JP2005208173A - 話速変換装置及び音声信号伝送システム - Google Patents

Abstract

【課題】 簡単な回路構成で高精度な話速変換処理を可能にした入出力ステレオ方式の話速変換装置を提供する。
【解決手段】 左右チャネルの入力音声信号Ｌ0，Ｒ0が入力されると、信号分離部１が、左右チャネルに含まれている同相成分信号Ｃv'と、各入力音声信号Ｌ0，Ｒ0から前記同相成分信号Ｃv'を除いた背景音信号Ｌb'，Ｒb'に分離する。同相成分信号Ｃv'には左右チャネルの中央に定位する話者音声信号が含まれており、フィルタ２によって話者音声信号Ｃvを抽出する。話者音声信号Ｃvには話速変換部３によって話速変換処理が施され、その処理後の話者音声信号Ｖが左右チャネルの各加算器４a，４bによって信号分離部１で分離した背景音信号Ｌb'，Ｒb'に加算される。
【選択図】図１

Description

本発明は、高齢者や聴覚障害者向けの音響機器や外国語学習支援システム等に利用される話速変換処理をステレオ再生システムに適用する場合の話速変換装置の構成、及びその話速変換装置を利用したステレオ音声信号の伝送システムに関する。

テレビジョン放送やラジオ放送におけるニュース番組等では比較的早口で話されることが多く、高齢者や聴覚障害者にとって聴き取り難い場合が多い。
また、外国語学習においては、実際の会話によるコミュニケーション能力の向上を図るためにリスニング学習が非常に重要であるが、初級の学習者の場合には、話者の発話速度についてゆけず、各種記録媒体に録音されたスピーチ音声を繰り返して聴くという従来型の単純な学習方式では不十分であることが指摘されている。

そのような問題点に対して、従来からテープレコーダの再生速度を遅くして発話内容を聴き易くしようとする方式が採用されているが、その方式によると音質の低下が著しくなり、あまり利用されていないのが実情である。
そこで、最近では、ＤＳＰ（Digital Signal Processor）等を利用した話速変換技術が研究されており、音声信号自体を処理することによって、通常の発話速度の音声であっても、話者が恰もゆっくり話したかのように自然な音質で聴取できるシステムが実用化されつつある。

その話速変換装置の基本的原理は、入力音声信号を分析して有声区間と無音・無声区間に分離し、有声区間を無音・無声区間側へ時間的に伸長させる信号処理を施すことにより話速変換を行うものである。
そして、前記の基本的処理に関連して、話速を任意の速度で変化させながら自然な音声を得るために、有声音と無声音の振幅や時間の伸長、無音時間の挿入等の信号処理に係る研究が様々な観点から行われており、例えば、下記特許文献１〜８等において多数の提案がなされている。

また、ステレオ方式の入力音声信号に対して話速変換処理を施す場合には、図４及び図５に示すような回路構成が採用されている。
図４の回路構成は、入力はステレオ方式であるがモノラル出力とする場合であり、左右チャネルの音声信号Ｌ0，Ｒ0を加算器１０１で加算して話速変換部１０２へ入力させ、話速変換部１０２で話速変換処理が施された後のモノラル信号（Ｌ0＋Ｒ0）'を左右チャネルに分けているだけである。即ち、図７における［原音］の欄に示すステレオ音声信号の入力に対して、同図の＜モノラル処理＞の欄に示す話速変換部入力は左右チャネルの音声信号が加算されたものになり、左右の出力は話速変換処理後の同一信号になっている。
図５の回路構成は、入力も出力もステレオ方式の信号とする場合であり、左右チャネルの音声信号Ｌ0，Ｒ0を加算器１０３で加算して話速変換分析部１０４へ入力させ、話速変換分析部１０４ではその入力信号Ｌ0＋Ｒ0の分析に基づいて得られる制御信号（CONT）を左右チャネルに設けた話速変換合成部１０５,１０６へ出力する。各話速変換合成部１０５,１０６では、前記制御信号を用いて左右チャネルの入力音声信号Ｌ0，Ｒ0に含まれている話者音声の入力タイミングを検出しながら話速変換処理を行い、左右チャネルについて独立に話速変換した音声信号（Ｌ0）'，（Ｒ0）'を出力させる。即ち、図７における［原音］の欄に示すステレオ音声信号の入力に対して、同図の＜ステレオ対応処理＞の欄に示す話速変換分析部入力は前記＜モノラル処理＞の場合と同様であるが、左右チャネル出力にはそれぞれの入力音声信号に対応した話速変換が施されている。

