JP2880508B2 - 音声の規則合成装置 - Google Patents
音声の規則合成装置Info
- Publication number
- JP2880508B2 JP2880508B2 JP63037947A JP3794788A JP2880508B2 JP 2880508 B2 JP2880508 B2 JP 2880508B2 JP 63037947 A JP63037947 A JP 63037947A JP 3794788 A JP3794788 A JP 3794788A JP 2880508 B2 JP2880508 B2 JP 2880508B2
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- voice
- conversion
- signal
- quantized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Description
【発明の詳細な説明】 ［産業上の利用分野］ この発明は、音声の規則合成装置に関し、特に、音質
を変換して出力する規則合成装置に関する。
を変換して出力する規則合成装置に関する。
［従来の技術および発明が解決しようとする課題］ 従来の規則合成システムで出力される合成音の音質
は、１つまたは数種類（男性の音声、女性の音声、子供
らしい音声および老人のような音声など）に限られてい
る。しかし、現実に規則合成システムを使用する場合に
は、各個人が音声の個人性を持っているように、出力さ
れる合成音声の音質も個人的な特徴を持っていることが
望まれる。また、これとは別に、規則合成音に、希望す
る特定の人の音質を持たせたい要求もある。
は、１つまたは数種類（男性の音声、女性の音声、子供
らしい音声および老人のような音声など）に限られてい
る。しかし、現実に規則合成システムを使用する場合に
は、各個人が音声の個人性を持っているように、出力さ
れる合成音声の音質も個人的な特徴を持っていることが
望まれる。また、これとは別に、規則合成音に、希望す
る特定の人の音質を持たせたい要求もある。
しかし、従来の規則合成システムでは、 （１） 規則合成に用いられる音声単位は、或る話者が
発声した数百個の音声から作成されるため、発声者の負
担が大きい。
発声した数百個の音声から作成されるため、発声者の負
担が大きい。
（２） 音声単位の作成は、全自動で行なうのが難し
く、人手がかかり、沢山の話者について音声の単位を作
成するのは事実上不可能である。
く、人手がかかり、沢山の話者について音声の単位を作
成するのは事実上不可能である。
（３） 規則合成に用いられる音声の単位セットを各話
者ごとに作ると、格納しておくメモリ量が膨大なものと
なる。
者ごとに作ると、格納しておくメモリ量が膨大なものと
なる。
などのような理由により、上記の要求を実現することが
できないという課題があった。
できないという課題があった。
この発明は、上記のような課題を解決するためになさ
れたもので、発声者、規則合成のためのデータ作成者お
よび規則合成システムの負担をできる限り少なく保ちな
がら、規則合成音に発声者の個人性を持たせることを目
的とする。
れたもので、発声者、規則合成のためのデータ作成者お
よび規則合成システムの負担をできる限り少なく保ちな
がら、規則合成音に発声者の個人性を持たせることを目
的とする。
［課題を解決するための手段］ この発明に係る音声の規則合成装置は、標準となる第
１の話者の音声単位信号の集合を含み、外部から文字情
報信号を受け、音声単位信号の集合を参照して第１の話
者の音声信号を合成する規則合成手段と、第１の話者の
音声信号から抽出されかつ量子化された特徴パラメータ
と音声に個人的情報を付与したい第２の話者の音声信号
から抽出されかつ量子化された特徴パラメータとの対応
関係に基づいて予め作成された変換コードブックを含む
ファイル手段と、規則合成手段によって合成された第１
の話者の音声信号を受け、ファイル手段の変換コードブ
ックに基づいて第１の話者の声質を第２の話者の声質に
変換することにより、第２の話者の音声信号を生成する
声質変換手段とを備える。声質変換手段は、第１の話者
の音声信号から特徴パラメータを抽出する抽出手段と、
抽出手段によって抽出された特徴パラメータを量子化す
る量子化手段と、変換コードブックを参照して量子化手
段によって量子化された特徴パラメータを複号化する復
号化手段とを含む。
１の話者の音声単位信号の集合を含み、外部から文字情
報信号を受け、音声単位信号の集合を参照して第１の話
者の音声信号を合成する規則合成手段と、第１の話者の
音声信号から抽出されかつ量子化された特徴パラメータ
と音声に個人的情報を付与したい第２の話者の音声信号
から抽出されかつ量子化された特徴パラメータとの対応
関係に基づいて予め作成された変換コードブックを含む
ファイル手段と、規則合成手段によって合成された第１
の話者の音声信号を受け、ファイル手段の変換コードブ
