JP3520555B2 - 音声符号化方法及び音声音源装置 - Google Patents
音声符号化方法及び音声音源装置Info
- Publication number
- JP3520555B2 JP3520555B2 JP08246294A JP8246294A JP3520555B2 JP 3520555 B2 JP3520555 B2 JP 3520555B2 JP 08246294 A JP08246294 A JP 08246294A JP 8246294 A JP8246294 A JP 8246294A JP 3520555 B2 JP3520555 B2 JP 3520555B2
- Authority
- JP
- Japan
- Prior art keywords
- sound source
- pitch
- filter
- pole
- information
- 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
- 238000000034 method Methods 0.000 title description 16
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 43
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 3
- 230000001755 vocal effect Effects 0.000 claims description 11
- 230000002194 synthesizing effect Effects 0.000 claims description 10
- 241001342895 Chorus Species 0.000 claims description 4
- HAORKNGNJCEJBX-UHFFFAOYSA-N cyprodinil Chemical compound N=1C(C)=CC(C2CC2)=NC=1NC1=CC=CC=C1 HAORKNGNJCEJBX-UHFFFAOYSA-N 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 5
- 210000001260 vocal cord Anatomy 0.000 abstract description 3
- 239000011295 pitch Substances 0.000 description 83
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 1
- ZYXYTGQFPZEUFX-UHFFFAOYSA-N benzpyrimoxan Chemical compound O1C(OCCC1)C=1C(=NC=NC=1)OCC1=CC=C(C=C1)C(F)(F)F ZYXYTGQFPZEUFX-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/033—Voice editing, e.g. manipulating the voice of the synthesiser
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H1/00—Details of electrophonic musical instruments
- G10H1/36—Accompaniment arrangements
- G10H1/361—Recording/reproducing of accompaniment for use with an external source, e.g. karaoke systems
- G10H1/366—Recording/reproducing of accompaniment for use with an external source, e.g. karaoke systems with means for modifying or correcting the external signal, e.g. pitch correction, reverberation, changing a singer's voice
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2250/00—Aspects of algorithms or signal processing methods without intrinsic musical character, yet specifically adapted for or used in electrophonic musical processing
