JP2787179B2 - 音声合成システムの音声合成方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声合成システム（ｓｐ
ｅｅｃｈ ｓｙｎｔｈｅｓｉｓ ｓｙｓｔｅｍ）とその
合成方法に関するもので、特に、合成音（ｓｙｎｔｈｅ
ｓｉｚｅｄｓｐｅｅｃｈ）の音声を顕著に改善すること
ができるようにする音声断片コーディングおよびピッチ
調節方法に関するものである。

【０００２】

【従来の技術】文字列（ｔｅｘｔ）を音声に変換するこ
とにより無制限の語彙を合成できるようにする無制限の
音声合成システム（ｔｅｘｔ−ｔｏ−ｓｐｅｅｃｈ ｓ
ｙｎｔｈｅｓｉｓ ｓｙｓｔｅｍ）を実現させるための
音声合成方式には数通りがあるが、その中で実現が容易
で最も普遍的に用いている方法は人の音声を採取（ｓａ
ｍｐｌｉｎｇ）して半音節（ｄｅｍｉｓｙｌｌａｂｌ
ｅ）とかダイフォン（ｄｉｐｈｏｎｅ）のような音声単
位に分割して得た短い音声断片（ｓｐｅｅｃｈ ｓｅｇ
ｍｅｎｔ）等をコーディングしてメモリに貯蔵してか
ら、文字列が入力されるとそれを発音記号（ｐｈｏｎｅ
ｔｉｃ ｔｒａｎｓｃｒｉｐｔｉｏｎ）に変えた後、そ
れに合う音声断片等をメモリから順次取出して再生（ｄ
ｅｃｏｄｉｎｇ）させることにより入力文字列（ｉｎｐ
ｕｔ ｔｅｘｔ）に該当する音声の合成をなす音声断片
合成（ｓｅｇｍｅｎｔａｌ ｓｙｎｔｈｅｓｉｓ）方式
である。別称として連鎖合成（ｓｙｎｔｈｅｓｉｓ−ｂ
ｙ−ｃｏｎｃａｔｅｎａｔｉｏｎ）方式ともいう。

【０００３】

【発明が解決しようとする課題】このような音声断片合
成方式において合成音の音質を左右する最も重要な１つ
の要素は音声断片のコーディング方法である。既存の音
声断片合成方法のための音声合成システムにおいて音声
断片を貯蔵するための音声コーディング（ｓｐｅｅｃｈ
ｃｏｄｉｎｇ）方式は音質が悪いボコーディング（ｖ
ｏｃｏｄｉｎｇ）方式を主に用いているが、これが合成
音声の音質を劣化させる最も重要な原因の１つになって
いる。

【０００４】以下、従来の音声断片コーディング方法に
対して簡略に考察してみることにする。

【０００５】音声コーディング方法は音質の良い波形コ
ーディング（ｗａｖｅｆｏｒｍ ｃｏｄｉｎｇ）方式と
音質が悪いボコーディング方式とに大別することができ
る。波形コーディング方式は音声波形（ｓｐｅｅｃｈ
ｗａｖｅｆｏｒｍ）をそのまま伝達しようとする方法で
あるため、ピッチ周波数と持続時間（ｄｕｒａｔｉｏ
ｎ）を変化させることが極めて難しく、音声合成時に抑
揚と発生速度等を調節することができないだけでなく、
音声断片間を円滑に接続（ｃｏｎｃａｔｅｎａｔｉｏ
ｎ）させることができなくて根本的に音声断片のコーデ
ィング用に適さない。

【０００６】これに比べて、分析−合成方式（ａｎａｌ
ｙｓｉｓ−ｓｙｎｔｈｅｓｉｓ ｍｅｔｈｏｄ）とも称
されるボコーディング方式を用いる場合にはピッチパタ
ーン（ｐｉｔｃｈ ｐａｔｔｅｒｎ）と音声断片の持続
時間を任意に変化させることができ、スペクトル包絡
（ｓｐｅｃｔｒａｌ ｅｎｖｅｌｏｐｅ）推定パラメー
タ（ｅｓｔｉｍａｔｉｏｎ ｐａｒａｍｅｔｅｒ）の内
挿によって音声断片間を円滑に接続させることができて
無制限の音声合成用コーディング手段として適している
ため、現在、ほとんど大部分の音声合成システムに線形
予測コーディング（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖ
ｅ Ｃｏｄｉｎｇ： ＬＰＣ）またはホルマントボコー
ディング（ｆｏｒｍａｎｔ ｖｏｃｏｄｉｎｇ）等のボ
コーディング方式が採用されている。しかし、ボコーデ
ィング方式により音声をコーディングする場合には再生
される音声の音質が悪いため、貯蔵された音声断片をデ
コーディングして連鎖（ｃｏｎｃａｔｅｎａｔｉｏｎ）
させることにより合成される合成音もこれらボコーディ
ング方式が有する音質の限界以上に良い音質を有するこ
とはできない。

【０００７】ボコーディング方式が有する音質の限界を
克服するため、励起信号として用いられるインパルス列
（ｉｍｐｕｌｓ ｔｒａｉｎ）をより少ない人為的な波
形に代える方法が用いられた。その１つはインパルスの
代わりにそれよりも尖鋭度（ｐｅａｋｉｎｅｓｓ）が低
い波形、たとえば、三角波とか半円波または声門パルス
（ｇｌｏｔｔａｌ ｐｕｌｓｅ）に類似した波形を用い
るものであった。他の１つは、逆フィルタリング（ｉｎ
ｖｅｒｓｅ ｆｉｌｔｅｒｉｎｇ）によって得られた残
余信号のピッチパルス等の中のいずれか１つ、またはい
くつかを標準ピッチパルス（ｓａｍｐｌｅ ｐｉｔｃｈ
ｐｕｌｓｅ）に選定して、１つの標準パルスを全時間
または相当長い時間の区間にわたってインパルスの代わ
りに用いるものであった。しかし、インパルスを他の波
形の励起パルスに取り替えようとする従来の方法では音
質を改善させることができず、単にわずかに改善させる
ことができたのみで自然音に近い音質を有する合成音を
得ることができなかった。

【０００８】本発明は、音質は良いがピッチ調節が不可
能な波形コーティング方式とピッチ調節は可能であるが
音質の悪いボコーディング方式の長所を結合させて得ら
れ、音質が良くピッチ調節を可能にする新たな音声合成
方法を提供することによって人間の発声と同程度の自然
性と明瞭性（ｉｎｔｅｌｌｉｇｉｂｉｌｉｔｙ）とを有
する高音質の音声を合成することに目的がある。

【０００９】

【作用】本発明の特徴は原音声（ｏｒｉｇｉｎａｌ ｓ
ｐｅｅｃｈ）中の有声音区間の信号を各声門パルス（ｇ
ｌｏｔｔａｌ ｐｕｌｓｅ）によって作られる１周期分
の音声波形に該当する単位波形（ｗａｖｅｌｅｔ）等に
分解し、それらを各々コーディングして貯蔵するコーデ
ィング方式の周期波形分解方式（ｐｅｒｉｏｄｉｃ ｗ
ａｖｅｆｏｒｍ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｍｅｔ
ｈｏｄ）と、貯蔵された単位波形等の中から配置させよ
うとする位置に最も近い単位波形を選択してデコーディ
ングし、それらを互いに重ね合わせることによって原音
声の音質をそのまま保持しながらも音声断片の持続時間
とピッチ周波数を任意に調節することができるようにす
る波形合成方式の時間歪曲式単位波形再配置方式（ｔｉ
ｍｅｗａｒｐｉｎｇ−ｂａｓｅｄ ｗａｖｅｌｅｔ ｒ
ｅｌｏｃａｔｉｏｎ ｍｅｔｈｏｄ）を用いることにあ
る。

【００１０】

【実施例】以下、添付の図面を参照して本発明を詳細に
説明することにする。

【００１１】音声断片合成方式の無制限音声合成システ
ムの一般的な構造は図１に示されたように、音声学的前
処理サブシステム（ｐｈｏｎｅｔｉｃ ｐｒｅｐｒｏｃ
ｅｓｓｉｎｇ ｓｕｂｓｙｓｔｅｍ）１、韻律発生サブ
システム（ｐｒｏｓｏｄｉｃｓ ｇｅｎｅｒａｔｉｏｎ
ｓｕｂｓｙｓｔｅｍ）２、そして音声断片組合せサブ
システム（ｓｐｅｅｃｈ ｓｅｇｍｅｎｔ ｃｏｎｃａ
ｔｅｎａｔｉｏｎ ｓｕｂｓｙｓｔｅｍ）３という３つ
のサブシステムで構成される。すなわち、キーボード、
コンピュータ、または、他のあるシステムから無制限音
声合成システムに文字列が入力されると音声学的前処理
サブシステム１は、その構文を分析した後に音韻変動規
則（ｐｈｏｎｅｔｉｃ ｒｅｃｏｄｉｎｇ ｒｕｌｅ）
を適用して文字列を発音記号（ｐｈｏｎｅｔｉｃ ｔｒ
ａｎｓｃｒｉｐｔｉｖｅ ｓｙｍｂｏｌ）の列（ｓｔｒ
ｉｎｇ）に変えるが、韻律発生サブシステム２は、それ
に適当な抑揚と強勢をつけることができるように構文分
析情報（ｓｙｎｔａｃｔｉｃ ａｎａｌｙｓｉｓ ｄａ
ｔａ）を利用して抑揚パターン情報（ｉｎｔｏｎａｔｉ
ｏｎ ｐａｔｔｅｒｎ ｄａｔａ）および強勢パターン
情報（ｓｔｒｅｓｓｐａｔｔｅｒｎ ｄａｔａ）を発生
させ音声断片組合せサブシステム３に供給する。音韻発
生サブシステム２はさらにまた各音素の持続時間に関係
する情報を音声断片組合せサブシステム３に供給する。
これら３つの韻律情報は発音記号列とは別途に音声断片
組合せサブシステム３に伝えられるが、概して、発音記
号列内に挿入されて音声断片組合せサブシステム３に送
出される。音声断片組合せサブシステム３では発音記号
列に基づいて適当な音声断片をメモリ（図示省略）から
順次に取出して再生させることにより連続の音声を作り
出す。この時、音声断片組合せサブシステム３は韻律情
報によって各音声断片のエネルギー（強度）と持続時
間、そしてピッチ周期を調節することにより韻律発生サ
ブシステム２が意図した抑揚、強弱および発声速度を有
する合成音声を作り出すことができるようになる。

【００１２】本発明は、このような音声断片組合せサブ
システム３において音声断片を貯蔵するためのコーディ
ング方法を改善することにより既存のコーディング方法
による合成音声に比べて音質が顕著に改善されるように
することが目的である。

【００１３】以下、音声断片組合せサブシステム３の動
作を図２に示した内部構成図によって説明することにす
る。

【００１４】音声断片組合せサブシステム３に発音記号
列と韻律情報が入力されると音声断片選定部４は、その
発声記号列を音声に合成するのに必要な音声断片等を順
次に選定するようになるが、その結果、選定された音声
断片等の記号（ｉｎｄｅｘ）が出力され音声断片貯蔵部
５に入力される。

【００１５】音声断片貯蔵部５には音声断片等が後述す
る本発明による方法でコーディングされメモリに貯蔵さ
れているが、音声断片選択部４から選定された音声断片
の記号が入力されると音声断片貯蔵部５は当該音声断片
情報を取出し、それが有声音または有声摩擦音であれば
有声音合成部６に無声音であれば無声音合成部７に各々
伝送して合成される。その結果、作られたデジタル合成
音声信号はＤ−Ａ変換器（図示省略）とアナログ低域通
過フィルタ（図示省略）、そしてアナログ増幅機（図示
省略）で構成されたＤ−Ａ変換部８に送出されてアナロ
グ信号に変換されることにより、所望の合成音声が得ら
れるようになっている。有声音合成部６と無声音合成部
７は音声断片等を連鎖させる際、韻律情報を利用して音
声断片の持続時間と強度そしてピッチ周波数を適切に調
節することによって合成音声が図１の韻律発生サブシス
テム２によって意図された韻律を有するようになる。

【００１６】音声断片貯蔵部５に貯蔵される音声断片を
用意する過程は次のとおりである。まず、使用する合成
単位を決定する。合成単位としては音素、変異音（ａｌ
ｌｏｐｈｏｎｅ）、ダイフォン、音節、半音節、ＣＶ
Ｃ、ＶＣＶ、ＣＶ、ＶＣ単位（ここで、Ｃは子音、Ｖは
母音音素を示す）またはこれらの混合使用等があるが、
この中で音声断片合成方式の音声合成システムで、現
在、最も多く採用されている合成単位はダイフォンと半
音節である。その合成単位の集合をなす元素の各々に該
当する音声断片を人が実際に発音した音声サンプルから
分割（ｓｅｇｍｅｎｔａｔｉｏｎ）する。したがって、
合成単位集合の元素の数と音声断片の個数は等しくな
る。たとえば、英語において半音節を合成単位に選択す
る場合、半音節の種類は約１０００種類であるので音声
断片の数も約１０００個となる。一般的に、このような
音声断片は無声音および有声音区間別に再び分割して得
た無声（ｕｎｖｏｉｃｅｄ）および有声音声断片（ｖｏ
ｉｃｅｄ ｓｐｅｅｃｈ ｓｅｇｍｅｎｔ）を基本的な
合成単位に用いる。

【００１７】無声音声断片は図２の無声音合成部７で再
生されるが、無声音の再生時には人為的な白色ランダム
雑音信号を合成フィルタの励起信号として用いても再生
された音声の音質が劣化しないことが知られている。そ
れで、無声音声断片のコーディングと再生においては白
色雑音を励起信号として用いる既存のボコーディング方
式をそのまま用いるとよい。たとえば、無声音合成時に
は乱数発生アルゴリズムによって白色雑音信号を発生さ
せ励起信号として用いるか、予め発生させて得た白色雑
音信号をメモリに貯蔵させてから合成時に取り出して用
いるか、または実際の音声の無声音区間を逆スペクトル
包絡フィルタ（ｉｎｖｅｒｓｅ ｓｐｅｃｔｒａｌ ｅ
ｎｖｅｌｏｐｅ ｆｉｌｔｅｒ）（図示省略）でフィル
タリングして得た残余信号をメモリに貯蔵させておいて
から合成時に取出して用いる方法の中のいずれの方法も
用いることができる。もしも無声音声断片の持続時間を
変化させる必要がないとすれば無声音部分をＰＣＭ（ｐ
ｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ）とかＡＤ
ＰＣＭ（Ａｄａｐｔｉｖｅ Ｄｉｆｆｅｒｅｎｔｉａｌ
ＰＣＭ）のような波形コーディング方法によってコー
ディングして貯蔵してから合成時にデコーディングして
そのまま用いる極めて簡単なコーディング方法も用いら
れる。

【００１８】本発明は合成音の音質を左右する有声音声
断片のコーディングと合成方法に関するものでその機能
を遂行する図２中の音声断片貯蔵部５と有声音合成部６
に対して重点的に説明することにする。

【００１９】音声断片貯蔵部５のメモリ（図示省略）内
に貯蔵されている音声断片等の中で有声音声断片等は本
発明による周期波形分解方式によって予めピッチ周期別
成分である単位波形等に分解され貯蔵されている。有声
音合成部６は時間歪曲式単位波形の再配置方式によって
その単位波形等を適切に選定および配置することによっ
て所望のピッチと持続時間を有する音声を合成する。こ
れらの方式の原理を添付の図面によって説明することに
する。

【００２０】有声音声ｓ（ｎ）は声帯で発生する周期的
な声門波（ｇｌｏｔｔａｌ ｗａｖｅ）が口腔と咽頭腔
そして鼻腔でなる音響学的声道フィルタ（ｖｏｃａｌ
ｔｒａｃｔ ｆｉｌｔｅｒ）Ｖ（ｆ）を通じながらフィ
ルタリングされることによって作られた周期的信号であ
る（ここで声道フィルタＶ（ｆ）には唇輻射現象による
周波数特性が包含されたものと考える）。そのスペクト
ルＳ（ｆ）は周波数ｆに対して速く変化する微細構造と
徐々に変化するスペクトル包絡を特徴とするが、前者は
有声音声信号の周期性に基づくものであり、後者は音声
パルスのスペクトルと声道フィルタの周波数特性を反映
する。有声音声のスペクトルＳ（ｆ）はピッチ周波数Ｆ
_O の整数倍毎に存在する高周波成分によるインパルス列
形態の微細構造がスペクトル包絡関数Ｈ（ｆ）により変
調された形態を取っている。したがって、有声音ｓ
（ｎ）はそれのスペクトル包絡関数Ｈ（ｆ）と同一な周
波数応答特性を有する時変フィルタにそれと同一な周期
と平坦なスペクトル包絡を有する周期的ピッチパルス列
信号（ｐｅｒｉｏｄｉｃ ｐｉｔｃｈ ｐｕｌｓｅ ｔ
ｒａｉｎ ｓｉｇｎａｌ）ｅ（ｎ）が入力されたときの
出力信号であるとみられる。これを時間領域（ｔｉｍｅ
ｄｏｍａｉｎ）からみると、有声音ｓ（ｎ）はフィル
タＨ（ｆ）のインパルス応答ｈ（ｎ）と周期的ピッチパ
ルス列信号ｅ（ｎ）とのコンボリューションである。こ
のような時変フィルタの周波数応答特性のＨ（ｆ）は有
声音ｓ（ｎ）のスペクトル包絡関数に該当するため、こ
の時変フィルタをスペクトル包絡フィルタ（または合成
フィルタとも称する）という。図３（ａ）は声門波形
（ｇｌｏｔｔａｌ ｗａｖｅｆｏｒｍ）の３周期分信号
を示す。声門波形を構成する声門パルス等の波形は互い
に類似であるが全く同一ではなく、隣接の声門パルス間
の時間間隔も概略同じであるが全く同一でないのが普通
である。前述のように図３（ｃ）の有声音声波形ｓ
（ｎ）は図３（ａ）に示された声門波形ｇ（ｎ）が声道
フィルタＶ（ｆ）によってフィルタリングされることで
生成される。声門波形ｇ（ｎ）は時間的に互いに区分さ
れる声門パルスｇ１（ｎ）、ｇ２（ｎ）、ｇ３（ｎ）等
でなっており、それらが声道フィルタＶ（ｆ）によって
各々フィルタリングされると図３（ｂ）に示されたよう
な単位波形ｓ１（ｎ）、ｓ２（ｎ）、ｓ３（ｎ）等が作
られる。図３（ｃ）の音声波形ｓ（ｎ）はこれら単位波
形等が重ね合わされることで形成されたものである。も
しも、有声音声波形ｓ（ｎ）を分解して、それを構成す
る単位波形等を求め出し得るとすればそれらを貯蔵して
から合成時にそれらの強度とそれらの間の時間間隔を変
えることによって所望の任意のアクセントと抑揚を有す
る音声を合成することができるというのが本発明の基本
概念である。

【００２１】図３（ｃ）に示されるように有声音声波形
ｓ（ｎ）は時間領域で互いに重複される単位波形等が重
ね合わされて作られたものであるために音声波形ｓ
（ｎ）からそれを構成する単位波形等を容易に再び分離
することはできない。各周期分の波形等が時間領域で互
いに重ね合わされないようにするためには、それらはエ
ネルギーが１つの時点に集中された尖鋭な波形にならな
ければならない。このような波形の尖鋭さは周波数領域
で平坦なスペクトル包絡を有することを意味する。有声
音声波形ｓ（ｎ）が与えられた時、それのスペクトルＳ
（ｆ）の包絡（ｅｎｖｅｌｏｐｅ）を推定し、その包絡
関数Ｈ（ｆ）の逆数を周波数特性とある逆スペクトル包
絡フィルタ１／Ｈ（ｆ）に入力させると図３（ｆ）に示
したようなスペクトル包絡が平坦な周期的ピッチパルス
列信号ｅ（ｎ）を出力で得ることができる。図３（ｆ）
に示されるように周期的ピッチパルス列信号ｅ（ｎ）を
構成する各周期分のピッチパルス波形等は時間領域で互
いに重ね合わされないので分離し出すことができる。分
離された１周期分ピッチパルス信号ｅ１（ｎ）、ｅ２
（ｎ）等は略平坦なスペクトルを有するので、これらを
スペクトルフィルタＨ（ｆ）に、さらに入力させて元の
スペクトルを有するようにすると図３（ｂ）に示された
単位波形ｓ１（ｎ）、ｓ２（ｎ）等を各々求めることが
できるというのが周期波形分解方式の原理である。

【００２２】図７は有声音声断片を単位波形等に分解す
る本発明による周期波形分解方式のブロック線図で、ア
ナログ形態の有声音声信号または楽器音信号を低域通過
フィルタにより帯域制限し、Ａ−Ｄ変換させることで得
られたデジタル信号ｓ（ｎ）を数ビットずつまとめてＰ
ＣＭコードフォーマットでディスク等に貯蔵させてから
取り出して処理する。周期波形分解方式による単位波形
を用意する過程の始めの段階は周期的信号ｓ（ｎ）をそ
れのスペクトル包絡関数Ｈ（ｆ）の時間領域の関数のイ
ンパルス応答ｈ（ｎ）と周期が同じく平坦なスペクトル
包絡を有する周期的ピッチパルス列信号ｅ（ｎ）にデコ
ンボリューションさせるブライドデコンボリューション
（ｂｌｉｎｄ ｄｅｃｏｎｖｏｌｕｔｉｏｎ）である。

【００２３】前述のように、ブライドデコンボリューシ
ョンを遂行するためにはｓ（ｎ）からそのスペクトル包
絡関数Ｈ（ｆ）を推定するスペクトル推定技法が必須的
である。

【００２４】既存のスペクトル推定技法は分析区間の長
さによって、ブロック別分析法、ピッチ周期式分析法、
そして順次的分析法の３つに大きく分類することができ
る。ブロック別分析法は音声信号を１０〜２０ｍｓ程度
の一定持続時間のブロック等に分割して各ブロック内に
存在する一定個数の音声サンプルに対して分析を行なう
方法で、ブロック当り１つのセット（１０〜１６個程
度）ずつのスペクトル包絡パラメータを求める方法であ
るが、準同形分析法とブロック単位の線形予測分析法が
代表的である。ピッチ同期式分析法（ｐｉｔｃｈ−ｓｙ
ｎｃｈｒｏｎｏｕｓ ａｎａｌｙｓｉｓ ｍｅｔｈｏ
ｄ）は図３（ｃ）のようにピッチ周期を単位に分割され
た各周期分音声信号に対して分析を行なって周期当り１
つのセットずつのスペクトル包絡パラメータを得る方法
であるが、合成による分析法とかピッチ同期式線形予測
分析法が代表的である。順次的分析法（ｓｅｑｕｅｎｔ
ｉａｌａｎａｌｙｓｉｓ ｍｅｔｈｏｄ）は各音声サン
プル毎にスペクトル包絡パラメータを得る方法である
が、適応濾波法（ａｄａｐｔｉｖｅ ｆｉｌｔｅｒｉｎ
ｇ）の一種の回帰最小自乗法（Ｒｅｃｕｒｓｉｖｅ Ｌ
ｅａｓｔ Ｓｑｕａｒｅｓ）等が代表的である。

【００２５】図３（ｄ）に、代表的な順次的分析法によ
って求められたスペクトル包絡パラメータセットの１４
個の反射係数ｋ１、ｋ２、……、ｋ１４の中の始めの４
個の時間的変化を例示した。この図面からわかるように
スペクトル包絡パラメータ等の値は調音器官の連続的な
動きによって継続して変化する。これはスペクトル包絡
フィルタのインパルス応答ｈ（ｎ）が継続的に変わるこ
とを意味する。ここでは説明の便宜上から１周期の区間
内ではｈ（ｎ）が変わらないものと仮定して図３（ｅ）
に示したように第１、第２、第３周期区間のｈ（ｎ）を
順次にｈ（ｎ）１、ｈ（ｎ）２、ｈ（ｎ）３で各々示す
ことにする。

【００２６】準同形分析法（ｈｏｍｏｍｏｒｐｈｉｃ
ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ）によって求められる
パラメータのケップストラム（ｃｅｐｓｔｒｕｍ）ＣＬ
（ｉ）、回帰最小自乗法または線形予測分析法により求
められるパラメータの予測係数集合｛ａｉ｝または反射
係数集合｛ｋｉ｝またはそれの変形の対数面積比（Ｌｏ
ｇ Ａｒｅａ Ｒａｔｉｏ）、線スペクトル対（Ｌｉｎ
ｅ ＳｐｅｃｔｒｕｍＰａｉｒ）等、各種のスペクトル
推定技法によって得られるスペクトル包絡パラメータ等
は、それらによりスペクトル包絡フィルタの周波数特性
Ｈ（ｆ）とかインパルス応答ｈ（ｎ）を作り出すことが
できるためＨ（ｆ）とかｈ（ｎ）と同一に扱える。した
がって、以後からはインパルス応答までも包含してスペ
クトル包絡パラメータ（または、声道パラメータとも言
う）と称することにする。

【００２７】図８ないし図１２は、ブライドデコンボリ
ューションの具体的な方法等を例示している。

【００２８】図８は線形予測分析法または回帰最小自乗
法によるブライドデコンボリューション方法を示す。図
３（ｃ）のような有声音声波形ｓ（ｎ）が与えられると
前述の線形予測または回帰最小自乗法を利用してスペク
トル包絡フィルタの周波数特性Ｈ（ｆ）またはインパル
ス応答ｈ（ｎ）を表わすスペクトル包絡パラメータ等の
予測係数等｛ａ１、ａ２、……ａＮ｝または反射係数等
｛ｋ１、ｋ２、……、ｋＮ｝を求める。予測の次数Ｎ
は、普通１０〜１６程度で十分である。これらのスペク
トル包絡パラメータ等を利用するとスペクトル包絡フィ
ルタの周波数特性Ｈ（ｆ）の逆数１／Ｈ（ｆ）を周波数
特性として有する逆スペクトル包絡フィルタ（簡略に逆
フィルタとも言う）を容易に構成することができる。線
形予測分析法またはＲＬＳ技法で線形予測誤差フィルタ
とも称されるこの逆スペクトル包絡フィルタに有声音声
波形ｓ（ｎ）を入力させると予測誤差信号または残余信
号と称される平坦なスペクトル包絡を有する図３（ｆ）
のような形態の周期的ピッチパルス列信号を出力するこ
とができる。

【００２９】図９および図１０に示された方法は、準同
形分析法を利用したブラインドデコンボリューション方
法であるが、図９にキューパランシー分割（ｑｕｅｆｒ
ｅｎｃｙ ｄｉｖｉｓｉｏｎ）による方法を、図１０に
逆フィルタリングによる方法を各々示した。

【００３０】まず、図９に対して説明すると次のとおり
である。有声音声信号ｓ（ｎ）に１０〜２０ｍｓ程度の
持続時間を有するハミング窓関数（Ｈａｍｍｉｎｇ Ｗ
ｉｎｄｏｗ ｆｕｎｃｔｉｏｎ）のような両端減衰形窓
関数（ｔａｐｅｒｅｄ ｗｉｎｄｏｗ ｆｕｎｃｔｉｏ
ｎ）を掛けて１ブロックの分析用音声サンプルを得て、
それを図１１のようにＤＦＴ（Ｄｉｓｃｒｅｔｅ Ｆｏ
ｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）、複素対数関数（ｃ
ｏｍｐｌｅｘ ｌｏｇａｒｉｔｈｍ）、逆ＤＦＴに引継
がれる一連の準同形（ｈｏｍｏｍｏｒｐｈｉｃ ｐｒｏ
ｃｅｓｓｉｎｇ）過程を通じてケップストラム列（ｃｅ
ｐｓｔｒａｌ ｓｅｑｕｅｎｃｅ）Ｃ（ｉ）を得ること
になる。ケップストラムＣ（ｉ）は時間に類似な単位の
キュパランシーに対する関数であるが、原点を中心に位
置する低いキュパランシーケップストラム（ｌｏｗ−ｑ
ｕｅｆｒｅｎｃｙ ｃｅｐｓｔｒｕｍ）ＣＬ（ｉ）は有
声音声ｓ（ｎ）のスペクトル包絡を示し、高いキュパラ
ンシーケップストラム（ｈｉｇｈ−ｑｕｅｆｒｅｎｃｙ
ｃｅｐｓｔｒｕｍ）ＣＨ（ｉ）は周期的ピッチパルス
列信号ｅ（ｎ）を示すが、これらはキュパランシー領域
で互いに分離され得る。すなわち、ケップストラムＣ
（ｉ）に低いキュパランシー窓関数（ｌｏｗ−ｑｕｅｆ
ｒｅｎｃｙ ｗｉｎｄｏｗ）と高いキュパランシー窓関
数（ｈｉｇｈ−ｑｕｅｆｒｅｎｃｙ ｗｉｎｄｏｗ）を
掛けることによってＣＬ（ｉ）とＣＨ（ｉ）を各々求め
ることができる。これらを図１２のような過程で各々逆
準同形処理（ｉｎｖｅｒｓｅ ｈｏｍｏｍｏｒｐｈｉｃ
ｐｒｏｃｅｓｓｉｎｇ）することによってインパルス
応答ｈ（ｎ）とピッチパルス列信号ｅ（ｎ）を得る。こ
の場合に、ＣＨ（ｉ）を逆準同形処理するとピッチパル
ス列信号ｅ（ｎ）が直ちに求められず時間窓関数ｗ
（ｎ）が掛けられた１ブロックのピッチパルス列信号が
求められるので、ｗ（ｎ）の逆数に該当する逆時間窓関
数１／ｗ（ｎ）を再び掛けてｅ（ｎ）を得る。

【００３１】図１０の方法は図９と同じであるが、た
だ、周期的ピッチパルス列信号ｅ（ｎ）を求める過程に
おいて、ＣＨ（ｉ）の代わりにＣＬ（ｉ）を利用する点
が異なる。すなわち、ＣＬ（ｉ）の負数を取ってなされ
た−ＣＬ（ｉ）を準同形処理をするとｈ（ｎ）の周波数
特性Ｈ（ｆ）の逆数の１／Ｈ（ｆ）に該当するインパル
ス応答をｈ−１（ｎ）が得られる性質を利用して逆スペ
クトル包絡フィルタ、すなわちｈ−１（ｎ）をインパル
ス応答とするＦＩＲ（ｆｉｎｉｔｅ−ｄｕｒａｔｉｏｎ
ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ）フィルタを構成
し、それに窓関数が掛けられない原音声信号ｓ（ｎ）を
入力させることによって出力で周期的ピッチパルス列信
号ｅ（ｎ）が得る方法である。

【００３２】この方法は図８と根本的に同じ逆フィルタ
リング方法で、差異点は図１０の準同形分析では逆スペ
クトル包絡フィルタのインパルス応答ｈ−１（ｎ）を求
めて逆スペクトル包絡フィルタ１／Ｈ（ｆ）を構成する
のに比べて図８では線形予測分析法によって求めた予測
係数｛ａｉ｝または反射係数｛ｋｉ｝で直接に逆スペク
トル包絡フィルタ１／Ｈ（ｆ）を構成することができる
点である。

【００３３】準同形分析法によるブラインドデコンボリ
ューションにおいては、前述のように、スペクトル包絡
パラメータとしてインパルス応答ｈ（ｎ）を用いること
もでき、図９および図１０に点線で示したように低いキ
ュパランシーケップストラムＣＬ（ｉ）を用いることも
できる。インパルス応答｛ｈ（０）、ｈ（１）、……、
ｈ（Ｎ−１）｝を用いる際はＮが９０〜１２０程度でパ
ラメータの数が非常に多いのに比べてケップストラム
｛ＣＬ（−Ｎ）、ＣＬ（−Ｎ＋１）、……、０、……、
ＣＬ（Ｎ）｝を用いる際にはＮが２５〜３０程度でパラ
メータの数は５０〜６０個に減る。

【００３４】以上のように図８ないし図１２の過程によ
って有声音声波形ｓ（ｎ）はスペクトル包絡フィルタの
インパルス応答ｈ（ｎ）と周期的ピッチパルス列信号ｅ
（ｎ）にデコンボリューションされる。

【００３５】図７のブラインドデコンボリューション過
程によってピッチパルス列信号とスペクトルパラメータ
等を得られると、次に、エポック検出アルゴリズム（ｅ
ｐｏｃｈ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ）
のような時間領域でのピッチパルス位置検出アルゴリズ
ムを利用して周期的にピッチパルス列信号ｅ（ｎ）とか
音声波形ｓ（ｎ）からピッチパルス等の位置Ｐ１、Ｐ２
等を求める。その次に図３（ｆ）に例示したもののよう
にピッチパルスが１周期区間当り１つずつ包含されるよ
うにピッチパルス列信号ｅ（ｎ）を周期的分割（ｐｅｒ
ｉｏｄｉｃ ｓｅｇｍｅｎｔａｔｉｏｎ）することによ
り図４（ｂ）、図４（ｅ）、および図５（ｂ）に示した
ｅ１（ｎ）、ｅ２（ｎ）、ｅ３（ｎ）のようなピッチパ
ルス信号等を得る。切断位置は各ピッチパルス等の間の
中点または各ピッチパルスの前方に一定時間になる時点
に定めてもよいが、図３（ａ）および図３（ｆ）を比較
してわかるようにピッチパルス等の時間的位置は声門パ
ルス等の終端部分に一致するので、図３（ｆ）の点線で
示したように各ピッチパルスの後側に一定時間になる時
間を選択する方がよい。しかし、聴覚上からもっとも大
きい効果を与えるのはピッチパルスであるので、どの場
合でも実際に合成音の音質においては別に差異がない。

【００３６】このような方法で得られたピッチパルス信
号等ｅ１（ｎ）、ｅ２（ｎ）、ｅ３（ｎ）等をその周期
区間の間のインパルス応答の図３（ｅ）のｈ１（ｎ）、
ｈ２（ｎ）、ｈ３（ｎ）と、各々、さらにコンボリュー
ションさせると図４（ｃ）、図４（ｆ）、および図５
（ｃ）等のように目的とした単位波形等が得られる。こ
のようなコンボリューションは実際には図７でのように
スペクトル包絡パラメータをフィルタ係数で用いるスペ
クトル包絡フィルタＨ（ｆ）に各ピッチパルス信号を入
力させて行なうのが便利である。たとえば、線形予測分
析法でのようにスペクトル包絡パラメータとして線形予
測係数とか反射係数または線スペクトル対を使用する場
合には、これらを直接フィルタ係数とするＩＩＲ（ｉｎ
ｆｉｎｉｔｅ−ｄｕｒａｔｉｏｎ ｉｍｐｕｌｓｅ ｒ
ｅｓｐｏｎｓｅ）フィルタを構成する。準同形分析法の
ようにインパルス応答をスペクトル包絡パラメータで使
用する場合にはインパルス応答をタップ係数にするＦＩ
Ｒフィルタを構成する。スペクトル包絡パラメータが対
数面積比またはケップストラムであれば、それらを直接
フィルタ係数にする合成フィルタを構成することができ
ないので反射係数およびインパルス応答に各々再び変更
した後、ＩＩＲおよびＦＩＲフィルタの係数を使用すれ
ばよい。このように構成されたスペクトル包絡フィルタ
に１周期分のピッチパルス信号を入力させながらフィル
タ係数をピッチパルス信号の各サンプルのような瞬間に
該当するスペクトル包絡パラメータのように変化させる
と、その周期分の単位波形が出力される。

【００３７】このような理由のために各周期分のピッチ
パルス信号を得るためｅ（ｎ）を切断したのと同一な時
点でスペクトル包絡パラメータ等の時間関数波形（ｔｉ
ｍｅｆｕｎｃｔｉｏｎ ｗａｖｅｆｏｒｍ）等を切り取
る。たとえば、順次的分析法の場合、図３（ｄ）に例示
したのと同じスペクトル包絡パラメータ等の時間関数等
ｋ１（ｎ）、ｋ２（ｎ）等から図４（ｂ）に示した始め
の周期分のピッチパルス信号ｅ１（ｎ）と同じ時間区間
に該当するスペクトル包絡のパラメータ等を切り取って
図４（ａ）の実践のような始めの周期分スペクトル包絡
パラメータ等ｋ１（ｎ）１、ｋ２（ｎ）１等を得る。図
４（ｄ）および図５（ａ）に実線で示した第２および第
３周期分スペクトル包絡パラメータ等も同じ方法で得る
ことができる。図７にスペクトルパラメータとして代表
的に、反射係数等ｋ１、ｋ２、……、ｋＮとインパルス
応答ｈ（０）、ｈ（１）、……、ｈ（Ｎ−１）を表示し
たが、これらが時間に対する関数という点を強調するた
めに各々ｋ１（ｎ）、ｋ２（ｎ）、……、ｋＮ（ｎ）お
よびｈ（０、ｎ）、ｈ（１、ｎ）、……、ｈ（Ｎ−１、
ｎ）で表記した。ケップストラムＣＬ（ｉ）がスペクト
ル包絡パラメータとして用いられる場合には同じくＣＬ
（ｉ、ｎ）で表記される。ピッチ同期式分析法とかブロ
ック別分析法の場合には順次的分析法の場合とは異な
り、スペクトル包絡パラメータ等の時間関数が求められ
ず分析区間に対して一定のスペクトル包絡パラメータ値
等が求められるのでそれらでもってまずスペクトル包絡
パラメータの時間関数を作った後、その時間関数を周期
的に分割して１周期分のスペクトル包絡パラメータ等を
作るべきであるが実際には時間関数を構成する代わりに
次のように処理するのが便利である。すなわち、ピッチ
同期式分析法の場合には図１７の鎖線のように各ピッチ
周期区間に対して一定の値を有する１セットずつのスペ
クトル包絡パラメータ等が対応するため、この場合には
周期的分割をしても変化がなく、したがって、バッファ
に貯蔵される１周期分のスペクトル包絡パラメータは時
間関数ではなく時間に関係のない常数になる。また、ブ
ロック別分析方法の場合にはブロック当り１セットの一
定なスペクトル包絡パラメータ値等が求められるので、
１ブロックに属するすべての１周期分のスペクトル包絡
パラメータ等、たとえば、ｋ１（ｎ）１、ｋ１（ｎ）
２、……、ｋ１（ｎ）Ｎの値は時間に無関係の常数であ
るだけでなくすべて同一な値になる（ここで、ｋ１
（ｎ）ｊはｊ番目の周期区間のｋ１の時間関数を意味
し、Ｎはブロックに属するピッチ周期区間の数を表示す
る）。ただ、ブロック境界にかかっているピッチパルス
信号に対応するスペクトル包絡パラメータとしては、そ
のピッチパルス信号上のブロック間の境界時点を基準に
して、その前および後の信号分に対して各々前および後
のブロックのスペクトル包絡パラメータ値を用いるべき
であることを留意しなければならない。

【００３８】図４（ｃ）でみるように単位波形の持続時
間は必ずしも１周期と同じではない。したがって、周期
的分割で得られた１周期長のピッチパルス信号とスペク
トル包絡パラメータ等をスペクトル包絡フィルタに印加
する前に、それらに持続時間が単位波形の有効持続時間
以上になるようにするため、図７に示した零サンプル追
加（ｚｅｒｏ ａｐｐｅｎｄｉｎｇ）とパラメータ延長
（ｐａｒａｍｅｔｅｒｔｒａｉｌｉｎｇ）過程が必要で
ある。零サンプル追加過程は１周期分のピッチパルス信
号の後に零の値を有するサンプル等を追加して全体の持
続時間を必要な長さになるようにすることである。パラ
メータ延長過程は１周期分のスペクトル包絡パラメータ
の後に、その次の周期分スペクトル包絡パラメータの前
部分を追加して全体の持続時間を必要な長さになるよう
にすることであるが、終わりの値を繰返すとか、その次
の周期分のスペクトル包絡パラメータの初めの値を繰返
して追加する簡単な方法を用いても合成音の音質は別に
劣化しない。

【００３９】スペクトル包絡フィルタによって作られる
単位波形の有効持続時間はスペクトル包絡パラメータ等
の値によって左右され予め推定し難い。しかし、ほとん
どの場合、単位波形の有効持続時間は男子の音声の場合
にはピッチパルス位置から後方に２周期、子供および女
子の音声の場合には３周期にみると実用上から差支えが
ないので、ピッチパルスの直後で周期的分割をする場
合、零サンプル追加によって作られる延長されたピッチ
パルス信号とパラメータ延長によって作られる延長され
たスペクトル包絡パラメータの持続時間が男子および女
子の音声に対して各々３および４周期の長さになるよう
に定めるのが便利である。図４（ａ）に周期的分割で得
られた始めの周期区分（ａ−ｂ）のスペクトル包絡パラ
メータの次に点線で示されたその次の２周期区間（ｂ−
ｄ）のスペクトル包絡パラメータを追加して作られた３
周期区間（ａ−ｄ）の始めの周期分の延長されたスペク
トル包絡パラメータを例示した。また、図４（ｂ）に周
期的分割で得られた始めの周期区間（ａ−ｂ）のピッチ
パルス信号の次の２周期区間（ｂ−ｄ）に零サンプル等
を追加して得られた３周期区間（ａ−ｄ）の始めの周期
分の延長されたピッチパルス信号を例示した。

【００４０】上記のような場合に、零サンプル追加とパ
ラメータ延長以前のピッチパルス信号とスペクトル包絡
パラメータの持続時間は１周期であるのに比べて零サン
プル追加とパラメータ延長以後の持続時間は３または４
周期に増加することになるので、図７でのようにその中
間にバッファを置いて周期的に分割して得られたピッチ
パルス信号とスペクトル包絡パラメータを、一応、バッ
ファに貯蔵してから取り出して用いることによって時間
的緩衝になるようにした。

【００４１】図７で、零サンプル追加とパラメータ延長
によって延長されたピッチパルス信号と延長されたスペ
クトル包絡パラメータが得られたら、最終的にスペクト
ル包絡フィルタＨ（ｆ）に図４（ｂ）の区間（ａ−ｈ）
のような延長の初めの周期分のピッチパルス信号を入力
させながら、それに同期的に係数等を図４（ａ）の区間
（ａ−ｄ）のような延長された始めの周期分スペクトル
包絡パラメータのように変化させると図４（ｃ）の区間
（ａ−ｄ）のような３周期区間長さの初めの周期分であ
る単位波形信号ｓ１（ｎ）を得ることができる。２番目
および３番目の周期分の単位波形信号ｓ２（ｎ）、ｓ３
（ｎ）も同じ方法で得ることができる。以上に説明した
ように、図７の過程によって結果的に有声音声波形ｓ
（ｎ）は、それを構成する単位波形等に分解される。明
白に、分解されて得られた図４（ｃ）、図４（ｆ）およ
び図５（ｃ）の単位波形等を元の時点に再び配置させる
と図３（ｂ）のようになり、それらを重ね合わせると図
３（ｃ）のような原音声波形ｓ（ｎ）がさらに作られ
る。もし、図４（ｃ）、図４（ｆ）および図５（ｃ）の
各単位波形を図６（ａ）に示したように相互間の間隔を
変化させて再配置して後に重ね合わせると、図６（ｂ）
のように他のピッチパターンを有する音声波形が得られ
るのである。このように、分解されて得られた単位波形
等の時間間隔を適切に変化させると任意の所望のピッチ
パターン、すなわち、抑揚を有する音声を合成すること
ができるようになる。また、単位波形等のエネルギーを
適切に変化させると任意の所望の強勢パターンを有する
音声を合成することができる。

【００４２】図２の音声断片貯蔵部５には図７のような
方法によって、ピッチパルスの個数くらいの単位波形等
に分解された状態の各有声音声断片が図１３のようなフ
ォーマットで貯蔵されているが、このようなものを音声
断片情報という。音声断片情報の前部分のヘッダフィー
ルドには音声断片においての重要時点等の境界地点等Ｂ
１、Ｂ２、……ＢＬと各単位波形を合成する時、用いら
れた各ピッチパルス信号のピッチパルス位置等、Ｐ１、
Ｐ２、……、ＰＭが貯蔵されるが、初めのピッチパルス
信号ｅ１（ｎ）の初めのサンプル位置を零にして、その
各時点等に該当するサンプル数が記録される。境界時点
は音声断片を便宜上から数個の小断片（ｓｕｂｓｅｇｍ
ｅｎｔ）等に分割してみるときに生じるそれらの間の境
界点の時間的位置である。たとえば、前後に子音を有す
る母音は緩い発声速度では中間部分の正常状態区間（ｓ
ｔｅａｄｙ−ｓｔａｔｅ ｉｎｔｅｒｖａｌ）と、その
前後に位置する２個の遷移区間（ｔｒａｎｓｉｔｉｏｎ
ａｌ ｉｎｔｅｒｖａｌ）に区分され得るため３個の小
断片になっているとみることができるが、音声断片ヘッ
ダフィールドには各小断片の終点３個が境界時点として
貯蔵される。しかし、速い発声速度で採取した場合には
遷移区間が１つの時点になって母音の音声断片は２個の
小断片になっているとみられ得るので２個の境界時点が
ヘッダ情報内に貯蔵されることになる。

【００４３】音声断片情報の後部分の単位波形コードフ
ィールドには各周期に該当する単位波形を波形コーディ
ングして得られるコード等の波形コード等を貯蔵する。
単位波形等はＰＣＭのような簡単な波形コーディング方
法でコーディングしてもよいが短期的および長期的相関
性を持つため、ピッチ予測ループ（ｐｉｔｃｈ−ｐｒｅ
ｄｉｃｔｉｖｅ ｌｏｏｐ）を有するＡＤＰＣＭとか適
応予測コーディング（Ａｄａｐｔｉｖｅ Ｐｒｅｄｉｃ
ｔｉｖｅ Ｃｏｄｉｎｇ）またはデジタル方式の適応デ
ルタ変調（Ａｄａｐｔｉｖｅ Ｄｅｌｔａ Ｍｏｄｕｌ
ａｔｉｏｎ）方法等を利用して効率的に波形コーディン
グすると貯蔵に必要なメモリ量を相当減らすことができ
る。分解されて得られた単位波形等を波形コーディング
し、そのコード等を貯蔵してから合成時にデコーディン
グして再配置および重ね合わせて合成音を作る。このよ
うな方法を波形コード貯蔵方式（ｗａｖｅｆｏｒｍ ｃ
ｏｄｅ ｓｔｏｒａｇｅ ｍｅｔｈｏｄ）という。

【００４４】ピッチパルス信号とそれに対応するスペク
トル包絡パラメータ等は単位波形を作ることができる材
料等であるので単位波形と同一なものとして取り扱うこ
とができる。したがって、それらを各々コーディングし
て得られた波源コード等を貯蔵してから合成時にデコー
ディングして得られたピッチパルス信号とスペクトル包
絡パラメータ等により単位波形等を作った後、それらを
再配置および重ね合わせて合成音を作る方法も可能であ
る。このような方式を波源コード貯蔵方式という。この
方式は図７において出力で得られる単位波形等の代わり
にバッファ等に貯蔵されたピッチパルス信号等とスペク
トル包絡パラメータ等を各々同じ周期区間のもの同士が
組み合わされて音声断片貯蔵部５に貯蔵するのと同じで
ある。

【００４５】したがって、波源コード貯蔵方式では図７
のバッファの次の処理過程等、すなわちパラメータ延長
と零サンプル追加過程、そして、合成フィルタＨ（ｆ）
によるフィルタリング過程を図１５の波形組立て部１３
の中で処理しなければならない。

【００４６】波源コード貯蔵方式の場合に音声断片情報
のフォーマットは図１４および図１３と同じであるが単
位波形コードフィールドの内容だけが異なる。すなわ
ち、図１３での各周期分の単位波形が貯蔵される位置に
単位波形の代わりにその単位波形を合成するのに必要な
ピッチパルス信号とスペクトル包絡パラメータ等をコー
ディングして貯蔵する。

【００４７】スペクトル包絡パラメータ等は既存のスペ
クトル包絡パラメータの量子化（ｑｕａｎｔｉｚａｔｉ
ｏｎ）方法によってコーディングされ単位波形コードフ
ィールドに貯蔵される。このとき、スペクトル包絡パラ
メータを適当な方法で変形させて量子化するとコーディ
ングを効率的にすることができる。たとえば、予測係数
は線スペクトル対とパラメータに変形させ、反射係数は
対数面積比に変形させて量子化するのがよい。また、イ
ンパルス応答は隣接サンプル相互間および隣接インパル
ス応答間との相関性が大きいので差分式コーディング方
法で波形コーディングすると貯蔵に必要なデータ量を大
きく減らすことができる。ケップストラムパラメータの
場合にも変形してデータ量を相当減らすことができるコ
ーディング方法が知られている。

【００４８】一方、ピッチパルス信号等は適当な波形コ
ーディング方法によってコーディングされ、そのコード
が単位波形コードフィールドに貯蔵される。ピッチパル
ス信号等は、短期的相関性（ｓｈｏｒｔ−ｔｅｒｍ ｃ
ｏｒｒｅｌａｔｉｏｎ）はほとんど有しないが相互間に
大きい長期的相関性（ｌｏｎｇ−ｔｅｒｍ ｃｏｒｒｅ
ｌａｔｉｏｎ）を有するのでピッチ予測ループを有する
ピッチ予測式適応ＰＣＭコーディングのような波形コー
ディング方法を用いると、貯蔵に必要なメモリ量をサン
プル当り３ビット程度に減らしても高音質の合成音を得
ることができる。ピッチ予測器の予測係数は自己相関法
によってピッチ周期毎に求めた値であり得ることもで
き、一定な値であり得ることもできる。コーディングの
初めの段階でコーディングするピッチパルス信号をサン
プル当り平均エネルギーの平方根Ｇで割って規準化する
ことでピッチ予測効果を上げることができる。デコーデ
ィングは有声音合成部６で行なわれるが、デコーディン
グの最終段階でさらにＧを掛けてピッチパルス信号を元
の大きさに復元させるとよい。

【００４９】図１４ではスペクトル包絡パラメータとし
て１４個の反射係数を用いる線形予測分析法を採用した
場合の音声断片情報を例示した。線形予測分析の分析区
間がピッチ周期であると１ピッチパルス信号に対して１
４個ずつの反射係数が対応し貯蔵される。分析区間が一
定の長さブロックであると１ブロック内の多くのピッチ
パルスに対する反射係数はすべて同じ値になるので単位
波形コードの貯蔵に必要なメモリ量が少なくなる。この
場合には前述のように両ブロックの境界にかかっている
ピッチパルス信号に対しては、その信号のサンプルがそ
の境界点の前または後にあるかによって合成時に各々前
または後のブロックの反射計数等を適用しなければなら
ないのでヘッダフィールド（ｈｅａｄｅｒ ｆｉｅｌ
ｄ）にブロック間境界点等の位置を追加して貯蔵しなけ
ればならない。もしも回帰最少自乗法のような順次的分
析法を用いたとすれば図３（ｄ）に示したように反射係
数ｋ１、ｋ２、……、ｋ１４は時間変数（ｔｉｍｅ ｉ
ｎｄｅｘ）ｎの連続関数になってこれら時間関数ｋ１
（ｎ）、ｋ２（ｎ）、……、ｋ１４（ｎ）を貯蔵するた
めには多くのメモリーが要求される。図３（ａ）ないし
図６（ｅ）の場合を例に挙げると単位波形コードフィー
ルドの初めの周期分を図４（ａ）および図４（ｂ）の区
間（ａ−ｂ）、第２周期分を図４（ｄ）および図４
（ｅ）の区間（ｂ−ｃ）、第３周期分を図５（ａ）およ
び図５（ｂ）の区間（ｃ−ｄ）の波形等が単位波形コー
ドフィールドに貯蔵される。

【００５０】波形コード貯蔵方式と波源コード貯蔵方式
は根本的に同じ方式で実際に、波形コード貯蔵方式で単
位波形等を適応予測コーディング（ＡＰＣ）のような効
率的な波形コーディング方式によってコーディングした
ときに得られる波形コードは波源コード貯蔵方式で得ら
れる波源コードと内容上でほとんど等しくなる。波形コ
ード貯蔵方式での波形コードと波源コード貯蔵方式での
波源コードを一括して単位波形コード（ｗａｖｅｌｅｔ
ｃｏｄｅ）と称する。

【００５１】図１５は本発明による有声音合成部６の内
部構成図である。音声断片貯蔵部５から受けた音声断片
情報中の単位波形コードフィールドに貯蔵された単位波
形コード等はデコーディング部９によってそれらをコー
ディングしたときの逆過程でデコーディングされる。波
形コード貯蔵方式での波形コードがデコーディングされ
得られた単位波形信号（ｗａｖｅｌｅｔ ｓｉｇｎａ
ｌ）等、または波源コード貯蔵方式での波源コードがデ
コーディングされ得られたピッチパルス信号等とそれら
と組合わされたスペクトル包絡パラメータ等を単位波形
情報（ｗａｖｅｌｅｔ ｉｎｆｏｒｍａｔｉｏｎ）と称
するが、波形組立て部１３に供給される。一方、音声断
片情報中のヘッダフィールドに貯蔵されたヘッダ情報
（ｈｅａｄｅｒ ｉｎｆｏｒｍａｔｉｏｎ）は持続時間
調節部１０、ピッチ調節部１１に入力される。

【００５２】図１５の持続時間調節部１０は韻律情報中
の持続時間情報と音声断片ヘッダ情報に包含された境界
時点等を入力で受け、それらを利用して時間歪曲情報
（ｔｉｍｅ ｗａｒｐｉｎｇ ｉｎｆｏｒｍａｔｉｏ
ｎ）を作って波形組立て部１３、ピッチ調節部１１、そ
してエネルギー調節部１２に提供する。音声断片の全体
の持続時間が長くなるか、短くなるとその音声断片を構
成する小断片等の持続時間もそれによって長くなるか短
くなるが、その伸長または収縮の比率は各小断片の性格
によって異なる。たとえば、前後に子音を有する母音の
場合には両側の遷移区間に対して中心にある正常状態区
間の持続時間の変化率が一層大きい。持続時間調節部１
０は貯蔵された元の音声断片の持続時間ＢＬと持続時間
情報が指示して合成される音声断片の持続時間を比較し
て元の各小断片の持続時間に対応する合成される小断片
の持続時間をそれらの変化比率とか持続時間の規則によ
り求めることによって合成音の境界時点等を求める。元
の境界時点等Ｂ１、Ｂ２等と、それに対応して組まれた
合成音の境界時点等Ｂ１、Ｂ２等を合わせたものを時間
歪曲情報というが、図１６および図１７の場合を例に挙
げると時間歪曲情報は｛（Ｂ１、Ｂ′１）、（Ｂ１、
Ｂ′２）、（Ｂ２、Ｂ′３）、（Ｂ３、Ｂ′３）、（Ｂ
４、Ｂ′４）｝のように表現され得る。

【００５３】図１５のピッチ調節部１１の機能は合成音
が抑揚パターン情報が指示するとおりの抑揚パターンを
有するようにピッチパルス位置情報（ｐｉｔｃｈ ｐｕ
ｌｓｅ ｐｏｓｉｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ）
を作って波形組立て部１３とエネルギー調節部１２に提
供するものである。ピッチ調節部１１は音素別目標ピッ
チ周波数値等の抑揚パターン情報を入力で受けてこれら
を円滑に連結することによって時間に対するピッチ周波
数の連続的変化を示すピッチ輪郭関数（ｐｉｔｃｈ ｃ
ｏｎｔｏｕｒ）を発生させる。ピッチ調節部１１は阻害
音（ｏｂｓｔｒｕｅｎｔ）による微細抑揚（ｍｉｃｒｏ
ｉｎｔｏｎａｔｉｏｎ）現象をピッチ輪郭関数に反映
させることもできるが、この場合、ピッチ輪郭関数は阻
害音音素と隣接した他の音素との境界点でピッチ周波数
値が時間に対して急激に変わる不連続関数になる。この
ピッチ輪郭関数から音声断片の初めのピッチパルス位置
でのピッチ周波数を求め、その逆数を取ってピッチ周期
を求め、その周期程度進行した後の時点をピッチパルス
位置に定め、その時点でのピッチ周波数から再びピッチ
周期を求め、次のピッチパルス位置を求める過程を繰返
すと合成音のピッチパルス等の位置をすべて求めること
ができる。音声断片の初めのピッチパルス位置は合成音
声の連続される一連の有声音声断片等の内、初めの音声
断片においては初めのサンプルまたはその付近に選定す
るとよく、その次の音声断片からはそれ以前の音声断片
の最終ピッチパルスの次のピッチパルス位置に該当する
時点に定められる。ピッチ調節部１１は、このようにし
て求められた合成音のピッチパルスの位置等Ｐ′１、
Ｐ′２等と音声断片ヘッダ情報の中に包含された元のピ
ッチパルス位置Ｐ１、Ｐ２等を共にまとめて波形組立て
部１３とエネルギー調節部１２に送るが、これをピッチ
パルス位置情報という。図１６および図１７の場合を例
に挙げるとピッチパルス位置情報は｛（Ｐ１、Ｐ２、…
…、Ｐ９）、（Ｐ′１、Ｐ′２、……、Ｐ′８）｝のよ
うに表現され得る。

【００５４】図１５のエネルギー調節部１２は強勢パタ
ーン情報が指示するとおりの強勢パターンを合成音が有
するように利得情報を作って波形組立て部１３に提供す
る。エネルギー調節部１２は音素別目標振幅値のような
強勢パターン情報を入力で受けてこれらを円滑に連結す
ることで、時間に対する振幅の連続的な変化をエネルギ
ー輪郭関数（ｅｎｅｒｇｙ ｃｏｎｔｏｕｒ）を発生さ
せる。各音素別エネルギーの相対的差異を反映するため
音声断片等は貯蔵時に音声断片の種類による相対的エネ
ルギーを有するように予め規準化されていると仮定す
る。たとえば、母音においては開母音（ｌｏｗ ｖｏｗ
ｅｌ）である程単位時間当りのエネルギーが大きく、鼻
音は母音に比べて単位時間当りエネルギーが半分ほどし
かならない。また、破裂音（ｐｌｏｓｉｖｅ）の閉鎖区
間（ｃｌｏｓｕｒｅ ｉｎｔｅｒｖａｌ）のエネルギー
は甚だ弱い。したがって、これらを音声断片として貯蔵
するとき、このような相対的エネルギーを有するように
予めエネルギーを調節した後にコーディングしなければ
ならない。この場合、エネルギー調節部１２で作られた
エネルギー輪郭関数は合成される波形に掛ける利得とな
る。エネルギー調節部１２はエネルギー輪郭関数とピッ
チパルス位置情報を利用して各合成音ピッチパルス位置
Ｐ′１、Ｐ′２等での利得値等Ｇ１、Ｇ２等を求めて波
形組立て部１３に供給するが、それを利得情報という。
図１６および図１７の場合を例に挙げると利得情報は
｛（Ｐ′１、Ｇ１）、（Ｐ′２、Ｇ２）、……、（Ｐ′
８、Ｇ８）｝のように表現することができる。

【００５５】図１５の波形組立て部１３は前述の単位波
形情報、時間歪曲情報、ピッチパルス位置情報そして利
得情報を入力で受けて最終的に有声音声信号を作り出す
役割を果たす。波形組立て部１３はデコーディング部９
から受けた単位波形情報を利用して韻律情報が指示した
とおりの抑揚パターン、強勢パターンそして持続時間を
有する音声を作らなければならない。このとき、ある単
位波形は繰返され、ある単位波形は省略されることもあ
る。韻律情報内に包含された持続時間情報、抑揚パター
ン情報、そして強勢パターン情報は互いに独立的な指示
情報等であるのに比べて単位波形情報を有して波形を合
成することではその３通りの情報の相互間に関連性があ
るため、それらを総合して取扱わなければならない。波
形組立てにおいて最も重要な問題の１つは合成音の各ピ
ッチパルス位置に配置する単位波形として、どのような
単位波形を選択するかということであるが、適切な単位
波形を選択して配置しないと良い音質の合成音を得るこ
とができない。

【００５６】次に、音声断片貯蔵部５から受ける音声断
片情報を利用して合成音を合成するときに良い音質を得
ることができる単位波形再配置方法の本発明による時間
歪曲式単位波形再配置方式を利用した波形組立て部１３
の動作を説明することにする。

【００５７】波形組立て部１３の有声音波形の合成過程
は時間歪曲関数（ｔｉｍｅ ｗａｒｐｉｎｇ ｆｕｎｃ
ｔｉｏｎ）を利用する単位波形の再配置段階と配置され
た単位波形等を重ね合わせる段階の２段階からなる。

【００５８】すなわち、波形コード貯蔵方式の場合には
単位波形情報として入力された単位波形信号等の中で合
成音のピッチパルス位置に最も適合するものを選定して
配置し、利得調整した後、それらを重ね合わせすること
で合成音を作る。波源コード貯蔵方式では単位波形情報
としてピッチパルス信号等とそれに対応する各周期分の
スペクトル包絡パラメータ等を入力される。この場合に
は２通りの合成音組立方法が可能である。第１の方法は
単位波形情報が図７のバッファの右側部分に該当する過
程、すなわち前述のパラメータ延長と零サンプル追加を
各々行なって作られた３周期区間長さのスペクトル包絡
パラメータとピッチパルス信号を合成フィルタに印加し
て各単位波形を得、その単位波形等により前述の波形コ
ード貯蔵方式と同一な過程で合成音を組立てる方法であ
るが、この方法は基本的に波形コード貯蔵方式での合成
音組立てと同一であるので別途の説明を省略することに
する。第２の方法はピッチパルス信号等の中で合成音の
ピッチパルス位置に最も適したものを選定して配置し、
利得を調整した後、それらを互いに重ね合わせることで
平坦なスペクトル包絡を有するが、元の周期的ピッチパ
ルス列信号と異なるピッチパターンを有する合成ピッチ
パルス列信号（ｓｙｎｔｈｅｔｉｃ ｐｉｔｃｈ ｐｕ
ｌｓｅ ｔｒａｉｎ ｓｉｇｎａｌ）または合成励起信
号（ｓｙｎｔｈｅｔｉｃ ｅｘｃｉｔａｔｉｏｎ ｓｉ
ｇｎａｌ）を作り、それを構成する各ピッチパルス信号
にスペクトル包絡パラメータ等を対応させて作る合成ス
ペクトル包絡パラメータ（ｓｙｎｔｈｅｔｉｃ ｓｐｅ
ｃｔｒａｌ ｅｎｖｅｌｏｐｅｐａｒａｍｅｔｅｒ）等
を作り、その合成励起信号と合成スペクトル包絡パラメ
ータ等を合成フィルタに印加して合成音を作る方法であ
る。この２つの方法は合成音組立てにおいて合成フィル
タと重ね合わせ過程間の順序だけ替えられているだけで
根本的には同一な方法である。

【００５９】これら合成組立て方法を図１６および図１
７によって説明することにする。この単位波形再配置方
法は基本的に波形コード貯蔵方式の場合でも波源コード
貯蔵方式の場合でも同じく適用されるので２方式での合
成音波形組立て過程を図１６および図１７によって同時
に説明することにする。

【００６０】図１６は元の音声断片と合成しようとする
音声断片間の対応関係を例示した。点線で表示された元
の境界時点等Ｂ１、Ｂ２等と合成音の境界時点等Ｂ′
１、Ｂ′２等、そして鎖線で表示されたそれらの間の対
応関係は持続時間調節部１０から受けた時間歪曲情報に
包含されている。また実線で表示された元のピッチパル
ス位置等Ｐ１、Ｐ２等と合成音のピッチパルス位置等
Ｐ′１、Ｐ′２等はピッチ調整部１１から受けたピッチ
パルス位置情報内に包含されている。図１６および図１
７の例示図では説明の便宜上から元の音声のピッチ周期
と合成音のピッチ周期が各々一定であり後者は前者の
１．５倍であると仮定した。

【００６１】波形組立て部１３は、まず、元の境界時点
等と合成音の境界時点等、そして、それらの間の対応関
係を利用した図１７に例示したもののような時間歪曲関
数を構成する。時間歪曲関数の横軸は元の音声断片上の
時間ｔを、縦軸は合成された音声断片上の時間ｔ′を示
す。図１６の場合を例にあげると元の音声断片の第１お
よび終りの小断片は２／３倍と２倍に各々縮小および伸
張されるべきであるので、これらの対応関係は図１７の
時間歪曲関数で傾きが各々２／３と２の線分で示され
る。また、第２の小断片は持続時間の変化がないので時
間歪曲関数で傾きが１の線分で示される。合成される音
声断片の第２の小断片は元の音声断片の境界時点Ｂ１が
繰返されて発生するものであり、反対に元の音声断片の
第３の小断片は合成される音声断片の１つの境界時点
Ｂ′３に変わったものである。このような場合、これら
の対応関係は時間歪曲関数では各々垂直と水平線分で表
わされる。時間歪曲関数はこのように元の音声断片の境
界時点と、それに対応して合成される音声断片の境界時
点等を１つの点に表わし、それらの間を直線で連結する
ことによって得られる。場合によっては、この点等の間
を円滑な曲線で連結して小断片間の対応関係を実際と近
いように表現することもできる。

【００６２】波形コード貯蔵方式の場合、波形組立て部
１３は合成音ピッチパルス位置に該当する元の時点を時
間歪曲関数を利用して求め、それに最も近いピッチパル
ス位置を有する単位波形を求めて合成音ピッチパルス位
置に配置する。

【００６３】その次の段階で、波形組立て部１３は再配
置された各単位波形信号に、そのピッチパルス位置に該
当する利得を利得情報で求めた掛けた後、利得調整され
たこれら単位波形信号等を単に加算して重ね合わせるこ
とによって最終的に所望の合成音を得る。図６（ｂ）
に、図４（ｃ）、図４（ｆ）および図５（ｃ）の単位波
形等が図６（ａ）のように再配置された場合、このよう
な重ね合わせ過程によって作られた合成音声を例示し
た。

【００６４】波源コード貯蔵方式の場合でも同じく波形
組立て部１３は合成音ピッチパルス位置に該当する元の
時点を時間歪曲関数を利用して求め、それに最も近いピ
ッチパルス位置を有するピッチパルス信号を求め、その
合成音ピッチパルス位置に配置する。合成された音声断
片の各ピッチパルス位置に、このような方法によって配
置された元のピッチパルス信号または単位波形の番号を
図１６および図１７に例示した。この図面で見るように
元の音声断片を構成する単位波形の中で、あるものは小
断片の収縮によって脱落し、あるものは小断片の伸張に
よって繰返し使用されることもある。図１６および図１
７で各周期分ピッチパルス信号は各ピッチパルスの直後
で切断して得られたものと仮定した。

【００６５】波形コード貯蔵方式での単位波形等の重ね
合わせは波形コード貯蔵方式ではピッチパルス信号の重
ね合わせに該当する。したがって、波形コード貯蔵方式
の場合に波形組立て部１３は配置された各ピッチパルス
信号のピッチパルス位置に該当する利得を利得情報で求
め、各ピッチパルス信号に掛けた後、利得調節されたこ
れらピッチパルス信号等を重ね合わせることによって、
合成励起信号を作る。しかし、この場合にはピッチパル
スにエネルギーが集中されているので一定な利得をピッ
チパルス信号に掛けて重ね合わせる代りに、まず、ピッ
チパルス信号を重ね合わせて利得調節がなされない合成
励起信号を作り、それにエネルギー調節部１２で発生さ
れたエネルギー輪郭関数を掛けて利得調整された合成励
起信号を得ることもできる。図６（ｃ）に、このような
過程によって図４（ｂ）、図４（ｅ）および図５（ｂ）
のピッチパルス信号等をピッチパターンが図６（ａ）の
場合と同じように再配置したとき得られた合成励起信号
を示した。

【００６６】波源コード貯蔵方式の場合に波形組立て部
１３は、また、合成スペクトル包絡パラメータを作らね
ばならないが、図１６に例示した時間軸圧縮および伸張
（ｔｅｍｐｏｒａｌ ｃｏｍｐｒｅｓｓｉｏｎ ａｎｄ
ｅｘｐａｎｓｉｏｎ）方法と図１７に例示した同期的
対応（ｓｙｎｃｈｒｏｎｏｕｓ ｃｏｒｒｅｓｐｏｎｄ
ｅｎｃｅ）方法の２通りが可能である。もしも、スペク
トル包絡パラメータ等が時間に対する連続関数であり音
声スペクトルの包絡をそのままに表現すると、図１６に
例示したように元のスペクトル包絡パラメータを小断片
ごとに時間的に圧縮または伸張させることによって合成
スペクトル包絡パラメータを得ることができる。図１６
で、順次的分析法で求めたスペクトル包絡パラメータと
それをＡ、Ｂ、Ｃ等のような数個の点を連結した線分に
近似させてコーディングした場合のスペクトル包絡パラ
メータを各々破線と実線で示した。後者の場合には時間
軸圧縮および伸張の結果、各点の時間的位置だけ変わり
点Ａ、Ｂ、Ｃ等が点Ａ′、Ｂ′、Ｃ′等のようになるの
で、時間軸圧縮および伸張方法を使用する場合には、こ
のような線分コーディング方式が、特に適している。し
かし、ブロック別分析法またはピッチ同期式分析法を使
う場合には、スペクトル合致性が悪いとかスペクトル包
絡パラメータの時間的変化が不連続的であるので時間軸
圧縮および伸張方法を用いては良い合成音質を得ること
ができなく、図１７に例示したようにピッチパルス信号
別にスペクトル包絡パラメータを対応させて組立てる同
期的対応方法を用いるのがよい。すなわち、波形コード
貯蔵方式での１単位波形は波源コード貯蔵方式では同じ
ピッチ周期区間のピッチパルス信号とスペクトル包絡パ
ラメータ等に該当するので、配置された各ピッチパルス
信号と同一な周期区間に該当する１周期分のスペクトル
包絡パラメータをそのピッチパルス信号に同期的に配置
することによって、合成スペクトル包絡パラメータを作
る。図１７にブロック別分析法とピッチ同期式分析法で
得られたスペクトル包絡パラメータ中の１つのｋ１に対
して代表的にこのような方法によって組立てられた合成
スペクトル包絡パラメータｋ′１を各々実線と破線で例
示した。図１６に示した順次的分析法によって求められ
たスペクトル包絡パラメータに対しても、もちろん、図
１７のような方法で合成スペクトル包絡パラメータを組
立てることができるが、たとえば、各周期分ピッチパル
ス信号等が図６（ｃ）のように配置されたとすると、各
周期分スペクトル包絡パラメータ等は、そのピッチパル
ス信号等に対応され図６（ｄ）のように配置されること
になる。

【００６７】波源コード貯蔵方式においては合成励起信
号と合成スペクトル包絡パラメータの組立て時に合成音
のピッチ周期が元のピッチ周期より長い場合には図１６
および図１７に斜線で表わしたように隣接の２ピッチ周
期区間の間には空白区間が生じ、合成音のピッチ周期が
元のピッチ周期よりも短い場合には隣接の２ピッチ周期
区間が重なる重複区間が生じる。図６（ｃ）および図６
（ｄ）に重複区間（ｆ−ｂ）空白区間（ｇ−ｈ）を例示
した。前述のように再配置されたピッチパルス信号等は
重複時に重ね合わされねばならない。しかし、これらに
対応して再配置されたスペクトル包絡パラメータ等は重
複時に重ね合わされる代わりに２つの値の平均値をとる
ことが合理的である。したがって、空白区間と重複区間
を考慮した合成励起信号と合成スペクトル包絡パラメー
タの組立て方法は次のとおりである。

【００６８】合成励起信号の組立て時に空白区間には零
サンプル（ｚｅｒｏ ｓａｍｐｌｅ）等を挿入すればよ
い。有声摩擦音の場合には空白区間に高域通過フィルタ
リングされた雑音信号を挿入すると、より一層自然な音
を合成できるものである。重複区間には重複されたピッ
チパルス信号等を配置された状態でそのまま加えるとよ
い。このような加算方式は煩雑であるため実際には重複
区間で重複された２つのピッチパルス信号中のいずれか
一方の信号だけを選択する切捨て方式（ｔｒｕｎｃａｔ
ｉｏｎ ｍｅｔｈｏｄ）を用いるのが簡便であり、合成
音の音質も別の劣化されない。図６（ｃ）では空白区間
（ｇ−ｈ）には零サンプル等で満たした重複区間（ｆ−
ｂ）では前方のピッチパルス信号を選択した。すなわ
ち、重複が発生する場合、各ピッチパルス信号の重ね合
う前方の区間の分を捨てたが、前述のように同じくこの
方法はピッチパルス等の直前で切断してピッチパルス信
号等を作り、合成時に重複されるとピッチパルス信号の
後方の重複区間分を切捨てる方法に比べて物理的に一層
意味がある。しかし、実際に合成音の音質において両者
間に大差はない。

【００６９】合成スペクトル包絡パラメータの組立て時
に空白区間には前周期分スペクトル包絡パラメータの終
了時点の値から後の周期分スペクトル包絡パラメータの
初めの時点の値に直線的に変るように作った値等で満た
して、重複区間には重複された２つのスペクトル包絡パ
ラメータの平均を求める内挿法を利用して時間に対して
直線的に加わる加重値を持って前の周期分のスペクトル
包絡パラメータ値から後の周期分のスペクトル包絡パラ
メータの値に徐々に移行するようにするのが理想的であ
る。しかし、このような方式等は煩雑であるので、音質
の劣化がそれほど大きくなくより簡便な次の方法等を用
いることができる。すなわち、空白区間のスペクトル包
絡パラメータとして図１７の例のように前の周期分のス
ペクトル包絡パラメータの終りの時点の値を反復させて
用いるか、後の周期分のスペクトル包絡パラメータの初
めの時点の値を反復させて用いるか、その２つのスペク
トル包絡パラメータ値の平均値を用いるか、空白区間の
中点を境界にして前後に各々前および後の周期分スペク
トル包絡パラメータの終りおよび初めの時点の値を繰返
させて用いるかをすればよい。また、重複区間でのスペ
クトル包絡パラメータとしては単純に選択されたいずれ
か一方のピッチパルスに対応させる部分を選択するとよ
い。図６（ｄ）では重複区間（ｆ−ｂ）で合成励起信号
として前の周期区間のピッチパルス信号を選択したので
合成スペクトル包絡パラメータとして前の周期区間の値
を選択した。図１７と図６（ｄ）の空白区間（ｇ−ｈ）
では前の周期区間の終りでのスペクトル包絡パラメータ
値を繰返して使用した。もちろん、スペクトル包絡パラ
メータが時間に対する連続関数である図６（ｄ）の場合
には空白区間の間の前の周期区間の終端値または後の周
期区間の初めの値を繰返し使用する方法または２つの値
を直線的に変化させ使用する方法のすべてが同じ結果に
なる。

【００７０】合成励起信号と合成スペクトル包絡パラメ
ータ等がすべて組立てられると波形組立て部１３は通常
隣接の音声断片間にスペクトル包絡パラメータの変化が
円滑になるように組立てられた合成スペクトル包絡パラ
メータの両端部分を内挿法を利用して円滑化させる。以
上のように組立てられた合成励起信号と合成スペクトル
包絡パラメータ等が波形組立て部内の合成フィルタに各
々励起信号とフィルタ係数として入力されると所望の合
成音声が最終的に合成フィルタから出力される。図６
（ｃ）に図４（ｂ）、図４（ｅ）および図５（ｂ）のピ
ッチパルス信号等を図６（ａ）とピッチパターンを同じ
ように再配置したときに得られた合成励起信号を、図６
（ｄ）にその合成励起信号に図４（ａ）、図４（ｄ）お
よび図５（ａ）の１周期分のスペクトル包絡パラメータ
等を対応させて作られた合成スペクトル包絡パラメータ
等を例示した。図６（ｄ）のように変化する反射係数等
をフィルタ係数にする時変合成フィルタを構成し、それ
に図６（ｃ）のような合成励起信号を入力すると図６
（ａ）の合成音とほぼ等しい図６（ｅ）の合成音が作ら
れる。

【００７１】ここで、波形コード貯蔵方式と波源コード
貯蔵方式を比較してみると、２つの方式は、原理的には
同じであるとみることができるが、ただ接続性が悪い音
声断片等を互いに連鎖させるとき、後者においては内挿
法によって貯蔵されたスペクトル包絡パラメータを円滑
化させることで円滑に連結された音を合成することがで
きるが、前者ではそれが不可能な点が差異点である。ま
た、波源コード貯蔵方式は単位波形当り１周期長の波形
だけ貯蔵するとすむので波形コード貯蔵方式に比べてメ
モリが少なくてすみ、有声音合成部６の機能と前述の無
声音合成部７の機能を統合しやすいという長所を有す
る。準同形分析法を使用する場合、波形コード貯蔵方式
ではスペクトル包絡パラメータとしてケップストラムま
たはインパルス応答を使用することができるが波源コー
ド貯蔵方式では一定な合成スペクトル包絡パラメータの
値を有する区間の持続時間が不均一になるのでブロック
単位の計算を必要とするケップストラムを使用すること
が事実上から不可能である。本発明による波源コード貯
蔵方式は１周期分のピッチパルスを励起パルスとして使
用するが、それとそれに対応する１周期分のスペクトル
包絡パラメータが合わされて各周期分の単位波形を作る
という点で単位インパルスを一定なピッチパルスに代え
ようとする既存の標準ピッチパルス励起方式とは異な
る。

【００７２】

【発明の効果】本発明は音声断片合成方式の無制限の音
声合成システムの音声断片コーディングおよび再生用に
適している。また、本発明は音素、半音節、ダイフォ
ン、小断片等、音声を構成する任意の音声単位の全体的
および部分的持続時間とピッチパターンを独立的に自由
に変化させ得る方法であるため、声楽音声合成システム
とか、音声の抑揚パターンを変化させずに発声速度を一
定比率で元の速度より速くまたは遅く変化させる音声速
度変換システムにも用いることができ、予め貯蔵された
標準音声断片（ｔｅｍｐｌａｔｅ ｓｐｅｅｃｈ ｓｅ
ｇｍｅｎｔ）等の持続時間とピッチを変化させ音声を伝
送するフォネティックボコーダ（ｐｈｏｎｅｔｉｃ ｖ
ｏｃｏｄｅｒ）またはセグメントボコーダ（ｓｅｇｍｅ
ｎｔ ｖｏｃｏｄｅｒ）のような低伝送率音声コーディ
ングシステムにも用いることができる。本発明のまた１
つの用途はサンプリング方式の電子楽器のような楽器音
合成システムである。既存のサンプリング方式電子楽器
においては、その電子楽器の音域内のほとんどすべての
音をデジタル方式で波形コーディングして貯蔵してから
キーボード等から要求があったとき、再生するため楽器
音の貯蔵に必要なメモリ量が多いという短所があった。
しかし、本発明による周期波形分解および単位波形再配
置方式を利用すると、ただ、数種類のピッチの音だけを
サンプリングし、多くの他のピッチの音等を合成するこ
とができるため、貯蔵に必要なメモリ量を大幅に減らす
ことができる。楽器音は典型的に開始部（ａｔｔａｃ
ｋ）と持続部（ｓｕｓｔａｉｎ）そして減衰部（ｄｅｃ
ａｙ）の３つの部分で構成されている。これら３つの部
分の間には、もちろん、持続部内でも部分的にスペクト
ル包絡が徐々に変るため音色もこれによって変る。した
がって、スペクトル変化が大きいこれらのうちの適当な
点等を境界時点として、楽器音断片（ｍｕｓｉｃａｌｓ
ｏｕｎｄ ｓｅｇｍｅｎｔ）を前述の周期波形分解方式
によってコーディングして貯蔵してからキーボード等か
ら要求が発生したとき、前述の時間歪曲式再配置方式に
よって音を合成すると所望の任意のピッチを有する楽器
音を合成することができる。ただ、楽器音を線形予測分
析法でデコンボリューションする場合にはスペクトル包
絡が正確に求められず、ピッチパルスが尖鋭にならない
傾向があるので、サンプリング周波数をあげるとか、ピ
ッチ同期式分析法を用いることが望ましい。

【００７３】本発明の原理は音声合成だけでなく楽器音
とか声楽音声等の音声に類似した性質を有する音の合成
とか低伝送率音声コーディングまたは音声速度変換等に
もそのまま利用することができる。

【図面の簡単な説明】

【図１】音声断片組合せ方式の無制限音声構成システム
の構成図である。

【図２】音声断片組合せサブシステムの構成図である。

【図３】本発明による周期波形分解および単位波形再配
置方式を説明するための第１の波形図である。

【図４】本発明による周期波形分解および単位波形再配
置方式を説明するための第２の波形図である。

【図５】本発明による周期波形分解および単位波形再配
置方式を説明するための第３の波形図である。

【図６】本発明による周期波形分解および単位波形再配
置方式を説明するための第４の波形図である。

【図７】本発明による周期波形分解方法を説明するため
のブロック図である。

【図８】ブラインドデコンボリューション過程を説明す
るための第１のブロック図である。

【図９】ブラインドデコンボリューション過程を説明す
るための第２のブロック図である。

【図１０】ブラインドデコンボリューション過程を説明
するための第３のブロック図である。

【図１１】ブラインドデコンボリューション過程を説明
するための第４のブロック図である。

【図１２】ブラインドデコンボリューション過程を説明
するための第５のブロック図である。

【図１３】音声断片貯蔵部に貯蔵される有声音声断片情
報のコードフォーマットを説明する第１の図である。

【図１４】音声断片貯蔵部に貯蔵される有声音声断片情
報のコードフォーマットを説明する第２の図である。

【図１５】本発明による有声音合成部の構成図である。

【図１６】本発明による持続時間およびピッチ調節方法
を説明するための第１の例示図である。

【図１７】本発明による持続時間およびピッチ調節方法
を説明するための第２の例示図である。

【符号の説明】

１ 音声学的前処理サブシステム ２ 韻律発生サブシステム ３ 音声断片組合せサブシステム ４ 音声断片選定部 ５ 音声断片貯蔵部 ６ 有声音合成部 ７ 無声音合成部 ８ Ｄ−Ａ変換部 ９ デコーディング部 １０ 持続時間調節部 １１ ピッチ調節部 １２ エネルギー調節部 １３ 波形組立て部

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭51−104202（ＪＰ，Ａ) 特開 昭58−43498（ＪＰ，Ａ) 特開 昭58−196597（ＪＰ，Ａ) 特開 昭57−144600（ＪＰ，Ａ) 特開 昭56−60499（ＪＰ，Ａ) 特開 昭57−10200（ＪＰ，Ａ) 特開 昭57−17997（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G10L 9/00

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】 有声音声信号を含む周期的または準周期
   的なデジタル信号をスペクトル推定技法を用いて分析し
   て、各分析時間区間におけるスペクトル包絡を表わすス
   ペクトル包絡パラメータを求める第１ステップと、 前記デジタル信号を前記スペクトル包絡パラメータが表
   わすインパルス応答と、平坦なスペクトル包絡を有する
   周期的または準周期的なピッチパルス列信号とにデコン
   ボリューションさせる第２ステップと、 各周期ごとにピッチパルスが１つずつ包含されるよう
   に、前記ピッチパルス列信号を周期的に分割して得られ
   た各１周期分のピッチパルス信号の後に零サンプルを追
   加して作る励起信号と、前記励起信号と同一な時間区間
   での前記スペクトル包絡パラメータに該当するインパル
   ス応答とをさらにコンボリューションさせることにより
   作られる各周期分の単位波形を各々波形コーディングし
   てメモリに貯蔵する第３ステップと、 合成時に前記単位波形をデコーディングして所望のピッ
   チパターンを有するように適切な時点に各々再配置さ
   せ、再配置された単位波形を重ね合せて音を作る第４ス
   テップとを含み、 持続時間とピッチ周波数の調整が可能でありながら原音
   にほとんど等しい高音質の音を合成できるようにするこ
   とを特徴とする音声合成システムの音声合成方法。
2. 【請求項２】 有声音声信号を含む周期的または準周期
   的なデジタル信号をスペクトル推定技法を用いて分析し
   て、各分析時間区間におけるスペクトル包絡を表わすス
   ペクトル包絡パラメータを求める第１ステップと、 前記デジタル信号を前記スペクトル包絡パラメータが表
   わすインパルス応答と、平坦なスペクトル包絡を有する
   周期的または準周期的なピッチパルス列信号とにデコン
   ボリューションさせる第２ステップと、 各周期ごとにピッチパルスが１つずつ包含されるよう
   に、前記ピッチパルス列信号を周期的に分割して得られ
   た各１周期分のピッチパルス信号を生成する第３ステッ
   プと、 前記分割して得られた各１周期分のピッチパルス信号を
   波形コーディングした第１情報と、前記第１情報に同一
   な時間区間の各１周期分のスペクトル包絡パラメータま
   たは前記各１周期分のスペクトル包絡パラメータに該当
   するインパルス応答をコーディングした第２情報とを組
   合せてともにメモリに貯蔵する第４ステップと、 合成時に、前記第１および第２情報をデコーディングし
   て得られた各１周期分のピッチパルス信号の後に零サン
   プルを追加して作った励起信号と、前記励起信号に同一
   な時間区間でのスペクトル包絡パラメータに該当するイ
   ンパルス応答とさらにコンボリューションさせることで
   作られる各周期分の単位波形を所望のピッチパターンを
   有するように適切な時点に各々再配置させ、再配置させ
   た単位波形を重ね合せて音を作る第５ステップとを含
   み、 持続時間とピッチ周波数の調整が可能でありながら原音
   にほとんど等しい高音質の音を合成できるようにするこ
   とを特徴とする音声合成システムの音声合成方法。
3. 【請求項３】 有声音声信号を含む周期的または準周期
   的なデジタル信号をスペクトル推定技法を用いて分析し
   て、各分析時間区間におけるスペクトル包絡を表わすス
   ペクトル包絡パラメータを求める第１ステップと、 前記デジタル信号を前記スペクトル包絡パラメータが表
   わすインパルス応答と、平坦なスペクトル包絡を有する
   周期的または準周期的なピッチパルス列信号とにデコン
   ボリューションさせる第２ステップと、 各周期ごとにピッチパルスが１つずつ包含されるよう
   に、前記ピッチパルス列信号を周期的に分割して得られ
   た各１周期分のピッチパルス信号を生成する第３ステッ
   プと、 前記分割して得られた各１周期分のピッチパルス信号を
   波形コーディングした第１情報と、前記第１情報に同一
   な時間区間の各１周期分のスペクトル包絡パラメータま
   たは前記各１周期分のスペクトル包絡パラメータに該当
   するインパルス応答をコーディングした第２情報とを組
   合せてともにメモリに貯蔵する第４ステップと、 合成時に、前記第１情報をデコーディングして得た各１
   周期分のピッチパルス信号を所望のピッチパターンを有
   するように適切な時点に配置させ、所望のピッチ周期が
   元のピッチ周期よりも長いときに生じる空白区間は零サ
   ンプルで満たし、所望のピッチ周期が元のピッチ周期よ
   り短いとき生じる重複区間ではそれらの値を加算させる
   ことにより作られた合成励起信号と、前記第２情報をデ
   コーディングして得た各１周期分のスペクトル包絡パラ
   メータをそれに対応する前記ピッチパルス信号と同一の
   時間区間に配置させ、前記空白区間は、前記空白区間の
   前および後のスペクトル包絡パラメータの値を円滑に連
   結した値で満たし、前記重複区間では、重複させるスペ
   クトル包絡パラメータの平均値を用いることにより作ら
   れた合成スペクトル包絡パラメータに該当するインパル
   ス応答とをコンボリューションさせて音を作る第５ステ
   ップとを含み、 持続時間とピッチ周波数の調整が可能でありながら原音
   にほとんど等しい高音質の音を合成できるようにするこ
   とを特徴とする音声合成システムの音声合成方法。