更に、下記特許文献９には図４の構成を改良した話速変換装置が開示されている。
この話速変換装置は、図６に示すような回路構成を有しており、左右チャネルの各入力音声信号Ｌ0，Ｒ0を加算器１０７で加算した信号を求めると共に、減算器（特許文献９では「ボイスチェンジャー」とされている）１０８で左チャネルの信号から右チャネルの信号を差し引いた信号を求める。
今、話者音声が同相信号として左右チャネルに含まれている（話者音声が中央に定位している）とすると、加算器１０７の出力信号では同相成分同士の話者音声信号は２倍に強調され、減算器１０８の出力信号では話者音声信号はキャンセルされることになる。
従って、加算器１０７の出力信号を減衰器１０９で１/２に減衰させた後、減算器１１０で減衰器１０９の出力信号から減算器１０８の出力信号を減算すると背景音信号がキャンセルされた話者音声信号Ｃv'のみが出力される。
そして、この装置では減算器１１０が出力する話者音声信号Ｃv'に対して話速変換部１１１で話速変換処理を行い、加算器１１２によって話速変換処理後の信号Ｖに減算器１０８の出力を加算することで、話者音声に話速変換を施したモノラルの音声信号Ｌ0−Ｒ0＋Ｖを出力する。
図４の構成の場合には、話者音声信号以外の背景音信号にも話速変換処理がなされるために入力音声信号に含まれている情報の多くが失われるが、この話速変換装置では、話者音声信号を背景音信号から分離した上で話速変換処理を行っており、話速変換の精度が高くなり、再生音の品質を向上させることができる。

特開平６−２８９８９５号公報 特開平７−２８１６９０号公報 特開平７−２８１６９１号公報 特開平８−０８３０９５号公報 特開平１０−２５７５９６号公報 特開平１０−３０１５９８号公報 特開２０００−０９９０９８号公報 特開２００１−３１２２９８号公報 特許第３３３２６５９号公報

ところで、図６の話速変換装置は、前記のように簡単な構成で比較的精度の良い話速変換を実現するが、入力がステレオ方式でありながら図４の構成と同様にモノラル出力でしかない。
図５の話速変換装置はステレオ出力方式であるが、左右チャネルの加算信号に基づいた分析に基づいて制御信号を作成しているために話者音声信号以外の背景音信号にも話速変換処理がなされる場合があり、あまり精度の高い話速変換は望めない。また、話速変換分析部１０４や話速変換合成部１０５,１０６に要するメモリ容量が大きくなり（モノラル処理の場合と比較して約２倍）、回路規模も大きくなって装置の製造コストが非常に高くなるという問題がある。
そこで、本発明は、前記の各問題点に鑑みて、簡単な回路構成で高精度な話速変換処理を可能にした入出力ステレオ方式の話速変換装置を提供することを目的として創作された。また、本発明は、その話速変換装置を利用したステレオ音声信号の伝送システムも提供する。

本発明の話速変換装置は、入力されるステレオ音声信号を、左右チャネルに含まれる同相成分信号と、前記各チャネル信号から前記同相成分信号を除去した各背景音信号とに分離する信号分離手段と、前記信号分離手段が分離した前記同相成分信号中の話者音声信号だけを通過させる帯域制限フィルタ手段と、前記帯域制限フィルタ手段が通過させた話者音声信号に対して話速変換処理を施す話速変換手段と、前記信号分離手段が分離した前記各背景音信号に対して前記話速変換手段が話速変換処理を施した後の信号をそれぞれ加算することにより話速変換処理を施したステレオ音声信号を出力する加算手段とを具備したことを特徴とする。