- G10H2250/055—Filters for musical processing or musical effects; Filter responses, filter architecture, filter coefficients or control parameters therefor
- G10H2250/061—Allpass filters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2250/00—Aspects of algorithms or signal processing methods without intrinsic musical character, yet specifically adapted for or used in electrophonic musical processing
- G10H2250/315—Sound category-dependent sound synthesis processes [Gensound] for musical use; Sound category-specific synthesis-controlling parameters or control means therefor
- G10H2250/455—Gensound singing voices, i.e. generation of human voices for musical applications, vocal singing sounds or intelligible words at a desired pitch or with desired vocal effects, e.g. by phoneme synthesis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2250/00—Aspects of algorithms or signal processing methods without intrinsic musical character, yet specifically adapted for or used in electrophonic musical processing
- G10H2250/541—Details of musical waveform synthesis, i.e. audio waveshape processing from individual wavetable samples, independently of their origin or of the sound they represent
- G10H2250/571—Waveform compression, adapted for music synthesisers, sound banks or wavetables
- G10H2250/581—Codebook-based waveform compression
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/003—Changing voice quality, e.g. pitch or formants
- G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
- G10L21/013—Adapting to target pitch
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Reverberation, Karaoke And Other Acoustics (AREA)
- Electrophonic Musical Instruments (AREA)
Description
【０００１】
【産業上の利用分野】この発明は、伝送レート又は記憶
容量の低減を図れるようにした音声符号化方法、並びに
伝送路を介して伝送された受信データに基づき音声（楽
音）を合成するオンラインカラオケシステム等に使用さ
れる音声音源装置、テープ、ディスク、固体メモリ等の
記憶媒体に記憶されたデータに基づき音声（楽音）を合
成するカラオケシステム、コンピュータミュージックシ
ステム、ゲーム機器等に使用される音声音源装置、又は
ユーザからリアルタイムで与えられるデータをもとに音
声（楽音）を合成する電子楽器等に使用される音声音源
装置に関する。
容量の低減を図れるようにした音声符号化方法、並びに
伝送路を介して伝送された受信データに基づき音声（楽
音）を合成するオンラインカラオケシステム等に使用さ
れる音声音源装置、テープ、ディスク、固体メモリ等の
記憶媒体に記憶されたデータに基づき音声（楽音）を合
成するカラオケシステム、コンピュータミュージックシ
