JP2005221811A - Device and method for converting speech speed - Google Patents

Device and method for converting speech speed Download PDF

Info

Publication number
JP2005221811A
JP2005221811A JP2004030325A JP2004030325A JP2005221811A JP 2005221811 A JP2005221811 A JP 2005221811A JP 2004030325 A JP2004030325 A JP 2004030325A JP 2004030325 A JP2004030325 A JP 2004030325A JP 2005221811 A JP2005221811 A JP 2005221811A
Authority
JP
Japan
Prior art keywords
circuit
audio signal
pointer
output
opt
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.)
Granted
Application number
JP2004030325A
Other languages
Japanese (ja)
Other versions
JP2005221811A5 (en
JP4442239B2 (en
Inventor
Ryoji Suzuki
良二 鈴木
Masayuki Misaki
正之 三▲さき▼
Takeshi Kawamura
岳 河村
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.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
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 Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP2004030325A priority Critical patent/JP4442239B2/en
Publication of JP2005221811A publication Critical patent/JP2005221811A/en
Publication of JP2005221811A5 publication Critical patent/JP2005221811A5/ja
Application granted granted Critical
Publication of JP4442239B2 publication Critical patent/JP4442239B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Abstract

<P>PROBLEM TO BE SOLVED: To solve the problem that an optimum speech signal segment is not always selected and sufficient sound quality can not be obtained by a conventional device and method for speech speed conversion since positions of two speech signals to be weighted and added are unequivocally determined based upon a time axis conversion ratio α, a speech signal segment length Ts, and a shift time Tc with which a correlation function of last weighted addition becomes maximum. <P>SOLUTION: A device is equipped with a similarity calculating circuit which finds the similarity between the two speech signal segments, a judgement circuit which detects a value with a large similarity value among similarities that the similarity calculating circuit finds while shifting one of the two speech signal segments and delaying the segmentation time of the two speech signal segments, and a parameter storage circuit which stores a parameter when the similarity that the judgement circuit detects is high, and selects a combination of speech signal segments which have a high similarity and are suitable to weighted addition. <P>COPYRIGHT: (C)2005,JPO&NCIPI

Description

本発明は、音声の基本周波数を変えずに継続時間長のみを変える音声速度変換装置と音声速度変換方法に関する。   The present invention relates to an audio speed conversion apparatus and an audio speed conversion method that change only the duration length without changing the fundamental frequency of audio.

音声の基本周波数(音程)を変えずに継続時間長のみを変える音声速度変換装置と音声速度変換方法としては、例えば特許文献1に記載されているようなMPEGオーディオレイヤ2音声符号化方式に対する音声符号化装置、または特許文献2もしくは非特許文献1に記載されているようなPCM信号に対する音声速度変換装置と音声速度変換方法が知られている。
特開平11−194796号公報 特開平4−104200号公報 鈴木,三崎 「高品質音声速度変換方式のDSPによる実現」,信学技報,SP90−34(1990)
As an audio speed conversion apparatus and an audio speed conversion method that change only the duration length without changing the basic frequency (pitch) of audio, for example, audio for an MPEG audio layer 2 audio encoding system as described in Patent Document 1 is used. An audio speed conversion apparatus and an audio speed conversion method for an encoding apparatus or a PCM signal as described in Patent Document 2 or Non-Patent Document 1 are known.
Japanese Patent Application Laid-Open No. 11-194796 JP-A-4-104200 Suzuki, Misaki "Realization of high-quality voice speed conversion system by DSP", IEICE Technical Report, SP90-34 (1990)

しかしながら、特許文献1に開示の音声再生装置では、重み付け加算をするフレームを探すパラメータはエネルギーの小ささ,音声らしさの小ささ,定常性の高さ,エネルギーの変化度合いに基づく継時マスキングの大きさ,またはMPEGオーディオストリームのスケールファクターであるのに対し、重み付け加算を行うために位相の合う位置を探すパラメータは相関関数であり、異なるパラメータを使用しているために、処理が複雑であるという課題があり、さらにMPEGオーディオのようなフレーム単位の処理に基づいて、重み付け加算をするフレームと重み付け加算をしないフレームとの頻度を変えることにより時間軸変換比を変えているために、時間軸変換比を細かい刻みで精度良く変えることはできないという課題がある。   However, in the audio reproduction device disclosed in Patent Document 1, parameters for searching for a frame to be weighted and added are low energy, low audio quality, high continuity, and large amount of continuous masking based on the degree of change in energy. In contrast to the scale factor of the MPEG audio stream, the parameter for finding the position in phase for performing the weighted addition is a correlation function, and the processing is complicated because different parameters are used. There is a problem, and the time base conversion ratio is changed by changing the frequency of the frame with weighted addition and the frame without weighted addition based on the processing in units of frames such as MPEG audio. There is a problem that the ratio cannot be accurately changed in small increments.

また、特許文献2に開示の、もしくは非特許文献1に記載の音声速度変換装置と音声速度変換方法では、2つの音声信号セグメントは相関関数を用いて最適な位置にシフトして加算されるものの、2つの音声信号セグメントの位置は、時間軸変換比αと音声信号セグメント長Tsと1つ前の重み付け加算における相関関数が最大になるシフト時間Tcとにより一意に決まってしまうので、必ずしも最適な音声信号セグメントが選択されているとは限らず、さらに相関関数が最大になるシフト時間Tcの値によっては重み付け加算長が短くなるので音質が低下するという課題がある。   Further, in the audio speed conversion device and the audio speed conversion method disclosed in Patent Document 2 or described in Non-Patent Document 1, two audio signal segments are shifted to an optimal position using a correlation function and added. The positions of the two audio signal segments are uniquely determined by the time axis conversion ratio α, the audio signal segment length Ts, and the shift time Tc at which the correlation function in the previous weighted addition is maximized. The audio signal segment is not always selected, and the weighted addition length is shortened depending on the value of the shift time Tc at which the correlation function is maximized.

本発明は、かかる課題を解決し、音声信号セグメントを最適な位置から選択して重み付け加算を行うので、音声欠落や音声重複が少なく音質も改善され、しかも時間軸変換比を細かくかつ精度良く変えることができ、さらに重み付け加算の時間長が一定なので音質が低下しにくい音声速度変換装置と音声速度変換方法を提供することを目的とする。   The present invention solves such a problem, selects an audio signal segment from an optimal position, and performs weighted addition. Therefore, the audio quality is improved with less missing or duplicated audio, and the time axis conversion ratio is changed finely and accurately. Furthermore, it is an object of the present invention to provide an audio speed conversion device and an audio speed conversion method in which the sound quality is hardly deteriorated because the time length of weighted addition is constant.

本発明の音声速度変換装置は、音声信号セグメントとその音声信号セグメントに一部の重複を許して後続する音声信号セグメントとの類似度を求める類似度計算回路と、前記類似度計算回路が出力する類似度から類似度の高い値を検出する判定回路と、前記判定回路が類似度の高い値を検出した時の2つの音声信号セグメントの時刻情報に関するパラメータを記憶するパラメータ記憶回路と、漸減する窓関数と漸増する窓関数とを出力する窓関数発生回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいた一方の音声信号セグメントに対して前記窓関数発生回路が出力する一方の窓関数を乗じる第1の乗算回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいた他方の音声信号セグメントに対して前記窓関数発生回路が出力する他方の窓関数を乗じる第2の乗算回路と、前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する加算回路と、所望の時間軸変換比になるように前記加算回路の出力の前端に連続する音声信号と前記加算回路の出力の後端に連続する音声信号の両方もしくは一方と加算回路の出力と切り替えて出力するスイッチ回路とを備えている。   The audio speed conversion apparatus according to the present invention includes a similarity calculation circuit that obtains a similarity between an audio signal segment and a subsequent audio signal segment that allows the audio signal segment to partially overlap, and the similarity calculation circuit outputs the similarity. A determination circuit for detecting a high similarity value from the similarity, a parameter storage circuit for storing parameters relating to time information of two audio signal segments when the determination circuit detects a high similarity value, and a gradually decreasing window A window function generating circuit for outputting a function and a gradually increasing window function, and one window function output by the window function generating circuit for one audio signal segment based on a parameter stored in the parameter storage circuit. A first multiplier circuit to be multiplied and the window function for the other audio signal segment based on a parameter stored in the parameter storage circuit. A second multiplication circuit for multiplying the other window function output from the generation circuit, an addition circuit for adding the output of the first multiplication circuit and the output of the second multiplication circuit, and a desired time axis conversion ratio. And a switch circuit that switches and outputs the audio signal continuous at the front end of the output of the adder circuit and / or the audio signal continuous at the rear end of the output of the adder circuit and the output of the adder circuit. .

本発明の音声速度変換装置は、2つの音声信号セグメントの類似度を求める類似度計算回路と、2つの音声信号セグメントの一方をシフトしたり2つの音声信号セグメントの切り出し時刻をディレイしながら前記類似度計算回路が求める類似度から類似度の高い値を検出する判定回路と、前記判定回路が検出した類似度が高い時のパラメータを記憶するパラメータ記憶回路とを備えるため、類似度が高く重み付け加算するのに最適な音声信号セグメントの組を選択することができるので、音声欠落や音声重複が少なく、音質劣化も少ないという効果がある。また所望の時間軸変換比になるように加算回路の出力の前端に連続する音声信号と加算回路の出力の後端に連続する音声信号の両方もしくは一方と加算回路の出力と切り替えて出力するスイッチ回路を備えるため、加算回路の出力の前後に任意の時間長の音声信号を出力できるので、時間軸変換比を細かくかつ精度良く変えることができという効果もある。さらに漸増する窓関数と漸減する窓関数とを出力する窓関数発生回路と、パラメータ記憶回路に記憶されているパラメータに基づいた一方の音声信号セグメントに対して窓関数発生回路が出力する一方の窓関数を乗じる第1の乗算回路と、パラメータ記憶回路に記憶されているパラメータに基づいた他方の音声信号セグメントに対して窓関数発生回路が出力する他方の窓関数を乗じる第2の乗算回路と、前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する加算回路とを備えるため、パラメータ記憶回路に記憶されているパラメータに基づいて一定時間長で類似度が高い音声信号セグメントの組を読み出して重み付け加算するので、どのような場合でも重み付け加算の時間長を一定にでき音質が低下しにくいという効果もある。   The audio speed conversion apparatus according to the present invention includes a similarity calculation circuit for obtaining a similarity between two audio signal segments, and the similarity while shifting one of the two audio signal segments or delaying the cut-out time of the two audio signal segments. A determination circuit for detecting a value having a high similarity from the similarity calculated by the degree calculation circuit, and a parameter storage circuit for storing a parameter when the similarity detected by the determination circuit is high. Since an optimum set of audio signal segments can be selected, there is an effect that there are few audio omissions and audio duplications, and there is little audio quality degradation. Also, a switch for switching and outputting either the audio signal continuous at the front end of the output of the adder circuit and / or the audio signal continuous at the rear end of the output of the adder circuit and the output of the adder circuit so as to obtain a desired time axis conversion ratio Since the circuit is provided, an audio signal having an arbitrary time length can be output before and after the output of the adder circuit, so that there is an effect that the time axis conversion ratio can be finely and accurately changed. Further, a window function generation circuit that outputs a gradually increasing window function and a gradually decreasing window function, and one window that the window function generation circuit outputs for one audio signal segment based on the parameters stored in the parameter storage circuit A first multiplication circuit that multiplies the function, a second multiplication circuit that multiplies the other window function output from the window function generation circuit to the other speech signal segment based on the parameter stored in the parameter storage circuit, Since the adder circuit for adding the output of the first multiplier circuit and the output of the second multiplier circuit is provided, the audio signal having a certain time length and high similarity based on the parameter stored in the parameter storage circuit Since the set of segments is read and weighted and added, the time length of the weighted addition can be made constant in any case, and there is also an effect that the sound quality is hardly deteriorated.

本発明の音声速度変換装置は、音声信号が記録されている記憶回路と、前記記憶回路にアドレス値を出力するポインタ制御回路と、前記記憶回路が出力する音声信号の出力先を第1のバッファメモリ回路と第2のバッファメモリ回路と第2のスイッチ回路とから選択する第1のスイッチ回路と、前記第1のスイッチ回路から出力される音声信号セグメントを蓄える第1のバッファメモリ回路と、前記第1のバッファメモリ回路の内容に一部の重複を許して後続し前記第1のスイッチ回路から出力される音声信号セグメントを蓄える第2のバッファメモリ回路と、前記第1のバッファメモリ回路の内容と前記第2のバッファメモリ回路の内容との類似度を求める類似度計算回路と、前記類似度計算回路が出力する類似度から類似度の高い値を検出する判定回路と、前記判定回路が類似度の高い値を検出した時に前記ポインタ制御回路が出力したアドレス値をポインタ値計算回路が求めるために用いたパラメータを記憶するパラメータ記憶回路と、前記記憶回路に記録されている音声信号を再生する時の時間軸変換比を設定する速度設定回路と、前記速度設定回路に設定されている時間軸変換比に基づいて前記類似度計算回路が類似度を求めるべき2つの音声信号セグメントのアドレス値を計算し、または前記パラメータ記憶回路に記録されているパラメータに基づいて類似度の高い2つの音声信号セグメントおよびその前後に連続する音声信号のアドレス値を計算して前記ポインタ制御回路に出力するポインタ値計算回路と、漸増する窓関数と漸減する窓関数とを出力する窓関数発生回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいて前記記憶回路から出力され前記第1のバッファメモリ回路に蓄えられている音声信号セグメントに対して前記窓関数発生回路が出力する一方の窓関数を乗じる第1の乗算回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいて前記記憶回路から出力され前記第2のバッファメモリ回路に蓄えられている音声信号セグメントに対して前記窓関数発生回路が出力する他方の窓関数を乗じる第2の乗算回路と、前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する加算回路と、前記加算回路の出力と前記第1のスイッチ回路の出力とを選択する第2のスイッチ回路と、前記第2のスイッチ回路の出力を蓄えて出力する出力バッファ回路と、前記類似度計算回路が類似度を計算する時もしくは前記加算回路が前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する時には前記第1のスイッチ回路を第1のバッファメモリ回路側もしくは第2のバッファメモリ回路側に倒し、前記加算回路の出力を前記出力バッファ回路に出力する時には前記第2のスイッチ回路を加算回路側に倒し、それ以外の時には前記加算回路の出力の前後と連続する音声信号を前記記憶回路から前記出力バッファ回路に出力するように前記第1のスイッチ回路と前記第2のスイッチ回路とを制御する制御信号発生回路とを備えるため、速度設定回路に設定されている時間軸変換比に基づいて、ポインタ値計算回路が一定の範囲内で、一部の重複を許す2つの音声信号セグメントの一方をシフトしたり2つの音声信号セグメントの開始点をディレイするような、様々な組み合わせの2つの音声信号セグメントの開始点アドレスを計算し、類似度計算回路が2つの音声信号セグメント間の類似度を求め、判定回路が様々な組み合わせの2つの音声信号セグメント間の類似度から、類似度の高い値を検出し、パラメータ記憶回路が判定回路の検出した類似度の高い2つの音声信号セグメントのパラメータを記憶する結果、一定の範囲内の様々な音声信号セグメントの組み合わせの中から、類似度が高く重み付け加算するのに最適な音声信号セグメントの組を選択することができるので、音声欠落や音声重複が少なく、音質劣化も少ないという効果がある。   An audio speed conversion device according to the present invention includes a storage circuit in which an audio signal is recorded, a pointer control circuit that outputs an address value to the storage circuit, and an output destination of the audio signal output from the storage circuit as a first buffer. A first switch circuit selected from a memory circuit, a second buffer memory circuit, and a second switch circuit; a first buffer memory circuit that stores an audio signal segment output from the first switch circuit; A second buffer memory circuit for storing an audio signal segment that is allowed to partially overlap the contents of the first buffer memory circuit and that is output from the first switch circuit; and the contents of the first buffer memory circuit And a similarity calculation circuit for calculating the similarity between the second buffer memory circuit and the similarity output from the similarity calculation circuit. A determination circuit, a parameter storage circuit for storing parameters used by the pointer value calculation circuit to obtain an address value output by the pointer control circuit when the determination circuit detects a high similarity value, and the storage circuit A speed setting circuit for setting a time axis conversion ratio when reproducing an audio signal recorded in the recording medium, and the similarity calculation circuit obtains the similarity based on the time axis conversion ratio set in the speed setting circuit The address values of two audio signal segments to be calculated are calculated, or the address values of two audio signal segments having a high similarity and consecutive audio signals before and after that are calculated based on the parameters recorded in the parameter storage circuit. A pointer value calculation circuit that outputs to the pointer control circuit, and a window function generation that outputs a gradually increasing window function and a gradually decreasing window function. And the window function generation circuit outputs the audio signal segment output from the storage circuit based on the parameters stored in the parameter storage circuit and stored in the first buffer memory circuit. A first multiplication circuit for multiplying a window function; and a window for an audio signal segment output from the storage circuit and stored in the second buffer memory circuit based on a parameter stored in the parameter storage circuit A second multiplication circuit for multiplying the other window function output from the function generation circuit; an addition circuit for adding the output of the first multiplication circuit and the output of the second multiplication circuit; and the output of the addition circuit; A second switch circuit for selecting an output of the first switch circuit; an output buffer circuit for storing and outputting the output of the second switch circuit; When the similarity calculation circuit calculates the similarity, or when the addition circuit adds the output of the first multiplication circuit and the output of the second multiplication circuit, the first switch circuit is connected to the first buffer memory. When the output of the adder circuit is output to the output buffer circuit, the second switch circuit is inclined to the adder circuit side, and otherwise the output of the adder circuit is output to the circuit side or the second buffer memory circuit side. The speed setting circuit includes a control signal generation circuit that controls the first switch circuit and the second switch circuit so as to output audio signals continuous with the front and rear from the storage circuit to the output buffer circuit. Based on the set time axis conversion ratio, the pointer value calculation circuit shifts one of the two audio signal segments allowing some overlap within a certain range or 2 The start point addresses of two audio signal segments in various combinations that delay the start point of the audio signal segment are calculated, the similarity calculation circuit obtains the similarity between the two audio signal segments, and the determination circuit A value having a high similarity is detected from the similarity between two audio signal segments in various combinations, and the parameter storage circuit stores the parameters of the two audio signal segments having a high similarity detected by the determination circuit. From among the various combinations of audio signal segments within the range, it is possible to select the optimal audio signal segment set for weighted addition with a high degree of similarity. There is an effect that there is little.

