＳ９に戻り、処理を続ける。
【００７３】
ステップＳ９で、ｎ_Ｗ ＞Ｎ_ｉの場合はステップＳ１４に進む。
【００７４】
ステップＳ１４で、波形ポイント数ｎ_Ｗ を
ｎ_Ｗ ＝ｎ_Ｗ −Ｎ_ｉ
のように初期化する。
【００７５】
ステップＳ１５で、全フレームの処理が終了したか否かを判別し、終了していない場合はステップＳ１６に進む。
【００７６】
ステップＳ１６では外部入力された制御データ（発声速度、声の高さ）を制御データ格納部２に格納し、ステップＳ１７でパラメータ系列カウンタｉを
ｉ＝ｉ＋１
のように更新し、ステップＳ６に戻り、処理を続ける。
【００７７】
ステップＳ１５で全フレームの処理が終了したと判断される場合は処理を終了する。
【００７８】
（実施例２）
実施例２の音声合成装置の構成および機能構成を示すブロック図は、実施例１と同じく図２５および図１である。
【００７９】
本実施例では、ピッチ周期ポイント数の小数部分を表現すべく、位相のずれたピッチ波形を生成し、接続する例について説明する。
【００８０】
波形生成部９で行われるピッチ波形の生成について、図１２を参照して説明する。
【００８１】
ピッチ波形の生成に用いる合成パラメータを
ｐ（ｍ） （０≦ｍ＜Ｍ）
とする。サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は
【００８２】
【外１９】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【００８３】
【外２０】

となり、ピッチ周期ポイント数は
【００８４】
【外２１】

となる。
【００８５】
［ｘ］でｘ以下の整数を表す。
【００８６】
ピッチ周期ポイント数の小数部を、位相のずれたピッチ波形を接続することで表す。周波数ｆに対応するピッチ波形の個数を、位相数
ｎ_ｐ （ｆ）
とする。図１２はｎ_ｐ （ｆ）＝３としたときのピッチ波形の例を示したものである。さらに、拡張ピッチ周期ポイント数を
【００８７】
【外２２】

とし、ピッチ周期ポイント数を
【００８８】
【外２３】

と量子化する。ピッチ周期ポイント数を角度２πに対応させたときの１ポイントごとの角度をθ_１ とすると、
【００８９】
【外２４】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【００９０】
【外２５】

となる。拡張ピッチ周期ポイント数を２πに対応させたときの１ポイントごとの角度をθ_２ とすると、
【００９１】
【外２６】

となる。拡張ピッチ波形を
ｗ（ｋ） （０＜ｋ＜Ｎ（ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【００９２】
【外２７】

によってＣ（ｆ）が与えられる。
【００９３】
ピッチ周波数の整数倍の正弦波を重ね合わせて
【００９４】
【外２８】

のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ（ｆ））が生成される。
【００９５】
または、ピッチ周期の半分位相をずらして重ね合わせて
【００９６】
【外２９】

のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ（ｆ））を生成する。
【００９７】
位相インデックスを
ｉ_ｐ （０＜ｉ_ｐ ＜ｎ_ｐ （ｆ））
とする。ピッチ周波数ｆ、位相インデックスｉ_ｐ に対応する位相角を
【００９８】
【外３０】

と定義する。ａ ｍｏｄ ｂはａをｂで割った剰余を表すとして、
ｒ（ｆ，ｉ_ｐ ）＝ｉ_ｐ Ｎ（ｆ）ｍｏｄ ｎ_ｐ （ｆ）
と定義する。位相インデックスｉ_ｐ に対応するピッチ波形のピッチ波形ポイント数は
【００９９】
【外３１】

によって計算される。位相インデックスｉ_ｐ に対応するピッチ波形は
【０１００】
【外３２】

となる。この後、位相インデックスを
ｉ_ｐ ＝（ｉ_ｐ ＋１）ｍｏｄ ｎ_ｐ （ｆ）
と更新し、更新された位相インデックスを用いて、位相角を
φ_ｐ ＝φ（ｆ，ｉ_ｐ ）
と計算する。さらに、次のピッチ波形を生成するときにピッチ周波数がｆ′に変更されるときは、φ_ｐ に最も近い位相角を得るために
【０１０１】
【外３３】

を満たすｉ′を求めて
ｉ_ｐ ＝ｉ′
のようにｉ_ｐ を決定する。
【０１０２】
ピッチスケールを声の高さを表現するための尺度とする。式（５）、（６）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓ∈Ｓ（Ｓはピッチスケールの集合）に対応する位相数をｎ_ｐ （ｓ）、位相インデックスをｉ_ｐ （０＜ｉ_ｐ ＜ｎ_ｐ （ｓ））、拡張ピッチ周期ポイント数をＮ（ｓ）、ピッチ周期ポイント数をＮ_ｐ （ｓ）、ピッチ波形ポイント数をＰ（ｓ，ｉ_ｐ ）とし、
【０１０３】
【外３４】

として、式（５）の場合
【０１０４】
【外３５】

式（６）の場合
【０１０５】
【外３６】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋｍ（ｓ，ｉ_ｐ ））
（０≦ｋ＜Ｐ（ｓ，ｉ_ｐ ），０≦ｍ＜Ｍ）
とする。ピッチスケールｓと位相インデックスｉ_ｐ に対応する位相角
【０１０６】
【外３７】

をテーブルに記憶しておく。また、ピッチスケールｓと位相角φ_ｐ （∈｛φ（ｓ，ｉ_ｐ ）｜ｓ∈Ｓ，０＜ｉ＜ｎ_ｐ （ｓ）｝）に対して
【０１０７】
【外３８】

を満たすｉ_０ を与える対応関係を
ｉ_０ ＝Ｉ（ｓ，φ_ｐ ）
として、テーブルに記憶しておく、さらに、ピッチスケールｓと位相インデックスｉ_ｐ に対応する位相数ｎ_ｐ （ｓ）、ピッチ波形ポイント数Ｐ（ｓ，ｉ_ｐ ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０１０８】
波形生成部９では、内部レジスタに格納されている位相インデックスをｉ_ｐ 、位相角をφ_ｐ とし、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、位相インデックスを
ｉ_ｐ ＝Ｉ（ｓ，φ_ｐ ）
により決定し、ピッチ波形ポイント数Ｐ（ｓ，ｉ_ｐ ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋｍ（ｓ，ｉ_ｐ ））をテーブルから読み出し、
【０１０９】
【外３９】

