JP2003255976A - 音声素片データベースの圧縮伸張を行なう音声合成装置及び方法 - Google Patents

音声素片データベースの圧縮伸張を行なう音声合成装置及び方法

Info

Publication number
JP2003255976A
JP2003255976A JP2002053063A JP2002053063A JP2003255976A JP 2003255976 A JP2003255976 A JP 2003255976A JP 2002053063 A JP2002053063 A JP 2002053063A JP 2002053063 A JP2002053063 A JP 2002053063A JP 2003255976 A JP2003255976 A JP 2003255976A
Authority
JP
Japan
Prior art keywords
pulse
segment
decoding
circuit
filter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2002053063A
Other languages
English (en)
Inventor
Masahiro Serizawa
芹沢　　昌宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2002053063A priority Critical patent/JP2003255976A/ja
Priority to US10/376,151 priority patent/US20030163318A1/en
Publication of JP2003255976A publication Critical patent/JP2003255976A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/06—Elementary speech units used in speech synthesisers; Concatenation rules
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【課題】 音源信号の圧縮率を向上させ、かつ合成音声
の品質を向上させる音声合成装置および方法を提供す
る。 【解決手段】 パルス位置探索回路６０は、自己相関と
相互相関に基づきパルス位置とパルス振幅を計算する。
更に、パルス数を増加させる毎に自己相関と相互相関か
らパルス数kでの信号対雑(SN)比を計算し、パルス制御
回路６５に順次渡す。パルス数制御回路６５から終了フ
ラグを受けるまでパルス数kを増加させる。パルス数制
御回路６５は、パルス位置探索回路６０から順次渡され
たSN比が予め定めた閾値より大きくなったパルス数Npで
パルス位置探索回路６０に終了フラグを渡す。これによ
り素片に応じたパルス数の制御を行なう。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明はテキスト音声合成装
置に係り、音声の素片データを高ビットレート且つ低歪
みで符号化する圧縮伸張部を具備する音声合成装置に関
するものである。
【０００２】
【従来の技術】規則音声合成は、韻律生成情報から合成
音声信号を生成する技術である。音韻生成情報には、音
韻情報や継続時間長制御情報やピッチパタン制御情報が
ある。音声合成では、これらの情報を用いて１ピッチ分
や１音素分の音声波形信号からなる素片データベースか
ら素片信号を選択し、ピッチや継続時間を制御して接続
することにより音声波形を生成する。合成音声の品質は
用意した素片データベースの性能に大きく依存し、一般
に素片種類が多いほど音質を向上させることができる。
従って、規則合成技術を適用する装置によっては素片デ
ータベースの規模が問題となる。
【０００３】音声信号を効率的に圧縮する方法としてCE
LP (Code Excited Linear Prediction)方式が知られて
いる。CELPに関しては、例えば「M. R. Schroeder and
Bishnu S. Atal. Code-excited linear prediction CEL
P: High quality speech at very low bit rates. In P
