JP2007003682A

JP2007003682A - 話速変換装置

Info

Publication number: JP2007003682A
Application number: JP2005181843A
Authority: JP
Inventors: Kaori Endou; 香緒里遠藤; Takashi Ota; 恭士大田; Taro Togawa; 太郎外川
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2005-06-22
Filing date: 2005-06-22
Publication date: 2007-01-11
Anticipated expiration: 2025-06-22
Also published as: EP1736967A2; JP4675692B2; US7664650B2; DE602005017884D1; EP1736967B1; EP1736967A3; CN100578623C; US20060293883A1; CN1885405A

Abstract

【課題】話速変換装置に関し、特に音声が含まれる信号に対して、声の高さや音色等の速度以外の性質を変えることなく、音質を劣化させずに音声の速度を変更する装置を提供する。
【解決手段】話速変換装置は、音声波形データと線形予測に基づく音声符号が入力され、該入力された信号をその性質によって分類する音声分類手段４１と、該分類に基づいて音声波形を用いた速度変換処理と音声符号を用いた速度変換処理のいずれか一方又は両方を選択し、該選択した方法によって該入力された信号の話速度を変更する速度調節手段４２と、を有する。
【選択図】図５

Description

本発明は話速変換装置に関し、特に音声が含まれる信号に対して、声の高さや音色等の速度以外の性質を変えることなく、音質を劣化させずに音声の速度を変更する装置に関するものである。

話速変換装置は、電話システムや音声の再生システム等で使用され、受信した音声や記録された音声の再生時にその音声の速度を変更することで、利用者にとって都合の良い速度で受信内容や記録内容を聞けるようにするものである。例えば、電話で相手の声が早口で聞き取りにくいときような場合、リアルタイムに又は再生の際に速度を遅くすることで相手のスピーチ内容を聞き取りやすくする。一方、音声の再生時に速度を速くすることで、実際に録音された時間よりも短い時間で録音内容を聞き取れるようにする。

図１は、話速変換装置を、電話機等の音声通信システムに適用した一例を示している。
図１では、デジタル回線等を介して電話機の受信部１０で受信された音声符号が復号部１１で音声波形信号に復元され、その音声波形信号は話速変換装置を含む話速変換部１２で例えば遅い速度に変換されて受話器等の出力部１３から外部に音声出力される。なお、本例では復号部１１により音声符号を一旦音声波形に復元しているが、受信部１０で受信した音声符号をそのまま話速変換部１２で速度変換し、その速度変換された音声符号を復号してから出力部１３へ入力するようにしてもよい。

ところで、話速変換の手法としては、ＴＤＨＳ (Time-Domain Harmonic Scaling) が広く知られている。ＴＤＨＳでは、速度を変えようとする音声に対して、その波形を基本周波数で繰り返したり、間引いたりすることによって速度を調節する。また、このような波形の繰り返し／間引きによる速度調節を改良した手法も存在し、一例として音声を分類してその分類毎に速度変換方法を切り替える。

図２には、音声波形を用いた従来の話速変換装置の一構成例を示している。
本例において、入力音声波形は音声分類部２０によって「有声」と「無声」とに分類され、ピッチ周期算出部２１は入力音声波形が「有声」の場合にそのピッチ周期を算出し、発生速度変換部２２は算出されたピッチ周期に基づいて入力される「有声」波形を繰り返したり間引いたりすることによって速度調節を行う。

下記に示す特許文献１では、音声を「母音」、「有声子音」、「無声子音」、「無音」に分類し、「母音」と「有声子音」はピッチ周期で音声波形を繰り返し又は間引くことによって速度変換を行う。そして、「無声子音」は子音の性質に応じて伸縮を行わないか又は定めた長さとなるように前後波形を繰り返し又は削除することによって速度変換を行う。一方、「無音」は定めた長さとなるように前後波形を繰り返し又は削除することによって速度変換を行う。

また、下記に示す特許文献２では、音声を「有声」、「無声」、「無音」に分類し、「有声」はピッチ周期で音声波形を繰り返し又は間引くことによって速度変換を行い、「無声」は加工せず、そして「無音」は予め定めた倍率で波形を伸縮させることによって速度変換を行う。

