-
Die vorliegende Erfindung betrifft eine Sprachaufzeichnungsvorrichtung, bei der
tonlose Teile eines Sprachsignals komprimiert werden, wenn das Sprachsignal zur
Aufzeichnung analysiert und kodiert wird.
-
Im allgemeinen ist eine große Menge an Informationsgehalt erforderlich, um
Sprachsignale auszudrücken. Da jedoch Sprachsignale eine erheblich Redundanz aufweisen,
können sie, wenn sie komprimiert werden, mit hoher Effizienz übertragen und mit
geringem Platzbedarf aufgezeichnet werden.
-
Sprachsignale weisen tonlose Pausenabschnitte auf, in denen kein Ton während des
Sprechens gebildet wird. Wenn die Informationen in den tonlosen Abschnitten
komprimiert werden, können die Sprachsignale daher mit hoher Effizienz übertragen
werden und die Aufzeichnungskapazität des Speichers kann verkleinert werden.
Genauer gesagt erstreckt sich bei normaler Sprechgeschwindigkeit der Tonabschnitt,
in dem die Sprache tatsächlich erzeugt wird, über ungefähr 68% der gesamten
Sprechzeit, und daher kann das Komprimieren der tonlosen Abschnitte eine erhebliche Menge
an Sprachvolumen komprimieren. Bei herkömmlichen Sprachaufzeichnungs- und
Wiedergabevorrichtungen wird pro einzelnem Datensatz durch eine
Tonbeurteilungseinrichtung beurteilt, ob das Sprachsignal ein Tonsignal oder ein tonloses Signal ist,
und anschließend wird der tonlose Abschnitt komprimiert. Wenn das Sprachsignal,
dessen tonloser Abschnitt komprimiert ist, wiedergegeben wird, wird daher
nachteihgerweise der Anfang oder das Ende eines Worts in der Sprachäußerung ausgelassen.
Ferner kann es bei der herkömmlichen Vorrichtung vorkommen, daß ein schwacher
kurzzeitiger Abschnitt des eingegebenen Sprachsignals (beispielsweise ein
Doppelkonsonant im japanischen "Gakko", etc., oder ein assimilierter Ton) fälschlicherweise
als tonlos beurteilt und entsprechend fälschlicherweise komprimiert wird. Daher wird
bei der Wiedergabe der Doppelkonsonantenteil als vollkommen tonloser Abschnitt
(beispielsweise Ga-ko im Japanischen) behandelt, wodurch fremdartige und
merkwürdige Laute zu hören sind.
-
Um tonlose Pausenabschniffe ohne fremdartige und merkwürdige Hörerlehnisse zu
komprimieren, schlägt DE-A-34 25 026 ein Verfahren und eine Vorrichtung vor, wobei
die Vorrichtung einen Kodierer zum Analysieren und Kodieren von Sprachsignalen,
eine Tonbeurteilungseinrichtung zum Beurteilen, ob es sich bei einem Sprachsignal um
ein Tonsignal oder ein tonloses Signal handelt, und einen Sprachcodespeicher zum
Aufzeichnen eines Sprachsignals aufweist. Die Vorrichtung nach DE-A-34 25 026
weist eine Verzögerungsschaltung auf, so daß der Anfang eines Worts nicht wegfällt.
Ferner ist nach der Vorrichtung gemäß DE-A-34 25 026 eine
Aufrechterhaltungsschaltung vorgesehen, die das Speichern eines Sprachsignals als Tonsignal über eine
bestimmte Zeit nach dem letzten Tonsignal fortsetzt, so daß auch das Ende eines Worts
nicht wegfällt.
-
Ein weiteres Verfahren und eine weitere Vorrichtung zum Komprimieren und
Aufzeichnen von Sprachsignalen ist in US-A-4 376 874 bezeichnet. US-A-4 376 874
offenbart ein System zum Beurteilen eines Signals als über eine bestimmte Zeitspanne
hinaus fortgesetzt tonlos, um das Ende jedes Wortes zu bestimmen.
