JP3278863B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声合成装置に関し、
特に高品質な合成音を得るに好適な音声合成装置に関す
る。

【０００２】

【従来の技術】従来、音声合成系の基本的な構成に関し
ては、例えば、ラビナー著（鈴木訳）、「音声のディジ
タル信号処理」（１９８３年４月刊）や、古井著、東海
大学出版会「ディジタル音声処理」（１９８５年９月
刊）に詳しく述べられている。

【０００３】これらに音声合成装置の一種として「ボコ
ーダ」が紹介されている。これは音声の情報圧縮率を高
めて伝送、合成するものである。「ボコーダ」では音声
からスペクトル包絡情報を求め、これに基き音声を合成
する。いままで音質の向上を図るためにいろいろなボコ
ーダが開発されているが、代表的なものとしてはチャネ
ルボコーダやホモモルフィックボコーダなどが挙げられ
ている。

【０００４】しかし、これらのボコーダを用いる方式で
は、スペクトル包絡情報の抽出精度が不十分で、合成音
声の品質に問題があった。これに対して、最近新しいス
ペクトル包絡情報の抽出方法としてＰＳＥ（パワースペ
クトル包絡）法が提案されている。この方法は、音声の
フーリェパワースペクトルをピッチ周波数で標本化する
もので、その合成音は従来方式に比べて高品質になると
されている。なお、この詳細については、中島他著、
「パワースペクトル包絡（ＰＳＥ）音声分析・合成系」
（日本音響学会誌４４巻１１号、昭和６３−１１）を参
照することができる。

【０００５】

【発明が解決しようとする課題】上述のＰＳＥ分析・合
成方式における音声の合成方法は、ホモモルフィックボ
コーダと同様に、インパルス応答をピッチ周期間隔で加
えあわせることによっている。中島らの上記文献によれ
ば、インパルス応答は零位相を設定して求めている。こ
れは、人間の聴覚特性は位相に対して感度が鈍いといっ
た従来の知見に基づいている。また、ラビナー著「音声
のディジタル信号処理」によれば、零位相のほかに最小
位相、最大位相を設定してインパルス応答を求め、各々
の合成音質を比較して最小位相法が最も良好な合成音質
が得られると結論付けている。

【０００６】しかしながら発明者らの検討では肉声波形
の高域成分にはランダムな位相成分が存在し、これが肉
声らしさに重要な役割を果たしている。しかし、上述の
方法においては、これらのランダムな位相成分波形を一
様な位相の波形にしてしまうため、得られる合成音から
は、肉声らしさが失われ、合成音独特の人工感が生ず
る。また同様の事実が楽器音に関しても認められた。

【０００７】本発明は上記事情に鑑みてなされたもので
あり、その目的とするところは、従来の技術における上
述の如き問題を解消し、高品質の合成音声を安定して求
められるようにした音声合成装置を提供することにあ
る。

【０００８】

【課題を解決するための手段】本発明の上述の目的は、
あらかじめ記憶された部分波形を読みだし、重ねあわせ
て音声を生成する音声合成装置において、周期波形を記
憶する手段と、非周期波形を記憶する手段と、対応する
時点の周期波形と非周期波形とを加算する手段を有する
ことを特徴とする音声合成装置によって達成される。

【０００９】

【作用】本発明に係る音声合成装置においては、前述の
ごとく従来手法の合成音質劣化原因が、一様な位相設定
ではランダムな高域波形成分を実現できない事に鑑みて
ランダムな高域成分を生成しうるようにしたものであ
る。

【００１０】すなわち、本発明に係る音声合成装置にお
いては、周期的な成分（インパルス応答）波形と非周期
的な成分波形とを別個に記憶しておき、周期的な成分波
形に関しては、当該指定周期間隔でインパルス応答波形
を移動加算し、これに非周期的な成分波形を加算するこ
とで、ランダムな成分波形が重畳した音声波形が得られ
る。

【００１１】次に、周期的な成分波形と非周期的な成分
波形との求め方であるが、非周期的な成分は高周波数
（例えば２ｋＨｚ以上）成分中に存在する。従って原音
声の低域通過型フィルターの出力結果を周期的な成分波
形の抽出に用い、高域通過型フィルターの出力結果を非
周期的な成分波形の抽出に用いる。周期的な成分（イン
パルス応答）波形の求め方に関しては前述の中島らの文
献に詳しい。これは音声に対してデータの更新周期（例
えば、１０ｍｓ）毎に時間窓（例えばハミング窓）をか
けて後に求めている。非周期的な成分波形の抽出は、周
期的な成分波形の抽出と同一の更新周期毎に、更新周期
と同一長の時間窓（矩形窓）を掛けて求める。

