JP2003150181A - ピッチマーク付与装置および方法、ならびにプログラム - Google Patents

Abstract

(57)【要約】 【課題】 精度よくピッチマークを自動的に付与するこ
と。 【解決手段】 ウェーブレットのローカルピークの中か
ら声門閉鎖点を特定する処理において、パワー、ゼロク
ロス等の音声特徴量および音素ラベルを用いて、ローカ
ルピークを探すウェーブレットの基準スケールを決定す
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、音声合成に利用さ
れる音声データベースの作成過程において、自動的にピ
ッチマークを付与する装置に関する。

【０００２】

【従来の技術】近年の音声合成方式は、音声素片を１ピ
ッチ波形単位で複製、削除を行ないながら所望のピッチ
間隔で貼り合わせて編集し、それらの音声素片を接続す
る合成方式（ＰＳＯＬＡ：ピッチ同期波形重畳法）が主
流となっている。この合成方式の場合、あらかじめデー
タベースに音声の最小繰り返し単位（ピッチ波形）ごと
にピッチマークを付与しておくことが一般的である。ピ
ッチマークの位置としては、ピッチ波形の声門閉鎖点と
する場合が多い。ピッチマークを正確に付与することは
音質を向上させるうえで非常に重要である。

【０００３】また、ピッチマークの付与過程としては、
（１）コンピュータなどによる自動付与、（２）人手に
よる誤り修正、の順序となることが一般的である。よっ
て、自動付与の精度が、その後の人手による作業量の増
減に大きな影響を与える。

【０００４】ピッチマークを自動的に付与する方法とし
ては、例えば、Shubha Kadambe, G.Faye Boudreaux-Bar
tels, ”Application of the Wavelet Transform for P
itch Detection of Speech Signals”, IEEE Transacti
ons on Information Theory, Vol38, No.2,pp.917-924,
1992 において、音声波形が声門閉鎖点において急峻に
変化することに着目して、音声波形のDyadic Wavelet変
換のローカルピークを抽出し、その中から声門閉鎖点を
推定する方法が提案されている。また、この方法を改良
したものが、特許第３０９３１１３号に開示されてい
る。

【０００５】そして、これらウェーブレットを利用した
声門閉鎖点の抽出方法では、複数のスケールからなるウ
ェーブレットに局在する多数のローカルピーク位置の中
から、いかにして声門閉鎖点だけを選択するかがポイン
トとなる。

【０００６】

【発明が解決しようとする課題】上記いずれの方式にお
いても、２つ以上のスケールのローカルピーク位置が一
致することを、声門閉鎖点であるための必要条件として
いる。確かに、２つ以上のローカルピーク位置が一致す
る場合は声門閉鎖点である可能性は高い。

【０００７】しかしながら、この条件では厳すぎるため
に、逆に声門閉鎖点が特定されずにピッチマークの脱落
を生じやすくなるという問題がある。ピッチマークの脱
落は、ピッチマークが入りすぎる場合（過剰ピッチマー
ク）に比べて、その後の人手によるピッチマークの修正
作業量を増大させる。なぜなら、過剰ピッチマークは、
それを選択して削除すればよいのだが、欠落した個所に
ピッチマークを挿入するためには、波形を時間伸張して
表示し、注意深く場所を特定する必要があるからであ
る。

【０００８】したがって、本発明の目的は、上記問題点
に鑑みてなされたものであり、精度よくピッチマークを
自動的に付与することである。

【０００９】

【課題を解決するための手段】上記の目的を達成するた
めに、例えば本発明のピッチマーク付与装置は、以下の
構成を備える。すなわち、音声合成のためのデータベー
スとして蓄積される音素ラベリングされた音声波形デー
タに、声門閉鎖点に対応するピッチマークを付与するピ
ッチマーク付与装置であって、前記音声波形データに対
しウェーブレット変換を行う変換手段と、各スケールの
ウェーブレットについてローカルピークおよびその位置
を抽出する抽出手段と、前記音声波形データの音素ごと
に有声／無声を判別する判別手段と、有声音と判別され
た前記音素に係る前記各スケールのウェーブレットのゼ
ロクロスおよびパワーを計算する計算手段と、計算され
た前記ゼロクロス、パワー、および、当該音素に係る前
記各スケールのウェーブレットの前記ローカルピークに
基づいて声門閉鎖点を推定する推定手段と、を備えるこ
とを特徴とする。