-
Beide Verfahren und Vorrichtungen weisen noch immer den Nachteil auf, daß ihre
kodierten Signale erheblichen Platz beanspruchen.
-
Es ist die Aufgabe der vorliegenden Erfindung, eine verbesserte
Sprachaufzeichnungsvorrichtung zu schaffen, bei der der tonlose Abschnitt des Sprachsignals durch Echtzeit
weiter komprimiert werden kann, und bei der gleichzeitig selbst der Anfang oder das
Ende eines Wortes oder eines kurzzeitigen schwachen Abschnitts nicht als tonloser
Abschnitt aufgezeichnet wird, so daß das Sprachsignal ohne ungewöhnlichen Klang für
den Hörer wiedergegeben werden kann.
-
Diese Aufgabe wird erfindungsgemäß mit den Merkmalen des Patentanspruchs 1
gelöst.
-
Nach der vorliegenden Erfindung weist die Sprachaufzeichnungsvorrichtung mit
Kompression tonloser Abschnitte auf: einen Kodierer zum Analysieren und Kodieren
eines Sprachsignals, eine Tonbeurteilungseinrichtung zum Beurteilen, ob das
Sprachsignal ein Tonsignal oder ein tonloses Signal ist, einem Sprachkodespeicher zum
Aufzeichnen von Sprachsignalen, zwei Arten von Adressenzählern die von der
Tonbeurteilungseinrichtung derart gesteuert werden, daß, wenn das Sprachsignal ein
Tonsignal ist, die Adresse des Sprachkodespeichers weitergesetzt wird, während bei
einem tonlosen Sprachsignal die Adresse des Sprachkodespeichers zurückgesetzt wird.
-
Die ertindungsgemäße Sprachaufzeichnungsvorrichtung mit Kompression des tonlosen
Abschnitts weist ferner auf: eine Verzögerungseinrichtung zum Verzögern des in dem
Sprachkodespeicher zu speichernden kodierten Signals, dessen Adresse durch den
Adresserhähler bestimmt ist, in bezug zu einem vorliegenden, in die
Beurteilungseinrichtung eingegebenen Sprachsignal, wobei die Verzögerungseinrichtung durch
Verwendung eines Teils des Sprachkodespeichers als zirkulierenden Speicher ausgebildet
sein kann, so daß das Speichern des vorhergehenden Sprachsignals in den
Sprachkodespeicher durch die Tonbeurteilungseinrichtung gesteuert wird. Wenn das Sprachsignal
eingegeben wird, erkennt die Tonbeurteilungseinrichtung, ob das eingegebene
Sprachsignal ein Tonsignal oder ein tonloses Signal ist. Als Ergebnis dieser Beurteilung wird,
wenn das Sprachsignal als tonlos beurteilt wird, die Adresse des Sprachkodespeichers
zurückgesetzt und nicht weitergesetzt, und daher wird das kodierte Sprachsignal des
tonlosen Abschnitts nicht im Sprachkodespeicher gespeichert. Somit kann der tonlose
Abschnitt im Sprachkodespeicher in Echtzeit komprimiert werden, um so die
Aufzeichnungsmenge im Speicher zu verringern. Wenn das nach dem tonlosen Signal
eingegebene Sprachsignal von der Tonbeurteilungseinrichtung als Tonsignal erkannt wird,
wird das Sprachsignal, das von der Verzögerungseinrichtung über den Zeitpuhkt der
Beurteilung durch die Tonbeurteilungseinrichtung verzögert wurde, durch den Kodierer
kodiert, das heißt, das Sprachsignal wird zu dem Zeitpunkt vor dem Zeitpunkt
zurückgesetzt, zu dem das nach dem tonlosen Signal eingegebene Sprachsignal als Tonsignal
erkannt wurde, um zur Aufzeichnung im Sprachkodespeicher kodiert zu werden, wobei
die Adresse des Sprachkodespeichers durch den Adressenzähler weitergesetzt wird.
Daher kann bei der erfindungsgemäßen Sprachaufzeichnungsvorrichtung mit
Kompression tonloser Signale das Sprachsignal ohne Wegfall des Anfangs eines Wortes
aufgezeichnet werden, wodurch sich keine ungewöhnlichen Laute bei der Wiedergabe
des Sprachsignals ergeben.
