DE2530380A1

DE2530380A1 - Sprachsynthetisatorsystem

Info

Publication number: DE2530380A1
Application number: DE19752530380
Authority: DE
Inventors: Richard T Gagnon
Original assignee: SCITRONIX CORP
Current assignee: SCITRONIX CORP
Priority date: 1974-07-08
Filing date: 1975-07-08
Publication date: 1976-01-22
Also published as: FR2278127B1; US3908085A; CA1070018A; FR2278127A1; GB1519004A; JPS5140007A

Description

Die Erfindung betrifft ein Sprachsynthetisatorsystem mit einem Eingangsteil, der digital eingegebene Steuerbefehle in einer Spreichermatrix speichert und in gesteuerter zeitlicher Reihenfolge weiterleitet und in analoge Sieuerbefehle umwandelt, mit einem den Eingangsteil steuernden. Zeitgeber, einem an den Eingangsteil angeschlossenen Steuerteil mit einem Tongenerator und einem Rauschgenerator, abstimmbaren Resonanzfiltern und Verstärkern sowie einem Ausgangsteil mit Lautsprecher zur akustischen Wiedergabe der synthetisierten Laute umfaßt, wobei an die Speichermatrix des Eingangsteiles Digital-Analog-Wandler und Tiefpaßfilter zur Bildung stetiger Übergänge angeschlossen sind, nach Hauptpatent (P 22 09 548.3). Die

509884/0476

Synthetisierung der menschlichen Sprache durch leicht programmierbare elektronische Schaltungen stellt ein umfangreiches Anwendungsfeld für die Mittel der Datenverarbeitung dar. Ein wesentliches Erfordernis bei der Synthetisierung der Sprache ist deren. Verständlichkeit. Es wurde gefunden, daß einer der wichtigen Paktoren bei der Erzeugung verständlicher Sprache die Erzeugung sauberer dynamischer Übergänge von einem Phonem zum nächsten ist. Es wurde ferner gefunden, daß in der gewöhnlichen verständlichen, menschlichen Sprache diese Übergänge mindestens ebenso wichtig sind, wie die phonetischen Verhältnisse im Vokaltrakt im eingeschwungenen Zustand, da nur wenige wenn überhaupt einige Phoneme einen solchen eingeschwungenen Zustand für ein beachtliches Zeitintervall erreichen. Die Qualität dieser Übergänge trägt demnach ebenso zur Verständlichkeit wie zum Realismus der erzeugten Sprache bei.

Die Bedeutung der Übergänge zwischen, den. Phonemen wurde auch schon von anderer Seite erkannt. Bei einem bekannten. System sind sehr umfangreiche elektronische Mittel vorgesehen, um durch zu.· Polygonen zusammengesetzte lineare Teilstücke zeitliche Steuerfunktionen für die Phonemübergänge der synthetisierten Sprache zu schaffen. Ein solches bekanntes System verwendet eine außerordentlich komplizierte elektronische Schaltung, um laufend den Vergleich zwischen aufeinanderfolgenden

509884/0476

Phonemen anzustellen und dann spezielle und vorbestimmte Phonem-Übergänge zu schaffen, die sich jeweils aus den kodierten Darstellungen der in einem gegebenen Sprachmuster aufeinanderfolgenden Phonemgruppen ergeben.

Es wurde nun festgestellt, daß es nicht erforderlich ist, zu solchen umfangreichen und komplizierten elektronischen Schaltungen Zuflucht zu nehmen, um zufriedenstellende Phonemübergänge zu schaffen. Gegenüber den bekannten Systemen wurde ein wesentlich vereinfachtes System geschaffen, das außerdem noch überlegene Phonemübergänge dadurch erzeugt, daß eine Folge analoger Steuersignale, die die Phonemparameter im eingeschvmngenen Zustand definieren, erzeugt und durch Filter längerer Ansprechzeiten gegeben werden, die das Erreichen des eingeschwungenen Zustandes verhindern.

Wie in der Hauptanmeldung ausgeführt ist, wird ein als Vokaltrakt wirkender Steuerteil verwendet, der abstimmbare Resonanzfilter und Verstärker einstellbaren Verstärkungsgraces enthält, die durch analoge Steuersignale verstellt werden, die jeweils die Parameter eines jeden Phonems im Sprachmuster definieren. Diese Steuersignale werden zunächst in digitaler Form erzeugt. bzw. eingegeben und dann durch Digital-Analog-Konverter in Analog-Stufenfunktionen umgewandelt. Dann werden diese Analog-

509884/0476

Funktionen durch Tiefpaßfilter geglättet, die gleichzeitig, entsprechend den jeweiligen Zeiten, verhindern, daß der Steuerteil jeweils den eingeschwungenen Zustand jedes eingestellten Zielwertes erreicht. Diese langsam wirkenden Filter erzeugen also weiche, kontinuierliche Übergänge zwischen den Phonemen, etwa wie im menschlichen Vokaltrakt bei der Bildung der menschlichen Sprache.

Das Sprachsynthetisatorsystem nach Hauptpatent wird nun bezüglich der Umwandlung der digitalen Eingangsinformation in Analogsignale weiterentwickelt. Das wird dadurch erreicht, daß die digitalen Steuersignale für die Phonemparameter zunächst in eine steuernde Impulsfrequenz veränderbarer Impulsbreite (variable duty cycle wave forms) umgewandelt werden, deren (arethmetische) Mittelwerte das analoge Äquivalent der Digitalsignale sind. Diese sogenannten Impulsbreiten-Signale werden dadurch erzeugt, daß zunächst die digitalen Eingangssignale seriell zusammengefaßt werden, wobei eine binäre Progression gewichteter Zeitintervalle verwendet wird. Dann werden die serialisierten Impulsbreiten-Signale zur Erzeugung eines Analogsignals herangezogen, das schließlich die analogen Steuereinrichtungen im Steuerteil beeinflußt.

