JP3000600B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】 「産業上の利用分野」 この発明は特にフォルマント合成方式による音声合成
装置に関する。

「従来の技術」 自然界の音は、周波数軸上規則的に配列した線スペク
トルによって構成される調和成分と、不規則な周波数値
を有する線間スペクトルによって構成される非調和成分
とを含んでいる。そして、自然界の音を忠実に再現する
には、調和成分および非調和成分の両方を合成する必要
がある。

さて、音声は子音部（無声音）と母音部（有声音）に
よって構成される。音声の母音部は、肺からの気流によ
って声帯に振動が励起され、その結果得られる空気振動
波が気管および口腔を通過して体外に放射されるもので
ある。ここで、空気振動が口腔内を通過する際に、口腔
内の形状、すなわち、舌、唇、顎などの構えに応じた多
様な共鳴特性が付与されるので、様々な音色の音声が発
音される。このようにして発声される音声の母音部は、
調和成分が支配的である。これに対し、子音部は声帯の
振動に起因して発声されるものではなく、舌、唇等、肺
からの気流が声道を介した後に通過する部位によって発
せられ、非調和成分が支配的である。

有声音の合成装置としては、一定周波数の周期波形
（例えば正弦波）を発生すると共に所定ピッチ毎に窓関
数を発生し、周期波形と窓関数とを乗算して出力するフ
ォルマント合成方式による音声合成装置が知られてい
る。この種の音声合成装置によれば、周期波形の周波数
をフォルマント中心周波数とし、このフォルマント中心
周波数の両側に窓関数のスペクトルを配置したスペクト
ル分布を有するフォルマント音が前記所定ピッチ毎に発
生される。一般に音声等の有声音は特徴的な複数のフォ
ルマントを有するが、それらに対応し、各種フォルマン
ト中心周波数を有するフォルマント音を上記のようにし
て発生して重ね合わせることにより、所望の有声音をあ
る程度忠実に合成することができる。

無声音の合成装置としては、ホワイトノイズをローパ
スフィルタによって帯域制限してノイズ音を発生し、ノ
イズ音と一定周波数の周期波形とを乗算し、無声音を発
生する方式のものが、本発明出願人によって既に出願さ
れている｛特願平１−91762号（発明の名称「ノイズ音
発生装置」）｝。この装置によれば、周期波形の周波数
をフォルマント中心周波数とし、その両側にローパスフ
ィルタの通過帯域特性に相当した連続スペクトルを有す
るフォルマント音が得られる。このようなフォルマント
音を各種発生し、重ね合わせることにより、音声の子音
や口笛または自然楽器のアタック部のような非調和成分
を含んだ無声音を合成することができる。

「発明が解決しようとする課題」 さて、厳密に言うと、音声における母音部を発音する
場合においても、調和成分（有声音成分）の他、子音部
を構成する非調和成分（無声音成分）とは別の非調和成
分が発生される。すなわち、母音部の発音部に肺からの
気流によって声道中に乱流が発生され、この乱流に起因
するノイズ音が気管および口腔を通過することにより、
母音部と同様の共鳴特性が付与され、上記非調和成分と
して体外に発せられる。なお、声帯の振動を伴わず、気
流が気管および口腔を通過することによって発生される
音がささやき音である。しかしながら、従来、このよう
な非調和であり、かつ、有声音成分と同様な共鳴効果の
付与された無声音信号（非調和成分）を含んだ音声を合
成することができる音声合成装置はなかった。

この発明は上述した事情に鑑みてなされたもので、実
際に人間によって発声されるような非調和成分を含んだ
音声を合成することができる音声合成装置を提供するこ
とを目的としている。

「課題を解決するための手段」 この発明は、複数のフォルマント発生手段（第１フォ
ルマント〜第４フォルマント）、加算手段（40）、及び
制御手段を備える音声合成装置であって、各フォルマン
ト発生手段（第１フォルマント〜第４フォルマント）
は、エンベロープジェネレータ（１〜８）、有声音信号
発生手段（11〜14）、無声音信号発生手段（21〜24）、
第１乗算手段（31a,32a,33a,34a）、及び第２乗算手段
（31b,32b,33b,34b）を備え、前記エンベロープジェネ
レータ（１〜８）は、エンベロープパラメータに基づい
て中心周波数の時間的変位であるエンベロープを出力
し、前記有声音信号発生手段（11〜14）は、エンベロー
プに基づき有声音信号を出力し、前記無声音信号発生手
段（21〜24）は、エンベロープに基づき無声音信号を出
力し、前記第１乗算手段（31a,32a,33a,34a）は、有声
音信号に係数を乗算して出力し、前記第２乗算手段（31
b,32b,33b,34b）は、無声音信号に係数を乗算して出力
し、前記加算手段（40）は、各フォルマント発生手段の
第１乗算手段（31a,32a,33a,34a）、第２乗算手段（31
b,32b,33b,34b）の出力を加算して音声を出力し、前記
制御手段は、出力すべき音声に対応して各エンベロープ
ジェネレータにエンベロープパラメータを出力し、出力
すべき音声に対応して各第１乗算手段と各第２乗算手段
の係数を時間的に制御することを特徴としている。