ックに基づいて第１の話者の声質を第２の話者の声質に
変換することにより、第２の話者の音声信号を生成する
声質変換手段とを備える。声質変換手段は、第１の話者
の音声信号から特徴パラメータを抽出する抽出手段と、
抽出手段によって抽出された特徴パラメータを量子化す
る量子化手段と、変換コードブックを参照して量子化手
段によって量子化された特徴パラメータを複号化する復
号化手段とを含む。
［作用］ この発明に係る音声の規則合成装置においては、取敢
えず第１の話者の音声信号が合成され、続いて予め作成
された変換コードブックに基づいて第１の話者の声質が
第２の話者の声質に変換される。より具体的には、合成
された第１の話者の音声信号から特徴パラメータが抽出
され、その抽出された特徴パラメータが量子化され、さ
らにその量子化された特徴パラメータが変換コードブッ
クを参照して復号化され、これにより第２の話者の音声
信号が生成される。
えず第１の話者の音声信号が合成され、続いて予め作成
された変換コードブックに基づいて第１の話者の声質が
第２の話者の声質に変換される。より具体的には、合成
された第１の話者の音声信号から特徴パラメータが抽出
され、その抽出された特徴パラメータが量子化され、さ
らにその量子化された特徴パラメータが変換コードブッ
クを参照して復号化され、これにより第２の話者の音声
信号が生成される。
［発明の実施例］ 第１図は、この発明による規則合成装置の一実施例を
示すブロック図である。
示すブロック図である。
第１図を参照して、入力部10に、外部から文字および
アクセント型などの文字列ならびに韻律信号を含む文字
情報信号s1が与えられる。音声の単位セット情報ファイ
ル21を含む規則合成部20は、文字情報信号s1を受け、音
声の単位セット情報ファイル21を参照して、標準の話者
Ａの音声信号s2を合成する。ここで、音声の単位セット
情報ファイル21は、標準話者Ａについて、音素や音節な
どの音声の単位となる情報が予め蓄えられたデータベー
スである。
アクセント型などの文字列ならびに韻律信号を含む文字
情報信号s1が与えられる。音声の単位セット情報ファイ
ル21を含む規則合成部20は、文字情報信号s1を受け、音
声の単位セット情報ファイル21を参照して、標準の話者
Ａの音声信号s2を合成する。ここで、音声の単位セット
情報ファイル21は、標準話者Ａについて、音素や音節な
どの音声の単位となる情報が予め蓄えられたデータベー
スである。
声質変換部30は、話者Ａの音声信号s2を受け、予め登
録されている、音声に個人性を付与したい話者Ｂの音声
個人情報ファイル40を参照して、話者Ａの音声信号（規
則合成音）s2の声質を、話者Ｂの声質に変換し、話者Ｂ
の音声信号s4として出力する。
録されている、音声に個人性を付与したい話者Ｂの音声
個人情報ファイル40を参照して、話者Ａの音声信号（規
則合成音）s2の声質を、話者Ｂの声質に変換し、話者Ｂ
の音声信号s4として出力する。
声質変換部30における声質変換方法として、ベクトル
量子化を利用した声質変換法が用いられる。この方法
は、規則合成部20の基準となった標準話者Ａと、音声に
個人性を付与したい話者Ｂとの間の声質変換を、各話者
のコードブックの対応づけである変換コードブックによ
って行なうものである。
量子化を利用した声質変換法が用いられる。この方法
は、規則合成部20の基準となった標準話者Ａと、音声に
個人性を付与したい話者Ｂとの間の声質変換を、各話者
のコードブックの対応づけである変換コードブックによ
って行なうものである。
変換コードブックは、個人性を付与したい話者の音声
のパワー、ピッチ周波数およびスペクトル情報を含み、
音声の特徴が離散的に表現されている。第１図の音声個
人情報ファイル40は、この変換コードブックの内容を含
む。
のパワー、ピッチ周波数およびスペクトル情報を含み、
音声の特徴が離散的に表現されている。第１図の音声個
人情報ファイル40は、この変換コードブックの内容を含
む。
第２図は、変換コードブックの作成手順を示すフロー
図である。
図である。
第２図を参照して、以下に変換コードブック41、42、
43を求める手順について説明する。まず、ステップ301
および302において、話者Ａおよび話者Ｂのそれぞれの
音声にLPC分析を施し、パワー、ピッチ周波数およびス
ペクトルパラメータを求める。次に、ステップ303およ
び304において、スペクトルパラメータをベクトル量子
化し、ステップ305および306でパワーをスカラー量子化
し、ステップ307および308においてピッチ周波数をスカ
ラー量子化する。
43を求める手順について説明する。まず、ステップ301
および302において、話者Ａおよび話者Ｂのそれぞれの
音声にLPC分析を施し、パワー、ピッチ周波数およびス
ペクトルパラメータを求める。次に、ステップ303およ
び304において、スペクトルパラメータをベクトル量子
化し、ステップ305および306でパワーをスカラー量子化
し、ステップ307および308においてピッチ周波数をスカ