【００１０】

【発明の実施の形態】以下、図面を参照して本発明の好
適な実施形態について詳細に説明する。

【００１１】図１は、実施形態におけるピッチマーク付
与装置のハードウエア構成を示すブロック図である。

【００１２】同図において、１０１はブートプログラム
等を記憶するＲＯＭ、１０２は本装置全体の制御処理を
つかさどる中央処理装置（ＣＰＵ）、１０３は主記憶装
置として機能するＲＡＭである。

【００１３】また、１０４は外部記憶装置であり、図示
の如く、ＯＳ１１０の他、ピッチマークを付与するため
のピッチマーク付与プログラム１１１がインストールさ
れている。

【００１４】そして、上記した各部１０１〜１０４は、
バス１０５に接続されている。

【００１５】上記した構成はパーソナルコンピュータ等
のコンピュータ装置で実現されうる。なお、後ほど、実
施形態におけるピッチマーク付与処理をフローチャート
を用いて詳しく説明するが、そのフローチャートに対応
するプログラムが外部記憶装置１０４にインストールさ
れているピッチマーク付与プログラムであり、本装置の
電源投入後、ＲＡＭ１０３にロードされ、ＣＰＵ１０２
によって実行されるものである。

【００１６】図２は、実施形態におけるピッチマーク付
与装置の機能構成を示すブロック図である。同図におけ
る各ブロックの機能概要を示すと、次のとおりである。

【００１７】波形保持部２０１は、音声波形を保持す
る。ウェーブレット変換部２０２は、波形保持部２０１
が保持している音声波形データに対しウェーブレット変
換を行なう。ウェーブレット保持部２０３は、ウェーブ
レット変換部２０２で行われた変換結果を保持する。ロ
ーカルピーク抽出部２０４は、ウェーブレット保持部２
０３が保持するウェーブレットからローカルピークを抽
出する。ローカルピーク保持部２０５は、ローカルピー
ク抽出部２０４で抽出されたローカルピークおよびその
位置を保持する。音素ラベル保持部２０６は、波形保持
部２０１に保持されている音声波形の音素情報およびそ
の時間情報を保持する。有声無声判別部２０７は、音素
ラベル、波形パワー、波形ゼロクロスの情報からその音
素が有声音であるか無声音を判別する。有声無声判別結
果保持部２０８は、有声無声判別部２０７で行われた判
別結果を保持する。ピッチマーク推定部２０９は、有声
音と判別された音素について、ローカルピーク保持部２
０５が保持するローカルピーク情報およびその音素ラベ
ルを用いて、声門閉鎖点、すなわち、ピッチマーク位置
の推定を行なう。ピッチマーク保持部２１０は、ピッチ
マーク推定部２０９での推定結果であるピッチマークを
保持する。

【００１８】このうち、ウェーブレット変換部２０２、
ローカルピーク抽出部２０４、有声無声判別部２０７、
および、ピッチマーク推定部２０９の機能はそれぞれ、
ピッチマーク付与プログラム１１１を構成するプログラ
ムモジュールとして実現される。また、波形保持部２０
１、ウェーブレット保持部２０３、ローカルピーク保持
部２０５、有声無声判別結果保持部２０８、そして、ピ
ッチマーク保持部２１０はそれぞれ、外部記憶装置１０
４によって実現されることになる。

【００１９】図３は、実施形態におけるピッチマーク付
与処理の流れを示すフローチャートである。

【００２０】まず、ステップＳ３０１で、ウェーブレッ
ト変換２０２により、波形保持部２０１が保持する音声
波形に対してウェーブレット変換を行なう。ここでは、
ウェーブレット関数として４階のカーディナルＢスプラ
インの一次導関数を利用した、２進ウェーブレット変換
を行なう場合について説明する。４階のカーディナルＢ
スプライン関数の式を以下に示す。