Es wurde ferner festgestellt, daß es möglich ist, den Sprach-

509884/0476

synthetisator nach Hauptpatent mit veränderbarer Sprechgeschwindigkeit arbeiten zu lassen und dennoch alle Vorteile beizubehalten, die durch die Verwendung einfacher Filter zur Erzeugung der Phonemübergänge bietet.

Das wird dadurch erreicht, daß veränderbare Zeitsteuermittel zur Änderung der Phonem-Intervalle und damit der Sprechgeschwindigkeit verwendet werden und daußerdem dadurch, daß die langsamen Filter so verstellt werden, daß sich die Einsprechzeiten an die veränderte Sprechgeschwindigkeit anpassen. Die Ansprechzeiten werden also bei einer höheren Sprechgeschwindigkeit und demgemäß kürzeren Phonemintervallen verkürzt, wobei jedoch das Verhältnis zwischen der Phonemdauer und der Ansprechzeit für ein gegebenes Phonem etwa konstant bleibt.

Bei der nachstehend beschriebenen besonderen Ausführungsform wird diese Wirkung durch die Verwendung von Analog-Gattern erreicht, die in Serie mit den Widerstandselementen der langsamen Filter liegen, und durch Verwendung einer verhältnismäßig hohen Impulsfrequenz veränderbarer Impulsbreite als Steuersignal fur das Analog-Gatter, um dadurch die Änderung eines elektrischen Parameters, d.h. des ohm¹sehen Widerstandes, zu simulieren. Dadurch werden Schwierigkeiten vermieden, die bei dem Sprachsynthetisatorsystem nach Hauptpatent eventuell dann auftreten

509884/0476

könnten, wenn die Sprechgeschwindigkeit im Verhältnis zur dort konstanten Ansprechzeit der Tiefpaßfilter entweder zu niedrig oder zu hoch gewählt wird.

Weitere Verbesserungen gegenüber dem System nach Hauptpatent wurde durch die Verwendung einfacher Analog-Gatter im Vokaltraktmodell erzielt, beispielsweise zur Erzielung einer Steuerung durch ein sich über langsam änderndes Impulsbreiten-Signal, und durch die zeitliche Verzögerung der Weitergabe gewisser Parameter, wie beispielsweise der Amplitude des stimmhaften Anteils, der Reiblautverschlüsse und einiger anderer Paramter, um eine noch realistischere Sprache zu erzeugen.

Weiterhin wird eine für einen solchen Sprachsynthetisator besonders geeignete, außerordentlich einfach aufgebaute Rauschquelle zur Erzeugung der stimmlosen Phonemanteile vorgeschlagen.

Die Erfindung wird nachstehend anhand der Zeichnung in Ausführungsbeispielen näher erläutert. Dabei zeigen:

Fig. 1 ein Blockschaltbild eines Sprachsynthetisatorsystems gemäß der Erfindung;

Fig. 2 ein Blockschaltbild des Vokaltrakt-Modells des Sprachsynthetisatorsystems;

— 7 — 509884/0476

Fig. 3 ein Schaltbild eines repräsentativen Teils eines

Schaltzuges zur Erzeugung eines einzigen Steuersignals;

Fig. 4 ein Zeitdiagramm des Spannungsverlaufs in den Schaltkreisen der Figuren 1 bis 3;

Fig. 5 eine Schaltung zur Erzeugung der in Fig. 4 graphisch dargestellten zeitlichen Verzögerungen und

Fig. 6 eine Schaltung einer Rauschquelle.

Das weiterentwickelte Sprachsynthetisatorsystem ist in Fig. 1 in seinen wesentlichen Teilen und Verbindungen dargestellt. Wie schon im Hauptpatent ausgeführt, können die den verschieden en Phonemen entsprechenden Digitalsignale durch verschiedene Eingangsteile, beispielsweise Datenverarbeitungsanlagen oder phonetische Tastaturen, eingegeben werden, sofern diese nur eine Folge von Teilsignalen erzeugen bzw. liefern können, die den
Phonemen eines vorgegebenen Sprachmusters entsprechen. Solche Eingangseinheiten sind im Hauptpatent beschrieben und auch in anderer Form bekannt, so daß sich ihre detaillierte Beschreibung hier erübrigt.

Die den Phonemen zugeordneten Signale werden durch die sechs

5Ο9884/ΪΚ76

Eingangsleitungen 10 den Nurlese-Speichermatrizen 12 und 14 zugeführt, die jede sechs Eingänge und acht Ausgänge besitzen. Es sei darauf hingewiesen, daß die Verwendung von zwei parallelgeschalteten Speichermätrizen im Ausführungsbeispiel nur deshalb erfolgte, weil eine einzige Speichermatrix, die den hergestellten Anforderungen genügt hätte, auf dem Markt nicht zur Verfügung stand und die Ausführung der Schaltung mit handelsüblichen Bauelementen eine erhebliche Verbilligung erbringt. Die Speichermatrizen 12 und 14 erzeugen, entsprechend den eingegebenen Phonemadressen analoge Steuersignale für die Phonemparanefcer an den Ausgängen 16. Wie nachstehend ausführlich beschrieben wird, sind die an den Ausgängen 16 stehenden Signale serienartig aufgereihte digitale Steuerquantitäten, wobei die verschiedenen Bits in den sich wiederholenden Serien entsprechend der binären Progression zeitlich gewichtet sind. Die Ausgangssignale haben folglich einen (arritmetischen) Mittelwert, der das anale,-β Äquivalent der digitalen Eingangsquantitäten ist, die diese Ausgänge erzeugt haben.

Die Ausgänge 16a steuern insbesondere acht Phonemparameter, einschließlich der spektralen Frequenzverteilung, des Nasalverschlusses und der Ubergangsgeschwindigkeit.