ラー量子化する。
話者Ａおよび話者Ｂの発声した音声の時間対応をとる
ために、スペクトルパラメータを用いて、ステップ309
においてDouble Split法によるDPマッチングを行なう。
ここで得られた時間対応の情報を基にして、ステップ31
0、311および312において、各特徴量において話者Ａと
話者Ｂの対応関係を求め、ヒストグラムを作成する。ス
ペクトルパラメータおよびパワーの変換コードブック4
1,43は、このヒストグラムを重みとした話者Ｂの特徴ベ
クトルの線形結合で求める。また、ピッチ周波数の変換
コードブック42は、このヒストグラムの最大値を与える
話者Ｂの特徴ベクトルで作成する。
ために、スペクトルパラメータを用いて、ステップ309
においてDouble Split法によるDPマッチングを行なう。
ここで得られた時間対応の情報を基にして、ステップ31
0、311および312において、各特徴量において話者Ａと
話者Ｂの対応関係を求め、ヒストグラムを作成する。ス
ペクトルパラメータおよびパワーの変換コードブック4
1,43は、このヒストグラムを重みとした話者Ｂの特徴ベ
クトルの線形結合で求める。また、ピッチ周波数の変換
コードブック42は、このヒストグラムの最大値を与える
話者Ｂの特徴ベクトルで作成する。
第３図は、声質変換部30における声質変換手順を示す
フロー図である。
フロー図である。
第３図を参照して、以下に変換コードブックを用いた
声質変換方法について説明する。話者Ａの音声信号s2
は、ステップ401においてLPC分析され、パワー、ピッチ
周波数およびスペクトルパラメータが抽出される。
声質変換方法について説明する。話者Ａの音声信号s2
は、ステップ401においてLPC分析され、パワー、ピッチ
周波数およびスペクトルパラメータが抽出される。
次に、ステップ402において話者Ａのスペクトルコー
ドブックからのスペクトルパラメータがベクトル量子化
され、ステップ403において話者Ａのパワーコードブッ
クからのパワーがスカラー量子化され、ステップ404に
おいて話者Ａのピッチ周波数コードブックからのピッチ
周波数がスカラー量子化される。これらの量子化された
パラメータを復号化する過程において、前述の変換コー
ドブック41、42、43が使用される。すなわち、ステップ
405において、話者Ａから話者Ｂへのスペクトル変換コ
ードブック41を用い、ステップ406において、パワー変
換コードブック43を用い、ステップ407においてピッチ
周波数変換コードブック42を用いる。そして、変換され
た各パラメータを用いてステップ408で話者Ｂの音声信
号s4が合成される。
ドブックからのスペクトルパラメータがベクトル量子化
され、ステップ403において話者Ａのパワーコードブッ
クからのパワーがスカラー量子化され、ステップ404に
おいて話者Ａのピッチ周波数コードブックからのピッチ
周波数がスカラー量子化される。これらの量子化された
パラメータを復号化する過程において、前述の変換コー
ドブック41、42、43が使用される。すなわち、ステップ
405において、話者Ａから話者Ｂへのスペクトル変換コ
ードブック41を用い、ステップ406において、パワー変
換コードブック43を用い、ステップ407においてピッチ
周波数変換コードブック42を用いる。そして、変換され
た各パラメータを用いてステップ408で話者Ｂの音声信
号s4が合成される。
第４図は、この発明による規則合成装置を含む規則合
成システムのハードウェア構成を示す概略ブロック図で
ある。
成システムのハードウェア構成を示す概略ブロック図で
ある。
第４図を参照して、この規則合成システムは、アンプ
１とローパスフィルタ２とA/D変換器３とコンピュータ
システム４とを含む。アンプ１は入力された音声信号を
増幅するものであり、ローパスフィルタ２は増幅された
音声号から折返し雑音を除去するものである。A/D変換
器３は音声信号は12kHzのサンプリング信号により、16
ビットのディジタル信号に変換するものである。コンピ
ュータシステム４は、規則合成装置（演算処理部）５と
磁気ディスク６と端末類７とプリンタ８とを含む。この
発明による音声の規則合成装置は第４図の規則合成装置
５内において構成される。
１とローパスフィルタ２とA/D変換器３とコンピュータ
システム４とを含む。アンプ１は入力された音声信号を
増幅するものであり、ローパスフィルタ２は増幅された
音声号から折返し雑音を除去するものである。A/D変換
器３は音声信号は12kHzのサンプリング信号により、16
ビットのディジタル信号に変換するものである。コンピ
ュータシステム４は、規則合成装置（演算処理部）５と
磁気ディスク６と端末類７とプリンタ８とを含む。この
発明による音声の規則合成装置は第４図の規則合成装置
５内において構成される。
［発明の効果］ 以上のように、この発明によれば、取敢えず第１の話
者の音声信号が合成され、続いて第１の話者の声質が第
２の話者の声質に変換されるため、第２の話者の音声を
合成するのに必要なすべてのデータが格納されているも