-
Diese und andere Aufgaben und Merkmale der vorliegenden Erfindung ergeben sich
aus der nachfolgenden Beschreibung bevorzugter Ausfürungsbeispiele derselben unter
Bezugnahme auf die zugehörigen Zeichnungen, welche zeigen:
-
Fig. 1 - ein Blockdiagramm einer zum Komprimieren tonloser Signale ausgebildeten
Sprachaufzeichnungsvorrichtung, und
-
Fig. 2 - ein Diagramm zur Erläuterung der Funktionsweise der Vorrichtung von Fig. 1.
-
Vor der weiteren Beschreibung der vorliegenden Erfindung sei darauf hingewiesen, daß
gleiche Teile in sämtlichen zugehörigen Zeichnungen mit gleichen Bezugszeichen
versehen sind.
-
In folgenden wird unter Bezugnahme auf die Fign. 1 und 2 eine erfindungsgemäße
Sprachaufzeichnungsvorrichtung mit Kompression tonloser Signale beschrieben.
-
Fig. 1 zeigt den schematischen Aufbau einer Sprachaufzeichnungsvorrichtung mit
Kompression tonloser Signale, die aufweist: eine Verzögerungseinrichtung 111, einen
Kodierer 112, einen ersten Adressenzähler 113, einen Sprachkodespeicher 114, eine
Tonbeurteilungseinrichtung 115, einen Zeitzähler 116, eine Zustandsspeicherschaltung
117 und einen zweiten Adressenzähler 119. Der erste Adressenzähler 113 ist derart
ausgebildet, daß er die Adresse des Sprachkodespeichers 114 bestimmt. Bei jeder
Eingabe des Sprachkodes in den Sprachkodespeicher 114 wird die Adresse des
Sprachkodespeichers 114 um die Bitlänge des Sprachkodes weitergesetzt. Der zweite
Adressenzähler 119 ist ein Register, das ausschließlich zum Speichern des Adressenwertes
vorgesehen ist. Ferner beurteilt die Beurteilung 115 nicht blockweise, sondern pro
Abtastung beispielsweise auf der Basis eines Vergleichs zwischen dem
Amplitudenwert der eingegebenen Sprachwellenform und dem Schwellenwert als einer
Erkennungsreferenz.
-
Die Sprachaufzeichnungsvorrichtung mit dem zuvor beschriebenen Aufbau arbeitet wie
folgt.
-
Vor dem Aufzeichnen werden sowohl der erste als auch der zweite Adressenzähler 113
und 119 auf die Startposition des Sprachkodespeichers 114 initialisiert. Anschließend
wird der Zeitzähler 116 initialisiert, um die Zustandsspeicherschaltung 117 auf die
Tonlos-Position einzustellen. Befindet sich die Zustandsspeicherschaltung 117 in der
Tonlos-Position, wird der Kodierer 112 im angehaltenen Zustand gehalten.
