DE60305716T2

DE60305716T2 - Verfahren zum synthetisieren eines nicht stimmhaften sprachsignals

Info

Publication number: DE60305716T2
Application number: DE60305716T
Authority: DE
Inventors: F. Ercan GIGI
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2002-09-17
Filing date: 2003-08-08
Publication date: 2007-05-31
Anticipated expiration: 2023-08-09
Also published as: AU2003253152A1; ATE328343T1; JP4813796B2; CN1682276A; EP1543498A1; EP1543498B1; US8326613B2; WO2004027754A1; US20100324906A1; CN100361198C; JP2005539264A; US7805295B2; DE60305716D1; US20060053017A1

Description

Die vorliegende Erfindung betrifft den Bereich der Synthetisierung von Sprache oder Musik und im Besonderen ohne Einschränkung den Bereich der Text/Sprache-Synthese.
Die Funktion eines Text/Sprache-Synthesesystems (engl. text-to-speech, TTS) besteht darin, Sprache von einem allgemeinen Text in einer gegebenen Sprache zu synthetisieren. Heutzutage werden TTS-Systeme in der Praxis für viele Anwendungsbereiche genutzt, beispielsweise für den Zugriff auf Datenbanken über das Telefonnetz oder als Hilfe für behinderte Personen. Ein Verfahren zum Synthetisieren von Sprache besteht darin, Elemente eines aufgezeichneten Satzes von Sprachteileinheiten wie Halbsilben oder Polyphone zu verketten. Die Mehrzahl erfolgreicher handelsüblicher Systeme verwendet die Verkettung von Polyphonen. Die Polyphone umfassen Gruppen von zwei (Diphone), drei (Triphone) oder mehr Phonen und können aus Unsinnwörtern ermittelt werden, indem die gewünschte Gruppierung von Phonen bei stabilen spektralen Bereichen segmentiert werden. Bei einer Synthese auf der Basis der Verkettung ist die Erhaltung des Übergangs zwischen zwei benachbarten Phonen wesentlich für die Sicherstellung der Qualität der synthetisch erzeugten Sprache. Durch die Wahl der Polyphone als grundlegende Teileinheiten wird der Übergang zwischen zwei benachbarten Phonen in den aufgezeichneten Teileinheiten beibehalten, und die Verkettung erfolgt zwischen ähnlichen Phonen.
Vor der Synthese müssen jedoch die Dauer und die Tonhöhe der Phone verändert werden, damit die prosodischen Einschränkungen der neuen, derartige Phone enthaltenden Wörter erfüllt werden. Diese Verarbeitung ist erforderlich um zu vermeiden, dass die synthetisch erzeugte Sprache monoton klingt. In einem TTS-System wird diese Funktion durch ein prosodisches Modul ausgeführt. Damit die Dauer und die Tonhöhe in den aufgezeichneten Teileinheiten verändert werden können, nutzen viele auf Verkettung basierende TTS-Systeme das TD-PSOLA-Synthesemodell (engl. time-domain pitch synchronous overlap-add, TD-PSOLA) (E. Moulines und F. Charpentier, „Pitch synchronous waveform processing techniques for text-to-speech synthesis using diphones", erschienen in Speech Commun., Band 9, S. 453-467, 1990).
Bei dem TD-PSOLA-Modell wird das Sprachsignal zuerst einem die Tonhöhe kennzeichnenden Algorithmus unterzogen. Dieser Algorithmus ordnet den Spitzen des Signals in stimmhaften Segmenten und 10 ms entfernt in den stimmlosen Segmenten Marken zu. Die Synthese erfolgt durch Überlagerung von der Hanning-Fensterfunktion unterzogenen Segmenten, die an den Tonhöhenmarken zentriert sind und sich von der vorherigen Tonhöhenmarke bis zur nächsten erstrecken. Die Veränderung der Dauer erfolgt durch Löschen oder Replizieren einiger der gefensterten Segmente. Die Veränderung der Tonhöhenperiode erfolgt andererseits durch die Vergrößerung oder Reduzierung der Überlagerung zwischen den gefensterten Segmenten.
Trotz des in vielen handelsüblichen TTS-Systemen erzielten Erfolgs kann die unter Einsatz des TD-PSOLA-Synthesemodells erzeugte synthetische Sprache insbesondere bei starken prosodischen Schwankungen einige Nachteile aufweisen.
