JP2867744B2

JP2867744B2 - 音声再生装置

Info

Publication number: JP2867744B2
Application number: JP3144454A
Authority: JP
Inventors: 正之三崎; 良二鈴木
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1991-06-17
Filing date: 1991-06-17
Publication date: 1999-03-10
Anticipated expiration: 2014-03-10
Also published as: JPH04367898A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は記録された会話音声信号
などの再生速度を通常速度以外に変更する音声再生装置
に関するものである。

【０００２】

【従来の技術】従来より、記録した音声信号の再生速度
を可変する機能をもつ様々な装置が提案されている。最
も簡単な例はアナログテープレコーダのキュー（早送り
再生）、レビュー（巻戻し再生）であるが、これらの高
速再生音声は通常速度の音声と比べると音程・速度の両
方が変化しているため、内容を聴取するのはほとんど不
可能である。また、高速／低速再生時にも音程が変化し
ないように補償する速度変換処理を行なう音声再生装置
も提案されている。以下、速度変換処理を行なう音声
再生装置について、図面を参照しながら説明を行なう。

【０００３】（図４）は従来の音声再生装置の構成を示
すものである。（図４）において、１０１は速度変換
器、１０２は切り換え器、１０３は速度制御器である。

【０００４】以上のように構成された音声再生装置につ
いて、以下その動作について説明する。まず、入力され
た音声信号は速度変換器１０１と切り替え器１０２に入
力される。速度変換器１０１は音程を通常再生時に保っ
たまま速度のみを変更する処理を行なうものである。速
度変換処理については例えば『ディジタル音声処理』古
井貞煕著、東海大学出版会のＴＤＨＳアルゴリズムの項
目を参照されたい。切り換え器１０２は入力されたその
ままの音声信号と、速度変換器１０１の出力信号とを速
度制御器１０３の制御により切り換える。速度制御器１
０３は設定された再生速度に応じて速度変換器１０１の
パラメータを制御し、切り換え器１０２の入力を選択す
る。この構成で、通常再生時には入力された音声信号は
そのまま切り換え器１０２を通じて出力される。一方、
再生速度を変更して聴取する場合には、速度制御器１０
３で制御された速度変換器１０１によって速度変換され
た音声が切り換え器１０２を通じて出力される。

【０００５】

【発明が解決しようとする課題】しかし上記の構成では
入力信号の内容如何によらずに、一様に時間軸伸縮を行
なう速度変換処理を行なって再生速度を変化させてい
る。これにより、再生音の音程は保存されてはいる。し
かしながら、再生速度を通常速度から大きく変更する場
合には、人間の発声法とは異なった不自然な再生音にな
るという課題を有している。

【０００６】本発明は上記の課題を解決するもので、再
生速度を変更してもできるだけ人間の発声法に近い状態
で自然に聞き取れ、しかも了解性も改善できる再生音を
得るための音声再生装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】この目的を達成するため
に本発明の音声再生装置は、有無判定器、音声時間率検
出器、推論器、切換手段、無音区間処理器、速度変換処
理器を有した構成で、有無判定器は、入力信号が音声区
間か無音区間であるかを判定し、音声時間率検出器は、
有無判定器の検出結果に基づいて、入力信号の所定の時
間長に対する音声区間の時間長の比である音声時間率を
検出し、推論器は、第１の推論手段と第２の推論手段か
らなり、第１の推論手段は、入力される再生速度の度合
に対応したメンバーシップ関数と音声時間率に基づいて
ファジー推論を行い、無音区間増減比を出力し、第２の
推論手段は、入力される再生速度の度合に対応したメン
バーシップ関数と音声時間率に基づいてファジー推論を
行い、速度変換比を出力し、切換手段は、無音区間の場
合には無音区間処理器に、有音区間の場合には速度変換
処理器に切換え、無音区間処理器は、無音区間増減比に
基づいて入力信号から所定時間長の無音の削除または付
加を行って出力し、速度変換処理器は、入力される速度
変換比に基づいて入力信号の継続時間長の圧縮または伸
長を行って出力することを特徴とする。

【０００８】

【作用】この構成によって、音声時間率検出器の出力と
再生速度比とをファジー推論して無音区間増減比と速度
変換比とを決定している。これにより入力音声信号の特
徴を考慮して、早口な会話や遅口な会話をもう少し遅く
／早くといった再生速度の変更をより自然に行なうこと
が可能となる。そして、この無音区間の伸長と音声区間
の伸長をうまく組み合わせることで、人間が会話速度を
変更するときと同様の結果が得られるのである。

【０００９】

【実施例】以下本発明の第１の実施例について、図面を
参照しながら説明する。

【００１０】（図１）は本発明の第１の実施例における
フローチャートを示すものである。本実施例では入力さ
れる音声信号は、記録媒体にすでに録音がなされている
ものとする。基本的な考え方は、入力信号の無音区間に
対しては所定の時間長だけ無音を削除することで、ま
た、音声区間に対しては所定の速度変換比で継続時間長
を圧縮して音声信号の高速再生を可能とするものであ
る。また、音声はフレーム単位で音声／無音の判定と、
無音削除、速度変換の処理がなされるものとする。ここ
で、音声時間率とは次の（数１）で示すように、入力さ
れる信号において音声区間が占める時間長の比を表して
いる。

【００１１】

【数１】

【００１２】また、速度変換比とは（数２）で示すよう
に、高速再生時には常時１より小さい値をとり、圧縮比
が大きいほど小さい値となる。

【００１３】

【数２】

【００１４】以下に、（図１）の説明を行なう。まず、
現在のフレームＦ0 の音声／無音判定を行なう。この判
定結果は以後Ｎフレーム分の処理が済むまで保持されて
いるものとする。そして、現在のフレーム以前のＮフレ
ームについての音声／無音判定の結果を調べて、音声区
間と判定された時間長の全体に占める割合を示す音声時
間率ＶＲを求める。これにより、Ｆ0 近傍におけるＶＲ
が推定される。また、高速再生の度合とは、通常再生と
比較した再生速度の度合であり、ここでは「少し早
い」、と「かなり早い」の２つが設定可能であるとす
る。この値ＶＲと設定されている高速再生の度合により
Ｆ0 に対する無音削除処理あるいは速度変換処理のパラ
メータを変更することを考える。一般にＶＲが大きいと
きは早口の会話であり、ＶＲが小さいときは遅口の会話
であることが知られている（参考文献：「音声情報処理
の基礎」斉藤収三、中田和男共著、オーム社、第３
章）。

【００１５】しかし、これらは発声者や会話状況によっ
て様々に状況が変わる。入力音声を分類したときの「早
口」，「普通」，「遅口」は、ファジー集合である。
「早口」な音声を「少し早く」したいときと、「遅口」
な音声を「少し早く」したいときとでは、早くする度合
が異なるため、実際の再生速度も違った値にするほうが
良い。つまり、無音削除処理あるいは速度変換処理のパ
ラメータを決定する際には、曖昧な情報処理が必要とい
える。したがって、ＶＲと高速再生の度合とを入力とし
たファジー推論を行なうことで無音区間削除比ＳＥと速
度変換比ＳＴを導出する。無音区間削除処理では、ＶＲ
が大きいときはＦ0 に対して短い削除をし、ＶＲが小さ
いときはＦ0 に対して長い削除をする。一方、速度変換
処理では、ＶＲが大きいときは速度変換比を大きくし
（１に近い値）、ＶＲが小さいときには速度変換比を小
さく（０に近い値）する。以上のようなルールを基にＳ
ＥとＳＴを設定する。

【００１６】次に、Ｆ0 が無音区間であるならば無音削
除をし、そうでなければ速度変換で時間圧縮を行なう。
このような処理を繰り返すことで高速再生を行なう。

【００１７】次にファジー推論を行なう推論の規則等に
ついて示す。（図５）にファジー推論を行なう際に必要
なメンバーシップ関数を示す。

【００１８】（図５）において(a)はＶＲに対するメン
バーシップ関数、(b)はＳＥに対するメンバーシップ関
数、(c)はＳＴに対するメンバーシップ関数である。こ
れらの図に於て使用している記号の示す意味を以下に列
挙する。

【００１９】音声時間率：ＶＲＰＳ：音声時間率が小さい（遅口）ＰＭ：音声時間率は中ぐらい（普通の会話速度）ＰＢ：音声時間率は大きい（早口）無音区間削除比：ＳＥＰＳ：少しだけ削除するＰＭ：やや削除するＰＢ：かなり削除する速度変換比：ＳＴＰＳ：少しだけ圧縮するＰＭ：やや圧縮するＰＢ：かなり圧縮するそして、（表１）に示す制御規則でＳＥおよびＳＴを推
論する。

【００２０】

【表１】

【００２１】以上のように本実施例によれば、無音区間
削除比と速度変換比とを音声時間率によってファジー推
論して再生速度の制御を行なっているため、より人間の
感覚に合った自然な高速再生ができる。

【００２２】以下本発明の第２の実施例について、図面
を参照しながら説明する。（図２）は本発明の第２の実
施例におけるフローチャートを示すものである。本実施
例でも入力される音声信号は、記録媒体にすでに録音が
なされているものとする。基本的な考え方は、入力信号
の無音区間に対しては所定の時間長だけ無音を付加する
ことで、また、音声区間に対しては所定の速度変換比で
継続時間長を伸長して音声信号の低速再生を可能とする
ものである。また、音声はフレーム単位で音声／無音の
判定と、無音付加、速度変換の処理がなされるものとす
る。また（数２）で表わされる速度変換比は、低速再生
時には常時１より大きい値をとり、伸長比が大きいほど
大きい値となる。

【００２３】以下に、（図２）の説明を行なう。まず、
現在のフレームＦ0 の音声／無音判定を行なう。この判
定結果は以後Ｎフレーム分の処理が済むまで保持されて
いるものとする。そして、現在のフレーム以前のＮフレ
ームについての音声／無音判定の結果を調べて、音声区
間と判定された時間長の全体に占める割合を示す音声時
間率ＶＲを求める。これにより、Ｆ0 近傍におけるＶＲ
が推定される。また、低速再生の度合とは、通常再生と
比較した再生速度の度合であり、ここでは「少し遅
い」、と「かなり遅い」の２つが設定可能であるとす
る。

【００２４】ＶＲと設定されている低速再生の度合によ
りＦ0 に対する無音付加処理あるいは速度変換処理のパ
ラメータを変更することを考える。「早口」な音声を
「少し遅く」したいときと、「遅口」な音声を「少し遅
く」したいときとでは、遅くする度合が異なるため、実
際の再生速度も違った値にするほうが良い。つまり、無
音付加処理あるいは速度変換処理のパラメータを決定す
る際には、曖昧な情報処理が必要といえる。したがっ
て、ＶＲと低速再生の度合とを入力としたファジー推論
を行なうことで無音区間付加比ＳＡと速度変換比ＳＴを
導出する。無音区間付加処理では、ＶＲが大きいときは
Ｆ0 に対して多く付加をし、ＶＲが小さいときはＦ0 に
対して短い付加をする。一方、速度変換処理では、ＶＲ
が大きいときは速度変換比を大きくし（１より大きい
値）、ＶＲが小さいときには速度変換比を小さく（１に
近い値）する。以上のようにＳＡとＳＴを設定する。

【００２５】次に、Ｆ0 が無音区間であるならば無音付
加をし、そうでなければ速度変換で時間伸長を行なう。
このような処理を繰り返すことで低速再生を行なう。

【００２６】次にファジー推論を行なう推論の規則等に
ついて示す。（図６）において(a)はＶＲに対するメン
バーシップ関数、(b)はＳＡに対するメンバーシップ関
数、(c)はＳＴに対するメンバーシップ関数である。こ
れらの図に於て使用している記号の示す意味を以下に列
挙する。

【００２７】音声時間率：ＶＲＰＳ：音声時間率が小さい（遅口）ＰＭ：音声時間率は中ぐらい（普通の会話速度）ＰＢ：音声時間率は大きい（早口）無音区間付加比：ＳＡＰＳ：少しだけ付加するＰＭ：やや付加するＰＢ：かなり付加する速度変換比：ＳＴＮＳ：少しだけ伸長するＮＭ：やや伸長するＮＢ：かなり伸長するそして、（表２）に示す制御規則でＳＥおよびＳＴを推
論する。

【００２８】

【表２】

【００２９】以上のように本実施例によれば、無音区間
付加比と速度変換比とを音声時間率によってファジー推
論して再生速度の制御を行なっているため、より人間の
感覚に合った自然な低速再生ができる。

【００３０】以下本発明の第３の実施例について、図面
を参照しながら説明する。

【００３１】（図３）は本発明の音声再生装置の一実施
例における構成を示すものである。（図３）において、
１は有無判定器、２は音声時間率検出器、３は推論器、
４は無音区間処理器、５は速度変換処理器、６は第１の
スイッチ、７は第２のスイッチである。本実施例でも入
力される音声信号は、記録媒体にすでに録音がなされて
いるものとする。基本的な考え方は、入力信号の無音区
間に対しては所定の時間長だけ無音を削除／付加するこ
とで、また、音声区間に対しては所定の速度変換比で継
続時間長を圧縮／伸長して音声信号の低速／高速再生を
可能とするものである。また、音声はフレーム単位で音
声／無音の判定と、無音削除／付加、速度変換の処理が
なされるものとする。また、音声時間率および速度変換
比は上述したようにそれぞれ（数１）および（数２）で
表わされる。

【００３２】以上のように構成された実施例について以
下にその動作を説明する。まず、有無判定器１は現在の
フレームＦ0 の音声／無音判定を行い、その結果を有声
時間率検出器２と第１のスイッチ６と第２のスイッチ７
とに出力する。音声時間率検出器２は有無判定器１の過
去から現在までの判定結果を複数フレーム分保持してお
り、音声区間のフレームと無音区間のフレームとの比率
に基づいて音声時間率ＶＲを求めて推論器３へ出力す
る。ここで、推論器３に入力される再生速度変更量ＤＳ
と音声時間率ＶＲについて補足説明を行なう。

【００３３】ＶＲは本発明の第１の実施例で説明したよ
うに、人間の会話の早さを示すファジー集合と考えられ
る。また、ＤＳは現在の再生速度をどれくらい早く／遅
くするかを使用者が設定したあいまいな値であり、これ
もファジー集合と考えられる。例えば、現在遅口の音声
を少し早く再生中であるが、これを今よりさらに少し早
くしたい時や、現在早口の英語音声を大変ゆっくり再生
しているが、これを今より少しだけ早くしたい時、以上
のような再生速度の制御をうまく行なうためにファジー
推論を用いてパラメータを決定する。

【００３４】推論器３は現在設定されている再生速度変
更量ＤＳと音声時間率ＶＲとを入力として、無音区間増
減比および速度変換比をファジー推論によって決定す
る。音声信号は、有無判定器１の判定結果に基づいた第
１のスイッチ６の切り替え操作により、無音区間につい
ては無音区間処理器４へ入力され、音声区間については
速度変換処理器５へ入力される。無音区間処理器４は無
音区間のフレームに対して推論器３によって与えられた
無音区間増減比で決められた所定の時間長の無音区間を
削除／付加する。速度変換処理器５は音声区間のフレー
ムに対して推論器３によって与えられた速度変換比で時
間軸伸縮を行なう。第２のスイッチ７は有無判定器１の
判定結果に基づき、無音区間処理器４の出力と速度変換
処理器５の出力とを切り換えて出力音声とする。

【００３５】以上のように本実施例では、無音区間増減
比と速度変換比とを音声時間率と現在の再生速度からの
変更量によってファジー推論して再生速度の制御を行な
っているため、より所望の再生速度に設定しやすくな
る。

【００３６】なお、本実施例においては、無音区間に対
しては無音区間処理器で必ず処理を行なう構成である
が、無音区間に対しても速度変換処理を用いる構成も考
えられる。

【００３７】

【発明の効果】以上の説明からも明らかなように、本発
明は音声時間率によって無音区間削除比と速度変換比と
をファジー推論で決定して、無音区間の所定の時間長を
削除し、音声区間に速度変換処理を施して時間長を圧縮
することで、音声を人間に自然に聞こえるように高速に
再生する音声再生装置を実現できるものである。

【００３８】また、音声時間率によって無音区間付加比
と速度変換比とをファジー推論で決定して、無音区間の
所定の時間長を付加し、音声区間に速度変換処理を施し
て時間長を伸長することで、音声を人間に自然に聞こえ
るように低速に再生する音声再生装置を実現できる。

【００３９】さらに、音声時間率検出器によって得た音
声時間率と現在の再生速度からの変更量によって無音区
間増減比と速度変換比とをファジー推論する推論器と、
無音区間処理器、速度変換処理器を設けることにより、
現在の再生速度を使用者がどのように変更したいかをよ
り的確に実現できる音声再生装置を提供することができ
る。

