JP2000259200A - 話速変換方法および装置および話速変換プログラムを格納した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】原音の音質を保ったまま簡単な方法で話速変換
を行なうことができる話速変換装置を提供する。 【解決手段】音声波形の基本周期の波形（ピッチ区間波
形）をその音声波形に対して挿入・削除することによ
り、音声波形の定常的な区間のみを伸長・短縮して録音
音声の話速を変換する話速変換装置であって、パラメー
タとして波形類似度下限値βおよび話速変換率αを与え
るための閾値入力部３および話速変換率入力部４と、入
力音声波形を先頭から順次短いフレーム区間で切りだす
フレーム切りだし部５と、切りだされたフレーム区間の
波形の自己相関関数を計算する自己相関関数計算部６
と、自己相関関数における極大値ｙ（Ｔ）が波形類似度
下限値βよりも大きい場合に当該フレーム区間の波形が
定常的であるとみなし、当該フレーム区間波形に対して
極大値を与える周期Ｔを基本周期とするピッチ区間波形
の挿入・削除を行なう波形挿入／削除部８とを備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、録音音声の品質お
よび話者の声質を保ったまま話速だけを変換する話速変
換方法と装置とプログラムを格納した記録媒体に関す
る。

【０００２】

【従来の技術】各種の自動音声応答装置などに用いられ
る単語音声を蓄積する録音音声データベースは、それに
含まれる各音声データの話速が良く揃っていることが望
まれる。しかし、データベースが大規模になると、良く
訓練された発声者でも全ての音声データの話速が同じに
なるよう発声することは難しいため、録音音声データの
音質を劣化させることなく話速だけを変換する技術が必
要となる。

【０００３】一方、テレビ放送などの録音音声データを
短時間で聞きたい、高齢者向けにゆっくり再生したいと
いう要求から、各種の話速変換方法が考案されている。
それらの中で、比較的簡便で原音の品質劣化、音質変化
の少ない方法として、音声波形区間を適宜挿入・削除し
て再生時間を変化させる方法がある。このような方法
は、大きく以下のように整理できる。

【０００４】１．無音区間、子音区間、母音区間の区別
を行なうか否かによる区別

【０００５】人間の音声は大きく上記の３つの区間に分
けることができる。一般に人間が速く／遅く話そうとす
ると、無音区間、母音区間、子音区間の順で時間長を調
整している。これに着目し、処理対象の音声をまずこの
３つの区間にわけ、それぞれの区間に応じた時間長の調
整を行なう場合と、これらを区別せず全て同じ方式の時
間長調整を行なう場合がある。

【０００６】２．挿入・削除する波形の長さによる区別

【０００７】挿入・削除する区間の長さを、常に一定の
長さにする場合と、基本周期の波形（以下、ピッチ区間
波形と呼ぶ）の長さもしくはその整数倍の長さにする場
合がある。

【０００８】３．挿入・削除の方法による区別

【０００９】挿入・削除を行なう際に、ある区間の波形
をそのまま挿入・削除する場合と、複数の切り出した波
形に窓関数をかけて、互いに重なるよう足し合わせて区
間長を調整する場合がある。

【００１０】

【発明が解決しようとする課題】従来考案されてきた方
法は、いずれも所望の話速変換率を得ることが第一の目
的であり、始めから音質を最重要視した方法ではない。
また、前記の従来技術においては、各々以下のような問
題点がある。

【００１１】１．無音区間、子音区間、母音区間の区別
について

【００１２】それぞれの区間に応じて時間長の調整を行
なう方法は、人間の話速調整方法に近く、自然な出力音
声が得られる。しかし従来の技術では、各区間の時間長
の調整を全く異なる方式で行なっている。このため、ま
ず音声波形を各区間にわけ、その後区間に応じた処理を
施すという二重の処理が必要である。