roceedings of the １９８５ International Conferenc
e on Acoustics, Speech, and Signal Processing, vol
ume １, pages ９３７--９４０, March １９８５. Inst
itute of Electrical and Electronic Engineers.」(文
献１)を参照されたい。ピッチ周期性を有する有声音素
片データベースの圧縮でもCELP方式が有効であるが、音
声合成では素片データベースの任意位置を伸張する必要
があるため、ピッチ予測を用いるCELP方式は不向きであ
る。ピッチ予測を用いるためには本来不必要な過去の伸
張信号を復号する必要が生じる。
【０００４】これを避けるために、ピッチ予測を含まな
いマルチパルス音源方式がある。例えば、「K. Ozawa,
S. Ono and T. Araseki, “A study on pulse search a
lgorithms for multi-pulse excited speech coder rea
lization,” IEEE Journal of Selected Areas Communi
cations, vol.SAC-４, No.１, pp.１３３-１４１, Febr
uary １９８６.」(文献２)を参照されたい。マルチパル
ス符号化方式による圧縮処理では、入力信号を線形予測
(LP)分析して計算したスペクトル包絡特性を表すLP係数
とこのLP係数で構成されるLP合成フィルタを駆動する励
振信号とに分けて圧縮処理を行なう。LP分析とLP係数の
符号化は、予め定めた長さ(フレーム)毎の信号毎に行な
う。励振信号の符号化は、フレームを更にサブフレーム
に分割してサブフレーム毎に行なう。ここで、励振信号
は、音源コードベクトルと呼ばれる複数のパルスからな
るマルチパルス信号で表す。伸張処理では、復号した前
記LP係数で構成する合成フィルタに復号した励振信号を
入力して音声信号を得る。
【０００５】図８は、音声合成装置の一般的な構成例を
示すブロック図である。素片データベース２２０と圧縮
部２２５は、圧縮合成装置で必要とする圧縮素片データ
ベースを生成するために必要であるが、合成装置に組み
込まれる場合は不要である。素片データベース２２０
は、予め音声信号を切り出した音声素片群を蓄積してお
り、圧縮部２２５はこれを圧縮し、圧縮素片データベー
ス２３５として蓄積する。
【０００６】圧縮素片データベース２３５は、圧縮され
た音声素片群を有し、入力端子２３０から入力した音韻
情報に従って圧縮素片を出力する。伸張部２４０は、圧
縮素片データベース２３５から渡された圧縮素片を伸張
して得た素片を出力する。韻律制御回路２５５は、入力
端子２５０から入力した韻律情報を用いて、伸張部２４
０から渡された素片の韻律を制御する。この韻律を制御
された素片は素片接続回路２６０で接続され、合成音声
として出力端子２６５から出力する。
【０００７】図９は、音声合成装置に用いられる従来の
圧縮部の一例を示すブロック図である。LP分析回路１５
は、入力端子５から入力した素片からLP分析を用いてLP
係数を計算する。LP-LSP変換回路２０は、LP分析回路１
５から渡されたLP係数を線スペクトル対(LSP)係数に変
換する。
【０００８】LSP符号化回路２５はLP-LSP変換回路２０
から渡されたLSP係数を符号化し、その符号をビットス
トリームか回路８４に渡す。また、その符号から復号し
た量子化LSP係数をLSP-LP変換回路３０に渡す。
【０００９】LSPの符号化方法としてはベクトル量子化
がある。ベクトル量子化では、符号化器と復号器で同一
の量子化ベクトルテーブルを有し、各ベクトルに付けら
れた符号を伝送する。復号器では、渡された符号に対応
するベクトルを出力する。ベクトル量子化法の詳細は、
「Efficient Vector Quantization of LPC Parameters
at ２４ Bits/Frame (IEEE Proc. ICASSP-９１, pp.６
６１-６６４, １９９１)」(文献２)を参照されたい。
【００１０】LSP-LP変換回路３０は、LSP符号化回路２
５から渡された量子化LSP係数をLP係数に変換し、量子
化LP係数a^(i), i = 1, …, p（ただし、“ａ＾”は、
＾がａの上に付いていることを表す。以下同じ。）とし
て荷重インパルス応答回路３５に渡す。荷重インパルス
応答回路３５は、LSP-LP変換回路３０から渡された量子
化LP係数とLP分析回路１５から渡されたLP係数a(i), i
= 1,…, pとを用いて、次の荷重合成フィルタHw(z)を構
成し、そのインパルス応答を計算する。荷重関数は聴感
的な音質を改善するために用いる。
【００１１】
【数１】 ここで、pはLP分析次数であり、βとγは聴覚的な音質
改善を行なうための荷重具合を調整する係数であり、０
<γ<β≦１を満たす値を取る。
【００１２】荷重回路４０は、入力端子５から入力した
素片に次の荷重関数W(z)を施すことにより荷重素片を生
成する。
【００１３】
【数２】 相互相関回路５４は、荷重関数４０から渡された荷重素
片sw(n),n=1,…Nと、荷重インパルス応答回路３５から
渡されたインパルス応答hw(n),n=1,…Nの相互相関C(i),
n=1,…,Nを次式で計算する。
【００１４】
【数３】 ここでNは素片の長さである。
【００１５】自己相関回路５０は荷重インパルス応答回
路３５から渡されたインパルス応答hw(n),n=1,…Nの自
己相関R(i),n=1,…Nを次式で計算する。
【００１６】
【数４】 パルス位置探索回路５９は、相互相関回路５４から渡さ
れる相互相関C(i),n=1,…,Nと自己相関回路５０から渡
される自己相関R(i),n=1,…Nを用いて次式が最小になる
ようにk番目のパルス位置を順次決定する。
【００１７】
【数５】 ここでg(i) はi番目のパルスが有する振幅であり、次式
で計算する。
【００１８】
【数６】 Ｄ(k)を最小とすることは、入力した素片と、パルス列
で合成フィルタを励振して得る信号との距離を最小にす
ることと等価である。
【００１９】また、パルス位置探索回路５９は得た各パ
ルス位置の情報をビットストリーム回路８４に渡す。最
大振幅回路７０は、パルス位置探索回路５９から渡され
た各パルスの振幅の最大値を選択する。最大振幅SQ回路
７５は、最大振幅回路７０で選択された最大振幅をスカ
ラー量子化(SQ)により符号化し、その符号をビットスト
リーム化回路８４に渡す。
【００２０】量子化された最大振幅は、振幅SQ回路８０
a、８０bでの符号化に用いられる。振幅SQ回路８０a、
８０bはパルスと同一数だけ存在し、各回路において、
パルス位置探索回路５９で計算されたパルス振幅をスカ
ラー量子化で符号化する。但し、最大振幅SQ回路７５で
符号化されたパルス振幅はこの符号化対象とならない。
【００２１】ビットストリーム化回路８４は、LSP符号
化回路２５とパルス位置探索回路５９と振幅SQ回路８０
a、８０b及び最大振幅SQ回路７５から各々渡された符号
を並べてビットストリームを生成し、出力端子９０から
出力する。
【００２２】図１０は、音声合成装置に用いられる従来
の伸張部の一例を示すブロック図である。符号回路１０
４は、入力端子１０５から入力したビットストリームを
分割して各回路の符号を生成する。LSP復号回路１１５
は、符号回路１０４から得た符号からLSP係数を復号す
る。LSP-LP変換回路１２０は、LSP復号回路１１５で復
号されたLSP係数をLP係数に変換する。
【００２３】回路１４４は、パルス数個の位置回路１４
４a、１４４bを有し、符号回路１０４から渡された各々
の符号からパルス位置を復号する。最大振幅復号回路１
３５は、符号回路１０４から渡された符号から最大パル
ス振幅を復号する。
【００２４】回路１３９は、最大振幅のパルス以外のパ
ルスに対応する振幅回路１３９a、１３９bを有し、符号
回路１０４から渡された各々の符号からパルス振幅を復
号する。音源合成回路１５０は、回路１４４から渡され
るパルス位置に回路１３９から渡された振幅を有するパ
ルスを生成することにより、音源信号を生成する。LP合
成回路１２５は、LSP-LP変換回路１２０から渡されるLP
係数で構成するLPフィルタを音源合成回路１５０から渡
される音源信号で励振することにより、音声信号を合成
し、出力端子１６５から出力する。聴感的な音質を向上
するために、合成した音声信号にポストフィルタと呼ば
れるスペクトルピークを強調するフィルタを施すことも
できる。
【００２５】
【発明が解決しようとする課題】しかしながら、上記従
来の音声合成装置では、素片に依らず一定数のパルスを
用いて素片の圧縮を行なうために、音源信号の圧縮率が
低くなり全体として圧縮率が低下するという問題（第１
の問題点）がある。
【００２６】特に、サンプリングレートが高い時には、
高周波数領域で小さい荷重の評価関数を用いて圧縮処理
を行なうために、高周波数領域の量子化精度が落ち、伸
張信号の高周波数領域が欠落するという問題（第２の問
題点）がある。
【００２７】さらに、入力した素片の両端は零になるよ
うに調整されているにも関らず伸張した素片の両端は零
にならないために、素片を結合する際に不連続性が生じ
合成音声の品質が劣化するという問題（第３の問題点）
もある。
【００２８】本発明の目的は、音源信号の圧縮率を向上
させ、かつ合成音声の品質を向上させる音声合成装置お
よび方法を提供することにある。
【００２９】
【課題を解決するための手段】本発明の第１の観点によ
る音声合成装置は、素片データベースからフィルタとパ
ルスに関する情報を抽出する手段(図１の参照番号１
５、６０)と、これらを符号化する手段(図１の参照番号
２５、６０、７５、８０)と、素片毎にパルス数を変更
する手段(図１の参照番号６５)と、を有することを特徴
とする。
【００３０】本発明の第２の観点による音声合成装置
は、素片データベースからフィルタとパルスに関する情
報を抽出する手段(図３の参照番号１５、６０)と、これ
らを符号化する手段(図３の参照番号２５、６０、７
５、８０)と、前記パルスと前記LPフィルタを抽出する
前に素片データベースに高域強調フィルタを施す手段
(図３の参照番号１０)と、前記高域強調フィルタの逆特
性を有する荷重関数を用いて前記パルスの位置と振幅を
計算する手段(図３の参照番号３６)を有することを特徴
とする。
【００３１】本発明の第３の観点による音声合成装置
は、フィルタとパルスに関する情報を用いて素片データ
ベースを復号する手段(図２の参照番号１１５、１２
０、１４５、１４０、１５０、１２５)と、素片毎にパ
ルス数を変える手段(図２の参照番号１３０)を有するこ
とを特徴とする。
【００３２】本発明の第４の観点による音声合成装置
は、フィルタとパルスに関する情報を用いて素片データ
ベースを復号する手段(図４の参照番号１１５、１２
０、１４５、１４０、１５０、１２５)と、伸張した素
片データベースに低域強調フィルタを施す手段(図４の
参照番号１５５)を有することを特徴とする。
【００３３】本発明の第５の観点による音声合成装置
は、フィルタとパルスに関する情報を用いて素片データ
ベースを復号する手段(図５の参照番号１１５、１２
０、１４５、１４０、１５０、１２５)と、伸張した素
片毎に先頭と最後が零になる窓関数を施す手段(図５の
参照番号１６０)を有することを特徴とする。
【００３４】本発明の第６の観点による音声合成装置
は、フィルタとパルスに関する情報を用いて素片データ
ベースを復号する手段(図６の参照番号１１５、１２
０、１４５、１４０、１５０、１２５)と、前記パルス
の振幅を復号する際に、最大の振幅は第１の量子化テー
ブルを用いて復号する手段(図６の参照番号１３５)と、
他の少なくとも一つのパルスの振幅は前記第１の量子化
テーブルのレベル毎に予め設計した第２の量子化テーブ
ルを用いて復号する手段(図６の参照番号１４１)を有す
ることを特徴とする。
【００３５】
【作用】従来の第１の問題点を解決できる。すなわち、
素片毎に信号対雑音(SN)比等を用いて最良のパルス数を
決定し、この決定に従って素片毎に異なるパルス数を設
定できるために、全体としての圧縮率を向上させること
ができる。
【００３６】従来の第２の問題点を解決できる。すなわ
ち、入力した素片へ高域周波数に重みを付ける荷重Wpre
(z) = 1 - z-1を施し、パルスの位置と振幅を計算する
時の評価関数に前記荷重の逆特性を有する荷重W
percep(z) = 1/(1 - z-1)を用いる。これにより、次式
のように再生素片Y^(z)に低周波数領域荷重を施した信
号で素片Y(z)を近似することになり、その結果、Y^(z)
の評価では高周波数領域で荷重できる。 D(z) = Wpercep(z)[Wpre(z)Y(z)-Y^(z)] = [Y(z)-W
percep(z)Y^(z)] また、伸張時には、圧縮時の荷重Wpre(z)の特性を除去
するためにその逆特性であるWpercep(z)を施す。
【００３７】従来の第３の問題点を解決できる。すなわ
ち、伸張時に始端と終端が零になり、且つ音質に影響を
与える影響が少ない窓を施す。例えば、LP分析で用いる
ハニング窓やハミング窓がある。その結果、素片の両端
を零とすることができる。
【００３８】
【発明の実施の形態】以下、本発明による音声合成装置
について、図面を参照しながら詳細に説明する。
【００３９】本発明の実施形態においても、素片データ
ベースの圧縮部及び伸張部を用いた音声合成装置の全体
的構成は既に説明した図８に示したものと同一である。
したがって、以下、本発明による圧縮部および伸張部に
ついて主に説明する。
【００４０】図１は、本発明の第１実施形態による圧縮
部の構成を示すブロック図である。図９に示した従来の
圧縮部の構成と比べて、パルス位置探索回路６０および
パルス数制御回路６５が異なるので、以下、これらの回
路に関して説明する。
【００４１】パルス位置探索回路６０は、従来のパルス
位置探索回路５９（図９参照）と同様に、自己相関と相
互相関とに基づきパルス位置とパルス振幅を計算する。
更に、パルス数を増加させる毎に自己相関と相互相関と
から次式によりパルス数kでのＳＮ（信号対雑音）比を
計算し、パルス制御回路６５に順次渡す。パルス数制御
回路６５から終了フラグを受けるまでパルス数kを増加
させる。
【００４２】
【数７】 パルス数制御回路６５は、パルス位置探索回路６０から
順次渡されたSN比が予め定めた閾値より大きくなったパ
ルス数Npでパルス位置探索回路６０に終了フラグを渡
す。また、パルス数Np-１をビットストリーム化回路９
０に渡す。選択可能なパルス数は予め定めた離散値、例
えば５の倍数に制限することもできる。これにより、パ
ルス数を伝送するために必要なビット数を低減できる。
【００４３】図２は、本発明の第２実施形態による伸張
部の構成を示すブロック図である。図１０に示す従来の
伸張部と比べて、符号回路１０６、パルス数回路１３
０、位置回路１４６、および振幅回路１４１が異なる。
以下、これらの回路について主に説明する。
【００４４】符号回路１０６は、入力端子１０５から入
力したビットストリームを分割して、各回路の符号を生
成する。回路１４６は、パルス数回路１３０から渡され
るパルス数個だけ位置回路１４６a、１４６bを有し、符
号回路１０６から渡された各々の符号からパルス位置を
復号する。回路１４１は、最大振幅のパルス以外のパル
スに対応する振幅回路１４１a、１４１bをパルス数回路
１３０から渡されるパルス数分だけ有する。回路１４１
は、最大振幅復号回路１３５から渡される量子化最大値
を用いて、符号回路１０６から渡された各々の符号から
パルス振幅を復号する。
【００４５】図３は、本発明の第３実施形態による圧縮
部の構成を示すブロック図である。図９に示す従来の圧
縮部と比べて、前フィルタ回路１０と高域荷重インパル
ス応答回路３６が異なっており、以下、これら回路につ
いて主に説明する。
【００４６】前フィルタ回路１０は、入力端子５から入
力した素片にWpre(z) = 1 - z-1を施した後にLP分析回
路１５と荷重回路４０に渡す。
【００４７】高域荷重インパルス応答回路３６は、LSP-
LP変換回路３０から渡された量子化LP係数a^(i), i =
1, …, pと、LP分析回路１５から渡されたLP係数a(i),
i = 1, …, pと、荷重Wpercep(z) = 1/(1 - z-1)とを用
いて、次式に示す荷重合成フィルタHw2(z)を構成し、そ
のインパルス応答を計算する。荷重関数は聴感的な音質
を改善するために用いる。
【００４８】
【数８】 ここで、pはLP分析次数であり、βとγは聴覚的な音質
改善を行なうための荷重具合を調整する係数であり、０
<γ<β≦１を満たす値を取る。尚、この荷重は第１実施
形態の圧縮部（図１参照）に適用することもできる。
【００４９】図４は、本発明の第４実施形態による伸張
部の構成を示すブロック図である。図１０に示す従来の
伸張部と比べて、後フィルタ回路１５５が追加されてい
る。
【００５０】後フィルタ回路１５５は、LP合成回路１２
５で合成された素片に対し荷重Wper cep(z) = 1/(1 - z
-1)を施して出力端子１６５へ出力する。尚、この荷重
は図２、５及び後述する図６の伸張部にも適用すること
ができる。
【００５１】図５は、本発明の第５実施形態による伸張
部の構成を示すブロック図である。図１０に示す従来の
伸張部と比べて、後窓回路１６０が追加されている。
【００５２】後窓回路１６０は、LP合成回路１２５で合
成された素片に対して、始点と終点が零となる時間窓を
施して出力端子１６５へ出力する。時間窓としてLP係数
分析で用いるハミング窓やハニング窓等を使用できる。
尚、この窓関数は図２、４及び後述する図６の伸張部に
も適用することができる。
【００５３】図６は、本発明の第６実施形態による伸張
部の構成を示すブロック図である。図１０に示す従来の
伸張部と比べて、最大振幅テーブル復号回路１３６と回
路１４１が異なっており、以下、これらの回路について
主に説明する。
【００５４】最大振幅テーブル復号回路１３６は、予め
作成したスカラー量子化テーブルを有し、このテーブル
を用いて最大振幅を復号し、復号した最大振幅を合成音
声回路１５０に渡す。また、その符号をテーブル振幅回
路１４１に渡す。回路１４１は、最大振幅のパルス以外
のパルスに対応するテーブル振幅回路１４１a、１４１b
を有する。各テーブル振幅回路１４１a、１４１bは、符
号回路１０４から渡された各々の符号からパルス振幅を
復号する。
【００５５】図７は、本発明の第２及び第６実施形態に
おけるテーブル振幅回路１４１a、１４１bの詳細構成を
示すブロック図である。テーブル振幅回路は複数の振幅
テーブルを有し、各テーブルは最大振幅テーブル復号回
路１３６のレベル毎に予め設計されている。入力端子３
０１から入力した符号に基づき振幅テーブルを切り替え
る。入力端子３００から入力した符号からこの選択され
た振幅テーブルを用いて復号した振幅後を出力端子３０
５へ出力する。
【００５６】
【発明の効果】第１の効果は、各素片で必要なパルス数
が設定されるようにパルス数を変更することにより、音
源信号の圧縮率が高くなる。その結果、素片データベー
スの圧縮率を高くできる。
【００５７】第２の効果は、高周波数領域で大きい荷重
の評価関数を用いることにより、高周波数領域での情報
欠落を低減できることである。その結果、高周波数領域
の量子化精度を向上できる。
【００５８】第３の効果は、伸張した素片に両端を零に
する時間窓を施すことにより、零素片を結合する際に生
ずる不連続性を低減できることである。その結果、合成
音声の品質を改善できる。
【図面の簡単な説明】
【図１】本発明の第１実施形態による圧縮部の構成を示
すブロック図である。
【図２】本発明の第２実施形態による伸張部の構成を示
すブロック図である。
【図３】本発明の第３実施形態による圧縮部の構成を示
すブロック図である。
【図４】本発明の第４実施形態による伸張部の構成を示
すブロック図である。
【図５】本発明の第５実施形態による伸張部の構成を示
すブロック図である。
【図６】本発明の第６実施形態による伸張部の構成を示
すブロック図である。
【図７】本発明の第２および第６実施形態による伸張部
におけるテーブル振幅回路１４１a、１４１bの詳細なブ
ロック図である。
【図８】素片データバースに圧縮伸張を適用した音声合
成の一般的な構成例を示すブロック図である。
【図９】従来方式による圧縮部の一例を示すブロック図
である。
【図１０】従来方式による伸張部の一例を示すブロック
図である。
【符号の説明】
５ 素片入力端子 １０ 前フィルタ回路 １５ LP分析回路 ２０ LP-LSP変換回路 ２５ LSP符号化回路 ３０、１２０ LSP-LP変換回路 ３５ 荷重インパルス応答回路 ３６ 高域荷重インパルス応答回路 ４０ 荷重回路 ５４ 自己相関回路 ５４ 相互相関回路 ５９ パルス位置探索回路 ６０ パルス位置探索回路 ６５ パルス数制御回路 ７０ 最大振幅回路 ７５ 最大振幅SQ回路 ８０a、８０b 振幅SQ回路 ８４ ビットストリーム化回路 ８５ ビットストリーム化回路 ９０ ビットストリーム出力端子 １０４ 符号回路 １０５ ビットストリーム入力端子 １０６ 符号回路 １１５ LSP復号回路 １２５ LP合成回路 １３０ パルス数回路 １３５ 最大振幅復号回路 １３９a、１３９b 振幅回路 １４０a、１４０b 振幅回路 １４１a、１４１b テーブル振幅回路 １４５a、１４５b 位置回路 １４６a、１４６b 位置回路 １５０ 音源合成回路 １５５ 後フィルタ回路 １６０ 後窓回路 １６５ 合成素片出力端子 ２２０ 素片データベース ２２５ 圧縮部 ２３０ 音韻情報入力端子 ２３５ 圧縮素片データベース ２４０ 伸張部 ２５０ 韻律情報入力端子 ２５５ 韻律制御回路 ２６０ 素片接続回路 ２６５ 合成音声出力端子 ３００、３０１ 符号入力端子 ３０２ 切り替え回路 ３０４ 切り替え回路 ３０３a、３０３b 振幅テーブル ３０５ 量子化値出力端子

Claims (20)

    【特許請求の範囲】
  1. 【請求項１】 素片データベースからフィルタおよびパ
    ルスに関する情報を抽出して符号化する音声合成装置に
    おいて、 素片毎にパルス数を変更するパルス数制御手段を有する
    ことを特徴とする音声合成装置。
  2. 【請求項２】 素片データベースからフィルタおよびパ
    ルスに関する情報を抽出して符号化する音声合成装置に
    おいて、 前記パルスおよび前記フィルタを抽出する前に、前記素
    片データベースに高域強調フィルタを施すための前フィ
    ルタ手段と、 前記高域強調フィルタの逆特性を有する荷重関数を用い
    て、前記パルスの位置および振幅を計算する演算手段
    と、 を有することを特徴とする音声合成装置。
  3. 【請求項３】 素片毎にパルス数を変更するパルス数制
    御手段を更に有することを特徴とする請求項２記載の音
    声合成装置。
  4. 【請求項４】 前記パルス数制御手段は、素片毎に計算
    した圧縮性能に応じて前記パルス数を決定する、ことを
    特徴とする請求項１または３に記載の音声合成装置。
  5. 【請求項５】 フィルタおよびパルスに関する情報を用
    いて素片データベースを復号する音声合成装置におい
    て、 符号化素片データベースから素片毎に変更されたパルス
    数を出力するパルス数手段と、 前記パルス数に基づいて前記素片データベースを復号す
    る復号手段と、 を有することを特徴とする音声合成装置。
  6. 【請求項６】 フィルタおよびパルスに関する情報を用
    いて素片データベースを復号する音声合成装置におい
    て、 伸張された素片データベースに低域強調フィルタを施す
    後フィルタ手段を有することを特徴とする音声合成装
    置。
  7. 【請求項７】 フィルタおよびパルスに関する情報を用
    いて素片データベースを復号する音声合成装置におい
    て、 伸張された素片毎に先頭と最後が零になる窓関数を施す
    後窓手段を有することを特徴とする音声合成装置。
  8. 【請求項８】 伸張された素片毎に先頭と最後が零にな
    る窓関数を施す後窓手段を更に有することを特徴とする
    請求項６記載の音声合成装置。
  9. 【請求項９】 フィルタおよびパルスに関する情報を用
    いて素片データベースを復号する音声合成装置におい
    て、 前記パルスの最大振幅を復号するための第１量子化テー
    ブルと、 他の少なくとも一つのパルスの振幅を復号するために使
    用される、前記第１の量子化テーブルのレベル毎に予め
    設計した複数の第２量子化テーブルと、 を有することを特徴とする音声合成装置。
  10. 【請求項１０】 前記パルスの最大振幅を復号するため
    の第１量子化テーブルと、 他の少なくとも一つのパルスの振幅を復号するために使
    用される、前記第１の量子化テーブルのレベル毎に予め
    設計した複数の第２量子化テーブルと、 を更に有することを特徴とする請求項５ないし８のいず
    れかに記載の音声合成装置。
  11. 【請求項１１】 素片データベースからフィルタとパル
    スに関する情報を抽出するステップと、 前記情報を符号化するステップと、 素片毎に前記パルスの数を変更するステップと、 を有することを特徴とする音声合成方法。
  12. 【請求項１２】 素片データベースからフィルタおよび
    パルスに関する情報を抽出するステップと、 前記情報を符号化するステップと、 前記パルスと前記フィルタとを抽出する前に、前記素片
    データベースに高域強調フィルタを施すステップと、 前記高域強調フィルタの逆特性を有する荷重関数を用い
    て前記パルスの位置と振幅を計算するステップと、 を有することを特徴とする音声合成方法。
  13. 【請求項１３】 素片毎にパルス数を変更するステップ
    を更に有することを特徴とする請求項１２記載の音声合
    成方法。
  14. 【請求項１４】 素片毎に計算した圧縮性能に応じてパ
    ルス数を決定するステップを更に有することを特徴とす
    る請求項１２または１３記載の音声合成方法。
  15. 【請求項１５】 フィルタおよびパルスに関する情報を
    用いて素片データベースを復号するステップと、 素片毎にパルス数を変更するステップと、 を有することを特徴とする音声合成方法。
  16. 【請求項１６】 フィルタおよびパルスに関する情報を
    用いて素片データベースを復号するステップと、 伸張した素片データベースに低域強調フィルタを施すス
    テップと、 を有することを特徴とする音声合成方法。
  17. 【請求項１７】 フィルタおよびパルスに関する情報を
    用いて素片データベースを復号するステップと、 伸張した素片毎に先頭と最後が零になる窓関数を施すス
    テップと、 を有することを特徴とする音声合成方法。
  18. 【請求項１８】 伸張した素片毎に先頭と最後が零にな
    る窓関数を施すステップを更に有することを特徴とする
    請求項１６記載の音声合成方法。
  19. 【請求項１９】 フィルタおよびパルスに関する情報を
    用いて素片データベースを復号するステップと、 前記パルスの振幅を復号する際に最大の振幅は第１の量
    子化テーブルを用いて復号するステップと、 他の少なくとも一つのパルスの振幅は前記第１の量子化
    テーブルのレベル毎に予め設計した第２の量子化テーブ
    ルを用いて復号するステップと、 を有することを特徴とする音声合成方法。
  20. 【請求項２０】 前記パルスの振幅を復号する際に最大
    の振幅は第１の量子化テーブルを用いて復号するステッ
    プと、 他の少なくとも一つのパルスの振幅は前記第１の量子化
    テーブルのレベル毎に予め設計した第２の量子化テーブ
    ルを用いて復号するステップと、 を更に有することを特徴とする請求項１５ないし１８の
    いずれかに記載の音声合成方法。
JP2002053063A 2002-02-28 2002-02-28 音声素片データベースの圧縮伸張を行なう音声合成装置及び方法 Pending JP2003255976A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2002053063A JP2003255976A (ja) 2002-02-28 2002-02-28 音声素片データベースの圧縮伸張を行なう音声合成装置及び方法
US10/376,151 US20030163318A1 (en) 2002-02-28 2003-02-28 Compression/decompression technique for speech synthesis