によりピッチ波形を生成する。ピッチ波形を生成した後、位相インデックスを
ｉ_ｐ ＝（ｉ_ｐ ＋１）ｍｏｄ ｎ_ｐ （ｓ）
のように更新し、更新された位相インデックスを用いて位相角を
φ_ｐ ＝φ（ｓ，ｉ_ｐ ）
のように更新する。
【０１１０】
以上の動作を、図１３のフローチャートを参照して説明する。
【０１１１】
ステップＳ２０１で、文字系列入力部１より表音テキストを入力する。
【０１１２】
ステップＳ２０２で、外部入力された制御データ（発声速度、声の高さ）と入力された表音テキスト中の制御データを制御データ格納部２に格納する。
【０１１３】
ステップＳ２０３で、文字系列入力部１より入力された表音テキストからパラメータ生成部３においてパラメータ系列を生成する。
【０１１４】
ステップＳ２０３で生成されたパラメータ１フレームのデータ構造は実施例１と同じであり、図８に示されている。
【０１１５】
ステップＳ２０４で、波形ポイント数格納部６の内部レジスタを０に初期化する。波形ポイント数をｎ_ｗ で表すと
ｎ_ｗ ＝０
となる。
【０１１６】
ステップＳ２０５で、パラメータ系列カウンタｉを０に初期化する。
【０１１７】
ステップＳ２０６で、位相インデックスｉ_ｐ を０に、位相角φ_ｐ を０に初期化する。
【０１１８】
ステップＳ２０７で、パラメータ生成部３から第ｉフレームと第ｉ＋１フレームのパラメータをパラメータ格納部４に取り込む。
【０１１９】
ステップＳ２０８で、制御データ格納部２より、発声速度をフレーム時間長設定部５に取り込む。
【０１２０】
ステップＳ２０９で、フレーム時間長設定部５において、パラメータ格納部４に取り込まれたパラメータの発声速度係数と、制御データ格納部２より取り込まれた発声速度を用いて、フレーム時間長Ｎ_ｉ を設定する。
【０１２１】
ステップＳ２１０で、波形ポイント数ｎ_ｗ がフレーム時間長Ｎ_ｉ 未満か否かを判別し、ｎ_ｗ ＞Ｎ_ｉ の場合はステップＳ２１７へ進み、ｎ_ｗ ＜Ｎ_ｉ の場合はステップＳ２１１へ進み、処理を続ける。
【０１２２】
ステップＳ２１１で、合成パラメータ補間部７において、パラメータ格納部４に取り込まれた合成パラメータと、フレーム時間長設定部５で設定されたフレーム時間長と、波形ポイント数格納部６に格納された波形ポイント数を用いて、合成パラメータの補間を行う。パラメータの補間は実施例１のステップＳ１０と同じである。
【０１２３】
ステップＳ２１２で、ピッチスケール補間部８において、パラメータ格納部４に取り込まれたピッチスケールと、フレーム時間長設定部５で設定されたフレーム時間長と波形ポイント数格納部６に格納された波形ポイント数を用いて、ピッチスケールの補間を行う。ピッチスケールの補間は実施例１のステップＳ１１と同じである。
【０１２４】
ステップＳ２１３で、式（４）によって得られたピッチスケールｓと位相角φ_ｐ から
ｉ_ｐ ＝Ｉ（ｓ，φ_ｐ ）
によって位相インデックスを決定する。
【０１２５】
ステップＳ２１４で、式（３）によって得られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形を生成する。ピッチスケールｓに対応するピッチ波形ポイント数Ｐ（ｓ，ｉ_ｐ ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋｍ（ｓ，ｉ_ｐ ））（０＜ｋ＜Ｐ（ｓ，ｉ_ｐ ），０＜ｍ＜Ｍ）をテーブルから読み出し、ピッチ波形を
【０１２６】
【外４０】

によって生成する。
【０１２７】
波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。ピッチ波形の接続は実施例１と同様であり、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_Ｗ ＋ｋ）＝ｗ_ｐ （ｋ） （ｉ＝０，０＜ｋ＜Ｐ（ｓ，ｉ_ｐ ））
【０１２８】
【外４１】

によって行う。
【０１２９】
ステップＳ２１５で、位相インデックスを
ｉ_ｐ ＝（ｉ_ｐ ＋１）ｍｏｄ ｎ_ｐ （ｓ）
のように更新し、更新された位相インデックスｉ_ｐ を用いて、位相角を
φ_ｐ ＝φ（ｓ，ｉ_ｐ ）
のように更新する。
【０１３０】
ステップＳ２１６で、波形ポイント数格納部６で波形ポイント数ｎ_ｗ を
ｎ_ｗ ＝ｎ_ｗ ＋Ｐ（ｓ，ｉ_ｐ ）
のように更新し、ステップＳ２１０に戻り、処理を続ける。
【０１３１】
ステップＳ２１０で、ｎ_ｗ ＞Ｎ_ｉ の場合はステップＳ２１７へ進む。
【０１３２】
ステップＳ２１７で、波形ポイント数ｎ_ｗ を
ｎ_ｗ ＝ｎ_ｗ −Ｎ_ｉ
のように初期化する。
【０１３３】
ステップＳ２１８で、全フレームの処理が終了したか否かを判別し、終了していない場合はステップＳ２１９に進む。
【０１３４】
ステップＳ２１９では外部入力された制御データ（発声速度、声の高さ）を制御データ格納部２に格納し、ステップＳ２２０でパラメータ系列カウンタｉを
ｉ＝ｉ＋１
のように更新し、ステップＳ２０７に戻り、処理を続ける。
【０１３５】
ステップＳ２１８で全フレームの処理が終了したと判断される場合は処理を終了する。
【０１３６】
（実施例３）
本実施例では、実施例１におけるピッチ波形生成の方法に加え、無声波形の生成について説明する。
【０１３７】
図１４は、実施例３の音声合成装置の機能構成を示すブロック図である。これらの各機能は、図２５のＣＰＵ１０３の制御により実行される。３０１は文字系列入力部であり、合成すべき音声の文字系列を入力する。例えば合成すべき音声が「音声」であるときには、「ＯｎＳＥＩ」というような表音テキストの文字系列を入力する。また、この文字系列入力部３０１より入力する文字系列中には、表音テキストの他に発声速度や声の高さなどを設定するための制御シーケンスを意味する文字系列などが含まれることもある。文字系列入力部３０１は、入力した文字系列が表音テキストであるか制御シーケンスであるか判断する。３０２は制御データ格納部であり、文字系列入力部３０１で制御シーケンスと判断され、送られてきた文字系列や、ユーザインタフェースより入力される発声速度や声の高さなどの制御データを内部レジスタに格納する。３０３はパラメータ生成部であり、文字系列入力部３０１で入力され、表音テキストであると判断された文字系列に対応して予め記憶してあるパラメータ系列をＲＯＭ１０５より読み出し、生成する。３０４はパラメータ格納部であり、パラメータ生成部３０３で生成されたパラメータ系列から処理対象とするフレームのパラメータを取り出して内部レジスタに格納する。３０５はフレーム時間長設定部であり、制御データ格納部３０２に格納された発声速度に関する制御データとパラメータ格納部３０４に格納された発声速度係数Ｋ（発声速度に応じてフレーム時間長を決めるために使用するパラメータ）から、各フレームの時間長Ｎｉ を計算する。３０６は波形ポイント数格納部であり、１フレームの波形ポイント数ｎ_ｗ を計算して内部レジスタに格納する。３０７は合成パラメータ補間部であり、パラメータ格納部３０４に格納されている合成パラメータを、フレーム時間長設定部３０５で設定されたフレーム時間長Ｎｉ と波形ポイント数格納部３０６に格納された波形ポイント数ｎ_ｗ で補間する。３０８はピッチスケール補間部であり、パラメータ格納部３０４に格納されているピッチスケールを、フレーム時間長設定部３０５で設定されたフレーム時間長Ｎｉ と波形ポイント数格納部３０６に格納された波形ポイント数ｎ_ｗ で補間する。３０９は波形生成部であり、合成パラメータ補間部３０７で補間された合成パラメータとピッチスケール補間部３０８で補間されたピッチスケールからピッチ波形を生成し、ピッチ波形を接続して合成音声を出力する。また、波形生成部３０９は、合成パラメータ補間部３０７より出力された合成パラメータから無声波形を生成し、無声波形を接続して合成音声を出力する。
【０１３８】
波形生成部３０９で行われるピッチ波形の生成は実施例１における波形生成部９と同じである。
【０１３９】
本実施例では、波形生成部３０９で行われるピッチ波形の生成の他に更なる無声波形の生成について説明する。
【０１４０】
無声波形の生成に用いる合成パラメータを
ｐ（ｍ）（０≦ｍ＜Ｍ）
とする。サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は
【０１４１】
【外４２】

である。無声波形の生成に使用する正弦波のピッチ周波数を
ｆ
とする。ｆは、可聴周波数帯域よりも低い周波数に設定される。
【０１４２】
［ｘ］でｘ以下の整数を表す。
【０１４３】
ピッチ周波数ｆに対応するピッチ周期ポイント数は
【０１４４】
【外４３】

となる。無声波形ポイント数を
Ｎ_ｕｖ＝Ｎ_ｐ （ｆ）
とする。無声波形ポイント数を角度２πに対応させたときの１ポイントごとの角度をθとすると、
【０１４５】
【外４４】

となる。ピッチ周波数ｆの整数倍におけるスペクトル包絡の値は
【０１４６】
【外４５】

となる。無声波形を
ｗ_ｕｖ（ｋ）（０＜ｋ＜Ｎ_ｕｖ）
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０１４７】
【外４６】