Beispiele für PSOLA-Verfahren sind in den Dokumenten EP-0363233, US-A-5.479.564 und EP-0706170 dargelegt. Ein spezielles Beispiel ist auch das MBR-PSOLA-Verfahren, wie es von T. Dutoit und H. Leich in Speech Communication, Elsevier Verlag, November 1993, Band 13, N.Grad 3-4, 1993, veröffentlicht wurde. Das in der US-amerikanischen Patentschrift Nr. 5.479.564 beschriebene Verfahren schlägt Mittel vor zum Verändern der Frequenz durch die Überlappung und Addition von kurzzeitigen Signalen, die aus diesem Signal extrahiert werden. Die Breite der Gewichtungsfenster, die zur Erzielung der kurzzeitigen Signale eingesetzt werden, entspricht ungefähr der doppelten Periode des Audiosignals, und ihre Position innerhalb der Periode kann auf jeglichen Wert eingestellt werden (vorausgesetzt, dass die Zeitverschiebung zwischen aufeinander folgenden Fenstern der Periode des Audiosignals entspricht). In der US-amerikanischen Patentschrift Nr. 5.479.564 werden auch Mittel zum Interpolieren von Signalformen zwischen zu verkettenden Segmenten beschrieben, um Unstetigkeiten zu glätten. Wenn ein verrauschtes Signal mit Hilfe des bekannten PSOLA-Verfahrens synthetisiert werden soll, wird das Signal periodisch wiederholt. Auf diese Weise wird in das Frequenzspektrum eine unbeabsichtigte Periodizität eingefügt. Diese wird als metallischer Klang wahrgenommen. Dieses Problem tritt bei allen verrauschten Signalen auf, die keine Grundfrequenz aufweisen, beispielsweise stimmlosen Sprachteilen oder Musik. Ein stimmloser Sprachteil wie der Laut „s" hat keine Tonhöhe. Die Stimmbänder bewegen sich nicht so, wie sie es bei stimmhaften Lauten tun. Stattdessen wird ein verrauschter Zischlaut erzeugt, indem Luft durch eine kleine Öffnung zwischen den Stimmbändern gestoßen wird. Das Flüstern ist ein Beispiel für Sprache, die nur stimmlose Teile enthält. Existiert keine Tonhöhe, muss diese auch nicht verändert werden. Es kann jedoch wünschenswert sein, die Dauer eines stimmlosen Sprachteils zu verändern.
Das Dokument US-A-6.208.960 bezieht sich auf die Entfernung von Periodizität aus einem langen Audiosignal. Ein Audiosignal wird in eine Folge von sich überlappenden oder benachbarten Signalsegmenten unterteilt. Ein langes Signal wird synthetisiert, indem entsprechende Signalsegmente der Folge von Segmenten systematisch beibehalten oder wiederholt werden. Durch die Wiederholung nicht periodischer Segmente, beispielsweise eines stimmlosen Teils eines Sprachsignals oder Rauschen in Musik, ergeben sich hörbare Artefakte. Die eingeführte Periodizität wird unterbrochen, indem eine Signalsektion, die von einem nicht periodischen Quellensignalsegment herrührt, in eine zweite Folge von Signalsegmenten unterteilt wird, wobei mindestens eines der Signalsegmente eine Dauer hat, die ungleich einer Dauer des Quellensignalsegmentes und ungleich einem Vielfachen der Dauer des Quellensignalsegmentes ist. Die Signalsegmente der zweiten Folge werden umgeordnet.
Der vorliegenden Erfindung nach den unabhängigen Ansprüchen 1, 8, 9 und 10 liegt die Aufgabe zugrunde, ein Verfahren zum Synthetisieren eines Signals zu schaffen, das die Veränderung der Dauer von stimmlosen Sprachteilen oder Musik ermöglicht, ohne eine unbeabsichtigte Periodizität in das Signal einzuführen.
Die vorliegende Erfindung schafft ein Verfahren zum Synthetisieren eines Signals, insbesondere eines verrauschten Signals, auf der Grundlage eines Originalsignals. Ferner schafft die vorliegende Erfindung ein Computerprogrammprodukt zum Durchführen einer derartigen Synthese sowie ein entsprechendes Computersystem, insbesondere ein Text/Sprache-System.