ステム、ゲーム機器等に使用される音声音源装置、又は
ユーザからリアルタイムで与えられるデータをもとに音
声（楽音）を合成する電子楽器等に使用される音声音源
装置に関する。
【０００２】
【従来の技術】音声情報をネットワークを介して伝送し
たり、パッケージメディアに格納するような場合、従来
は、ＰＣＭ（パルス符号変調）、ＡＤＰＣＭ（適応差分
ＰＣＭ）及びＡＤＭ（適応デルタ変調）等の波形符号化
技術で音声波形を符号化し、伝送・蓄積するようにして
いる。電子楽器においてもＡＤＭやＡＤＰＣＭ等の手法
で情報量を削減した楽音データをメモリに記憶し、それ
を演奏者から与えられる楽音指定データに対応したピッ
チ、音色及び音量で再生する技術が知られている。
たり、パッケージメディアに格納するような場合、従来
は、ＰＣＭ（パルス符号変調）、ＡＤＰＣＭ（適応差分
ＰＣＭ）及びＡＤＭ（適応デルタ変調）等の波形符号化
技術で音声波形を符号化し、伝送・蓄積するようにして
いる。電子楽器においてもＡＤＭやＡＤＰＣＭ等の手法
で情報量を削減した楽音データをメモリに記憶し、それ
を演奏者から与えられる楽音指定データに対応したピッ
チ、音色及び音量で再生する技術が知られている。
【０００３】一方、より高能率の符号化方式として分析
合成型がある。この分析合成型に属するものとして波形
やスペクトル包絡パラメータを各サンプル値ごとに量子
化せず、複数の値の組をまとめて一つの符号で表現する
ベクトル量子化が知られている。ベクトル量子化方式で
は、標本化したのちの波形を一定時間について切り出
し、その区間の波形パターンを１つの符号で表現する。
このため、予め種々の波形パターンを蓄えておき、それ
ぞれに符号を与えておく。この場合、種々の波形パター
ンをコードワードと呼び、符号とコードワードとの対応
を示す表をコードブックと呼ぶ。入力波形は、一定の時
間間隔毎にコードブックの各コードワードと比較され、
最もマッチングしたコードワードの符号で、その入力波
形が表現される。
合成型がある。この分析合成型に属するものとして波形
やスペクトル包絡パラメータを各サンプル値ごとに量子
化せず、複数の値の組をまとめて一つの符号で表現する
ベクトル量子化が知られている。ベクトル量子化方式で
は、標本化したのちの波形を一定時間について切り出
し、その区間の波形パターンを１つの符号で表現する。
このため、予め種々の波形パターンを蓄えておき、それ
ぞれに符号を与えておく。この場合、種々の波形パター
ンをコードワードと呼び、符号とコードワードとの対応
を示す表をコードブックと呼ぶ。入力波形は、一定の時
間間隔毎にコードブックの各コードワードと比較され、
最もマッチングしたコードワードの符号で、その入力波
形が表現される。
【０００４】図１２は、音声合成モデルの概念を示す図
である。一般に音声は、声帯の振動と雑音源との共存関
係によっていくつかにパターン化された音源モデル１０
１と、声帯から唇までの音波の通路の特性によって決定
される声道モデル１０２と、ピッチ（係数）及び振幅情
報等とによって合成可能である。したがって、音源モデ
ル１０１として、波形のパターンを特定するコードブッ
クを使用し、音声のピッチはピッチフィルタによって決
定する。また、声道モデルは、それに相当する合成フィ
ルタを使用する。
である。一般に音声は、声帯の振動と雑音源との共存関
係によっていくつかにパターン化された音源モデル１０
１と、声帯から唇までの音波の通路の特性によって決定
される声道モデル１０２と、ピッチ（係数）及び振幅情
報等とによって合成可能である。したがって、音源モデ
ル１０１として、波形のパターンを特定するコードブッ
クを使用し、音声のピッチはピッチフィルタによって決
定する。また、声道モデルは、それに相当する合成フィ
ルタを使用する。
【０００５】ここで、声道モデル１０２の伝達関数Ｈ
（ｚ）は、一般に、鼻音化しない場合には、ｚ平面上の
零点を無視して、数１で示すような全極形の伝達関数と
して表現することができる。
（ｚ）は、一般に、鼻音化しない場合には、ｚ平面上の
零点を無視して、数１で示すような全極形の伝達関数と
して表現することができる。
【０００６】
【数１】
【０００７】
【発明が解決しようとする課題】しかし、上述した従来
の分析合成符号化方式では、全極形フィルタの係数αi
を直接記憶又は伝送するようにしているので、ピッチを
変化させようとすると、全極形フィルタの全ての極の座
標を求めた後、求められた各極の座標をピッチ変化量に
応じて移動させ、更に全極形フィルタを再構成する−と
いう３つの段階的な処理を実行する必要があり、処理が
煩雑化するという問題がある。
の分析合成符号化方式では、全極形フィルタの係数αi
を直接記憶又は伝送するようにしているので、ピッチを
変化させようとすると、全極形フィルタの全ての極の座
標を求めた後、求められた各極の座標をピッチ変化量に
応じて移動させ、更に全極形フィルタを再構成する−と
いう３つの段階的な処理を実行する必要があり、処理が
煩雑化するという問題がある。
【０００８】また、ピッチフィルタは、通常は単なるタ
ップ付きのディレイ回路であり、１タップに対応する分
解能のピッチ変化しか得られない。更に、全極形フィル
タを駆動する音源情報としてのコードブックは波形パタ
ーンがテーブル形式で記憶されているだけであるため、
時間軸を変化させることができない。このため、ピッチ
変化に対する柔軟性に欠けるという問題もある。
ップ付きのディレイ回路であり、１タップに対応する分
解能のピッチ変化しか得られない。更に、全極形フィル
タを駆動する音源情報としてのコードブックは波形パタ
ーンがテーブル形式で記憶されているだけであるため、
時間軸を変化させることができない。このため、ピッチ
変化に対する柔軟性に欠けるという問題もある。
【０００９】この発明は、このような問題点に鑑みてな
されたもので、伝送又は蓄積すべき情報量を格段に少な
くすることができる音声符号化方法及び音声音源装置を
提供することを目的とする。この発明は、ピッチ変化に
も柔軟に対処することができる音声符号化方法及び音声
音源装置を提供することを他の目的とする。この発明
は、細かなピッチ変化にも対応できる音声符号化方法及
び音声音源装置を提供することを更に他の目的とする。
この発明は、音源情報の時間軸方向の調整も容易な音声
符号化方法及び音声音源装置を提供することを更に他の
目的とする。
されたもので、伝送又は蓄積すべき情報量を格段に少な
くすることができる音声符号化方法及び音声音源装置を
提供することを目的とする。この発明は、ピッチ変化に
も柔軟に対処することができる音声符号化方法及び音声
音源装置を提供することを他の目的とする。この発明
は、細かなピッチ変化にも対応できる音声符号化方法及
び音声音源装置を提供することを更に他の目的とする。
この発明は、音源情報の時間軸方向の調整も容易な音声
符号化方法及び音声音源装置を提供することを更に他の
目的とする。
【００１０】
【００１１】
【課題を解決するための手段】
この発明に係る音声音源
装置は、音源パターンを示す符号に基づいて予め備えら
れた種々の音源パターンの中から１つの音源パターンを
選択し音声音源モデルとしての音源信号を生成出力する
音源信号生成手段と、ピッチ情報に基づいて前記音源信
号生成手段から出力された音源信号を前記ピッチ情報に
相当する遅延量だけ遅延させるタップ可変遅延手段と、
指定されたピッチ変化情報に基づいて前記タップ可変遅
延手段で遅延された前記音源信号を前記タップ可変遅延
手段での遅延量よりも細かい遅延単位で遅延させるオー
ルパスフィルタと、 前記音源信号生成手段から出力され
た音源信号と前記オールパスフィルタから出力された遅
延処理された音源信号とを合成してピッチが調整された
音源信号を出力すると共に、前記タップ可変遅延手段に
フィードバックする合成手段と、 全極形合成フィルタの
係数情報が伝達関数の極の座標として供給され、前記指
定されたピッチ変化情報に基づいて前記座標で示される
極を移動させたのち前記全極形合成フィルタの係数パラ
メータを算出し前記全極形合成フィルタに供給する係数
計算手段と、 前記全極形合成フィルタの係数情報に基づ
いて前記ピッチが調整された音源信号に声道モデルに対
応したフィルタリング処理を施して音声再生信号を出力
する全極形合成フィルタとを備えたことを特徴とする。
装置は、音源パターンを示す符号に基づいて予め備えら
れた種々の音源パターンの中から１つの音源パターンを
選択し音声音源モデルとしての音源信号を生成出力する
音源信号生成手段と、ピッチ情報に基づいて前記音源信
号生成手段から出力された音源信号を前記ピッチ情報に
相当する遅延量だけ遅延させるタップ可変遅延手段と、
指定されたピッチ変化情報に基づいて前記タップ可変遅
延手段で遅延された前記音源信号を前記タップ可変遅延
手段での遅延量よりも細かい遅延単位で遅延させるオー
ルパスフィルタと、 前記音源信号生成手段から出力され
た音源信号と前記オールパスフィルタから出力された遅
延処理された音源信号とを合成してピッチが調整された
音源信号を出力すると共に、前記タップ可変遅延手段に
フィードバックする合成手段と、 全極形合成フィルタの
係数情報が伝達関数の極の座標として供給され、前記指
定されたピッチ変化情報に基づいて前記座標で示される
極を移動させたのち前記全極形合成フィルタの係数パラ
メータを算出し前記全極形合成フィルタに供給する係数
計算手段と、 前記全極形合成フィルタの係数情報に基づ
いて前記ピッチが調整された音源信号に声道モデルに対
応したフィルタリング処理を施して音声再生信号を出力
する全極形合成フィルタとを備えたことを特徴とする。
【００１２】なお、ここで“音声”とは、狭義の音声の
みならず、音響、楽音等、あらゆる音に関するものを含
