JPH10214098A - 音声変換玩具 - Google Patents

Abstract

(57)【要約】 【課題】 この発明は、入力された音声の話速と音程と
を、テープレコーダに比べて、より自由に変化させるこ
とができ、趣向性のある音声を出力させることができる
音声変換玩具を提供することを目的とする。 【解決手段】 音声変換玩具において、音声変換モード
を設定するための設定装置１２、音声を入力するための
入力装置１、入力装置１によって入力された音声信号の
音程を、設定装置１２によって設定された音声変換モー
ドに応じて制御する音程制御手段３、９、１３、入力装
置１によって入力された音声信号の話速を、設定装置１
２によって設定された音声変換モードに応じて制御する
話速制御手段６、７ならびに音程制御手段３、９、１３
および話速制御手段６、７によって音程および話速が制
御された音声信号を出力する出力装置１１を備えてい
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する分野】この発明は、入力音声の音程およ
び話速を変換して出力する音声変換玩具に関する。

【０００２】

【従来の技術】音声を録音し、録音した音声を再生する
テープレコーダがある。テープレコーダでは、再生速度
を速くしたり、遅くしたりすることができる。しかしな
がら、単純にテープレコーダを可変速再生したときに
は、再生速度と音程との間には、再生速度が速くなるほ
ど音程が高くなるという一定の関係がある。また、出力
音声の話速は、再生速度により決定されてしまう。

【０００３】

【発明が解決しようとする課題】この発明は、入力され
た音声の話速と音程とを、単純なテープレコーダの可変
速再生に比べてより自由に変化させることができ、趣向
性のある音声を出力させることができる音声変換玩具を
提供することを目的とする。

【０００４】

【課題を解決するための手段】この発明による第１の音
声変換玩具は、音声変換モードを設定するための設定装
置、音声を入力するための入力装置、入力装置によって
入力された音声信号の音程を、設定装置によって設定さ
れた音声変換モードに応じて制御する音程制御手段、入
力装置によって入力された音声信号の話速を、設定装置
によって設定された音声変換モードに応じて制御する話
速制御手段、ならびに音程制御手段および話速制御手段
によって音程および話速が制御された音声信号を出力す
る出力装置を備えていることを特徴とする。

【０００５】この発明による第２の音声変換玩具は、音
声変換モードを設定するための設定装置、音声を入力す
るための入力装置、入力装置によって入力された音声信
号をディジタル信号に変換するＡ／Ｄ変換手段、Ａ／Ｄ
変換手段によって得られた音声データに対して時間軸圧
縮伸長処理を行なう時間軸圧縮伸長手段、時間軸圧縮伸
長手段によって得られた音声データをアナログ信号に変
換するＤ／Ａ変換手段、Ｄ／Ａ変換手段によって得られ
た音声信号を出力するための出力手段、設定装置によっ
て設定された音声変換モードに応じて、Ａ／Ｄ変換手段
およびＤ／Ａ変換手段のサンプリング周波数をそれぞれ
調整する音程制御用の調整手段、ならびに、設定装置に
よって設定された音声変換モードに応じて、時間軸圧縮
伸長処理手段で用いられる圧縮伸長率を調整する話速制
御用の調整手段を備えていることを特徴とする。

【０００６】この発明による第３の音声変換玩具は、音
声変換モードを設定するための設定装置、音声を入力す
るための入力装置、入力装置によって入力された音声信
号をディジタル信号に変換するＡ／Ｄ変換手段、Ａ／Ｄ
変換手段によって得られた音声データに基づいて、入力
音声が音声区間か無音区間かを判別する区間判別手段、
Ａ／Ｄ変換手段によって得られた音声データのうち音声
区間であると判定された音声データに対して時間軸圧縮
伸長処理を行なう第１の時間軸圧縮伸長手段、Ａ／Ｄ変
換手段によって得られた音声データのうち無音区間であ
ると判定された音声データに対して時間軸圧縮伸長処理
を行なう第２の時間軸圧縮伸長手段、上記両時間軸圧縮
伸長手段によって得られた音声データをアナログ信号に
変換するＤ／Ａ変換手段、Ｄ／Ａ変換手段によって得ら
れた音声信号を出力するための出力手段、設定装置によ
って設定された音声変換モードに応じて、Ａ／Ｄ変換手
段および Ｄ／Ａ変換手段のサンプリング周波数をそれ
ぞれ調整する音程制御用の調整手段、ならびに、設定装
置によって設定された音声変換モードに応じて、第１の
時間軸圧縮伸長処理手段および第２の時間軸圧縮伸長処
理手段で用いられる圧縮伸長率をそれぞれ調整する話速
制御用の調整手段を備えていることを特徴とする。

【０００７】音声変換モードには、たとえば、入力音声
に対して、話速を遅くし、音程を低くする第１の音声変
換モード、入力音声に対して、話速を遅くし、音程を高
くする第２の音声変換モード、入力音声に対して、話速
を速くし、音程を低くする第３の音声変換モード、およ
び入力音声に対して、話速を速くし、音程を高くする第
４の音声変換モードがある。

【０００８】なお、時間軸圧縮伸長処理には、入力音声
データを時間軸上で圧縮するための処理および入力音声
データを時間軸上で伸長するための処理の他、入力音声
データを削除する処理も含まれているものとする。

【０００９】

【発明の実施の形態】以下、図面を参照して、この発明
の実施の形態について説明する。

【００１０】図１は、本音声変換玩具の電気的構成の一
例を示している。

【００１１】マイク（入力装置）１から入力された入力
音声信号は、増幅器２で増幅された後、Ａ／Ｄ変換部
（Ａ／Ｄ変換手段）３に送られ、たとえば１２ビットの
ディジタル信号に変換される。Ａ／Ｄ変換部３のサンプ
リング周波数ｆ_ADは、サンプリング周波数調整部（音程
制御用の調整手段）１３によって制御される。

【００１２】Ａ／Ｄ変換部３の出力は、フレームメモリ
４を介して、区間判別部５に送られる。区間判別部５
は、フレームメモリ４に入力された所要数の音声データ
のパワーの平均値、パワーの累積値、振幅平均値、振幅
累積値等に基づいて、入力音声が音声区間であるか、無
音区間であるかを判定する。

【００１３】フレームメモリ４に入力された所要数の音
声データのパワーの平均値に基づいて、入力音声が音声
区間であるか、無音区間であるかを判定する場合につい
て説明する。この場合には、フレームメモリ４に記憶さ
れた１フレーム分の音声データの平均パワー値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データの振幅を、ｉ₀ ，ｉ₁ ，…ｉ
_N-1 とすると、次の数式１によって求められる。

【００１４】

【数１】

【００１５】そして、算出された平均パワー値Ｐと所定
のしきい値Ｔｈとが比較され、平均パワー値Ｐがしきい
値Ｔｈ以上である場合には（Ｐ≧Ｔｈ）、現フレームが
音声区間であると判定され、パワー値Ｐがしきい値Ｔｈ
未満である場合には（Ｐ＜Ｔｈ）、現フレームが無音区
間であると判定される。

【００１６】このしきい値は、音声データのレベルに応
じて変化させてもよい。また、定常雑音、環境雑音も無
音区間として取り扱われる。

【００１７】なお、入力音声信号のパワースペクトル、
入力信号の周期性の有無等に基づいて、入力音声が音声
区間であるか、無音区間であるかを判定するようにして
もよい。また、音声区間に関しては、その特徴を分析
し、母音または子音（有声子音、無音子音）の判別をも
行なってよい。

【００１８】現フレームが音声区間であると判定された
場合には、現フレームの音声データが音声区間の時間軸
圧縮伸長部（第１の時間軸圧縮伸長手段）６に送られ
る。時間軸圧縮伸長部６では、圧縮伸長率調整部（話速
制御用の調整手段）１４によって与えられた圧縮伸長率
を用いて、入力された音声データを時間軸圧縮伸長す
る。

【００１９】現フレームが無音区間であると判定された
場合には、現フレームの音声データが無音区間の時間軸
圧縮伸長部７に送られる。時間軸圧縮伸長部（第２の時
間軸圧縮伸長手段）７では、圧縮伸長率調整部１４によ
って与えられた圧縮伸長率を用いて、入力された音声デ
ータを時間軸圧縮伸長する。なお、無音区間の時間軸圧
縮伸長部７では、入力された音声データを削除する機能
をも備えている。

【００２０】各時間軸圧縮伸長部６、７によって得られ
た音声データは、バッファ８に一旦蓄積される。バッフ
ァ８に蓄積された音声データは、逐次読み出されてＤ／
Ａ変換部（Ｄ／Ａ変換手段）９に送られ、アナログ信号
に変換される。Ｄ／Ａ変換部９のサンプリング周波数ｆ
_DAは、サンプリング周波数調整部１３によって制御され
る。バッファ８の読み出し速度は、Ｄ／Ａ変換部９のサ
ンプリング周波数ｆ_DAに対応する速度となるように、サ
ンプリング周波数調整部１３によって制御される。

【００２１】Ｄ／Ａ変換部９から出力されるアナログ信
号は、増幅器１０で増幅された後、スピーカ（出力手
段）１１に送られる。

【００２２】サンプリング周波数調整部１３および圧縮
伸長率調整部１４には、操作部（設定手段）１２からの
指令信号がそれぞれ送られる。この実施の形態において
は、操作部１２には、次の４つの音声変換モードを指定
するためのスイッチが設けられている。

【００２３】（ａ）第１の音声変換モード：入力音声に
対して、話速を遅くし、音程を低くするモード （ｂ）第２の音声変換モード：入力音声に対して、話速
を遅くし、音程を高くするモード （ｃ）第３の音声変換モード：入力音声に対して、話速
を速くし、音程を低くするモード （ｄ）第４の音声変換モード：入力音声に対して、話速
を速くし、音程を高くするモード

【００２４】以下、各音声変換モード毎に、本音声変換
玩具の動作を説明する。

【００２５】〔１〕第１の音声変換モード（入力音声に
対して、話速を遅くし、音程を低くするモード）時の動
作の説明

【００２６】第１の音声変換モード時においては、出力
音声の音程（ピッチ）を入力音声の音程（ピッチ）に対
して低くさせるために、Ａ／Ｄ変換部３の周波数ｆ_ADお
よびＤ／Ａ変換部９の周波数ｆ_DAは、次の数式２を満足
するような周波数に設定される。

【００２７】

【数２】

【００２８】これにより、出力音声の音程は、入力音声
の音程の１／ｎ倍となる。たとえば、Ａ／Ｄ変換部３の
周波数ｆ_ADは、Ｄ／Ａ変換部９の周波数ｆ_DAの２倍に設
定される。この場合には、ｎ＝１／２となり、出力音声
の音程は、入力音声の音程の１／２倍となる。