【００２１】

【００２２】さらに、平滑化関数として、 θ(t) ＝ N₄(t) とすると、この平滑化関数の一次導関数は以下のように
なる。

【００２３】

【００２４】ここで、ウェーブレット関数を、

【００２５】

【００２６】とすると、t を時間軸（単位：秒）とみな
した場合１周期が1/1,024秒（1,024Hz）に相当する。

【００２７】離散信号を x(n), (0≦n≦N)、サンプリン
グ周波数を fsとすると、ウェーブレット関数は下記の
ようになる。

【００２８】

【００２９】よって、離散信号に対する２進ウエーブレ
ット変換は、下記のように定義できる。

【００３０】

【００３１】式中1/2jはスケール（伸縮）をあらわす。
スケールj のとりうる範囲としては、人間の声の基本周
波数の変化範囲をカバーするに十分な範囲、例えば、サ
ンプリングレートが22kHzの場合の男性音声であれば２
〜４、女性音声であれば１〜３が適当である。

【００３２】このようにして、求めた複数スケールのウ
ェーブレットをウェーブレット保持部２０３に保持し
て、ステップＳ３０２に進む。

【００３３】ステップＳ３０２では、ウェーブレット保
持部２０３に保持されている各スケールのウェーブレッ
トそれぞれについて、ローカルピーク抽出部２０４にお
いてローカルピークを求め、その位置および大きさをロ
ーカルピーク保持部２０５に保持して、ステップＳ３０
３に進む。ここでいうローカルピークとは、正の極大
値、負の極小値をさす。負の極小値とは、絶対値が局所
的に最大になる点を意味する。

【００３４】さて、先に述べたとおり、各スケールのウ
ェーブレットに局在する多数のローカルピークの中か
ら、いかにして声門閉鎖点だけを選択するかがポイント
となる。従来は、以降の処理において、複数のスケール
のローカルピーク位置が一致するところを探索すること
で声門閉鎖点を特定することにしていた。しかし、この
方法ではピッチマークの脱落が生じやすくなるという問
題を抱えていた。

【００３５】これに対し、本発明者は、所定の音声特徴
量を用いて精度よく声門閉鎖点を特定することに成功し
た。以下、説明する。

【００３６】ステップＳ３０３以降は、音素ラベル保持
部２０６に保持されている音素ラベルを参照して、音素
ごとに順次処理が行なわれる。

【００３７】ステップＳ３０３では、未処理の音素が存
在するかどうかを判定する。未処理の音素が存在しない
場合は、終了する。未処理の音素が存在する場合はステ
ップＳ３０４に進む。

【００３８】ステップＳ３０４では、有声無声判別部２
０７において、当該音素の有声無声判別を行なう。有声
無声判別には、例えば、波形のパワー、波形のゼロクロ
スなどの情報を用いるが、これについては後述する。有
声無声の判別結果を有声無声判別結果保持部２０８に保
持して、ステップＳ３０５に進む。

【００３９】ステップＳ３０５では、当該音素が有声音
である否かを判定する。ここで、当該音素が有声音でな
い場合はステップＳ３０６に進み、当該音素が有声音で
あると判定された場合にはステップＳ３０７に進む。ス
テップＳ３０６では、音素ラベル保持部２０６の音素ラ
ベル情報から次の音素を設定してステップＳ３０３に戻
る。ステップＳ３０７では、音素のピッチマーク推定部
２０９において、ローカルピークの中からピッチマーク
を決定し、ピッチマーク保持部２１０に保持して、ステ
ップＳ３０６に戻る。このステップＳ３０７の詳細につ
いては後ほど説明する。