この発明はステレオ音声信号に対応した話速変換装置であり、入力されるステレオ音声信号は信号分離手段によって同相信号成分と左右チャネルの背景音信号とに分離される。
ここで、同相信号成分は左右チャネルの中央に定位する音声に係る信号成分であり、話者音声がある場合にはその音声信号に相当する。
帯域制限フィルタ手段は、同相成分信号に背景音信号が混入している可能性があるため、話者音声帯域の信号だけを抽出する機能を有している。
話速変換手段による処理は、帯域制限フィルタ手段を通過した話者音声信号に対して行われるため、高精度な話速変換が可能になる。
そして、左右チャネル用の各加算手段によって、信号分離手段が分離した左右チャネルの背景音信号に対して話速変換処理後の信号を加算すると、話者音声だけが話速変換されたステレオ方式の出力信号が得られる。

本発明の音声信号伝送システムは、送信装置が伝送路を介して受信・再生装置へ音声信号を配信する音声信号伝送システムであって、前記送信装置側は、入力されるステレオ音声信号と、そのステレオ音声信号に対して前記請求項１に記載の話速変換装置によって話速変換処理を施したステレオ音声信号とを多重化して前記伝送路へ送出し、前記受信・再生装置は、前記２種類のステレオ音声信号が多重化された伝送信号からいずれのステレオ音声信号を受信するかを選択するための選択手段を備え、その選択手段で選択した方のステレオ音声信号を再生することを特徴とする

この発明は、前記発明の話速変換装置を利用した音声信号伝送システムであり、送信装置側はそのままのステレオ音声信号と話速変換処理を施したステレオ音声信号を多重化して送信し、各受信・再生装置側では、必要に応じていずれかのステレオ音声信号を選択的に受信して再生する。
尚、多重化方式には、周波数分割多重化方式、時分割多重化方式、パケット多重化方式、ＡＴＭ（非同期転送モード）多重化方式等があるが、いずれを採用してもよい。

本発明の話速変換装置は、ステレオ方式の入力信号に対して、背景音の拡がりを損なうことなく、左右チャネルの中央に定位する話者音声に対して精度の高い話速変換処理を施したステレオ方式の出力信号を得ることを可能にする。
また、話速変換機能をモノラル出力処理と同等のメモリ容量の小規模な回路構成で実現し、安価な話速変換装置を提供する。
本発明の音声信号伝送システムによれば、受信・再生装置側において、話者音声を通常の話速と話速変換処理を施した遅い話速に選択的に切り換えて聴くことができ、乗り物内や老人ホーム等の案内放送に適用することにより、外国語のヒヤリングに苦手な人と問題の無い人が混在していたり、難聴者と非難聴者が混在しているような場合であっても、両者に適切な音声サービスを行うことを可能にする。

以下、本発明の話速変換装置及び音声信号伝送システムについての各実施形態を図１から図３及び図７を用いて詳細に説明する。
［実施形態１］
この実施形態は話速変換装置に係るものであり、その基本的構成は図１に示される。
先ず、入力音声信号はステレオ方式であって、左右チャネルの音声信号Ｌ0,Ｒ0はそれぞれ背景音信号Ｌb,Ｒbと話者音声信号Ｃvとからなり、話者音声信号Ｃvは中央に定位した音源の信号として左右チャネルで同相になっている。

各チャネルの音声信号Ｌ0,Ｒ0は信号分離部１に入力されるが、信号分離部１ではそれを話者音声信号Ｃv'と左右チャネルの各背景音信号Ｌb',Ｒb'とに分離する。
この信号分離部１には、Dolby Pro Logicシステムにおける信号分離回路やカラオケのボーカルマスキングで用いられている公知技術を適用できるが、この実施形態では図２に示す回路構成を採用しており、その一部に図６に示した話速変換装置における話者音声信号Ｃv'を得るまでの回路部分を利用している。
即ち、図２において点線で囲んだ部分がその回路部分に相当し、同部分の機能については既に説明していることから、ここではその説明を省略する。
この信号分離部１では、前記回路部分の出力として話者音声信号Ｃv'が得られているが、左右チャネル用の減算器１a，１bが設けられており、各減算器１a，１bによって左右チャネルの各入力音声信号Ｌ0，Ｒ0から前記話者音声信号Ｃv'をそれぞれ減算し、結果的に左右チャネルの各背景音信号Ｌb'，Ｒb'を得ている。