さらに、下記に示す特許文献３では、音声を「有声」、「無声」、「無音」に分類し、「有声」はピッチ周期で音声波形を繰り返し又は間引くことによって速度変換を行い、「無声」は固定の周期（擬似ピッチ）で間引きし又は繰り返すことによって速度変換を行う。そして、「無音」は定められた伸縮比率に従って波形を繰り返し又は間引くことによって速度変換を行う。

図３には、音声符号を用いた従来の話速変換装置の一構成例を示している。
本例では、入力音声の線形予測分析によって既にその残差信号と線形予測係数が求められている。ピッチ周期算出部３０は、その残差信号を用いて入力信号のピッチ周期を算出し、発声速度変換部３１は算出されたピッチ周期に基づいて繰り返し／間引きされた残差信号を出力することで速度変換を実行すると伴にその速度変換情報を線形予測係数修正部３２に与える。

線形予測係数修正部３２では、速度変換情報に基づいて前記繰り返し／間引きされた残差信号に対応する線形予測係数を修正して出力する。合成部３３は、発声速度変換部３１から入力される残差信号を線形予測係数修正部３２から与えられる線形予測係数を用いてフィルタリングすることで速度変換された音声波形を出力する。

下記に示す特許文献４には、線形予測分析を行って線形予測係数と予測残差信号に分離し、ピッチ性がより強く現れた予測残差信号をピッチ周期で繰り返し又は間引くことによってピッチ抽出誤りによる劣化を改善する方法が示されている。線形予測分析を用いる場合、ピッチ分析の精度を向上させることを目的として音声波形よりもピッチ性が強く現れる予測残差を用いてピッチを抽出し、抽出したピッチ周期で予測残差の繰り返し又は間引きが行われる。

また、下記に示す特許文献５には、音声符号を用いてマルチパルス音源を「０」詰めすることによって延長し、又は打ち切ることによって短縮する速度変換の方法が示されている。

特許第２６１２８６８号公報特許第３３２７９３６号公報特許第３４３９３０７号公報特開平１１−３１１９９７号公報特許第３２８５４７２号公報

しかしながら、上述した従来技術には以下に示す問題点があった。
（１）音声波形を用いて速度変換を行う場合の問題点
特許文献１では、「無声子音」のうち「流音」、「破裂性・破察性」、「破裂」と判別された区間以外は波形の繰り返しや間引きを行うため、その波形の繰り返しや間引きによって本来存在しない周期性が現れて音質が劣化するという問題があった。

また、特許文献２では、「無声」は加工をほどこさないことから、伸縮を行う他の区間との長さのバランスが崩れて音質が劣化するという問題があった。この場合、伸縮できる区間が少なくなるために大きな伸縮ができないという問題もあった。さらに、特許文献３では、「無声」を固定の周期（擬似ピッチ）で間引きし又は繰り返すため、本来存在しない周期性が現れて音質が劣化するという問題があった。

（２）線形予測分析等の音声符号を用いて速度変換を行う場合の問題点
特許文献４では、特にピッチ周期自体が存在しない無声区間等において、不定のピッチ（ピッチ値が極端に大きな又は小さな値の間で変動）により極端に長い区間や短い区間で繰り返しや間引きが行われるという問題があった。それにより、ＬＰＣ係数が変化する区間においてＬＰＣ係数と予測残差のミスマッチが発生し、音質が劣化するという問題もあった。

特許文献５では、音声符号を用いてマルチパルス音源を「０」詰めすることによって延長し、又は打ち切ることによって短縮するが、ここでもピッチ性のない無声区間では速度調節ができないという問題があった。そのため、伸縮を行う他の区間との長さのバランスが崩れて音質が劣化する恐れもあった。また、「０」詰めすることによって伸縮できる区間が減少するため、大きな伸縮ができなくなるという問題もあった。

そこで本発明の目的は、上記種々の問題点に鑑み、音声波形データと線形予測に基づく音声符号の双方を用い、入力音声の性質に応じてその音声波形データと音声符号のいずれか一方又は両方を用いる速度調節方法に適宜切り替えることで、音声劣化を伴わずに速度調節を行う話速変換装置を提供することにある。

本発明によれば、音声波形データと線形予測に基づく音声符号を用いて話速度の調節を行う話速変換装置が提供される。
また本発明によれば、音声波形データと線形予測に基づく音声符号が入力され、該入力された信号をその性質によって分類する音声分類手段と、該分類に基づいて音声波形を用いた速度変換処理と音声符号を用いた速度変換処理のいずれか一方又は両方を選択し、該選択した方法によって該入力された信号の話速度を変更する速度調節手段と、を有する話速変換装置が提供される。さらに、該速度変換処理には、該分類に基づいて速度変換の度合いを調節することが含まれる。

本発明では、音声波形データと音声符号の双方を用いるため、音声の性質によって使用するそれらの情報を適宜使い分けることができる。その結果、従来のようにどちらか一方だけを用いて速度変換する場合と比べて生成した速度変換音声の音質が顕著に向上する。

また、本発明では入力信号をその性質に応じて細分類し、各分類に応じて音声波形データと音声符号のうちでより劣化が少ない方法を適宜選択して適用する。そのため、従来のようにどちらか一方だけを用いる場合と比べて生成した速度変換音声の音質が一層向上する。後述するように、「周期的」区間は音声波形による速度変換が適しており、「非周期的かつ定常的」区間は、残差の繰り返しや削除によって不連続が生じても線形予測フィルタを通すことでその不連続性が緩和され、音声符号による速度変換がより適している。

さらに、本発明では、音声波形データと音声符号の両方を同時に用い、各々の加重された速度調節を組み合わせることで音声劣化を一層低減させた速度調節が可能となる。

図４は、本発明による話速変換装置の基本構成を示したものである。
図４において、速度変換手段４０には、音声波形と音声符号が入力され、音声の性質に応じてそれらのいずれか一方又は両方を使った速度調節を行い、速度調節後の音声が出力される。

図５には、図４の速度変換手段４０の一構成例を示している。
図５において、音声分類手段４１は入力音声をその音声特性により分類し、そして速度調節手段４２はその音声分類結果に応じて音声波形と音声符号のいずれか一方又は両方を使った速度調節方法を適宜選択し、その選択した方法で速度調節を行った音声を出力する。音声分類手段４１は、ＣＰＵやＤＳＰを搭載し、ＲＯＭ、ＲＡＭやＩ／Ｏペリフェラルデバイス等を含む通常のＣＰＵ回路で構成される。速度調節手段４２も同様に構成されるが、以下に示すブロック構成を有する。

図６は、図５の速度調節手段４２の一構成例を示したものである。また、図７には、図６の処理フローの一例を示している。
本例では、音声波形データとその線形予測演算によって得られる音声符号のうちいずれか一方だけを使って速度調節を行う。入力選択部４３は、音声分類手段４１からの音声分類に基づいて、入力されたい１フレーム分の音声波形又は音声符号のいずれか一方を選択して出力する（Ｓ１０１及び１０２）。

同様に、後段の連動スイッチ４４及び４７も、音声分類に基づいて、音声波形用の速度調節部４５又は音声符号用の速度調節部４６のいずれか一方の側へ切り替える（Ｓ１０３）。入力選択部４３で選択され、連動スイッチ４４及び４７で切り替えられた側の速度調節部４５又は速度調節部４６は、対応する音声波形又は音声符号を用いた速度調節処理を実行し（Ｓ１０４又は１０５）、速度調節後の音声波形を出力部４８へ出力する。

このように、音声分類に基づいて、速度調節に用いる音声波形又は音声符号が適宜選択されるため、音声波形だけ又は音声符号だけを用いて速度変換する場合と比べて、速度変換後の音声劣化が顕著に低減される。

図８は、図５の速度調節手段４２の別の構成例を示したものである。また、図９及び１０には、図８の処理フローの一例を示している。
本例では、音声波形データとその線形予測演算によって得られる音声符号の両方を同時に使用して速度調節を行う。そのため、図７の入力選択部４３は必要なく、入力された音声波形及び音声符号は各々の速度調節部４５及び速度調節部４６に直接与えられる。音声波形を速度変換処理した速度調節部４５からの音声波形と、音声符号を速度変換処理した速度調節部４６からの音声波形は、共に次段の出力生成部４９へ入力される（Ｓ２０１〜２０４）。