のに比べて、ファイル手段の容量が小さくなる。
者の音声信号が合成され、続いて第１の話者の声質が第
２の話者の声質に変換されるため、第２の話者の音声を
合成するのに必要なすべてのデータが格納されているも
のに比べて、ファイル手段の容量が小さくなる。
また、第１および第２の話者の音声信号から抽出され
た特徴パラメータがともに量子化されているため、両話
者間の関係を高精度で対応付けた変換コードブックを容
易に作成できるとともに、第１の話者の音声信号から特
徴パラメータを抽出し、その抽出された特徴パラメータ
を量子化し、さらにその量子化された特徴パラメータを
変換コードブックを参照して復号化することにより、第
１の話者の声質を第２の話者の声質に変換しているた
め、第２の話者の音声信号を高い精度で合成することが
できる。
た特徴パラメータがともに量子化されているため、両話
者間の関係を高精度で対応付けた変換コードブックを容
易に作成できるとともに、第１の話者の音声信号から特
徴パラメータを抽出し、その抽出された特徴パラメータ
を量子化し、さらにその量子化された特徴パラメータを
変換コードブックを参照して復号化することにより、第
１の話者の声質を第２の話者の声質に変換しているた
め、第２の話者の音声信号を高い精度で合成することが
できる。
第１図は、この発明による規則合成装置の一実施例を示
すブロック図である。第２図は、変換コードブックの作
成手順を示すフロー図である。第３図は、声質変換部に
おける声質変換手順を示すフロー図である。第４図は、
この発明による規則合成装置を含む規則合成システムの
ハードウェア構成を示す概略ブロック図である。 図において、１はアンプ、２はローパスフィルタ、３は
A/D変換器、４はコンピュータシステム、５は規則合成
装置、10は入力部、20は規則合成部、21は音声単位セッ
ト情報ファイル、30は声質変換部、40は音声個人情報フ
ァイル、50は出力部、s1は文字情報信号、s2は話者Ａの
音声信号、s3は話者Ｂの音声個人情報信号、s4は話者Ｂ
の音声信号を示す。
すブロック図である。第２図は、変換コードブックの作
成手順を示すフロー図である。第３図は、声質変換部に
おける声質変換手順を示すフロー図である。第４図は、
この発明による規則合成装置を含む規則合成システムの
ハードウェア構成を示す概略ブロック図である。 図において、１はアンプ、２はローパスフィルタ、３は
A/D変換器、４はコンピュータシステム、５は規則合成
装置、10は入力部、20は規則合成部、21は音声単位セッ
ト情報ファイル、30は声質変換部、40は音声個人情報フ
ァイル、50は出力部、s1は文字情報信号、s2は話者Ａの
音声信号、s3は話者Ｂの音声個人情報信号、s4は話者Ｂ
の音声信号を示す。
フロントページの続き (72)発明者 鹿野 清宏 京都府相楽郡精華町大字乾谷小字三平谷 ５番地 株式会社エイ・ティ・アール自 動翻訳電話研究所内 (56)参考文献 特開 昭58−168098（ＪＰ，Ａ) 特開 昭61−166600（ＪＰ，Ａ) 特開 昭63−100499（ＪＰ，Ａ) 特表 昭62−502571（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G10L 3/00 - 3/02 G10L 5/00 - 5/04 G10L 9/18
Claims (1)
- 【請求項１】標準となる第１の話者の音声単位信号の集
合を含み、外部から文字情報信号を受け、前記音声単位
信号の集合を参照して前記第１の話者の音声信号を合成
する規則合成手段と、 前記第１の話者の音声信号から抽出されかつ量子化され
た特徴パラメータと音声に個人的特徴を付与したい第２
の話者の音声信号から抽出されかつ量子化された特徴パ
ラメータとの対応関係に基づいて予め作成された変換コ
ードブックを含むファイル手段と、 前記規則合成手段によって合成された第１の話者の音声
信号を受け、前記ファイル手段の前記変換コードブック
に基づいて前記第１の話者の声質を前記第２の話者の声
質に変換することにより、前記第２の話者の音声信号を
生成する声質変換手段とを備え、 前記声質変換手段は、 前記第１の話者の音声信号から特徴パラメータを抽出す
る抽出手段と、 前記抽出手段によって抽出された特徴パラメータを量子
化する量子化手段と、 前記変換コードブックを参照して前記量子化手段によっ
て量子化された特徴パラメータを複号化する復号化手段
とを含む、音声の規則合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63037947A JP2880508B2 (ja) | 1988-02-19 | 1988-02-19 | 音声の規則合成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63037947A JP2880508B2 (ja) | 1988-02-19 | 1988-02-19 | 音声の規則合成装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH01211798A JPH01211798A (ja) | 1989-08-24 |
