DE1903623C3 - Elektrischer Sprach-Synthetisator - Google Patents

Description

Die Erfindung betrifft einen elektrischen Sprach-Syniheiisator nach dem Oberbegriff des Patentanspruchs 1.

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

Heim Prozeß der menschlichen Spracherzeugung werden durch Erregung der Stimmbänder die verschiedenen Resonan/.hohlräumc der menschlichen Sprachwerk/etigc zur Erzeugung einer Spraehwellenform erregt, welche durch Konzentration akustischer Energie im Frequen/.spckiriim charakterisiert sind, die als Formanten bezeichnet werden. Jeweils unmittelbar vor jeder aufeinanderfolgenden Erregung (d. h. jedem I.aut- oder Tonimpuls) wird durch die Slimmritzendiimpfung der Gütefaktor (J der verschiedenen Rcsonunzhohlräume von einem hohen auf einem niedrigen Wert herabgesetzt, um ein »Übertragen« der in den Rcsonanzhohlräumen erzeugten Schwingtingssignale auf die jeweils folgenden Laut- bzw. Tonimpulse zu verhindern.

In einem Formani-Voeoder werden Signale, welche die Frequenzen und Amplituden der Formanten eines Spnichlauts wiedergeben, übertragen und zur Steuerung eines Formanien-Synlhetisators verwendet, der drei oder mehrere Resonanzkreise enthält. Damit das von diesem synthetisierte Sprachsignal eine wesensgemäße Nachbildung der von dem menschlichen Sprcchmcchani'iimis erzeugten Sprachwellenlorm wird, müssen die Resonanzkreise einen hohen (λWert besitzen. Ohne Dämpf.ing führt dies zu einem »Übertragen« der Signale in den Resonanzkreisen zwischen aufeinanderfolgenden Erregungen, und damit zu geringerer Qualität tier synlhetisieiten Spraehwellenform. Versuche, die Qualität tier synthetisierten Spraehwellenform ohne Dämpfung durch eine solche Ausbildung der Resonanzkreise zu verbessern, daß diese einen Q-Faktor irgendwo zwischen dem gedämpften und dem ungedämpften Wert besitzen, haben sich nicht als erfolgreich erwiesen.

Der Erfindung liegt somit die Aufgabe zugrunde, die Qualität tier von einem derartigen Formant-Vocoder erzeugten Sprachwellenformen derart zu verbessern, daß ein »Übertiagen« der Schwingungen der betreffenden Resonanzkreise ties Syntholisators zwischen aufeinanderfolgenden Laut- bzw. Tonimpuisen vermieden wird.

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

Nach dem Grundgedanken tier Erfindung ist somit in ili \ Synthetisator des Formant-Vocoders ein Stimmritzcndämpfungs-Generalor vorgesehen. Dieser Generator ist mit einem Ausgang des Laut- bzw. Tongenerators

des Synthetisators sowie mit einem Eingang wenigstens eines der Formant-Resonatoren des Synthetisators ■erblinden und setzt den (^-Faktor des bzw. der Resonatoren) mit welchem(n) er verbunden ist. für eine kurze Zeitperiode jeweils vor dem Aultreten der aufeinanderfolgenden Laut- bzw. Tonimpulse herab. Hierdurch werden die Resonanzkreise /.es gleichen Zeit und praktisch im gleichen Maße gedämpft, wie die Stimmritze die Resonanz-Hohlräume des menschlichen Sprechapparais dämpft, wodurch die synthetisiert«.· Sprach wellenform eine bessere Nachbildung der gesprochenen Sprachwellenform wird.

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

Fig. I ein Blockschallbild eines Forma nt-Vocoders gemäß einem Ausführungsbeispiel der Erfindung,

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

F i g. 3 ein .Schallschema eines Teils der Schaltung aus Fig. 1.

Fig. 1 zeigt im Blockschallbild einen Formant-Vocoder gema'ü einer Ausführungsform der Erfindung. Ein Sprachsignal, wie es beispielsweise von einem (nicht dargestellten) hochwertigen Mikrophon herkömmlicher ArI geliefert wird, wird einem Formanten-Frequenz- und Ampliliidendetekior 2. einem Laut- bzw. Tondetektor 4 und einem Stimmdetektor 6 zugeführt.

Der Detektor 2 erzeugt Signale, welche dio Frequenzen / Ί, F> und F) der ersten drei Formanten der Sprachwellenform wiedergeben, sowie Signale, welche die Amplituden Λι, /l> und Ai der ersten drei Formanten der Sprachwellenform wiedergeben. Ein zur Vcrwendung geeigneter Formanten-Frequenz- und Amplitudendeteklor ist in der US-Patentschrift 24 58 227 beschrieben.

Der Detektor 4 erzeugt ein Signal, dessen Amplitude die Frequenz 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 tier Sprachwellenform enthaltener harmonischer zu nichtharmonischer Energie wiedergibt. Diese Information dient zur Unterscheidung zwischen stimmhaften und stimmlosen Lauten. Zur Verwendung geeigneter Laut- bzw. Tondetektoren unci Stimmdeiekioren sind bekannt.

Die von den Detektoren 2, 4 und 6 erzeugten Signale werden über einen herkömmlichen Übcrtragungskanal an eine Synihctisatorschaltuiig übertragen. Beispielsweise kant) die Übertragung der Dctektorsignale in der Weise vorgenommen weiden, daß die Amplitude einer Hf-Trägcrwelle nach Maßgabe der Amplitude dor Deiektoraiisgangssignale 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 Detektor <l· zugcführten Steuersignal ist. Da wie zuvor beschrieben die Amplitude des Laut- bzw. fonsignals 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 des Stimnuletektors 6 wird einer Torschaltung 10 zugeführt, bie Torschaltung 10 ist ferner auch mil dem Laul- bzw. Torioszillator 8 sowie einem Rauschgenerator 12 verbunden. |e nach der Amplitude des Stimmsignals und damit 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 Ϊ8 zugeführt, in den

ίο Modulatoren 14, 16 und 18 wird die Amplitude dieses Signals nach Maßgabe der Amplitude der die Formant amplituden 4 1,42 und 4 3 wiedergebenden Sigiule moduliert. Die von den Modulatoren 14, 16 und 18 erzeugten ampliiudenniodulierien Signale werden abstimmbaren Resonanzkreisen 20, 22 bzw. 24 zugeführt. Die Abstimmung der Resonanzkreise 20,22 und 24 w ird durch die Formantfrequenzsignale Fl, F2 bzw. FJ gesteuert. Die Ausgangssignale der abstimmbaren Resonanzkreise 20,22 und 24 werden durch Bandpaßfil· ler 26, 28 bzw. 30 geschickt, die von gleicher Art wie die in dem Detektor 2 verwendeten Filter sind und zur Beseitigung unerwünschter harmonischer Komponenten dienen, welche im Verlauf der Bearbeitung der Sprachwellenform eingeführt worden sein können:

ü sodann werden die Signale in der Schaltung 31 zur Erzeugung des synthetisierten Sprechsignals addim kombiniert.

Die bisher beschriebene Schallung entspricht einem herkömmlichen Formanien-Vocoder. Nunmehr ist cm

in StiminrilzendämpfungsGenerator 32 vorgesehen, des sen Eingang mit dem Laut- bzw. Tongenerator 8 verbunden ist und dessen Ausgang parallel mit den absiimmbaren Resonatoren 20 und 22 verbunden isi. Wie im folgenden im einzelnen erläutert wird, erzeugt

ü der Generator 32 Dämpfungssignale, welche den Q-i-akior des ersten und des zweiten Formantresoii.i tors 20 bzw. 22 herabsetzen. Die zeitliche Steuerung dieser Signale ist so gewählt, daß der φ-Faktor der Resonatoren 20 und 22 jeweils unmittelbar vor dem

»ο Auftreten der einzelnen aufeinanderfolgenden Lautbzw. Tonimpulse herabgesetzt wird. Vermutlich infolge seiner örtlichen Lage innerhalb des menschlichen Sprechtrakls scheint der drille Formant-Resonanzhohlraum des menschlichen .Sprechapparats nicht durch die

π Stiinmritzenöffnung gedämpft zu sein; daher wird ,inch der dritte Formant-Resonator in dem Synthetisaior nicht gedämpft.

Im folgenden wird nun anhand der Wellenform-Durstcllungen in F i g. 2 die Wirkungsweise des Systems

ίο gemäß Fig. 1 beschrieben. Die Wellenform 4 in F i g. 2 veranschaulicht das Amplitudenspektrum des ersten Formanien eines vom menschlichen Sprechtrakt ausgestoßeiien Lauts. Infolge der Stimmritzendämpfung ist die Amplitude dieses Signals jeweils unmittelbar \or

v> 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

w) Kurve Λ 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

h> überlagert. Diese Überlagerung verzerrt die synthetisierte Sprachwcllenfurm.

Die Kurve C in F i g. 2 veranschaulicht nun das Ampliuidenspektrum des Ausgangssignals des ersten

Formantrcsonators. Infolge der Wirkung des Slimmritzcndämpfungsgenerators 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 ergib! sich, daß die Verwendung des Stimmritzcndämpfungs-Generaiors 32 die Qualität des Formant-Vocoders verbessert, weil man so ein besseres. i< > getreueres elektrisches Analogon des menschlichen Sprechlrakts erhält.

Im folgenden werden nun anhand des Schaltbilds in rig.3 Schaltungen beschrieben, die sich zur Verwendung als Laut- bzw. Tongenerator 8, als Resonator 20 is und als Stimmritzendämpfungsgenerator 32 gemäß dem Blockschaltbild in Fig. 1 eignen. Das Laut- bzw. Tonsignal wird der Basis eines Transistors 33 zugeführt, der Teil einer Ladeschaltung ist, welche des weiteren den Widersland 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 Differentialverslärker 38 mit hohem Verstärkungsgrad zugeführt, während die Spannung im Knotenpunkt der beiden Widerstände der Spannungsteilerschaltung 36 als das zweite Eingangssignal dem Differenlialverstärker 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. Tonimpulsfrequenz zusammenbricht und dadurch über dem Kondensator 39 Laut- bzw.Tonimpulse erzeugt. Diese Impulse werden in dem monostabilen Multivibrator 41 standardisiert.

Die Ausgangsgröße des Verstärkers 38 wird der Torelektrode eines Feldeffekttransistors 40 sowie einer Spannungsumkehrschaltung 42 zugeführt. Die Quelle-Elektrode S 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 Formanlfrequenzsignal 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 Verstärkerschaltung 52 gelrennt. Die Quelle-Elektrode des Feldeffekttransistors 45 ist mit einem zweiten Eingang des Operationsverstärkers 44 verbunden. Der Ausgang des Verstärkers 44 ist mit dem Schaltmodulator 14 in F i g. 1 verbunden, sowie über eine Emitterfolger-Trennschaltung 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 Fig. 3 ist wie folgt: Die Amplitude des Laut- bzw. Tonsignals bestimmt den Kollektorstrom des Transistors 33 und damit die Ladegeschwindigkeit des Kondensators 35. Sobald die Spannung an dem Kondensator 35 sich der Bezugsspannung annähert, steigt das Ausgangspotential des Verstärkers 38 zeitlich mit der durch den Kollektorstrom des Transistors 33 bestimmten Ladegeschwindigkeit von einer negativen Sättigungsspannung auf eine positive Sättigungsspannung an. Die Größe der Bezugsspannung ist so gewählt, daß der Übergang vom negativen zum positiven Sättigungszustand gerade unmittelbar jeweils vor den einzelnen Laut- bzw. Tonimpulsen der Eingangssprachwellenform stattfindet.