によってＣ（ｆ）が与えられる。無声波形生成に使用するパワ正規化係数を
Ｃ_ｕｖ＝Ｃ（ｆ）
とする。
【０１４８】
ピッチ周波数ｆの整数倍の正弦波を、位相をランダムにずらして重ね合わせることにより無声波形を生成する。位相のずれをα_ｌ （１＜ｌ＜［Ｎ_ｕｖ／２］）とする。α_ｌ は
−π＜α_ｌ ＜π
を満たすランダムな値に設定される。
【０１４９】
【外４７】

のように無声波形ｗ_ｕｖ（ｋ）（０≦ｋ＜Ｎ_ｕｖ）が生成される。
【０１５０】
式（７）の演算を直接行う代わりに、以下のように計算を高速化することもできる。無声波形インデックスを
ｉ_ｕｖ（０＜ｉ_ｕｖ＜Ｎ_ｕｖ）
として、
【０１５１】
【外４８】

を計算してテーブルに記憶しておく。無声波形生成行列を
ＵＶＷＧＭ（ｉ_ｕｖ）＝（ｃ（ｉ_ｕｖ，ｍ））（０≦ｉ_ｕｖ＜Ｎ_ｕｖ，０≦ｍ＜Ｍ）
とする。さらに、ピッチ周期ポイント数Ｎ_ｕｖ、パワ正規化係数Ｃ_ｕｖをテーブルに記憶しておく。
【０１５２】
波形生成部３０９では、内部レジスタに格納されている無声波形インデックスをｉ_ｕｖ、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）を入力として、パワ正規化係数Ｃ_ｕｖ、無声波形生成行列ＵＶＷＧＭ（ｉ_ｕｖ）＝（ｃ（ｉ_ｕｖ，ｍ））がテーブルから読み出され、
【０１５３】
【外４９】

により無声波形が１ポイント生成される。無声波形が生成された後、ピッチ周期ポイント数Ｎ_ｕｖがテーブルから読み出され、無声波形インデックスｉ_ｕｖを
ｉ_ｕｖ＝（ｉ_ｕｖ＋１）ｍｏｄＮ_ｕｖ
のように更新し、波形ポイント数格納部３０６に格納されている波形ポイント数ｎ_ｗ を
ｎ_ｗ ＝ｎ_ｗ ＋１
のように更新する。
【０１５４】
以上の動作を、図１５のフローチャートを参照して説明する。
【０１５５】
ステップＳ３０１で、文字系列入力部３０１より表音テキストを入力する。
【０１５６】
ステップＳ３０２で、外部入力された制御データ（発声速度、声の高さ）と入力された表音テキスト中の制御データを制御データ格納部３０２に格納する。
【０１５７】
ステップＳ３０３で、文字系列入力部３０１より入力された表音テキストからパラメータ生成部３０３においてパラメータ系列を生成する。
【０１５８】
図１６は、ステップＳ３０３で生成されたパラメータ１フレームのデータ構造を示す。
【０１５９】
ステップＳ３０４で、波形ポイント数格納部３０６の内部レジスタを０に初期化する。波形ポイント数をｎ_ｗ で表すと
ｎ_ｗ ＝０
となる。
【０１６０】
ステップＳ３０５で、パラメータ系列カウンタｉを０に初期化する。
【０１６１】
ステップＳ３０６で、無声波形インデックスｉ_ｕｖを０に初期化する。
【０１６２】
ステップＳ３０７で、パラメータ生成部３０３から第ｉフレームと第ｉ＋１フレームのパラメータをパラメータ格納部３０４に取り込む。
【０１６３】
ステップＳ３０８で、制御データ格納部３０２より、発声速度をフレーム時間長設定部３０５に取り込む。
【０１６４】
ステップＳ３０９で、フレーム時間長設定部３０５において、パラメータ格納部３０４に取り込まれた発声速度係数と、制御データ格納部３０２より取り込まれた発声速度を用いて、フレーム時間長Ｎ_ｉ を設定する。
【０１６５】
ステップＳ３１０で、パラメータ格納部３０４に取り込まれた有声・無声情報を用いて第ｉフレームのパラメータが無声であるか否かを判断し、無声の場合はステップＳ３１１に進み、有声の場合はステップＳ３１７に進む。
【０１６６】
ステップＳ３１１で、波形ポイント数ｎ_ｗ がフレーム時間長Ｎ_ｉ 未満か否かを判別し、ｎ_ｗ ＞Ｎ_ｉ の場合はステップＳ３１５へ進み、ｎ_ｗ ＜Ｎ_ｉ の場合はステップＳ３１２へ進み、処理を続ける。
【０１６７】
ステップＳ３１２で、合成パラメータ補間部３０７より入力された第ｉフレームの合成パラメータｐ_ｉ ［ｍ］（０≦ｍ＜Ｍ）を用いて波形生成部３０９において無声波形を生成する。パワ正規化係数Ｃ_ｕｖをテーブルから読み出し、さらに、無声波形インデックスｉ_ｕｖに対応する無声波形生成行列ＵＶＷＧＭ（ｉ_ｕｖ）＝（ｃ（ｉ_ｕｖ，ｍ））（０≦ｍ＜Ｍ）をテーブルから読み出し、無声波形が
【０１６８】
【外５０】

によって生成される。
【０１６９】
波形生成部３０９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。無声波形の接続は、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_ｗ ＋１）＝ｗ_ｕｖ（ｉ_ｕｖ）（ｉ＝０）
【０１７０】
【外５１】

によって行う。
【０１７１】
ステップＳ３１３で、無声波形ポイント数Ｎ_ｕｖをテーブルから読み出し、無声波形インデックスを
ｉ_ｕｖ＝（ｉ_ｕｖ＋１）ｍｏｄＮ_ｕｖ
のように更新する。
【０１７２】
ステップＳ３１４で、波形ポイント数格納部３０６で波形ポイント数ｎ_ｗ を
ｎ_ｗ ＝ｎ_ｗ ＋１
のように更新し、ステップＳ３１１に戻り、処理を続ける。
【０１７３】
ステップＳ３１０で有声・無声情報が有声の場合、ステップＳ３１７に進み、第ｉフレームのピッチ波形を生成・接続する。ここで行われる処理は実施例１のステップＳ９、Ｓ１０、Ｓ１１、Ｓ１２、Ｓ１３で行われる処理に同じである。
【０１７４】
ステップＳ３１１でｎ_ｗ ＞Ｎ_ｉ の場合、ステップＳ３１５へ進み、波形ポイント数ｎ_ｗ を
ｎ_ｗ ＝ｎ_ｗ −Ｎ_ｉ
のように初期化する。
【０１７５】
ステップＳ３１６で、全フレームの処理が終了したか否かを判別し、終了していない場合はステップＳ３１８に進む。
【０１７６】
ステップＳ３１８では外部入力された制御データ（発声速度、声の高さ）を制御データ格納部３０２に格納し、ステップＳ３１９でパラメータ系列カウンタｉを
ｉ＝ｉ＋１
のように更新し、ステップＳ３０７に戻り、処理を続ける。
【０１７７】
ステップＳ３１６で全フレームの処理が終了したと判断される場合は処理を終了する。
【０１７８】
（実施例４）
本実施例では、分析時と合成時で異なるサンプリング周波数で処理を可能とする例について説明する。
【０１７９】
実施例４の音声合成装置の構成及び機能構成を示すブロック図は、実施例１と同じく図２５及び図１である。
【０１８０】
波形生成部９で行われるピッチ波形の生成について説明する。
【０１８１】
ピッチ波形の生成に用いる合成パラメータを
ｐ（ｍ）（０＜ｍ＜Ｍ）
とする。合成パラメータであるインパルス応答波形のサンプリング周波数を分析サンプリング周波数
ｆ_ｓ１
とする。分析サンプリング周期は
【０１８２】
【外５２】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【０１８３】
【外５３】

となる。分析ピッチ周期ポイント数は
【０１８４】
【外５４】

となる。
【０１８５】
［ｘ］でｘ以下の最大の整数を表し、分析ピッチ周期ポイント数を整数で量子化して
Ｎ_ｐ１（ｆ）＝［ｆ_ｓ１／ｆ］
とする。
【０１８６】
合成音声のサンプリング周波数を合成サンプリング周波数
ｆ_ｓ２
とする。合成ピッチ周期ポイント数は
【０１８７】
【外５５】

