JP2010210947A

JP2010210947A - 話速変換装置

Info

Publication number: JP2010210947A
Application number: JP2009056958A
Authority: JP
Inventors: Teppei Washi; 哲平鷲; 恵一 ▲吉▼田; Keiichi Yoshida
Original assignee: Panasonic Electric Works Co Ltd
Current assignee: Panasonic Electric Works Co Ltd
Priority date: 2009-03-10
Filing date: 2009-03-10
Publication date: 2010-09-24
Anticipated expiration: 2029-03-10
Also published as: JP5346230B2

Abstract

【課題】入力音声に騒音が重畳する場合においても適切に話速変換する。
【解決手段】話速変換処理判定部３は、音声区間判別部１が非音声区間と判別している場合であっても騒音レベル判定部４で判定される騒音レベルがしきい値以上であるときには伸長圧縮処理部２に圧縮処理を行わせない。つまり、騒音レベルがしきい値以上である場合、音声区間判別部１が音声区間を非音声区間と誤判別してしまう可能性が高くなるので、このような場合に伸長圧縮処理部２に圧縮処理を行わせないことにより、入力音声が誤って圧縮されることによって出力音声が途切れるのを防ぐことができる。
【選択図】図１

Description

本発明は、入力音声の話速を変換して出力する話速変換装置に関するものである。

従来、入力音声の話速を変換して出力する話速変換装置が種々提案されている。ここで、単純に話速を遅くしてしまうと出力音声に遅延が生じてしまうので、音を含む区間（有音区間）と音を含まない区間（無音区間）を判別し、有音区間の入力信号を伸長するとともに無音区間の入力信号を圧縮することによって出力音声に遅延が生じないようにしていた（例えば、特許文献１参照）。

特表２００６−７７６２６号公報

しかしながら、上述のように有音区間と無音区間を判別する従来例では、入力信号に騒音が重畳した場合に無音区間が存在しなくなるため、常に入力信号が伸長されてしまい、話速変換による遅延が増加していくという問題がある。そこで、入力信号に対して音声が含まれる区間（音声区間）と音声が含まれない区間（非音声区間）とを判別をすることにより、騒音が重畳した入力信号に対しても遅延が発生しない話速変換を実現することが考えられる。しかしながら、入力信号に重畳する騒音のレベルが大きい場合、音声区間が非音声区間と誤判別されてしまい、その結果、音声区間が誤って圧縮されることによって入力音声の一部が失われてしまう虞があった。

本発明は上記事情に鑑みて為されたものであり、その目的は、入力音声に騒音が重畳する場合においても適切に話速変換することができる話速変換装置を提供することにある。

請求項１の発明は、上記目的を達成するために、入力信号に音声が含まれている音声区間と音声が含まれていない非音声区間とを判別する音声区間判別部と、入力信号を伸長又は圧縮して出力する伸長圧縮処理部と、音声区間判別部が音声区間と判別しているときに伸長圧縮処理部に伸張処理を行わせるとともに音声区間判別部が非音声区間と判別しているときに伸長圧縮処理部に圧縮処理を行わせる話速変換処理判定部と、入力信号に含まれる騒音レベルを判定する騒音レベル判定部とを備え、話速変換処理判定部は、騒音レベル判定部が判定する騒音レベルに応じて伸長圧縮処理部における伸張処理及び圧縮処理の実行可否を判定することを特徴とする。

請求項１の発明によれば、話速変換処理判定部が騒音レベル判定部が判定する騒音レベルに応じて伸長圧縮処理部における伸張処理及び圧縮処理の実行可否を判定するので、入力音声に騒音が重畳する場合においても適切に話速変換することができる。

請求項２の発明は、請求項１の発明において、話速変換処理判定部は、音声区間判別部が非音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが所定のしきい値以上であるときには伸長圧縮処理部に圧縮処理を行わせないことを特徴とする。

請求項２の発明によれば、音声区間判別部が非音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルがしきい値以上であるときには伸長圧縮処理部が圧縮処理を行わないので、入力音声が誤って圧縮されることによって出力音声が途切れるのを防ぐことができる。

請求項３の発明は、請求項１の発明において、話速変換処理判定部は、音声区間判別部が音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが所定のしきい値以上であるときには伸長圧縮処理部に伸長処理を行わせないことを特徴とする。

請求項３の発明によれば、音声区間判別部が音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルがしきい値以上であるときには伸長圧縮処理部が伸長処理を行わないので、騒音の影響で音声が不自然に伸長されることを防止できる。