出力生成部４９は、音声分類手段４１からの音声分類に基づいて、入力された２つの音声波形の重み付けを算出し（Ｓ３０１及び３０２）、重み付けされた２つの音声波形を加算して出力する（Ｓ３０３）。本例が適用される一例として、ここでは音声波形を用いる速度調節区間から音声符号を用いる速度調節区間へ切り替える場合を考える。

この場合、先ず音声波形を用いる速度調節部４５からの音声波形入力に重み付け“１”を与え、音声符号を用いる速度調節部４６からの波形出力に重み付け“０”を与える。そして、所定の区間切替時間内で、速度調節部４５からの音声波形の重み付けを“１”→“０”へ徐々に減少させ、反対に速度調節部４６からの音声波形の重み付けを“０”→“１”へ徐々に増加させる。重み付けは、直線的又は指数関数的に変化させることができる。その結果、本例では音声波形区間と音声符号区間とを切り替える際に生じる波形の不連続性に起因したノイズが大幅に抑制される。

図１１は、本発明の一実施例を示したものである。ここでは、図５の音声分類手段４１及び速度調節手段４２の動作フローを用いて説明する。
本例において、音声分類手段４１は、先ず現フレームに音声が含まれるかどうかによって音声・非音声に大きく分類する（Ｓ４０１〜４０３）。例えば、入力信号の短時間パワーが所定時間以上継続したときに音声と判断する。次に、音声と判定された区間をさらに細かく分類する。本例では、一例として有声音を「周期的」、周囲ノイズ等の無声音を「非周期的」に分類し（Ｓ４０４）、有声音についてはさらにレベル変動を考慮して「周期的かつ定常的」、「周期的かつ非定常的」に分類する（Ｓ４０５）。

また、無声音については、レベル変動やバースト性等を考慮して「非周期的かつ定常的かつ類似的」、「非周期的かつ定常的かつ非類似的」に分類する（Ｓ４０９及び４１０）。さらに、破裂音等を考慮して「非周期的かつ非定常的」に分類する（Ｓ４１３）。なお、上記と同様の分類を、非音声と判定された区間に適用することもできる。

次に、速度調節手段４２は、上記の分類結果に基づいて各分類に適合する速度調節方法を選択してそれに切り替える。本例では、音声判定区間のうち「周期的かつ定常的」に分類された区間は音声波形を用いて速度を調節するが、その調節度合いが中程度となるようにする（Ｓ４０６）。一方、音声判定区間のうち「周期的かつ非定常的」に分類された区間は音声波形を用いて速度を調節するが、その調節度合いが小さくなるようにする（Ｓ４０７）。

音声判定区間のうち「非周期的」に分類された区間は、音声符号を用いて速度を調節する。但し、音声判定区間のうち「非周期的かつ定常的かつ類似的」と「非周期的かつ非定常的」に分類された区間は速度調節を行わない。また、非音声判定区間は波形を用いて速度を調節するが、その調節度合いが大きくなるようにする。

このように、音声分類手段４１が「周期性」、「定常性」及び「類似性」を用いて音声を細分類する場合、本例の速度調節手段４２は、その分類に応じて、「周期的」区間（Ｓ４０４の“ｙｅｓ”以降）は音声波形を用いた速度変換を行い、「非周期的」区間（Ｓ４０８の“ｎｏ”以降）は、速度変換を行わない場合（Ｓ１１１及び１１３）を除いて、音声符号を用いた速度変換を行う。

周期性がある区間では、音声波形を周期に応じて繰り返し又は削除することで大きな音質劣化を与えずに速度変換ができるが、周期性がある区間で音声符号を用いると、入力音声の残差信号の繰り返しや削除が線形予測フィルタの以降の状態に影響を与え、予測係数と残差信号との間にミスマッチが生じる。従って、周期性のある区間では音声波形による速度変換を用いる。

