DE2016572A1 - Verfahren und Einrichtung zur Sprachsynthese - Google Patents

Description

Verfahren und Einrichtung zur Sprachsynthese.

Die vorliegende Erfindung betrifft ein Verfahren und eine Einrichtung zur Sprachsynthese aus gespeicherten Phonemdarstel-] unp-en.

Sprache wird im engeren Sinne als Mitteilung oder Darstellung von Gedanken durch gesprochene Wörter definiert. Für die vorliegende Erfindung soll Sprache jedoch die Übertragung von Information In Form gesprochener Wörter bedeuten. Der Begriff "Sprache" kann also im vorliegenden Fall ein einziges Wort, mehrere Wörter oder Sätze bedeuten. Die Sprachsynthese unterscheidet sich von der Sprachwiedergabe zumindest In folgenden Punkten: Bei der Sprachwiedergabe v/erden gespeicherte Darstellungen von Wörtern aur: einem Speicher entnommen und in der Reihenfolge ihrer Speicherung Ln Audiosignale umgewandelt. Bei der Sprachsynthese werden dap;egen die Wörter oder Teilwörter durch Kombinieren von Wortoder Te 13wortdarstellungen gebildet, die aus einem Speicher in einer Reihenfolge entnommen wurden, die nicht notwendigerweise dlo gleiche wie (und gewöhnlich anders als) die Reihenfolge ist, ; in der diese Darstellungen im Speicher gespeichert sind. j

En ist bekannt, daß Sprache aus gespeicherten Darstellungen von V/örtern oder verschiedenen grundlegenden Sprachelementen wie Silben, Phonemen oder Frequenzkomponenten synthetisch aufgebaut werden kann. Es ist ferner bekannt, daß das Wortinventar eines bestimmten Typs von Sprachgenerator durch die ihm zugeordnete Speicherkapazität und die verwendeten Sprachelemente bestimmt ist. Häufig v/erden Phoneme als Sprachbausteine verwendet, da ge-

BADORK₃₁NAL »09844/1205;

ο _

sprochene Wörter gewöhnlich durch Kombinationen einer begrenzt ^n-Anzahl von Phonemen synthetisch aufgebaut werden können. Wenn man Silben oder Wörter als Sprachbausteine ^c>ür die Speicherung und Entnahme verwendet, ist eine erobere Speicherkapazität als Vc' Verwendung gespeicherter Phoneme erfordertet und die Wirtschaftlichkeit ist dementsprechend geringer. Bei anderen Sprachgeneratoren werden Frequenzkomporienten gespeichert und für den Ausbau der Sprache verwendet. Das Wählen., Einstellen der Phasenlage und Mischen der gespeicherten Frequenzbestandtelldarptellung~n mach:. Sprachgeneratoren dieses Typs jedoch übermäi?:ig kompliziert.

Man weiß, daß man keine verständlichen Laute erhält, wenn man bei Sprachgenerator^n des oben erwähnten Typs einfach eine Folge von Phonemen aneinander hängt, da der Übergang vom einen wiedergegebenen Phonem zum nächsten wiedergegebenen Phonern stetl-v sein und die richtige Modulation aufrechter-eilten mu?. Die .vontinuitätsbedingung ist daduren erfüllt worden, daß man die drei vorherrschenden Frequenzen der beiden zu verbindenden Phoneme über ihren Übergang aufrechterhalten :iat. Die Modulationrbedingung wurde dadurch erfüllt, duM man die Richtung der Änderung der drei Hauptfrequenzen während des Überganges beibehalten hat. Jede der drei vorherrschenden Frequenzen, die als Formanten bezeichnet, werden, kann zunehmen, abnahmen oder gle Lc::^leiben. 'Wenn die B'ormanten des ersten Phoneins an der UbergarigsstelTe zunehmen, sollen die des zweiten Phonems während des Uber^anges ebßnfalls zunehmen, da die sonst auftretende abrupte Änderung eine hörhare Diskontinuität verursacht.

Unter den oben erwähnten Bedingungen kann es erforderlich sein, bis zu neun verschiedene Versionen jedes der zielen Phoneme speichern zu müssen, wenn eine gute qualitnt der Sprachsynthese angestrebt wird. Bei der Wahl der Darstellungen jedes zu speichernden Phonems muß als erstes der Anfangsteil jedes Phonems berü-M-RlentIgt werden, der zunehmende, gleichbleibende oder abnehmende Formanten erfordern kann. In entsprechender Welse leann der firidtell jeder solchen Phonemdarstellung ebenfalls zunehmende, gleichbleibende oder abnehmende Formanten erfordern. Wenn man entsprechend den obigen Ausführungen alle Versionen jedes Phonems dieser. Typs speichern muß, können also bis zu neun mögliche Versionen

984,4/4,2.OSI BAD ORIGINAL

für jedes Phonem, das 'darzustellen ist, erforderlich werden.

In diesem Zusammenhang soll jedoch erwähnt werden, daß Sprachgeneratoren bekannt sind, bei denen das Problem der Speicherung aller möglicher Phonemversionen dadurch vermieden wird, daß man für jedes gespeicherte Problem nur eine einzige Darstellung vorsieht- und das Problem der Übergänge im Synthesator selbst löst. Bei einem solchen S3rstem erzeugt der Synthesator Übergangsabscnnitte zum Einsetzen zwischen die nacheinander auftretenden Phoncmdarstellungen, die aus dem Speicher entnommen wurden. Die durch ein solches System erzeugten Sprachsignale sind zwar für das menschliche Ohr annehmbar, es muß jedoch eine über das Minimum hinausgehende Anzahl von Phonemen gespeichert werden und der Synthesator selbst ist kompliziert und teuer.