Die acht Ausgänge 16b steuern acht weitere Phonemparameter, ein-

- 9 509884/0476

schließlich der Zeitgabe, der Vokalamplitude, der Vokalverzögerung, der spektralen Vokalkontur, des Verschlusses und der Bandbreite. Alle sechzehn Phonemparameter, deren jeder sechzehn verschiedene Werte annehmen kann, werden bei dem hier beschriebenem System zur Steuerung des akustischen Ausganges herangezogen.

Die analogen Steuergrößen an den Ausgängen 16a und 16b werden auf die Filtergruppen 24a und 24b verteilt. Die Ansprechzeiten der Filter 24a sind dabei so eingestellt, daß sie lang gegenüber den typischen Phonemlängen bei einer gegebenen Sprechgeschwindigkeit sind. Die Filter 24b erzeugen ebenfalls ausgeglichene Ausgangswerte, aber in geringerem Umfange äs die Filter 24a. Die normale Einstellung der Filter 24a und 24b ist so, daß deren Ansprechzeiten ein vorgegebenes Verhältnis zu den Phonemzeiten besitzen, wie es ein' bestimmten mittleren Sprechgeschwindigkeit entspricht. Daraus ergibt sich, daß die am Ausgang der Matrix 12 stehenden Frequenzparameter nur selten wenn überhaupt während eines Phonemintervalls, auf das sie sich beziehen, erreicht werden.

In ähnlicher Weise werden die den Eingängen der Filter 24b zugeführten Analogstufen-Funktionen durch .die endlichen Ansprechzeiten der Filter geglättet.

- 10 -

509884/0476

- ίο - ί

Diese Glättung der Steuersignale durch die Filter 24 ist bereits im Hauptpatent beschrieben worden, erfolgt aber in dieser weitergebildeten Ausführung bei allen Sprechgeschwindigkeiten, was außerordentlich wichtig für die Steuersignale F1, F2, F3 für die Resonanzfrequenzen der stimmhaften Anteile des Phonems ist. Der hauptsächliche Unterschied zwischen dem Hauptpatent und dieser Weiterbildung liegt darin, daß die Ansprechzeiten der Filter 24 entsprechend der sich ändernden Sprechgeschwindigkeit nachgestimmt wird. Wie beim Hauptpatent können auch hier in bestimmten Grenzfällen die Ubertragungscharakteristiken der Filter 24 so sein, daß der Ausgang angenähert gleich dem Eingang wird, sofern genügend Zeit zum Ansprechen zur Verfügung steht, sich also ein eingeschwungener Zustand herausbildet.

Die sieben Ausgangssignale der Filter 24a und die fünf Ausgangssignale der Filter 24b werden auf den Analog/Impuls-Konverter 26 gegeben, daß die sich langsam ändernden analogen Spannungsfunktionen in Impulsfolgen festgelegte Impulsfrequenz und konstanter Amplitude, jedoch entsprechend dem analogen Eingangswert veränderter Impulsbreite umgewandelt werden. Diese "Impulsbreiten" Signale werden dann in verschiedenen Teilen des Vokaltraktmodells 28 zur Erzeugung der synthetisierten Sprache am Ausgang 29 zugeführt. Die unteren fünf Signale zur Steuerung der Parameter Amplitude, spektrale Verteilung, Reiblautfrequenz und

- 11 -

509884/0476

Spektralform, werden der Filtergruppe im Vokalträkt 28 über den Siganlverstärker 30 zugeführt, der einzelne Analog-Verstärker zur Steuerung der angegebenen Größen aufweist.

Die beiden Grundbestandteile der synthetisierten Sprache sind die Steuerfunktionen für Vokale und für Reiblaute, die in den Quellen 32 und 34 erzeugt werden. Die Quelle 32 ist ein Tonfrequenzgenerator, der zur Erzeugung der stimmhaften Phoneinanteile dient. Dieser Generator ist über den Signalverstärker 30 an die Filtergruppe 28 des Bokaltraktes angeschlossen. Die Reiblautquelle 34 ist eine Rauschquelle, wie sie nachstehend im einzelnen beschrieben wird; sie ist ebenfalls über den Signslverstärker 30 an die Filtergruppe 28 des Vokaltrakts angeschlossen.

Die breiten modulierten Impulsfolgen an den Ausgängen 16 werden durch einen Zeitgenerator 18 mit einer Impulsfolgefrequenz von 20 kHz erzeugt, dessen Ausgang 20 an die Impulsangabeeinheit gegeben wird und dessen weitere Ausgänge 23 und 25 an die Speichermatrizen 12 und 14 angeschlossen sind. Wie nachstehend noch näher beschrieben wird, bilden die Signale auf den Leitungen 23 und 25 einen Teil der Phonemadressen und bewirken eine serielle Zusammenfassung von je vier ausgewählten Bits gespeicherter Daten an jedem der Ausgänge 16 in binärer Progression.

-12 -

509884/0476

2b30380

Dabei werden dem ersten Bit acht Zeitimpulse, dem zweiten Bit vier Zeitimpulse, dem dritten Bit zwei Zeitimpulse und dem letzten Bit ein einziger Zeitimpuls zugeordnet. Die Art dieser Zuordnung und Umwandlung wird im einzelnen in Verbindung mit Fig. 3 beschrieben.

Inflektionssignale, also Signale zur Änderung der Tonhöhe der erzeugten Sprache, werden über die Leitungen 36 angegeben und auf den Inflektionsgenerator 32 gegeben, um so die Frequenz oder Tonhöhe der erzeugten Sprache zu ändern.