となり、さらに、
【０１８８】
【外５６】

と量子化する。
【０１８９】
分析ピッチ周期ポイント数を角度２πに対応させたときの１ポイントごとの角度をθ_１ とすると、
【０１９０】
【外５７】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【０１９１】
【外５８】

となる。合成ピッチ周期ポイント数を２πに対応させたときの１ポイントごとの角度をθ_２ とすると、
【０１９２】
【外５９】

となる。ピッチ波形を
ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ２（ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０１９３】
【外６０】

によってＣ（ｆ）が与えられる。
【０１９４】
ピッチ周波数の整数倍の正弦波を重ね合わせて
【０１９５】
【外６１】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ２（ｆ））を生成する。
【０１９６】
または、ピッチ周期の半分位相をずらして重ね合わせて
【０１９７】
【外６２】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ２（ｆ））を生成する。
【０１９８】
ピッチスケールを声の高さを表現するための尺度とする。式（８）、（９）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓ∈Ｓ（Ｓはピッチスケールの集合）に対応する分析ピッチ周期ポイント数をＮ_ｐ１（ｓ）、合成ピッチ周期ポイント数をＮ_ｐ２（ｓ）とし、
【０１９９】
【外６３】

として、式（８）の場合
【０２００】
【外６４】

式（９）の場合
【０２０１】
【外６５】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０≦ｋ＜Ｎ_ｐ２（ｓ），０≦ｍ＜Ｍ）
とする。さらに、ピッチスケールｓに対応する合成ピッチ周期ポイント数Ｎ_ｐ２（ｓ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０２０２】
波形生成部９では、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０≦ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、合成ピッチ周期ポイント数Ｎ_ｐ２（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））をテーブルから読み出し、
【０２０３】
【外６６】

によりピッチ波形を生成する。
【０２０４】
以上の動作を、図７のフローチャートを参照して説明する。
【０２０５】
ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と同じである。
【０２０６】
ステップＳ１２のピッチ波形生成処理について、本実施例における処理を説明する。式（３）によって得られた合成パラメータｐ［ｍ］（０≦ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形が生成される。ピッチスケールｓに対応する合成ピッチ周期ポイント数Ｎ_ｐ２（ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０≦ｋ＜Ｎ_ｐ２（ｓ），０≦ｍ＜Ｍ）がテーブルから読み出され、ピッチ波形を
【０２０７】
【外６７】

によって生成する。
【０２０８】
波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。ピッチ波形の接続は、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_ｗ ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_ｐ２（ｓ））
【０２０９】
【外６８】

によって行う。
【０２１０】
ステップＳ１３で、波形ポイント数格納部６で波形ポイント数ｎ_ｗ を
ｎ_ｗ ＝ｎ_ｗ ＋Ｎ_ｐ２（ｓ）
のように更新する。
【０２１１】
ステップＳ１４、Ｓ１５、Ｓ１６、Ｓ１７は実施例１と同じである。
【０２１２】
（実施例５）
本実施例では、パワスペクトル包絡からピッチ波形を生成することにより、パワスペクトル包絡を利用した周波数領域でのパラメータ操作を可能とする例について説明する。
【０２１３】
実施例５の音声合成装置の構成及び機能構成を示すブロック図は、実施例１と同じく図２５及び図１である。
【０２１４】
波形生成部９で行われるピッチ波形の生成について説明する。
【０２１５】
まず、ピッチ波形の生成に用いる合成パラメータについて説明する。図１７において、フーリエ変換の次数をＮ、ピッチ波形の生成に用いるインパルス応答波形の次数をＭとする。ここでＮ、ＭはＮ＞２Ｍを満たすようにする。音声の対数パワスペクトル包絡を
【０２１６】
【外６９】

とする。対数パワスペクトル包絡を指数関数に入力して線形に戻し、逆フーリエ変換して求めたインパルス応答は、
【０２１７】
【外７０】

となる。
【０２１８】
ピッチ波形の生成に用いるインパルス応答波形
ｈ′（ｍ）（０＜ｍ＜Ｍ）
は、インパルス応答の０次の値と１次以降の値の比を相対的に２倍することにより得られる。すなわち、ｒ≠０として、
ｈ′（０）＝ｒｈ（０）
ｈ′（ｍ）＝２ｒｈ（ｍ）（１＜ｍ＜Ｍ）
とする。
【０２１９】
合成パラメータを
ｐ（ｎ）＝ｒ・ｅｘｐ（ａ（ｎ））（０＜ｎ＜Ｎ）
とする。このとき、
【０２２０】
【外７１】

となる。
【０２２１】
【外７２】

とすると、
【０２２２】
【外７３】

となる。
【０２２３】
サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は、
【０２２４】
【外７４】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【０２２５】
【外７５】

となり、ピッチ周期ポイント数は
【０２２６】
【外７６】

となる。［ｘ］でｘ以下の最大の整数を表し、ピッチ周期ポイント数を整数で量子化して
Ｎ_ｐ （ｆ）＝［ｆ_ｓ／ｆ］
とする。ピッチ周期を角度２πに対応させたときの１ポイントごとの角度をθとすると、
【０２２７】
【外７７】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【０２２８】
【外７８】

となる。ピッチ波形を
ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０２２９】
【外７９】

によってＣ（ｆ）が与えられる。
【０２３０】
基本周波数の整数倍の正弦波を重ね合わせて
【０２３１】
【外８０】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））を生成する。
【０２３２】
または、ピッチ周期の半分位相をずらして重ね合わせて
【０２３３】
【外８１】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））を生成する。
【０２３４】
ピッチスケールを声の高さを表現するための尺度とする。式（１０）、（１１）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓに対応するピッチ周期ポイント数をＮ_ｐ （ｓ）とし、
【０２３５】
【外８２】

として、式（１０）の場合
【０２３６】
【外８３】

式（１１）の場合
【０２３７】
【外８４】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ）＝（ｃ_ｋｎ（ｓ））
（０≦ｋ＜Ｎｐ （ｓ），０≦ｎ＜Ｎ）
とする。さらに、ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０２３８】
波形生成部９では、合成パラメータ補間部７より出力された合成パラメータｐ（ｎ）（０＜ｎ＜Ｎ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、ピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｎ（ｓ））をテーブルから読み出し、
【０２３９】
【外８５】

によりピッチ波形を生成する（図１８）。
【０２４０】
以上の動作を、図７のフローチャートを参照して説明する。
【０２４１】
ステップＳ１、Ｓ２、Ｓ３は実施例１と同じである。
【０２４２】
図１９は、ステップＳ３で生成されたパラメータ１フレームのデータ構造を示す。
【０２４３】
ステップＳ４、Ｓ５、Ｓ６、Ｓ７、Ｓ８、Ｓ９は実施例１と同じである。
【０２４４】
ステップＳ１０で、合成パラメータ補間部７において、パラメータ格納部４に取り込まれた合成パラメータと、フレーム時間長設定部５で設定されたフレーム時間長と、波形ポイント数格納部６に格納された波形ポイント数を用いて、合成パラメータの補間が行われる。図２０は、合成パラメータの補間についての説明図である。第ｉフレームの合成パラメータをｐ_ｉ ［ｎ］（０＜ｎ＜Ｎ）、第ｉ＋１フレームの合成パラメータをｐ_ｉ＋１ ［ｎ］（０＜ｎ＜Ｎ）、第ｉフレームの時間長をＮ_ｉ ポイントとする。このとき、１ポイント当たりの合成パラメータの差分Δ_ｐ ［ｎ］（０＜ｎ＜Ｎ）は、
【０２４５】
【外８６】

となる。次に、ピッチ波形を生成するごとに合成パラメータｐ［ｎ］（０＜ｎ＜Ｎ）を更新する。
【０２４６】
ｐ［ｎ］＝ｐ_ｉ ［ｎ］＋ｎ_ｗ Δ_ｐ ［ｎ］ （１２）
の処理をピッチ波形開始点で行う。
【０２４７】
ステップＳ１１は、実施例１と同じである。
【０２４８】
ステップＳ１２で、式（１２）によって得られた合成パラメータｐ［ｎ］（０＜ｎ＜Ｎ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形を生成する。ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｎ（ｓ））（０＜ｋ＜Ｎ_ｐ （ｓ），０＜ｎ＜Ｎ）をテーブルから読み出し、ピッチ波形を
【０２４９】
【外８７】