請求項４の発明は、請求項１の発明において、話速変換処理判定部は、音声区間判別部が非音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが所定の第１のしきい値以上であり且つ第１のしきい値よりも大きい第２のしきい値未満であるときには伸長圧縮処理部に圧縮処理を行わせず、さらに、騒音レベル判定部で判定される騒音レベルが第２のしきい値以上であるときには伸長圧縮処理部に伸長処理及び圧縮処理の何れも行わせないことを特徴とする。

請求項４の発明によれば、音声区間判別部が非音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが第１のしきい値以上且つ第２のしきい値未満と判定されているときには伸長圧縮処理部が圧縮処理を行わないので、入力音声が誤って圧縮されることによって出力音声が途切れるのを防ぐことができ、また、音声区間判別部が音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが第２のしきい値以上と判定されているときには伸長圧縮処理部が伸長処理を行わないので、騒音の影響で音声が不自然に伸長されることを防止できる。

請求項５の発明は、請求項１〜４の何れか１項の発明において、騒音レベル判定部は、入力信号の振幅の絶対値を用いて騒音レベルを求めることを特徴とする。

請求項５の発明によれば、比較的簡単に騒音レベルを求めることができる。

請求項６の発明は、請求項１〜４の何れか１項の発明において、騒音レベル判定部は、入力信号の非音声帯域の周波数成分を用いて騒音レベルを求めることを特徴とする。

請求項６の発明によれば、入力音声のレベルに依存せずに騒音レベルを求めることができる。

請求項７の発明は、請求項１〜６の何れか１項の発明において、伸長圧縮処理部で伸長又は圧縮された入力信号を蓄積するバッファ部を備え、話速変換処理判定部は、音声区間判別部が音声区間と判別している場合であってもバッファ部の空き容量が所定の下限値以下であるときには伸長圧縮処理部に伸長処理を行わせないことを特徴とする。

請求項７の発明によれば、バッファ部がオーバーフローして他のメモリ領域に出力音声を上書きしてしまうことによる誤動作を防止できる。

請求項８の発明は、請求項１〜７の何れか１項の発明において、伸長圧縮処理部で伸長又は圧縮された入力信号を蓄積するバッファ部を備え、話速変換処理判定部は、音声区間判別部が非音声区間と判別している場合であってもバッファ部の空き容量が所定の上限値以上であるときには伸長圧縮処理部に圧縮処理を行わせないことを特徴とする。

請求項８の発明によれば、バッファ部がアンダーフロー（アンダーラン）して他のメモリ領域に出力音声を上書きしてしまうことによる誤動作を防止できる。

請求項９の発明は、請求項１〜８の何れか１項の発明において、伸長圧縮処理部で伸長又は圧縮された入力信号を蓄積するバッファ部を備え、話速変換処理判定部は、伸長圧縮処理部に伸張処理を行わせる際の伸長率を、バッファ部の空き容量に応じて増減させることを特徴とする。

請求項９の発明によれば、バッファ部の空き容量がなくなったときに急に話速変換されていない音声が出力されてしまうことを防止できる。

本発明によれば、入力音声に騒音が重畳する場合においても適切に話速変換することができる。

本発明の実施形態を示すブロック図である。（ａ）は騒音が重畳されていない入力音声の絶対値の波形図、（ｂ）は騒音が重畳されている入力音声の絶対値の波形図である。同上の動作説明図である。

以下、図面を参照して本発明の実施形態を詳細に説明する。

本実施形態の話速変換装置は、図１に示すように入力信号に音声が含まれている音声区間と音声が含まれていない非音声区間とを判別する音声区間判別部１と、入力信号を伸長又は圧縮して出力する伸長圧縮処理部２と、音声区間判別部１が音声区間と判別しているときに伸長圧縮処理部２に伸張処理を行わせるとともに音声区間判別部１が非音声区間と判別しているときに伸長圧縮処理部２に圧縮処理を行わせる話速変換処理判定部３と、入力信号に含まれる騒音レベルを判定する騒音レベル判定部４と、伸長圧縮処理部２で伸長又は圧縮された入力信号を蓄積するバッファ部５とを備えている。尚、これらの各部は、ＤＳＰ(Digital Signal Proccesor)に所定のプログラムを実行させることで実現されるものであり、例えば、マイクロホンで集音されたアナログの音響信号をＡ／Ｄ変換して得られるデジタル信号が入力信号となる。

