DE1903623B2

DE1903623B2 - Elektrischer Sprach-Synthetisator

Info

Publication number: DE1903623B2
Application number: DE1903623A
Authority: DE
Inventors: Louis Rex Huntingdon Valley Focht; James Merritt Willow Grove Loe
Original assignee: Philco Ford Corp
Current assignee: Maxar Space LLC
Priority date: 1968-01-25
Filing date: 1969-01-24
Publication date: 1979-03-22
Also published as: DE1903623A1; DE1903623C3; GB1261552A; US3573374A; JPS4912009B1

Description

Die Erfindung betrifft einen elektrischen Sprach-Synthctisator nach dem Oberbegriff des Patentanspruchs I.

Ein solcher Sprach-Synthetisator ist aus der US-Patentschrift 28 17 707 bereits bekannt. Die Veränderung der Dämpfung erfolgt hier in Abhängigkeit davon, ob « die wiederzugebende Sprachwellenform einen stimmhaften oder einen stimmlosen Laut enthält.

Beim Prozeß der menschlichen Spracherzeugung werden durch Erregung der Stimmbänder die verschiedenen Resonanzhohlräume der menschlichen Sprach- ^c-o werkzeuge zur Erzeugung einer Sprachwellenform erregt, welche durch Konzentration akustischer Energie im Frequenzspektrum charakterisiert sind, die als Formanten bezeichnet werden. Jeweils unmittelbar vor jeder aufeinanderfolgenden Erregung (d. h. jedem Laut- oder Tonimpuls) wird durch die Stimmritzendämpfung der Gütefaktor Q der verschiedenen Resonanzhohlräume von einem hohen auf einem niedrigen Wert herabgesetzt, um ein »Übertragen« der in den Resonanzhohlräumen erzeugten Schwingungssignale <>o auf die jeweils folgenden Laut' bzw. Tonimpulse zu verhindern.

In einem Formant-Vocoder werden Signale, welche die Frequenzen und Amplituden der Formanten eines Sprachlauts wiedergeben, übertragen und zur Steuerung eines Formanten-Synthetisators verwendet, der drei oder mehrere Resonanzkreise enthält. Damit das von diesem synthetisierte Sprachsignal eine wesensge-

65 mäße Nachbildung der von dem msnschlichen Sprechmechanhmus erzeugten Sprachwellenform wird, müssen die Resonanzkreise einen hohen ζ)-Wert besitzen. Ohne Dämpfung führt dies zu einem »Übertragen« der Signale in den Resonanzkreisen zwischen aufeinanderfolgenden Erregungen, und damit zu geringerer Qualität der synthetisierten Sprachwellenform. Versuche, die Qualität der synthetisierten Sprachwellenform ohne Dämpfung durch eine solche Ausbildung der Resonanzkreise zu verbessern, daß diese einen Q-Faklor irgendwo zwischen dem gedämpften und dem ungedämpften Wert besitzen, haben sich nicht als erfolgreich erwiesen.

Der Erfindung .iegt somit die Aufgabe zugrunde, die Qualität d<:r von einem derartigen Formant-Vocoder erzeugten Sprachwellenformen derart zu verbessern, daß ein »Übertragen« der Schwingungen der betreffenden Resonanzkreise des Synthetisalors zwischen aufeinanderfolgenden Laut- bzw. Tonimpulsen vermieden wird.

Die Erfindung löst diese Aufgabe durch einen elektrischen Sprach-Synthetisator der eingangs genannten Art mit den kennzeichnenden Merkmalen des Patentanspruchs I.

Nach dem Grundgedanken der Erfindung ist somit in dem Synthetisator des Formant-Vocoders ein Stimmritzendämpfungs-Generator vorgesehen. Dieser Generator ist mit einem Ausgang des Laut- bzw. Tongenerators

des Synthetisaiors sowie mit einem Eingang wenigstens eines der Formant-Resonatoren des Synthetisutors verbunden und setzt den 0-Faktor des bzw. der Resonatorsien) mit welchem(n) er verbunden ist, für eine kurze Zeitperiode jeweils vor dem Auftreten der aufeinanderfolgenden Laut- bzw. Tonimpulse herab. Hierdurch werden die Resonanzkreise zur gleichen Zeit und praktisch im gleichen Maße gedämpft, wie die Stimmritze dip Resonanz-Hohlräume des menschlichen Sprechapparats dämpft, wodurch die synthetisierte Sprachwellenform eine bessere Nachbildung der gesprochenen Sprachwellenfonri wird.