によって生成する。
【０２５０】
図１１は、生成されたピッチ波形の接続についての説明図である。波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。ピッチ波形の接続は、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_ｗ ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_ｐ （ｓ））
【０２５１】
【外８８】

によって行う。
【０２５２】
ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１６、Ｓ１７は実施例１と同じである。
【０２５３】
（実施例６）
本実施例では、周波数特性を決定する関数を用いてスペクトル包絡を変換する例について説明する。
【０２５４】
実施例６の音声合成装置の構成及び機能構成を示すブロック図は、実施例１と同じく図２５及び図１である。
【０２５５】
波形生成部９で行われるピッチ波形の生成について説明する。
【０２５６】
ピッチ波形の生成に用いる合成パラメータを
ｐ（ｍ）（０＜ｍ＜Ｍ）
とする。サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は
【０２５７】
【外８９】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【０２５８】
【外９０】

となり、ピッチ周期ポイント数は
【０２５９】
【外９１】

となる。［ｘ］でｘ以下の最大の整数を表し、ピッチ周期ポイント数を整数で量子化して
Ｎ_ｐ （ｆ）＝［ｆ_ｓ／ｆ］
とする。ピッチ周期を角度２πに対応させたときの１ポイントごとの角度をθとすると、
【０２６０】
【外９２】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【０２６１】
【外９３】

となる。スペクトル包絡の操作に用いる周波数特性関数を
ｒ（ｘ）（０＜ｘ＜ｆ_ｓ ／２）
とする。図２１は、ｆ_１ 以上の周波数の高調波の振幅を２倍にする例である。ｒ（ｘ）を変えることによって、スペクトル包絡を操作することができる。この関数を用いて、ピッチ周波数の整数倍におけるスペクトル包絡の値を
【０２６２】
【外９４】

と変換する。ピッチ波形を
ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０２６３】
【外９５】

によってＣ（ｆ）が与えられる。
【０２６４】
基本周波数の整数倍の正弦波を重ね合わせて
【０２６５】
【外９６】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））を生成する。
【０２６６】
または、ピッチ周期の半分位相をずらして重ね合わせて
【０２６７】
【外９７】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））を生成する。
【０２６８】
ピッチスケールを声の高さを表現するための尺度とする。式（１３）、（１４）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓに対応するピッチ周波数をｆ、ピッチ周期ポイント数をＮ_ｐ （ｓ）とし、
【０２６９】
【外９８】

とする。さらに、周波数特性関数を
ｒ（ｘ）（０≦ｘ≦ｆ_ｓ ／２）
とする。そして、式（１３）の場合
【０２７０】
【外９９】

式（１４）の場合
【０２７１】
【外１００】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０≦ｋ＜Ｎ_ｐ（ｓ），０≦ｍ＜Ｍ）
とする。さらに、ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ（ｓ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０２７２】
波形生成部９では、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、ピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））をテーブルから読み出し、
【０２７３】
【外１０１】

によりピッチ波形を生成する。（図６）
以上の動作を、図７のフローチャートを参照して説明する。
【０２７４】
ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と同じである。
【０２７５】
ステップＳ１２で、式（３）によって得られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形を生成する。ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０＜ｋ＜Ｎ_ｐ （ｓ），０＜ｍ＜Ｍ）をテーブルから読み出し、ピッチ波形を
【０２７６】
【外１０２】

によって生成する。
【０２７７】
図１１は、生成されたピッチ波形の接続についての説明図である。波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。ピッチ波形の接続は、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_ｗ ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_ｐ （ｓ））
【０２７８】
【外１０３】

によって行う。
【０２７９】
ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１６、Ｓ１７は実施例１と同じである。
【０２８０】
（実施例７）
本実施例では、実施例１における正弦関数に変えて余弦関数を用いる例について説明する。
【０２８１】
実施例７の音声合成装置の構成及び機能構成を示すブロック図は、実施例１と同じく図２５及び図１である。
【０２８２】
波形生成部９で行われるピッチ波形の生成について説明する。
【０２８３】
ピッチ波形の生成に用いる合成パラメータを
ｐ（ｍ）（０＜ｍ＜Ｍ）
とする。
【０２８４】
サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は、
【０２８５】
【外１０４】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【０２８６】
【外１０５】

となり、ピッチ周期ポイント数は
【０２８７】
【外１０６】

となる。［ｘ］でｘ以下の最大の整数を表し、ピッチ周期ポイント数を整数で量子化して
Ｎ_ｐ （ｆ）＝［ｆ_ｓ／ｆ］
とする。ピッチ周期を角度２πに対応させたときの１ポイントごとの角度をθとすると、
【０２８８】
【外１０７】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【０２８９】
【外１０８】

となる。（図３）ピッチ波形を
ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０２９０】
【外１０９】

によってＣ（ｆ）が与えられる。
【０２９１】
基本周波数の整数倍の余弦波を重ね合わせて
【０２９２】
【外１１０】

となる。さらに、次のピッチ波形のピッチ周波数をｆ′とすると、次のピッチ波形の０次の値は
【０２９３】
【外１１１】

となる。
【０２９４】
【外１１２】

として、
ｗ（ｋ）＝γ（ｋ）ｗ（ｋ）
のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））を生成する（図２２）。
【０２９５】
または、ピッチ周期の半分位相をずらして重ね合わせて
【０２９６】
【外１１３】

のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｐ （ｆ））を生成する（図２３）。
【０２９７】
ピッチスケールを声の高さを表現するための尺度とする。式（１５）、（１６）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓに対応するピッチ周期ポイント数をＮ_ｐ （ｓ）とし
【０２９８】
【外１１４】

として、式（１５）の場合
【０２９９】
【外１１５】

式（１６）の場合
【０３００】
【外１１６】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０≦ｋ＜Ｎ_ｐ （ｓ），０≦ｍ＜Ｍ）
とする。さらに、ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０３０１】
波形生成部９では、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、ピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））をテーブルから読み出し、
【０３０２】
【外１１７】

によりピッチ波形を生成する。さらに、式（１７）によって波形生成行列を計算した場合、次のピッチ波形のピッチスケールをｓ′として
【０３０３】
【外１１８】

を計算し、
ｗ（ｋ）＝γ（ｋ）ｗ（ｋ）
をピッチ波形とする。
【０３０４】
以上の動作を、図７のフローチャートを参照して説明する。
【０３０５】
ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と同じである。
【０３０６】
ステップＳ１２で、式（３）によって得られた合成パラメータｐ［ｍ］（０≦ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形を生成する。ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０≦ｋ＜Ｎ_ｐ （ｓ），０≦ｍ＜Ｍ）をテーブルから読み出し、ピッチ波形を
【０３０７】
【外１１９】

によって生成する。さらに、式（１７）によって波形生成行列を計算した場合、ピッチスケール補間部８から１ポイント当たりのピッチスケールの差分Δ_ｓ を読み出して、次のピッチ波形のピッチスケールを
ｓ′＝ｓ＋Ｎ_ｐ （ｓ）Δ_ｓ
のように計算する。このｓ′を用いて
【０３０８】
【外１２０】

を計算し、
ｗ（ｋ）＝γ（ｋ）ｗ（ｋ）
をピッチ波形とする。
【０３０９】
図１１は、生成されたピッチ波形の接続についての説明図である。波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。ピッチ波形の接続は、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_ｗ ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_ｐ （ｓ））
【０３１０】
【外１２１】

によって行う。
【０３１１】
ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１６、Ｓ１７は実施例１と同じである。
【０３１２】
（実施例８）
本実施例では、ピッチ波形の対称性を利用して、半周期のピッチ波形を１周期分に用いる例について説明する。
【０３１３】
実施例８の音声合成装置の構成及び機能構成を示すブロック図は、実施例１と同じく図２５及び図１である。
【０３１４】
波形生成部９で行われるピッチ波形の生成について説明する。
【０３１５】
ピッチ波形の生成に用いる合成パラメータを
ｐ（ｍ）（０＜ｍ＜Ｍ）
とする。
【０３１６】
サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は
【０３１７】
【外１２２】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【０３１８】
【外１２３】