【００１３】２，３．挿入・削除する波形の長さおよび
挿入・削除の方法について

【００１４】人間の音声の基本周期は、女性の場合２．
５〜７ｍｓｅｃ、男性の場合５〜２０ｍｓｅｃと非常に
幅がある。これを考慮すると、ピッチ区間波形の長さに
応じて挿入・削除する波形の長さを変えて処理した方が
滑らかな出力音声になると考えられる。

【００１５】しかし、音声波形の基本周期を正確に求め
るのは非常に難しい。そのため、簡便な周期抽出方法で
は接続部分が不連続になることが多く、これを避けるた
めに複数の切り出した波形に窓関数をかけて、互いに重
なるよう足し合わせて区間長を調整する方法がとられる
ことが多い。しかし、この方法は波形全体に渡って乗
算、加算などの演算が行なわれるため、原音の声質が損
なわれる可能性がある。一方、音声波形をフーリエ変換
などによって周波数領域で解析したり、ローパスフィル
タをかけたりして高精度に基本周期を抽出すれば波形を
そのまま挿入・削除しても接続部分の不連続が少なくて
済むが、計算量が多くなるため実時間性に欠け、装置も
大規模になる。

【００１６】本発明は、以上のような問題点に鑑みてな
されたものであり、原音の音質を保ったまま簡単な方法
で話速変換を行なおうとするものである。また、与える
パラメータを変えることにより、音質をどのくらい重視
するかを指定することができ、用途に応じた柔軟な話速
変換処理が可能とするものである。

【００１７】

【課題を解決するための手段】上記の課題を解決するた
め、請求項１記載の発明は、音声波形の基本周期の波形
（以下、ピッチ区間波形と呼ぶ）を適宜挿入・削除する
ことにより、音声波形の定常的な区間のみを伸長・短縮
して録音音声の話速を変換する話速変換方法において、
パラメータとして波形類似度下限値を設定し、入力音声
波形を先頭から順次短い区間で切りだし（以下、切り出
した波形をフレーム区間波形と呼ぶ）、当該フレーム区
間波形の波形類似度を計算し、前記波形類似度が、前記
パラメータとして与えた波形類似度下限値よりも大きい
場合に当該フレーム区間波形は定常的であるとみなし、
当該フレーム区間波形に対してピッチ区間波形の挿入・
削除を行なうことを特徴としている。

【００１８】また、請求項２記載の発明は、前記波形類
似度は自己相関係数で表されるものとし、当該フレーム
区間波形の自己相関係数を計算し、ある点の自己相関係
数がパラメータとして与えた自己相関係数下限値よりも
大きい場合、当該フレーム区間波形が定常的であるとみ
なすことを特徴としている。また、請求項３記載の発明
は、前記ピッチ区間波形の長さを決定する際に、前記フ
レーム区間波形の自己相関係数を計算し、前記自己相関
係数の極大値を与える波形のずれの量をピッチ区間波形
の長さとすることを特徴としている。また、請求項４記
載の発明は、前記ピッチ区間波形を挿入・削除する点を
決定する際に、前記フレーム区間内の各時点について、
当該時点を挟んで隣り合う２周期分のピッチ区間波形
の、差の２乗平均値または２乗和または絶対値の平均値
または絶対値の和を計算し、これが最小となる点を前記
ピッチ区間波形を挿入・削除する点とすることを特徴と
している。

【００１９】また、請求項５記載の発明は、音声波形の
基本周期の波形（以下、ピッチ区間波形と呼ぶ）を適宜
挿入・削除することにより、音声波形の定常的な区間の
みを伸長・短縮して録音音声の話速を変換する話速変換
装置において、パラメータとして波形類似度下限値を設
定する手段と、入力音声波形を先頭から順次短い区間で
切りだし（以下、切り出した波形をフレーム区間波形と
呼ぶ）、当該フレーム区間波形の波形類似度を計算し、
前記波形類似度が、前記パラメータとして与えた波形類
似度下限値よりも大きい場合に当該フレーム区間波形は
定常的であるとみなし、ピッチ区間波形の挿入・削除を
行なう手段とを備えることを特徴とする話速変換装置で
ある。