Wie bereits ausgeführt wurde, liegt der hier vorgeschlagenen Weiterbildung der Erfindung die Aufgabe zugrunde, das Sprachsynthetisatorsystem so einzurichten, daß Sprache verschiedener Geschwindigkeit, von sehr schneller bis sehr langsamer Sprache, ohne Verlust an Verständlichkeit erzeugt werden kann. Das Steuersignal für die Grundgeschwindigkeit wird durch die Steuereinheit 40 mit einem Einstellrad 42 erzeugt. Das von der Einheit 40 erzeugte Signal ist wiederum ein sogenanntes Impulsbreitensignal, d.h. eine Impulsfolge festgelegter Impulsfolgefrequenz (nämlich 20 kHz) aber veränderbarer Impulsbreite. Dieses Signal wird auf die Filtergruppe 24b, das an den Inflektionsgenerator 32 angeschlossene Inflektionsfilter 38 und eine Steuereinheit 44 fur die Geschwindigkeit der Phonemübergänge sowie schließlich eine

13 -

50988 4/047

Einheit 46 gegeben, die eine Sägezahnspannung liefert, die zwischen null und fünf Volt pendelt , und zwar während einer Periode bzw. eines Intervalls, dessen Länge von der eingestellten zeitlichen Dauer des Phonems abhängig ist und sich mit diesem ändert.

Der (in Fig. 1) oberste Ausgang der Matrix 14 steuert die Phonemzeit und wird deshalb auf den Phonemzeitgeber 46 gegeben; er steuert so die zeitliche Länge des Spannungsanstieges am Ausgang der Einheit 46. Die jeweilige Phonemzeit ändert sich nun nicht nur ganz allgemein mit der Sprechgeschwindigkeit, sondern auch von Phonem, zu Phonem bei einer gegebenen Sprechgeschwindigkeit. Der Ausgang der Einheit 46 ist an die Verzögerungs schaltung 4-"-angeschlossen, die den Parameter zur Steuerung der Vokalamplitude zeitlich verschieben kann, sowie an die Verzögerungsschaitung 50, die weitere Phonemparameter, beispielsweise die spektrale Verteilung, den VerscHuß, die Bandbreite und die Reiblautamplitude, zeitlich verschieben kann. Alle diese Verschiebungen sind jedoch unabhängig von den durch die Matrix 12 gesteuerten Resonanzfunktionen des Vokaltrakts. Der Ausgang der Einheit 40 ist außerdem an die Steuerschaltung 44 für die Geschwindigkeit der Phonemübergänge angeschlossen, so daß diese Übergangsgeschwindigkeiten bei der Steuerung der Ansprechzeiten der Filter 24a berücksichtigt werden und damit diese Ansprech-

- 14 -

509884/0476

- 14 zeiten mit den Längen der Phonemintervalle korrespondieren.

Das Blockschaltbild in Fig. 2 zeigt die Einzelheiten des Vokaltraktmodells 28 in größerer Ausführlichkeit. Die Filtergruppe des Vokaltrakts umfaßt hintereinandergeschaltete Resonanzfilter 50, 52, 54, 56 und 58, die für jedes gegebene Phonem die Resonanzfrequenzen im Ausgangsspektrum erzeugen. Jedes dieser Filter kann auch ein solches mit zwei Resonanzpolen sein, wie im Hauptpatent beschrieben. Es ist jedoch zu beachten, daß bei dieser Weiterbildung der Erfindung des Hauptpatents die Filter nicht mehr parallel, sondern in Reihe geschaltet sind. Es hat sich herausgestellt, daß sich dadurch gewisse Vorteile hinsichtlich der Energieverteilung zwischen den Resonanzpolen und dadurch wiederum eine realistischere Sprache ergeben.

Auch die vorliegende Weiterbildung der Erfindung ist aber nicht grundsätzlich auf eine spezielle Anordnung der Resonanzfilter zueinander beschränkt.

Die Filter 50, 52 und 54 sind hinsichtlich ihrer Resonanzfrequenz abstimmbar, während es sich bei den Filtern 56 und 3^P> um feste Resonanzfilter handelt. An die die Filterkaskade schließt sich ein steuerbares Abschlußgatter 60 an, sowie ein 20 kHz-Filter 62, das Reste der zur Steuerung verwendeten Im-

- 15 509884/047 6

pulsfrequenz, die sich noch im Ausgang der Filterkaskade finden könnten, auszufiltern. Der Ausgang 29 dieses Filters entspricht dem Ausgang 29 inFig. 1.

Das vollständige Vokaltraktmodell umfaßt den Tongenerator 32, den Rauschgenerator 34 und die entsprechenden Steuerkanäle für die verschiedenen Steuerfunktionen. Der Tongenerator" 32 ist über ein Filter 64 an ein Spektralkontur-Filter 66 angeschlossen, das von außen gesteuert werden kann. Die spektrale Vokalkontur wird durch den vierten Ausgang (in Fig. 1) der Matrix 14 gesteuert. Das Signal des Tongenerators wird ferner an einen steuerbaren Tonverstärker 68 angeschlossen, der, wie nachstehend ausführlich beschrieben wird, ein Analog-Gatter ist. Der Tonverstärker 68 wird vom zweiten Ausgangssignal (in Fig. 1) der Matrix 14 gesteuert.

Schließlich gelangt das Signal durch ein Nasal-Resonanzfilter 70, das von zwei Steuersignalen bezüglich des Nasalverschlusses und der Nasalfrequenz gesteuert wird, und zwar vom vierten und fünften Ausgang (in Fig. 1) der Matrix 12. Der Ausjsng des Nasal-Resonanzfilters 70 wird durch die Leitung 72 mit dem Eingang der Filterkaskade des Vokaltrakts verbunden, nämlich mit dem Filter 50.

- 16 -

503884/0476

Der Rauschgenerator 34 wird über einen steuerbaren Rauschverstärker 74, einen steuerbaren Rauschbandfilter 76 und einen ebenfalls steuerbaren Rausch-Tiefpaßfilter 78 gesiebt und schließlich gleichzeitig in die Filter F2 und F5 der Filterkaskade des Vokaltrakts eingespeist.