となり、ピッチ周期ポイント数は
【０３１９】
【外１２４】

となる。［ｘ］でｘ以下の最大の整数を表し、ピッチ周期ポイント数を整数で量子化して
Ｎ_ｐ （ｆ）＝［ｆ_ｓ／ｆ］
とする。ピッチ周期を角度２πに対応させたときの１ポイントごとの角度をθとすると、
【０３２０】
【外１２５】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【０３２１】
【外１２６】

となる。半周期ピッチ波形を
【０３２２】
【外１２７】

ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０３２３】
【外１２８】

によってＣ（ｆ）が与えられる。
【０３２４】
基本周波数の整数倍の正弦波を重ね合わせて
【０３２５】
【外１２９】

のように半周期ピッチ波形ｗ（ｋ）（０＜ｋ＜［Ｎ_ｐ （ｆ）／２］）が生成される。
【０３２６】
または、ピッチ周期の半分位相をずらして重ね合わせて
【０３２７】
【外１３０】

のように半周期ピッチ波形ｗ（ｋ）（０＜ｋ＜［Ｎ_ｐ （ｆ）／２］）が生成される。
【０３２８】
ピッチスケールを声の高さを表現するための尺度とする。式（１８）、（１９）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓに対応するピッチ周期ポイント数をＮ_ｐ （ｓ）とし、
【０３２９】
【外１３１】

として、式（１８）の場合
【０３３０】
【外１３２】

式（１９）の場合
【０３３１】
【外１３３】

を計算してテーブルに記憶しておく。波形生成行列を
【０３３２】
【外１３４】

とする。さらに、ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０３３３】
波形生成部９では、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、ピッチ周期ポイント数Ｎ_ｐ （ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））をテーブルから読み出し、
【０３３４】
【外１３５】

により半周期ピッチ波形を生成する。
【０３３５】
以上の動作を、図７のフローチャートを参照して説明する。
【０３３６】
ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と同じである。
【０３３７】
ステップＳ１２で、式（３）によって得られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９において半周期ピッチ波形を生成する。ピッチスケールｓに対応するピッチ周期ポイント数Ｎ_ｐ （ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ_ｋｍ（ｓ））（０＜ｋ＜［Ｎ_ｐ （ｓ）／２］，０＜ｍ＜Ｍ）をテーブルから読み出し、半周期ピッチ波形を
【０３３８】
【外１３６】

によって生成する。
【０３３９】
生成された半周期ピッチ波形の接続について説明する。波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。半周期ピッチ波形の接続は、第ｊフレームのフレーム時間長をＮ_ｊ として
【０３４０】
【外１３７】

によって行う。
【０３４１】
ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１６、Ｓ１７は実施例１と同じである。
【０３４２】
（実施例９）
本実施例ではピッチ周期ポイント数に小数点部分があるピッチ波形における波形の対称性を利用して繰り返し用いる例について説明する。
【０３４３】
実施例９の音声合成装置の構成及び機能構成を示すブロック図は、実施例１と同じく図２５及び図１である。
【０３４４】
波形生成部９で行われるピッチ波形の生成について、図２４を参照して説明する。
【０３４５】
ピッチ波形の生成に用いる合成パラメータを
ｐ（ｍ）（０＜ｍ＜Ｍ）
とする。サンプリング周波数を
ｆ_ｓ
とする。サンプリング周期は
【０３４６】
【外１３８】

である。合成音声のピッチ周波数を
ｆ
とすると、ピッチ周期は
【０３４７】
【外１３９】

となり、ピッチ周期ポイント数は
【０３４８】
【外１４０】

となる。
【０３４９】
［ｘ］でｘ以下の整数を表す。
【０３５０】
ピッチ周期ポイント数の小数部を、位相のずれたピッチ波形を接続することで表す。周波数ｆに対応するピッチ波形の個数を、位相数
ｎ_ｐ （ｆ）
とする。図２４はｎ_ｐ （ｆ）＝３のときのピッチ波形の例を示したものである。さらに、拡張ピッチ周期ポイント数を
【０３５１】
【外１４１】

とし、ピッチ周期ポイント数を
【０３５２】
【外１４２】

と量子化する。ピッチ周期ポイント数を角度２πに対応させたときの１ポイントごとの角度をθ_１ とすると、
【０３５３】
【外１４３】

となる。ピッチ周波数の整数倍におけるスペクトル包絡の値は
【０３５４】
【外１４４】

となる。拡張ピッチ周期ポイント数を２πに対応させたときの１ポイントごとの角度をθ_２ とすると、
【０３５５】
【外１４５】

となる。ａ ｍｏｄ ｂはａをｂで割った剰余を表すとして、拡張ピッチ波形ポイント数を
【０３５６】
【外１４６】

拡張ピッチ波形を
ｗ（ｋ）（０＜ｋ＜Ｎ_ｅｘ（ｆ））
ピッチ周波数ｆに対応するパワ正規化係数を
Ｃ（ｆ）
とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ_０ として
【０３５７】
【外１４７】

によってＣ（ｆ）が与えられる。
【０３５８】
ピッチ周波数の整数倍の正弦波を重ね合わせて、
【０３５９】
【外１４８】

のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｅｘ（ｆ））を生成する。
【０３６０】
または、ピッチ周期の半分位相をずらして重ね合わせて
【０３６１】
【外１４９】

のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_ｅｘ（ｆ））を生成する。
【０３６２】
位相インデックスを
ｉ_ｐ （０＜ｉ_ｐ ＜ｎ_ｐ （ｆ））
とする。ピッチ周波数ｆ、位相インデックスｉ_ｐ に対応する位相角を
【０３６３】
【外１５０】

と定義する。
【０３６４】
ｒ（ｆ，ｉ_ｐ ）＝ｉ_ｐ Ｎ（ｆ）ｍｏｄ ｎ_ｐ （ｆ）
と定義する。位相インデックスｉ_ｐ に対応するピッチ波形のピッチ波形ポイント数は
【０３６５】
【外１５１】

によって計算される。位相インデックスｉ_ｐ に対応するピッチ波形は
【０３６６】
【外１５２】

となる。この後、位相インデックスを
ｉ_ｐ ＝（ｉ_ｐ ＋１）ｍｏｄ ｎ_ｐ （ｆ）
と更新し、更新された位相インデックスを用いて、位相角を
φ_ｐ ＝φ（ｆ，ｉ_ｐ ）
と計算する。さらに、次のピッチ波形を生成するときにピッチ周波数がｆ′に変更されるときは、φ_ｐ に最も近い位相角を得るために
【０３６７】
【外１５３】

を満たすｉ′を求めて
ｉ_ｐ ＝ｉ′
のようにｉ_ｐ を決定する。
【０３６８】
ピッチスケールを声の高さを表現するための尺度とする。式（２０）、（２１）の演算を直接行う代わりに、以下のように計算を高速化することもできる。ピッチスケールｓ∈Ｓ（Ｓはピッチスケールの集合）に対応する位相数をｎ_ｐ （ｓ）、位相インデックスをｉ_ｐ （０＜ｉ_ｐ ＜ｎ_ｐ （ｓ））、拡張ピッチ周期ポイント数をＮ（ｓ）、ピッチ周期ポイント数をＮ_ｐ （ｓ）、ピッチ波形ポイント数をＰ（ｓ，ｉ_ｐ ）とし、
【０３６９】
【外１５４】

として、式（２０）の場合
【０３７０】
【外１５５】

式（２１）の場合
【０３７１】
【外１５６】

を計算してテーブルに記憶しておく。波形生成行列を
ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋｍ（ｓ，ｉ_ｐ ））
（０≦ｋ＜Ｐ（ｓ，ｉ_ｐ ），０≦ｍ＜Ｍ）
とする。ピッチスケールｓと位相インデックスｉ_ｐ に対応する位相角
【０３７２】
【外１５７】