【００２０】また、請求項６記載の発明は、請求項１〜
４のいずれか１項に記載の話速変換方法を、計算機を用
いて実行するための話速変換プログラムを格納した計算
機読み取り可能な記録媒体である。

【００２１】本発明による話速変換方法は、母音区間の
区間長のみを、ピッチ区間波形を挿入・削除することに
より伸縮させて全体の長さを調節する。しかし従来技術
のように始めに母音区間を抽出する処理が必要なわけで
はなく、母音区間は波形が定常的であることを利用し
て、処理するフレーム区間の自己相関係数を計算して当
該フレーム区間が母音区間かどうかを判定し、同時に基
本周期を得ている。

【００２２】波形が定常的な部分しか処理を行なわない
ため、基本周期の抽出の誤りが少なく、接続部分が不連
続になることが少ない。したがって窓関数をかけるなど
の処理を行なわなくても、雑音が混入する可能性が低
い。

【００２３】

【発明の実施の形態】図１は本発明による話速変換装置
の実施の形態の一例を示すブロック図である。本発明に
よる話速変換装置１は音声波形入力部２と閾値入力部３
と話速変換率入力部４とフレーム切りだし部５と自己相
関係数計算部６と処理判断部７と波形挿入／削除部８と
音声波形出力部９から成る。

【００２４】音声入力部２は話速変換したい音声を取得
する。閾値入力部３は波形の類似度を表す自己相関係数
の下限を取得し、処理判断部７に送る。話速変換率入力
部４はどのくらい話速を速く／遅くするかを表す話速変
換率を取得し、波形挿入／削除部８に送る。

【００２５】フレーム切りだし部５は波形挿入／削除部
８から送られるフレーム開始点に応じて、音声入力部２
において取得された音声波形の一部分（以下フレーム区
間波形と呼ぶ）を切り出す。切り出すフレーム区間波形
が処理対象だった場合は自己相関係数計算部６と波形挿
入／削除部８に送り、処理対象でなかった場合は音声波
形処出力部９へ送る。

【００２６】自己相関係数計算部６はフレーム切りだし
部５から送られたフレーム区間波形の自己相関係数を計
算して自己相関係数の極大値を処理判断部７に、極大値
を与えるフレーム区間波形のずれを基本周期の長さとし
て波形挿入／削除部８に送る。処理判断部７は自己相関
係数計算部６から送られた自己相関係数の極大値と閾値
入力部３から送られた相関係数の下限を比較して波形の
挿入／削除を行なうかどうかを決定し、その判断結果を
波形挿入／削除部８へ送る。

【００２７】波形挿入／削除部８は処理判断部７から送
られた挿入／削除を行なうか否かの判断結果を受けと
り、必要に応じてフレーム切りだし部５から送られたフ
レーム区間波形に対して基本周期の波形（以下、ピッチ
区間波形と呼ぶ）の挿入／削除を行ない、音声波形出力
部９に送る。波形挿入／削除部８は、また、話速変換率
入力部４から送られた話速変換率と自己相関係数計算部
６から送られた基本周期の長さを用いて次のフレームの
開始を決定し、フレーム切りだし部５に送る。

【００２８】音声波形出力部９はフレーム切りだし部５
または波形挿入／削除部８から送られたフレーム区間波
形を順次、または入力された音声の処理が全て終了する
まで蓄積したのち、出力する。

【００２９】図２は、図１に示す本発明による話速変換
装置１の動作を説明する流れ図である。以下、図１のブ
ロック図と図２の流れ図に従って具体的に音声の話速を
α倍にする場合の、この話速変換装置の動作例を説明す
る。