Erfindungsgemäß werden die erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs des zu synthetisierenden Signals ermittelt. Dies geschieht beispielsweise auf der Grundlage einer angenommenen Frequenz von beispielsweise 100 Hz. Diese ausgewählte Frequenz entspricht einer Tonhöhenperiode. Die erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs des zu synthetisierenden Signals werden auf der Zeitachse in Intervallen mit der Länge der Tonhöhenperiode angeordnet. Die erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs werden auf das Originalsignal abgebildet, um Positionen des glockenförmigen Tonhöhenverlaufs im Bereich des Originalsignals zu schaffen. Die Positionen des glockenförmigen Tonhöhenverlaufs im Bereich des Origi nalsignals werden zufällig verschoben. Die Randomisierung wird vorzugsweise durchgeführt, indem die Positionen des glockenförmigen Tonhöhenverlaufs in dem Originalsignalbereich innerhalb +/– der Tonhöhenperiode verschoben werden.
Gemäß einem Ausführungsbeispiel der Erfindung wird die Fensterung mit Hilfe eines Sinusfensters durchgeführt. Der Vorteil eines Sinusfensters besteht darin, dass es dazu beiträgt, jegliche verbliebene Periodizität zu reduzieren. Insbesondere ist der Einsatz eines Sinusfensters deshalb vorteilhaft, weil es sicherstellt, dass die Signalhüllkurve im Leistungsbereich konstant bleibt. Im Gegensatz zu einem periodischen Signal kann bei der Addition zweier abgetasteter Rauschsignalwerte die Gesamtsumme kleiner als der Absolutwert jegliches der beiden abgetasteter Signalwerte sein. Dies liegt daran, dass die Signale (meistens) nicht in gleicher Phase sind. Das Sinusfenster gleicht diesen Effekt aus und entfernt die Hüllkurvenmodulation.
Bevorzugte Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
1 eine Darstellung eines Ablaufdiagramms eines Ausführungsbeispiels der vorliegenden Erfindung;
2 eine Darstellung eines Beispiels für die Synthetisierung eines stimmlosen Sprachsignals;
3 ein Blockschaltbild eines bevorzugten Ausführungsbeispiels eines Computersystems.
Das Ablaufdiagramm aus 1 zeigt ein Ausführungsbeispiel des Verfahrens zum Synthetisieren eines Signals. In Schritt 100 wird ein Originalsignal mit einer Dauer von y zugeführt. Das Originalsignal ist beispielsweise ein natürliches Sprachsignal, das stimmlose Sprache oder ein Musiksignal mit einer verrauschten Signalkennlinie enthält. Ferner wird eine Auswahl für eine Grundfrequenz f getroffen, auch wenn das Originalsignal aufgrund seiner verrauschten Kennlinie keine derartige Grundfrequenz aufweist. Die Auswahl einer Frequenz f entspricht einer Auswahl einer Tonhöhenperiode p. Eine geeignete Wahl einer Frequenz f liegt zwischen 50 Hz und 200 Hz, vorzugsweise 100 Hz. Zusätzlich wird in Schritt 100 die gewünschte Dauer x des zu synthetisierenden Signals eingegeben. In Schritt 102 werden die Positionen des glockenförmigen Tonhöhenverlaufs in dem Bereich des zu synthetisierenden Signals in Übereinstimmung mit der Wahl der Frequenz f und der Tonhöhenperiode p ermittelt. Dies erfolgt durch Aufteilen der Zeitachse in dem Bereich des zu synthetisierenden Signals in Intervalle mit der Länge p. In Schritt 104 werden die Positionen des glockenförmigen Tonhöhenverlaufs von dem Bereich des zu synthetisierenden Signals auf den Bereich des Originalsignals abgebildet. Ist die Dauer x länger als die Dauer y des Originalsignals, bedeutet dies, dass die Positionen des glockenförmigen Tonhöhenverlaufs i im Bereich des Originalsignals um Intervalle voneinander getrennt werden, die kürzer als die Tonhöhenperiode p sind. Im umgekehrten Fall sind die Intervalle zwischen den Positionen des glockenförmigen Tonhöhenverlaufs i im Bereich des Originalsignals länger als die Intervalle zwischen den Positionen des glockenförmigen Tonhöhenverlaufs in dem Bereich des zu synthetisierenden Signals. In Schritt 106 werden die Positionen des glockenförmigen Tonhöhenverlaufs i im Bereich des Originalsignals randomisiert. Dies kann durch zufälliges Verschieben jeder der Positionen des glockenförmigen Tonhöhenverlaufs i innerhalb eines Intervalls von +/–p um die ursprüngliche Position der glockenförmigen Tonhöhenverlaufs i erfolgen. Zur Durchführung dieser Randomisierung kann in Pseudozufallszahlgenerator eingesetzt werden. In Schritt 108 erfolgt die Fensterung im Bereich des Originalsignals. Dies geschieht vorzugsweise mit Hilfe eines Sinusfensters, das auf die randomisierten Positionen des glockenförmigen Tonhöhenverlaufs i' angewendet wird; hierdurch wird die Periodizität weiter reduziert. In Schritt 110 werden die resultierenden glockenförmigen Tonhöhenverläufe im Bereich des zu synthetisierenden Signals überlappt und addiert, wodurch das synthetisierte Signal geschaffen wird.