「作用」 上記構成によれば、入力されるエンベロープパラメー
タに基づいてエンベロープジェネレータが中心周波数の
時間的変位であるエンベロープを出力し、このエンベロ
ープに基づいて有声音フォルマント発生手段が有声音信
号を出力し、無声音フォルマント発生手段が無声音信号
を出力しているので、無声音信号が有声音信号に追随し
て変化する。従って、有声音信号と無声音信号に全く同
じ音響効果を付与し、音声信号を発生することができ
る。

また、各フォルマント発生手段には第１乗算手段及び
第２乗算手段が設けられ、制御手段は出力すべき音声に
対応して各第１乗算手段と各第２乗算手段の係数を時間
的に制御している。従って、通常の声帯信号を伴う声か
らささやき音まで多彩に制御することができる。

「実施例」 以下、図面を参照して本発明の一実施例について説明
する。

第１図はこの発明の一実施例による音声合成装置の構
成を示すブロック図である。この図において、11〜14は
有声音フォルマント発生部であり、各々、上述した周期
波形の発生回路、窓関数の発生回路および周期波形と窓
関数とを乗算して有声音のフォルマントを発生する乗算
器等を有している。これらの有声音フォルマント発生部
11〜14によって、音声の母音部を構成する特徴的な第１
〜第４フォルマント（有声音）が発生される。21〜24は
母音部のノイズ成分の第１〜第４フォルマント（無声
音）を発生する無声音フォルマント発生部であり、例え
ば上述した特願平１−91762号のノイズ音発生装置と同
等の構成によって実現される。また、25〜28は、各々、
子音部の第１〜第４フォルマント（無声音）を発生する
子音フォルマント発生部である。

１〜８は、各々、ピッチエンベロープジェネレータ
（以下、ピッチEGと略す）であり、上述した有声音およ
び無声音のフォルマント発生部11〜14,21〜28の各々に
おけるフォルマントの発生ピッチを制御するピッチエン
ベロープを発生する。これらの各ピッチEG1〜８には、
発音時、図示しない制御手段から発音すべき音声に対応
したピッチエンベロープパラメータが供給され、そのパ
ラメータの指定に従って、各ピッチエンベロープが発生
される。第２図はピッチエンベロープを例示したもので
あり、横軸は時間、縦軸はピッチエンベロープの振幅、
すなわち、フォルマント発生ピッチの基準値からの推移
量を示す。

ピッチEG1〜４によって出力される各ピッチエンベロ
ープは、有声音フォルマント発生部11〜14に各々供給さ
れると共に無声音フォルマント発生部21〜24に各々供給
され、母音部の有声音第１〜第４フォルマントおよび無
声音第１〜第４フォルマントの発生ピッチ、すなわち、
各フォルマントのフォルマント中心周波数の推移が制御
される。また、ピッチEG5〜８によって出力される各ピ
ッチエンベロープは、子音フォルマント発生部25〜28に
各々供給される。ピッチEG1〜８から発生するピッチエ
ンベロープは、自然の音声を分析し、有声音および無声
音の各フォルマント中心周波数の時間的推移を求めるこ
とにより得られる。

そして、有声音フォルマント発生部11〜14の出力は各
々乗算器31a〜34aによって乗算係数a₁〜a₄が乗算され、
無声音フォルマント発生部21〜24の出力は各々乗算器31
b〜34bによって乗算係数b₁〜b₄が乗算され、子音フォル
マント発生部25〜28の出力は各々乗算器35〜38によって
乗算係数c₁〜c₄が乗算され、各乗算結果が加算器40によ
って加算され、音声信号として出力される。ここで、各
乗算係数a₁〜a₄,b₁〜b₄,c₁〜c₄は、図示しない制御手段
によって時間経過に共なって制御され、各フォルマント
に所望の音声を構成するのに適した振幅エンベロープが
付与される。