A) Erkennung des Anfangs eines Wortes
-
Wenn die Sprachwellenform in den Eingabeanschluß eingegeben wird, werden die
Daten um die eingegebene Sprachwellenform in die Verzögerungseinrichtung 111 und
gleichzeitig auch in die Tonbeurteilungseinrichtung 115 eingegeben. Der Zeitzähler
116 zählt die Tonlose Zeit, bis die Tonbeurteilungseinrichtung 115 erkennt, daß das
eingegebene Sprachsignal ein Tonsignal ist. Wenn die Tonbeurteilungseinrichtung 115
erkennt, daß die Amplitude der Wellenform in dem Tonbereich höher ist als der
Schwellenwert, und das eingegebene Sprachsignal daher ein Tonsignal ist, wird die
Zustandsspeicherschaltung 117 auf die Tonposition eingestellt. Gleichzeitig werden ein
Signal (beispielsweise eine Tonlos-Markierung), das angibt, das die Wellenform tonlos
ist, bis ein Ton erkannt wird, und der Inhalt, d.h. die Länge des tonlosen Zeitraums,
kodiert, um diese an einer vorbestimmten Adresse des Sprachkodespeichers 114 gemäß
einem Befehl des ersten Adressenzählers 113 zu speichern. Anschließend wird der
Zeitzähler 116 initialisiert und gleichzeitig ein Startsignal an den Kodierer 112
ausgegeben. Demzufolge kodiert der Kodierer 112 ein Sprachsignal, das die
Verzögerungseinrichtung 111 passiert hat, als um beispielsweise eine Verzögerungszeit zu
verzögerndes Signal. Dementsprechend wird ein Signal das um die Verzögerungszeit τ
vorausgeht, kodiert. In der zuvor beschriebenen Art wird die Kodierung von der
Wellenform an begonnen, die um die Verzögerungszeit τ vor dem Zeitpunkt vorliegt,
zu dem die Wellenform als Tonwellenform erkannt wird, und dementsprechend wird
verhindert, daß der Wortanfang wegfällt (das heißt, es wird verhindert, daß der Anfang
eines Wortes fälschlicherweise beim Kodieren als tonlos beurteilt wird).
-
Eine genauere Beschreibung der Operationen zum Erkennen des Anfangs eines Wortes
werden in Zusammenhang mit Figur 2 beschrieben. Der Amplitudenwert der
eingegebenen Wellenform überschreitet den Schwellenwert am Punkt A und die
Tonbeurteilungseinrichtung 115 stellt fest, daß das eingegebene Sprachsignal ein Tonsignal ist,
das den Kodierer 112 startet. Obwohl der Kodierer 112 mit dem Kodieren vom
Zeitpunkt A an beginnt, beginnt die Kodierung des eingegebenen Sprachsignals aufgrund
der Verzögerung des in den Kodierer 112 eingegebenen Sprachsignals um den
Zeitraum τ zu einem Zeitpunkt A', der um die Zeit τ Nach dem Zeitpunkt A liegt. Daher
werden die Sprachsignale unterhalb des Schwellenwertes zwischen den Zeitpunkten A
und A' als Tonsignale kodiert, ohne wegzufallen.
-
Während der Kodierer 112 die Kodierung durchführt, sobald die
Tonbeurteilungseinrichtung 115 das eingegebene Sprachsignal als Tonsignal erkennt, erkennt die
Tonbeurteilungseinrichtung 115, ob die gegenwärtig eingegebene Sprachäußerung, die nicht
verzogert ist (nämlich, die gegenüber dem gerade kodiert werdenden Signal um den
Zeitraum τ vorausliegende Sprachäußerung) ein Tonsignal oder tonlos ist. Wenn die
gegenwartig eingegebene Sprachäußerung von der Tonbeurteilungseinrichtung 115 als
tonlos beurteilt wird, beginnt der Zeitzähler 116 mit dem Aufwärtszählen, welches eine
der Infomationen darüber darstellt, daß das Sprachsignal tonlos ist. Wenn andererseits
das gegenwärtige Sprachsignal als Tonsignal erkannt wird, wird der Inhalt des
Zeitzählers 116 initialisiert. Selbst wenn der Amplitudenwert durch die Schwingung der
Sprachsignalwelle im efekiiven Ton-Intervall, beispielsweise zwischen den Punkten A
und B der Fig. 2, zeitweilig geringer als der Schwellenwert ist, wie am Punkt E, so wird
der Amplitudenwert am nächsten Punkt F unmittelbar wieder höher als der
Schwellenwert, und daher beendet der Zeitzähler 116 sofort das Aufwärtszählen, um so eine
falsche Beurteilung des Ton-Intervalls als tonlos zu verhindern.