| JP2880508B2 true JP2880508B2 (ja) | 1999-04-12 |
Family
ID=12511746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63037947A Expired - Fee Related JP2880508B2 (ja) | 1988-02-19 | 1988-02-19 | 音声の規則合成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2880508B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002229599A (ja) * | 2001-02-02 | 2002-08-16 | Nec Corp | 音声符号列の変換装置および変換方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2642617B2 (ja) * | 1985-01-19 | 1997-08-20 | 三洋電機株式会社 | 音声合成装置 |
-
1988
- 1988-02-19 JP JP63037947A patent/JP2880508B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH01211798A (ja) | 1989-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10535336B1 (en) | Voice conversion using deep neural network with intermediate voice training | |
| CN105788589B (zh) | 一种音频数据的处理方法及装置 | |
| EP1422690B1 (en) | Apparatus and method for generating pitch waveform signal and apparatus and method for compressing/decompressing and synthesizing speech signal using the same | |
| US4661915A (en) | Allophone vocoder | |
| US8099282B2 (en) | Voice conversion system | |
| US7792672B2 (en) | Method and system for the quick conversion of a voice signal | |
| JP2002328695A (ja) | テキストからパーソナライズ化音声を生成する方法 | |
| JPH0869299A (ja) | 音声符号化方法、音声復号化方法及び音声符号化復号化方法 | |
| JPH01997A (ja) | ベクトル量子化を用いた音声認識方式 | |
| JPH01998A (ja) | スペクトログラムの正規化方法 | |
| JP2006171751A (ja) | 音声符号化装置及び方法 | |
| JPS5827200A (ja) | 音声認識装置 | |
| JP2001034280A (ja) | 電子メール受信装置および電子メールシステム | |
| JP2709926B2 (ja) | 声質変換方法 | |
| JP2880508B2 (ja) | 音声の規則合成装置 | |
| JP3354252B2 (ja) | 音声認識装置 | |
| JP2796408B2 (ja) | 音声情報圧縮装置 | |
| JPH01211799A (ja) | 多言語を扱う音声の規則合成装置 | |
| JP3994332B2 (ja) | 音声信号圧縮装置、音声信号圧縮方法、及び、プログラム | |
| JPH0738114B2 (ja) | フオルマント型パタンマツチングボコ−ダ | |
| JPS6032100A (ja) | Ｌｓｐ型パタンマッチングボコ−ダ | |
| Kim et al. | Controllable and Interpretable Singing Voice Decomposition via Assem-VC | |
| JP3921416B2 (ja) | 音声合成装置及び音声明瞭化方法 | |
| JPH05127697A (ja) | ホルマントの線形転移区間の分割による音声の合成方法 | |
| TW526466B (en) | Encoding and voice integration method of phoneme |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |