JP2005221811A5 - - Google Patents

Claims (6)

1. 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シフト時間およびディレイ時間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。
2. 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２つの音声信号セグメントのシフト時間およびディレイ時間に関する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。
3. 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。
4. 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。
5. 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。
6. 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。