【００４０】図４は、有声無声判別部２０７の詳細な機
能構成を示すブロック図である。

【００４１】同図において、点線で囲まれた部分が有声
無声判別部２０７に相当する。各ブロックの機能概要は
次のとおりである。

【００４２】波形パワー計算部４０１は、音素ラベルご
とにその音素区間における単位パワーを計算する。波形
パワー保持部４０２は、波形パワー計算部４０１での計
算結果を保持する。波形ゼロクロス計算部４０３は、音
素ラベルごとにその区間における単位ゼロクロスを計算
する。波形ゼロクロス保持部４０４は、波形ゼロクロス
計算部４０３での計算結果を保持する。判別ルール保持
部４０５は、有声無声を判別するためのルールを保持す
る。有声無声判別部４０６は、パワー、ゼロクロス、音
素ラベル情報を用いて、判別ルール保持部４０５が保持
するルールに従って音素の有声無声を判別し、判別結果
を有声無声判別結果保持部２０８に出力する。

【００４３】図５は、図３におけるステップＳ３０４
の、有声無声判別処理の詳細な処理の流れを示すフロー
チャートである。なお、ここで示す有声／無声の判断基
準は一例であり、他の規則によって有声無声の判別を行
なってもよい。また、上記した処理においては有声無声
を判別するための適切なパワーとゼロクロスの閾値POW,
ZCRをあらかじめ予備実験などで求めておくこととした
がこれに限定されるものではない。

【００４４】まず、ステップＳ５０１では、波形パワー
計算部４０１において、音素ラベル保持部２０６に保持
される音素の時間情報を用いて波形保持部２０１に保持
される音声波形の該当部分を抽出し、当該音素区間の単
位時間パワーPowを求める。単位時間パワーは、例え
ば、振幅の２乗和の平均で定義される。求めた単位時間
パワーを波形パワー保持部４０２に保持してステップＳ
５０２に進む。

【００４５】ステップＳ５０２では、波形ゼロクロス計
算部４０３において、音素ラベル保持部２０６に保持さ
れる音素の時間情報を用いて波形保持部２０１に保持さ
れる音声波形の該当部分を抽出し、当該音素区間の単位
時間ゼロクロスZcrを求める。単位時間ゼロクロスは、
波形の振幅の正負反転回数から求める。求めた単位時間
ゼロクロスを波形ゼロクロス保持部４０４に保持して、
ステップＳ５０３に進む。

【００４６】ステップＳ５０３では、音素ラベルと単位
時間パワーPowと単位時間ゼロクロスZcrの情報を用い
て、当該音素が有声音であるか無声音であるかを判別す
る。判別には、判別ルール保持部４０５が保持する判別
ルール（詳しくは後述）を用いる。そして、有声無声の
判別結果を有声無声判別結果保持部２０８に保持させ
て、このステップＳ３０４の処理を抜ける。

【００４７】図６は、判別ルール保持部４０５に保持さ
れる有声無声判別ルールの一例を示すフローチャートで
ある。図中、POWとZCRはそれぞれ、パワーPowとゼロク
ロスZcrに対する所定のしきい値である。

【００４８】まず、ステップＳ６０１では、PowがPOWよ
り小さく、かつ、ZcrがZCRより大きいか否かを判定す
る。ここで、この条件を満足する場合はステップＳ６０
５に進み、それ以外の場合にはステップＳ６０２に進
む。

【００４９】ステップＳ６０２では、ZcrがZCRの２倍よ
り小さいか否かを判定する。ZcrがZCRの２倍より小さけ
ればステップＳ６０３に進み、それ以外の場合はステッ
プＳ６０５に進む。

【００５０】ステップＳ６０３では、音素ラベルが、p,
t,k,Q（無音）であるか否かを判定する。音素ラベル
が、p,t,k,Q（無音）の場合はステップＳ６０５に進
み、それ以外の場合はステップＳ６０４に進む。

【００５１】ステップＳ６０４では、有声無声判別結果
保持部２０８にその音素が有声音であることを記録して
終了する。

【００５２】ステップＳ６０５では、有声無声判別結果
保持部２０８にその音素が無声音であることを記録して
終了する。

【００５３】図７および図８は、図３におけるステップ
Ｓ３０７のピッチマーク決定処理の流れを示すフローチ
ャートである。図７に示すフローチャートではピッチマ
ークを求める基準となるスケール（基準スケール）を決
定する。また、図８では基準スケールの各ローカルピー
クから処理を開始して、ピッチマークを選択、決定す
る。