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002053063A JP2003255976A (ja) 2002-02-28 2002-02-28 音声素片データベースの圧縮伸張を行なう音声合成装置及び方法

Publications (1)

Publication Number Publication Date
JP2003255976A true JP2003255976A (ja) 2003-09-10

Family

ID=27750906

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002053063A Pending JP2003255976A (ja) 2002-02-28 2002-02-28 音声素片データベースの圧縮伸張を行なう音声合成装置及び方法

Country Status (2)

Country Link
US (1) US20030163318A1 (ja)
JP (1) JP2003255976A (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1323934C (en) * 1986-04-15 1993-11-02 Tetsu Taguchi Speech processing apparatus
US4771465A (en) * 1986-09-11 1988-09-13 American Telephone And Telegraph Company, At&T Bell Laboratories Digital speech sinusoidal vocoder with transmission of only subset of harmonics
CA1312673C (en) * 1986-09-18 1993-01-12 Akira Fukui Method and apparatus for speech coding
JP2707564B2 (ja) * 1987-12-14 1998-01-28 株式会社日立製作所 音声符号化方式
US5754976A (en) * 1990-02-23 1998-05-19 Universite De Sherbrooke Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech
CA2252170A1 (en) * 1998-10-27 2000-04-27 Bruno Bessette A method and device for high quality coding of wideband speech and audio signals

Also Published As

Publication number Publication date
US20030163318A1 (en) 2003-08-28

Similar Documents

Publication Publication Date Title
JP3483958B2 (ja) 広帯域音声復元装置及び広帯域音声復元方法及び音声伝送システム及び音声伝送方法
JP3364825B2 (ja) 音声符号化装置および音声符号化復号化装置
EP1096476B1 (en) Speech signal decoding
JP2003255976A (ja) 音声素片データベースの圧縮伸張を行なう音声合成装置及び方法
JP3598111B2 (ja) 広帯域音声復元装置
JP4447546B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3770901B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3748081B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP2002073097A (ja) Ｃｅｌｐ型音声符号化装置とｃｅｌｐ型音声復号化装置及び音声符号化方法と音声復号化方法
JPH10111700A (ja) 音声圧縮符号化方法および音声圧縮符号化装置
JP3166697B2 (ja) 音声符号化・復号装置及びシステム
JP3560964B2 (ja) 広帯域音声復元装置及び広帯域音声復元方法及び音声伝送システム及び音声伝送方法
JP3676801B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3773509B2 (ja) 広帯域音声復元装置及び広帯域音声復元方法
JP4087823B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3636327B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3748083B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3748080B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3770900B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3748082B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3770899B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3598112B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP2005321828A (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3277090B2 (ja) ゲイン量子化方法及び装置、音声符号化方法及び装置並びに音声復号化方法及び装置
JP2005284316A (ja) 広帯域音声復元方法及び広帯域音声復元装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20041014

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20070130

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070220

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20070619