図１に戻って、信号分離部１で分離された話者音声信号Ｃv'は、帯域制限用のフィルタ２へ入力され、話者音声帯域の信号Ｃvだけが抽出される。
このフィルタ２を設けたのは、信号分離部１では同相成分信号を話者音声信号Ｃv'として分離しているため、僅かではあるがその話者音声信号Ｃv'には背景音信号が含まれているからである。

次に、フィルタ２を通過した後の話者音声信号Ｃvは話速変換部３へ入力され、その話者音声についての話速変換処理が施された後、その信号Ｖが左右チャネルに設けられた加算器４a，４bへ出力される。
そして、各加算器４a，４bには信号分離部１で分離した各背景音信号Ｌb',Ｒb'も入力されており、話速変換処理後の話者音声信号と各背景音信号Ｌb',Ｒb'とが加算され、各加算器４a，４bからはそれぞれ左右チャネルの加算信号Ｌb'＋Ｖ,Ｒb'＋Ｖが出力される。

この話速変換装置による音声信号の入出力関係は、例えば、図７における［原音］と＜実施形態＞の欄に示された時系列関係となる。
但し、この場合、［原音］で示されている左入力の「い・ち・に・さ・ん」と右入力の「よ・ん・ご・ろ・く」の各音は背景音であり、「な・な・は・ち・く」だけが話者音声に相当する同相音である。
従って、信号分離部１は、「い・ち・に・さ・ん」／「よ・ん・ご・ろ・く」の音声信号が入力されている時間帯では、それらを左右チャネルの各背景音信号Ｌb',Ｒb'として出力するが、それらは同相成分の信号ではないために話者音声信号Ｃv'は殆ど出力されない状態にあり、フィルタ２を通過して話速変換部３へ入力される信号Ｃvは０レベルとなる。
一方、同相音である話者音声「な・な・は・ち・く」については、信号分離部１が話者音声信号Ｃv'として出力し、フィルタ２を経て話速変換部３において話速変換処理が施され、左右チャネルの加算器４a，４bにおいて信号分離部１が出力している各背景音信号Ｌb',Ｒb'に加算される。
即ち、各背景音信号Ｌb',Ｒb'は予め原音から「な・な・は・ち・く」の話者音声信号を除去したものになっており、その話者音声信号が除去された時間帯に話速変換処理を施して発話速度が遅くなった話者音声信号が加算されることになる。

その結果、背景音についてはステレオ方式による音の拡がりを確保し、話者音声に対してのみ高精度な話速変換処理を施した音声処理が可能になる。
また、この話速変換装置ではステレオ方式の入出力でありながら、モノラル出力の場合と同様に話速変換部３は１つだけであり、小規模な回路構成で比較的安価に製造することができる。

［実施形態２］
この実施形態は実施形態１の話速変換装置を用いた音声信号伝送システムに係り、そのシステム構成図は図３に示される。
同図において、２０は旅客機内の案内放送システムの送信装置、３０-1〜nは放送を受信してイヤホンで聴取する受信・再生装置であり、送信装置２０が放送信号を出力する伝送路４０にｎ個の各受信・再生装置３０-1〜nが接続されている。