【００５４】まず、図７において、ステップＳ７０１
で、ウェーブレット保持部２０３が保持する各スケール
j （女性の場合１〜３）のウェーブレットについて、
当該音素区間の単位時間ゼロクロスzcr[j]および単位時
間パワーpwr[j]を計算する。

【００５５】ステップＳ７０２では、ゼロクロスの値が
一番小さいスケールを基準スケール候補jbase とする。
通常は最大スケールのゼロクロスが一番小さくなること
が多い。

【００５６】ステップＳ７０３では、jbaseが最小スケ
ールjmin（女声の場合は１、男声の場合は２）と等しい
か、または、パワーに関する次式の条件を満足するか否
かを判定する。

【００５７】0.2 * pwr [jbase-1] ＜ pwr [jbase]

【００５８】上記判定条件を満たす場合にはステップＳ
７０５に進み、そうでなければステップＳ７０４に進
む。なお、パワーに関するルールは一例にすぎず、これ
に類する別のルールであってもよいものとする。

【００５９】ステップＳ７０４では、ゼロクロスに関す
る次式の条件を満足するか否かを判定する。

【００６０】| zcr[jbase-1] - zcr[jbase] | ＜ | zcr
[jbase-1] - 2 * zcr[jbase] |

【００６１】上記判定条件を満たす場合はステップＳ７
０６に進み、それ以外の場合はステップＳ７０５に進
む。なお、ゼロクロスに関するルールは一例にすぎず、
これに類する別のルールであってもよいものとする。

【００６２】ステップＳ７０５では、jbase をピッチマ
ーク決定のための基準スケールとして設定し、その後、
図８のステップＳ８０１に進む。

【００６３】ステップＳ７０６では、jbase-1 を基準ス
ケールとして設定し、その後、図８のステップＳ８０１
に進む。

【００６４】続いて、図８のステップＳ８０１で、基準
スケールjbaseのウェーブレットのあるローカルピークp
eakN1をピッチマーク候補として設定する。

【００６５】ステップＳ８０２では、当該音素が母音で
あるか否かを判定し、母音である場合はステップＳ８０
３に進む。それ以外の場合は、ステップＳ８０６に進
む。

【００６６】ステップＳ８０３では、最小スケールjmin
のウェーブレットに関して、peakN1に対応する正のロー
カルピークpeakN2を決定する。具体的を、図９の模式図
を用いて説明する。

【００６７】図９は、上記ステップＳ８０３におけるpe
akN2の探索処理を説明する模式図である。上下の波形
は、それぞれ、スケールjbaseのウェーブレットとjmin
のウェーブレットをあらわしている。

【００６８】例えば、スケールjmin のウェーブレット
に関して、peakN1の位置と同じ位置から逆方向（図面に
おいて左方向）にウェーブレットの値が負になるまでの
間、正のピークで最大のピークを探索し、最大のピーク
をpeakN2とする。

【００６９】説明を図８のフローチャートに戻す。

【００７０】ステップＳ８０４では、ピーク値がpeakN1
＜peakN2であるかどうかを判定し、yesの場合はステッ
プＳ８０５に進み、noの場合はステップＳ８０６に進
む。ここで、該当するpeakN2がステップＳ８０３で見つ
からなかった場合もステップＳ８０６に進む。

【００７１】ステップＳ８０５では、peakN2をピッチマ
ーク候補として設定する。ステップＳ８０６では、当該
音素が a であるか否かを判定する。当該音素がａの場
合はステップＳ８０７に進み、それ以外の場合はステッ
プＳ８０８に進む。

【００７２】ステップＳ８０７では、最小スケールjmin
のウェーブレットに関して、peakN1に対応する正のロー
カルピークpeakN2を決定する際に、２度負になるまでの
間で最大となる正のローカルピークを探索しpeakN2とす
る。peakN2が見つかった場合は、それをピッチマーク候
補とする。そして、ステップＳ８０８で、ピッチマーク
候補をピッチマークとし、ピッチマーク保持部２１０に
保持して終了する。波形との対応関係を保持するピッチ
マークのデータ構造の表現方法としては、波形と同じポ
イント数のデータでピッチマークが立つ位置のみ値が１
で他は０とする方法、ピッチマークが立つ位置の時間情
報をすべて保持する方法などがある。前者の方法では、
さらにランレングス符号化などによりデータの圧縮が可
能である。言うまでもないことではあるが、ピッチマー
クのデータ構造としてはこれ以外のものであってもよ
い。以上の処理によってピッチマーク保持部２１０にピ
ッチマークを保持することで、波形保持部２０１に保持
されているデータベースとしての音声波形にピッチマー
クが付与されたことになる。