【００３０】音声入力部２は話速変換したい音声を取得
し、必要に応じてディジタル信号ｘ（ｎ）；ｎ＝０，
１，２，…に直す（ステップＳ１）。ここでｎは時刻に
相当するインデックスである。閾値入力部３は波形の類
似度を表す自己相関係数の下限値βを取得し、処理判断
部７に送る（ステップＳ２）。

【００３１】雑音の混入など音質の劣化を防ぐため、波
形の挿入／削除は波形が定常的な部分で行なうことが望
ましいが、一般に波形が定常的な場合は自己相関係数が
１に近くなる。閾値入力部３で取得する自己相関係数の
下限値βは、処理したい波形がどのくらい定常的なら基
本周期の波形（以下、ピッチ区間波形と呼ぶ）の挿入／
削除を行なうかを指定するものである。βを小さくする
と波形が定常的でない部分でも挿入／削除を行なうた
め、雑音が混入しやすくなるが、目標とする話速に近い
出力が得られる。逆にβを１に近くすると雑音混入のリ
スクを抑えることができる。話速変換の目的に応じて自
己相関係数下限値βの値を設定することにより、「品質
を落さない範囲で話速を変える」といった柔軟な処理が
可能となる。例えばここではβ＝０．７に設定されるも
のとする。

【００３２】話速変換率入力部４はどのくらい話速を速
く／遅くするかを表す話速変換率αを取得し、波形挿入
／削除部８に送る（ステップＳ３）。例えばここでは話
速を１．２倍に速くする場合を考え、話速変換率α＝
１．２とする。

【００３３】フレーム切りだし部５は波形挿入／削除部
８から送られるフレーム開始点ｎ_biに応じて、音声入力
部２において取得された音声波形の一部分（以下フレー
ム区間波形と呼ぶ）を切り出す。本話速変換装置は音声
波形を先頭から順次フレーム区間ごとに処理する。送ら
れたフレーム開始点ｎ_biが、前回切り出したフレーム区
間波形の終了点ｎ_e(i-1)より大きい場合は、まず

【００３４】

【数１】

【００３５】を切りだして直接音声波形出力部９へ送り
（ステップＳ６）、次にｎ_biを先頭として一定の長さＭ
サンプルの波形

【００３６】

【数２】

【００３７】を切りだして自己相関係数計算部６と波形
挿入／削除部８に送る（ステップＳ７）。なお、ディジ
タル信号ｘ（ｎ）のインデックスｎにおいて、ｎ_biはｉ
番目のフレームの開始点、ｎ_b(i-1)は（ｉ−１）番目の
フレームの開始点、ｎ_eiはｉ番目のフレームの終了点、
ｎ_e(i-1)は（ｉ−１）番目のフレームの終了点を表して
いる。

【００３８】送られたフレーム開始点ｎ_biが、前回切り
出したフレーム区間波形の終了点ｎ _e(i-1)以下の場合
は、すぐにｎ_biを先頭としたＭサンプルの波形ｘ
（ｎ_bi）〜ｘ（ｎ_ei）を切りだして自己相関係数計算部
６と波形挿入／削除部８に送る（ステップＳ７）。

【００３９】図３にＭサンプルの長さのフレーム区間波
形の一例を示す。この例は、サンプリング周波数が１６
ｋＨｚの音声データの一部を切り出したものであり、Ｍ
＝２４０、この場合は１５ｍｓｅｃである。

【００４０】自己相関係数計算部６はフレーム切りだし
部５から送られたフレーム区間波形ｘ（ｎ_bi）〜ｘ（ｎ
_ei）の自己相関係数ｙ（ｍ）を計算する（ステップＳ
８）。ｙ（ｍ）は、ここではフレーム区間波形のみの計
算とし、