Durch das Ausgangssignal großer Amplitude (positive Sättigung) des Verstärkers 38 steigt der Widerstand des Transistors 40 an. Da die Verstärkung des 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 Schaltung 42 neutralisiert Einschwingvorgänge, welche aus der Quelle-Tor-Kapazität 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 (4)

Patentansprüche:

1. Elektrischer Sprachsynthetisator zur Verwendung in einem System zur Übertragung eines eine Sprachwcllenform wiedergebenden Signals, mit τ einem Laut bzw. Tonoszillator, dem den Laut bzw. Toninipulsen der Spraehwellenform entsprechende Signale zugeführt werden und der in Abhängigkeit hiervon Spannungsimpulse mit der Laut-Tonfivquenz erzeugt, einer Reihe von parallel zueinander m liegenden, mit dem Laut- bzw. Tonoszillator gekoppelten Modulatoren, welchen jeweils die den Amplituden der verschiedenen Formanten der Spraehwellenform entsprechenden Signalen zugeführt werden, mehreren Resonanzschaltungen, de- ii ren einer Eingang jeweils mit einem der Modulatoren verbunden ist und deren zweiten Eingängen jeweils eines der die Frequenzen der Formanten der Spracliwellenforni wiedergebenden Signale zugeführt wird, wobei mit wenigstens einer der jo Resonanzschaltungen eine sprachsignalgesieuerle Dämpfungsschaltung zur Hedämpfung der Resonanzschaltung verbunden ist, dadurch g e: kennzeichnet, daß der Sprach- bzw. Tonoszillator (8) unmittelbar vor den einzelnen Laut- od::r _ί Tonimpulsen der Eingangssprachwellenforin ein solches Signal an die Dämpfungsschaltung (32) liefen, daß die Bedämpfung der Resonanzschaltung (20, 22, 24) mit der die Dänipfungssehaltung (Ί2) verbunden ist, jeweils unmittelbar vor dem Auftrc- :<> ten eines Laut- bzw. Toniinpulses kurzzeitig erhöht wird.

2. Sprachsynthetisator nach Anspruch 1, dadurch gekennzeichnet, daß der bzw. die Resonanzkreis-) (20, 22) einen veränderbaren ς)-Faktor besitzt bzw. r> besitzen und daß die Dämpfungsschaltung (32) den C?-Faktor des(r) Resonanzkreisen^) jeweils vor dem Auftreten jedes einen Laut- bzw. Tonimpulses der nachzubildenden Spraehwellenform entsprechenden Impulses herabsetzt.

J. Sprachsynthetisator nach Anspruch 1, dadurch gekennzeichnet, daß der (bzw. die) Resonanzkreis-) (20, 22) eine Versiärkervorrichiung (44, Fig. 3) zur Steuerung der Verstärkung des bzw. der betreffenden Resonanzkreises(e) aufweist und daß die Dämpfungsschaltung (J2) die Verstärkung der Verstärkungsvorrichtung jeweils unmittelbar vor dem Auftreten der einzelnen, einem Laut- bzw. Tonimpuls der nachzubildenden Spraehwellenform entsprechenden Impulse herabsetzt.

4. Sprachsynthetisator nach Anspruch 3, dadurch gekennzeichnet, daß die Dämpfungsschaltung (32, Fig. 3) einen Diiferentialverstärker (38) hoher Verstärkung, eine mit dem Ausgang des Differentiaiverstärkers (38) und mit dem Verstärker (44) der Resonanzschaltung (20) verbundene veränderliche Widerslandsvorrichtung (40) sowie Schaltungsmittel (i I, 15,36) aufweist, mittels welcher der Differentialverstärker (38) jeweils unmittelbar vor dem Auftreten der einzelnen, einem Laut- bzw. Tonimpuls der nachzubildenden Sprachwcllcnform entsprechenden Impulse aus einem negativen Sättigungszustand in einen positiven Sätligungszusland überführbar ist. wodurch der Widerstand der veränderlichen Widersiiindsvorrichtung (40) und damit die Verstärkung des Verstärkers (44) der Resonanzschaltung (20) jeweils unmittelbar vor dem Auftreten der genannten Impulse veränderbar ist.