【００７３】以上説明したように、実施形態によれば、
パワー、ゼロクロス等の音声特徴量および音素ラベルを
用いて、ピッチマーク脱落の生じにくい声門閉鎖点の特
定処理を実現することができた。

【００７４】

【他の実施形態】なお、上述した実施形態においては、
各部を同一の計算機上で構成する場合について説明した
が、これに限定されるものではなく、例えばネットワー
ク上に分散した計算機や処理装置などに分かれて各部を
構成してもよい。

【００７５】以上、本発明の実施形態を詳述したが、本
発明は、複数の機器（例えばホストコンピュータ、イン
タフェイス機器、リーダ、プリンタ等）から構成される
システムに適用しても、１つの機器からなる装置（例え
ば、複写機、ファクシミリ装置等）に適用してもよい。

【００７６】なお、本発明は、前述した実施形態の機能
を実現するソフトウェアのプログラム（図３ならびに図
５〜図８に示すフローチャートに対応したプログラム）
を、システムあるいは装置に直接あるいは遠隔から供給
し、そのシステムあるいは装置のコンピュータがその供
給されたプログラムを読み出して実行することによって
も達成される場合を含む。

【００７７】したがって、本発明の機能処理をコンピュ
ータで実現するために、そのコンピュータにインストー
ルされるプログラムコード自体も本発明を実現するもの
である。つまり、本発明の特許請求の範囲には、本発明
の機能処理を実現するためのコンピュータプログラム自
体も含まれる。

【００７８】その場合、プログラムの機能を有していれ
ば、オブジェクトコード、インタプリタにより実行され
るプログラム、ＯＳに供給するスクリプトデータ等、プ
ログラムの形態を問わない。

【００７９】プログラムを供給するための記憶媒体とし
ては、例えば、フロッピー（登録商標）ディスク、光デ
ィスク（CD-ROM、CD-R、CD-RW、DVD等）、光磁気ディス
ク、磁気テープ、メモリカード等がある。

【００８０】その他、プログラムの供給方法としては、
インターネットを介して本発明のプログラムをファイル
転送によって取得する態様も含まれる。

【００８１】また、本発明のプログラムを暗号化してCD
-ROM等の記憶媒体に格納してユーザに配布し、所定の条
件をクリアしたユーザに対し、インターネットを介して
暗号化を解く鍵情報を取得させ、その鍵情報を使用する
ことで暗号化されたプログラムを実行してコンピュータ
にインストールさせて実現することも可能である。

【００８２】また、コンピュータが、読み出したプログ
ラムを実行することによって、前述した実施形態の機能
が実現される他、そのプログラムの指示に基づき、コン
ピュータ上で稼働しているＯＳ等が実際の処理の一部ま
たは全部を行い、その処理によって前述した実施形態の
機能が実現され得る。

【００８３】さらに、記憶媒体から読み出されたプログ
ラムが、コンピュータに挿入された機能拡張ボードやコ
ンピュータに接続された機能拡張ユニットに備わるメモ
リに書き込まれた後、そのプログラムの指示に基づき、
その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ
等が実際の処理の一部または全部を行い、その処理によ
っても前述した実施形態の機能が実現される。

【００８４】

【発明の効果】以上説明したように、本発明によれば、
ウェーブレットおよび音素ラベル、波形のパワーやゼロ
クロスを用いることにより高精度のピッチマークを付与
することが可能なピッチマーク付与装置およびその制御
方法ならびにその制御方法を実現するプログラムを記憶
した記憶媒体を提供することができる。