In dem Blockschaltbild der Fig. 2 ist ferner ein repräsentativer Zug zur Erzeugung eines Steuersignals dargestellt, der hier das Steuersignal für den Verschluß erzeugt, das dem Gatter 60 nach der Filterkaskade des Vokaltrakts zugeführt wird. Dieser Zug beginnt am Ausgang 80 der Matrix 14, enthält einen Amplitudenbegrenzer 82 zur Hersteller präziser Spannungsgrenzen der breitengesteuerten Impulssignale und enthält weiterhin eine Verzögerungsschaltung 50', wie vorstehend beschrieben. An diese Schaltung ist ein abstimmbares langsames Filter 24b' und daran ein Analog/ Impuls-Konverter 26' angeschlossen. Der Ausgang dieses Konverters liefert ein Steuersignal an das Schließgatter 60.

Es wird noch einal darauf hingewiesen, daß die breitengesteuerten Impulssignale aus einer Impulsfolge konstanter Impulsfolgefrequenz und veränderbarer Impulsbreite bestehen, deren Amplitude durch ein oberes und ein unteres festgelegtes Niveau festgelegt ist.

- 17 509884/0476

In Fig. 3 ist ein weiteres repräsentativer Steuersignalzug dargestellt, der nachstehend erläutert wird. Dieser Zug beginnt mit der Matrix 14, die hier aufgelöst in einen Decoder 84 und eine Ausgangsmatrix 86 aufgeteilt dargestellt ist. Der Decoder 74 erhält die Phonem-Adresse für die sechs Eingänge mit binär gewichteter Adresse, wie dargestellt. Um beispielsweise das Phonem Nr. 13 anzusteuern, werden die hohen Eingangssignalwerte auf die Leitungen "acht" "vier" und "eins" gegeben, während die niederen Signalwerte auf die verbleibenden Eingänge gegeben werden. In entsprechender Weise werden andere Adressen angewählt .

. Die Vereinbarung der Polarität der Eingangssignale kann natürlich, entsprechend der jeweils verwendeten Schaltung, auch umgekehrt werden.

Zusätzlich werden die Zeitfolgesignale "MSB" und "LSB" über die Eingänge 23 und 25 auf den Decoder 84 als weiteres Bestandteile der Adresse gegeben. Speziell haben diese Signale fünfzehn Teilzeiten, die in acht, vier, zwei und einen Teil uiterteilt sind. Das MSB-Signal hat einen hohen Wert für die ersten beiden Teile f und einen niederen Wert für die letzten beiden Teile, während das LSB-Signal einen hohen Wert für den ersten und dritten und ; einen niedrigen für den zweiten und vierten Teil hat.

- 18 -

509884/0476

Diese sich nicht ändernden Zeitsignale werden dem Decoder 84 für alle Eingangssignal-Kombinationen zugewührt und vervollständigen die Adressen.

Insbesondere wählt jede Kombination von Signalen, die den sechs binärgewichteten Eingängen zugeführt werden, Gruppen von vier Ausgangsbits für jeden der acht Ausgänge des Matrizenteils 84 der Nurlese-Matrix 14 aus. Die zeitliche Verteilung bzw. Reihenfolge der vier ausgewählten Bits für jeden Parameter wird durch die zeitlich wechselnde Beziehung zwischen den MSB- und den LSB-Signalen gesteuert und verteilt diese Bits in einer Acht-Vier-Zwei-Eins-Sequenz für jede Ausgangsleitung, wobei in Fig. die Leitung 81 als repräsentativ ausgewählt wurde. Mit anderen Worten: das erste durch die sechs Bit-Adresse ausgewählte Bit ' erscheint in Form von acht Impulsen, das zweite Bit in Form von vier Impulsen, das dritte Bit als zwei Impulse und das letzte Bit als ein einziger Impuls. Das hat zur Folge, daß ein aufgereihtes und binärgewichtetes Impulsbreiten-Steuersignal an die Leitung 81 abgegeben wird, dessen Mittelwert zwischen null und fünfzehn Teilen der gesamten Ausgangsspannung, im vorliegenden Beispiel also von fünf Volt, variiert. Jedes Analogsignal besitzt also von dem benachbarten Analogsignal einen Abstand von etwa ein Drittel Volt bezüglich seiner Aplitude, was eine leichte Unterscheidung ermöglicht.

- 19 509884/0476

j - 19 -

! Die Leitung 81 'führt zum Eingang eines Amplitudenbegrenzers 32, ! der, wie in Fig. 3 dargestellt ist, mit seinem oberen Grenz- ! kontakt an eine Präzisions-Spannungsquelle von fünf Volt und mit

i dem unteren Grenzkontakt an Masse angeschlossen ist. Das impuls- [ förmige Signal, das diesem Amplitudenbegrenzer 82 zugeführt

wird, wird also exakt zwischen fünf Volt und null eingestellt,so : daß sich dann bei der Mittelwertbildung ein exakter Wert ergibt.

' Die Umwandlung des Impulsbreitensignals gemäß der Erfindung bietet den besonderen Vorteil, daß für jeden Phonemparameter vier Bits in Reihe erzeugt werden aber gleichzeitig nur zwei i Matrixeinheiten benötigt werden, um alle 64 Bits zu erzeugen, j Darüber hinaus erfordert die besondere Serienzusammenfassung ! bei der Erzeugung der sechzehn 4 Bit-Gruppen keine besonderen I Einrichtungen, um die vier Bit für die gleichzeitige Zuführung • zu einem Digital/Analog-Konverter aufzuheben. Mit anderen Wor-

ten: durch die Erfindung werden solche Vorrichtungen erübrigt, , ebenso wie besondere Digital/Analog-Konverter, wie beispielsi weise Widerstandsnetzwerke.