2 zeigt diese Signalsynthese an einem Beispiel. Die Zeitachse 200 befindet sich in dem Bereich des zu synthetisierenden Signals. Die erforderliche Dauer x des zu synthetisierenden Signals beträgt in dem hier betrachteten Beispiel eine Sekunde. Die angenommene Frequenz f beträgt 100 Hz, was einer Tonhöhenperiode p von 10 ms entspricht. Dies bedeutet, dass die erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals auf der Zeitachse 200 einen Abstand voneinander von Intervallen p = 10 ms aufweisen, d.h. die erste Position des glockenförmigen Tonhöhenverlaufs befindet sich bei 0 s auf der Zeitachse 200, die nächste Position des glockenförmigen Tonhöhenverlaufs befindet sich bei 10 ms, die folgende bei 20 ms usw. Mit anderen Worten: die Positionen des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals werden durch Punkte auf der Zeitachse 200 ermittelt, die durch Intervalle p beginnend beim Zeitpunkt 0 voneinander getrennt sind. Die Positionen des glockenförmigen Tonhöhenverlaufs auf der Zeitachse 200 werden auf die Zeitachse 202 im Bereich des Originalsignals abgebildet. Das Originalsignal hat eine Dauer von y = 0,5 s. Da die Dauer y kürzer als die Dauer x des zu synthetisierenden Signals ist, bedeutet dies, dass die Positionen des glockenförmigen Tonhöhenverlaufs auf der Zeitachse 202 „komprimiert" werden müssen. Da die Dauer y halb so lang wie die Dauer x ist, betragen die Intervalle zwischen den abgebildeten Positionen des glockenförmigen Tonhöhenverlaufs auf der Zeitachse 202 p/2 anstatt p. Dies bedeutet, dass sich die erste Position des glockenförmigen Tonhöhenverlaufs i = 1 bei 0 ms auf der Zeitachse 202 befindet; die folgende Position des glockenförmigen Tonhöhenverlaufs i = 2 befindet sich bei 5 ms, die nächste Position des glockenförmigen Tonhöhenverlaufs i = 3 bei 10 ms usw. Mit anderen Worten: die erste Position des glockenförmigen Tonhöhenverlaufs zum Zeitpunkt 0 ms auf der Zeitachse 200 wird auf die Position des glockenförmigen Tonhöhenverlaufs i = 1 auf der Zeitachse 202 bei 0 ms abgebildet; die erforderliche Position des glockenförmigen Tonhöhenverlaufs bei 10 ms auf der Zeitachse 200 wird auf die Position des glockenförmigen Tonhöhenverlaufs i = 2 bei 5 ms auf der Zeitachse 202 abgebildet; die erforderliche Position des glockenförmigen Tonhöhenverlaufs bei 20 ms auf der Zeitachse 200 wird auf die Position des glockenförmigen Tonhöhenverlaufs i = 3 zum Zeitpunkt 10 ms auf der Zeitachse 202 abgebildet usw. Danach werden die Positionen des glockenförmigen Tonhöhenverlaufs i randomisiert. Dies ist in 2 mit Bezug auf die erste Position des glockenförmigen Tonhöhenverlaufs i = 1 auf der Zeitachse 202 dargestellt. Ein Intervall von +/–p um 0 ms wird auf der Zeitachse 202 festgelegt. Innerhalb dieses Intervall wird die Position des glockenförmigen Tonhöhenverlaufs i = 1 zufällig verschoben. Für die Position des glockenförmigen Tonhöhenverlaufs i = 1 befindet sich das Intervall zwischen –10 ms und +10 ms auf der Zeitachse 202. In dem hier betrachteten Beispiels ergibt dies eine randomisierte Position des glockenförmigen Tonhöhenverlaufs i' bei 7,5 ms auf der Zeitachse 202. An dieser Position wird das Originalsignal mit Hilfe einer Fensterfunktion 204 gefenstert. Es wird vorzugsweise das folgende Fenster zum Schaffen einer Fensterfunktion 204 eingesetzt:
Die Randomisierung der Positionen des glockenförmigen Tonhöhenverlaufs i wird vorzugsweise gemäß der folgenden Formel durchgeführt: i' = i + (R × p),wobei i die ursprüngliche Position des glockenförmigen Tonhöhenverlaufs auf der Zeitachse 202 bezeichnet, i' die neue Position des glockenförmigen Tonhöhenverlaufs nach der Randomisierung ist, R die Zufallszahl zwischen –1 und 1 ist und p die Tonhöhenperiode bezeichnet. Das Ergebnis der Fensterung des Originalsignals ist ein glockenförmiger Tonhöhenverlauf. Dieser glockenförmige Tonhöhenverlauf wird an der ersten erforderlich Position des glockenförmigen Tonhöhenverlaufs innerhalb des Bereichs des zu synthetisierenden Signals auf der Zeitachse 200 positioniert, wie es in 2 dargestellt ist. Dieser Prozess wird in Bezug auf alle erforderlichen glockenförmigen Tonhöhenverläufe auf der Zeitachse wiederholt. Diese glockenförmigen Tonhöhenverläufe werden addiert und ergeben das gewünschte synthetisierte Signal mit der Länge x.