むものである。
みならず、音響、楽音等、あらゆる音に関するものを含
むものである。
【００１３】
【００１４】
【作用】 こ
の発明の音声音源装置によれば、全極形合成
フィルタの係数情報が伝達関数の極の座標として供給さ
れ、与えられたピッチ変化情報に基づいて係数計算手段
が前記座標を移動させたのち係数パラメータを算出する
ので、ピッチ変化に柔軟に対処することができる。
フィルタの係数情報が伝達関数の極の座標として供給さ
れ、与えられたピッチ変化情報に基づいて係数計算手段
が前記座標を移動させたのち係数パラメータを算出する
ので、ピッチ変化に柔軟に対処することができる。
【００１５】なお、ピッチ調整手段がタップ可変遅延手
段のみであると、１タップ分の分解能でしかピッチを調
整することができないが、タップ可変遅延手段の他にオ
ールパスフィルタを用い、このオールパスフィルタの係
数を適当に切換えるようにすると、微小なピッチ変化の
調整が可能になる。
段のみであると、１タップ分の分解能でしかピッチを調
整することができないが、タップ可変遅延手段の他にオ
ールパスフィルタを用い、このオールパスフィルタの係
数を適当に切換えるようにすると、微小なピッチ変化の
調整が可能になる。
【００１６】また、種々の音源パターンを時間の関数と
して保持するようにすると、音源信号自体もピッチ変化
に対応させることができる。
して保持するようにすると、音源信号自体もピッチ変化
に対応させることができる。
【００１７】また、この発明によれば、ピッチ変化の程
度が異なる複数の音声再生信号を同時に出力することに
よりコーラス音を生成したり、全極形合成フィルタの極
の座標の位置を調整することにより特殊再生音を生成す
ることができるので、任意のコーラス音や特殊再生音も
音声音源装置側で容易に生成することができる。
度が異なる複数の音声再生信号を同時に出力することに
よりコーラス音を生成したり、全極形合成フィルタの極
の座標の位置を調整することにより特殊再生音を生成す
ることができるので、任意のコーラス音や特殊再生音も
音声音源装置側で容易に生成することができる。
【００１８】
【実施例】以下、図面を参照して、この発明の実施例を
説明する。図１は、この発明の第１の実施例に係るシス
テムの全体構成を示すブロック図である。このシステム
は、送信側で音声信号を分析合成符号化により符号化
し、この符号化されたデータを通信回線を介して受信側
に伝送するシステムで、音声音源オンラインカラオケシ
ステム等に適用される。
説明する。図１は、この発明の第１の実施例に係るシス
テムの全体構成を示すブロック図である。このシステム
は、送信側で音声信号を分析合成符号化により符号化
し、この符号化されたデータを通信回線を介して受信側
に伝送するシステムで、音声音源オンラインカラオケシ
ステム等に適用される。
【００１９】図１において、受信局１は、通信回線２を
介して送信局３と接続されている。送信局３は、音声信
号を符号化して音源データとしてのコードブック情報Ｉ
や音高を決めるピッチ情報Ｌ、音声の振幅を決定するゲ
インβ，γ、更には声道データとしての全極形フィルタ
の極の座標ｒ，θ（極座標表現）を算出する音声分析部
４と、これらのデータＩ，Ｌ，β，γ，ｒ，θを、通信
回線２を介して受信局１に送信する送信部５とを備えて
いる。また、受信局１は、通信回線２を介して伝送され
たデータＩ，Ｌ，β，γ，ｒ，θを受信する受信部６
と、この受信部６で受信されたデータ及び受信局１側で
設定されたピッチ変化情報Pitch に基づいて音声信号を
合成する音声音源装置７とを備えている。
介して送信局３と接続されている。送信局３は、音声信
号を符号化して音源データとしてのコードブック情報Ｉ
や音高を決めるピッチ情報Ｌ、音声の振幅を決定するゲ
インβ，γ、更には声道データとしての全極形フィルタ
の極の座標ｒ，θ（極座標表現）を算出する音声分析部
４と、これらのデータＩ，Ｌ，β，γ，ｒ，θを、通信
回線２を介して受信局１に送信する送信部５とを備えて
いる。また、受信局１は、通信回線２を介して伝送され
たデータＩ，Ｌ，β，γ，ｒ，θを受信する受信部６
と、この受信部６で受信されたデータ及び受信局１側で
設定されたピッチ変化情報Pitch に基づいて音声信号を
合成する音声音源装置７とを備えている。
【００２０】図２は、この発明の第２の実施例に係るシ
ステムの全体構成を示すブロック図である。このシステ
ムは、音声信号を分析合成符号化により符号化し、この
符号化されたデータをＣＤ，ＬＤ，ＭＤ，ＦＤ等のディ
スク媒体、ＤＡＴ，ＤＣＣ等の磁気テープ又はメモリ等
の記憶媒体に格納し、必要に応じて読出して合成するシ
ステムである。図２において、記録装置１１は、図１と
同様の音声分析部４と、この音声分析部４からの各種デ
ータＩ，Ｌ，β，γ，ｒ，θを、必要に応じて変調して