Bei den oben diskutierten Systemen wird jede Phonemdarstellung in ihrer Gesamtheit gespeichert. Eine digitale Speicherung solcher Phonemdarstellungen kann dadurch bewirkt werden, daß man die Amplitude der Signalschwingung, die das Phonem darstellt, abtastet und digital codierte Zahlen speichert, die die Größe der Amplituden in periodisch aufeinanderfolgenden Zeitpunkten während des Auftretens des Phonems darstellen. Die Abtastfrequenz muß dabei mindestens das Doppelte der höchsten im Phonem vorkommenden Frequenz sein, wenn eine einwandfreie Wiedergabe der Schwingungsform des Phonems gewährleistet werden soll. Ein einziges digital gespeichertes Phonem kann daher mehrere hundert aufeinanderfolgende vielstellige Zahlen erfordern, von denen jede in einem adressierbaren Speicherplatz gespeichert werden muß. Die Speicherung; aller Phoneme (und aller erforderlichen Versionen dieser Phoneme), die beim synthetischen Aufbau der Sprache benötigt werden, erfordert unter diesen Umständen einen Speicher großer Kapazität. Man hat festgestellt, daß.etwa 25 der kO Phoneme der englischen Spra.che stimmhaft, etwa neun rauschähnlich und der Rest Explosivlaute sind. Stimmhafte Phoneme sind solche, die durch Schwingungen der Stimmbänder erzeugt werden, wenn die Luft an ihnen vorbeistreicht, rauschähnliche Laute entstehen, wenn die Luft durch eine Verengung im StimmbiIdungssystem ausgestoßen wird und die Explosivlaute entstehen durch die plötzliche 'Freigabe von unter Druck gesetzter Luft. Die Dauer von stimmhaften

009844M2Ö5 B/

und rauschähnlicher. Phonemen ist wesentlich größer als die von Explosivlauten. Stimmhafte oder vokalische Laute weisen andererseits eine hochgradige Periodizität auf und rauschähnliche Phoneme bestehen aus einem regellosen Frequenzgemisch. Die Speicherung von nur einer Periode jedes stimmhaften Phonems und nur eines Abschnittes jedes rauschähnlichen Phonems würde also die Anforderungen an die Speicherkapazität des Synthesators verringern, da der Speicherraum für die im Phonem enthaltene redundante Information eingespart wird.

Der vorliegenden Erfindung liegt, aufbauend auf dieser Erkenntnis, die Aufgabe zugrunde, ein Verfahren und eine Einricntung zur Sprachsynthese anzugeben, bei denen eine geringere Speicherkapazität als bisher erforderlich Find.

Diese Aufgabe wird gemäß einer bevorzugten Aus führungshorn: der Erfindimg bei einem Verfahren zur Sprachsynthese aus gespeicherten Phonemdarctellungen dadurch gelöst, da 12 aus einem Speicher eine Darstellung eines die vorherrschenden Frequenzen enthaltenden Teiles eines zu synthetisierenden Phonems entnommen und in ein verwertbares Signal umgewandelt wird, und daß diese beiden Verfahrensschritte mehrfach wiederholt werden. Durch dieses Verfahren wird ein ununterbrochenes verwendbares Signal brauchbarer Dauer aus einer zeitlich kurzen Darstellung eines aus einer Speicher entnommenen Phonemteiles erzeugt.

Die Erfindung laPt sich mit einer Einrichtung zur Sprachsynthese durchführen, die eine Anordnung zur Speicherung vc:i Phonemen für eine spätere Entnahme, eine Anordnung zum Umwandeln einer entnommenen Phonemdarstellung in ein verwendbares Signal und eine Anordnung zum Entnehmen gewünschter Phonemdarste]Innren in einer vorgegebenen Reihenfolge enthält. Gemäß einer bevorzugten Ausführungßform der Erfindung speichert der Speicher eine Darstellung eines Teiles oder mehrerer, jedoch nicht aller ToUp jedes Phonems, das für die Sprachsynthese benötigt wird. Die gespeicherte Te.ildarstellung der Phoneme enthält jeweils Information, die die vorherrschenden Frequenzen des betreffenden Phonems darstellt. Diese Phonemteildarstellungen können aus dem Spei euer in jeder beliebigen Reihenfolge entnommen und in der Umwandlungranordnung verwendet werden. Die Umwandlungsnnordnung wird i'ür eine

009844/1205'

BAD ORIGINAL

vorgebhare Anzahl von Malen wiederholt betätigt, urn aus einer Darstellung eines entnommenen Phonemteiles ein verwendbares Signal · zu erzeugen, das im wesentlichen die ganze Information (wie die Phasen- und Frequenzinformation) des entsprechenden ganzen Phonems enthält. Das erzeugte verwendbare Signal kann dann beispielsweise einem Wandler zugeführt werden, um ein hörbares Phonem für ein*⁷¹ Folge solcher hörbarer Phoneme zu erzeugen.