【００４１】

【数３】 と定義する。

【００４２】図４（ａ）に自己相関係数の計算イメー
ジ、図４（ｂ）に図３のフレーム区間波形の自己相関係
数ｙ（ｍ）を示す。自己相関係数は、ある波形と、その
波形をｍずらした波形がどのくらい似ているかを示すも
のである。フレーム区間波形が周期的な場合には基本周
期Ｔの整数倍ずれた時に二つの波形が似ており、ｙ
（ｍ）が大きい値になる。逆に波形があまり周期的でな
い場合は、波形をずらすと似た部分がないので、ｙ
（ｍ）の値が小さい。波形が周期的でない例として、図
５、図６に別のフレーム区間波形とその自己相関係数を
示す。

【００４３】自己相関係数計算部はｙ（ｍ）を計算した
のち、フレーム区間内の極大値ｙ（Ｔ）を探索し、自己
相関係数の極大値ｙ（Ｔ）を処理判断部７に、極大値を
与えるフレーム区間波形のずれ、すなわち基本周期の長
さＴを波形挿入／削除部８に送る（ステップＳ９）。図
３の例ではｙ（Ｔ）＝０．７５、Ｔ＝５５、図５の例で
はｙ（Ｔ）＝０．５６、Ｔ＝５３である。

【００４４】処理判断部７は自己相関係数計算部６から
送られた自己相関係数の極大値ｙ（Ｔ）と閾値入力部３
から送られた自己相関係数の下限値βを比較する（ステ
ップＳ１０）。ｙ（Ｔ）の値が大きければ波形が定常的
なので、波形処理を行なっても雑音が混入しにくい。図
３の例ではｙ（Ｔ）＝０．７５＞０．７＝βなので、ピ
ッチ区間波形の挿入／削除を行なうと決定する。図５の
例ではｙ（Ｔ）＝０．５６＜０．７＝βなので、ピッチ
区間波形の挿入／削除を行なわないと決定する。例えば
判断結果を示す信号を、挿入／削除を行なう場合１、行
なわない場合０として、波形挿入／削除部８へ送る。

【００４５】波形挿入／削除部８はまず処理判断部７か
ら送られた挿入／削除を行なうか否かの判断信号を受け
とり、それによって異なる動作をする。挿入／削除を行
なわない場合は、次のフレーム開始点ｎ_b(i+1)をこのフ
レームの次の点すなわちｎ_ei＋１と決定してフレーム切
りだし部５に送り（ステップＳ１１）、フレーム区間波
形に何も処理を施さずに音声波形出力部９に送る（ステ
ップＳ２３）。挿入／削除を行なう場合は、まず自己相
関係数計算部６から送られた基本周期の長さＴを用いて
フレーム区間内でピッチ区間波形の挿入／削除を行なう
点Ｐを探索する（ステップＳ１２）。点Ｐは、フレーム
区間内で最も似ている２周期の間の点とする。例えばｍ
＝ｎ_bi＋Ｔ〜ｎ_ei−Ｔに渡って

【００４６】

【数４】

【００４７】を計算し、ｚ（ｍ）が最小になるようなｍ
をＰとする。ｚ（ｍ）の計算は、上記のような定義、す
なわち当該時点を挟んで隣り合う２周期分のピッチ区間
波形の差の２乗和の計算以外、｜ｘ（ｎ）−ｘ（ｎ＋
Ｔ）｜の平均値、２乗平均値または絶対値の和の計算な
どでも良い。図７に図３に示したフレーム区間波形にお
いてＰを探索する様子を示す。

【００４８】次に話速変換率入力部４から送られた話速
変換率αが１より大きいか、小さいかによって、ピッチ
区間波形を挿入するのか削除するのか判断する（ステッ
プＳ１３）。α＞１の場合は話速を速くするので、ｘ
（Ｐ＋１）〜ｘ（Ｐ＋Ｔ）をフレーム区間波形から削除
する（ステップＳ１４）。α＜１の場合は話速を遅くす
るので、ｘ（Ｐ＋１）〜ｘ（Ｐ＋Ｔ）を一度バッファに
保存して、それをフレーム区間波形のｘ（Ｐ）とｘ（Ｐ
＋１）の間に挿入する（ステップＳ１５）。