また速度設定回路に設定されている時間軸変換比とパラメータ記憶回路に記憶されているパラメータに基づいて、ポインタ値計算回路がアドレスを計算し、第1のスイッチ回路と第2のスイッチ回路が、加算回路の出力とポインタ値計算回路が計算したアドレスに基づく記憶回路からの音声信号の出力とを切り換えて出力バッファ回路に出力する結果、加算回路の出力の前後もしくは一方に連続する音声信号が出力されるので、連続的で滑らかな音声信号を出力することができ、加算回路の出力の前後に所望の時間軸変換比になるような時間長の音声信号を出力できるので、時間軸変換比を細かく設定でき、かつ所望の時間軸変換比に精度良く変えることができという効果もある。   The pointer value calculation circuit calculates an address based on the time axis conversion ratio set in the speed setting circuit and the parameter stored in the parameter storage circuit, and the first switch circuit and the second switch circuit are The output of the adder circuit and the output of the audio signal from the memory circuit based on the address calculated by the pointer value calculation circuit are switched and output to the output buffer circuit. As a result, the audio signal continuous before and after the output of the adder circuit is output. Therefore, a continuous and smooth audio signal can be output, and an audio signal having a time length that satisfies a desired time axis conversion ratio can be output before and after the output of the adder circuit. There is an effect that it can be finely set and can be accurately changed to a desired time axis conversion ratio.

さらにパラメータ記憶回路に記憶されているパラメータに基づいて、ポインタ値計算回路がアドレスを計算し、記憶回路から第1のバッファメモリ回路と第2のバッファメモリ回路に類似度が高い一定時間長の音声信号セグメントの組を読み出し、窓関数発生回路が漸増する窓関数と漸減する窓関数とを出力し、第1の乗算回路が第1のバッファメモリ回路が出力する音声信号セグメントに対して窓関数発生回路が出力する一方の窓関数を乗じ、第2の乗算回路が第2のバッファメモリ回路が出力する音声信号セグメントに対して窓関数発生回路が出力する他方の窓関数を乗じ、加算回路が第1の乗算回路の出力と第2の乗算回路の出力とを重なるように加算する結果、どのような場合でも加算回路の出力の時間長を一定にでき、音質が低下しにくいという効果もある。   Further, based on the parameters stored in the parameter storage circuit, the pointer value calculation circuit calculates an address, and the voice having a certain time length with high similarity from the storage circuit to the first buffer memory circuit and the second buffer memory circuit. A set of signal segments is read, a window function generating circuit outputs a gradually increasing window function and a gradually decreasing window function, and a first multiplying circuit generates a window function for the audio signal segment output from the first buffer memory circuit. The second multiplier circuit multiplies the audio signal segment output from the second buffer memory circuit by the other window function output from the window function generator circuit, and the adder circuit As a result of adding the output of the first multiplier circuit and the output of the second multiplier circuit so as to overlap, the time length of the output of the adder circuit can be made constant in any case, and the sound quality is lowered. The effect of hard to be certain.

本発明に適用できる類似度計算回路における評価尺度としては、例えば二乗誤差の小ささや相関関数の大きさ、または類似度が高い場合の2つの音声信号セグメントのシフト時間が一定時間以上同一であることが適用できる。   As an evaluation measure in the similarity calculation circuit applicable to the present invention, for example, the small square error, the correlation function, or the shift times of two audio signal segments when the similarity is high are the same for a certain time or more. Is applicable.

また本発明の音声速度変換方法は、
時間軸変換比αを読み込むステップと、
第1のポインタと第1のポインタのTs後の第2のポインタを設定するステップと、
時間軸変換比αと音声信号セグメント長Tsとシフト時間の初期値Tc_minに基づいて最大ディレイ時間Td_maxを計算するステップと、
類似度を初期設定するステップと、
シフト時間Tcを初期値Tc_minからディレイ時間Tdと音声信号セグメント長Tsと時間軸変換比αにより決まる最大シフト時間Tc_maxの範囲で変え、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、第1のポインタと第2のポインタとシフト時間Tcとディレイ時間Tdをパラメータとして音声信号セグメントX1と音声信号セグメントX2の開始点を求め、それぞれの開始点から時間長Tsの音声信号セグメントX1と音声信号セグメントX2を入力し、X1とX2の類似度を計算し、類似度が高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップと、
第1のポインタもしくは第2のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力するステップと、
第1のポインタと第2のポインタとTc_optとTd_optをパラメータとして類似度の高い音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力するステップと、
時間軸変換比αと音声信号セグメント長Tsと類似度の高いシフト時間Tc_optに基づいて音声信号をそのまま出力する時間長Ttを計算し、第1のポインタもしくは第2のポインタとTc_optとTd_optとTsに基づいて開始点を求め、時間長(Tt−Td_opt)の音声信号を入力してそのまま出力するステップと、
音声信号セグメント長Tsと音声信号をそのまま出力する時間長Ttと類似度が高い時のシフト時間Tc_optに基づいて、第1のポインタと第1のポインタのTs後の第2のポインタを設定するステップと、
終了でなければ類似度を初期設定するステップに戻るステップ
とを備えるため、シフト時間Tcを初期値Tc_minからディレイ時間Tdと音声信号セグメント長Tsと時間軸変換比αにより決まる最大シフト時間Tc_maxの範囲で変え、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、第1のポインタと第2のポインタとシフト時間Tcとディレイ時間Tdをパラメータとして音声信号セグメントX1と音声信号セグメントX2の開始点を求め、それぞれの開始点から時間長Tsの音声信号セグメントX1と音声信号セグメントX2を入力し、X1とX2の類似度を計算し、類似度が高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップが、一定の範囲内で、シフト時間Tcとディレイ時間Tdを変えながら、一部の重複を許す2つの音声信号セグメントX1とX2の類似度を求め、類似度の高い値を検出した時のシフト時間Tcとディレイ時間TdをそれぞれTc_optとTd_optとして記憶する結果、一定の範囲内の様々な音声信号セグメントの組み合わせの中から、類似度が高く重み付け加算をするのに最適な音声信号セグメントの組を選択することができるので、音声欠落や音声重複が少なく、音質劣化も少ないという効果がある。
The voice speed conversion method of the present invention
Reading the time axis conversion ratio α,
Setting a first pointer and a second pointer after Ts of the first pointer;
Calculating a maximum delay time Td_max based on the time axis conversion ratio α, the audio signal segment length Ts, and the initial value Tc_min of the shift time;
Initializing the similarity,
The shift time Tc is changed from the initial value Tc_min within the range of the delay time Td, the audio signal segment length Ts and the time axis conversion ratio α, and the delay time Td is changed within the range of 0 to the maximum delay time Td_max. The start points of the audio signal segment X1 and the audio signal segment X2 are obtained by using the pointer 1, the second pointer, the shift time Tc and the delay time Td as parameters, and the audio signal segment X1 and the audio signal having the time length Ts from the respective start points. Inputting a segment X2, calculating a similarity between X1 and X2, and searching for a delay time Td_opt and a shift time Tc_opt when the similarity is high;
Inputting a voice signal having a time length Td_opt from the first pointer or the second pointer as a starting point and outputting it as it is;
The audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts) having high similarity are input using the first pointer, the second pointer, Tc_opt, and Td_opt as parameters, and the window function W1 (1 ~ Ts) and the gradually decreasing window function W2 (1 ~ Ts), the audio signal segment X1 and the audio signal segment X2 are weighted and output, and
Based on the time axis conversion ratio α, the audio signal segment length Ts, and the shift time Tc_opt having a high similarity, the time length Tt for outputting the audio signal as it is is calculated, and the first pointer or the second pointer and Tc_opt, Td_opt, and Ts are calculated. Obtaining a starting point on the basis of a voice signal having a time length (Tt−Td_opt) and outputting it as it is;
A step of setting the first pointer and the second pointer after Ts of the first pointer based on the audio signal segment length Ts, the time length Tt for outputting the audio signal as it is, and the shift time Tc_opt when the similarity is high When,
If it is not completed, a step of returning to the step of initializing the similarity is provided, so that the shift time Tc ranges from the initial value Tc_min to the maximum shift time Tc_max determined by the delay time Td, the audio signal segment length Ts, and the time axis conversion ratio α. The delay time Td is changed in the range from 0 to the maximum delay time Td_max, and the start points of the audio signal segment X1 and the audio signal segment X2 are set using the first pointer, the second pointer, the shift time Tc, and the delay time Td as parameters. And input the audio signal segment X1 and the audio signal segment X2 of time length Ts from each starting point, calculate the similarity between X1 and X2, and search for the delay time Td_opt and the shift time Tc_opt when the similarity is high Step within a certain range and shift time Tc. While changing the ray time Td, the degree of similarity between the two audio signal segments X1 and X2 that allow some overlap is obtained, and the shift time Tc and the delay time Td when a high value of the similarity is detected are set as Tc_opt and Td_opt, respectively. As a result of storing, it is possible to select a voice signal segment pair that has a high degree of similarity and is optimal for weighted addition from among a variety of voice signal segment combinations within a certain range. There is an effect that there is little sound quality degradation.

また、第1のポインタもしくは第2のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力するステップと、
第1のポインタと第2のポインタとTc_optとTd_optをパラメータとして類似度の高い音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力するステップと、
時間軸変換比αと音声信号セグメント長Tsと類似度の高いシフト時間Tc_optに基づいて音声信号をそのまま出力する時間長Ttを計算し、第1のポインタもしくは第2のポインタとTc_optとTd_optとTsに基づいて開始点を求め、時間長(Tt−Td_opt)の音声信号を入力してそのまま出力するステップ、
とを備えるため、重み付け加算した信号の前端と連続し時間長Td_optの音声信号を出力し、時間長Tsの重み付け加算した音声信号を出力し、重み付け加算した信号の後端と連続し時間長(Tt−Td_opt)の音声信号を入力してそのまま出力する結果、重み付け加算した音声信号の前後もしくは一方に連続する音声信号が出力されるので、連続的で滑らかな音声信号を出力することができ、重み付け加算した音声信号の前後に所望の時間軸変換比になるような時間長の音声信号を出力できるので、時間軸変換比αを細かく設定でき、かつ所望の時間軸変換比に精度良く変えることができという効果もある。
A step of inputting a voice signal having a time length Td_opt using the first pointer or the second pointer as a starting point and outputting the voice signal as it is;
The audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts) having high similarity are input using the first pointer, the second pointer, Tc_opt, and Td_opt as parameters, and the window function W1 (1 ~ Ts) and the gradually decreasing window function W2 (1 ~ Ts), the audio signal segment X1 and the audio signal segment X2 are weighted and output, and
Based on the time axis conversion ratio α, the audio signal segment length Ts, and the shift time Tc_opt having a high similarity, the time length Tt for outputting the audio signal as it is is calculated, and the first pointer or the second pointer and Tc_opt, Td_opt, and Ts are calculated. A start point is obtained based on the step, a voice signal having a time length (Tt−Td_opt) is input and output as it is;
Therefore, the audio signal having the time length Td_opt is output continuously with the front end of the weighted signal, the audio signal having the weighted time length Ts is output, and the time length ( (Tt−Td_opt) is input and output as it is. As a result, a continuous audio signal is output before or after the weighted audio signal, so that a continuous and smooth audio signal can be output. Since a sound signal having a time length that gives a desired time axis conversion ratio can be output before and after the weighted and added sound signal, the time axis conversion ratio α can be set finely and accurately changed to the desired time axis conversion ratio. There is also an effect that can be done.

そして、第1のポインタと第2のポインタとTc_optとTd_optをパラメータとして類似度の高い音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力するステップ、を備えるため、類似度が高くセグメント長Tsの音声信号セグメントの組を入力し、セグメント長Tsの漸増する窓関数W1とセグメント長Tsの漸減する窓関数W2を用いて、音声信号セグメントX1と音声信号セグメントX2とが重なるように重み付け加算する結果、どのような場合でも重み付け加算した音声信号の時間長は一定のセグメント長Tsにでき、音質が低下しにくいという効果もある。   Then, the audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts) having high similarity are input using the first pointer, the second pointer, Tc_opt, and Td_opt as parameters, and the window function W1 is gradually increased. (1 to Ts) and a step function of gradually decreasing the window function W2 (1 to Ts), and the step of weighting and adding the audio signal segment X1 and the audio signal segment X2 are output. Are input using a window function W1 with an increasing segment length Ts and a window function W2 with a decreasing segment length Ts so that the audio signal segment X1 and the audio signal segment X2 overlap. As a result, in any case, the time length of the weighted and added audio signal can be a constant segment length Ts, and the sound quality is low. There is also an effect that is hard.

さらに、時間軸変換比αと音声信号セグメント長Tsとシフト時間の初期値Tc_minに基づいて最大ディレイ時間Td_maxを計算するステップと、
シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変え、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、第1のポインタと第2のポインタとシフト時間Tcとディレイ時間Tdをパラメータとして音声信号セグメントX1と音声信号セグメントX2の開始点を求め、それぞれの開始点から時間長Tsの音声信号セグメントX1と音声信号セグメントX2を入力し、X1とX2の類似度を計算し、類似度が高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップ、
とを備えるため、音声信号セグメントX1と音声信号セグメントX2の類似度が高くなる場合のTc_optとTd_optを探索する時の、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲に制限し、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲に制限する結果、安定して時間軸変換比αの音声信号を出力できるという効果もある。
本発明に適用できる類似度を求める時の評価尺度としては、例えば二乗誤差の小ささや相関関数の大きさ、またはディレイ時間Tdを一定時間以上変えても、類似度が高くなる2つの音声信号セグメントのシフト時間Tc_optが同一もしくは変化が少ないことが適用できる。
A step of calculating a maximum delay time Td_max based on the time axis conversion ratio α, the audio signal segment length Ts, and the initial value Tc_min of the shift time;
The shift time Tc is changed from the initial value Tc_min to the maximum shift time Tc_max, the delay time Td is changed from 0 to the maximum delay time Td_max, and the first pointer, the second pointer, the shift time Tc, and the delay time Td are changed. The starting points of the audio signal segment X1 and the audio signal segment X2 are obtained as parameters, the audio signal segment X1 and the audio signal segment X2 having the time length Ts are input from the respective starting points, the similarity between X1 and X2 is calculated, and the similarity Searching for a delay time Td_opt and a shift time Tc_opt when the degree is high;
Therefore, when searching for Tc_opt and Td_opt when the similarity between the audio signal segment X1 and the audio signal segment X2 is high, the shift time Tc is limited to the range from the initial value Tc_min to the maximum shift time Tc_max, and the delay As a result of limiting the time Td to a range from 0 to the maximum delay time Td_max, there is also an effect that a sound signal having a time axis conversion ratio α can be stably output.
As an evaluation scale for obtaining the similarity applicable to the present invention, for example, two audio signal segments whose similarity is increased even when the square error is small, the correlation function is large, or the delay time Td is changed by a certain time or more. It can be applied that the shift times Tc_opt are the same or change little.

次に、本発明の音声速度変換装置と音声速度変換方法の一実施形態を、図面を参照して説明する。   Next, an embodiment of an audio speed conversion device and an audio speed conversion method of the present invention will be described with reference to the drawings.

(実施の形態1)
図1は、本発明の音声速度変換装置の一実施形態に係るブロック図で、101は記憶回路、102は第1のスイッチ回路、103は第1のバッファメモリ回路、104は第2のバッファメモリ回路、105は類似度計算回路、106は判定回路、107は窓関数発生回路、108は第3のスイッチ回路、109は第4のスイッチ回路、110は第1の乗算回路、111は第2の乗算回路、112は加算回路、113は第2のスイッチ回路、114は出力バッファ回路、115は速度設定回路、116はパラメータ記憶回路、117はポインタ値計算回路、118はポインタ制御回路、119は制御信号発生回路である。
(Embodiment 1)
FIG. 1 is a block diagram according to an embodiment of an audio speed conversion apparatus of the present invention, in which 101 is a storage circuit, 102 is a first switch circuit, 103 is a first buffer memory circuit, and 104 is a second buffer memory. Circuit, 105 similarity calculation circuit, 106 determination circuit, 107 window function generation circuit, 108 third switch circuit, 109 fourth switch circuit, 110 first multiplication circuit, and 111 second circuit Multiplication circuit, 112 addition circuit, 113 second switch circuit, 114 output buffer circuit, 115 speed setting circuit, 116 parameter storage circuit, 117 pointer value calculation circuit, 118 pointer control circuit, 119 control It is a signal generation circuit.

記憶回路101には音声信号が記録されており、ポインタ制御回路118が出力するアドレス値と時間長に基づいて、所望の開始点と時間長の音声信号を出力する。   An audio signal is recorded in the memory circuit 101, and an audio signal having a desired start point and time length is output based on the address value and time length output by the pointer control circuit 118.

第1のスイッチ回路102は、記憶回路101が出力する音声信号の出力先を第1のバッファメモリ回路103と第2のバッファメモリ回路104と第2のスイッチ回路113とから選択する。   The first switch circuit 102 selects the output destination of the audio signal output from the storage circuit 101 from the first buffer memory circuit 103, the second buffer memory circuit 104, and the second switch circuit 113.

第1のバッファメモリ回路103、は第1のスイッチ回路102から出力される音声信号セグメントを蓄え、第2のバッファメモリ回路104は第1のスイッチ回路102から出力され第1のバッファメモリ回路103の内容に一部の重複を許して後続する音声信号セグメントを蓄える。   The first buffer memory circuit 103 stores the audio signal segment output from the first switch circuit 102, and the second buffer memory circuit 104 is output from the first switch circuit 102 and is stored in the first buffer memory circuit 103. Accumulate subsequent audio signal segments with some overlap in content.

類似度計算回路105は、第1のバッファメモリ回路103の内容と第2のバッファメモリ回路104の内容との類似度を求め、判定回路106は類似度計算回路105が出力する類似度から類似度の高い値を検出し、パラメータ記憶回路116は判定回路106が類似度の高い値を検出した時に、ポインタ制御回路118が出力したアドレス値をポインタ値計算回路117が求めるために用いたパラメータ(シフト時間:Tc,ディレイ時間:Td)を最適シフト時間:Tc_opt,最適ディレイ時間:Td_optとして記憶する。この時、第3のスイッチ回路108と第4のスイッチ回路109は開いており、第1のバッファメモリ回路103の内容と第2のバッファメモリ回路104の内容は、第1の乗算回路110と第2の乗算回路111に出力されない。   The similarity calculation circuit 105 obtains the similarity between the contents of the first buffer memory circuit 103 and the contents of the second buffer memory circuit 104, and the determination circuit 106 determines the similarity based on the similarity output from the similarity calculation circuit 105. The parameter storage circuit 116 uses the parameter (shift) used by the pointer value calculation circuit 117 to obtain the address value output by the pointer control circuit 118 when the determination circuit 106 detects a high similarity value. Time: Tc, delay time: Td) are stored as optimum shift time: Tc_opt and optimum delay time: Td_opt. At this time, the third switch circuit 108 and the fourth switch circuit 109 are open, and the content of the first buffer memory circuit 103 and the content of the second buffer memory circuit 104 are the same as those of the first multiplier circuit 110 and the second 2 is not output to the multiplication circuit 111.

速度設定回路115は、記憶回路101に記録されている音声信号を再生する時の時間軸変換比αを設定する。   The speed setting circuit 115 sets a time axis conversion ratio α when reproducing an audio signal recorded in the storage circuit 101.

ポインタ値計算回路117は、速度設定回路115に設定されている時間軸変換比αに基づいて、類似度計算回路105が類似度を求めるべき2つの音声信号セグメントのアドレス値を計算し、またはパラメータ記憶回路116に記録されているパラメータ(最適シフト時間:Tc_opt,最適ディレイ時間:Td_opt)に基づいて類似度の高い2つの音声信号セグメント、およびその前後に連続する音声信号のアドレス値と時間長を計算してポインタ制御回路118に出力する。   The pointer value calculation circuit 117 calculates the address values of two audio signal segments from which the similarity calculation circuit 105 should obtain the similarity based on the time axis conversion ratio α set in the speed setting circuit 115, or a parameter Based on the parameters (optimum shift time: Tc_opt, optimum delay time: Td_opt) recorded in the memory circuit 116, two speech signal segments having high similarity, and address values and time lengths of speech signals consecutive before and after the speech signal segments are obtained. Calculate and output to the pointer control circuit 118.

窓関数発生回路107は、漸増する窓関数と漸減する窓関数とを出力し、第1の乗算回路110はパラメータ記憶回路116に記憶されているパラメータに基づいて記憶回路101から出力され第1のバッファメモリ回路103に蓄えられている音声信号セグメントに対して窓関数発生回路107が出力する一方の窓関数を乗じ、第2の乗算回路111はパラメータ記憶回路116に記憶されているパラメータに基づいて記憶回路101から出力され第2のバッファメモリ回路104に蓄えられている音声信号セグメントに対して窓関数発生回路107が出力する他方の窓関数を乗じ、加算回路112は第1の乗算回路110の出力と第2の乗算回路111の出力とを加算する。この時、第3のスイッチ回路108と第4のスイッチ回路109は閉じており、第1のバッファメモリ回路103の内容と第2のバッファメモリ回路104の内容は、それぞれ第1の乗算回路110と第2の乗算回路111に出力される。   The window function generation circuit 107 outputs a gradually increasing window function and a gradually decreasing window function, and the first multiplication circuit 110 is output from the storage circuit 101 based on the parameters stored in the parameter storage circuit 116, and the first multiplication circuit 110 is output. The audio signal segment stored in the buffer memory circuit 103 is multiplied by one window function output from the window function generation circuit 107, and the second multiplication circuit 111 is based on the parameters stored in the parameter storage circuit 116. The audio signal segment output from the storage circuit 101 and stored in the second buffer memory circuit 104 is multiplied by the other window function output from the window function generation circuit 107, and the addition circuit 112 is connected to the first multiplication circuit 110. The output and the output of the second multiplication circuit 111 are added. At this time, the third switch circuit 108 and the fourth switch circuit 109 are closed, and the contents of the first buffer memory circuit 103 and the contents of the second buffer memory circuit 104 are the same as those of the first multiplier circuit 110 and This is output to the second multiplication circuit 111.

第2のスイッチ回路113は、加算回路112の出力と第1のスイッチ回路102の出力とを選択し、出力バッファ回路114は第2のスイッチ回路113の出力を蓄えて出力する。   The second switch circuit 113 selects the output of the adder circuit 112 and the output of the first switch circuit 102, and the output buffer circuit 114 stores and outputs the output of the second switch circuit 113.

制御信号発生回路119は、類似度計算回路105が類似度を計算する時には、第1のスイッチ回路102を第1のバッファメモリ回路103側もしくは第2のバッファメモリ回路104側に倒し、第3のスイッチ回路108と第4のスイッチ回路109は開き、加算回路112が第1の乗算回路110の出力と第2の乗算回路111の出力とを加算する時には、第1のスイッチ回路102を第1のバッファメモリ回路103側もしくは第2のバッファメモリ回路104側に倒し、第3のスイッチ回路108と第4のスイッチ回路109は閉じ、第2のスイッチ回路113を加算回路112側に倒し、記憶回路101から出力される音声信号を、そのまま出力バッファ114に出力する時には、第1のスイッチ回路102を第2のスイッチ回路113側に倒し、第2のスイッチ回路113を第1のスイッチ回路102側に倒すように制御する。   When the similarity calculation circuit 105 calculates the similarity, the control signal generation circuit 119 moves the first switch circuit 102 to the first buffer memory circuit 103 side or the second buffer memory circuit 104 side, and The switch circuit 108 and the fourth switch circuit 109 are opened, and when the adder circuit 112 adds the output of the first multiplier circuit 110 and the output of the second multiplier circuit 111, the first switch circuit 102 is changed to the first switch circuit 102. The third switch circuit 108 and the fourth switch circuit 109 are closed while the buffer memory circuit 103 side or the second buffer memory circuit 104 side is closed, the second switch circuit 113 is brought down to the adder circuit 112 side, and the memory circuit 101 When the audio signal output from the first switch circuit 102 is output to the output buffer 114 as it is, the first switch circuit 102 is connected to the second switch circuit. Fold 113 side is controlled to defeat the second switching circuit 113 to the first switch circuit 102 side.

図2は、本発明の音声速度変換装置の一実施形態に係る類似度の評価関数が二乗誤差の場合の類似度計算回路105のブロック図で、201は第1のシフトレジスタメモリ回路、202は第2のシフトレジスタメモリ回路、203_1〜203_Tsは減算回路、204_1〜204_Tsは乗算回路、205は加算回路である。   FIG. 2 is a block diagram of the similarity calculation circuit 105 when the similarity evaluation function is a square error according to an embodiment of the audio speed conversion apparatus of the present invention, where 201 is a first shift register memory circuit, 202 is The second shift register memory circuit, 203_1 to 203_Ts are subtraction circuits, 204_1 to 204_Ts are multiplication circuits, and 205 is an addition circuit.

第1のシフトレジスタメモリ回路201には図1における第1のバッファメモリ回路103に蓄えられている音声信号セグメントが逐次入力され、第2のシフトレジスタメモリ回路202には図1における第2のバッファメモリ回路104に蓄えられている音声信号セグメントが逐次入力される。減算回路203_1〜203_Tsは、第1のシフトレジスタメモリ回路201に蓄えられている音声信号セグメントX1(1〜Ts)から第2のシフトレジスタメモリ回路202に蓄えられている音声信号セグメントX2(1〜Ts)をそれぞれ減算し、乗算回路204_1〜204_Tsは、減算回路203_1〜203_Tsの出力を二乗し、加算回路205は、乗算回路204_1〜204_Tsの出力の総和を求め、結果を二乗誤差として出力する。数式1は類似度計算回路105が行う二乗誤差の演算を示す。ただし数式1では簡単のため、単位時間とサンプリング周期とを等しいとして表現している。   Audio signal segments stored in the first buffer memory circuit 103 in FIG. 1 are sequentially input to the first shift register memory circuit 201, and the second buffer in FIG. 1 is input to the second shift register memory circuit 202. The audio signal segments stored in the memory circuit 104 are sequentially input. The subtraction circuits 203_1 to 203_Ts are connected to the audio signal segment X2 (1 to Ts) stored in the second shift register memory circuit 202 from the audio signal segment X1 (1 to Ts) stored in the first shift register memory circuit 201. Ts) is subtracted, the multiplication circuits 204_1 to 204_Ts square the outputs of the subtraction circuits 203_1 to 203_Ts, and the addition circuit 205 calculates the sum of the outputs of the multiplication circuits 204_1 to 204_Ts, and outputs the result as a square error. Equation 1 shows the square error calculation performed by the similarity calculation circuit 105. However, in Equation 1, for simplicity, the unit time and the sampling period are expressed as being equal.

Figure 2005221811
Figure 2005221811

図3は、本発明の音声速度変換装置の一実施形態に係る類似度の評価関数が相関関数の場合の類似度計算回路105のブロック図で、301は第1のシフトレジスタメモリ回路、302は第2のシフトレジスタメモリ回路、303_1〜303_Tsは乗算回路、304は加算回路である。   FIG. 3 is a block diagram of the similarity calculation circuit 105 when the similarity evaluation function is a correlation function according to an embodiment of the audio speed conversion apparatus of the present invention. 301 is a first shift register memory circuit, 302 is A second shift register memory circuit, 303_1 to 303_Ts are multiplication circuits, and 304 is an addition circuit.

第1のシフトレジスタメモリ回路301には、図1における第1のバッファメモリ回路103に蓄えられている音声信号セグメントが逐次入力され、第2のシフトレジスタメモリ回路302には図1における第2のバッファメモリ回路104に蓄えられている音声信号セグメントが逐次入力される。乗算回路303_1〜303_Tsは、第1のシフトレジスタメモリ回路301に蓄えられている音声信号セグメントX1(1〜Ts)と第2のシフトレジスタメモリ回路202に蓄えられている音声信号セグメントX2(1〜Ts)とをそれぞれ乗算し、加算回路304は、乗算回路303_1〜303_Tsの出力の総和を求め、結果を相関関数として出力する。数式2は類似度計算回路105が行う相関関数の演算を示す。ただし数式2では簡単のため、単位時間とサンプリング周期とを等しいとして表現している。   Audio signal segments stored in the first buffer memory circuit 103 in FIG. 1 are sequentially input to the first shift register memory circuit 301, and the second shift register memory circuit 302 has the second shift register memory circuit 301 in FIG. The audio signal segments stored in the buffer memory circuit 104 are sequentially input. The multiplication circuits 303_1 to 303_Ts include the audio signal segment X1 (1 to Ts) stored in the first shift register memory circuit 301 and the audio signal segment X2 (1 to 2) stored in the second shift register memory circuit 202. Ts) and the adder circuit 304 calculates the sum of the outputs of the multiplier circuits 303_1 to 303_Ts, and outputs the result as a correlation function. Equation 2 shows the calculation of the correlation function performed by the similarity calculation circuit 105. However, in Equation 2, for simplicity, the unit time and the sampling period are expressed as being equal.

Figure 2005221811
Figure 2005221811

図4は、本発明の音声速度変換装置の一実施形態に係る判定回路106のブロック図で、401は類似度メモリ回路、402は比較回路、403は最大/最小メモリ回路である。   FIG. 4 is a block diagram of the determination circuit 106 according to an embodiment of the audio speed conversion apparatus of the present invention. 401 is a similarity memory circuit, 402 is a comparison circuit, and 403 is a maximum / minimum memory circuit.

類似度メモリ回路401には、図1における類似度計算回路105が出力する類似度が入力されて記憶される。比較回路402は、類似度メモリ回路401が出力する現在の類似度と、最大/最小メモリ回路403が出力する過去における類似度の最大値もしくは最小値とを比較し、類似度メモリ回路401の出力が、最大/最小メモリ回路403が出力する最大値よりも大きい場合もしくは最小値よりも小さい場合に、類似度メモリ回路401の出力を最大/最小メモリ回路403に記憶し直し、図1におけるパラメータ記憶回路116に、現在のパラメータを最適シフト時間:Tc_optと最適ディレイ時間:Td_optの候補として記憶するように指示を出す。比較回路402が最小値を検索するのは、評価関数が二乗誤差の場合であり、比較回路402が最大値を検索するのは評価関数が相関関数の場合である。   The similarity memory circuit 401 receives and stores the similarity output from the similarity calculation circuit 105 in FIG. The comparison circuit 402 compares the current similarity output from the similarity memory circuit 401 with the maximum value or minimum value of past similarities output from the maximum / minimum memory circuit 403, and outputs the output from the similarity memory circuit 401. Is larger than the maximum value output from the maximum / minimum memory circuit 403 or smaller than the minimum value, the output of the similarity memory circuit 401 is stored again in the maximum / minimum memory circuit 403, and the parameter storage in FIG. The circuit 116 is instructed to store the current parameters as candidates for the optimum shift time: Tc_opt and the optimum delay time: Td_opt. The comparison circuit 402 searches for the minimum value when the evaluation function is a square error, and the comparison circuit 402 searches for the maximum value when the evaluation function is a correlation function.

図5は、本発明の音声速度変換装置の一実施形態に係る時間軸伸張(時間軸変換比α=5/4)の場合の処理図である。   FIG. 5 is a processing diagram in the case of time axis expansion (time axis conversion ratio α = 5/4) according to an embodiment of the audio speed conversion apparatus of the present invention.

記憶回路101に記録されている音声信号501が、i番目の処理単位においてポインタ制御回路118が出力する第1のポインタ502_iと第2のポインタ503_iを基準として、第1のバッファメモリ回路103と第2のバッファメモリ回路104に、音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)として読み出される。ディレイ時間Tdが0の場合の音声信号セグメントX2は507で示される区間であり、音声信号セグメントX1は、507で示される音声信号セグメントX2から、音声信号セグメント長Tsだけ先行し504_0で示される区間が規準となる。この504_0で示される区間を規準とし、Tc_minだけ先行し504_minで示される区間から、Tc_maxだけ後行し504_maxで示される区間まで、1サンプルずつずらして取り込んだ音声信号セグメントX1と、音声信号セグメントX2との類似度を類似度計算回路105が求める。ここでTc_minはあらかじめ定められた定数であり、音声信号セグメント長Tsより短い。Tc_maxはポインタ値計算回路117が数式3により求めることで、広範囲な類似度の探索と正確な時間軸変換比αの実現が可能となる。   The audio signal 501 recorded in the storage circuit 101 is converted into the first buffer memory circuit 103 and the first buffer memory circuit 103 with the first pointer 502_i and the second pointer 503_i output from the pointer control circuit 118 in the i-th processing unit as a reference. The second buffer memory circuit 104 reads the audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts). The audio signal segment X2 when the delay time Td is 0 is a section indicated by 507, and the audio signal segment X1 is a period indicated by 504_0 preceding the audio signal segment X2 indicated by 507 by the audio signal segment length Ts. Is the standard. Using the section indicated by 504_0 as a reference, an audio signal segment X1 that is shifted by one sample from the section indicated by 504_min that precedes by Tc_min to the section indicated by 504_max by Tc_max, and an audio signal segment X2 The similarity calculation circuit 105 obtains the similarity to. Here, Tc_min is a predetermined constant and is shorter than the audio signal segment length Ts. Tc_max is obtained by the pointer value calculation circuit 117 according to Equation 3, so that a wide range of similarities can be searched and an accurate time axis conversion ratio α can be realized.

Figure 2005221811
Figure 2005221811

そしてディレイ時間Tdを増加させながら、シフト時間TcをTc_minからTc_maxの範囲で変えて、類似度計算回路105と判定回路106が類似度の計算と類似度の高い値の探索を行う。最大遅延時間Td_maxはポインタ値計算回路117が数式4により求めることで、広範囲な類似度の探索と正確な時間軸変換比αの実現が可能となる。   Then, while increasing the delay time Td, the shift time Tc is changed in the range from Tc_min to Tc_max, and the similarity calculation circuit 105 and the determination circuit 106 calculate the similarity and search for a value with a high similarity. The maximum delay time Td_max is obtained by the pointer value calculation circuit 117 according to Equation 4, so that a wide range of similarities can be searched and an accurate time-axis conversion ratio α can be realized.