【００１２】

【実施例】以下、本発明の実施例を図面に基いて詳細に
説明する。

【００１３】図１は本発明の一実施例を示す音声合成シ
ステムのブロック構成図である。図１において、１０１
は一周期波形格納部、１０２は周期間隔で一周期波形を
移動加算する移動加算部、１０３は移動加算された波形
と非周期波形とを加算する単純加算部、１０４は音声出
力用の二面バッファメモリー、１０５はディジタル・ア
ナログ（Ｄ／Ａ）変換器を示している。また１１０は周
期格納部、１２０は非周期波形格納部を示している。

【００１４】このように構成された本実施例の音声合成
システムの動作のあらましは次の通りである。１０２の
移動加算部では、１１０の周期格納部から読みだした周
期間隔で１０１の一周期波形格納部から読みだした一周
期波形データを移動加算する。１０３の単純加算部で
は、移動加算された波形データと１２０の非周期波形格
納部から読みだした非周期波形データとを加算する。こ
の結果が音声出力用の二面バッファメモリー１０４を経
て、Ｄ／Ａ変換器１０５により出力音声１０６として出
力される。

【００１５】図２は本発明の一実施例を示す規則合成シ
ステム１のブロック構成図である。図２において、２１
０は周期生成部である。それ以外の名称は図１に準ず
る。このように構成された本実施例の規則合成システム
１の動作のあらましは次の通りである。１０２の移動加
算部では、２１０の周期生成部で求めた周期間隔で一周
期波形データの移動加算を行なう。以降の動作は上記の
音声合成システムの動作例と同様である。周期の生成法
としては、所定の音声の高さを変更（ピッチシフト）す
る事を目的として周期にある定数値の加減算を行なう方
法や、規則合成システムへの適用を目的とした藤崎モデ
ル法等が知られている。藤崎モデルによる周期生成法
は、例えば特開平１−２８６９５にも詳しく述べられて
おり当業者には実現は容易である。

【００１６】図３は本発明の一実施例を示す規則合成シ
ステム２のブロック構成図である。規則合成（規則によ
る音声合成）においては合成音質を肉声らしくする事が
重要な課題である。この点に関する発明者の予備検討の
結果、肉声波形においては文章音声の位置に応じて波形
中の周期波形と非周期波形とのレベル比率が変化する傾
向が見られた。比率変化の一つの傾向は例えば文末でピ
ッチ周期が長くなると、非周期波形レベルの比率が高ま
るものである。この肉声波形の特性を反映した規則合成
システムでは、得られる合成音は肉声に近づき、合成音
質は高まる。これが規則合成システム２である。

【００１７】図３において、２１１は非周期波形データ
の波高値を制御するレベル制御部である。それ以外の名
称は図１、図２に準ずる。このように構成された本実施
例の規則合成システム２の動作のあらましは次の通りで
ある。レベル制御部２１１では２１０で生成された周期
の値に対して、それに正相関のレベル値（非周期波形波
高値）を求め、非周期波形データにレベル値を乗ずる。
それ以外の動作は上記の音声合成システムの動作例と同
様である。

【００１８】図４は周期波形、非周期波形の抽出部の構
成例を示す図である。図４において４０１はマイクロフ
ォン等によって音声−電気変換された入力音声信号、４
０２はアナログ・ディジタル（Ａ／Ｄ）変換器、４０３
は二面構成のバッファメモリーを示している。このメモ
リ４０３は以下に述べる処理の時間調整と入力音声の中
断を防止する為に設けられているものである。また、４
０５は周期・非周期波形分離部、４０６は一周期波形信
号、４０７は非周期波形信号を示している。

【００１９】このように構成された周期波形、非周期波
形の抽出部の動作のあらましは以下の通りである。

【００２０】マイクロフォン等によって音声−電気変換
された入力音声信号４０１はＡ／Ｄ変換器４０２を経
て、二面構成のバッファメモリー４０３に入力される。
該バッファメモリー４０３から読み出された音声データ
４０４は、周期・非周期波形分離部４０５に入力され、
波形を分離した結果、一周期波形信号４０６、非周期波
形信号４０７を出力する。

【００２１】図５は、周期・非周期波形分離部４０５を
説明するための構成例を示す図である。図５において、
４０４は図４中の二面バッファメモリー４０３から読み
出された音声データ、５０１はフレーム切り出し部、５
０２は低域と高域と二つの帯域に波形データを分割する
帯域分割部、５１０はその結果得られる低域波形、また
５２０は高域波形である。５０３は低域波形からピッチ
周期を求めるピッチ抽出部、５０４は高域波形の周期性
を判定する周期性判定部、５０５は周期性判定結果に応
じて波形編集を行なう波形編集部、５０６は周期波形か
ら一周期波形データをもとめる一周期波形生成部、５０
７は非周期波形からフレーム周期長切り出す矩形窓掛け
部である。

【００２２】このように構成された周期・非周期波形分
離部の動作のあらましは以下の通りである。

【００２３】音声データ４０４に対して、フレーム切り
出し部５０１では、フレーム周期毎に一定時間長の波形
データを得る。帯域分割部５０２ではこの波形データを
低域と高域と二つの帯域に分割して、低域波形データ５
１０と高域波形データ５２０とを出力する。ピッチ抽出
部５０３では低域波形データ５１０からピッチ周期を求
める。これは低域波形の周期性が安定しているからであ
る。周期性判定部５０４では、高域波形データ５２０に
対して５０３で得られたピッチ周期長の相関値を求めて
その大小で高域波形の周期性を判定する。相関が大きけ
れば周期性があり、相関が小さければ周期性が無い。波
形編集部５０５では周期性判定結果に応じて波形編集を
行なう。波形編集は周期性が有るときには、低域波形デ
ータ５１０と高域波形データ５２０とを加算した波形デ
ータを周期波形データとして出力し、非周期波形データ
としては全区間にわたり値０の波形データを出力する。
一方、周期性が無いときには低域波形データ５１０を周
期波形データとして出力し、高域波形データ５２０を、
非周期波形データとして出力する。周期波形データに対
しては、一周期波形生成部５０６により一周期波形デー
タ４０６をもとめる。また、非周期波形データに対して
は５０７により矩形窓などの窓掛け処理を行ないフレー
ム周期長の非周期波形データ４０７を得る。

【００２４】以下、周期・非周期波形分離部の動作の詳
細を説明する。帯域分割部５０２の実現方法にはいくつ
かの方法が有る。その一つの方法は低域通過型フィルタ
ーを用意し、これに音声データ４０４を入力して得られ
る出力を低域波形データとし、音声データ４０４から低
域波形データを減ずることで得られるデータを高域波形
データとする方法である。低域通過型フィルター等のデ
ィジタルフィルターの設計に関しては例えば、ラビナー
著（鈴木訳）、「音声のディジタル信号処理」に詳し
い。無論、高域通過型フィルターを用意しても同様な分
離処理が可能である。またディジタルフィルターによら
ない方法としては、フーリェ変換処理が有る。

【００２５】この方法ではフーリェ変換結果の所定周波
数以上の数値を０として、フーリェ逆変換を施せば、低
域波形データが得られる。この高速な実行法として高速
フーリェ変換（通称ＦＦＴ）処理が知られている。ここ
で高域、低域の分離周波数（低域通過型フィルターのカ
ットオフ周波数）は２〜３ｋＨｚに設定するのが妥当で
ある。

【００２６】またピッチ周期の求め方に関しても同著作
に詳しく述べられている。

【００２７】周期性判定部５０４において計算する相関
値とは、ピッチ周期だけ遅れた自己相関係数を意味す
る。この計算式は次の式で表わされる。

【００２８】

【数１】

【００２９】ここでφは自己相関係数、Ｔｐはピッチ周
期、Ｗ（ｉ）は時点ｉの波形データ（波高値）である。
なお Ｗ（０）はフレーム周期毎に切り出された波形の
中心位置の波形データを意味する。自己相関係数φは−
１から＋１の値となる。波形を周期的と判断するのは自
己相関係数φが１に近いときで、０．７ないし０．５未
満の時は非周期的と判断して良い。

【００３０】また周期波形データから一周期波形データ
を求める方法は、ラビナー著（鈴木訳）、「音声のディ
ジタル信号処理」の準同形（ホモモルフィック）ボコー
ダに関する説明の中で詳しく述べられている。

【００３１】以上図４、図５を用いて述べた周期波形、
非周期波形の抽出部により得られた一周期波形データ並
びに非周期波形データ、ピッチ周期を前述の音声合成シ
ステム、規則合成システムの一周期波形格納部並びに非
周期波形格納部、周期格納部にそれぞれ記録する事で音
声分析合成システムが実現できる。特に音声分析処理と
音声合成処理とに時間的なずれが無いときには各波形デ
ータ、ピッチ周期データの格納部を用意することなく、
各データを移動加算部１０２、単純加算部１０３に入力
することで音声合成機能は実現できる。