一方、周期性のない区間で音声符号を用いた速度変換方法を用いるのは以下の理由による。「非周期的かつ定常的」区間（Ｓ４０９の“ｙｅｓ”以降）では、音声波形を用いて速度調節を行うと波形の繰り返しや削除により波形が不連続となり、また元々存在しないはずの周期性が現れて音声劣化が生じるが、この区間で音声符号を用いると、残差の繰り返しや削除によって不連続が生じても最終的に線形予測フィルタを通すことでその不連続性が緩和される。また、「定常的」区間は、フィルタの立ち上がり又は立ち下がり等の区間を除いた周波数特性の変化が少ない区間であることから、残差の繰り返しや削除による線形予測フィルタの状態への影響が少なく音声劣化が起こりにくい。

また、速度調節手段４２が行う速度調節の度合いは以下の理由で決定される。
「非音声」区間（Ｓ４０８）において、速度調節手段４２は、速度を速める場合と遅くする場合のいずれも非音声区間の両端部が相互に不連続なしに滑らかにつながる音声波形の部分を探索し、それらに挟まれる区間を全て削除する。従って、この場合の速度調節の度合いは「大」きくなる。

また、「周期的かつ定常的」区間（Ｓ４０６）において、速度調節手段４２は、周期性や定常性のある音声信号の区間に音声波形を用いた繰り返し又は間引きを行って音声を劣化させずに速度調節を行う。この場合、極端に繰り返しや間引きの回数が大きくなると不自然さが生じるため、速度調節の度合いは「中」程度としている。また、「周期的かつ非定常的」区間（Ｓ４０７）は、音声信号のレベル変動のように周期性はあるがパワー等が変化する区間でもある。そのため、速度調節手段４２は、音声波形を用いて周期的に繰り返しや間引きを行う際に、パワー変化等による音声劣化を低減するため速度調節の度合いを「小」さくする。

また、「非周期的かつ定常的かつ非類似的」（Ｓ１１２）は、相関のない信号が定常的に続く区間であり、速度調節手段４２はこの区間では音声符号を用いた速度調節を行う。この場合には、固定コードブックをランダムに生成することで新たな周期性を発生させることなく速度が調節（速度を遅くする場合）できる。さらに、残差信号を圧縮（削除）した後に線形予測フィルタを用いて出力信号を生成することで不連続性が抑制される。

一方、「非周期的かつ定常的かつ類似的」（Ｓ１１１）及び「非周期的かつ非定常的」（Ｓ１１３）に分類される区間は、信号の変化が大きく速度調節による音声劣化が生じやすい区間のため、速度調節手段４２はこの区間の速度調節を行わない。
本発明によれば、上述した音声分類手段４１による入力音声の分類と、速度変換手段４２による速度変換方法の使い分けによって、音声劣化を伴わない音声の伸縮区間の割合を増やすことも可能となる。

以降では、上記実施例の具体的な処理内容について説明する。
図１２は、図１１の基本的な処理の流れを示した図である。
図１２において、先ず図４の速度変換手段４０（図５の音声分類手段４１及び速度調節手段４２）に入力信号（音声波形とそれを線形予測変換した音声符号）を１フレーム分入力する（Ｓ５０１）。音声分類手段４１は、図１１に例示する入力信号の分類を行い（Ｓ５０２）、そして速度調節手段４２はその分類に従って同図に例示する速度変換処理を実行する（Ｓ５０３）。速度変換手段４０は、上記の処理を一連の入力フレームが終了するまで続行する（Ｓ５０４）。

図１３には、音声分類手段４１による入力信号の分類処理（図１２のＳ５０２）の具体的な処理フローの一例を示している。
本例では、音性・非音声判定、周期性の有無・定常性の有無・類似性の有無の判定によって入力信号を分類する。先ず「音性」と「非音声」の区間に大きく分類し、「音声」と判定された区間は、さらに「周期的」、「非周期的かつ定常的」、「非周期的かつ非定常的」に細分類する（図１１参照）。