【図面の簡単な説明】

【図１】実施形態におけるピッチマーク付与装置のハー
ドウエア構成を示すブロック図である。

【図２】実施形態におけるピッチマーク付与装置の機能
構成を示すブロック図である。

【図３】実施形態におけるピッチマーク付与処理の流れ
を示すフローチャートである。

【図４】実施形態における有声無声判別部の詳細な機能
構成を示すブロック図である。

【図５】実施形態における有声無声判別処理の詳細な処
理の流れを示すフローチャートである。

【図６】実施形態における有声無声判別ルールの一例を
示すフローチャートである。

【図７】実施形態におけるピッチマーク決定処理の流れ
を示すフローチャートである。

【図８】実施形態におけるピッチマーク決定処理の流れ
を示すフローチャートである。

【図９】実施形態におけるpeakN2の探索処理を説明する
模式図である。

フロントページの続き (72)発明者 大塚 充 東京都大田区下丸子３丁目30番２号 キヤ ノン株式会社内

Claims (5)

【特許請求の範囲】
1. 【請求項１】 音声合成のためのデータベースとして蓄
   積される音素ラベリングされた音声波形データに、声門
   閉鎖点に対応するピッチマークを付与するピッチマーク
   付与装置であって、 前記音声波形データに対しウェーブレット変換を行う変
   換手段と、 各スケールのウェーブレットについてローカルピークお
   よびその位置を抽出する抽出手段と、 前記音声波形データの音素ごとに有声／無声を判別する
   判別手段と、 有声音と判別された前記音素に係る前記各スケールのウ
   ェーブレットのゼロクロスおよびパワーを計算する計算
   手段と、 計算された前記ゼロクロス、パワー、および、当該音素
   に係る前記各スケールのウェーブレットの前記ローカル
   ピークに基づいて声門閉鎖点を推定する推定手段と、 を備えることを特徴とするピッチマーク付与装置。
2. 【請求項２】 前記推定手段は、 前記計算手段で計算された前記ゼロクロスと前記パワー
   とに基づいて前記各スケールから基準スケールを決定す
   る決定手段を含み、 決定された前記基準スケールのウェーブレットにおける
   ローカルピークの位置を声門閉鎖点の候補とすることを
   特徴とする請求項１に記載のピッチマーク付与装置。
3. 【請求項３】 音声合成のためのデータベースとして蓄
   積される音素ラベリングされた音声波形データに、声門
   閉鎖点に対応するピッチマークを付与するピッチマーク
   付与方法であって、 前記音声波形データに対しウェーブレット変換を行う変
   換ステップと、 各スケールのウェーブレットについてローカルピークお
   よびその位置を抽出する抽出ステップと、 前記音声波形データの音素ごとに有声／無声を判別する
   判別ステップと、 有声音と判別された前記音素について、その音素に係る
   前記各スケールのウェーブレットのゼロクロス、パワ
   ー、および、前記ローカルピークに基づいて声門閉鎖点
   を推定する推定ステップと、 を有することを特徴とするピッチマーク付与方法。
4. 【請求項４】 前記推定ステップは、 前記ゼロクロスと前記パワーとに基づいて前記各スケー
   ルから基準スケールを決定する決定ステップを含み、 決定された前記基準スケールのウェーブレットにおける
   ローカルピークの位置を声門閉鎖点の候補とすることを
   特徴とする請求項３に記載のピッチマーク付与方法。
5. 【請求項５】 音声合成のために音素ラベリングされた
   音声波形データを記憶するコンピュータに、当該音声波
   形データに声門閉鎖点に対応するピッチマークを付与さ
   せるためのプログラムであって、 前記音声波形データに対しウェーブレット変換を行う変
   換ステップと、 各スケールのウェーブレットについてローカルピークお
   よびその位置を抽出する抽出ステップと、 前記音声波形データの音素ごとに有声／無声を判別する
   判別ステップと、 有声音と判別された前記音素について、その音素に係る
   前記各スケールのウェーブレットのゼロクロス、パワ
   ー、および、前記ローカルピークに基づいて声門閉鎖点
   を推定する推定ステップと、 を実行させるプログラム。