送信装置２０には、入力されるステレオ放送の音声信号Ｌ0，Ｒ0をそのまま前置処理部２１aへ入力させる回路と、実施形態１の話速変換装置２２を介してもう一つの前置処理部２１bへ入力させる回路とが構成されている。
前置処理部２１aは、入力音声信号Ｌ0，Ｒ0をＰＣＭ（Pulse Code Modulation）方式で変調し、圧縮と伝送符号化処理を施して多重化器２３へ出力する。
また、前置処理部２１bは、話速変換装置２２の出力音声信号Ｌb'＋Ｖ,Ｒb'＋Ｖについて前記と同様の変調・圧縮・伝送符号化処理を施して多重化器２３へ出力する。
そして、多重化器２３は各前置処理部２１a，２１bから入力された伝送データを時分割多重化して伝送路へ出力する。

一方、各受信・再生装置３０-1〜nは、受信機能部に受信音声選択スイッチと送信装置２０側の多重化器２３に同期動作するＭＵＸ（マルチプレクサ）とを備えている。
そして、受信音声選択スイッチの操作によって、通常のステレオ放送と話速変換処理を施したステレオ放送のいずれを受信するかが選択されると、前記ＭＵＸを制御して選択側の放送信号に係る伝送チャネルから放送信号を再生回路に取り込み、再生回路がステレオ方式のイヤホンによって音声出力させるようになっている。

従って、案内放送の話者音声をゆっくりした話速で聴きたい場合とそのままのメリハリのある話速で聴きたい場合とで、受信音声選択スイッチを切り換えるだけで好みの話速に設定でき、案内が外国語でなされているために聴き取り易くするときや、難聴者であるために一語ずつ確認しながら聴き取りたいとき等に便利で有効なサービスを提供することができる。

実施形態１に係る話速変換装置の基本構成を示すブロック回路図である。 信号分離部の構成を示すブロック回路図である。 実施形態２に係る音声信号伝送システムのシステム構成図である。 従来技術に係る話速変換装置（モノラル出力方式）のブロック回路図である。 従来技術に係る話速変換装置（ステレオ出力方式）のブロック回路図である。 従来技術に係る話速変換装置（特許第3332659号）のブロック回路図である。 原音のステレオ音声入力状態に対する、図４の話速変換装置における話速変換部入力と左右チャネルの出力状態、図５の話速変換装置における話速変換分析部入力と左右チャネルの出力状態、及び実施形態１（図１及び図２）に係る話速変換装置における話速変換部入力と左右チャネルの出力状態を示すタイミングチャートである。

符号の説明

１…信号分離部、１a，１b，１０８，１１０…減算器、２…フィルタ、３，１０２，１１１…話速変換部、４a，４b，１０１，１０３，１０７，１１２…加算器、２０…送信装置、２１a，２１b…前置処理部、２２…話速変換装置、２３…多重化器、３０−1〜n…受信・再生装置、４０…伝送路、１０４…話速変換分析部、１０５，１０６…話速変換合成部、１０９…減衰器。

Claims (2)

1. 入力されるステレオ音声信号を、左右チャネルに含まれる同相成分信号と、前記各チャネル信号から前記同相成分信号を除去した各背景音信号とに分離する信号分離手段と、
   前記信号分離手段が分離した前記同相成分信号中の話者音声信号だけを通過させる帯域制限フィルタ手段と、
   前記帯域制限フィルタ手段が通過させた話者音声信号に対して話速変換処理を施す話速変換手段と、
   前記信号分離手段が分離した前記各背景音信号に対して前記話速変換手段が話速変換処理を施した後の信号をそれぞれ加算することにより話速変換処理を施したステレオ音声信号を出力する加算手段と
   を具備したことを特徴とする話速変換装置。
2. 送信装置が伝送路を介して受信・再生装置へ音声信号を配信する音声信号伝送システムにおいて、
   前記送信装置側は、入力されるステレオ音声信号と、そのステレオ音声信号に対して前記請求項１に記載の話速変換装置によって話速変換処理を施したステレオ音声信号とを多重化して前記伝送路へ送出し、
   前記受信・再生装置は、前記２種類のステレオ音声信号が多重化された伝送信号からいずれのステレオ音声信号を受信するかを選択するための選択手段を備え、その選択手段で選択した方のステレオ音声信号を再生することを特徴とする音声信号伝送システム。
   

Images