をテーブルに記憶しておく、また、ピッチスケールｓと位相角φ_ｐ （∈｛φ（ｓ，ｉ_ｐ ）｜ｓ∈Ｓ，０＜ｉ＜ｎ_ｐ （ｓ）｝）に対して
【０３７３】
【外１５８】

を満たすｉ_０ を与える対応関係を
ｉ_０ ＝Ｉ（ｓ，φ_ｐ ）
として、テーブルに記憶しておく。さらに、ピッチスケールｓと位相インデックスｉ_ｐ に対応する位相数ｎ_ｐ （ｓ）、ピッチ波形ポイント数Ｐ（ｓ，ｉ_ｐ ）、パワ正規化係数Ｃ（ｓ）をテーブルに記憶しておく。
【０３７４】
波形生成部９では、内部レジスタに格納されている位相インデックスをｉ_ｐ 、位相角をφ_ｐ とし、合成パラメータ補間部７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より出力されたピッチスケールｓを入力として、位相インデックスを
ｉ_ｐ ＝Ｉ（ｓ，φ_ｐ ）
により決定し、ピッチ波形ポイント数Ｐ（ｓ，ｉ_ｐ ）、パワ正規化係数Ｃ（ｓ）をテーブルから読み出す。そして、
【０３７５】
【外１５９】

のとき、波形生成行列ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋｍ（ｓ，ｉ_ｐ ））をテーブルから読み出し、
【０３７６】
【外１６０】

によりピッチ波形を生成する。また、
【０３７７】
【外１６１】

のとき、
ｋ′＝Ｐ（ｓ，ｎ_ｐ （ｓ）−１−ｉ_ｐ ）−１−ｋ（０＜ｋ＜Ｐ（ｓ，ｉ_ｐ ））として、波形生成行列ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋ ′_ｍ （ｓ，ｎ_ｐ （ｓ）−１−ｉ_ｐ ））をテーブルから読み出し、
【０３７８】
【外１６２】

によりピッチ波形を生成する。ピッチ波形を生成した後、位相インデックスを
ｉ_ｐ ＝（ｉ_ｐ ＋１）ｍｏｄ ｎ_ｐ （ｓ）
のように更新し、更新された位相インデックスを用いて位相角を
φ_ｐ ＝φ（ｓ，ｉ_ｐ ）
のように更新する。
【０３７９】
以上の動作を、図１３のフローチャートを参照して説明する。
【０３８０】
ステップＳ２０１、Ｓ２０２、Ｓ２０３、Ｓ２０４、Ｓ２０５、Ｓ２０６、Ｓ２０７、Ｓ２０８、Ｓ２０９、Ｓ２１０、Ｓ２１１、Ｓ２１２、Ｓ２１３は実施例２と同じである。
【０３８１】
ステップＳ２１４で、式（３）によって得られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）によって得られたピッチスケールｓを用いて波形生成部９においてピッチ波形を生成する。ピッチスケールｓに対応するピッチ波形ポイント数Ｐ（ｓ，ｉ_ｐ ）とパワ正規化係数Ｃ（ｓ）をテーブルから読み出す。そして、
【０３８２】
【外１６３】

のとき、波形生成行列ＷＧＭ（ｓ，ｉ_ｐ ）＝（ｃ_ｋｍ（ｓ，ｉ_ｐ ））をテーブルから読み出し、
【０３８３】
【外１６４】

によりピッチ波形を生成する。また、
【０３８４】
【外１６５】

のとき、
ｋ′＝Ｐ（ｓ，ｎ_ｐ （ｓ）−１−ｉ_ｐ ）−１−ｋ（０≦ｋ＜Ｐ（ｓ，ｉ_ｐ ））として、波形生成行列ＷＧＭ（ｓ，ｉ_ｐ ）＝（Ｃ_ｋ ′_ｍ（ｓ，ｎ_ｐ （ｓ）−１−ｉ_ｐ ））をテーブルから読み出し、
【０３８５】
【外１６６】

によりピッチ波形を生成する。
【０３８６】
波形生成部９から合成音声として出力される音声波形を
Ｗ（ｎ）（０＜ｎ）
とする。ピッチ波形の接続は実施例１と同様であり、第ｊフレームのフレーム時間長をＮ_ｊ として
Ｗ（ｎ_ｗ ＋ｋ）＝ｗ_ｐ （ｋ）（ｉ＝０，０＜ｋ＜Ｐ（ｓ，ｉ_ｐ ））
【０３８７】
【外１６７】

によって行なう。
【０３８８】
ステップＳ２１５、Ｓ２１６、Ｓ２１７、Ｓ２１８、Ｓ２１９、Ｓ２２０は実施例２と同じである。
【０３８９】
以上説明したように、本実施形態によれば、合成音声の声の高さ（ピッチ）とパラメータからピッチ波形および無声波形を生成して接続することにより音声波形を生成するようにしたことにより、合成音声の音質劣化を防止する効果がある。
【０３９０】
以上説明したように、本実施形態によれば、ピッチ波形および無声波形の生成において、あらかじめ求めた行列とパラメータとの積を計算するようにしたことにより、音声波形の生成に要する計算量を低減する効果がある。
【０３９１】
以上説明したように、本実施形態によれば、ピッチ波形の生成において、ピッチ周期ポイント数の小数部を表すために、位相のずれたピッチ波形を生成して接続するようにしたことにより、正確なピッチの合成音声が得られる効果がある。
【０３９２】
以上説明したように、本実施形態によれば、ピッチ波形生成において、あるサンプリング周波数で求めたパラメータ（インパルス応答波形）を用いて、任意のサンプリング周波数でピッチ波形を生成して接続するようにしたことにより、任意のサンプリング周波数の合成音声を簡単な方法で生成することができる効果がある。
【０３９３】
以上説明したように、本実施形態によれば、パラメータとして、音声のパワスペクトル包絡を使用し、このパワスペクトル包絡からピッチ波形を生成するようにしたことにより、周波数領域のパラメータから音声波形を生成でき、周波数領域でのパラメータ操作が可能となる効果がある。
【０３９４】
以上説明したように、本実施形態によれば、ピッチ波形の生成において、周波数特性を決定する関数を持ち、ピッチ周波数の整数倍における関数値を掛けることにより、パラメータから求めたスペクトル包絡のサンプル値を変換し、変換されたサンプル値をフーリエ変換することによりピッチ波形を生成するようにしたことにより、パラメータを操作せずに合成音声の音色を変えることが可能となる効果がある。
【０３９５】
以上説明したように、本発明によれば、ピッチ波形の生成において、波形の対称性を利用するようにしたことにより、音声波形の生成に要する計算量を低減する効果がある。
【発明の効果】
以上説明したように、本発明によれば、合成音声の音質劣化を防止できる効果がある。
【図面の簡単な説明】
【図１】本発明の実施例に係る音声合成装置の機能構成を示すブロック図。
【図２】本発明の実施例に係る合成パラメータについての説明図。
【図３】本発明の実施例に係るスペクトル包絡についての説明図。
【図４】正弦波の重ね合わせについての説明図。
【図５】正弦波の重ね合わせについての説明図。
【図６】ピッチ波形の生成についての説明図。
【図７】音声波形生成手段を示すフローチャート。
【図８】パラメータ１フレームのデータ構造を示す図。
【図９】合成パラメータの補間についての説明図。
【図１０】ピッチスケールの補間についての説明図。
【図１１】波形接続についての説明図。
【図１２】ピッチ波形についての説明図。
【図１３】音声波形生成手段を示すフローチャート。
【図１４】音声合成装置の機能構成を示すブロック図。
【図１５】音声波形生成手段を示すフローチャート。
【図１６】パラメータ１フレームのデータ構造を示す図。
【図１７】合成パラメータについての説明図。
【図１８】ピッチ波形の生成についての説明図。
【図１９】パラメータ１フレームのデータ構造を示す図。
【図２０】合成パラメータの補間についての説明図。
【図２１】周波数特性関数についての説明図。
【図２２】余弦波の重ね合わせについての説明図。
【図２３】余弦波の重ね合わせについての説明図。
【図２４】ピッチ波形についての説明図。
【図２５】実施例における音声合成装置の構成を示すブロック図。

Claims (34)

1. 入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成手段と、
   入力された合成音声の声の高さ情報と前記生成された合成パラメータから合成音声のピッチ周期でサンプリングされたスペクトル包絡を求め、そのサンプル値を時間領域の波形に変換することによってピッチ波形を生成するピッチ波形生成手段と、
   前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力手段と
   を備えることを特徴とする音声合成装置。
2. 前記ピッチ波形生成手段は、合成音声のピッチ周期を１周期とするピッチ波形を生成することを特徴とする請求項１に記載の音声合成装置。
3. 前記ピッチ波形生成手段は、合成音声のピッチ周波数の整数倍におけるスペクトル包絡のサンプル値を合成パラメータと余弦関数との積和により求め、このスペクトル包絡のサンプル値を正弦級数の係数とし、正弦関数との積和を求めることを特徴とする請求項１に記載の音声合成装置。
4. 前記正弦級数において、位相を半周期ずつずらした正弦関数を使うことを特徴とする請求項３に記載の音声合成装置。
5. 入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成手段と、
   余弦関数と正弦関数との積和を行列としてピッチ毎に導出する行列導出手段と、
   入力された合成音声の声の高さ情報に応じた行列と前記合成パラメータとからピッチ波形を生成するピッチ波形生成手段と、
   前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力手段と
   を備えることを特徴とする音声合成装置。
6. 前記行列導出手段において、位相を半周期ずつずらした正弦関数を使うことを特徴とする請求項５に記載の音声合成装置。
7. 前記ピッチ波形生成手段は、合成パラメータを、ピッチ周期毎に補間する手段を更に備えることを特徴とする請求項１または請求項５に記載の音声合成装置。
8. 前記ピッチ波形生成手段において、合成音声のピッチをピッチ周期毎に補間する手段をさらに備えることを特徴とする請求項１または請求項５に記載の音声合成装置。
9. 前記ピッチ波形生成手段は、位相のずれたピッチ波形を生成することを特徴とする請求項１または請求項５に記載の音声合成装置。
10. パラメータから無声波形を生成する無声波形生成手段を更に備え、前記音声波形出力手段は前記無声波形を接続することを特徴とする請求項１または請求項５に記載の音声合成装置。
11. 前記無声波形生成手段は、音声の対数パワスペクトル包絡から求めた合成パラメータから、無声波形を生成することを特徴とする請求項１０に記載の音声合成装置。
12. 前記無声波形生成手段は、可聴周波数帯域より低い周波数の整数倍におけるスペクトル包絡のサンプル値を合成パラメータと余弦関数との積和により求め、そのスペクトル包絡のサンプル値と位相のずれをランダムに与えた正弦関数との積和を求めることを特徴とする請求項１１に記載の音声合成装置。
13. 前記無声波形生成手段は、前記余弦関数と前記正弦関数との積和を、行列として導出する行列導出手段を更に備え、前記導出された行列と前記合成パラメータとの積を求めることを特徴とする請求項１１に記載の音声合成装置。
14. 前記ピッチ波形生成手段は、あるサンプリング周波数で求めたインパルス応答波形を用いて、任意のサンプリング周波数のピッチ波形を生成することを特徴とする請求項１または請求項５に記載の音声合成装置。
15. 前記ピッチ波形生成手段は、周波数特性を決定する関数を持ち、ピッチ周波数の整数倍における関数値を掛けることによりスペクトル包絡のサンプル値を変換し、変換されたサンプル値を時間領域の波形に変換することを特徴とする請求項１に記載の音声合成装置。
16. 前記ピッチ波形生成手段は、波形の対称性を利用してピッチ波形を生成することを特徴とする請求項３または請求項９に記載の音声合成装置。
17. 入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成工程と、
    入力された合成音声の声の高さ情報と前記生成された合成パラメータから合成音声のピッチ周期でサンプリングされたスペクトル包絡を求め、そのサンプル値を時間領域の波形に変換することによってピッチ波形を生成するピッチ波形生成工程と、
    前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力工程と
    を備えることを特徴とする音声合成方法。
18. 前記ピッチ波形生成工程は、合成音声のピッチ周期を１周期とするピッチ波形を生成することを特徴とする請求項１７に記載の音声合成方法。
19. 前記ピッチ波形生成工程は、合成音声のピッチ周波数の整数倍におけるスペクトル包絡のサンプル値を合成パラメータと余弦関数との積和により求め、このスペクトル包絡のサンプル値を正弦級数の係数とし、正弦関数との積和を求めることを特徴とする請求項１７に記載の音声合成装置。
20. 前記正弦級数において、位相を半周期ずつずらした正弦関数を使うことを特徴とする請求項１９に記載の音声合成方法。
21. 入力された文字系列に従い音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成工程と、
    余弦関数と正弦関数との積和を行列としてピッチ毎に導出する行列導出工程と、
    入力された合成音声の声の高さ情報に応じた行列と前記合成パラメータとからピッチ波形を生成するピッチ波形生成工程と、
    前記生成されたピッチ波形を接続して得た音声波形を出力する音声波形出力工程と
    を備えることを特徴とする音声合成方法。
22. 前記行列導出工程において、位相を半周期ずつずらした正弦関数を使うことを特徴とする請求項２１に記載の音声合成方法。
23. 前記ピッチ波形生成工程は、合成パラメータをピッチ周期毎に補間することを特徴とする請求項１７または請求項２１に記載の音声合成方法。
24. 前記ピッチ波形生成工程において、合成音声のピッチをピッチ周期毎に補間することを特徴とする請求項１７または請求項２１に記載の音声合成方法。
25. 前記ピッチ波形生成工程は、位相のずれたピッチ波形を生成することを特徴とする請求項１７または請求項２１に記載の音声合成方法。
26. パラメータから無声波形を生成する無声波形生成工程を更に備え、前記音声波形出力工程は前記無声波形を接続することを特徴とする請求項１７または請求項２１に記載の音声合成方法。
27. 前記無声波形生成工程は、音声の対数パワスペクトル包絡から求めた合成パラメータから無声波形を生成することを特徴とする請求項２６に記載の音声合成方法。
28. 前記無声波形生成工程は、可聴周波数帯域より低い周波数の整数倍におけるスペクトル包絡のサンプル値を合成パラメータと余弦関数との積和により求め、そのスペクトル包絡のサンプル値と位相のずれをランダムに与えた正弦関数との積和を求めることを特徴とする請求項２７に記載の音声合成方法。
29. 前記無声波形生成工程は、前記余弦関数と前記正弦関数との積和を行列として導出する行列導出工程を更に備え、前記導出された行列と前記合成パラメータとの積を求めることを特徴とする請求項２７に記載の音声合成方法。
30. 前記ピッチ波形生成工程は、あるサンプリング周波数で求めたインパルス応答波形を用いて、任意のサンプリング周波数のピッチ波形を生成することを特徴とする請求項１７または請求項２１に記載の音声合成方法。
31. 前記ピッチ波形生成工程は、周波数特性を決定する関数を持ち、ピッチ周波数の整数倍における関数値を掛けることによりスペクトル包絡のサンプル値を変換し、変換されたサンプル値を時間領域の波形に変換することを特徴とする請求項１７に記載の音声合成方法。
32. 前記ピッチ波形生成工程は、波形の対称性を利用してピッチ波形を生成することを特徴とする請求項１９または請求項２５に記載の音声合成方法。
33. 入力された文字列に対応する音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成するパラメータ生成手段と、
    合成する音声の高さ情報を入力する高さ情報入力手段と、
    余弦関数と正弦関数との積和をピッチ毎に行列として予め求められている波形生成行列から前記高さ情報入力手段により入力された音声の高さ情報に対応する波形生成行列を読み出す波形生成行列読み出し手段と、
    前記パラメータ生成手段により生成された合成パラメータと前記波形生成行列読み出し手段により読み出された波形生成行列とを演算することにより、ピッチ波形を生成するピッチ波形生成手段と、
    前記生成されたピッチ波形を接続して音声波形を出力するよう制御する音声波形出力制御手段と
    を備えることを特徴とする音声合成制御装置。
34. 入力された文字列に対応する音声波形のパラメータとしてのインパルス応答波形から求まる合成パラメータを生成し、
    合成する音声の高さ情報を入力し、
    余弦関数と正弦関数との積和をピッチ毎に行列として予め求められている波形生成行列から前記入力された音声の高さ情報に対応する波形生成行列を読み出し、
    前記生成された合成パラメータと前記読み出された波形生成行列とを演算することによりピッチ波形を生成し、
    前記生成されたピッチ波形を接続して音声波形を出力するよう制御することを特徴とする音声合成制御方法。

Images