【００４９】次に、αとＴからフレーム移動量Ｍ’を計
算する（ステップＳ１６）。（Ｍ’±Ｔ）／Ｍ’＝１／
αから、

【００５０】

【数５】

【００５１】を計算すれば良い。次のフレーム開始点ｎ
_b(i+1)は基本的にはｎ_bi＋Ｍ’＋１になる（ステップＳ
１８）。ただし、次のフレーム開始点が波形の挿入／削
除を行なった点より以前にある場合、すなわちｎ_bi＋
Ｍ’＜Ｐ＋Ｔの場合は、Ｐ＋Ｔ＋１を次のフレーム開始
点ｎ_b(i+1)とする（ステップＳ１７，Ｓ１９）。このよ
うに決定したｎ_b(i+1)をフレーム切りだし部５に送る。

【００５２】次に、処理したフレーム区間波形のうち、
フレーム開始点ｎ_biから次のフレーム開始点ｎ_b(i+1)−
１までの波形を処理したフレーム区間波形を音声波形出
力部９に送る（ステップＳ２１，Ｓ２２）。ただし、次
のフレーム開始点がフレーム区間の外にある場合、すな
わちｎ_b(i+1)−１＞ｎ_eiの場合はフレーム区間ｘ
（ｎ _bi）〜ｘ（ｎ_ei）を出力する（ステップＳ２０，Ｓ
２３）。この場合、残りのｘ（ｎ_ei＋１）〜ｘ（ｎ
_b(i+1)）は次のフレーム区間を切り出す前に、そのまま
出力される（Ｓ６）。

【００５３】フレームの進め方と出力範囲の例を図８〜
図１０に示す。例えばＴ＝５５，Ｍ＝２４０のフレーム
区間において、α＝１．２の場合（図８）、

【００５４】

【数６】

【００５５】であり、Ｐ＋Ｔ＜ｎ_ei＜ｎ_bi＋Ｍ’なの
で、次のフレーム開始点ｎ_b(i+1)としてｎ_bi＋３３１を
フレーム切りだし部５に送り、ｘ（ｎ_bi）〜ｘ（ｎ_ei）
の途中１周期５５サンプルを削除した波形を音声波形出
力部９に送る（ステップＳ１７→Ｓ１８→Ｓ２０→Ｓ２
３）。

【００５６】α＝１．３５の場合（図９）、

【００５７】

【数７】

【００５８】であり、Ｐ＋Ｔ＜ｎ_bi＋Ｍ’＜ｎ_eiなの
で、次のフレーム開始点ｎ_b(i+1)としてｎ_bi＋２１３を
フレーム切りだし部５に送り、ｘ（ｎ_bi）〜ｘ（ｎ_bi＋
Ｍ’）の途中１周期５５サンプルを削除した波形を音声
波形出力部９に送る（ステップＳ１７→Ｓ１８→Ｓ２０
→Ｓ２１）。

【００５９】α＝１．５の場合（図１０）、

【００６０】

【数８】

【００６１】であり、ｎ_bi＋Ｍ’＜Ｐ＋Ｔ＜ｎ_eiなの
で、次のフレーム開始点ｎ_b(i+1)としてＰ＋５５＋１を
フレーム切りだし部５に送り、ｘ（ｎ_bi）〜ｘ（Ｐ＋
Ｔ）のうち処理された部分、この場合はｘ（Ｐ＋１）〜
ｘ（Ｐ＋Ｔ）を削除しているのでｘ（ｎ_bi）〜ｘ（Ｐ）
を音声波形出力部９に送る（ステップＳ１７→Ｓ１９→
Ｓ２２）。

【００６２】この例では波形の挿入／削除を行なう点Ｐ
を探索する際、フレーム区間全体に対して探索を行なっ
たが、この探索の範囲をＴ一周期分にすれば結果的に次
のフレーム開始点ｎ_b(i+1)がＰ＋Ｔの手前になる可能性
が低くなり、所望の話速変換率に近い変換率が得られ
る。音声波形出力部９はフレーム切りだし部５または波
形挿入／削除部８から送られたフレーム区間波形を順次
出力する。入力音声を全て出力したかどうかを判断し
（ステップＳ２４）、まだ出力が終了していない場合は
ステップＳ４に戻り、次のフレーム処理を開始する。

【００６３】音声波形出力部９が送られたフレーム区間
波形を順次出力する場合は、入力音声をフレーム区間ご
とに次々に処理していくので、入力に対してリアルタイ
ムに出力していくことが可能であり、例えばＶＴＲ（ビ
デオテープレコーダ）の再生速度変更時の音声出力など
に適用可能である。音声データベース中の各音声データ
の話速変換など、実時間性が要求されない用途では、音
声波形出力部９は入力された音声の処理が全て終了する
までフレーム区間波形を蓄積したのち、必要に応じて接
続部分に平滑化処理を施して出力しても良い。

【００６４】上述のように、本発明による話速変換装置
は話速変換率αと自己相関係数の下限値βの二つのパラ
メータを取得し、βで指示したレベルの音質でできるだ
け話速をα倍に近付けようとする。これらの与え方によ
り適用領域に応じた柔軟な処理が可能になる。例えばβ
を０．８などの１に近い値に設定しておけば、音質を保
ったまま話速変換できる範囲で処理を行なうので、録音
音声データベースの話速均一化など、高音質が要求され
るような用途に向く。

【００６５】また、αを与えず、話速を速くするか遅く
するかだけを指示し、ステップＳ１６，Ｓ１７，Ｓ１
８，Ｓ２０において決定される次のフレーム開始点ｎ
_b(i+1)を常にＰ＋１とするようにすれば、βで指示した
レベルの音質でできるだけ速く／遅くする、という処理
が可能である。

【００６６】また、録音内容がわかれば良いといった、
音質がそれほど重要でない用途では、βとして０．１な
ど極端に小さい値を与えれば、少しでも周期的なフレー
ム区間波形であれば挿入／削除処理を行なうため、与え
たαに近い出力が得られる。

【００６７】なお、本発明の実施の形態は、図１および
図２に示した構成に限定されるものではなく、例えば、
話速変換率αと自己相関係数の下限値βの一方または両
方を、あらかじめ設定しておくようにしたり、あるい
は、あらかじめ設定した値から選択して設定するように
する等の変更が可能である。また、本発明の話速変換装
置は、組合せ論理回路等を用いたハードウェアのみによ
って実現することも可能であるとともに、コンピュータ
とそれによって実行されるソフトウェアを用いて実現す
ることも可能である。また、このソフトウェアは、コン
ピュータ読み取り可能な記録媒体、あるいは通信回線を
介して配布することが可能である。

【００６８】

【発明の効果】以上の説明から明らかなように、本発明
による話速変換方法によれば、原音の音質を保ったまま
話速変換を行なうことが可能である。簡単な方法である
にも関わらず、雑音の混入も少ない。また、自己相関係
数の下限値βの与え方によって音質をどのくらい重視す
るかを指定することができ、用途に応じた柔軟な話速変
換処理が可能である。