3 zeigt ein Blockschaltbild eines Computersystems, beispielsweise eines Text/Sprache-Systems. Das Computersystem 300 weist ein Modul 302 zum Speichern eines Originalsignals mit einer Dauer y auf. Ferner weist das Computersystem 300 ein Modul 304 zum Speichern einer vorher ausgewählten Frequenz f oder Tonhöhenperiode p auf. Das Modul 306 dient dazu, die erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs des zu synthetisierenden Signals auf der Grundlage der erforderlichen Dauer x des zu synthetisierenden Signals und der vorher ausgewählten Frequenz f oder Tonhöhenperiode p zu bestimmen. Das Modul 308 dient dazu, die erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs in dem Bereich des zu synthetisierenden Signals auf den Bereich des Originalsignals abzubilden. Dadurch werden die Positionen des glockenförmigen Tonhöhenverlaufs i wie in dem Beispiel aus 2 ermittelt. Das Modul 310 dient dazu, die Positionen des glockenförmigen Tonhöhenverlaufs i zu randomisieren. Das Modul 310 ist mit dem Modul 312 verbunden, das Zufallszahlen für den Randomisierungsprozess liefert. Das Modul 314 dient dazu, die Fensterung des Originalsignal an den randomisierten Positionen des glockenförmigen Tonhöhenverlaufs i' durchzuführen. Die resultierenden glockenförmigen Tonhöhenverläufe werden dann in dem Bereich des zu synthetisierenden Signals mit Hilfe des Moduls 316 überlappt und addiert. Dies ergibt das synthetisierte Signal mit der gewünschten Dauer y.

200: Zeitachse
202: Zeitachse
204: Fensterfunktion
300: Computersystem
302: Modul
304: Modul
306: Modul
308: Modul
310: Modul
312: Modul
314: Modul
316: Modul

Text in den Figuren
3

Length – Länge
Synthesized signal – Synthetisiertes Signal

Claims

Verfahren zum Synthetisieren eines Signals, das die folgenden Schritte umfasst: a) Bestimmen einer erforderlichen Position des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals, b) Abbilden der erforderlichen Position des glockenförmigen Tonhöhenverlaufs auf ein Originalsignal zum Schaffen einer ersten Position des glockenförmigen Tonhöhenverlaufs, c) zufälliges Verschieben der ersten Position des glockenförmigen Tonhöhenverlaufs zum Schaffen einer zweiten Position des glockenförmigen Tonhöhenverlaufs, d) Fenstern des Originalsignals an der zweiten Position des glockenförmigen Tonhöhenverlaufs zum Schaffen eines glockenförmigen Tonhöhenverlaufs, e) Positionieren der resultierenden glockenförmigen Tonhöhenverlaufs an der erforderlichen Position des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals, und f) Wiederholen der Schritte a) bis e) für alle erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs des zu synthetisierenden Signals und Durchführen einer Überlappungs- und Additionsoperation an den resultierenden glockenförmigen Tonhöhenverläufen im Bereich des zu synthetisierenden Signals, um das Signal zu synthetisieren.
Verfahren nach Anspruch 1, wobei das Bestimmen von erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs durch Unterteilen der erforderlichen Länge des zu synthetisierenden Signals in Zeitintervalle erfolgt, wobei jedes der Zeitintervalle die Länge einer Tonhöhenperiode hat.