【００３２】これらの実施例によれば、以下に示すよう
な効果が得られる。

【００３３】図６は本発明の効果を説明する図で、原波
形並びにそれに対して本発明により得られた合成波形の
高域成分波形、従来方式（零位相設定）により得られた
合成波形の高域成分波形を示している。この波形の相違
に現われる如く、聴取感も顕著な差があり、本発明によ
り合成音質の向上は著しい。またこの合成音質の向上は
肉声に限定されるものではなく、楽器音などに関しても
同様の効果がある。

【００３４】上記実施例は本発明の一例を示したもの
で、本発明はこれに限定されるべきものではないことは
言うまでもない。

【００３５】

【発明の効果】以上、詳細に説明した如く、本発明によ
れば、高品質の合成音声もしくは規則合成音声を安定し
て求められるようにした音声合成装置を実現できるとい
う顕著な効果を奏するものである。

【図面の簡単な説明】

【図１】本発明の一実施例を示す音声合成システムのブ
ロック構成図である。

【図２】本発明の一実施例を示す規則合成システムのブ
ロック構成図である。

【図３】本発明の一実施例を示す規則合成システムのブ
ロック構成図である。

【図４】周期波形、非周期波形の抽出部の構成例を示す
図である。

【図５】周期・非周期波形分離部の構成例を示す図であ
る。

【図６】本発明の効果を説明する図である。

【符号の説明】

１０１ ．．一周期波形格納部、１０２ ．．移動加算
部、１０３ ．．単純加算部、１０４ ．．バッファメ
モリー、１０５ ．．Ｄ／Ａ変換器、１０６ ．．出力
音声、１１０ ．．周期格納部、１２０ ．．非周期波
形格納部、２１０．．周期生成部、２１１ ．．レベル
制御部、４０１ ．．入力音声、４０２．．Ａ／Ｄ変換
器、４０３ ．．バッファメモリー、４０５ ．．周期
・非周期波形分離部、４０６ ．．一周期波形、４０７
．．非周期波形、５０１ ．．フレーム切り出し部、
５０２ ．．帯域分割部、５０３ ．．ピッチ抽出部、
５０４ ．．周期性判定部、５０５ ．．波形編集部、
５０６ ．．一周期波形生成部、５０７ ．．矩形窓掛
け部、５１０ ．．低域波形、５２０ ．．高域波形。

Claims (5)

(57)【特許請求の範囲】
1. 【請求項１】 音声波形の一部を重ねあわせることにより
   音声を合成する音声合成装置において、 上記音声波形をフレーム周期ごとに波形データを切り出
   すフレーム切り出し手段と、上記波形データを低域波形
   データと高域波形データとに分割する帯域分割手段と、
   上記低域波形データからピッチ周期を求めるピッチ抽出
   手段と、上記ピッチ周期に応じて、上記高域波形データ
   の周期性を判定する周期性判定手段とにより上記音声波
   形を周期的な成分波形と非周期的な成分波形とに分離す
   る分離手段と、 音声波形の周期的な成分波形の一周期の成分波形を保持
   する第１の記憶手段と、 上記音声波形の非周期的な成分波形を保持する第２の記
   憶手段と、 上記一周期の成分波形と上記非周期的な成分波形とを加
   算する加算手段とを有することを特徴とする音声合成装
   置。
2. 【請求項２】所定の周期で上記第１の記憶手段から上記
   一周期の成分波形を読み出し、その一周期の成分波形を
   移動加算する移動加算手段をさらに有し、 上記加算手段は、上記移動加算された波形と上記非周期
   的な成分波形とを加算することを特徴とする請求項１記
   載の音声合成装置。
3. 【請求項３】周期を保持する周期保持手段をさらに有
   し、 上記移動加算手段は、上記周期保持手段に保持されてい
   る周期に応じて、上記第１の記憶手段から上記一周期の
   成分波形を読み出すことを特徴とする請求項２記載の音
   声合成装置。
4. 【請求項４】上記非周期的は成分波形のピーク値を制御
   するレベル制御部をさらに有することを特徴とする請求
   項１乃至請求項３の何れかに記載の音声合成装置。
5. 【請求項５】上記非周期的な成分波形は、上記周期的な
   成分波形の周波数よりも高周波成分を有することを特徴
   とする請求項１乃至請求項４の何れかに記載の音声合成
   装置。