Figure 2005221811
Figure 2005221811

ディレイ時間Tdの0からTd_maxまでの増加は1サンプル毎でも良いが、演算量の削減のために数サンプル毎に行っても、音質的には問題ない。 The delay time Td may be increased from 0 to Td_max every sample, but there is no problem in sound quality even if it is performed every few samples in order to reduce the amount of calculation.

ディレイ時間TdがTd_maxになり、音声信号セグメントX2が509で示される区間になり、506_0で示される区間を規準として、506_minで示される区間から506_maxで示される区間まで音声信号セグメントX1をシフトさせた時、類似度の探索は終わる。そして類似度の評価関数が二乗誤差の場合には、判定回路106は類似度計算回路105が出力する二乗誤差の最小値を検出し、類似度の評価関数が相関関数の場合には、判定回路106は類似度計算回路105が出力する相関関数の最大値を検出する。パラメータ記憶回路116は、判定回路106が最高の類似度を検出した時のディレイ時間Tdとシフト時間Tcを記憶しており、それを最適ディレイ時間Td_optと最適シフト時間Tc_optとする。パラメータ記憶回路116に記憶されている最適ディレイ時間Td_optに基づいて、ポインタ制御回路118が第2のポインタ503_iを開始点とし時間長Td_optの音声信号X0(516)を記憶回路101から読み出し、出力バッファ回路114に出力する。次にパラメータ記憶回路116に記憶されている最適ディレイ時間Td_optと最適シフト時間Tc_optとに基づいて、ポインタ制御回路118は、508で示される区間の音声信号セグメントX2(511)と、505_optで示される区間の音声信号セグメントX1(510)を記憶回路101から読み出し、第2のバッファメモリ回路104と第1のバッファメモリ回路103とに出力する。窓関数発生回路107は、漸増する窓関数512と漸減する窓関数513とを出力し、第1の乗算回路110は第1のバッファメモリ回路103に蓄えられている音声信号セグメントX1(510)に対して窓関数発生回路107が出力する漸増する窓関数512を乗じてX1‘を出力し、第2の乗算回路111は第2のバッファメモリ回路104に蓄えられている音声信号セグメントX2(511)に対して窓関数発生回路107が出力する漸減する窓関数513を乗じてX2’を出力し、加算回路112は第1の乗算回路110の出力X1‘と第2の乗算回路111の出力X2’とを加算した信号514を出力バッファ回路114に出力する。そしてパラメータ記憶回路116に記憶されている最適ディレイ時間Td_optと最適シフト時間Tc_optとに基づいて、ポインタ制御回路118が音声信号セグメントX1に後続するサンプルを開始点とし、時間長(Tt−Td_opt)の音声信号X3(517)を記憶回路101から読み出し、出力バッファ回路114に出力する。ここで、入力音声信号をそのまま出力する時間長Ttはポインタ値計算回路117が数式5により求めることで、正確な時間軸変換比αの実現が可能となる。   The delay time Td becomes Td_max, and the audio signal segment X2 becomes an interval indicated by 509. The audio signal segment X1 is shifted from the interval indicated by 506_min to the interval indicated by 506_max with reference to the interval indicated by 506_0. Sometimes the similarity search ends. When the similarity evaluation function is a square error, the determination circuit 106 detects the minimum value of the square error output from the similarity calculation circuit 105, and when the similarity evaluation function is a correlation function, the determination circuit 106 106 detects the maximum value of the correlation function output from the similarity calculation circuit 105. The parameter storage circuit 116 stores a delay time Td and a shift time Tc when the determination circuit 106 detects the highest similarity, and uses them as an optimum delay time Td_opt and an optimum shift time Tc_opt. Based on the optimum delay time Td_opt stored in the parameter storage circuit 116, the pointer control circuit 118 reads the audio signal X0 (516) having the time length Td_opt from the second pointer 503_i as a starting point from the storage circuit 101, and outputs the output buffer. Output to the circuit 114. Next, based on the optimum delay time Td_opt and the optimum shift time Tc_opt stored in the parameter storage circuit 116, the pointer control circuit 118 indicates the audio signal segment X2 (511) in the section indicated by 508 and indicated by 505_opt. The audio signal segment X1 (510) in the section is read from the storage circuit 101 and output to the second buffer memory circuit 104 and the first buffer memory circuit 103. The window function generation circuit 107 outputs a gradually increasing window function 512 and a gradually decreasing window function 513, and the first multiplication circuit 110 applies the audio signal segment X 1 (510) stored in the first buffer memory circuit 103. On the other hand, X1 ′ is output by multiplying the gradually increasing window function 512 output from the window function generating circuit 107, and the second multiplier circuit 111 outputs the audio signal segment X2 (511) stored in the second buffer memory circuit 104. Is multiplied by a gradually decreasing window function 513 output from the window function generation circuit 107 to output X2 ′, and the adder circuit 112 outputs the output X1 ′ of the first multiplier circuit 110 and the output X2 ′ of the second multiplier circuit 111. Is output to the output buffer circuit 114. Based on the optimum delay time Td_opt and the optimum shift time Tc_opt stored in the parameter storage circuit 116, the pointer control circuit 118 starts from the sample following the audio signal segment X1, and the time length (Tt−Td_opt) is reached. The audio signal X3 (517) is read from the storage circuit 101 and output to the output buffer circuit 114. Here, the time length Tt for outputting the input audio signal as it is is obtained by the pointer value calculation circuit 117 according to Equation 5, so that an accurate time axis conversion ratio α can be realized.

Figure 2005221811
Figure 2005221811

以上でi番目の処理単位が終了し、引き続きi+1番目の処理単位のために、ポインタ値計算回路117が数式6と数式7により、第2のポインタ503_i+1と第1のポインタ502_i+1を求め、ポインタ制御回路118に出力する。 Thus, the i-th processing unit is completed, and for the i + 1-th processing unit, the pointer value calculation circuit 117 obtains the second pointer 503_i + 1 and the first pointer 502_i + 1 by Equations 6 and 7, and performs pointer control. Output to the circuit 118.

Figure 2005221811
Figure 2005221811

Figure 2005221811
Figure 2005221811

図6は、本発明の音声速度変換装置の一実施形態に係る時間軸圧縮(時間軸変換比α=4/5)の場合の処理図である。   FIG. 6 is a processing diagram in the case of time axis compression (time axis conversion ratio α = 4/5) according to an embodiment of the audio speed conversion apparatus of the present invention.

記憶回路101に記録されている音声信号601が、i番目の処理単位においてポインタ制御回路118が出力する第1のポインタ602_iと第2のポインタ603_iを基準として、第1のバッファメモリ回路103と第2のバッファメモリ回路104に、音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)が読み出される。ディレイ時間Tdが0の場合の音声信号セグメントX1は604で示される区間であり、音声信号セグメントX2は、604で示される音声信号セグメントX1から、音声信号セグメント長Tsだけ後行し607_0で示される区間が規準となる。この604_0で示される区間を規準とし、Tc_minだけ後行し607_minで示される区間から、Tc_maxだけ先行し607_maxで示される区間まで、1サンプルずつずらして取り込んだ音声信号セグメントX2と、音声信号セグメントX1との類似度を類似度計算回路105が求める。ここでTc_minはあらかじめ定められた定数であり、音声信号セグメント長Tsより短い。Tc_maxはポインタ値計算回路117が数式8により求めることで、広範囲な類似度の探索と正確な時間軸変換比αの実現が可能となる。   The audio signal 601 recorded in the storage circuit 101 is compared with the first buffer memory circuit 103 and the first buffer memory circuit 103 based on the first pointer 602_i and the second pointer 603_i output from the pointer control circuit 118 in the i-th processing unit. The audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts) are read into the second buffer memory circuit 104. The audio signal segment X1 when the delay time Td is 0 is a section indicated by 604, and the audio signal segment X2 is indicated by 607_0 following the audio signal segment length Ts from the audio signal segment X1 indicated by 604. The section is the standard. The interval indicated by 604_0 is used as a reference, the audio signal segment X2 that is shifted by one sample from the interval indicated by 607_min following the Tc_min and preceded by Tc_max, and the interval indicated by 607_max, and the audio signal segment X1 The similarity calculation circuit 105 obtains the similarity to. Here, Tc_min is a predetermined constant and is shorter than the audio signal segment length Ts. Tc_max is obtained by the pointer value calculation circuit 117 according to Equation 8, so that a wide range of similarities can be searched and an accurate time axis conversion ratio α can be realized.

Figure 2005221811
Figure 2005221811

そしてディレイ時間Tdを増加させながら、シフト時間TcをTc_minからTc_maxの範囲で変えて、類似度計算回路105と判定回路106が類似度の計算と類似度の高い値の探索を行う。最大遅延時間Td_maxはポインタ値計算回路117が数式9により求めることで、広範囲な類似度の探索と正確な時間軸変換比αの実現が可能となる。   Then, while increasing the delay time Td, the shift time Tc is changed in the range from Tc_min to Tc_max, and the similarity calculation circuit 105 and the determination circuit 106 calculate the similarity and search for a value with a high similarity. The maximum delay time Td_max is obtained by the pointer value calculation circuit 117 according to Equation 9, so that a wide range of similarities can be searched and an accurate time axis conversion ratio α can be realized.

Figure 2005221811
Figure 2005221811

ディレイ時間Tdの0からTd_maxまでの増加は1サンプル毎でも良いが、演算量の削減のために数サンプル毎に行っても、音質的には問題ない。   The delay time Td may be increased from 0 to Td_max every sample, but there is no problem in sound quality even if it is performed every few samples in order to reduce the amount of calculation.

ディレイ時間TdがTd_maxになり、音声信号セグメントX1が606で示される区間になり、609_0で示される区間を規準として、609_minで示される区間から609_maxで示される区間まで音声信号セグメントX2をシフトさせた時、類似度の探索は終わる。そして類似度の評価関数が二乗誤差の場合には、判定回路106は類似度計算回路105が出力する二乗誤差の最小値を検出し、類似度の評価関数が相関関数の場合には、判定回路106は類似度計算回路105が出力する相関関数の最大値を検出する。パラメータ記憶回路116は、判定回路106が最高の類似度を検出した時のディレイ時間Tdとシフト時間Tcを記憶しており、それを最適ディレイ時間Td_optと最適シフト時間Tc_optとする。パラメータ記憶回路116に記憶されている最適ディレイ時間Td_optに基づいて、ポインタ制御回路118が第1のポインタ602_iを開始点とし時間長Td_optの音声信号X0(616)を記憶回路101から読み出し、出力バッファ回路114に出力する。次にパラメータ記憶回路116に記憶されている最適ディレイ時間Td_optと最適シフト時間Tc_optとに基づいて、ポインタ制御回路118は、605で示される区間の音声信号セグメントX1(610)と、608_optで示される区間の音声信号セグメントX2(611)を記憶回路101から読み出し、第1のバッファメモリ回路103と第2のバッファメモリ回路104とに出力する。窓関数発生回路107は、漸減する窓関数612と漸増する窓関数613とを出力し、第1の乗算回路110は第1のバッファメモリ回路103に蓄えられている音声信号セグメントX1(610)に対して窓関数発生回路107が出力する漸減する窓関数612を乗じてX1‘を出力し、第2の乗算回路111は第2のバッファメモリ回路104に蓄えられている音声信号セグメントX2(611)に対して窓関数発生回路107が出力する漸増する窓関数613を乗じてX2’を出力し、加算回路112は第1の乗算回路110の出力X1‘と第2の乗算回路111の出力X2’とを加算した信号614を出力バッファ回路114に出力する。そしてパラメータ記憶回路116に記憶されている最適ディレイ時間Td_optと最適シフト時間Tc_optとに基づいて、ポインタ制御回路118が音声信号セグメントX2に後続するサンプルを開始点とし、時間長(Tt−Td_opt)の音声信号X3(617)を記憶回路101から読み出し、出力バッファ回路114に出力する。ここで、入力音声信号をそのまま出力する時間長Ttはポインタ値計算回路117が数式10により求めることで、正確な時間軸変換比αの実現が可能となる。   The delay time Td becomes Td_max, and the audio signal segment X1 becomes a section indicated by 606, and the audio signal segment X2 is shifted from the section indicated by 609_min to the section indicated by 609_max with reference to the section indicated by 609_0. Sometimes the similarity search ends. When the similarity evaluation function is a square error, the determination circuit 106 detects the minimum value of the square error output from the similarity calculation circuit 105, and when the similarity evaluation function is a correlation function, the determination circuit 106 106 detects the maximum value of the correlation function output from the similarity calculation circuit 105. The parameter storage circuit 116 stores a delay time Td and a shift time Tc when the determination circuit 106 detects the highest similarity, and uses them as an optimum delay time Td_opt and an optimum shift time Tc_opt. Based on the optimum delay time Td_opt stored in the parameter storage circuit 116, the pointer control circuit 118 reads out the audio signal X0 (616) of the time length Td_opt from the storage circuit 101 starting from the first pointer 602_i, and outputs the output buffer. Output to the circuit 114. Next, based on the optimal delay time Td_opt and the optimal shift time Tc_opt stored in the parameter storage circuit 116, the pointer control circuit 118 is indicated by the audio signal segment X1 (610) in the section indicated by 605 and 608_opt. The audio signal segment X2 (611) in the section is read from the storage circuit 101 and output to the first buffer memory circuit 103 and the second buffer memory circuit 104. The window function generation circuit 107 outputs a gradually decreasing window function 612 and a gradually increasing window function 613, and the first multiplication circuit 110 outputs the audio signal segment X 1 (610) stored in the first buffer memory circuit 103. On the other hand, X1 ′ is output by multiplying the gradually decreasing window function 612 output from the window function generating circuit 107, and the second multiplier circuit 111 outputs the audio signal segment X2 (611) stored in the second buffer memory circuit 104. Is multiplied by a gradually increasing window function 613 output from the window function generation circuit 107 to output X2 ′, and the adder circuit 112 outputs the output X1 ′ of the first multiplier circuit 110 and the output X2 ′ of the second multiplier circuit 111. Is output to the output buffer circuit 114. Then, based on the optimum delay time Td_opt and the optimum shift time Tc_opt stored in the parameter storage circuit 116, the pointer control circuit 118 starts from a sample following the audio signal segment X2, and has a time length (Tt−Td_opt). The audio signal X3 (617) is read from the storage circuit 101 and output to the output buffer circuit 114. Here, the time length Tt for outputting the input audio signal as it is is obtained by the pointer value calculation circuit 117 using Equation 10, so that an accurate time axis conversion ratio α can be realized.

Figure 2005221811
Figure 2005221811

以上でi番目の処理単位が終了し、引き続きi+1番目の処理単位のために、ポインタ値計算回路117が数式11と数式12により、第1のポインタ602_i+1と第2のポインタ603_i+1を求め、ポインタ制御回路118に出力する。 Thus, the i-th processing unit is completed, and for the i + 1-th processing unit, the pointer value calculation circuit 117 obtains the first pointer 602 — i + 1 and the second pointer 603 — i + 1 using Equations 11 and 12, and performs pointer control. Output to the circuit 118.

Figure 2005221811
Figure 2005221811

Figure 2005221811
Figure 2005221811

このように、速度設定回路115に設定されている時間軸変換比αに基づいて、ポインタ値計算回路117が一定の範囲内で、一部の重複を許す2つの音声信号セグメントの一方をシフトしたり2つの音声信号セグメントの開始点をディレイするような、様々な組み合わせの2つの音声信号セグメントの開始点アドレスを計算し、類似度計算回路105が2つの音声信号セグメント間の類似度を求め、判定回路106がディレイ時間Tdとシフト時間Tcの様々な組み合わせの2つの音声信号セグメント間の類似度から、類似度の高い値を検出し、パラメータ記憶回路116が判定回路106の検出した2つのセグメント間の類似度が高い時のパラメータ(Tc_opt,Td_opt)を記憶する結果、一定の範囲内の様々な音声信号セグメントの組み合わせの中から、類似度が高く重み付け加算するのに最適な音声信号セグメントの組を選択することができるので、音声欠落や音声重複が少なく、音質劣化も少ないという効果がある。   In this way, based on the time axis conversion ratio α set in the speed setting circuit 115, the pointer value calculation circuit 117 shifts one of the two audio signal segments that allow some overlap within a certain range. The start point addresses of two audio signal segments in various combinations, such as delaying the start points of two audio signal segments, and the similarity calculation circuit 105 obtains the similarity between the two audio signal segments, The determination circuit 106 detects a high similarity value from the similarities between two audio signal segments of various combinations of the delay time Td and the shift time Tc, and the parameter storage circuit 116 detects the two segments detected by the determination circuit 106. As a result of storing parameters (Tc_opt, Td_opt) when the similarity between them is high, various audio signal segments within a certain range are stored. From the combinations of cement, since the optimum set of audio signal segments for summing the similarity is high weighting can be chosen, less voice missing or audio overlap, there is the effect that less sound quality.