そのため、音声分類手段４１は、音声波形と音声符号を１フレーム分入力し（Ｓ６０１）、入力信号を音声が含まれている音声区間と、音声が含まれない非音声区間とに分類する（Ｓ６０２）。次に、音声分類手段４１は、「音声」と判定された区間の周期性の有無、定常性の有無、及び類似性の有無を判定する（Ｓ６０３〜６０５）。そして、前記判定結果に基づいて入力信号を分類する（Ｓ６０６）。なお、本発明において、細分類の対象は周期性、定常性及び類似性に限定される必要はなく、他の分類を用いることができる。分類の対象とならない判定処理は行う必要がない。

図１４は、図１３の周期性の判定（Ｓ６０３）の具体例を示したものである。
本例では、一般的な自己相関係数の算出手法を音声波形に適用する。ここでは、入力フレームをサンプルして自己相関係数が最大値をとる周波数を算出する（Ｓ７０１〜７０３）。そして、その直前フレームの自己相関係数が最大値をとる周波数との差分から周期性を判定する（Ｓ７０４）。例えば、所定の閾値と差分値とを比較して、差分値が閾値以下であれば「周期的」と判定する（Ｓ７０５）。それ以外は「非周期的」と判定する。

図１５は、図１３の定常性の判定（Ｓ６０４）の具体例を示したものである。
本例ではパワーの算出に音声符号を用いる。先ず音声符号を１フレーム分入力し、線形予測係数の変化量（ＳＤ）を算出する（Ｓ８０１及び８０２）。このため、直前の線形予測係数との間で下記式（１）の値を算出する。

ここで、ｎ：線形予測の分析次数、Ｃｉ:現フレームの線形予測係数（ｉ次）、そしてＰｉ：前フレームの線形予測係数（ｉ次）、である。
次に下記式（２）によりパワー（ＰＯＷ）を算出する（Ｓ８０３）。

ここで、ｍ：現フレームのサンプル数、そしてＡｉ：現フレームの振幅（ｉ番目のサンプル）、である。
次に下記式（３）によりパワー変化量（ＤＰ）を算出する（Ｓ８０４）。
ＤＰ＝ＰＯＷ_ｔ−ＰＯＷ_ｔ−１（３）
ここで、ＰＯＷ_ｔ：現フレームのパワー、そしてＰＯＷ_ｔ−１：前フレームのパワー、である。

最後に、上記算出結果に基づいて定常性を判定する（Ｓ８０５）。本例では、例えばＳＤが所定の閾値以下でかつＤＰが所定の閾値以下の場合に「定常的」と判定する。それ以外は「非定常的」と判定する。そして、次フレームの判定のために現フレームのパワーと線形予測係数を保存する（Ｓ８０６）。

図１６は、図１３の類似性の判定（Ｓ６０５）の具体例を示したものである。
本例では類似性の判定に図１４と同じ自己相関係数を用いる。先ず入力信号の音声波形を１フレーム分入力する（Ｓ９０１）。次に、その自己相関係数を算出して自己相関係数の最大値を算出する（Ｓ９０２及び９０３）。そして、自己相関係数の最大値と所定の閾値とを比較して、閾値以上の場合には「類似的」と判定し、それ以外は「非類似的」と判定する。

次に、速度調節手段４２による速度変換（図１２のＳ５０３）の具体的な処理内容について説明する。以下の図１７及び１８の各例では音声符号を用いた処理について説明している（図３参照）。この処理の前に、速度調節手段４２は、音声分類手段４１からの分類結果に基づいて図１１のフローの末端処理（Ｓ４０６、４０７、４０８、４１１、４１２、４１３）のいずれかを選択する。なお、音声波形を用いる処理は、既存のＴＤＨＳアルゴリズム等の手法を用いる（図２参照）。

図１７には、符号による速度調節（圧縮の場合）の処理フロー例を示している。
本例において、速度調節手段４２は、先ず音声符号を１フレーム分入力する（Ｓ１００１）。次に、過去１フレームと現フレームのうち、過去１フレームの残差信号を間引くことで、２フレームの残差信号から１フレーム分の残差信号を生成する（Ｓ１００２）。併せて、過去１フレームと現フレームのうち、直前フレームの線形予測係数を間引くことで、２フレームの線形予測係数から１フレーム分の線形予測係数を生成する（Ｓ１００３）。そして、生成した１フレーム分の残差信号と１フレーム分の線形予測係数を線形予測フィルタに入力することで、圧縮されて速度を速めた音声波形を合成する（Ｓ１００４）。