Im folgenden wird ein Ausführungsbeispiel eines Formant-Vocoders anhand der Zeichnung im einzelnen beschrieben; in der Zeichnung zeigt

F i g. 1 ein Blockschaltbild eines Formant-Vocoders gemäß einem Ausführungsbeispiel der Erfindung,

F i g. 2 graphische Darstellungen zur Veranschaulichung der von dem menschlichen Sprechapparat bzw. von dem Formant-Vocoder erzeugten ersten Formant-Sprachsignale,

F i g. 3 ein Schaltschema eines Teils der Sc'-.altung aus Fig. 1.

Fig. 1 zeigt im Blockschaltbild einen Formanx-Vocoder gemäß einer Ausführungsform der Erfindung. Ein Sprachsignal, wie es beispielsweise von einem (nicht dargestellten) hochwertigen Mikrophon herkömmlicher Art geliefert wird, wird einem Formanten-Frequenz- und Amplitudendetektor 2, einem Laut- bzw. Tondetektor 4 und einem Stimmdetektor 6 zugeführt. jo

Der Detektor 2 erzeugt Signale, welche die Frequenzen Fi, Fi und Fj der ersten drei Formanten der Sprachwellenform wiedergeben, sowie Signale, welche die Amplituden A\, A2 und Aj der ersten drei Formanten der Sprachwellenform wiedergeben. Ein zur Verwen- λ dung geeigneter Formanten-Frequenz- und Amplitudendetektor ist in der US-Patentschrift 24 58 227 beschrieben.

Der Detektor 4 erzeugt ein Signal, dessen Amplitude die Frequer? der Stimmbanderregung, d. h. die Laut- bzw. Tonfrequenz wiedergibt. Der »Stimmdetektor« 6 mißt die Regelmäßigkeit der Abstände zwischen benachbarten Laut- bzw. Tonimpulsen und erzeugt ein Signal, welches das Verhältnis von in der Sprachwellenform enthaltener harmonischer zu nichtharmonischer r, Energie wiedergibt. Diese Information dient zur Unterscheidung zwischen stimmhaften und stimmlosen Lauten. Zur Verwendung geeigneter Laut- bzw. Tondetektoren und Stimmdetektoren sind bekannt.

Die von den Detektoren 2,4 und 6 erzeugten Signale w werden über einen herkömmlichen Übertragungskana! an eine Synthetisatorschaitung übertragen. Beispielsweise kann die Übertragung der Detektorsignale in der Weise vorgenommen werden, daß die Amplitude einer Hf-Trägerwelle nach Maßgabe der Amplitude der v> Detektorausgangssignale kontinuierlich verändert wird.

Die Ausgangsgröße des Detektors 4 wird auf diese Weise einem frequenzsteuerbaren Laut- bzw. Tonoszillator 8 zugeführt, welcher ein Signal erzeugt, dessen Frequenz eine Funktion der Amplitude des von dem m> Detektor 4 zugeführten Steuersignal ist. Da wie zuvor beschrieben die Amplitude des Laut- bzw. Tonsignals eine Funktion der Laut- bzw. Tonfrequenz ist, besitzt das von dem Oszillator 8 erzeugte Signal eine Frequenz gleich der Laut- bzw. Tonfrequenz des Eingangs-Sprachsignals.

Die Ausgangsgröße d"s Stimmdetektors 6 wird einer Torschaltung 10 zugeführt. Die Torschaltung 10 ist ferner auch mit dem Luui- bzw. Tonoszillator 8 sowie einem Rauschgenerator 12 verbunden. Je nach der Amplitude des Stimmsignals und damil je nachdem, ob das Sprachsignal stimmhaft oder stimmlos ist, läßt die Torschaltung 10 entweder das Signal von dem Oszillator 8 oder das Signal von dem Rauschgenerator 12 durch.

Das Ausgangssignal der Torschaltung 10 wird jeweils parallel Modulatoren 14, 16 und 18 zugeführt. In den Modulatoren 14, 16 und 18 wird die Amplitude diese«; Signals nach Maßgabe der Amplitude der die Formantamplituden A 1, A 2 und A 3 wiedergebenden Signale moduliert. Die von den Modulatoren 14, 16 und 18 erzeugten amplitudenmodulierten Signale werden abstimmbaren Resonanzkreisen 20, 22 bzw. 24 zugeführt. Die Abstimmung der Resonanzkreise 20,22 und 24 wird durch die Formantfrequenzsignale Fl. F2 bzw. F3 gesteuert. Die Ausgangssignale der abstimmbaren Resonanzkreise 20,22 und 24 werden durch Bandpaßfilter 26, 28 bzw. 30 geschickt, die von 'Reicher Art wie die in dem Detektor 2 verwendeten HUer sind und zur Beseitigung unerwünschter harmonischer Komponenten dienen, weiche im Verlauf der Bearbeitung der Sprach wellenform eingeführt worden sein können; sodann werden die Signale in der Schaltung 31 zur Erzeugung des synthetisierten Sprechsignals additiv kombiniert.

Die bisher beschriebene Schaltung entspricht einem herkömmlichen Formanten-Vocoder. Nunmehr ist ein Stimmritzendämpfungs-Generator 32 vorgesehen, dessen Eingang mit dem Laut- bzw. Tongenerator 8 verbunden ist und dessen Ausgang parallel mit den abstimmbaren Resonatoren 20 und 22 verbunden ist. Wie im folgenden im einzelnen erläutert wird, erzeugt der Generator 32 Dämpfungssignale, welche den (?-Faktor des ersten und des zweiten Formantresonators 20 bzw. 22 herabsetzen. Die zeitliche Steuerung dieser Signale ist so gewählt, daß der C*-Fakior der Resonatoren 20 und 22 jeweils unmittelbar vor dem Auftreten der einzelnen aufeinanderfolgenden Laut- bzw. Tonimpulse herabgesetzt wird. Vermutlich infolge seiner örtlichen Lage innerhalb des menschlichen Sprechtrakts scheint der dritte Formant-Resonanzhohlraum des menschlichen Sprechapparats nicht durch die Stimmritzenöffnung gedämpft zu sein; daher wird auch der dritte Formant-Resonator in dem Synthetisator nicht gedämpft.

Im folgenden wird nun anhand der Wellenform-Darstellungen in Fig. 2 die Wirkungsweise des Systems gemäß F i g. 1 beschrieben. Die Wellenform A in F i g. 2 veranschaulicht das Amplitudenspektrum des ersten Formanten eines vom menschlichen Sprechtrakt ausgestoßenen Lauts. Infolge der Stimmritzendämpfung ist die Amplitude dieses Signals jeweils unmittelbar vor jedem nächstfolgenden Laut- bzw. Tonimpuls P stark reduziert. Die Kurve B in F i g. 2 veranschaulicht das Amplitudenspektrum des von einem herkömmlichen Formant-Vocoder synthetisierten ersten Formantsignals. Anders als bei der Sprachwellenform gemäß Kurve A ist die Amplitude dieses Signals jeweils unmittelbar vor jedem nächstfolgenden Laut- bzw. Tonimpuls noch groß. Somit wird jeweils jedes Schwingungssignal des ersten Formantresonators auf das nächste Schwingungssignal dieses Resonators überlagert. Diese Ü>erlagrrung verzerrt die synthetisierte Sprachwellenform.

Die Kurve C in Fig.2 veranschaulicht nun das Amplitudenspektrum des Ausgangssignals des ersten

Formantresonators. Infolge der Wirkung des Stimmritzendämpfungsgenerators 32 ist die Amplitude des von dem Resonator 20 abgegebenen Signals jeweils vor jedem nächstfolgenden Laut- bzw. Tonimpuls stark gedämpft wie bei der Amplitude von durch den menschlichen Sprechtrakt ausgestoßenen Lauten gemäß Kurve A in Fig.2. Aus den vorhergehenden Darlegungen ergibt sich, daß die Verwendung des Stimmritzendämpfungs-Generalors 32 die Qualität des Formant-Vocoders verbessert, weil man so ein besseres, getreueres elektrisches Analogon des menschlichen Spreehtrakls erhält.

Im folgenden werden nun anhand des Schaltbilds in F i g. J Schaltungen beschrieben, die sich zur Verwendung als Laut- bzw. Tongcncrator 8. als Resonator 20 und als Stimmrilzcndämpfungsgenerator 32 gemäß dem Blockschaltbild in F i g. 1 eignen. Das Laut- bzw. Tonsignal wird der Basis eines Transistors 33 zugeführt, der Teil einer Ladcschaltung ist. welche des weiteren den Widerstand 34 und einen Kondensator 35 aufweist. Im Nebenschluß zu dieser Ladeschaltung liegt eine Bezugsspannungsschaltung 36. Die an dem Kondensator 35 auftretende Spannung wird als das eine Eingangssignal einem Differenzverstärker 38 mit hohem Verstärkungsgrad zugeführt, während die Spannung im Knotenpunkt der beiden Widerstände der Spannungsteilerschaltung 36 als das zweite Eingangssignal dem Diffcrentialverstärker 38 zugeführt wird. Der Verstärker 38 gelangt in den Sättigungsbereich in negativer Richtung, sobald die Bezugsspannung größer als die Spannung an dem Kondensator 35 ist. und entsprechend wird er in positiver Richtung gesättigt, sobald die Bezugsspannung kleiner als die Spannung an dem Kondensator 35 ist.

Die Spannung an dem Kondensator 35 wird ferner auch dem Emitter eines Unijunktionstransistors 37 zugeführt. Der Unijunktionstransistor 37 ist so vorgespannt, daß er durch die Spannung an dem Kondensator 35 mit der Laut- bzw. TonimpuNfrequcnz zusammenbricht und dadurch über dem Kondensator 39 Lautbzw. Tonimpulse erzeugt. Diese Impulse werden in dem monobtabilen Multivibrator41 standardisiert.

Die Ausgangsgröße des Verstärkers 38 wird der Torelektrode eines Feldeffekttransistors 40 sowie einer Spannungs-imkehrschaltung 42 zugeführt. Die Quelle-Elektrode 5 des Feldeffekttransistors 40 ist mit dem einen Eingang eines steuerbaren Verlustkompensations-Operationsverstärkers 44 verbunden. Der Widerstand des Transistors 40 sowie ein Widerstand 43 bilden die Rückführung für den Operationsverstärker 44 und regeln somit die Verstärkung des Verstärkers 44.

Das erste Formantfrequenzsignal Fl wird dem Feldeffekttransistor 45 einer spannungsveränderlichen Hochpaßfilterschaltung 46 sowie dem Feldeffekttransistor 47 einer spannungsveränderlichen Tiefpaßfilterschaltung 48 zugeführt, und zwar über ein Potentiometer 50. Die Filterschaltungen sind durch eine Verstärker- schaltung 52 getrennt. Die Quelle-Rlektrode des Feldeffekttransistors 45 ist mit einem zweiten F.ingiing des Operationsverstärkers 44 verbunden. Der Ausgang des Verstärkers 44 ist mit dem Schallmodulator 14 in Fig. I verbunden, sowie über eine Emitterfolger-Trenn-

'^r> Schaltung 54 mit der Quelle-Elektrode des Feldeffekttransistors 47 verbunden. Das gedämpfte erste Formantsignal tritt am Ausgang des Verstärkers 44 auf.

Die Wirkungsweise der Schaltung gemäß F i g. 3 lsi wie folgt: Die Amplitude des Lan bzw. Tonsignals

2ⁿ bestimmt den Kollekiorstrom des Transistors 33 und damit die Ladegeschwindigkeit des Kondensators 35. Sobald die Spannung an dem Kondensator 35 sich der Bczugsspanming annähert, steig! das Ausgangspoicrüiu! des Verstärkers 38 zeitlich mil der durch den

-'"' Kollektorstrom des Transistors 33 bestimmten Ladegcschwindigkeit von einer negativen Sättigungsspannung auf eine positive Säüigungsspannung an. Die Größe der Bezugsspannung ist so gewählt, daß der Übergang vom negativen zum positiven Sättigurigszustand gerade

in unmittelbar jeweils vor den einzelnen Laut- bzw. Tonimpulsen der Eingangssprachwellcnform stattfindet. Durch das Ausgangssignal großer Amplitude (positive Sättigung) des Verstärkers 38 steigt der Widerstand des Transistors 40 an. Da die Verstärkung des

Ji Resonanzkreises, welchem Schwingungsenergie von dem Modulator 14 zugeführt wird, umgekehrt proportional dem Widerstand des Feldeffekttransistors 40 ist. wird die Verstärkung des Resonanzkreises unmittelbar vor jedem Laut- bzw. Tonimpuls herabgesetzt. Die

w Schaltung 42 neutralisiert Einschwingvorgänge, welche aus der Quelie-Tor-Kapazitäl des Feldeffekttransistors 40 resultieren können. Das Formant-Ausgangssignal wird somit entsprechend unmittelbar vor jedem aufeinanderfolgenden Laut- bzw. Tonimpuls gedämpft.