B) Erkennung des Wortendes
-
Zum Zeitpunkt B wird das eingegebene Sprachsignal, da der Amplitudenwert niedriger
als der Schwellenwert ist, als tonlos beurteilt, und dementsprechend beginnt der
Zeitzähler 116 die tonlose Zeit zu zählen. Wenn der Amplitudenwert der eingegebenen
Wellenform über einen Zeitraum ta weiterhin niedriger als der Schwellenwert ist, stellt
die Tonbeurteilungseinrichtung 115 fest, daß das vorliegende Sprachsignal ein
mögliches Ende eines Wortes darstellt, weshalb sie ein Signal an die
Zustandsspeicherschaltung 117 ausgibt, um einen Schalter 118 mit einem Anschluß a zu verbinden.
Infolgedessen geht der gegenwärtige Inhalt des ersten Adressenzählers 113 in den
zweiten Adressenzähler 119 über. Wenn das Sprachsignal für einen Zeitraum tb
weiterhin als tonlos erkannt wird, stellt die Tonbeurteilungseinrichtung 115
anschließend fest, daß der Zeitpunkt nach dem Zeitraum ta das Ende des Wortes ist.
Daher wird der Zeitzähler 116 initialisiert und gleichzeitig die
Zustandsspeicherschaltung 117 auf die Tonlos-Position eingestellt, um so den Kodierer 112 zu stoppen.
Ferner wird der Schalter 118 mit einem Anschluß b verbunden, um den Adressenwert,
der dem Zeitpunkt entspricht, zu dem das eingegebene Sprachsignal als ein mögliches
Ende des Wortes beurteilt wurde (der Wert befindet sich im zweiten Adressenzähler
119), in den ersten Adressenzähler 113 zurückzuführen.
-
Im folgenden wird das Erkennen des Endes eines Wortes unter Bezugnahme auf Fig.
2 genauer beschrieben. Die Tonbeurteilungseinrichtung 115 stellt anhand der
Sprachwellenform desselben zum Zeitpunkt B fest, daß das eingegebene Sprachsignal tonlos
ist. Der Inhalt des ersten Adressenzählers 113 ist zum Zeitpunkt C geschützt, welcher
um den Zeitraum ta gegenüber dem Zeitpunkt B für das mögliche Ende des Wortes
später liegt. Zu diesem Zeitpunkt C ist die gegenwärtig kodierte Sprachäußerung um
den Zeitraum verzögert und dementsprechend ist der Inhalt des ersten
Adressenzählers 113 eine Adresse, die einem Zeitpunkt C' entspricht, die um den Zeitraum τ
gegenüber dem Zeitpunkt C nach dem Ablauf des Zeitraums ta seit dem Zeitpunkt B
versetzt ist. Wenn das eingegebene Sprachsignal über den Zeitraum tb weiterhin als
tonlos beurteilt wird, wird der Inhalt des ersten Adressenzählers 113 auf eine Adresse
weitergesetzt, die einem Zeitpunkt D' entspricht, der um den Zeitraumτvom Zeitpunkt
D versetzt ist, welcher um den Zeitraum tb nach dem Zeitpunkt C folgt. Zu diesem
Zeitpunkt D wird das genannte mögliche Ende des Worts als das Ende des Wortes
bestimmt, wobei der Inhalt des zweiten Adressenzählers 119 an den ersten
Adressenzähler 113 übertragen wird, so daß der Inhalt des ersten Adressenzählers 113, der auf
den Sprachkodespeicher 114 Zugriff hat, zu der dem Zeitpunkt C' entsprechenden
Adresse zurückgeführt wird. Dementsprechend wird im Sprachkodespeicher 114, in
dem der Sprachkode geschrieben ist, die Adresse zum Zeitpunkt D', der um den
Zeitraum τ vom Zeitpunkt D versetzt ist, nach Ablauf der Zeitspanne (ta + tb) auf die
Adresse zum Zeitpunkt C' rückgesetzt Anschließend wird der Vorgang auf den
Wortanfang gerichtet. Auf diese Weise kann der tonlose Abschnitt zwischen den
Zeitpunkten C' und D' in Echtzeit komprimiert werden und die Speicherkapazität kann
verringert oder der Speicher in größerem Umfang effektiv genutzt werden.