Verfahren nach Anspruch 1 oder 2, wobei der Schritt der Randomisierung der ersten Position des glockenförmigen Tonhöhenverlaufs durch zufälliges Verschieben der ersten Position des glockenförmigen Tonhöhenverlaufs innerhalb eines Intervalls von +/– der Tonhöhenperiode erfolgt.
Verfahren nach einem der vorherigen Ansprüche 1, 2 oder 3, wobei der Schritt des zufälligen Verschiebens der ersten Position des glockenförmigen Tonhöhenverlaufs i zum Schaffen der zweiten Position des glockenförmigen Tonhöhenverlaufs i' gemäß der folgenden Gleichung erfolgt: i' = i + (R × p),wobei R eine Zufallszahl zwischen – 1 und + 1 und p die Tonhöhenperiode ist.
Verfahren nach einem der vorherigen Ansprüche 1 bis 4, wobei die Fensterung mit Hilfe eines Sinusfensters erfolgt.
Verfahren nach einem der vorherigen Ansprüche 1 bis 5, wobei die Fensterung mit Hilfe der folgenden Sinusfensterfunktion erfolgt:
wobei m die Breite des Fensters und n der laufende Index ist.
Verfahren nach einem der vorherigen Ansprüche 1 bis 6, wobei das Originalsignal keine Grundfrequenz aufweist und vorzugsweise stimmlose Sprache oder Musik umfasst.
Computerprogrammprodukt, das bei Ausführung auf einer programmierbaren Computereinrichtung die genannte Computereinrichtung veranlasst, folgende Schritte durchzuführen: a) Bestimmen einer erforderlichen Position des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals, b) Abbilden der erforderlichen Position des glockenförmigen Tonhöhenverlaufs auf ein Originalsignal zum Schaffen einer ersten Position des glockenförmigen Tonhöhenverlaufs, c) zufälliges Verschieben der ersten Position des glockenförmigen Tonhöhenverlaufs zum Schaffen einer zweiten Position des glockenförmigen Tonhöhenverlaufs, d) Fenstern des Originalsignals an der zweiten Position des glockenförmigen Tonhöhenverlaufs zum Schaffen eines glockenförmigen Tonhöhenverlaufs, e) Positionieren des resultierenden glockenförmigen Tonhöhenverlaufs an der erforderlichen Position des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals, und f) Wiederholen der Schritte a) bis e) für alle erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs des zu synthetisierenden Signals und Durchführen einer Überlappungs- und Additionsoperation an den resultierenden glockenförmigen Tonhöhenverläufen im Bereich des zu synthetisierenden Signals, um das Signal zu synthetisieren.
Computersystem, im Besonderen Text/Sprache-Synthesesystem, zum Synthetisieren eines Signals, wobei das Computersystem Folgendes umfasst: – Mittel zum Bestimmen von erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals, – Mittel zum Abbilden der erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs auf ein Originalsignal zum Schaffen erster Positionen des glockenförmigen Tonhöhenverlaufs (i), – Mittel zum zufälligen Verschieben der ersten Positionen des glockenförmigen Tonhöhenverlaufs zum Schaffen ein zweiter Positionen des glockenförmigen Tonhöhenverlaufs (i'), – Mittel zum Fenstern des Originalsignals an der zweiten Positionen des glockenförmigen Tonhöhenverlaufs zum Schaffen von glockenförmigen Tonverläufen, – Mittel zum Positionieren der resultierenden glockenförmigen Tonverläufe an den erforderlichen Positionen des glockenförmigen Tonhöhenverlaufs im Bereich des zu synthetisierenden Signals, und – Mittel zum Durchführen einer Überlappungs- und Additionsoperation im Hinblick auf die glockenförmigen Tonverläufe, um das Signal zu synthetisieren.
Synthetisiertes Signal, das eine Anzahl von glockenförmigen Tonhöhenverläufen enthält, die überlappt und addiert werden, wobei jeder der glockenförmigen Tonhöhenverläufe aus der Fensterung eines Originalsignals an einer zweiten Position des glockenförmigen Tonhöhenverlaufs (i') resultiert, wobei die zweite Position des glockenförmigen Tonhöhenverlaufs durch Randomisieren der ersten Position des glockenförmigen Tonhöhenverlaufs (i) erzielt wurde, die durch Abbilden einer erforderlichen Position des glockenförmigen Tonhöhenverlaufs auf ein Originalsignal erzielt wird.