Man könnte das Ziel selbstverständlich auch dadurch erreichen, daß man eine ausreichende Anzahl von Matrix-Einheiten verwendet, um alle 64 Bits gleichzeitig parallel zu erzeugen; eine solche Einheit wäre aber erheblich teurer und würde auch bedeutend i

- 20 -

509884/0476

- 20 mehr Raum in Anspruch nehmen.

Das Impulssignal, das die Mnärgewichtete Verteilung von vier Bits auf der Leitung 81 umfaßt, wird vom Ausgang des Amplitudenbegrenzers 82 einem abstimmbaren langsamen Filter 24'' zugeführt, das in einem der beiden Filterkaskaden 24a oder 24b enthalten ist-Hierbei kann auch eine Verzögerungsschaltung verwendet werden. Das Filter enthält ein Analog-Gatter 87, dessen Steueranschlüssen

^: das Impulssignal zugeführt wird, einen Widerstand 83 und einen zweitenWiderstand 90 sowie ein zweites Analog-Gatter 92, einen Speicherkondensator 94 und, an diesen angeschlossen, ein Operationsverstärker 96. Der Ausgang des Operaijbnsverstärkers

; 96 ist über die Leitung 98 zum negativen Eingang rückgeführt und außerdem über einen Kondensator 100 an die Verbindung zwischen

^:den Widerständen 88 und 90 geführt. Den Steuerleketroden der

j ι

^! beiden Analog-Gatter 87 und 92 wird das von der Einheit 40 gelieferte Signal für die Ubergangsgeschwindigkeit, mit 20 kHz zerhackt, geliefert. Dieses Signal macht die Gatter mit der vorgenannten hohen Frequenz abwechselnd leitfähig und nicht leitend, _; entsprechend der höchsten Frequenzkomponente des eingegebenen ⁱImpulssteuersignals, und ändert sich nach seinem eigenen Impuls- ; ! rhytmus, entsprechend der Jeweils gewünschten Übergangsgeschwin-

digkeit. Dadurch wird das mittlere Einschaltverhältnis der Gatter 86 und 90 direkt proportional zur Ubergangsgeschwindigkeit

- 21 -

509884/0476

■ - 21 -

; verändert. Das hat zur Folge, daß sich der scheinbare Wider-. stand des abstimmbaren langsamen Filters 24'^f entsprechend dem Signal der Ubergangsgeschwindigkeit ändert, so daß sich die An- ^: Sprechzeit des Filters der jeweiligen Sprechgeschwindigkeit anpaßt. Wie bei der Besprechung der Fig. 1 ausgeführt wurde, bewirkt also die Einstellung der Einheit 40 für die Sprechgeschwindigkeit eine Verstellung der Einheit 44 für die Übergangsgeschwindigkeit und dadurch wiederum eine Steuerung der Impulsfrequenz oder Impulsbreite des auf die Steueranschlüsse der Gatter 86 und 92 gegebenen zerhackten Signale.

Dementsprechend ist der Ausgang des Verstärkers 96 eine Gleichspannung, der en Größe dem Mittelwert des auf den Eingang des Filters 24'' gegebenen Impulssignals entspricht. Natürlich ändert sich dieses Impulssignal und damit auch die Größe der : Gleichspannung. An den Ausgang des Verstärkers 96 ist vorzugsweise ein Glättungsfilter angeschlossen, das aus einem Längswiderstand 102 und einem Querkondensator 104 besteht, um noch verbliebene Steuerimpulse auszusieben. Der Ausgang dieses

Glättungsfilters wird an den Differenzverstärker 106 angej
^; schlossen, der Teil der in Fig. 1 dargestellten Einheit 26 ist. Der positive Eingag dieses Differenzverstärkers erhält die sich zeitlich ändernde Gleichspannung, während der negative Anschluß an eine Sägezahnspannung von 20 kHz angeschlossen ist, deren

- 22 -

509884/0476

; Amplitude zwischen null und fünf Volt schwankt. Hier muß darauf hingewiesen werden, daß das 20 kHz-Signal alle anderen Impulssignale des Systems hinsichtlich ihrer Phase synchronisiert.

Die Ausgangsspannung des Differenzverstärkers 106 ist ein Impulszug fester Frequenz, wobei die Pulsbreite entsprechend demjenigen Teil der 20 kHz-Sägezahn-Spannung schwankt, die das an den positiven Eingang des Verstärkers 106 gegebene Gleichspannungsniveau übersteigt. Die Pulsbreite ist also direkt eine Funktion der Größe des Gleichspannungssignals. Derartige Schaltungen zur Umwandlung von Gleichspannungen in breitengesteuerte Impulsfrequenzen sind an sich bekannt und werden deshalb nicht in Einzelheiten weiter beschrieben.

Das Impulssignal am Ausgang der Matrix 14 wird also zunächst in

; eine Gleichspannung und dann wieder zurück in eine Impulsfrequenz verwandelt, lediglich um die Filterung in der Einheit 24

' zu erleichtern. Falls eine zufriedenstellende Filterung in anderer Weise durch direkte Verwertung des von der Matrix 14 gelieferten Impulssignals, ohne es zwischenzeitlich in eine Gleich-

^! spannung umzuwandeln, erzielt werden kann, dann kann eine solche ; Schaltung ebenfalls verwendet werden.

; Das am Ausgang des Verstärkers 106 stehende breitengesteuerte ^!

- 23 509884/0476

Impulssteuersignal stellt also nun das Steuersignal für das Phonem dar und wird direkt auf die entsprechende Einheit in dem Vokaltraktmodell gegeben, die, von diesem Signal gesteuert, ihren Beitrag zu dem speziellen Phonem liefern soll. Das Signal kann zum Beispiel das F1-Signal sein, das zur Steuerung der Lage der Resonanzfrequenz des Filters 50 dient; es kann aber

: auch eines der anderen 15 Steuersignale sein, die erzeugt werden, außer natürlich dem Signal für die Übergangsgeschwindigkeit, dem Zeitsignal, dem VokalverzögerungsBLgnal oder dem Verschlußsignal, die ja sämtlich nicht durch die abstimmbaren langsamen Filter geschickt werden. Die Vorteile der Rückumwandlung der Gleichspannung in ein Impulssignal liegen darin, daß die Verwendung

• komplizierter steuerbarer Verstärker, sogenannter Analog-Multiplikatoren, erübrigt wird, wie sie im Hauptpatent beschrieben wurden. Stattdessen werden die wesentlich einfacheren Analog-Gatter benutzt, die eine proportionale Steuerung und wirksame Signal-Multiplikation für Impulsgruppen ermöglichen. Dadurch ergeben sich erhebliche Verbilligungen und eine bedeutende Verkleinerung des gesamten Systems.

: Ein weiteres bedeutendes Merkmal der Weiterbildung der Lehre des

• Hauptpatents besteht darin, daß die Steuersignale für den Vokal-

! trakt zeitlich verschoben werden können, so daß eine Anpassung ;

^! an die verschiedenen Verhältnisse bei der Aufeinanderfolge von '

- 24 -

509884/0476

^: Phonemen verschiedener Typen ermöglicht wird. Wenn beispielsweise der Übergang von einem Vokal zu einem Reiblaut erzeugt werden soll, wie es beispielsweise bei der phonetischen Aussprache des Buchstabens "s" der Fall ist, ist es wünschenswert, die Steuerung des Reiblautes so zu verschieben, daß der Reiblaut erst beim Abklingen des Vokals einsetzt. Dasselbe kann auch um- ^: gekehrt der Fall sein, daß ein Übergang von einem Reiblaut zu einem Vokal darzustellen ist. i

. Fig. 4 stellt diese Vorgänge in vereinfachte], untereinander angeordneten zeitlichen Diagrammen dar. Das obere Diagramm ist

* eine Sägezahnkurve, wie sie von dem phonetischen Zeitgeber 46 im Blockschaltbild in Fig. 1 geliefert wird und, wie vorstehend

beschrieben, die^eitliche Dauer eines Phonems steuert. Wenn man diese Sägezahnspannung mit einer Gleichspannung verstärkt, deren Höhe, von der Matrix 14 gesteuert, die gewünschte Vokalverzögerung darstellt, erkennt man aus dem zweiten Diagramm in Fig. 4, daß man einen Sockelimpuls daraus ableiten kann. Dieses

. Signal wird in der nachstehend beschriebenen Schaltung in Fig. 5 ■ verwendet.

j i

; Fig. 4 zeigt ferner den typischen Zusammenhang bei dem Übergang :

\ von einem Reiblaut zu einem Vokal, wobei die Steuerfunktion für .

die Amplitude des Reiblautes scharf an genau derselben Stelle

- 25 -

509884/0478

. ■ - 25 -

. abfällt, an der*die Steuerfunktion für die Amplitude des Vokals steil ansteigt. Das Umgekehrte tritt dann am Ende des zweiten Phonem-Zeitintervalls ein. Wenn man diese Steuerfunktionen ohne Änderung verwenden würde, ergäbe sich eine unrealistische Sprache, da die Steuerfunktionen nicht exakt zeitlich mit den Steuerparametern übereinstimmen, die aus den langsamen Filtern . abgeleitet werden. Dementsprectend wird die Steuerfunktion für : den Reiblaut zeitlich so verzögert, daß der Amplitudenanstieg , erst später erfolgt, wie aus Fig. 4 ersichtlich ist.

Um diese Verzögerung zu erhalten, werden die Verzögerungsschal-' tungen 50 (für den Verschluß) und 48 (für den Vokal) in Fig. 1 ι verwendet. Da diese Schaltungen ähnlichk,wenn nicht sogar iden- ; tisch in ihrer Ausführung sind, gelten die Darstellungen in den ■ Figuren 4 und 5 für beide Schaltungen.

Wie in Fig. 5 dargestellt ist, wird die Steuerfunktion bzw. der Steuerparameter von der Matrix dem Eingang eines elektronischen ^: Schalters 120 zugeführt, dessen Steuereleketrode den aus dem " Vergleich zwischen der Sägezahnspannung und der Gleichspannung ; erzeugten Sockelimpuls (Fig. 4) erhält. Derjenige Teil der Steuerfunktion, zum Beispiel für die Amplitude des Reiblautes, der während der Einschaltzeit des Schalters 120 abläuft, wird in dem Speicherkondensator 122 gespeichert und gleichzeitig

- 26 SÖ9884/G476

auf den positiven Eingang eines Operationsverstärkers 124 mit ; Rückführung 126 gegeben. Der Ausgang des Operationsverstärkers \ ist ein Signal, das dem Eingangssignal entspricht, aber diesem gegenüber um ein zeitliches Intervall verschoben ist, das dann eine saubere Synchronisierung der Steuerspannungen im Ausgang des Sprachsynthetisators sicherstellt.

Selbstverständlich können auch, beliebige ändere Schaltungen zur Erzeugung einer solchen Verzögerung verwendet werden. In gleicher Weise kann auch die Steuerfunktion für einen Vokal zeitlich verschoben werden.

Fig. 6 ist eine schematische Darstellung eines neuartigen Rauschgenerators 34, wie er in den Figuren 1 und 2 verwendet

wird. Durch diese Schaltung wird eine Mischung von Frequenzen hergestellt, die angenähert dem weißen Rauschen eines idealen Rauschgenerators entspricht und für die Zwecke der Sprachsynthese eine ausgezeichnete spektrale Amplitudenverteilung be- : sitzt.

Die Schaltung umfaßt ein 18 Bit-Schieberegister 130 mit einem 20 kHz Zeitgebereingang 132. Die Anschlüsse Nr. 4 und 5 des Schieberegisters sind an die beiden Eingänge eines EXOR-Gatters (Antivalenzglied) 136 angeschlossen, während die Anschlüsse 10

509884/0476

- 27 ORIGINAL INSPECTED

; - 27 -

ΐ und 18 an die Eingänge eines entsprechenden EXOR-Gatters 138

■ angeschlossen sind. Die Ausgänge der Gatter I36 und 138 werden I durch das Gatter 140 verglichen und der Ausgang des Gatters \ 140 wiederum durch ein weiteres Gatter 142 mit dem 1,33 kHz-Eingang von der Leitung 144 verglichen. Der Registerausgang : kann von jedem Anschluß abgegriffen werden; in der Zeichnung

wurde dafür der Anschluß 14 gewählt.

Die abgenommene Ausgangsspannung enthält praktisch ein fast ; willkUraliches, unperiodisches Impulsgemisch, da die Wieder-

■ holungsperiode lang genug ist, um sie vernachlässigen zu

j können. Die Ausgangsspannung stellt also- in dem hier in Bei tracht kommenden Frequenzbereich - ein fast ideales weißes

ι Rauschen dar.

' Das 1,33 kHz-Signal vermeidet in wirksamer Weise eine "Pattsituation¹¹, in der die Ausgänge aller Gatter und die Register-

j eingänge gleich sind und keine weitere Impulsweitergabe mehr erfolgen würde.

-ZQ-

50988Α/0Λ76

Claims

- 28 * Patentansprüche

Sprachsynthetisatorsystem nach Hauptpatent

(P 22 09 548.3), gekennzeichnet durch einen Impulskonverter im Eingangsteil, der aus den digitalen Steuerbefehlen für die Phoneme Impulsgruppen konstanter Impulsfrequenz und Amplitude und veränderbarer Impulsbreite bildet, die den Eingängen der Tiefpaßfilter zugeführt v/erden.
2. Sprachsynthetisatorsystem nach Anspruch 1, gekennzeichnet durch eine Filterschaltung zur Umwandlung der digitalen Steuerbefehle in eine Gleichspannung sowie einen von dieser Gleichspannung gesteuerten Impulsgenerator, der eine Impulsfolge konstanter Impulsfrequenz : und konstanter Amplitude mit einer der steuernden Gleich- ^; Spannung proportionalen Impulsbreite erzeugt.
3· Sprachsynthetisatorsystem nach Anspruch 2, gekennzeichnet durch einen dem Impulsgenerator nachgeschalteten Amplitudenbegrenzer.

ι
4. Sprachsynthetisatorsystem nach Anspruch 1 bis 3_f g e kennzeichnet durch einen Zeitsteuerteil

für die zeitliche Länge jedes Phonems.

- 29 -

509884/047 6
5· Sprachsynthetisator system nach Anspruch 1 bis 4, g e k e η η zeichnet durch eine Zeitsteuerschaltung zur Einstellung der Sprechgeschwindigkeit.
6. Sprachsynthetisatorsystem nach Anspruch 2 bis 5, dadurch gekennzeichnet, daß die Ansprechzeit des Filters niedrig gegenüber der Sprechgeschwindigkeit ist.

·:
7. Sprachsynthetisator sys tem nach Anspruch 1 bis 6, dadurch gekennzeichnet, daß die Ansprech-

: zeit der Tiefpaßfilter einstellbar und von der Zeitsteuerschaltung derart gesteuert ist, daß sie proportional zur

Sprechgeschwindigkeit ist.

:
8. Sprachsynthetisatorsystem nach Anspruch 1 bis 7» dadurch gekennzeichnet, daß die Bits der digitalen Steuerbefehle binär gewichtet werden.

9« Sprachsynthetisatorsystem nach Anspruch 8, dadurch gekennz-eichnet , daß die Gewichtung in der binären Reihenfolge 8-4-2-1 erfolgt.

10. Sprachsynthetisatorsystem nach Anspruch 1 bis 9, d a -

- 30 -

884/0476

durch gekennzeichnet, daß jedes Tiefpaßfilter eine Gatterschaltung umfaßt, an deren Steueranschlüsse eine vergleichsweise hohe Impulsfrequenz zur Steuerung der Einschaltzeit der Gatter erhalten.

T!, Sprachsynthetisatorsystem nach Anspruch 1 bis 10, g e kennzeich net durch eine Verzögerungsschaltung zur zeitlichen Verschiebung der übereinanderfolgenden Teile eines Phonems.

12. Sprachsynthetisatorsystem nach Hauptpatent und nach Anspruch 1 bis 11, dadurch gekennzeichnet, daß der Rauschgenerator ein Schieberegister mit Eingängen für Zeitsteuerbefehle und Daten aufweist, dem ein Zeitsteuersignal einer bestimmten Frequenz zugeführt wird, logische Schaltelemente zum Vergleich je zweier Anschlüsse des Schieberegisters untereinander und mit einem zugeführten Signal einer zweiten Frequenz, die ein Bruchteil der vorgenannten ersten Frequenz ist, und eine Eingabe des Vergleichsergebnisses der logischen Schaltelemente in das Schieberegister.

13· Sprachsynthetisatorsystem nach Anspruch 12, dadurch gekennzeichnet , daß als logische Schaltungen

- 31 509884/0476

- 31 EKOR-Schaltttngen verwendet werden.

14. Sprachsynthetisatorsystem nach Anspruch 13» dadurch gekennzeichnet , daß zwei Anschlußpaare des Schieberegisters jeweils durch zwei EXOR-Schaltungen einzeln und dann durch eine weitere EXOR-Schaltung miteinander verglichen werden und das Ergebnis schließlich mit der zweiten Frequenz durch eine vierte EXOR-Schaltung verglichen wird.

£09 88 4/047