-
Darüber hinaus wird selbst das Sprachsignal unterhalb des Schwellenwerts zwischen
den Zeitpunkten B und C' nicht ausgelasen und wird als Tonsignal kodiert. In einem
solchen zuvor beschriebenen Fall ist es erforderlich, um das Sprachsignal im Abschnitt
zwischen den Zeitpunkten B und C' ohne Auslassung zu kodieren, daß die Zeiträume
τ
und ta das Verhältnis ta> τ bilden, und daß die Differenz ta-τ zwischen diesen
(nämlich der Zeitraum zwischen den Zeitpunkten B und C') unter Berücksichtigung der
Länge des Wortendes eingestellt wird. Ferner wird aufgrund der Einstellung des
Zeitraums ta selbst ein solch kurzer und schwacher Abschnitt wie der Doppelkonsonant
im Tonabschnitt nicht als tonloser Abschnitt beurteilt.
-
Bei der Wiedergabe des im Sprachkodespeicher aufgezeichneten Sprachkodes wird der
Sprachkode aus dem Sprachkodespeicher 114 ausgelesen, um zu beurteilen, ob es sich
um eine Tonlos-Markierung handelt. Handelt es sich bei dem ausgelesenen Kode um
eine Tonlos-Markierung, wird der nächste zu speichernde Datensatz als ein Kode
ausgelesen, der die Länge der tonlosen Zeit angibt. Als Wiedergabesignal für die Länge
der tonlosen Zeit wird Null ausgegeben. Ist der ausgelesene Kode keine
Tonlos-Markierung, wird der ausgelesene Kode in den Dekodierer zur Ausgabe einer
synthetisierten Wellenform eingegeben.
-
Wie zuvor beschrieben, kann der tonlose Abschnitt einer Sprachäußerung im
Sprachkodespeicher 114 erfindungsgemäß in Echtzeit komprimiert werden, um so die
Speicherkapazität zu verringern. Ferner fällt selbst der schwache Anfang eines Wortes nicht
weg, sondern wird kodiert, so daß sich bei der Wiedergabe des Sprachkodes kein
ungewöhnlicher Klang einstellt.
-
Da die Tonbeurteilungseinrichtung 115 das Ende des Wortes feststellt, wenn der
tonlose Zustand über einen bestimmten Zeitrum länger als die Verzögerungszeit der
Verzögerungseinrichtung anhält, wird bei dem vorhergehenden Ausführungsbeispiel
selbst das Ende des Worts oder ein Doppelkonsonantabschnitt nicht als tonlos beurteilt
und ausgelassen, sondern als ein Tonabschnitt kodiert. Ferner kann die
Verzögerungseinrichtung durch gemeinsame Verwendung eines Teils des Sprachkodespeichers
realisiert werden, wodurch die Hardware der Vorrichtung vereinfacht wird.
-
Wie sich aus der vorhergehenden Beschreibung ergibt, sind bei der
Sprachaufzeichnungsvorrichtung mit Komprimierung von tonlosen Signalen eine
Tonbeurteilungseinrichtung, ein Sprachkodespeicher und Adressenzähler vorgesehen, die durch die
Tonbeurteilungseinrichtung derart gesteuert sind, daß die Adresse des
Sprachkodespeichers weitergesetzt wird, wenn das Sprachsignal ein Tonsignal ist, während die Adresse
des Sprachkodespeichers rückgesetzt wird, wenn das Sprachsignal ein tonloses Signal
ist. Daher kann der tonlose Abschnitt in Echtzeit komprimiert werden. Ferner ist eine
Verzögerungseinrichtung vorgesehen, die das kodierte Signal im Sprachkodespeicher,
dessen Adresse durch den Adressenzähier bestimmt ist, gegenüber dem in die
Tonbeurteilungseinrichtung eingegebenen Sprachsignal verzögert, und die
Tonbeurteilungseinrichtung kann somit das Speichern des vorhergehenden Sprachsignals in den
Sprachkodespeicher steuern. Somit kann selbst ein schwacher Anfang eines Wortes als
Tonabschnitt kodiert werden. Vorteilhafterweise kann das Sprachsignal ohne
ungewöhnlichen Klang wiedergegeben werden.