·»> derart, daß das Ausgangssignal im wesentlichen eine getreue Nachbildung bzw. Wiedergabe der von dem menschlichen Sprechtrakt erzeugten Sprachwellenform ist.

Hierzu 2 Blatt Zeichnungen

Claims

Patentansprüche:

1. Elektrischer Sprachsynthetisator zur Verwendung in einem System zur Übertragung eine» eine Sprachweüenform wiedergebenden Signals,, mit einem Laut bzw. Tonoszillator, dem den Laut bzw. Tonimpulsen der Sprachwellenform entsprechende Signale zugeführt werden und der in Abhängigkeit hiervon Spannungsimpulse mit der Laut-Tonfrequenz erzeugt, einer Reihe von parallel zueinander liegenden, mit dem Laut- bzw. Tc-noszillator gekoppelten Modulatoren, welchen jeweils die den Amplituden der verschiedenen Formanten der Sprachwellenform entsprechenden Signalen zugeführt werden, mehreren Resonanzschaltungen, de- ren einer Eingang jeweils mit einem der Modulatoren verbunden ist und deren zweiten Eingängen jeweils eines der die Frequenzen der Formanten der Sprachwellenform wiedergebenden Signale zugeführt wird, wobei mit wenigstens einer der Resonanischaltungen eine sprachsignalgesteuerte Dämpfungsschaltung zur Bedämpfung der Resonanzschaltung verbunden ist, dadurch gekennzeichnet, daß der Sprach- bzw. Tonoszillator (8) unmittelbar vor den einzelnen Laut- oder Tonimpulsen der Eingangssprachwellenform ein solches Signal an die Däwpfungsschaltung (32) liefert, daß die Bedämpfung der Resonanzschaltung (20, 22, 24) mit der die Dämpfungsschaltung (32) verbunden ist, jeweils unmittelbar vor dem Auftreten eines Laut- bzw. Tonimpulses kurzzeitig erhöht wird.

2. SprachsynthetisE'.or nat". Anspruch I, dadurch gekennzeichnet, daß der bzw. die Resonanzkreis-) (20, 22) einen veränderbaren C Faktor besitzt bzw. )5 besitzen und daß die Dämpfungsschaltung (32) den OFaktor des(r) Resonanzkreises(e) jeweils vor dem Auftreten jedes einen Laut- bzw. Tonimpulses der nachzubildenden Sprachwellenform entsprechenden Impulses herabsetzt.

3, Sprachsynthetisator nach Anspruch 1, dadurch gekennzeichnet, daß der (bzw. die) ResonriviZkreis(e) (20, 22) eine Verstärkervorrichtung (44, Fig.3) zur Steuerung der Verstärkung des bzw. der betreffenden Resonanzkreises—) aufweist und daß die Dämpfungsschaltung (32) die Verstärkung der Verstärkungsvorrichtung jeweils unmittelbar vor dem Auftreten der einzelnen, einem Laut- bzw. Tonimpuls der nachzubildenden Sprachwellenform entsprechenden Impulse herabsetzt

4. Sprachsynthetisator nach Anspruch \ dadurch gekennzeichnet, daß die Dämpfungsschaltung (32, Fig.3) einen Differentialverstärker (38) hoher Verstärkung, eine mit dem Ausgang des Differentialverstärkers (38) und mit dem Verstärker (44) der Resonanzschaltung (20) verbundene veränderliche Widerstandsvorrichtung (40) sowie Schaltungsmittel (33,35,36) aufweist, mittels welcher der Differentialverstärker (38) jeweils unmittelbar vor dem Auftreten der einzelnen, einem Laut- bzw. Tonimpuls der nachzubildenden Sprachwellenform entsprechenden Impulse aus einem negativen Sättigungszustand in einen positiven Sättigungszustand überführbar ist, wodurch der Widerstand der veränderlichen Widerstandsvorrichtung (40) und damit die Verstärkung des Verstärkers (44) der Resonanzschaltung (20) jeweils unmittelbar vor dem Auftreten der genannten Impulse veränderbar ist.