音声の子音部を発生する場合、ピッチEG5〜８から出
力される各ピッチエンベロープによって子音部の第１〜
第４フォルマント（無声音）のピッチが制御され、各フ
ォルマントに乗算器35〜36によって振幅エンベロープが
付与され、子音部の音声信号が加算器40から出力され
る。音声の母音部を発生する場合は、有声音の第１フォ
ルマントと無声音の第１フォルマント、有声音の第２フ
ォルマントと無声音の第２フォルマント、〜という具合
に各フォルマントの発生ピッチが共通のピッチエンベロ
ープによって制御される。従って、母音部を構成する有
声音のフォルマント周波数の変化に追随して無声音フォ
ルマント周波数が変化する。

なお、上述の実施例では、自然界の音を分析すること
によって予め用意されたピッチエンベロープに基づいて
各フォルマント中心周波数の制御を行う場合について説
明したが、高速DSP（デジタル信号プロセッサ）を用い
て自然界の音の各フォルマント周波数を抽出し、各フォ
ルマント周波数を指定する情報を発生してフォルマント
発生部11〜14,21〜28に供給するようにしてもよい。こ
の場合、自然界から採取した音をそのままリアルタイム
で合成により再現することができる。また、各ピッチエ
ンベロープおよび乗算係数a₁〜a₄,b₁〜b₄,c₁〜c₄等を自
然界の音に合わせて設定するのみでなく、ボリューム等
の操作子によって任意に変更し得るようにしても良い。
例えば、乗算係数a₁〜a₄と乗算係数b₁〜b₄との比率をボ
リューム等により変化させると、母音部における調和成
分（有声音）と非調和成分（無声音）との配分比率を変
化させることができ、通常の有声音からささやき音まで
幅広い音色の音声を合成することができる。また、本発
明によって合成された音を電子楽器の楽音として利用で
きることは言うまでもない。

「発明の効果」 以上説明したように、無声音信号および有声音信号を
共通のエンベロープに従って制御するようにしたので、
人間によって発音されるような自然感に富んだ音声を合
成することができるという効果がある。

また、また、各フォルマント発生手段には第１乗算手
段及び第２乗算手段が設けられ、制御手段は出力すべき
音声に対応して各第１乗算手段と各第２乗算手段の係数
を時間的に制御しているので、通常の声帯信号を伴う声
からささやき音まで多彩に制御することができる。よう
な自然感に富んだ音声を合成することができるという効
果がある。

【図面の簡単な説明】

第１図はこの発明の一実施例による音声合成装置の構成
を示すブロック図、第２図は同実施例におけるピッチエ
ンベロープを例示する波形図である。 １〜４……ピッチEG（母音用）、５〜８……ピッチEG
（子音用）、11〜14……有声音フォルマント発声部（母
音用）、21〜24……無声音フォルマント発声部（母音
用）、25〜28……子音フォルマント発声部、31a〜34a,3
1b〜34b,35〜38……乗算器、40……加算器。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭55−77799（ＪＰ，Ａ) 特開 昭61−75399（ＪＰ，Ａ) 特開 平３−200299（ＪＰ，Ａ) 特公 昭47−26229（ＪＰ，Ｂ１) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 9/02 G10L 5/02 G10L 5/04 G10L 3/00

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】複数のフォルマント発生手段、加算手段、
   及び制御手段を備える音声合成装置であって、 各フォルマント発生手段は、エンベロープジェネレー
   タ、有声音信号発生手段、無声音信号発生手段、第１乗
   算手段、及び第２乗算手段を備え、 前記エンベロープジェネレータは、エンベロープパラメ
   ータに基づいて中心周波数の時間的変位であるエンベロ
   ープを出力し、 前記有声音信号発生手段は、エンベロープに基づき有声
   音信号を出力し、 前記無声音信号発生手段は、エンベロープに基づき無声
   音信号を出力し、 前記第１乗算手段は、有声音信号に係数を乗算して出力
   し、 前記第２乗算手段は、無声音信号に係数を乗算して出力
   し、 前記加算手段は、各フォルマント発生手段の第１乗算手
   段、第２乗算手段の出力を加算して音声を出力し、 前記制御手段は、出力すべき音声に対応して各エンベロ
   ープジェネレータにエンベロープパラメータを出力し、
   出力すべき音声に対応して各第１乗算手段と各第２乗算
   手段の係数を時間的に制御する ことを特徴とする音声合成装置。