【図面の簡単な説明】

【図１】本発明の第１の実施例における動作を説明する
フローチャート

【図２】本発明の第２の実施例における動作を説明する
フローチャート

【図３】本発明の音声再生装置の一実施例の構成図

【図４】従来の音声再生装置の構成図

【図５】本発明の第１の実施例に適用される各メンバー
シップ関数

【図６】本発明の第２の実施例に適用される各メンバー
シップ関数

【符号の説明】

１有無判定器２音声時間率検出器３推論器４無音区間処理器５速度変換処理器６第１のスイッチ７第２のスイッチ

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開平４−212998（ＪＰ，Ａ) 特開平３−2794（ＪＰ，Ａ) 特開平１−244498（ＪＰ，Ａ) 特開平１−93795（ＪＰ，Ａ) 特開昭59−82608（ＪＰ，Ａ) 特開平３−84599（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G10L 3/02 G11B 20/02

Claims

(57)【特許請求の範囲】

【請求項１】有無判定器（１）、音声時間率検出器
（２）、推論器（３）、切換手段（６，７）、無音区間
処理器（４）、速度変換処理器（５）からなる音声再生
装置であって、有無判定器（１）は、入力信号が音声区間か無音区間で
あるかを判定し、音声時間率検出器（２）は、有無判定器（１）の検出結
果に基づいて、入力信号の所定の時間長に対する音声区
間の時間長の比である音声時間率を検出し、推論器（３）は、第１の推論手段と第２の推論手段から
なり、第１の推論手段は、入力される再生速度の度合に対応し
たメンバーシップ関数と音声時間率に基づいてファジー
推論を行い、無音区間増減比を出力し、第２の推論手段は、入力される再生速度の度合に対応し
たメンバーシップ関数と音声時間率に基づいてファジー
推論を行い、速度変換比を出力し、切換手段（６，７）は、無音区間の場合には無音区間処
理器（４）に、有音区間の場合には速度変換処理器
（５）に切換え、無音区間処理器（４）は、無音区間増減比に基づいて入
力信号から所定時間長の無音の削除または付加を行って
出力し、速度変換処理器（５）は、入力される速度変換比に基づ
いて入力信号の継続時間長の圧縮または伸長を行って出
力する音声再生装置。
【請求項２】有無判定器（１）、音声時間率検出器
（２）、推論器（３）、切換手段（６，７）、無音区間
処理器（４）、速度変換処理器（５）からなる音声再生
装置であって、有無判定器（１）は、入力信号が音声区間か無音区間で
あるかを判定し、音声時間率検出器（２）は、有無判定器（１）の検出結
果に基づいて、入力信号の所定の時間長に対する音声区
間の時間長の比である音声時間率を検出し、推論器（３）は、第１の推論手段と第２の推論手段から
なり、第１の推論手段は、入力される再生速度の度合に対応し
たメンバーシップ関数と音声時間率に基づいてファジー
推論を行い、無音区間削除比を出力し、第２の推論手段は、入力される再生速度の度合に対応し
たメンバーシップ関数と音声時間率に基づいてファジー
推論を行い、速度変換比を出力し、切換手段（６，７）は、無音区間の場合には無音区間処
理器（４）に、有音区間の場合には速度変換処理器
（５）に切換え、無音区間処理器（４）は、無音区間削除比に基づいて入
力信号から所定時間長の無音の削除を行って出力し、速度変換処理器（５）は、入力される速度変換比に基づ
いて入力信号の継続時間長の圧縮を行って出力する音声
再生装置。
【請求項３】有無判定器（１）、音声時間率検出器
（２）、推論器（３）、切換手段（６，７）、無音区間
処理器（４）、速度変換処理器（５）からなる音声再生
装置であって、有無判定器（１）は、入力信号が音声区間か無音区間で
あるかを判定し、音声時間率検出器（２）は、有無判定器（１）の検出結
果に基づいて、入力信号の所定の時間長に対する音声区
間の時間長の比である音声時間率を検出し、推論器（３）は、第１の推論手段と第２の推論手段から
なり、第１の推論手段は、入力される再生速度の度合に対応し
たメンバーシップ関数と音声時間率に基づいてファジー
推論を行い、無音区間付加比を出力し、第２の推論手段は、入力される再生速度の度合に対応し
たメンバーシップ関数と音声時間率に基づいてファジー
推論を行い、速度変換比を出力し、切換手段（６，７）は、無音区間の場合には無音区間処
理器（４）に、有音区間の場合には速度変換処理器
（５）に切換え、無音区間処理器（４）は、無音区間付加比に基づいて入
力信号から所定時間長の無音の付加を行って出力し、速度変換処理器（５）は、入力される速度変換比に基づ
いて入力信号の継続時間長の伸長を行って出力する音声
再生装置。