Die Erfindung wird im folgenden anhand der Zeichnung näher erläutert, es zeigen:

Flg. 1 eine graphische Darstellung der Schwingungsform der drei Pinoneme des Wortes SAT und einen kleinen Teil oder eine kleine Periode jedes Phonems;

Flg. 2 ein Blockschaltbild eines Ausführungsbeispieles einer Einrichtung gemäß der Erfindung zum Auswählen, Umsetzen und Speichern geeigneter Abschnitte oder Perioden von Phonemen;

Flg. $ ein Blockschaltbild eines Ausführungsbeispieles der

Erfindung zur Sprachsynthese unter Vervrendung der Segmente oder

Perioden, die durch die Einrichtung gemäß Flg. 2 ausgewählt wurden;

Fig. 4 ein genaueres Blockschaltbild eines Adressengenerators der Einrichtung gemäß Fig. 3, ^und

Fig. 5 ein Blockschaltbild eines anderen Ausführungsbeispie-; ler; einer Einrichtung gemäf3 der Erfindung zum Auswählen von Perioden oder Abschnitten von Phonemen zur Speicherung und zur Sprachsynthese unter Verwendung der gespeicherten Teile von Phonemen, ' welche einen digitalen Universal-Rechenautomaten (Computer) und : Randorgane (Peripheriegeräte) enthält. J

Tn denrerschiedenen Figuren tragen gleiche Teile die gleichen Bezugszeichen.

Tn .der folgenden Beschreibung bedeutet ein zwischen schrägen Strichen stehender Buchstabe das Phonem für den durch den betreffenden Buchstaben dargestellten Laut. /R/ bedeutet z.B. das Phonem "r".

In Fig. 1 ist die Schwingungsform der Signale Im englischen Wort SAT dargestellt.. Das mit 10 bezeichnete Phonem /s/ ist ein

009844/1206

BAEKiORtQfNAtMi

rauschartiges Phonem. Es besteht aus einer regellosen Verteilung von Frequenzen, die während seiner ganzen Dauer etwa gleich verteilt sind. Unten in Fig. 1 ist ein Abschnitt l?_faus dem rrnrtieren Teil des /S/-Phonems 10 dargestellt. Wie groß der Teil des ganzen Phonems 10 ist, den der Abschnitt 12 darstellt, kann innerhalb gewisser Grenzen, die durch die Frequenzverhältnisse gesetzt werden, willkürlich gewählt werden. Zur Erläuterung; sei angenommen, daß der Abschnitt 12 gleich einem zehntel des ganzen Phonems ist, so daß für die Speicherung des Abschnittes 12 nur 10 -;& der Speicherraumes für das ganze Phonem 10 benötigt wird. Durch Entnehmen des Segmentes aus dem Speicher und ungefähr zehnmaliges ψ Wiederholen wird im allgemeinen der Laut des Phonems/s/ genau genug wiedergegeben um verständlich zu sein.

Das mit 14 bezeichnete Phonern /A/ ist ein stimmhaftes Phonem und stellt eine komplexe periodische Schwingung dar. Eine Periode eines stimmhaften Pnonems hat eine niedrige Frequenz, die gleich der Grundfrequenz der Stimme des Sprechers ist und gewöhnlich 100 bis 125 Hz beträgt. Eine aus dem Phonem ausgewählte Periode 16 kann gespeichert und nach Entnahme aus eiern Speicher eine bestimmte Anzahl von Malen wiederholt werden, um das ganze Phonem zu reproduzieren.

Das mit 18 bezeichnete Phonem /T/ ist ein Explosivlaut und relativ kurz. Die meisten Explosivlaute können daher in :ihrer ™ Gesamtheit gespeichert werden, ohne daß hierfür übermäßig \'iel Speicherraum benötigt wird.

Zur Wiederherstellung des Wortes SAT werden eile Abschnitr.e der in ihm enthaltenen Phoneme in der richtigen Reihenfolge abgerufen. (Ganz allgemein hängt die Reihenfolge der Puoneme Immer von der mitzuteilenden Information ab). Jeder abgerufene Phoner abschnitt wird in ein Audiosignal umgewandelt und eine bestimmte Anzahl von Malen wiederholt. Als erstes wird der Abschnitt 12 des /S/-Phonems 10 aus dem Speicher entnommen und zehnmal wiederholt. Als nächstes wird die Perlode 16 des /A/-Phonems 14 entnommen und fünfmal wiederholt. Das Explosivlaut-Phonem 18 wird entnommen und einmal wiedergegeben. Die gesamte Anzahl der Teile (Perioden-oder Abschnitte), die zur Erzeugung des Wortes SAT wiedergegeben werden, ist gleich 16, wobei nur drei Teile gespeichert worden waren,

00984A/120S

ÖAD ORIGINAL

Es werden also nur j5/l6 des Speicherplatzes benötigt, der für die Speicherung der drei Phoneme in ihrer Gesamtheit erforderlich wäre. In der Praxis sind die gespeicherten Abschnitte der Phoneme kleiner als 1/10 und es sind mehr als fünf Perioden für ein stimmhaftes Phonem üblich. Das obige Beispiel soll nur dazu dienen, den Erfindungsgedanken zu erläutern und den Portschritt bezüglich der Verringerung des für die Speicherung der Phoneme benötigten Speicherplatzes zu zeigen.

Bevor die vorliegende Einrichtung zur Sprachsynthese erläutert wird, soll noch kurz auf die Regeln eingegangen werden, ^e bei der synthetischen Spracherzeugung durch Kombination von .iionemen eingehalten werden müssen. Mit die wichtigste Rolle spielt die Übergangszone zwischen den Phonemen, d.h. der Lautübergang von einem Phonem zum nächsten. Der Lautübergang umfaßt das Ende des vorangehenden Phonems und den Anfang des folgenden Phonems. Es genügt nicht, die Phoneme ohne Lautübergänge einfach aneinander zu fügen, das Ergebnis wären unzusammenhängende, unverständliche Laute. Vor und hinter den Explosivlaut-Phonemen befinden sich gewöhnlieh Perioden der Stille, so daß bei diesen Phonemen keine besonderen Probleme bezüglich- der Lautübergänge bestehen. Geräuschlaut-Phoneme gehen in das folgende Phonem mit abnehmender Amplitude über. Die Stimmhaften Phoneme bereiten die größte Schviierigkeit und erfordern manchmal mehr als eine Version des Phonems zu speichern. Eine Version des Phonems wird zur Reproduktion des mittleren Teiles des Phonems verwendet und die anderen Versionen können in der Übergangszone benutzt werden. Die als Formanten bezeichneten drei Hauptfrequenzen der Phoneme müssen in der Übergangszone stetig verlaufen.

Die Stetigkeit oder Kontinuität der Formanten während des Lautüberganges bedeutet, daß beim Übergang zwischen zwei aufeinanderfolgenden Phonemen keine abrupten Frequenzänderungen auftreten dürfen. Wenn sich die Formanten in der Übergangszone ändern, müssen sie nicht nur stetig sein, sondern auöh beim Übergang vom einen Phonem zum nächsten ihre A'nderungsrichtung beibehalten. Die Schwierigkeiten hinsichtlich der Lautübergänge werden dadurch jedoch etwas erleichtert, daß das Ohr Laute, die es' zu hören erwartet, ergänzt, wenn sie fehlen.

009844/12DS

BAD ORIGINAL .

Aus den obigen Überlegungen ergeben sich gewisse Regeln für die Wahl der Grenzer der zu speichernden Phoneinabschnitte. Die gespeicherte Periode muß mit einem Ochwingungs-Nulldurchgang beginnen, d.h. daß die Spannung bei Beginn null sein muß, v:on^ man den gespeicherten Abschnitt als Wechselspannungssignal betrachtet. Hierdurch ist eine Amplitudenkontinviität an der Verbindung: ."wischen aufeinanderfolgenden Perioden jedes Phonems und am (jhergang zwischen den Phonemen gewährleistet. Die Abschnittsgr^nzcn müssen innerhalb + 1 Abtastperioden cinctei Ibar sein.

Das letztliche Kriterium für die Eignung eines zu speioncrnden Abschnittes oder einer zu speichernden Periode ist der Laut, der sich bei einer mehrfachen Wiederholung ergibt. Man wird ?\so jede Periode, die als Repräsentant ο ines speziellen Phonems für die Speicherung ausgewählt wurde, zur Prüfung mehrfach v:iederholen. Bei der Speicherung stimm¹ '-after Phoneme, >nu!r die L^ergangszone für einen periodischen Abschnitt, der den Lautübergang darstellt, geprüft werden. Es muß dann :!n Verbindung: mit mehreren anderen Phonemen die Eignung für die Ubergangsphase des Phonems geprüft wenden.

Fig. 2 zeigt eine Einrichtung zum Auswählen und Speichern von Perioden oder Abschnitten ^on Phonemen für die Sprachsynthese. Diese Einrichtung enthält einen digitalen Speicher 24 mit einem ^ Adressenreg:i ster 2;3 und einem Datem'egistor¹ 2^. Beim Speichern einer Adresse jm Adressenregister ;V werden die Daten, die in dom durch die Adresse angegebenen Speicherplatz gespeichert sind, herausgelesen und im Datenregister 25 gespeichert. Der Inhalt des Adressenregiste'rr ?_j kann auf irgendeine Anfangsadresse voreingestellt und jeweils um eine Speicherplatzadresse weitergeschaltet werden, bis ei no bestimmte Endadresse erreicht ist. Wenn c\ev Inhalt des Adresspnrc': ;i sters 2;> mit der Endadresse übereinstimmt, wird im Adressenrogi ster 2;> wieder die Anfangsadresr.e eingost«^! und diese dann jeweils schrittweise um einen Speicherplatz; ovhöht.

Die Anfang.·?- und Endadressen werden vom Benutzer mittel;-einer Anfangr.adrosson-stfMioreinrlchVung ^6 bzw. einer Endiuiros-.-i'en-.'itoucre.l nri olitun;-;· H°· r Lngogobon . Das Adressenänderung^.- i .--na 1 wird durch einen TuId. impulsgenerator 29 mit der Abt astfrc^uoii/;

0098A4/170 5· BAD ORtQfNAL

geliefert. Joder Taktimpuls erhöht also den Inhalt des Adressenreel3ters um eins und tastet außerdem einen Analog-Digltal-Um- ' setzer 44 auf. Dem Umsetzer 44 wird ein analoges Eingangssignal z.B. von einem Mikrophon, einem Plattenspieler oder, wie in Pig. °.y von einem Tonbandgerät 42 zugeführt. Der Inhalt des Datenre-{-.iatero 25 de ρ digitalen Speichers 24 werden einem Digital-Analog-Umsetzer ~j2 zugeführt, dessen Ausgang an einen Lautsprecher >4 (oder irgendeinen anderen Audio-Wandler) und an einen Oszillographen 52 angeschlossen ist. Die Bestandteile der in Fig. 2 dargestellten Einrichtung sind bekannt und werden daher nicht näher erläutert.

Im Betrieb der in Fig. 2 dargestellten Einrichtung gibt der Benutzer mittels der Anfangsadressen-Steuereinrichtung 46 eine Arif'angsadresse in das Adressenregister 2J> des digitalen Speichers 24 ein. Außerdem wird mittels der Endadressen-Steuereinrichtung 4'j eine solche Endadresse eingegeben, daß die Anzahl der Speicherplätze, die im digitalen Speicher 24 zwischen der Anfangsadresse und der Endadresse zur Verfügung steht, zum Speichern mehrerer Teile des zn speichernden Phonems ausreicht.

Der digitale Speicher 24 wird zuerst zum Speichern verwendet. Das zu speichernde Phonem wird vom Tonbandgerät 42 an den Eingang des Analog-Digital-Umsetzers 44 geliefert. Der Taktimpulsgeaevutor 2^r; liefert an den Analog-Digital-Umsetzer 44 einen Tastimpuls und der*'Umsetzer 44 liefert dementsprechend dann an das Datenregister 25 eine Binärzahl, die die Spannung der dem Phonem entsprechenden Signalschwingung im Augenblick der Tastung angibt. Die Daten im Datenregister 25 werden dann in den Speicherplatz oo,^rj Digitalspeichers 24 rückgenpeichert, der durch den Inhalt der» Adressenregintevv, 2.$ angegeben wird.

Die Rückflanke des Taktimpulses vom Taktimpulsgenerator 29 erhöht den Inhalt des Adressenregisters 25 um eine₍Einheit. Beim Auftreten des nächsten Taktimpulses wird daher ein anderer Teil des Phonems abgetastet und eine die abgetastete Amplitude darstellende Zahl wird an der neuen Adresse im Speicher 24 gespeichert. Diene Vorgänge wiederholen sich bis der Inhalt des Adresseflregisters 2.3 gleich der durch die EridadreBsen-Steuereinrlchtung :

Vj eingegebenen Zahl 1st und im Speicher an aufeinanderfolgenden,,

009844/1205
L3

durch das Adressenregister 2 J angegebenen Adressen eine Folge "on Zahlen gespeichert Ist, die einige aneinandergrenzence Teile eine;· Phonems darstellen. Damit ist die anfängliche Speicherung des Pm<>nems in digitaler Form im digitalen Speicher 24 beendet.

Bei der Abfrage des digitalen Speichers 24 wird die Anfanr^- adresse in das Adressenregister 2 J eingegeben und die Inhalte der adressierten Speicherplätze werden in das Patenregister 25 ! e^ausgelesen. Der Ausgang des Datenregisters 25 ist mit dem Eingang des Digital-AnäLog-Umsetzers j?2 gekoppelt, dessen Ausgangssignal eine Spannung entsprechend der am Eingang liegenden digitalen ^ Zahl ist. Diese Spannung wird dem Lautsprecher ;54 und dem OsziILographen 52 zugeführt.

Der Takt impulsgenerator 29 schaltet dann das Adresserireglsber 2j um eine Einheit weiter, um die Daten aus dem nächsten Speioberplatz in das Datenregister 25 herauszulesen. Die Zahlen, die auf diese Weise nacheinander im Datenregister 25 erscheinen, bewirken, daß am Ausgang des Digital-Analog-Umsetzers jj2 eine das Phonem darstellende komplexe Schwingung auftritt.

Das Adressenregister 2j wird jeweils um eine Einfielt veiterge.^c5ehaltet, bis sein Inhalt gleich der dui*ch die Endadressen-Steuereinrichtung 4H angegebenen Endadresse ist, worauf automatisch wieder die Anfangsadresse von der Anfangsadressen-Steuereinrichtung 46 in das Adressenregister 2j> eingegeben und der Prozeß wiederholt wird. Das Phonem wird dadurch, kontinuierlich herausgelesen und wiedergegeben. Der Benutzer kann das durch den Lautsprecher ~ß\- wiedergegebene Phonem hören und seine Schv/ingungsform Lm Oszillographen 52 betrachten. Durch Verstellen der Anfangs- und Endadressen-Steuereinrichtungen 46 und ^K- kann er die Punkte ändern, in denen das wLedergegebene Phonem -mfängt bzw. endet. Der Benutzer wird auf diese Weise in die Lage versetzt unter Berücksichtigung der oben erwähnten Kriterien einen zufriedenstellenden Teil (Periode oder Segment) des Phonems auszuwählen. Der Inhalt des Speichers zwischen der Anfar.gsadresce und der Endadresse wird dann für den zukünftigen Gebrauch gespeichert.

Dan beschriebene Verfahren wird für jedes Phonem, das gespeichert werden soll, wiederholt. Ein zu prüfender Ubergangs-

0098U/1205

abschnitt oder eine zu prüfende Übergangsperiode wird im digitalen· Speicher 24 angrenzend an das Phonem, mit dem die Prüfung erfol- , gen soll, gespeichert. Die Phoneme werden nacheinander herausgelesen und. wiedergegeben, um die Eignung des Abschnittes oder der Periode für den Übergangsteil des. Phonems zu prüfen.

Die Einrichtung gemäß Pig. 2 wird zur Auswahl und Speicherung von Phonemabschnitten oder -perioden für die Sprachsynthese verwendet. Der synthetische Aufbau der Sprache unter Verwendung der gespeicherten Abschnitte oder Perioden der Phoneme erfolgt mit der in Fig. 5 dargestellten Einrichtung. Bei dieser Einrichung werden der digitale Speicher 24, der Taktimpulsgenerator 2°·* der Digital-Analog-Umsetzer j?2 und der Lautsprecher J>4 verwendet. Zusätzlich sind ein Adressengenerator 22, ein Wiederholungsregister 28 und ein Stellen- oder Platzzähler 26 vorhanden. Der Adressengenerator 22 erzeugt die Anfangsadresse der Phoneme entsprechend dem synthetisch zu erzeugenden Eingangswort. Das Wiederholungsregister 28 speichert eine Zahl, die angibt, wie oft ein Abschnitt oder eine Periode zur Wiedergabe des Phonems wiederholt werden müssen. Der Platzzähler 26 speichert eine Zahl, die angibt, wieviele Speicherplätze der zu entnehmende Phonemabschnitt oder die zu entnehmende Phonemperiode einnehmen. Der Platzzähler und das Wiederholungsregister 28 können rückwärts zählen.

Im Betrieb wird eine Wortleitung 20, die dem wiederzugebenden Wort zugeordnet ist, erregt. Der Adressengenerator,22 liefert an das Adressenregister 25 die Anfangsadressen der aufeinanderfolgenden Phoneme, die zur Erzeugung des angegebenen Wortes benötigt werden. Der Adressengenerator 22 liefert ferner an das Wiederholungsregister 28 eine Zahl, die angibt, wie oft jedes der aufeinanderfolgenden Phoneme zu wiederholen ist. Der erste Speicherplatz, der durch den Adressengenerator 22 über das Adressenregister 2p adressiert ist, enthält die Anzahl der Plätze, die dem adressierten Phonem im Speicher, zugeordnet sind. Diese Zahl wird herausgelesen und vom Datenregister 25 in den Platzzähler 26 eingegeben.

Der Platzzh'hler 26 hat zwei Ausgänge, von denen der eine ein Signal liefert, wenn der Inhalt de.s Püatzzählers 26 ungleich null ist, während der andere ein Signal liefert, wenn der Inhalt des

Platzzählers null ist. Der Taktimpuls generator 29 liefert Taktimpulse an das Adressenregister 23» die dessen Inhalt jeweils um eine Einheit erhöhen. Die Taktimpulse werden ferner dem Adressenregister 23 über ein Und-Glied 3° zugeführt. Dem anderen Eingang des Und-Gliedes 30 wird das "Nicht-Null"-Ausgangssignal vom Platzzähler 26 zugeführt. Jeder Taktimpuls schaltet also den Taktzähler 26 um eine Einheit zurück. Die Daten werden also beginnend mit der Anfangsadresse des wiederzugebenden Phonemabschnittes oder der wiederzugebenden Phonemperiode aus den aufeinanderfolgenden Plätzen de? digitalen Speichers 24, die durch das schrittweise weitergeschaltete Adressenregister 23 bezeici:- net werden, entnommen und erscheinen im Ausgangs-Datenregister 2^

Die Inhalte des Datenregisters 25 werden dem Eingang des Digital-Analog-Umsetzers 32 zugeführt, an dessen Ausgang ein elektrisches Signal auftritt, das die ursprüngliche Schwingungsform des Phonems darstellt und dem Lautsprecher ;;4 zur Wledorgaoe des entsprechenden Lautes zugeführt wird. Das Adressenregir-ter 2,i wird weitergesc-ialtet bis der Platzzähler den Wert null errei eht hat, was anzeigt, daß das Ende des Abschnittes oder der Periode des Phonems erreicht ist. Das Freigabesignal für das Und-Glied wird dadurch abgeschaltet und vom Platzzähler 26 wird ein Signal an das Wiederholungsregister 2H geliefert, welches anzeigt, d;>:^; der Platzzähler 26 den Wert null erreicht hat. Dieses Null-Signal schaltet das Wiederholungsregi.ster 2^ um eine Einheit zurück. Das Wiederholungsregister 28 liefert Null- oder Nicht-Null-Signale an den Adressengenerator 22. Wenn der Inhalt des Wiederholungsregisters untile ich null ist, wird die Anfangsadresse des Abschnittes oder der Periode des Phonems vom Adressengenerator 22 wieder in das Adressenregister 23 des digitalen Speichers 24 eingegeben .

Im Platzzähler" wird nun die Zahl der Speicherplätze im digitalen Speicher 24, die von dem Abschnitt', oder der Periode des Phonems eingenommen werden, gespeichert und das dann auftretende Nicht-Null-Ausgangf-signal des Platzzählers macht das Und-Oliod Ό dann wieder dui-chlaßbo^e i t. Die Entnahme wird wiederholt, bis drr Inhalt de;--. Pi atzxrii 11 <-<rr. Po wieder null ist. Hierdurch wird i\vi> Inhalt den Wi oderho' mirr.v^pi Pt(M¹S '¹S wieder um einr Kintirii: vor-

• 009844/120 5' BAD'ORIGINAL

ringert und die Signale werden dem Adressengenerator 22 zugeführt. Diese Vorgänge setzen sich in der beschriebenen Weise fort, bis " der Inhalt des Wiederholungsregister 28 null geworden ist.

Wenn der Inhalt des Wiederholungsregisters 28 null ist, wird die Anfangsadresse des nächsten Phonemes des Wortes, das entsprechend der adressierten Wortleitung 20 wiederzugeben ist, im Adressenregister 23 gespeichert, eine neue Platzzahl wird in den Platzzähler 26 eingegeben und"die beschriebenen Vorgänge werden für das zweite Phonem des gewünschten Wortes wiederholt. Dies geht so weiter, bis das ganze Wort wiedergegeben worden ist.

In Pig. 4 ist das Adressenregister 22 der Einrichtung gemäß Fit.'· 3 genauer dargestellt. Die adressierte Wortleitung wird durch¹ ein Wortdecoder-Scnaltnetz 36 decodiert, dessen Ausgangssignale die Phoneme und ihre Anzahl im gewünschten Wort angeben. Die Anzah-1 der Phoneme im gewünschten Wort wird in einem Phonemzahlregister 40 gespeichert, dessen Ausgangssignal decodiert und einem Eingang des Wortdecoder-Schaltnetzes 36 zugeführt wird. Das decodierte Ausgangssignal des Phonemzahlregisters 40 und die adressierte Wortleitung bewirken zusammen, daß eine der Phonemausgangsleitungen 37 des Wortdecoder-Schaltnetzes 36 aktiviert wird. Die Phonemleitungen 37 werden durch ein Phonemdecoder-Schaltnetz 38 decodiert, dessen Ausgangssignal die dem Adressenregister 23 zuzuführende Anfangsadresse ist.

Ein anderes Ausgangssignal des Phonemdecoder-Schaltnetzes 38 wird dem Wiederholungsregister 28 zugeführt und gibt an, wie oft das gewählte Phonem zu wiederholen ist. Jedesmal wenn der Platzzähler 26 (Pig. 3) nach null zurückschaltet, steuert eine der Leitungen vom Wiederholungsregister 28 zum Adressengenerator 22, d.h. die Null-Leitung 41 oder die Nicht-Null-Leitung 39 in Pig. 4; die Erzeugung der näcnsten Anfangsadresse. Wenn der Inhalt des j Wiederholungsregisters ungleich null ist, bewirkt die Nicht-Null-' Leitung 39 (Pig. 4), daß die Anfangsadresse vom Phonemdecoder- _; Schaltnetz 33 in das Adressenregister 23 des digitalen Speichers _; 24 übertragen wird und verhindert die Übertragung des Signals zur j Rückstellung des Inhalts des Wiederholungsregisters 28.

0-0J98-44/12-0 5

B4Mf

Wenn der Inhalt des Wiederholungsregisters 28 gleici null ist und der Inhalt des Platzzählers 26 auf null herabgesetzt wird, schaltet die Null-Signal-Leitung 41 in Fig. 4 den Inhalt des Phonemzahlregisters 40 um einen Schritt zurück. Das Ausgangssignal des Phonemzahlregisters 40 ändert sich dadurch und bewirkt, daß sich das Ausgangssignal des Wortdecoder-Scnaltnetzes 36 ändert und das nächste Phonem angibt. Die Vorgänge x«.'iederholen sich, bis der Inhalt des Phonemzahlregisters 40 null geworden ist. Die Synthese des durch die Eingangswortleitung bestimmten Wortes ist damit beendet. Das Ausgangssignal des Phonemzahlregisters 40 kann dazu verwendet werden, nach außen anzuzeigen, daß das Wort fertig ist.

Die in den Fig. ;> und 4 dargestellten Einrichtungen stellen bevorzugte Ausführungsbeispiele der Erfindung dar, bei der Sprache unter Verwendung von Phonemteilen synthetisch aufgebaut wird.

Fig. 5 zeigt ein anderes Ausführungsbeispiel der Erfindung, b^i dem ein programmgesteuertes digitales Rechengerät (Computer) 60 verwendet wird, der zur Unterstützung des Benutzers bei der Auswahl, Speicherung und Übertragung der Phonemperioden oder -abschnitte programmiert ist. Der Digitalrechner 60 wird durch ein Programm und eine vom Benutzer bediente Steuerpult-Schreibmaschine ])'6 gesteuert. Mit dem Digitalrechner 60 ist ein Zusatzgerät 5;, verbunden, das ein Eingangs-Ausgangs-Verbindungsglied, welches ψ die digitalen Signale in eine für den Digitalrechner 60 verwendbare Form umsetzt, einen Digital-Analog-Umsetzer ,32 und einen Analog-Digital-Umsetzer 44 enthält. Der Eingang des Analog-Digital-Umsetzers 44 wird von einem Mikrophon oder einem Magnetbandgerät 42 gespeist, die mittels eines Schalters 55 wahlweise anschaltbar sind. Der Ausgang des Digital-Analog-Umsetzers ->?. ist mit einem Lautsprecher j54 und einem Oszillographen 52 verbunden. In Verbindung mit dem Digitalrechner 60 wird außerdem ein Massenspeicher, z.B. ein Magnetplatten- oder Trommelspeicher verwendet, der durch ein Steuergerät 62 gesteuert wird und zur Vergrößerung der Speicherkapazität dient.

Der Digitalrechner 60 führt unter Steuerung durch sein Programm eine Anzahl der oben beschriebenen Verfahrensschritte automatisch durch, z.B. das Erzeugen der Adresse des Phonems im Snei-

009844/1205

cherwerk des Digitalrechners 6O, die Annahme der Anfangs- und Endadressen des Speichers von der Steuerpult-Schreibmaschine und-die erforderliche Übertragung der Daten im Speicher. Im übrigen arbeitet die Einrichtung gemäß Fig. 5 wie die Einrichtung, die anhand von Pig. 2 beschrieben wurde, Außerdem kann der Digitalrechner mittels eines Programmes analog den Einrichtungen gemäß Fig. Ji und 4 betrieben werden.

Bei der Sprachsynthese mit den beschriebenen Ausführungsbeispielen gemäß der Erfindung wird der für die Phoneme erforderliche Speicherplatz dadurch wesentlich verringert, daß Perioden oder Abschnitte von Phonemen verxvendet werden. Es wurde außerdem eine Einrichtung für die Auswahl und Speicherung der Phonemabscnnitte oder -perioden beschrieben. Bei den beschriebenen Ausführungsbeispielen werden die Phonemabschnitte digital gespeichert, die Erfindung 1st jedoch nicht hierauf beschränkt sondern kann auch mit einem Analogsystem realisiert werden, wobei sich dann ebenfalls der Vorteil des geringen Speicherplatzbedarfes ergibt. Der Aufbau eines solchen Analogsystems dürfte dem Fachmann' bei Kenntnis der Obigen Ausführungen keinerlei Schwierigkeiten bereiten.

00984^/1205

Claims (10)

1. - 16 Patentansprüche

   fly) Verfahren zur Sprachsynthese aus gespeicherten Phonemdarstellungen, dadurch gekennzeichnet, da;.^;> > aus einem Speicher (24) eine Darstellung eines Teiles eines synthetisch zu erzeugenden Phonems, welcher die vorherrschenden Frequenzen des betreffenden Phonems enthält-., entnommen und in ein verwertbares Signal umgewandelt wird, und daß diese beiden Verfahrensschritte mehrmals wiederholt werden, .
2. 2.) Verfahren nach Anspruch 1, dadurch g e k e η η fc zeichnet, daß vorher eine Darstellung eines ganzen Phonems in eine Anzahl von Teilen unterteilt wird, und daß mindestens einer der Teile jeder Pnonemdarstellung für die spätere Entnahme P'espeichert x«/ird.
3. J>.) Verfahren nach Anspruch 1, dadurch g e k e η η ζ e i chnet, daß ein Paar von Teilen entnommen wird, daß jedes der entnommenen Paare von Perioden in Laute umgewandelt wird und daß diese beiden Verfahrensschritte mehrfach wiederholt werden, um die Lauteigenschaften der resultierenden Form der Phoneme, die aus dem entnommenen Paar von Phonemteildarstellungen wiederhergestellt worden sind, zu vergleichen.
4. 4.) Vm-fahren zur Synthese eines verwendbaren Signales, d a - L· durch gekennzeichnet, dal? die drei Verfahrensschritte gemäß Anspruch 1 mehrmals wiederholt werden und daß ein entsprechender einer Reihe von gespeicherten Phonemteildai¹-stellungen zur Verwendung während jeder solchen Wiederholung entnommen wird.
5. 5.) Einrichtung zur Durchführung des Verfahrens nach Anspruch 1 mit einer Anordnung zum Speichern von Phonenidarstellungen für eine spätere Entnahme, einer Anordnung zum Umwandeln einer entnommenen Phonemdarstellung in oin verwendbares Signal, und einer Anordnung zum Entnehmen vorgerufener gespeicherter Phonemdarstellungen in <nner gewunschtfi Hei henf'olge, d a d u r c h g e Ic e η η ζ ο j ο 1) η e t , d::¹^ die Speicheranordnung (?4) eine Dai"-t el.lun-τ oiηr»s die vorherrschenden '''roquenzen des. betreffenden Phone::*;-, cn¹ !■,μ I tendon To i Ion ,icdc- I'-'i'Moms, das für die Sprachsynthese' \ν\·-

   009fUA/i?05- ,·,;,,, BAD ORIGINAL

   wendet werden soll, speichert und daß die Umwandlungsanordnung " eine vorgebbare Anzahl von Malen betätigbar ist, um aus der Dar-· stellung jedes entnommenen Phonemteils ein verwendbares Signal zu erzeugen, das die Information eines ganzen Phonems enthält.
6. 6.) Einricntung nach Anspruch 5, dadurch gekennzeichnet , daß die Speicheranordnung (24) ein Fassungsvermögen hat, das zur Speicherung der Darstellung mindestens eines ganzen Phonems ausreicht und daß zusätzlich eine Anordnung (46, 43) vorgesehen ist, um von dem ganzen Phonem den Teil oder die Teile abzutrennen, die zu speichern und durch die Umwandlungsanordnung zu verarbeiten sind.
7. 7.) Einrichtung nach Anspruch 6, gekennzeichnet d u r c h eine Anordnung (34, 52) zur Wiedergabe der aus der Speicheranordnung (24) entnommenen Information in analoger Form zur Erleichterung der Auswahl des abzutrennenden und zu speichernden Teiles der Phonemdarstellung.
8. 8.) Einrichtung nach Anspruch 5 j dadurch- gekennzeichnet, daß in der Speicheranordnung mit jeder Darstellung eines Phonemteils auch eine Zahl speicherbar ist, daß die Entnahmeanordnung mit jeder entnommenen Phonemteildarstellung auch die zugehörige gespeicherte Zahl entnimmt und daß die Wiederholungsanordnung so oft arbeitet, wie es die entnommene Zahl angibt.
9. 9.) Einrichtung nach Anspruch 5, dadurch gekennzeichnet , daß die Speicheranordnung (24) eine Anzahl von Sätzen aufeinanderfolgender Speicherplätze enthält, wobei die Speicherplätze jedes Satzes zur Speicherung der Darstellung des zu speichernden Teiles eines entsprechenden Phonems dienen, daß die Speicheranordnung außerdem eine Adressieranordnung (23) und eine Datenausgangsanordnung (25) enthält, die zum Lesen bzw. Erzeugen von Signalen vom Inhalt eines gewählten Platzes in der Speicheranordnung betätigbar sind, daß die Umwandlungsanordnung (32) eine Folge von Signalen von der Datenausgangsanordnung (25) erhält, und daß eine Speicherzyklus-Steueranordnung (26, 28) mit der Adressleranordnung (22) gekoppelt ist und zusammenarbeitet, um wiederholte Zyklen zum Lesen aufeinanderfolgender Plätze des öpeicherplatzsatsjes in> der» Speicheranordnung (24), In dem die BAD ORIGINAL Q 0 |fU4/ }££ 5

   -IS-

   Darstellung des ausgewählten Phonems gespeichert ist, zu steuern.
10. 10.) Einrichtung nach Anspruch o, dadurch g e !-c e η η zeichnet, daß die Speicherzylclus-oteueranordnung nacheinander ein wiederholtes Lesen jedes Speicherplatzsatzas in einer vorgegebenen, geordneten Gruppe von Sätzen derart steuert, daß die Umwandlungsanordnung; (32) eine Folge von zusammenhängenden brauchbaren Signalen erzeugt, welche ein Wort darstellen, das aus den Phonemen besteht, die durch die Phonemteile dargestellt werden, welche in der ausgewählten geordneten Gruppe von Sätzen gespeichert sind.

    009844/1205

    Leerseite