音声区間判別部１は従来周知のものであって、入力信号の音声区間を判別して当該判別結果を話速変換処理判定部３に出力している。

伸長圧縮処理部２は、入力信号に時間軸圧伸（圧縮及び伸長）処理を施し、その音声信号の表す音声の話速を調整するものであって、例えば、フレーム長を変えつつ音声の自己相関を算出し、最も相関が高くなるフレーム長をその音声の周期とみなし、その周期単位で波形の挿入または削除を行うことにより話速変換を行うＰＩＣＯＬＡと呼ばれるアルゴリズムを実行している。

騒音レベル判定部４は、立ち上がりが緩やかであり且つ立ち下がりが急峻な特性、すなわち、立ち上がり時定数が相対的に大きく且つ立ち下がり時定数が相対的に小さい応答特性を有するデジタルフィルタからなり、入力信号の振幅の絶対値を用いて入力信号中に定常的に存在する騒音のレベル（騒音レベル）を判定（推定）するものである。図２（ａ）に示すように入力信号が音声のみで騒音が重畳されていない場合と、図２（ｂ）に示すように入力信号が音声に騒音が重畳されている場合とを比較すると、音声の振幅波形は相対的に急激に変化するのに対して、騒音の振幅波形は相対的に緩やかに変化するので、立ち上がり時定数が相対的に大きく且つ立ち下がり時定数が相対的に小さい応答特性を有するデジタルフィルタによって入力信号の振幅波形から音声の振幅波形を除去することで騒音レベルを判定することができる。尚、図２では入力信号の絶対値の波形を示している。但し、騒音レベル判定部４において離散高速フーリエ変換を行い、入力信号の非音声周波数帯域の周波数成分を用いて騒音レベルを判定することも可能である。

話速変換処理判定部３は、騒音レベル判定部４が判定する騒音レベルに応じて伸長圧縮処理部２における伸張処理及び圧縮処理の実行可否を判定する。具体的には、話速変換処理判定部３では、音声区間判別部１が非音声区間と判別している場合であっても騒音レベル判定部４で判定される騒音レベルがしきい値以上であるときには伸長圧縮処理部２に圧縮処理を行わせない。つまり、騒音レベルがしきい値以上である場合、音声区間判別部１が音声区間を非音声区間と誤判別してしまう可能性が高くなるので、このような場合に伸長圧縮処理部２に圧縮処理を行わせないことにより、入力音声に騒音が重畳する場合においても適切に話速変換する、具体的には、入力音声が誤って圧縮されることによって出力音声が途切れるのを防ぐことができる。

また、話速変換処理判定部３が、音声区間判別部１が音声区間と判別している場合であっても騒音レベル判定部４で判定される騒音レベルが所定のしきい値以上であるときには伸長圧縮処理部２に伸長処理を行わせないようにすれば、騒音の影響で音声が不自然に伸長されることを防止できる。

あるいは、話速変換処理判定部３が、音声区間判別部１で非音声区間と判別されている場合であっても騒音レベル判定部４で判定される騒音レベルが所定の第１のしきい値以上であり且つ第１のしきい値よりも大きい第２のしきい値未満であるときには伸長圧縮処理部２に圧縮処理を行わせず、さらに、騒音レベル判定部４で判定される騒音レベルが第２のしきい値以上であるときには伸長圧縮処理部２に伸長処理及び圧縮処理の何れも行わせないようにすれば、入力音声が誤って圧縮されることによって出力音声が途切れるのを防ぐことができるとともに、騒音の影響で音声が不自然に伸長されることを防止できる。

ところで、伸長圧縮処理部２で伸長又は圧縮された後の入力信号は、一旦バッファ部５に蓄積された後に話速変換された出力信号として出力されるのであるが、入力信号の音声区間が長くなるとバッファ部５がオーバーフローして他のメモリ領域に出力信号（音声データ）が上書きされてしまうことによる誤動作が発生する虞がある。同様に、入力信号の音声区間が短くなるとバッファ部５がアンダーフロー（アンダーラン）して他のメモリ領域に出力信号（音声データ）が上書きされてしまうことによる誤動作が発生する虞がある。

そこで本実施形態における話速変換処理判定部３では、音声区間判別部１が音声区間と判別している場合であってもバッファ部５の空き容量が所定の下限値以下であるときには伸長圧縮処理部２に伸長処理を行わせないことでバッファ部５のオーバーフローを防止するとともに、音声区間判別部１が非音声区間と判別している場合であってもバッファ部５の空き容量が所定の上限値以上であるときには伸長圧縮処理部２に圧縮処理を行わせないことでバッファ部５のアンダーフロー（アンダーラン）を防止している。