【００２９】出力音声の話速を入力音声の話速に対して
遅くさせるために、音声区間であると判定された音声デ
ータおよび無音区間であると判定された音声データに対
して行なわれる処理について説明する。

【００３０】この処理方法には、次のような方法があ
る。

【００３１】〔１−１〕第１方法 音声区間であると判別された音声データに対しては、音
声区間の時間軸圧縮伸長部６は、ｎより大きな圧縮率α
（α＞ｎ）で、入力信号を圧縮する。ｎ＝１／２である
場合には、圧縮率αはたとえば２／３に設定される。つ
まり、３つの波形から２つの波形が生成される。これに
より、出力音声の話速が入力音声の話速に対して遅くな
る。

【００３２】時間軸圧縮伸長部６で用いられる時間軸圧
縮伸長法としては、たとえば、ポインタ移動制御による
重複加算法(PICOLA : Pointer Interval Control Over
lapand Add)、TDHS(Time Domain Harmonic Scaling)法
等がある。ＰＩＣＯＬＡを用いて、入力音声データを圧
縮率α＝２／３で圧縮する方法について、図２を用いて
簡単に説明する。

【００３３】まず、入力音声データ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へ直線的に向かう重み（重み関数Ｋ
２）がつけられて波形Ｂ’が作成される。

【００３４】そして、これらの波形Ａ’およびＢ’が加
え合わされて、長さＴｐの波形Ａ’＊Ｂ’が作成され
る。上記重みは、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。次に、ポインタが、
圧縮率αに基づいて決定された長さである３Ｔｐ分だけ
移動せしめられ、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’と
Ｃとが得られる。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。

【００３５】上記の例では、ピッチ周期単位で圧縮処理
を行なっているが、予め定められた固定フレーム長単位
で圧縮処理を行なってもよい。

【００３６】ｎより大きな圧縮率α（α＞ｎ）で、入力
信号を圧縮した場合に、出力音声の話速が入力音声の話
速に対して遅くなる理由について、ｎ＝１／２で、α＝
２／３の場合を例にとって説明する。

【００３７】ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場
合）には、単位時間当たりにＡ／Ｄ変換部３によって変
換されるデータ量は、単位時間当たりにＤ／Ａ変換部９
によって変換されるデータ量の２倍になる。ｎ＝１／２
の場合（ｆ_AD／ｆ_DA＝２の場合）において、Ａ／Ｄ変換
された音声データをそのままＤ／Ａ変換して出力すると
する。この場合、Ａ／Ｄ変換されたディジタルデータお
よびＤ／Ａ変換されたディジタルデータを時間軸上で表
示すると、図３に示すようになる。

【００３８】図３において、ｔ１はＡ／Ｄ変換部３のサ
ンプリング周期（１／ｆ_AD）であり、Ｄ／Ａ変換部９の
サンプリング周期（１／ｆ_DA）は２ｔ１となる。図３か
ら明らかなように、Ｄ／Ａ変換データ列（Ａ１〜Ａ６）
は、Ａ／Ｄ変換データ列（Ａ１〜Ａ６）が２倍に時間軸
上で伸長されたものとなる。つまり、入力音声信号の所
定時間Ｔの長さが、時間軸上で２倍に伸長されて、出力
音声信号として出力されることになるので、入力音声の
話速に対して、出力音声の話速が２倍遅くなったことに
なる。

【００３９】そこで、所定時間長さの入力音声信号を、
時間長さを変更することなく、出力音声信号として出力
するためには、言い換えれば、入力音声の話速と出力音
声の話速を同じにするには、Ａ／Ｄ変換部３によって変
換された音声データを、１／２倍に圧縮する必要があ
る。つまり、図４に示すように、Ａ／Ｄ変換された音声
データを１個ずつ間引くことにより、Ａ／Ｄ変換された
音声データを１／２倍に圧縮すれば、入力音声信号の所
定長さＭの時間長が変更されることなく、出力音声信号
として出力される。図４の例では、Ａ／Ｄ変換データ列
Ａ１、Ａ２、…Ａ７が、１／２倍に圧縮されることによ
り、Ｄ／Ａ変換データ列Ａ１、Ａ３、Ａ５、Ａ７に変換
されている。

【００４０】入力音声の話速に対して、出力音声の話速
を遅くするには、入力音声信号の所定時間長さを時間軸
上で伸長して、出力音声信号として出力すればよいこと
になる。ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場合）に
は、Ａ／Ｄ変換されたデータと、Ｄ／Ａ変換されたデー
タとの時間長さが同じになる１／２倍の圧縮より、圧縮
の割合（度合い）を小さくすればよい。

【００４１】つまり、入力音声の話速に対して、出力音
声の話速を遅くするためには、Ａ／Ｄ変換部３によって
変換された音声データを１／２より大きな圧縮率αで圧
縮する必要がある。たとえば、Ａ／Ｄ変換部３によって
変換された音声区間の音声データを、圧縮率α＝１／２
より大きな圧縮率α＝２／３で圧縮した場合には、出力
音声信号の音声区間は、入力音声信号の音声区間を２／
３に圧縮したことになる。したがって、この場合には、
圧縮率α＝１／２で圧縮した場合に比べて、２／３−１
／２＝１／６だけ、入力される音声区間が時間軸上で伸
長されて出力されることになる。

【００４２】なお、ｎ＝１／２の場合には、圧縮率α
を、１／２より大きくかつ１以下の範囲内において、変
化させてもよい。圧縮率α＝１とは、時間軸圧縮伸長部
６は、入力音声データに対して何ら処理を行なうことな
く、入力音声データをそのまま出力することを意味す
る。

【００４３】無音区間であると判定された音声データに
対しては、時間軸圧縮伸長部７は、ｎより小さな圧縮率
α（α＜ｎ）で入力データを圧縮するかあるいは入力デ
ータを削除する。

【００４４】ｎ＝１／２である場合には、無音区間であ
ると判定された音声データは、１／２より小さい圧縮率
αで圧縮されるので、圧縮率α＝１／２で圧縮した場合
に比べて、無音区間が時間軸上で圧縮（短縮）されるこ
とになる。音声区間を上述のように、時間軸上で伸長し
たとしても、無音区間を時間軸上で短縮するので、入力
音声と出力音声との時間差を短くすることができる。無
音区間であると判定された音声データを削除した場合に
は、入力音声と出力音声との時間差をさらに短くするこ
とができる。

【００４５】〔１−２〕第２方法 音声区間であると判定された音声データに対する処理方
法は、上述した第１方法〔１−１〕と同じである。

【００４６】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、ｎと同じ圧縮率α（α＝ｎ）
で圧縮する。したがって、無音区間であると判定された
音声データについては、入力音声の所定時間長さが同じ
時間長さの出力音声として出力されるので、入力音声の
話速と出力音声の話速とは同じとなる。

【００４７】〔１−３〕第３方法 時間軸圧縮伸長部６は、音声区間であると判定された音
声データのうち、定常的な区間のみを、上述した第１方
法〔１−１〕と同様な方法で圧縮する。

【００４８】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、ｎより大きな圧縮率α（α＞
ｎ）で圧縮する。したがって、入力される無音区間が時
間軸上で伸長されて出力される。

【００４９】〔１−４〕第４方法 時間軸圧縮伸長部６は、音声区間であると判定された音
声データを、ｎと同じ圧縮率α（α＝ｎ）で、入力デー
タを圧縮する。したがって、音声区間であると判定され
た音声データについては、入力音声の所定時間長さが同
じ時間長さの出力音声として出力されるので、入力音声
の話速と出力音声の話速とは同じとなる。

【００５０】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、上記第３方法〔１−３〕と同
様な方法で圧縮する。したがって、入力される無音区間
が時間軸上で伸長されて出力される。無音区間が時間軸
上で伸長されて出力されることにより、話速がゆっくり
となったように聞こえる。

【００５１】〔２〕第２の音声変換モード（入力音声に
対して、話速を遅くし、音程を高くするモード）時の動
作の説明

【００５２】第２の音声変換モード時においては、出力
音声の音程を入力音声の音程に対して高くさせるため
に、Ａ／Ｄ変換部３の周波数ｆ_ADおよびＤ／Ａ変換部９
の周波数ｆ_DAは、次の数式３を満足するような周波数に
設定される。

【００５３】

【数３】

【００５４】これにより、出力音声の音程は、入力音声
の音程のｎ倍となる。たとえば、Ａ／Ｄ変換部３の周波
数ｆ_ADは、Ｄ／Ａ変換部９の周波数ｆ_DAの１／２倍に設
定される。この場合には、ｎ＝２となり、出力音声の音
程は、入力音声の音程の２倍となる。

【００５５】出力音声の話速を入力音声の話速に対して
遅くさせるために、音声区間であると判定された音声デ
ータおよび無音区間であると判定された音声データに対
して行なわれる処理について説明する。

【００５６】この処理方法には、次のような方法があ
る。

【００５７】〔２−１〕第１方法 音声区間であると判別された音声データに対しては、時
間軸圧縮伸長部６は、ｎより大きな伸長率β（β＞ｎ）
で、入力信号を伸長する。ｎ＝２である場合には、伸長
率βはたとえば３に設定される。たとえば、１つの波形
から３つの波形が生成される。これにより、出力音声の
話速が入力音声の話速に対して遅くなる。

【００５８】ｎより大きな伸長率β（β＞ｎ）で、入力
信号を伸長した場合に、出力音声の話速が入力音声の話
速に対して遅くなる理由について、ｎ＝２で、β＝３の
場合を例にとって説明する。

【００５９】ｎ＝２の場合（ｆ_AD／ｆ_DA＝１／２の場
合）には、単位時間当たりにＡ／Ｄ変換部３によって変
換されるデータ量は、単位時間当たりにＤ／Ａ変換部９
によって変換されるデータ量の１／２倍になる。ｎ＝２
の場合（ｆ_AD／ｆ_DA＝１／２の場合）において、Ａ／Ｄ
変換された音声データをそのままＤ／Ａ変換して出力す
るとする。この場合、Ａ／Ｄ変換されたディジタルデー
タおよびＤ／Ａ変換されたディジタルデータを時間軸上
で表示すると、図５に示すようになる。ただし、図５で
は、時間軸上でＤ／Ａ変換ディジタルデータ列をシフト
している。

【００６０】図５において、ｔ１はＤ／Ａ変換部９のサ
ンプリング周期（１／ｆ_DA）であり、Ａ／Ｄ変換部３の
サンプリング周期（１／ｆ_AD）は２ｔ１となる。図５か
ら明らかなように、Ｄ／Ａ変換データ列（Ａ１〜Ａ６）
は、Ａ／Ｄ変換データ列（Ａ１〜Ａ６）が１／２倍に時
間軸上で短縮されたものとなる。つまり、入力音声信号
の所定時間２Ｔの長さが、時間軸上で１／２倍に短縮さ
れて、出力音声信号として出力されることになるので、
入力音声の話速に対して、出力音声の話速が２倍速くな
ったことになる。

【００６１】そこで、所定時間長さの入力音声信号を、
時間長さを変更することなく、出力音声信号として出力
するためには、言い換えれば、入力音声の話速と出力音
声の話速を同じにするには、Ａ／Ｄ変換部３によって変
換された音声データを、２倍に伸長する必要がある。つ
まり、図６に示すように、Ａ／Ｄ変換された音声データ
を補間することによってＡ／Ｄ変換された音声データを
２倍に伸長すれば、入力音声信号の所定長さが、時間長
が変更されることなく出力音声信号として出力される。
図６の例では、Ａ／Ｄ変換データ列Ａ１、Ａ２、…Ａ６
が、２倍に伸長されることにより、Ｄ／Ａ変換データ列
Ａ１、Ａ１’、Ａ２、Ａ２’…Ａ６、Ａ６’に変換され
ている。

【００６２】入力音声の話速に対して、出力音声の話速
を遅くするには、入力音声信号の所定時間長さを時間軸
上で伸長して、出力音声信号として出力すればよいこと
になる。ｎ＝２の場合（ｆ_AD／ｆ_DA＝１／２の場合）に
は、Ａ／Ｄ変換されたデータと、Ｄ／Ａ変換されたデー
タとの時間長さが同じになる２倍の伸長より、伸長の割
合（度合い）を大きくすればよい。

【００６３】つまり、入力音声の話速に対して、出力音
声の話速を遅くするためには、Ａ／Ｄ変換部３によって
変換された音声データを２より大きな伸長率βで伸長す
る必要がある。たとえば、Ａ／Ｄ変換部３によって変換
された音声データを、伸長率β＝２より大きな伸長率β
＝３で伸長した場合には、出力音声信号の音声区間は、
入力音声信号の音声区間を３倍に伸長したことになる。
したがって、この場合には、伸長率β＝２で伸長した場
合に比べて、３−２＝１だけ、入力される音声区間が時
間軸上で伸長されて出力されることになる。

【００６４】なお、ｎ＝２の場合には、伸長率βを、２
より大きな範囲内において、変化させてもよい。

【００６５】無音区間であると判定された音声データに
対しては、時間軸圧縮伸長部７は、ｎより小さな伸長率
β（β＜ｎ）で入力データを伸長するかあるいは入力デ
ータを削除する。

【００６６】ｎ＝２である場合には、無音区間であると
判定された音声データは、２より小さい伸長率βで伸長
されるので、伸長率β＝２で伸長した場合に比べて、無
音区間が時間軸上で圧縮（短縮）されることになる。音
声区間を上述のように、時間軸上で伸長したとしても、
無音区間を時間軸上で短縮するので、入力音声と出力音
声との時間差を短くすることができる。無音区間である
と判定された音声データを削除した場合には、入力音声
と出力音声との時間差をさらに短くすることができる。

【００６７】〔２−２〕第２方法 音声区間であると判定された音声データに対する処理方
法は、上述した第１方法〔２−１〕と同じである。

【００６８】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、ｎと同じ伸長率β（β＝ｎ）
で伸長する。したがって、無音区間であると判定された
音声データについては、入力音声の所定時間長さが同じ
時間長さの出力音声として出力されるので、入力音声の
話速と出力音声の話速とは同じとなる。

【００６９】〔２−３〕第３方法 時間軸圧縮伸長部６は、音声区間であると判定された音
声データのうち、定常的な区間のみを、上述した第１方
法〔２−１〕と同様な方法で伸長する。

【００７０】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、ｎより大きな伸長率β（β＞
ｎ）で伸長する。したがって、入力される無音区間が時
間軸上で伸長されて出力される。

【００７１】〔２−４〕第４方法 時間軸圧縮伸長部６は、音声区間であると判定された音
声データを、ｎと同じ伸長率β（β＝ｎ）で伸長する。
したがって、音声区間であると判定された音声データに
ついては、入力音声の所定時間長さが同じ時間長さの出
力音声として出力されるので、入力音声の話速と出力音
声の話速とは同じとなる。

【００７２】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、上記第３方法〔２−３〕と同
様な方法で伸長する。したがって、入力される無音区間
が時間軸上で伸長されて出力される。

【００７３】〔３〕第３の音声変換モード（入力音声に
対して、話速を速くし、音程を低くするモード）時の動
作の説明

【００７４】第３の音声変換モード時においては、出力
音声の音程を入力音声の音程に対して低くさせるため
に、Ａ／Ｄ変換部３の周波数ｆ_ADおよびＤ／Ａ変換部９
の周波数ｆ_DAは、数式２と同じ次の数式４を満足するよ
うな周波数に設定される。

【００７５】

【数４】

【００７６】これにより、出力音声の音程は、入力音声
の音程の１／ｎ倍となる。たとえば、Ａ／Ｄ変換部３の
周波数ｆ_ADは、Ｄ／Ａ変換部９の周波数ｆ_DAの２倍に設
定される。この場合には、ｎ＝１／２となり、出力音声
の音程は、入力音声の音程の１／２倍となる。

【００７７】出力音声の話速を入力音声の話速に対して
速くさせるために、音声区間であると判定された音声デ
ータおよび無音区間であると判定された音声データに対
して行なわれる処理について説明する。

【００７８】この処理方法には、次のような方法があ
る。

【００７９】〔３−１〕第１方法 音声区間であると判別された音声データに対しては、時
間軸圧縮伸長部６は、ｎより小さな圧縮率α（α＜ｎ）
で、入力信号を圧縮する。ｎ＝１／２である場合には、
圧縮率αはたとえば１／３に設定される。つまり、３つ
の波形から１つの波形が生成される。これにより、出力
音声の話速が入力音声の話速に対して速くなる。

【００８０】ｎより小さな圧縮率α（α＜ｎ）で、入力
信号を圧縮した場合に、出力音声の話速が入力音声の話
速に対して速くなる理由について、ｎ＝１／２で、α＝
１／３の場合を例にとって説明する。

【００８１】ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場
合）には、単位時間当たりにＡ／Ｄ変換部３によって変
換されるデータ量は、単位時間当たりにＤ／Ａ変換部９
によって変換されるデータ量の２倍になる。上記〔１−
１〕の第１方法において、図３および図４での説明から
理解されるように、入力音声の話速に対して、出力音声
の話速を速くするには、入力音声信号の所定時間長さを
時間軸上で圧縮（短縮）して、出力音声信号として出力
すればよいことになる。ｎ＝１／２の場合（ｆ_AD／ｆ_DA
＝２の場合）には、Ａ／Ｄ変換されたデータと、Ｄ／Ａ
変換されたデータとの時間長さが同じになる１／２倍の
圧縮より、圧縮の割合（度合い）を大きくすればよい。

【００８２】したがって、入力音声の話速に対して、出
力音声の話速を速くするためには、Ａ／Ｄ変換部３によ
って変換された音声データを１／２より小さな圧縮率で
圧縮する必要がある。たとえば、Ａ／Ｄ変換部３によっ
て変換された音声データを、圧縮率α＝１／２より小さ
な圧縮率α＝１／３で圧縮した場合には、出力音声信号
の音声区間は、入力音声信号の音声区間を１／３倍に圧
縮したことになる。したがって、この場合には、圧縮率
α＝１／２で圧縮した場合に比べて、１／２−１／３＝
１／６だけ、入力される音声区間が時間軸上で短くされ
て出力されることになる。

【００８３】なお、ｎ＝１／２の場合には、圧縮率α
を、１／２より小さくかつ０より大きい範囲内におい
て、変化させてもよい。

【００８４】このように音声区間を、ｎより小さい圧縮
率αで圧縮した場合には、入力されるデータ量が、出力
されるデータ量に対して減少していくため、最終的にバ
ッファ８に蓄積されるデータがなくなるおそれがある。
そこで、入力される無音区間については時間軸伸長処理
するように制御される。

【００８５】つまり、無音区間であると判定された音声
データに対しては、時間軸圧縮伸長部７は、ｎより大き
な圧縮率α（α＞ｎ）で入力データを圧縮する。

【００８６】ｎ＝１／２である場合には、無音区間であ
ると判定された音声データは、１／２より大きな圧縮率
αで圧縮されるので、圧縮率α＝１／２で圧縮した場合
に比べて、入力される無音区間が時間軸上で伸長される
ことになる。

【００８７】〔３−２〕第２方法 時間軸圧縮伸長部６は、音声区間であると判定された音
声データのうち、定常的な区間のみを、上述した第１方
法〔３−１〕と同様な方法で圧縮する。

【００８８】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、上述した第１方法〔３−１〕
と同様な方法で圧縮する。

【００８９】〔４〕第４の音声変換モード（入力音声に
対して、話速を速くし、音程を高くするモード）時の動
作の説明

【００９０】第２の音声変換モード時においては、出力
音声の音程を入力音声の音程に対して高くさせるため
に、Ａ／Ｄ変換部３の周波数ｆ_ADおよびＤ／Ａ変換部９
の周波数ｆ_DAは、上記数式３と同じ次の数式５を満足す
るような周波数に設定される。

【００９１】

【数５】

【００９２】これにより、出力音声の音程は、入力音声
の音程のｎ倍となる。たとえば、Ａ／Ｄ変換部３の周波
数ｆ_ADは、Ｄ／Ａ変換部９の周波数ｆ_DAの１／２倍に設
定される。この場合には、ｎ＝２となり、出力音声の音
程は、入力音声の音程の２倍となる。

【００９３】出力音声の話速を入力音声の話速に対して
速くさせるために、音声区間であると判定された音声デ
ータおよび無音区間であると判定された音声データに対
して行なわれる処理について説明する。

【００９４】この処理方法には、次のような方法があ
る。

【００９５】〔４−１〕第１方法 音声区間であると判別された音声データに対しては、時
間軸圧縮伸長部６は、ｎより小さな伸長率β（β＜ｎ）
で、入力信号を伸長する。ｎ＝２である場合には、伸長
率βはたとえば３／２に設定される。つまり、２つの波
形から３つの波形が生成される。これにより、出力音声
の話速が入力音声の話速に対して速くなる。

【００９６】ｎより小さな伸長率β（β＜ｎ）で、入力
信号を伸長した場合に、出力音声の話速が入力音声の話
速に対して速くなる理由について、ｎ＝２で、β＝３／
２の場合を例にとって説明する。

【００９７】ｎ＝２の場合（ｆ_AD／ｆ_DA＝１／２の場
合）には、単位時間当たりにＡ／Ｄ変換部３によって変
換されるデータ量は、単位時間当たりにＤ／Ａ変換部９
によって変換されるデータ量の１／２倍になる。上記
〔２−１〕の第１方法において、図５および図６での説
明から理解されるように、入力音声の話速に対して、出
力音声の話速を速くするには、入力音声信号の所定時間
長さを時間軸上で圧縮（短縮）して、出力音声信号とし
て出力すればよいことになる。ｎ＝２の場合（ｆ_AD／ｆ
_DA＝１／２の場合）には、Ａ／Ｄ変換されたデータと、
Ｄ／Ａ変換されたデータとの時間長さが同じになる２倍
の伸長より、伸長の割合（度合い）を小さくすればよ
い。

【００９８】したがって、入力音声の話速に対して、出
力音声の話速を速くするためには、Ａ／Ｄ変換部３によ
って変換された音声データを２より小さな伸長率βで伸
長する必要がある。たとえば、Ａ／Ｄ変換部３によって
変換された音声データを、伸長率β＝２より小さな伸長
率β＝３／２で伸長した場合には、出力音声信号の音声
区間は、入力音声信号の音声区間を３／２倍に伸長した
ことになる。したがって、この場合には、伸長率β＝２
で伸長した場合に比べて、２−３／２＝１／２だけ、入
力される音声区間が時間軸上で短くされて出力されるこ
とになる。

【００９９】なお、ｎ＝２の場合には、伸長率βを、２
より小さい範囲内において、変化させてもよい。

【０１００】このように音声区間を、ｎより小さい伸長
率βで伸長した場合には、入力されるデータ量が、出力
されるデータ量に対して減少していくため、最終的にバ
ッファ８に蓄積されるデータがなくなるおそれがある。
そこで、入力される無音区間については時間軸上で伸長
されるように制御される。

【０１０１】つまり、無音区間であると判定された音声
データに対しては、時間軸圧縮伸長部７は、ｎより大き
な伸長率β（β＞ｎ）で入力データを伸長する。

【０１０２】ｎ＝２である場合には、無音区間であると
判定された音声データは、２より大きな伸長率βで伸長
されるので、伸長率β＝２で伸長した場合に比べて、入
力される無音区間が時間軸上で伸長されて出力されるこ
とになる。

【０１０３】〔４−２〕第２方法 時間軸圧縮伸長部６は、音声区間であると判定された音
声データのうち、定常的な区間のみを、上述した第１方
法〔４−１〕と同様な方法で伸長する。

【０１０４】時間軸圧縮伸長部７は、無音区間であると
判定された音声データを、上述した第１方法〔４−１〕
と同様な方法で伸長する。

【０１０５】図１の音声変換玩具の代わりに、図７に示
すような音声変換玩具を用いてもよい。図７において、
図１に対応する部分には、同じ符号を付してある。図７
の音声変換玩具では、フレームメモリ４の後段にバッフ
ァ８が設けられている点が、図１の音声変換玩具と異な
っている。

【０１０６】また、入力される音声の特徴を分析し、こ
の分析結果に基づいて、圧縮伸長率を制御してもよい。

【０１０７】上記実施の形態では、音声区間と無音区間
とが区間判別部５によって判別され、音声区間と判別さ
れた音声データに対しては時間軸圧縮伸長部６によって
時間軸圧縮伸長処理が施され、無音区間と判別された音
声データに対しては時間軸圧縮伸長部７によって時間軸
圧縮伸長処理が施されている。

【０１０８】しかしながら、音声区間と無音区間とを判
別することなく、フレームメモリ４に格納された音声デ
ータに対して、時間軸圧縮伸長処理を行なうようにして
もよい。この場合、第１および第２音声変換モードのよ
うに話速を遅くする場合には、話速が遅くなるようにフ
レームメモリ４に格納された音声データに対して時間軸
圧縮伸長処理が行なわれ、第３および第４音声変換モー
ドのように話速を速くする場合には、話速が速くなるよ
うにフレームメモリ４に格納された音声データに対して
時間軸圧縮伸長処理が行なわれる。

【０１０９】上記実施の形態によれば、入力された音声
の話速と音程とを、単純にテープレコーダを可変速再生
する場合に比べて、より自由に変化させることができ、
趣向性のある音声を出力させることができる音声変換玩
具が得られる。また、入力された音声の話速と音程と
を、ほぼリアルタイムで変換して出力させることができ
る。

【０１１０】なお、入力された音声信号の全てを記憶す
る記憶装置を設けておき、再生開始指令が入力された場
合に、記憶装置から入力音声信号を順次読み出して、上
述したような処理を行なって音声を出力するようにして
もよい。

【０１１１】

【発明の効果】この発明によれば、入力された音声の話
速と音程とを、単純にテープレコーダを可変速再生する
場合に比べて、より自由に変化させることができ、趣向
性のある音声を出力させることができる音声変換玩具が
得られる。

【図面の簡単な説明】

【図１】音声変換玩具の電気的構成を示すブロック図で
ある。

【図２】ＰＩＣＯＬＡを用いた時間軸圧縮伸長法を説明
するための模式図である。

【図３】ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場合）に
おいて、Ａ／Ｄ変換された音声データをそのままＤ／Ａ
変換して出力した場合の、Ａ／Ｄ変換されたディジタル
データおよびＤ／Ａ変換されたディジタルデータを示す
タイムチャートである。

【図４】ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場合）に
おいて、入力音声の話速と出力音声の話速を同じにする
ために、Ａ／Ｄ変換された音声データを１個ずつ間引い
た場合の、Ａ／Ｄ変換されたディジタルデータおよびＤ
／Ａ変換されたディジタルデータを示すタイムチャート
である。

【図５】ｎ＝２の場合（ｆ_AD／ｆ_DA＝１／２の場合）に
おいて、Ａ／Ｄ変換された音声データをそのままＤ／Ａ
変換して出力した場合の、Ａ／Ｄ変換されたディジタル
データおよびＤ／Ａ変換されたディジタルデータを示す
タイムチャーとである。

【図６】ｎ＝２の場合（ｆ_AD／ｆ_DA＝１／２の場合）に
おいて、入力音声の話速と出力音声の話速を同じにする
ために、Ａ／Ｄ変換された音声データを補間した場合
の、Ａ／Ｄ変換されたディジタルデータおよびＤ／Ａ変
換されたディジタルデータを示すタイムチャートであ
る。

【図７】音声変換玩具の他の例を示すブロック図であ
る。

【符号の説明】

１ マイク ３ Ａ／Ｄ変換部 ５ 区間判別部 ６ 音声区間の時間軸圧縮伸長部 ７ 無音区間の時間軸圧縮伸長部 ８ バッファ ９ Ｄ／Ａ変換部 １１ スピーカ １２ 操作部 １３ サンプリング周波数調整部 １４ 圧縮伸長率調整部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 音声変換モードを設定するための設定装
   置、 音声を入力するための入力装置、 入力装置によって入力された音声信号の音程を、設定装
   置によって設定された音声変換モードに応じて制御する
   音程制御手段、 入力装置によって入力された音声信号の話速を、設定装
   置によって設定された音声変換モードに応じて制御する
   話速制御手段、ならびに音程制御手段および話速制御手
   段によって音程および話速が制御された音声信号を出力
   する出力装置を備えている音声変換玩具。
2. 【請求項２】 音声変換モードを設定するための設定装
   置、 音声を入力するための入力装置、 入力装置によって入力された音声信号をディジタル信号
   に変換するＡ／Ｄ変換手段、 Ａ／Ｄ変換手段によって得られた音声データに対して時
   間軸圧縮伸長処理を行なう時間軸圧縮伸長手段、 時間軸圧縮伸長手段によって得られた音声データをアナ
   ログ信号に変換するＤ／Ａ変換手段、 Ｄ／Ａ変換手段によって得られた音声信号を出力するた
   めの出力手段、 設定装置によって設定された音声変換モードに応じて、
   Ａ／Ｄ変換手段およびＤ／Ａ変換手段のサンプリング周
   波数をそれぞれ調整する音程制御用の調整手段、ならび
   に、 設定装置によって設定された音声変換モードに応じて、
   時間軸圧縮伸長処理手段で用いられる圧縮伸長率を調整
   する話速制御用の調整手段、 を備えている音声変換玩具。
3. 【請求項３】 音声変換モードを設定するための設定装
   置、 音声を入力するための入力装置、 入力装置によって入力された音声信号をディジタル信号
   に変換するＡ／Ｄ変換手段、 Ａ／Ｄ変換手段によって得られた音声データに基づい
   て、入力音声が音声区間か無音区間かを判別する区間判
   別手段、 Ａ／Ｄ変換手段によって得られた音声データのうち音声
   区間であると判定された音声データに対して時間軸圧縮
   伸長処理を行なう第１の時間軸圧縮伸長手段、 Ａ／Ｄ変換手段によって得られた音声データのうち無音
   区間であると判定された音声データに対して時間軸圧縮
   伸長処理を行なう第２の時間軸圧縮伸長手段、 上記両時間軸圧縮伸長手段によって得られた音声データ
   をアナログ信号に変換するＤ／Ａ変換手段、 Ｄ／Ａ変換手段によって得られた音声信号を出力するた
   めの出力手段、 設定装置によって設定された音声変換モードに応じて、
   Ａ／Ｄ変換手段およびＤ／Ａ変換手段のサンプリング周
   波数をそれぞれ調整する音程制御用の調整手段、ならび
   に、 設定装置によって設定された音声変換モードに応じて、
   第１の時間軸圧縮伸長処理手段および第２の時間軸圧縮
   伸長処理手段で用いられる圧縮伸長率をそれぞれ調整す
   る話速制御用の調整手段、 を備えている音声変換玩具。
4. 【請求項４】 音声変換モードには、入力音声に対し
   て、話速を遅くし、音程を低くする第１の音声変換モー
   ド、入力音声に対して、話速を遅くし、音程を高くする
   第２の音声変換モード、入力音声に対して、話速を速く
   し、音程を低くする第３の音声変換モード、および入力
   音声に対して、話速を速くし、音程を高くする第４の音
   声変換モードがある請求項１、２および３のいずれかに
   記載の音声変換玩具。