図１８には、符号により速度調節（伸張の場合）の処理フロー例を示している。
本例において、速度調節手段４２は、先ず音声符号を１フレーム分入力する（Ｓ１１０１）。ここでは、過去１フレームと現フレームの残差信号を用いて１フレーム分の新たな残差信号を生成する。そのため、過去１フレームと現フレームの残差信号に合わせると１となるような重み係数をかけて足し合わせることで新たな残差信号を生成する。そして、生成した残差信号を過去１フレームと現フレームの残差信号との間に挿入することで３フレーム分の残差信号を生成する（Ｓ１１０２）。他にも、コードブックを持つ符号化方式の場合には、コードブックのインデックスをランダムに生成させる方法で、１フレーム分の残差信号を新たに生成することができる。

次に、過去１フレームと現フレームの線形予測係数の間を補間することで新たな線形予測係数を生成し、それを過去１フレームと現フレームの間に挿入するフレームの線形予測係数とすることで、３フレーム分の線形予測係数を生成する（Ｓ１１０３）。最後に、生成した３フレーム分の残差信号と３フレーム分の線形予測係数を線形予測フィルタに入力することで、伸張して速度が遅くなった音声波形を合成する（Ｓ１１０４）。

以上述べたように、本発明によれば、音声波形データと音声符号の双方を用いるため、音声の性質によって使用する情報を使い分けることができ、いずれか一方だけを使って速度変換する場合と比べて速度変換音声の音質を向上させることができる。また、入力信号を分類し、分類に応じて音声波形データと音声符号のうちより劣化が少ない方法で速度変換ができるため、いずれか一方だけを使って速度変換する場合と比べて速度変換音声の音質を向上させることができる。

話速変換装置を音声通信システムに適用した一例を示す図である。音声波形を用いた従来の話速変換装置の一構成例を示した図である。音声符号を用いた従来の話速変換装置の一構成例を示した図である。本発明による話速変換装置の基本構成を示した図である。図４の速度変換手段の一構成例を示した図である。図５の速度調節手段の一構成例を示した図である。図６の処理フローの一例を示した図である。図５の速度調節手段の別の構成例を示した図である。図８の処理フローの一例（１）を示した図である。図８の処理フローの一例（２）を示した図である。本発明の一実施例を示した図である。図１１の基本的な処理の流れを示した図である。音声分類手段による分類処理フローの一例を示した図である。図１３の周期性判定の一例を示した図である。図１３の定常性判定の一例を示した図である。図１３の類似性判定の一例を示した図である。符号による速度調節（圧縮の場合）の一例を示した図である。符号による速度調節（伸張の場合）の一例を示した図である。

符号の説明

４０速度変換手段
４１音声分類手段
４２速度調節手段
４３入力選択部
４５、４６速度調節部
４８出力部
４９出力生成部

Claims

音声波形データと線形予測に基づく音声符号を用いて話速度の調節を行うことを特徴とする話速変換装置。
音声波形データと線形予測に基づく音声符号が入力され、該入力された信号をその性質によって分類する音声分類手段と、
該分類に基づいて音声波形を用いた速度変換処理と音声符号を用いた速度変換処理のいずれか一方又は両方を選択し、該選択した方法によって該入力された信号の話速度を変更する速度調節手段と、
を有することを特徴とする話速変換装置。
該速度変換処理は、該分類に基づいて速度変換の度合いを調節することを含むことを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、周期性によって該入力された信号を分類することを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、定常性によって該入力された信号を分類することを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、類似性によって該入力された信号を分類することを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、周期性と定常性によって該入力された信号を分類することを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、周期性と類似性によって入力信号を分類することを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、定常性と類似性によって入力信号を分類することを特徴とする請求項２に記載の話速変換装置。
該音声分類手段は、周期性と定常性と類似性によって入力信号を分類することを特徴とする請求項２に記載の話速変換装置。