また速度設定回路115に設定されている時間軸変換αとパラメータ記憶回路116に記憶されているパラメータ(Tc_opt,Td_opt)に基づいて、ポインタ値計算回路117がアドレスを計算し、第1のスイッチ回路102と第2のスイッチ回路113が、加算回路112の出力とポインタ値計算回路117が計算したアドレスに基づく記憶回路101からの音声信号の出力とを切り換えて出力バッファ回路114に出力する結果、加算回路112の出力の前後もしくは一方に連続する音声信号(X0,X3)が出力されるので、連続的で滑らかな音声信号を出力することができ、加算回路112の出力の前後に所望の時間軸変換比αになるような時間長の音声信号(X0,X3)を出力できるので、時間軸変換比αを細かく設定でき、かつ所望の時間軸変換比αに精度良く変えることができという効果もある。   The pointer value calculation circuit 117 calculates an address based on the time axis conversion α set in the speed setting circuit 115 and the parameters (Tc_opt, Td_opt) stored in the parameter storage circuit 116, and the first switch circuit 102 and the second switch circuit 113 switch the output of the adder circuit 112 and the output of the audio signal from the storage circuit 101 based on the address calculated by the pointer value calculation circuit 117 and output to the output buffer circuit 114 as a result. Since continuous audio signals (X0, X3) are output before and after the output of the circuit 112, a continuous and smooth audio signal can be output, and a desired time axis can be output before and after the output of the adder circuit 112. Since the audio signal (X0, X3) with a time length that can be converted to α can be output, the time axis conversion ratio α can be set finely. Come, and there is also an effect that can be changed accurately in α desired time axis conversion ratio.

さらにパラメータ記憶回路116に記憶されているパラメータ(Tc_opt,Td_opt)に基づいて、ポインタ値計算回路117がアドレスを計算し、記憶回路101から第1のバッファメモリ回路103と第2のバッファメモリ回路104に類似度が高い一定時間長Tcの音声信号セグメントの組(X1,X2)を読み出し、窓関数発生回路107が漸増する窓関数と漸減する窓関数とを出力し、第1の乗算回路110が第1のバッファメモリ回路103が出力する音声信号セグメントX1に対して窓関数発生回路107が出力する一方の窓関数を乗じ、第2の乗算回路111が第2のバッファメモリ回路104が出力する音声信号セグメントX2に対して窓関数発生回路107が出力する他方の窓関数を乗じ、加算回路112が第1の乗算回路110の出力X1‘と第2の乗算回路111の出力X2’とを重なるように加算する結果、どのような場合でも加算回路112の出力の時間長を一定のセグメント長Tsにでき、音質が低下しにくいという効果もある。   Further, the pointer value calculation circuit 117 calculates an address based on the parameters (Tc_opt, Td_opt) stored in the parameter storage circuit 116, and the first buffer memory circuit 103 and the second buffer memory circuit 104 from the storage circuit 101. , A set (X1, X2) of a speech signal segment having a certain time length Tc having a high degree of similarity is read out, and the window function generation circuit 107 outputs a gradually increasing window function and a gradually decreasing window function, and the first multiplication circuit 110 The audio signal segment X1 output from the first buffer memory circuit 103 is multiplied by one window function output from the window function generation circuit 107, and the second multiplier circuit 111 outputs the audio output from the second buffer memory circuit 104. The signal segment X2 is multiplied by the other window function output from the window function generation circuit 107, and the adder circuit 112 As a result of adding the output X1 ′ of the multiplier circuit 110 and the output X2 ′ of the second multiplier circuit 111 so as to overlap each other, the time length of the output of the adder circuit 112 can be made a constant segment length Ts in any case, There is also an effect that the sound quality is hardly deteriorated.

なお、本実施の形態の類似度計算回路105における評価尺度として、図2に示した二乗誤差の小ささや図3に示した相関関数の大きさを用いたが、ディレイ時間Tdを一定時間以上変えても、類似度が高い2つの音声信号セグメントのシフト時間Tcが同一もしくは変化が少ないという評価尺度を用いることもできる。この場合には、音声信号の定常性が考慮されることとなり、音質改善が期待できる。   As the evaluation scale in the similarity calculation circuit 105 of the present embodiment, the small square error shown in FIG. 2 and the correlation function shown in FIG. 3 are used, but the delay time Td is changed by a certain time or more. However, it is also possible to use an evaluation measure that the shift times Tc of two audio signal segments having high similarity are the same or change little. In this case, the continuity of the audio signal is taken into consideration, and improvement in sound quality can be expected.

なお本実施の形態の類似度計算回路105における評価尺度として、図2に示した正規化していない二乗誤差の小ささや、図3に示した正規化していない相関関数の大きさを用いたが、正規化した二乗誤差の小ささや、正規化した相関関数の大きさを用いることもできる。この場合には、演算量が増加するが、音声信号の振幅の大きさに依存しない評価尺度となるので、音声信号の振幅に影響されずに類似度を求めることができ、音質改善が期待できる。   Note that, as the evaluation measure in the similarity calculation circuit 105 of the present embodiment, the size of the unnormalized square error shown in FIG. 2 and the size of the unnormalized correlation function shown in FIG. 3 are used. It is also possible to use a normalized squared error or a normalized correlation function. In this case, the amount of computation increases, but the evaluation scale does not depend on the amplitude of the audio signal, so that the similarity can be obtained without being influenced by the amplitude of the audio signal, and improvement in sound quality can be expected. .

なお本実施の形態の第1のバッファメモリ回路103と第2のバッファメモリ回路104では、音声信号を音声信号セグメント長Ts単位で記憶回路101から読み込んでいるが、もっと大きい処理単位毎に読み込んでも良い。例えば図5に示す時間軸伸張の場合には、504_minの開始点から509の終了点までを、図6に示す時間軸圧縮の場合には、604の開始点から609_minの終了点までを、第1のバッファメモリ回路103と第2のバッファメモリ回路104に読み込んでしまうことにより、ディレイ時間Tdとシフト時間Tcを変えながら2つの音声信号セグメントの類似度を求める時と、類似度が高い場合のシフト時間Tc_optとディレイ時間Td_optにおける2つの音声信号セグメントを重み付け加算する時に、記憶回路101へのアクセスをしないようにできる。この場合には、記憶回路101から第1のバッファメモリ回路103と第2のバッファメモリ回路104への転送回数が少なくて済むので、処理時間を短縮することが可能となる
(実施の形態2)
図7は、本発明の音声速度変換方法の時間軸伸張(α≧1)の場合のフローチャートで、702の時間軸変換比αを読み込むステップと、703の第1のポインタを初期設定するステップと、704の第2のポインタに第1のポインタに対し音声信号セグメント長Ts後の値を設定するステップと、705の数式4に基づいて時間軸変換比αと音声信号セグメント長Tsとシフト時間の初期値Tc_minにより最大ディレイ時間Td_maxを計算するステップと、706の最小二乗誤差R_minを初期値Nに初期設定するステップと、707のディレイ時間Tdを初期値0に初期設定するステップと、708のシフト時間Tcにシフト時間の初期値Tc_minを設定するステップと、709の数式3に基づいてディレイ時間Tdにおける最大シフト時間Tc_maxを計算するステップと、710の(第1のポインタ+Tc+Td)を開始点としてTs個の音声信号セグメントX1(1〜Ts)を入力するステップと、711の(第2のポインタ+Td)を開始点としてTs個の音声信号セグメントX2(1〜Ts)を入力するステップと、712の数式1に基づいてシフト時間Tcかつディレイ時間Tdの時の音声信号セグメントX1と音声信号セグメントX2の二乗誤差R(Tc,Td)を計算するステップと、713の最小二乗誤差R_minと二乗誤差R(Tc,Td)とを比較し、R_minが二乗誤差R(Tc,Td)よりも大きければステップ714に行き、そうでなければステップ717に行くステップと、714の二乗誤差R(Tc,Td)を新たな最小二乗誤差R_minとして更新するステップと、715のシフト時間Tcを最適シフト時間Tc_optとして更新するステップと、716のディレイ時間Tdを最適ディレイ時間Td_optとして更新するステップと、717のシフト時間Tcを1サンプルだけ増加させるステップと、718のシフト時間Tcと最大シフト時間Tc_maxとを比較し、シフト時間Tcが最大シフト時間Tc_maxよりも大きくない場合にはステップ710に戻り、シフト時間Tcが最大シフト時間Tc_maxよりも大きい場合にはステップ719に進むことで、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変えるステップと、719のディレイ時間Tdを△Tdサンプルだけ増加させるステップと、720のディレイ時間Tdと最大ディレイ時間Td_maxとを比較し、ディレイ時間Tdが最大ディレイ時間Td_maxよりも大きくない場合にはステップ708に戻り、ディレイ時間Tdが最大ディレイ時間Td_maxよりも大きい場合にはステップ721に進むことで、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変えるステップと、721の第2のポインタを開始点としてTd_opt個の音声信号サンプルを入力しそのまま出力するステップと、722の(第1のポインタ+Tc_opt+Td_opt)を開始点としてTs個の音声信号セグメントX1(1〜Ts)を入力するステップと、723の(第2のポインタ+Td_opt)を開始点としてTs個の音声信号セグメントX2(1〜Ts)を入力するステップと、724の数式13に基づいて音声信号セグメントX1(i)に対して漸増する窓関数W1(i)を乗じたものと音声信号セグメントX2(i)に対して漸減する窓関数W2(i)を乗じたものとを加算した信号Y(i)をi=1〜Tsの間計算して出力するステップと、
In the first buffer memory circuit 103 and the second buffer memory circuit 104 of the present embodiment, the audio signal is read from the storage circuit 101 in units of the audio signal segment length Ts, but may be read in units of larger processing units. good. For example, in the case of the time axis extension shown in FIG. 5, from the start point of 504_min to the end point of 509, in the case of time axis compression shown in FIG. 6, from the start point of 604 to the end point of 609_min, When the similarity between two audio signal segments is obtained while changing the delay time Td and the shift time Tc by reading them into the first buffer memory circuit 103 and the second buffer memory circuit 104, and when the similarity is high When the two audio signal segments in the shift time Tc_opt and the delay time Td_opt are weighted and added, the storage circuit 101 can be prevented from being accessed. In this case, since the number of transfers from the memory circuit 101 to the first buffer memory circuit 103 and the second buffer memory circuit 104 can be reduced, the processing time can be shortened (Embodiment 2).
FIG. 7 is a flowchart in the case of the time base extension (α ≧ 1) of the voice speed conversion method of the present invention, a step of reading the time base conversion ratio α of 702, and a step of initializing the first pointer of 703. , The step of setting a value after the audio signal segment length Ts relative to the first pointer to the second pointer of 704, and the time axis conversion ratio α, the audio signal segment length Ts, and the shift time based on Equation 4 of 705 A step of calculating a maximum delay time Td_max from an initial value Tc_min, a step of initializing a minimum square error R_min of 706 to an initial value N, a step of initializing a delay time Td of 707 to an initial value of 0, and a shift of 708 The step of setting the initial value Tc_min of the shift time to the time Tc and the delay time Td based on Equation 3 of 709 A step of calculating a maximum shift time Tc_max; a step of inputting Ts audio signal segments X1 (1 to Ts) starting from 710 (first pointer + Tc + Td); and 711 (second pointer + Td). The step of inputting Ts audio signal segments X2 (1 to Ts) starting from, and the square of the audio signal segment X1 and the audio signal segment X2 at the time of the shift time Tc and the delay time Td based on Equation 712 The step of calculating the error R (Tc, Td) is compared with the least square error R_min and the square error R (Tc, Td) of 713, and if R_min is larger than the square error R (Tc, Td), the process proceeds to step 714. Go to step 717, otherwise go to step 717 and change the square error R (Tc, Td) of 714 to the new minimum A step of updating the multiplication error R_min, a step of updating the shift time Tc of 715 as the optimal shift time Tc_opt, a step of updating the delay time Td of 716 as the optimal delay time Td_opt, and a shift time Tc of 717 of only one sample. The step of increasing is compared with the shift time Tc of 718 and the maximum shift time Tc_max. When the shift time Tc is not greater than the maximum shift time Tc_max, the process returns to step 710, and the shift time Tc is greater than the maximum shift time Tc_max. If larger, the process proceeds to step 719 to change the shift time Tc within the range from the initial value Tc_min to the maximum shift time Tc_max, to increase the delay time Td of 719 by ΔTd samples, and to 720 The ray time Td and the maximum delay time Td_max are compared. If the delay time Td is not greater than the maximum delay time Td_max, the process returns to step 708. If the delay time Td is greater than the maximum delay time Td_max, the process returns to step 721. By proceeding, the step of changing the delay time Td in the range from 0 to the maximum delay time Td_max, the step of inputting Td_opt audio signal samples starting from the second pointer 721, and outputting them as they are, A step of inputting Ts audio signal segments X1 (1 to Ts) starting from 1 pointer + Tc_opt + Td_opt), and Ts audio signal segments X2 (1 to 1) starting from 723 (second pointer + Td_opt) Step to enter Ts) And a window function W2 (i) that gradually decreases with respect to the audio signal segment X2 (i), which is multiplied by the window function W1 (i) that gradually increases with respect to the audio signal segment X1 (i) based on Equation 13 of 724. Calculating and outputting a signal Y (i) obtained by adding the product of i = 1 to Ts;

Figure 2005221811
Figure 2005221811

725の数式5に基づいて入力音声信号をそのまま出力する時間長Ttを計算するステップと、726の(第1のポインタ+Tc_opt+Td_opt+Ts)を開始点として(Tt−Td_opt)個の音声信号を入力してそのまま出力するステップと、727の数式6に基づいて次の処理単位における第2のポインタを設定するステップと、728の数式7に基づいて次の処理単位における第1のポインタを設定するステップと、729の終了でなければステップ706に戻って処理を繰り返し、終了ならばステップ730で終了するステップとを備えている。 A step of calculating a time length Tt for outputting the input voice signal as it is based on Equation 5 of 725, and (Tt−Td_opt) number of voice signals as input starting from (first pointer + Tc_opt + Td_opt + Ts) of 726 A step of outputting; a step of setting a second pointer in the next processing unit based on Formula 6 of 727; a step of setting a first pointer in the next processing unit based on Formula 7 of 728; If not, the process returns to step 706 to repeat the process. If completed, the process ends at step 730.

ただしこのフローチャートでは簡単のため、単位時間とサンプリング周期とを等しいとして表現している。   However, in this flowchart, for simplicity, the unit time and the sampling period are expressed as being equal.

ステップ708とステップ717とステップ718によりシフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変え、ステップ707とステップ719とステップ720によりディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、ステップ710により音声信号セグメントX1の開始点を求めて時間長Tsの音声信号セグメントX1を入力し、ステップ711により音声信号セグメントX2の開始点を求めて時間長Tsの音声信号セグメントX2を入力し、ステップ712で音声信号セグメントX1と音声信号セグメントX2の二乗誤差を類似度の評価関数として計算し、ステップ713とステップ714とステップ715とステップ716で二乗誤差の値が小さい時のディレイ時間Td_optとシフト時間Tc_optを探索することにより、シフト時間Tcの初期値Tc_minと最大シフト時間Tc_maxと最大ディレイ時間Td_maxにより決められる一定の範囲内で、シフト時間Tcとディレイ時間Tdを変えながら、一部の重複を許す2つの音声信号セグメントX1とX2の二乗誤差を求め、最も二乗誤差が小さい時のシフト時間Tcとディレイ時間TdをそれぞれTc_optとTd_optとして記憶する結果、一定の範囲内の様々な音声信号セグメントの組み合わせの中から、類似度が高く重み付け加算をするのに最適な音声信号セグメントの組を選択することができるので、音声欠落や音声重複が少なく、音質劣化も少ないという効果がある。   In step 708, step 717 and step 718, the shift time Tc is changed in the range from the initial value Tc_min to the maximum shift time Tc_max. In steps 707, 719 and 720, the delay time Td is changed in the range from 0 to the maximum delay time Td_max. In step 710, the start point of the audio signal segment X1 is obtained and the audio signal segment X1 having the time length Ts is input. In step 711, the start point of the audio signal segment X2 is obtained and the audio signal segment X2 having the time length Ts is inputted. In step 712, the square error between the audio signal segment X1 and the audio signal segment X2 is calculated as an evaluation function of the similarity. In steps 713, 714, 715, and 716, the delay time Td_op when the square error value is small is calculated. By searching the shift time Tc_opt and the shift time Tc and the delay time Td within a certain range determined by the initial value Tc_min of the shift time Tc, the maximum shift time Tc_max, and the maximum delay time Td_max, As a result of obtaining the square error of the two audio signal segments X1 and X2 that allow overlap and storing the shift time Tc and delay time Td when the square error is the smallest as Tc_opt and Td_opt, respectively, various audio signals within a certain range Since a combination of audio signal segments having a high degree of similarity and optimal for weighted addition can be selected from among the combinations of segments, there is an effect that there are few voice omissions and voice duplications and little deterioration in sound quality.

また、ステップ721により、第2のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力し、ステップ722とステップ723とステップ724により、類似度の高い第1の音声信号セグメントX1(1〜Ts)と第2の音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力し、ステップ725により、音声信号をそのまま出力する時間長Ttを計算し、ステップ726により、第1のポインタとTc_optとTd_optとTsに基づいて開始点を求め、時間長(Tt−Td_opt)の音声信号を入力してそのまま出力することにより、重み付け加算した信号の前端と連続し時間長Td_optの音声信号を出力し、時間長Tsの重み付け加算した音声信号を出力し、重み付け加算した信号の後端と連続し時間長(Tt−Td_opt)の音声信号を入力してそのまま出力する結果、重み付け加算した音声信号の前後もしくは一方に連続する音声信号が出力されるので、連続的で滑らかな音声信号を出力することができ、重み付け加算した音声信号の前後に合計の時間長Ttの音声信号を出力するので、時間軸変換比αを細かく設定でき、かつ所望の時間軸変換比に精度良く変えることができという効果もある。   In step 721, the audio signal having the time length Td_opt is input and output as it is with the second pointer as a starting point, and in step 722, step 723, and step 724, the first audio signal segment X1 ( 1 to Ts) and the second audio signal segment X2 (1 to Ts) are input, and the gradually increasing window function W1 (1 to Ts) and the gradually decreasing window function W2 (1 to Ts) are used to input the audio signal segment X1. And the audio signal segment X2 are weighted and output. In step 725, the time length Tt for outputting the audio signal as it is is calculated. In step 726, the starting point is calculated based on the first pointer, Tc_opt, Td_opt, and Ts. Weighted addition is performed by inputting a sound signal of time length (Tt-Td_opt) and outputting it as it is. An audio signal having a time length Td_opt that is continuous with the front end of the signal is output, an audio signal having a weighted addition of the time length Ts is output, and an audio signal having a time length (Tt−Td_opt) is continuous with the rear end of the weighted and added signal. As a result of inputting and outputting as it is, a continuous audio signal is output before or after the weighted and added audio signal, so that a continuous and smooth audio signal can be output, and before and after the weighted and added audio signal Since the audio signal having the total time length Tt is output, the time axis conversion ratio α can be finely set and can be accurately changed to a desired time axis conversion ratio.

そして、ステップ722とステップ723とステップ724により、類似度の高い第1の音声信号セグメントX1(1〜Ts)と第2の音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力することにより、類似度が高くセグメント長Tsの音声信号セグメントの組X1とX2を入力し、セグメント長Tsの漸増する窓関数W1とセグメント長Tsの漸減する窓関数W2を用いて、第1の音声信号セグメントX1と第2の音声信号セグメントX2とを重なるように重み付け加算する結果、どのような場合でも重み付け加算した音声信号の時間長を一定のセグメント長Tsにでき、音質が低下しにくいという効果もある。   Then, in step 722, step 723, and step 724, the first audio signal segment X1 (1 to Ts) and the second audio signal segment X2 (1 to Ts) having high similarity are input, and the window function W1 that gradually increases is input. (1 to Ts) and the gradually decreasing window function W2 (1 to Ts) are used for weighted addition of the audio signal segment X1 and the audio signal segment X2 to output the audio signal having a high similarity and a segment length Ts. The segment sets X1 and X2 are input, and the first audio signal segment X1 and the second audio signal segment X2 are obtained by using the window function W1 that gradually increases the segment length Ts and the window function W2 that gradually decreases the segment length Ts. As a result of weighted addition so as to overlap, in any case, the time length of the weighted audio signal can be set to a constant segment length Ts, resulting in low sound quality. There is also an effect that is hard.

さらに、ステップ705により、最大ディレイ時間Td_maxを計算し、ステップ709により、最大シフト時間Tc_maxを計算し、ステップ708とステップ717とステップ718により、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変え、ステップ707とステップ719とステップ720により、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、ステップ710とステップ711とステップ712により、第1のポインタと第2のポインタとシフト時間Tcとディレイ時間Tdをパラメータとして音声信号セグメントX1と音声信号セグメントX2の開始点を求め、それぞれの開始点から時間長Tsの音声信号セグメントX1と音声信号セグメントX2を入力し、X1とX2の二乗誤差を計算し、ステップ713とステップ714とステップ715とステップ716により、二乗誤差が小さい時のディレイ時間Td_optとシフト時間Tc_optを探索することにより、音声信号セグメントX1と音声信号セグメントX2の類似度が高くなる場合のTc_optとTd_optを探索する時の、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲に制限し、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲に制限する結果、安定して時間軸変換比αの音声信号を出力できるという効果もある。   Further, in step 705, the maximum delay time Td_max is calculated, in step 709, the maximum shift time Tc_max is calculated. In steps 708, 717, and 718, the shift time Tc is within the range from the initial value Tc_min to the maximum shift time Tc_max. In step 707, step 719, and step 720, the delay time Td is changed in the range of 0 to the maximum delay time Td_max. In steps 710, 711, and 712, the first pointer, the second pointer, and the shift time are changed. The start points of the audio signal segment X1 and the audio signal segment X2 are obtained using Tc and the delay time Td as parameters, and the audio signal segment X1 and the audio signal segment X2 having the time length Ts are input from the respective start points. And X2 are calculated, and the delay time Td_opt and the shift time Tc_opt when the square error is small are searched in Step 713, Step 714, Step 715, and Step 716, thereby obtaining the audio signal segment X1 and the audio signal segment X2. When searching for Tc_opt and Td_opt when the degree of similarity is high, the shift time Tc is limited to the range from the initial value Tc_min to the maximum shift time Tc_max, and the delay time Td is limited to the range from 0 to the maximum delay time Td_max. As a result, there is also an effect that an audio signal having a time axis conversion ratio α can be output stably.

本発明に適用できる類似度を求める時の評価尺度としては、二乗誤差の小ささを用いたが、相関関数の大きさや、ディレイ時間Tdを一定時間以上変えても、類似度が高くなる2つの音声信号セグメントのシフト時間Tc_optが同一もしくは変化が少ないことも適用できる。   Although the small square error is used as an evaluation scale when obtaining the similarity applicable to the present invention, two similarities can be obtained even if the magnitude of the correlation function or the delay time Td is changed over a certain time. It is also applicable that the shift time Tc_opt of the audio signal segment is the same or little changed.

図8は、本発明の音声速度変換方法の時間軸圧縮(α≦1)の場合のフローチャートで、802の時間軸変換比αを読み込むステップと、803の第1のポインタを初期設定するステップと、804の第2のポインタに第1のポインタに対し音声信号セグメント長Ts後の値を設定するステップと、805の数式9に基づいて時間軸変換比αと音声信号セグメント長Tsとシフト時間の初期値Tc_minにより最大ディレイ時間Td_maxを計算するステップと、806の最小二乗誤差R_minを初期値Nに初期設定するステップと、807のディレイ時間Tdを初期値0に初期設定するステップと、808のシフト時間Tcにシフト時間の初期値Tc_minを設定するステップと、809の数式8に基づいてディレイ時間Tdにおける最大シフト時間Tc_maxを計算するステップと、810の(第1のポインタ+Td)を開始点としてTs個の音声信号セグメントX1(1〜Ts)を入力するステップと、811の(第2のポインタ−Tc+Td)を開始点としてTs個の音声信号セグメントX2(1〜Ts)を入力するステップと、812の数式1に基づいてシフト時間Tcかつディレイ時間Tdの時の音声信号セグメントX1と音声信号セグメントX2の二乗誤差R(Tc,Td)を計算するステップと、813の最小二乗誤差R_minと二乗誤差R(Tc,Td)とを比較し、R_minが二乗誤差R(Tc,Td)よりも大きければステップ814に行き、そうでなければステップ817に行くステップと、
814の二乗誤差R(Tc,Td)を新たな最小二乗誤差R_minとして更新するステップと、815のシフト時間Tcを最適シフト時間Tc_optとして更新するステップと、816のディレイ時間Tdを最適ディレイ時間Td_optとして更新するステップと、817のシフト時間Tcを1サンプルだけ増加させるステップと、818のシフト時間Tcと最大シフト時間Tc_maxとを比較し、シフト時間Tcが最大シフト時間Tc_maxよりも大きくない場合にはステップ810に戻り、シフト時間Tcが最大シフト時間Tc_maxよりも大きい場合にはステップ819に進むことで、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変えるステップと、819のディレイ時間Tdを△Tdサンプルだけ増加させるステップと、820のディレイ時間Tdと最大ディレイ時間Td_maxとを比較し、ディレイ時間Tdが最大ディレイ時間Td_maxよりも大きくない場合にはステップ808に戻り、ディレイ時間Tdが最大ディレイ時間Td_maxよりも大きい場合にはステップ821に進むことで、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変えるステップと、821の第1のポインタを開始点としてTd_opt個の音声信号サンプルを入力しそのまま出力するステップと、822の(第1のポインタ+Td_opt)を開始点としてTs個の音声信号セグメントX1(1〜Ts)を入力するステップと、823の(第2のポインタ−Tc_opt+Td_opt)を開始点としてTs個の音声信号セグメントX2(1〜Ts)を入力するステップと、824の数式14に基づいて音声信号セグメントX1(i)に対して漸減する窓関数W2(i)を乗じたものと音声信号セグメントX2(i)に対して漸増する窓関数W1(i)を乗じたものとを加算した信号Y(i)をi=1〜Tsの間計算して出力するステップと、
FIG. 8 is a flowchart in the case of time axis compression (α ≦ 1) of the voice speed conversion method of the present invention, a step of reading the time axis conversion ratio α of 802, and a step of initializing the first pointer of 803. , The step of setting a value after the audio signal segment length Ts relative to the first pointer to the second pointer of 804, and the time axis conversion ratio α, the audio signal segment length Ts, and the shift time based on Equation 9 of 805 A step of calculating a maximum delay time Td_max from an initial value Tc_min, a step of initially setting a minimum square error R_min of 806 to an initial value N, a step of initializing a delay time Td of 807 to an initial value of 0, and a shift of 808 The step of setting the initial value Tc_min of the shift time to the time Tc, and the delay time Td based on Expression 8 of 809 A step of calculating a maximum shift time Tc_max; a step of inputting Ts audio signal segments X1 (1 to Ts) starting from 810 (first pointer + Td); and 811 (second pointer −Tc + Td). ) As a starting point and inputting Ts audio signal segments X2 (1 to Ts), and based on Equation 812, the audio signal segment X1 and audio signal segment X2 at the shift time Tc and delay time Td The step of calculating the square error R (Tc, Td) is compared with the least square error R_min of 813 and the square error R (Tc, Td). If R_min is larger than the square error R (Tc, Td), step 814 is performed. Go to step 817, otherwise go to step 817;
The step of updating the square error R (Tc, Td) of 814 as a new least square error R_min, the step of updating the shift time Tc of 815 as the optimum shift time Tc_opt, and the delay time Td of 816 as the optimum delay time Td_opt The step of updating, the step of increasing the shift time Tc of 817 by one sample, the step of comparing the shift time Tc of 818 and the maximum shift time Tc_max, and the step if the shift time Tc is not greater than the maximum shift time Tc_max Returning to 810, if the shift time Tc is greater than the maximum shift time Tc_max, the process proceeds to step 819 to change the shift time Tc in the range from the initial value Tc_min to the maximum shift time Tc_max, and the delay time Td of 819 is changed. △ Td The delay time Td is compared with the maximum delay time Td_max. If the delay time Td is not greater than the maximum delay time Td_max, the process returns to step 808, and the delay time Td is the maximum delay time Td_max. If the delay time Td is greater than the delay time Td, the process proceeds to step 821 to change the delay time Td in the range from 0 to the maximum delay time Td_max, and Td_opt audio signal samples are input from the first pointer 821 as a starting point. A step of outputting, a step of inputting Ts audio signal segments X1 (1 to Ts) using (first pointer + Td_opt) at 822 as a starting point, and a step 823 (second pointer−Tc_opt + Td_opt) as a starting point. Ts voices Audio signal segment X2 (1 to Ts), audio signal segment X2 (i) multiplied by window function W2 (i) that gradually decreases with respect to audio signal segment X1 (i) based on Equation 824 A signal Y (i) obtained by adding the window function W1 (i) that gradually increases with respect to) to the signal Y (i) is calculated and output;

Figure 2005221811
Figure 2005221811

825の数式10に基づいて入力音声信号をそのまま出力する時間長Ttを計算するステップと、826の(第2のポインタ−Tc_opt+Td_opt+Ts)を開始点として(Tt−Td_opt)個の音声信号を入力してそのまま出力するステップと、827の数式11に基づいて次の処理単位における第1のポインタを設定するステップと、828の数式12に基づいて次の処理単位における第2のポインタを設定するステップと、829の終了でなければステップ806に戻って処理を繰り返し、終了ならばステップ830で終了するステップ
とを備えている。
A step of calculating a time length Tt for outputting the input voice signal as it is based on Formula 10 of 825, and inputting (Tt−Td_opt) number of voice signals starting from 826 (second pointer −Tc_opt + Td_opt + Ts) A step of outputting as it is, a step of setting a first pointer in the next processing unit based on Formula 11 of 827, a step of setting a second pointer in the next processing unit based on Formula 12 of 828, If it is not the end of 829, the process returns to step 806 to repeat the process, and if it is the end, the process ends at step 830.

ただしこのフローチャートでは簡単のため、単位時間とサンプリング周期とを等しいとして表現している。   However, in this flowchart, for simplicity, the unit time and the sampling period are expressed as being equal.

ステップ808とステップ817とステップ818によりシフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変え、ステップ807とステップ819とステップ820によりディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、ステップ810により音声信号セグメントX1の開始点を求めて時間長Tsの音声信号セグメントX1を入力し、ステップ811により音声信号セグメントX2の開始点を求めて時間長Tsの音声信号セグメントX2を入力し、ステップ812で音声信号セグメントX1と音声信号セグメントX2の二乗誤差を類似度の評価関数として計算し、ステップ813とステップ814とステップ815とステップ816で二乗誤差の値が小さい時のディレイ時間Td_optとシフト時間Tc_optを探索することにより、シフト時間Tcの初期値Tc_minと最大シフト時間Tc_maxと最大ディレイ時間Td_maxにより決められる一定の範囲内で、シフト時間Tcとディレイ時間Tdを変えながら、一部の重複を許す2つの音声信号セグメントX1とX2の二乗誤差を求め、最も二乗誤差が小さい時のシフト時間Tcとディレイ時間TdをそれぞれTc_optとTd_optとして記憶する結果、一定の範囲内の様々な音声信号セグメントの組み合わせの中から、類似度が高く重み付け加算をするのに最適な音声信号セグメントの組を選択することができるので、音声欠落や音声重複が少なく、音質劣化も少ないという効果がある。   In step 808, step 817, and step 818, the shift time Tc is changed from the initial value Tc_min to the maximum shift time Tc_max. In steps 807, 819, and 820, the delay time Td is changed from 0 to the maximum delay time Td_max. In step 810, the start point of the audio signal segment X1 is obtained and the audio signal segment X1 having the time length Ts is input. In step 811, the start point of the audio signal segment X2 is obtained and the audio signal segment X2 having the time length Ts is inputted. In step 812, the square error between the audio signal segment X1 and the audio signal segment X2 is calculated as an evaluation function of the similarity, and in steps 813, 814, 815, and 816, the delay time Td_op when the square error value is small. By searching the shift time Tc_opt and the shift time Tc and the delay time Td within a certain range determined by the initial value Tc_min of the shift time Tc, the maximum shift time Tc_max, and the maximum delay time Td_max, As a result of obtaining the square error of the two audio signal segments X1 and X2 that allow overlap and storing the shift time Tc and delay time Td when the square error is the smallest as Tc_opt and Td_opt, respectively, various audio signals within a certain range Since a combination of audio signal segments having a high degree of similarity and optimal for weighted addition can be selected from among the combinations of segments, there is an effect that there are few voice omissions and voice duplications and little deterioration in sound quality.

また、ステップ821により、第1のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力し、ステップ822とステップ823とステップ824により、類似度の高い第1の音声信号セグメントX1(1〜Ts)と第2の音声信号セグメントX2(1〜Ts)を入力し、漸減する窓関数W2(1〜Ts)と漸増する窓関数W1(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力し、ステップ825により、音声信号をそのまま出力する時間長Ttを計算し、ステップ826により、第2のポインタとTc_optとTd_optとTsに基づいて開始点を求め、時間長(Tt−Td_opt)の音声信号を入力してそのまま出力することにより、重み付け加算した信号の前端と連続し時間長Td_optの音声信号を出力し、時間長Tsの重み付け加算した音声信号を出力し、重み付け加算した信号の後端と連続し時間長(Tt−Td_opt)の音声信号を入力してそのまま出力する結果、重み付け加算した音声信号の前後もしくは一方に連続する音声信号が出力されるので、連続的で滑らかな音声信号を出力することができ、重み付け加算した音声信号の前後に合計の時間長Ttの音声信号を出力するので、時間軸変換比αを細かく設定でき、かつ所望の時間軸変換比に精度良く変えることができという効果もある。   In step 821, the audio signal having the time length Td_opt is input and output as it is with the first pointer as a starting point, and in step 822, step 823, and step 824, the first audio signal segment X1 ( 1 to Ts) and the second audio signal segment X2 (1 to Ts) are input, and the gradually decreasing window function W2 (1 to Ts) and the gradually increasing window function W1 (1 to Ts) are used to input the audio signal segment X1. And the audio signal segment X2 are weighted and output. In step 825, the time length Tt for outputting the audio signal as it is is calculated. In step 826, the start point is calculated based on the second pointer, Tc_opt, Td_opt, and Ts. Weighted addition is performed by inputting a sound signal of time length (Tt-Td_opt) and outputting it as it is. An audio signal having a time length Td_opt that is continuous with the front end of the signal is output, an audio signal having a weighted addition of the time length Ts is output, and an audio signal having a time length (Tt−Td_opt) is continuous with the rear end of the weighted and added signal. As a result of inputting and outputting as it is, a continuous audio signal is output before or after the weighted and added audio signal, so that a continuous and smooth audio signal can be output, and before and after the weighted and added audio signal Since the audio signal having the total time length Tt is output, the time axis conversion ratio α can be finely set and can be accurately changed to a desired time axis conversion ratio.

そして、ステップ822とステップ823とステップ824により、類似度の高い第1の音声信号セグメントX1(1〜Ts)と第2の音声信号セグメントX2(1〜Ts)を入力し、漸減する窓関数W2(1〜Ts)と漸増する窓関数W1(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力することにより、類似度が高くセグメント長Tsの音声信号セグメントの組X1とX2を入力し、セグメント長Tsの漸減する窓関数W2とセグメント長Tsの漸増する窓関数W1を用いて、第1の音声信号セグメントX1と第2の音声信号セグメントX2とを重なるように重み付け加算する結果、どのような場合でも重み付け加算した音声信号の時間長を一定のセグメント長Tsにでき、音質が低下しにくいという効果もある。   Then, in step 822, step 823, and step 824, the first audio signal segment X1 (1 to Ts) and the second audio signal segment X2 (1 to Ts) having high similarity are input, and the window function W2 gradually decreases. (1 to Ts) and the gradually increasing window function W1 (1 to Ts) are used for weighted addition of the audio signal segment X1 and the audio signal segment X2 to output the audio signal having a high similarity and a segment length Ts. The segment sets X1 and X2 are input, and the first audio signal segment X1 and the second audio signal segment X2 are obtained by using the window function W2 gradually decreasing the segment length Ts and the window function W1 gradually increasing the segment length Ts. As a result of weighted addition so as to overlap, in any case, the time length of the weighted audio signal can be set to a constant segment length Ts, resulting in low sound quality. There is also an effect that is hard.

さらに、ステップ805により、最大ディレイ時間Td_maxを計算し、ステップ809により、最大シフト時間Tc_maxを計算し、ステップ808とステップ817とステップ818により、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲で変え、ステップ807とステップ819とステップ820により、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、ステップ810とステップ811とステップ812により、第1のポインタと第2のポインタとシフト時間Tcとディレイ時間Tdをパラメータとして音声信号セグメントX1と音声信号セグメントX2の開始点を求め、それぞれの開始点から時間長Tsの音声信号セグメントX1と音声信号セグメントX2を入力し、X1とX2の二乗誤差を計算し、ステップ813とステップ814とステップ815とステップ816により、二乗誤差が小さい時のディレイ時間Td_optとシフト時間Tc_optを探索することにより、音声信号セグメントX1と音声信号セグメントX2の類似度が高くなる場合のTc_optとTd_optを探索する時の、シフト時間Tcを初期値Tc_minから最大シフト時間Tc_maxの範囲に制限し、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲に制限する結果、安定して時間軸変換比αの音声信号を出力できるという効果もある。   Further, in step 805, the maximum delay time Td_max is calculated, in step 809, the maximum shift time Tc_max is calculated, and in steps 808, 817, and 818, the shift time Tc is within the range from the initial value Tc_min to the maximum shift time Tc_max. In step 807, step 819 and step 820, the delay time Td is changed in the range of 0 to the maximum delay time Td_max. In steps 810, 811 and 812, the first pointer, the second pointer and the shift time are changed. The start points of the audio signal segment X1 and the audio signal segment X2 are obtained using Tc and the delay time Td as parameters, and the audio signal segment X1 and the audio signal segment X2 having the time length Ts are input from the respective start points. And the square error of X2, and by searching the delay time Td_opt and the shift time Tc_opt when the square error is small in Step 813, Step 814, Step 815, and Step 816, the audio signal segment X1 and the audio signal segment X2 When searching for Tc_opt and Td_opt when the degree of similarity is high, the shift time Tc is limited to the range from the initial value Tc_min to the maximum shift time Tc_max, and the delay time Td is limited to the range from 0 to the maximum delay time Td_max. As a result, there is also an effect that an audio signal having a time axis conversion ratio α can be output stably.

なお本実施の形態では類似度を求める時の評価尺度としては、ステップ712やステップ812の二乗誤差の小ささを用いたが、相関関数の大きさや、ディレイ時間Tdを一定時間以上変えても、類似度が高くなる2つの音声信号セグメントのシフト時間Tc_optが同一もしくは変化が少ないことも適用できる。   In this embodiment, the smallness of the square error in step 712 or step 812 is used as the evaluation scale when obtaining the similarity, but even if the correlation function size or the delay time Td is changed over a certain time, It can also be applied that the shift times Tc_opt of two audio signal segments having high similarity are the same or change little.

なお本実施の形態の類似度の評価尺度としては、ステップ712やステップ812の正規化していない二乗誤差の小ささを用いたが、正規化した二乗誤差の小ささや、正規化した相関関数の大きさを用いることもできる。この場合には、演算量が増加するが、音声信号の振幅の大きさに依存しない評価尺度となるので、音声信号の振幅に影響されずに類似度を求めることができ、音質改善が期待できる。   Note that the smallness of the unnormalized square error in step 712 and step 812 is used as the similarity evaluation scale of the present embodiment, but the small normalized square error or the normalized correlation function is large. Can also be used. In this case, the amount of computation increases, but the evaluation scale does not depend on the amplitude of the audio signal, so that the similarity can be obtained without being influenced by the amplitude of the audio signal, and improvement in sound quality can be expected. .

なお本実施の形態において、音声信号セグメント間の二乗誤差を求める時に、ステップ710とステップ711やステップ810とステップ811では、音声信号を音声信号セグメント長Ts単位で入力しているが、もっと大きい処理単位毎に入力しても良い。例えば図5に示す時間軸伸張の場合には、504_minの開始点から509の終了点までを、入力してしまい、図6に示す時間軸圧縮の場合には、604の開始点から609_minの終了点までを入力してしまうことにより、ステップ710とステップ711やステップ810とステップ811のように、ディレイ時間Tdとシフト時間Tcを変えながら2つの音声信号セグメントを入力する時や、ステップ721やステップ821のように、時間長Td_optの音声信号を入力する時や、ステップ722とステップ723やステップ822とステップ823のように、シフト時間Tc_optとディレイ時間Td_optにおける2つの音声信号セグメントを入力する時や、ステップ726やステップ826のように、時間長(Tt−Td_opt)の音声信号を入力する時に、音声信号を入力し直さないようにできる。この場合には、既に入力された音声信号を切り出すだけで良く、音声信号の入力回数は少なくて済むので、処理時間を短縮することが可能となる。   In this embodiment, when the square error between audio signal segments is obtained, the audio signal is input in units of audio signal segment length Ts in steps 710 and 711 or steps 810 and 811. You may input for every unit. For example, in the case of the time base extension shown in FIG. 5, the start point from 504_min to the end point of 509 is input, and in the case of time base compression shown in FIG. 6, the end of 609_min from the start point of 604. By inputting up to a point, when two audio signal segments are input while changing the delay time Td and the shift time Tc as in steps 710 and 711 and steps 810 and 811, or in steps 721 and When inputting an audio signal of time length Td_opt as in 821, or when inputting two audio signal segments in the shift time Tc_opt and delay time Td_opt as in steps 722 and 723 and steps 822 and 823, , Time length (Tt, as in step 726 and step 826 When entering the audio signal Td_opt), it can be prevented re-enter the audio signal. In this case, it is only necessary to cut out the voice signal that has already been input, and the number of times the voice signal is input can be reduced, so that the processing time can be shortened.

本発明の音声速度変換装置と音声速度変換方法は、音声の基本周波数を変えずに継続時間長のみを変えることができ、速度を変えても明瞭度が下がりにくいので、ディスク媒体や半導体メモリに記録された音声信号を、使用者が聞き易い速度や聞きたい速度で再生することが必要な用途に適用できる。   The voice speed conversion device and voice speed conversion method of the present invention can change only the duration time without changing the fundamental frequency of the voice, and even if the speed is changed, the intelligibility is not easily lowered. The recorded audio signal can be applied to an application where it is necessary to reproduce the audio signal at a speed at which the user can easily hear it or at a desired speed.

本発明の音声速度変換装置の一実施形態のブロック図The block diagram of one Embodiment of the audio | voice speed converter of this invention 同実施形態の類似度計算回路のブロック図Block diagram of similarity calculation circuit of the same embodiment 同実施形態の類似度計算回路のブロック図Block diagram of similarity calculation circuit of the same embodiment 同実施形態の判定回路のブロック図Block diagram of the determination circuit of the same embodiment 同実施形態の時間軸伸張の場合の処理図(時間軸変換比α=5/4)Processing diagram in the case of time axis extension of the same embodiment (time axis conversion ratio α = 5/4) 同実施形態の時間軸圧縮の場合の処理図(時間軸変換比α=4/5)Processing diagram for time axis compression of the embodiment (time axis conversion ratio α = 4/5) 本発明の音声速度変換方法の一実施形態の時間軸伸張(α≧1)の場合のフローチャートThe flowchart in the case of time-axis expansion | extension ((alpha)> = 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸伸張(α≧1)の場合のフローチャートThe flowchart in the case of time-axis expansion | extension ((alpha)> = 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸伸張(α≧1)の場合のフローチャートThe flowchart in the case of time-axis expansion | extension ((alpha)> = 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸伸張(α≧1)の場合のフローチャートThe flowchart in the case of time-axis expansion | extension ((alpha)> = 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸圧縮(α≦1)の場合のフローチャートThe flowchart in the case of time-axis compression ((alpha) <= 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸圧縮(α≦1)の場合のフローチャートThe flowchart in the case of time-axis compression ((alpha) <= 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸圧縮(α≦1)の場合のフローチャートThe flowchart in the case of time-axis compression ((alpha) <= 1) of one Embodiment of the audio | voice speed conversion method of this invention. 本発明の音声速度変換方法の一実施形態の時間軸圧縮(α≦1)の場合のフローチャートThe flowchart in the case of time-axis compression ((alpha) <= 1) of one Embodiment of the audio | voice speed conversion method of this invention.

符号の説明Explanation of symbols

101 記憶回路
102 第1のスイッチ回路
103 第1のバッファメモリ回路
104 第2のバッファメモリ回路
105 類似度計算回路
106 判定回路
107 窓関数発生回路
108 第3のスイッチ回路
109 第4のスイッチ回路
110 第1の乗算回路
111 第2の乗算回路
112 加算回路
113 第2のスイッチ回路
114 出力バッファ回路
115 速度設定回路
116 パラメータ記憶回路
117 ポインタ値計算回路
118 ポインタ制御回路
119 制御信号発生回路
DESCRIPTION OF SYMBOLS 101 Memory circuit 102 1st switch circuit 103 1st buffer memory circuit 104 2nd buffer memory circuit 105 Similarity calculation circuit 106 Judgment circuit 107 Window function generation circuit 108 3rd switch circuit 109 4th switch circuit 110 1st 1 multiplication circuit 111 second multiplication circuit 112 addition circuit 113 second switch circuit 114 output buffer circuit 115 speed setting circuit 116 parameter storage circuit 117 pointer value calculation circuit 118 pointer control circuit 119 control signal generation circuit

Claims (6)

音声信号セグメントとその音声信号セグメントに一部の重複を許して後続する音声信号セグメントとの類似度を求める類似度計算回路と、前記類似度計算回路が出力する類似度から類似度の高い値を検出する判定回路と、前記判定回路が類似度の高い値を検出した時の2つの音声信号セグメントの時刻情報に関するパラメータを記憶するパラメータ記憶回路と、漸減する窓関数と漸増する窓関数とを出力する窓関数発生回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいた一方の音声信号セグメントに対して前記窓関数発生回路が出力する一方の窓関数を乗じる第1の乗算回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいた他方の音声信号セグメントに対して前記窓関数発生回路が出力する他方の窓関数を乗じる第2の乗算回路と、前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する加算回路と、所望の時間軸変換比になるように前記加算回路の出力の前端に連続する音声信号と前記加算回路の出力の後端に連続する音声信号の両方もしくは一方と加算回路の出力と切り替えて出力するスイッチ回路とを備えていることを特徴とする音声速度変換装置。 A similarity calculation circuit that obtains a similarity between an audio signal segment and a subsequent audio signal segment that allows a part of the audio signal segment to overlap, and a value that is high from the similarity output by the similarity calculation circuit. A determination circuit for detection, a parameter storage circuit for storing parameters relating to time information of two audio signal segments when the determination circuit detects a high similarity value, and a gradually decreasing window function and a gradually increasing window function are output. A window function generating circuit that performs multiplication of one window function output from the window function generating circuit on one audio signal segment based on a parameter stored in the parameter storage circuit, The other window output from the window function generation circuit for the other audio signal segment based on the parameter stored in the parameter storage circuit A second multiplication circuit for multiplying the number, an addition circuit for adding the output of the first multiplication circuit and the output of the second multiplication circuit, and the output of the addition circuit so as to obtain a desired time axis conversion ratio. And a switch circuit for switching and outputting the output of the adder circuit and / or one of the audio signal continuous at the front end of the adder circuit and the output of the adder circuit. apparatus. 音声信号が記録されている記憶回路と、前記記憶回路にアドレス値を出力するポインタ制御回路と、前記記憶回路が出力する音声信号の出力先を第1のバッファメモリ回路と第2のバッファメモリ回路と第2のスイッチ回路とから選択する第1のスイッチ回路と、前記第1のスイッチ回路から出力される音声信号セグメントを蓄える第1のバッファメモリ回路と、前記第1のバッファメモリ回路の内容に一部の重複を許して後続し前記第1のスイッチ回路から出力される音声信号セグメントを蓄える第2のバッファメモリ回路と、前記第1のバッファメモリ回路の内容と前記第2のバッファメモリ回路の内容との類似度を求める類似度計算回路と、前記類似度計算回路が出力する類似度から類似度の高い値を検出する判定回路と、前記判定回路が類似度の高い値を検出した時に前記ポインタ制御回路が出力したアドレス値をポインタ値計算回路が求めるために用いたパラメータを記憶するパラメータ記憶回路と、前記記憶回路に記録されている音声信号を再生する時の時間軸変換比を設定する速度設定回路と、前記速度設定回路に設定されている時間軸変換比に基づいて前記類似度計算回路が類似度を求めるべき2つの音声信号セグメントのアドレス値を計算し、または前記パラメータ記憶回路に記録されているパラメータに基づいて類似度の高い2つの音声信号セグメントおよびその前後に連続する音声信号のアドレス値を計算して前記ポインタ制御回路に出力するポインタ値計算回路と、漸増する窓関数と漸減する窓関数とを出力する窓関数発生回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいて前記記憶回路から出力され前記第1のバッファメモリ回路に蓄えられている音声信号セグメントに対して前記窓関数発生回路が出力する一方の窓関数を乗じる第1の乗算回路と、前記パラメータ記憶回路に記憶されているパラメータに基づいて前記記憶回路から出力され前記第2のバッファメモリ回路に蓄えられている音声信号セグメントに対して前記窓関数発生回路が出力する他方の窓関数を乗じる第2の乗算回路と、前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する加算回路と、前記加算回路の出力と前記第1のスイッチ回路の出力とを選択する第2のスイッチ回路と、前記第2のスイッチ回路の出力を蓄えて出力する出力バッファ回路と、前記類似度計算回路が類似度を計算する時もしくは前記加算回路が前記第1の乗算回路の出力と前記第2の乗算回路の出力とを加算する時には前記第1のスイッチ回路を第1のバッファメモリ回路側もしくは第2のバッファメモリ回路側に倒し、前記加算回路の出力を前記出力バッファ回路に出力する時には前記第2のスイッチ回路を加算回路側に倒し、それ以外の時には前記加算回路の出力の前後と連続する音声信号を前記記憶回路から前記出力バッファ回路に出力するように前記第1のスイッチ回路と前記第2のスイッチ回路とを制御する制御信号発生回路とを備えていることを特徴とする音声速度変換装置。 A storage circuit in which an audio signal is recorded, a pointer control circuit that outputs an address value to the storage circuit, and an output destination of the audio signal output from the storage circuit is a first buffer memory circuit and a second buffer memory circuit The first switch circuit selected from the first switch circuit, the first buffer memory circuit for storing the audio signal segment output from the first switch circuit, and the contents of the first buffer memory circuit A second buffer memory circuit for accumulating an audio signal segment that is allowed to be partially duplicated and subsequently output from the first switch circuit; and contents of the first buffer memory circuit and the second buffer memory circuit A similarity calculation circuit for obtaining a similarity to the content, a determination circuit for detecting a value having a high similarity from the similarity output from the similarity calculation circuit, and the determination circuit A parameter storage circuit for storing parameters used for the pointer value calculation circuit to obtain an address value output by the pointer control circuit when a value having a high degree of similarity is detected, and an audio signal recorded in the storage circuit A speed setting circuit for setting a time axis conversion ratio at the time of reproduction, and addresses of two audio signal segments from which the similarity calculation circuit should obtain a similarity based on the time axis conversion ratio set in the speed setting circuit A value is calculated, or based on the parameters recorded in the parameter storage circuit, two voice signal segments having high similarity and address values of voice signals continuous before and after are calculated and output to the pointer control circuit. A pointer value calculation circuit; a window function generation circuit that outputs a gradually increasing window function and a gradually decreasing window function; and the parameter storage circuit. Is multiplied by one of the window functions output from the window function generating circuit to the audio signal segment output from the storage circuit and stored in the first buffer memory circuit based on the parameter stored in the first buffer memory circuit. The other of the multiplication circuit and the window function generation circuit that outputs the audio signal segment output from the storage circuit and stored in the second buffer memory circuit based on the parameter stored in the parameter storage circuit A second multiplication circuit that multiplies the window function, an addition circuit that adds the output of the first multiplication circuit and the output of the second multiplication circuit, the output of the addition circuit, and the first switch circuit A second switch circuit that selects an output; an output buffer circuit that stores and outputs the output of the second switch circuit; and the similarity calculation circuit calculates the similarity Or when the adder circuit adds the output of the first multiplier circuit and the output of the second multiplier circuit, the first switch circuit is connected to the first buffer memory circuit side or the second buffer memory circuit. When the output of the adder circuit is output to the output buffer circuit, the second switch circuit is tilted to the adder circuit side, and in other cases, the audio signal continuous with before and after the output of the adder circuit is stored in the memory. An audio speed conversion apparatus comprising: a control signal generation circuit that controls the first switch circuit and the second switch circuit so as to output from the circuit to the output buffer circuit. 開始点を基準として時間軸変換比αと音声信号セグメント長Tsとシフト時間の初期値Tc_minにより決められる一定の範囲内で、シフト時間Tcとディレイ時間Tdを変えながら切り出した2つの音声信号セグメント間の類似度を計算し、類似度の高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップと、
開始点から時間長Td_optの音声信号を入力してそのまま出力するステップと、
Tc_optとTd_optをパラメータとして音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力するステップと、
時間軸変換比αと音声信号セグメント長Tsと類似度の高いシフト時間Tc_optに基づいてそのまま出力する音声信号の時間長Ttを計算し、重み付け加算した音声信号に後続する時間長(Tt−Td_opt)の音声信号を入力してそのまま出力するステップと、
次の処理のために開始点を設定するステップと、
終了でなければ最初のステップに戻るステップ、
とを有することを特徴とする音声速度変換方法。
Between two audio signal segments cut out while changing the shift time Tc and the delay time Td within a certain range determined by the time axis conversion ratio α, the audio signal segment length Ts, and the initial value Tc_min of the shift time with reference to the start point. Calculating a delay time Td_opt and a shift time Tc_opt when the similarity is high;
Inputting a voice signal having a time length Td_opt from the start point and outputting it as it is;
The audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts) are input using Tc_opt and Td_opt as parameters, and a gradually increasing window function W1 (1 to Ts) and a gradually decreasing window function W2 (1 to Ts). A step of weighting and outputting the audio signal segment X1 and the audio signal segment X2 using
The time length Tt of the audio signal to be output as it is is calculated based on the time axis conversion ratio α, the audio signal segment length Ts, and the shift time Tc_opt having a high degree of similarity, and the time length following the weighted and added audio signal (Tt−Td_opt) Input the audio signal of and output as it is,
Setting a starting point for the next process;
Step to return to the first step if not finished,
An audio speed conversion method characterized by comprising:
時間軸変換比αを読み込むステップと、
第1のポインタと第1のポインタのTs後の第2のポインタを設定するステップと、
時間軸変換比αと音声信号セグメント長Tsとシフト時間の初期値Tc_minに基づいて最大ディレイ時間Td_maxを計算するステップと、
類似度を初期設定するステップと、
シフト時間Tcを初期値Tc_minからディレイ時間Tdと音声信号セグメント長Tsと時間軸変換比αにより決まる最大シフト時間Tc_maxの範囲で変え、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、第1のポインタと第2のポインタとシフト時間Tcとディレイ時間Tdをパラメータとして音声信号セグメントX1と音声信号セグメントX2の開始点を求め、それぞれの開始点から時間長Tsの音声信号セグメントX1と音声信号セグメントX2を入力し、X1とX2の類似度を計算し、類似度が高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップと、
第1のポインタもしくは第2のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力するステップと、
第1のポインタと第2のポインタとTc_optとTd_optをパラメータとして類似度の高い音声信号セグメントX1(1〜Ts)と音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用いて、音声信号セグメントX1と音声信号セグメントX2とを重み付け加算して出力するステップと、
時間軸変換比αと音声信号セグメント長Tsと類似度の高いシフト時間Tc_optに基づいて音声信号をそのまま出力する時間長Ttを計算し、第1のポインタもしくは第2のポインタとTc_optとTd_optとTsに基づいて開始点を求め、時間長(Tt−Td_opt)の音声信号を入力してそのまま出力するステップと、
音声信号セグメント長Tsと音声信号をそのまま出力する時間長Ttと類似度が高い時のシフト時間Tc_optに基づいて、第1のポインタと第1のポインタのTs後の第2のポインタを設定するステップと、
終了でなければ類似度を初期設定するステップに戻るステップ、
とを有することを特徴とする音声速度変換方法。
Reading the time axis conversion ratio α,
Setting a first pointer and a second pointer after Ts of the first pointer;
Calculating a maximum delay time Td_max based on the time axis conversion ratio α, the audio signal segment length Ts, and the initial value Tc_min of the shift time;
Initializing the similarity,
The shift time Tc is changed from the initial value Tc_min in the range of the maximum shift time Tc_max determined by the delay time Td, the audio signal segment length Ts, and the time axis conversion ratio α, and the delay time Td is changed in the range of 0 to the maximum delay time Td_max. The start points of the audio signal segment X1 and the audio signal segment X2 are obtained by using the pointer 1, the second pointer, the shift time Tc, and the delay time Td as parameters, and the audio signal segment X1 and the audio signal having the time length Ts from the respective start points. Inputting a segment X2, calculating a similarity between X1 and X2, and searching for a delay time Td_opt and a shift time Tc_opt when the similarity is high;
Inputting a voice signal having a time length Td_opt from the first pointer or the second pointer as a starting point and outputting it as it is;
The audio signal segment X1 (1 to Ts) and the audio signal segment X2 (1 to Ts) having high similarity are input using the first pointer, the second pointer, Tc_opt, and Td_opt as parameters, and the window function W1 (1 ~ Ts) and the gradually decreasing window function W2 (1 ~ Ts), the audio signal segment X1 and the audio signal segment X2 are weighted and output, and
Based on the time axis conversion ratio α, the audio signal segment length Ts, and the shift time Tc_opt having a high similarity, the time length Tt for outputting the audio signal as it is is calculated, and the first pointer or the second pointer and Tc_opt, Td_opt, and Ts are calculated. Obtaining a starting point on the basis of a voice signal having a time length (Tt−Td_opt) and outputting it as it is;
A step of setting the first pointer and the second pointer after Ts of the first pointer based on the audio signal segment length Ts, the time length Tt for outputting the audio signal as it is, and the shift time Tc_opt when the similarity is high When,
If not finished, return to the step of initializing the similarity,
An audio speed conversion method characterized by comprising:
時間軸変換比α(≧1.0)を読み込むステップと、
第1のポインタにスタート点を設定するステップと、
第2のポインタに第1のポインタ+Tsの値を設定するステップと、
最大ディレイ時間Td_max=(Ts−α×Tc_min)/(α−1)を計算するステップと、
類似度を初期設定するステップと、
シフト時間Tcを初期値Tc_minから最大シフト時間Tc_max=(Ts+Td)/α−Tdの範囲で変え、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、(第1のポインタ+Tc+Td)を開始点として時間長Tsの音声信号セグメントX1を入力し、(第2のポインタ+Td)を開始点として時間長Tsの音声信号セグメントX2を入力し、X1とX2の類似度を計算し、類似度が高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップと、
第2のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力するステップと、
(第1のポインタ+Tc_opt+Td_opt)を開始点として時間長Tsの音声信号セグメントX1(1〜Ts)を入力し、(第2のポインタ+Td_opt)を開始点として時間長Tsの音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用い、W1(i)×X1(i)+W2(i)×X2(i)をi=1〜Tsの範囲で計算して出力するステップと、
Tt=(Ts−α×Tc_opt)/(α−1)を計算し、(第1のポインタ+Tc_opt+Td_opt+Ts)を開始点として時間長(Tt−Td_opt)の音声信号を入力してそのまま出力するステップと、
第2のポインタに第1のポインタ+Tc_opt+Ts+Ttを設定するステップと、
第1のポインタに第2のポインタ−Tsを設定するステップと、
終了でなければ類似度を初期設定するステップに戻るステップ、
とを有することを特徴とする音声速度変換方法。
Reading a time axis conversion ratio α (≧ 1.0);
Setting a start point in the first pointer;
Setting the value of the first pointer + Ts to the second pointer;
Calculating a maximum delay time Td_max = (Ts−α × Tc_min) / (α−1);
Initializing the similarity,
The shift time Tc is changed from the initial value Tc_min to the maximum shift time Tc_max = (Ts + Td) / α-Td, the delay time Td is changed from 0 to the maximum delay time Td_max, and (first pointer + Tc + Td) is the starting point Is input with the audio signal segment X1 with the time length Ts, and the audio signal segment X2 with the time length Ts is input with (second pointer + Td) as the starting point, and the similarity between X1 and X2 is calculated, and the similarity is high Searching for time delay time Td_opt and shift time Tc_opt;
Inputting a voice signal having a time length Td_opt with the second pointer as a starting point and outputting it as it is;
An audio signal segment X1 (1 to Ts) having a time length Ts is input with (first pointer + Tc_opt + Td_opt) as a starting point, and an audio signal segment X2 (1 to Ts) having a time length Ts with (second pointer + Td_opt) as a starting point. Ts) is input, and a gradually increasing window function W1 (1 to Ts) and a gradually decreasing window function W2 (1 to Ts) are used, and W1 (i) × X1 (i) + W2 (i) × X2 (i) is set to i Calculating and outputting within a range of = 1 to Ts;
Calculating Tt = (Ts−α × Tc_opt) / (α−1), inputting a voice signal having a time length (Tt−Td_opt) from (first pointer + Tc_opt + Td_opt + Ts) as a start point, and outputting the speech signal as it is;
Setting the first pointer + Tc_opt + Ts + Tt to the second pointer;
Setting a second pointer -Ts to the first pointer;
If not finished, return to the step of initializing the similarity,
An audio speed conversion method characterized by comprising:
時間軸変換比α(≦1.0)を読み込むステップと、
第1のポインタにスタート点を設定するステップと、
第2のポインタに第1のポインタ+Tsの値を設定するステップと、
最大ディレイ時間Td_max=((2×α−1)Ts−α×Tc_min)/(1−α)を計算するステップと、
類似度を初期設定するステップと、
シフト時間Tcを初期値Tc_minから最大シフト時間Tc_max=2×Ts+Td−(Ts+Td)/αの範囲で変え、ディレイ時間Tdを0から最大ディレイ時間Td_maxの範囲で変え、(第1のポインタ+Td)を開始点として時間長Tsの音声信号セグメントX1を入力し、(第2のポインタ−Tc+Td)を開始点として時間長Tsの音声信号セグメントX2を入力し、X1とX2の類似度を計算し、類似度が高い時のディレイ時間Td_optとシフト時間Tc_optを探索するステップと、
第1のポインタを開始点として時間長Td_optの音声信号を入力してそのまま出力するステップと、
(第1のポインタ+Td_opt)を開始点として時間長Tsの音声信号セグメントX1(1〜Ts)を入力し、(第2のポインタ−Tc_opt+Td_opt)を開始点として時間長Tsの音声信号セグメントX2(1〜Ts)を入力し、漸増する窓関数W1(1〜Ts)と漸減する窓関数W2(1〜Ts)を用い、W2(i)×X1(i)+W1(i)×X2(i)をi=1〜Tsの範囲で計算して出力するステップと、
Tt=((2×α−1)Ts−α×Tc_opt)/(1−α)を計算し、(第2のポインタ−Tc_opt+Td_opt+Ts)を開始点として時間長(Tt−Td_opt)の音声信号を入力してそのまま出力するステップと、
第1のポインタに第2のポインタ−Tc_opt+Ts+Ttを設定するステップと、
第2のポインタに第1のポインタ+Tsを設定するステップと、
終了でなければ類似度を初期設定するステップに戻るステップ、
とを有することを特徴とする音声速度変換方法。
Reading a time axis conversion ratio α (≦ 1.0);
Setting a start point in the first pointer;
Setting the value of the first pointer + Ts to the second pointer;
Calculating a maximum delay time Td_max = ((2 × α−1) Ts−α × Tc_min) / (1−α);
Initializing the similarity,
The shift time Tc is changed from the initial value Tc_min to the maximum shift time Tc_max = 2 × Ts + Td− (Ts + Td) / α, the delay time Td is changed from 0 to the maximum delay time Td_max, and (first pointer + Td) is changed. An audio signal segment X1 having a time length Ts is input as a starting point, an audio signal segment X2 having a time length Ts is input using (second pointer −Tc + Td) as a starting point, and the similarity between X1 and X2 is calculated. Searching for a delay time Td_opt and a shift time Tc_opt when the degree is high;
Inputting a voice signal having a time length Td_opt starting from the first pointer and outputting it as it is;
An audio signal segment X1 (1 to Ts) having a time length Ts is input starting from (first pointer + Td_opt), and an audio signal segment X2 (1) having a time length Ts starting from (second pointer -Tc_opt + Td_opt) ˜Ts), and gradually increasing window function W1 (1 to Ts) and gradually decreasing window function W2 (1 to Ts), W2 (i) × X1 (i) + W1 (i) × X2 (i) calculating and outputting in the range of i = 1 to Ts;
Tt = ((2 × α−1) Ts−α × Tc_opt) / (1−α) is calculated, and an audio signal having a time length (Tt−Td_opt) is input starting from (second pointer−Tc_opt + Td_opt + Ts). And output as it is,
Setting a second pointer −Tc_opt + Ts + Tt to the first pointer;
Setting the first pointer + Ts to the second pointer;
If not finished, return to the step of initializing the similarity,
An audio speed conversion method characterized by comprising:
JP2004030325A 2004-02-06 2004-02-06 Voice speed conversion device and voice speed conversion method Expired - Fee Related JP4442239B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2004030325A JP4442239B2 (en) 2004-02-06 2004-02-06 Voice speed conversion device and voice speed conversion method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004030325A JP4442239B2 (en) 2004-02-06 2004-02-06 Voice speed conversion device and voice speed conversion method

Publications (3)

Publication Number Publication Date
JP2005221811A true JP2005221811A (en) 2005-08-18
JP2005221811A5 JP2005221811A5 (en) 2007-03-01
JP4442239B2 JP4442239B2 (en) 2010-03-31

Family

ID=34997485

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004030325A Expired - Fee Related JP4442239B2 (en) 2004-02-06 2004-02-06 Voice speed conversion device and voice speed conversion method

Country Status (1)

Country Link
JP (1) JP4442239B2 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100717393B1 (en) 2006-02-09 2007-05-11 삼성전자주식회사 Method and apparatus for measuring confidence about speech recognition in speech recognizer
JP2010015152A (en) * 2008-07-03 2010-01-21 Thomson Licensing Method for time scaling of sequence of input signal values
JP2010017216A (en) * 2008-07-08 2010-01-28 Ge Medical Systems Global Technology Co Llc Voice data processing apparatus, voice data processing method and imaging apparatus
CN101169935B (en) * 2006-10-23 2010-09-29 索尼株式会社 Apparatus and method for expanding/compressing audio signal
JP2011007959A (en) * 2009-06-24 2011-01-13 Ge Medical Systems Global Technology Co Llc Speech data processing device, magnetic resonance imaging device, speech data processing method and program

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100717393B1 (en) 2006-02-09 2007-05-11 삼성전자주식회사 Method and apparatus for measuring confidence about speech recognition in speech recognizer
CN101169935B (en) * 2006-10-23 2010-09-29 索尼株式会社 Apparatus and method for expanding/compressing audio signal
JP2010015152A (en) * 2008-07-03 2010-01-21 Thomson Licensing Method for time scaling of sequence of input signal values
US8676584B2 (en) 2008-07-03 2014-03-18 Thomson Licensing Method for time scaling of a sequence of input signal values
JP2010017216A (en) * 2008-07-08 2010-01-28 Ge Medical Systems Global Technology Co Llc Voice data processing apparatus, voice data processing method and imaging apparatus
JP2011007959A (en) * 2009-06-24 2011-01-13 Ge Medical Systems Global Technology Co Llc Speech data processing device, magnetic resonance imaging device, speech data processing method and program

Also Published As

Publication number Publication date
JP4442239B2 (en) 2010-03-31

Similar Documents

Publication Publication Date Title
JP4675692B2 (en) Speaking speed converter
WO2002082428A1 (en) Time-scale modification of signals applying techniques specific to determined signal types
KR20030024784A (en) Continuously variable time scale modification of digital audio signals
JPH11194796A (en) Speech reproducing device
WO2007124582A1 (en) Method for the time scaling of an audio signal
EP2881944B1 (en) Audio signal processing apparatus
JP2012108451A (en) Audio processor, method and program
JP4442239B2 (en) Voice speed conversion device and voice speed conversion method
KR20080036518A (en) Apparatus and method for expanding/compressing audio signal
US20070011001A1 (en) Apparatus for predicting the spectral information of voice signals and a method therefor
JP3576800B2 (en) Voice analysis method and program recording medium
JP6284003B2 (en) Speech enhancement apparatus and method
JP4596197B2 (en) Digital signal processing method, learning method and apparatus, and program storage medium
JP3378672B2 (en) Speech speed converter
JP3379348B2 (en) Pitch converter
WO2017119368A1 (en) Signal processing method and signal processing device
JPH10301594A (en) Sound detecting device
JP3422716B2 (en) Speech rate conversion method and apparatus, and recording medium storing speech rate conversion program
US20070269056A1 (en) Method and Apparatus for Audio Signal Expansion and Compression
JP2005221811A5 (en)
JPH0962298A (en) Speech signal time compression device, speech signal time expansion device, and speech coding/decoding device using these devices
JP3357742B2 (en) Speech speed converter
JP6652469B2 (en) Decoding device, decoding method, and program
JPH07191695A (en) Speaking speed conversion device
JP3733964B2 (en) Sound source waveform synthesizer using analysis results

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20070111

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070111

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20070214

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090901

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090915

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20091116

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20091120

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20091222

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20100104

R151 Written notification of patent or utility model registration

Ref document number: 4442239

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130122

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140122

Year of fee payment: 4

LAPS Cancellation because of no payment of annual fees