また、伸長圧縮処理部２における伸長率を固定した場合、音声区間が長くなるにつれてバッファ部５の空き容量が減少し、バッファ部の空き容量がなくなったときに急に話速変換されていない音声が出力されてしまう虞がある。これに対して本実施形態の話速変換処理判定部３では、伸長圧縮処理部２に伸張処理を行わせる際の伸長率を、バッファ部５の空き容量に応じて（例えば、比例して）増減させることにより、バッファ部５の空き容量がなくなって急に話速変換されていない音声が出力されてしまうことを防止している。例えば、図３に示すように「しょうえねるぎーはこころがけしだいです」という文章の入力音声を話速変換（伸長）する場合、当該文章の文頭部分ではバッファ部５の空き容量が十分に残っているので伸長率を大きくし、文章の文末に近付いてバッファ部５の空き容量が減少するにつれて伸長率を小さくすればよい。

ここで、本実施形態の話速変換装置は、いわゆるハンズフリータイプのインターホン機器に好適なものである。つまり、住戸外に設置されたインターホン機器（玄関子機あるいはロビーインターホン）と住戸内に設置されたインターホン機器（親機）との間でハンズフリー通話（拡声通話）するインターホンシステムにおいては、玄関子機あるいはロビーインターホンのマイクロホンで集音される音声に屋外の騒音が重畳している場合が多い。故に、親機に本実施形態の話速変換装置を搭載することによって、入力音声（玄関子機あるいはロビーインターホンから入力する音声）に騒音が重畳する場合においても適切に話速変換することができるという顕著な効果が得られるものである。

１音声区間判定部
２伸長圧縮処理部
３話速変換処理判定部
４騒音レベル判定部
５バッファ部

Claims

入力信号に音声が含まれている音声区間と音声が含まれていない非音声区間とを判別する音声区間判別部と、入力信号を伸長又は圧縮して出力する伸長圧縮処理部と、音声区間判別部が音声区間と判別しているときに伸長圧縮処理部に伸張処理を行わせるとともに音声区間判別部が非音声区間と判別しているときに伸長圧縮処理部に圧縮処理を行わせる話速変換処理判定部と、入力信号に含まれる騒音レベルを判定する騒音レベル判定部とを備え、
話速変換処理判定部は、騒音レベル判定部が判定する騒音レベルに応じて伸長圧縮処理部における伸張処理及び圧縮処理の実行可否を判定することを特徴とする話速変換装置。
話速変換処理判定部は、音声区間判別部が非音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが所定のしきい値以上であるときには伸長圧縮処理部に圧縮処理を行わせないことを特徴とする請求項１記載の話速変換装置。
話速変換処理判定部は、音声区間判別部が音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが所定のしきい値以上であるときには伸長圧縮処理部に伸長処理を行わせないことを特徴とする請求項１記載の話速変換装置。
話速変換処理判定部は、音声区間判別部が非音声区間と判別している場合であっても騒音レベル判定部で判定される騒音レベルが所定の第１のしきい値以上であり且つ第１のしきい値よりも大きい第２のしきい値未満であるときには伸長圧縮処理部に圧縮処理を行わせず、さらに、騒音レベル判定部で判定される騒音レベルが第２のしきい値以上であるときには伸長圧縮処理部に伸長処理及び圧縮処理の何れも行わせないことを特徴とする請求項１記載の話速変換装置。
騒音レベル判定部は、入力信号の振幅の絶対値を用いて騒音レベルを求めることを特徴とする請求項１〜４の何れか１項に記載の話速変換装置。
騒音レベル判定部は、入力信号の非音声帯域の周波数成分を用いて騒音レベルを求めることを特徴とする請求項１〜４の何れか１項に記載の話速変換装置。
伸長圧縮処理部で伸長又は圧縮された入力信号を蓄積するバッファ部を備え、
話速変換処理判定部は、音声区間判別部が音声区間と判別している場合であってもバッファ部の空き容量が所定の下限値以下であるときには伸長圧縮処理部に伸長処理を行わせないことを特徴とする請求項１〜６の何れか１項に記載の話速変換装置。
伸長圧縮処理部で伸長又は圧縮された入力信号を蓄積するバッファ部を備え、
話速変換処理判定部は、音声区間判別部が非音声区間と判別している場合であってもバッファ部の空き容量が所定の上限値以上であるときには伸長圧縮処理部に圧縮処理を行わせないことを特徴とする請求項１〜７の何れか１項に記載の話速変換装置。
伸長圧縮処理部で伸長又は圧縮された入力信号を蓄積するバッファ部を備え、
話速変換処理判定部は、伸長圧縮処理部に伸張処理を行わせる際の伸長率を、バッファ部の空き容量に応じて増減させることを特徴とする請求項１〜８の何れか１項に記載の話速変換装置。