【図面の簡単な説明】

【図１】 本発明による話速変換装置の実施の形態の一
例を示すブロック図。

【図２】 本発明による話速変換装置の動作を説明する
流れ図。

【図３】 フレーム区間波形の一例を示す図。

【図４】 図３に示すフレーム区間波形に対する自己相
関係数（ｂ）の計算方法の一例（ａ）を説明するための
図。

【図５】 フレーム区間波形の別の一例を示す図。

【図６】 図５に示したフレーム区間波形の自己相関係
数を示す図。

【図７】 図３に示したフレーム区間波形において波形
の挿入／削除を行なう点Ｐを決定する方法を説明する
図。

【図８】 出力する波形の範囲と次フレーム開始点の一
例を示す図（α＝１．２の場合）。

【図９】 出力する波形の範囲と次フレーム開始点の一
例を示す図（α＝１．３５の場合）。

【図１０】 出力する波形の範囲と次フレーム開始点の
一例を示す図（α＝１．５の場合）。

【符号の説明】

１ 話速変換装置 ２ 音声波形入力部 ３ 閾値入力部 ４ 話速変換率入力部 ５ フレーム切りだし部 ６ 自己相関係数計算部 ７ 処理判断部 ８ 波形挿入／削除部 ９ 音声波形出力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 鈴木 博和 東京都武蔵野市御殿山一丁目１番３号 エ ヌ・ティ・ティ・アドバンステクノロジ株 式会社内 Ｆターム(参考） 5D045 AA08

Claims (6)

【特許請求の範囲】
1. 【請求項１】 音声波形の基本周期の波形（以下、ピッ
   チ区間波形と呼ぶ）を適宜挿入・削除することにより、
   音声波形の定常的な区間のみを伸長・短縮して録音音声
   の話速を変換する話速変換方法において、 パラメータとして波形類似度下限値を設定し、 入力音声波形を先頭から順次短い区間で切りだし（以
   下、切り出した波形をフレーム区間波形と呼ぶ）、当該
   フレーム区間波形の波形類似度を計算し、前記波形類似
   度が、前記パラメータとして与えた波形類似度下限値よ
   りも大きい場合に当該フレーム区間波形は定常的である
   とみなし、当該フレーム区間波形に対してピッチ区間波
   形の挿入・削除を行なうことを特徴とする話速変換方
   法。
2. 【請求項２】 前記波形類似度は自己相関係数で表され
   るものとし、 当該フレーム区間波形の自己相関係数を計算し、ある点
   の自己相関係数がパラメータとして与えた自己相関係数
   下限値よりも大きい場合、当該フレーム区間波形が定常
   的であるとみなすことを特徴とする請求項１記載の話速
   変換方法。
3. 【請求項３】 前記ピッチ区間波形の長さを決定する際
   に、 前記フレーム区間波形の自己相関係数を計算し、前記自
   己相関係数の極大値を与える波形のずれの量をピッチ区
   間波形の長さとすることを特徴とする請求項１記載の話
   速変換方法。
4. 【請求項４】 前記ピッチ区間波形を挿入・削除する点
   を決定する際に、 前記フレーム区間内の各時点について、当該時点を挟ん
   で隣り合う２周期分のピッチ区間波形の、差の２乗平均
   値または２乗和または絶対値の平均値または絶対値の和
   を計算し、これが最小となる点を前記ピッチ区間波形を
   挿入・削除する点とすることを特徴とする請求項１記載
   の話速変換方法。
5. 【請求項５】 音声波形の基本周期の波形（以下、ピッ
   チ区間波形と呼ぶ）を適宜挿入・削除することにより、
   音声波形の定常的な区間のみを伸長・短縮して録音音声
   の話速を変換する話速変換装置において、 パラメータとして波形類似度下限値を設定する手段と、 入力音声波形を先頭から順次短い区間で切りだし（以
   下、切り出した波形をフレーム区間波形と呼ぶ）、当該
   フレーム区間波形の波形類似度を計算し、前記波形類似
   度が、前記パラメータとして与えた波形類似度下限値よ
   りも大きい場合に当該フレーム区間波形は定常的である
   とみなし、ピッチ区間波形の挿入・削除を行なう手段と
   を備えることを特徴とする話速変換装置。
6. 【請求項６】 請求項１〜４のいずれか１項に記載の話
   速変換方法を、計算機を用いて実行するための話速変換
   プログラムを格納した計算機読み取り可能な記録媒体。