記憶媒体１２に書き込む記録部１３とを備えている。ま
た、再生装置１４は、ディスク再生装置や電子楽器等
で、記憶媒体１２から必要なデータＩ，Ｌ，β，γ，
ｒ，θを読み出す読出部１５と、この読出部１５で読み
出されたデータ及び再生装置側で設定されたピッチ変化
情報Pitch に基づいて音声信号を合成する図１と同様の
音声音源装置７とを備えて構成されている。
ステムの全体構成を示すブロック図である。このシステ
ムは、音声信号を分析合成符号化により符号化し、この
符号化されたデータをＣＤ，ＬＤ，ＭＤ，ＦＤ等のディ
スク媒体、ＤＡＴ，ＤＣＣ等の磁気テープ又はメモリ等
の記憶媒体に格納し、必要に応じて読出して合成するシ
ステムである。図２において、記録装置１１は、図１と
同様の音声分析部４と、この音声分析部４からの各種デ
ータＩ，Ｌ，β，γ，ｒ，θを、必要に応じて変調して
記憶媒体１２に書き込む記録部１３とを備えている。ま
た、再生装置１４は、ディスク再生装置や電子楽器等
で、記憶媒体１２から必要なデータＩ，Ｌ，β，γ，
ｒ，θを読み出す読出部１５と、この読出部１５で読み
出されたデータ及び再生装置側で設定されたピッチ変化
情報Pitch に基づいて音声信号を合成する図１と同様の
音声音源装置７とを備えて構成されている。
【００２１】また、図３は、この発明の第３の実施例に
係るシステムの全体構成を示すブロック図である。この
システムは、電子楽器を想定したシステムである。メモ
リ２１は、ＲＯＭ等からなり、予め複数の楽音（音声）
から分析して求めたデータＩ，Ｌ，β，γ，ｒ，θの組
み合わせを記憶している。メモリ２１からは音色指定情
報に従って１組のデータが選択される。音声音源装置７
は、選択されたデータの組及び別途鍵盤等で指定された
ピッチ変化情報Pitch に基づいて楽音（音声）を合成す
る。サンプリング機能を備えた電子楽器の場合には、メ
モリ２１をＲＡＭで構成する他、図２に示したように、
入力された楽音（音声）からデータＩ，Ｌ，β，γ，
ｒ，θを求める音声分析手段とメモリ２１にデータを記
録する記録手段が必要になる。
係るシステムの全体構成を示すブロック図である。この
システムは、電子楽器を想定したシステムである。メモ
リ２１は、ＲＯＭ等からなり、予め複数の楽音（音声）
から分析して求めたデータＩ，Ｌ，β，γ，ｒ，θの組
み合わせを記憶している。メモリ２１からは音色指定情
報に従って１組のデータが選択される。音声音源装置７
は、選択されたデータの組及び別途鍵盤等で指定された
ピッチ変化情報Pitch に基づいて楽音（音声）を合成す
る。サンプリング機能を備えた電子楽器の場合には、メ
モリ２１をＲＡＭで構成する他、図２に示したように、
入力された楽音（音声）からデータＩ，Ｌ，β，γ，
ｒ，θを求める音声分析手段とメモリ２１にデータを記
録する記録手段が必要になる。
【００２２】これらのシステムにおいて、送信又は記憶
媒体に記憶される情報は、コードブック情報Ｉ、ピッチ
情報Ｌ、ゲインβ，γ、全極形合成フィルタの極の座標
ｒ，θのみである。これにより、伝送容量又は記憶容量
を格段に低減することができる。また、音声音源装置７
側で与えられる情報は、ピッチを基準位置からどの程度
変化させるかを決めるピッチ変化情報Pitch である。
媒体に記憶される情報は、コードブック情報Ｉ、ピッチ
情報Ｌ、ゲインβ，γ、全極形合成フィルタの極の座標
ｒ，θのみである。これにより、伝送容量又は記憶容量
を格段に低減することができる。また、音声音源装置７
側で与えられる情報は、ピッチを基準位置からどの程度
変化させるかを決めるピッチ変化情報Pitch である。
【００２３】コードブック情報Ｉは、後述する時間関数
の形で設定された複数のコードワードを特定する符号で
ある。ピッチ情報Ｌは、音声のピッチを表す情報で、後
述するピッチフィルタの遅延段数を決定するパラメータ
となる。ゲインβ，γは、音声の振幅を制御するパラメ
ータである。全極形合成フィルタの極の座標ｒ，θは、
声道モデルを作成するフィルタの係数αを算出する情報
で、与えられたピッチ変化情報Pitch から係数αを容易
に作成することができるパラメータである。作成された
パラメータαは、例えば２０msec程度のフレーム単位で
音声信号を制御するパラメータとなる。
の形で設定された複数のコードワードを特定する符号で
ある。ピッチ情報Ｌは、音声のピッチを表す情報で、後
述するピッチフィルタの遅延段数を決定するパラメータ
となる。ゲインβ，γは、音声の振幅を制御するパラメ
ータである。全極形合成フィルタの極の座標ｒ，θは、
声道モデルを作成するフィルタの係数αを算出する情報
で、与えられたピッチ変化情報Pitch から係数αを容易
に作成することができるパラメータである。作成された
パラメータαは、例えば２０msec程度のフレーム単位で
音声信号を制御するパラメータとなる。
【００２４】次に、これらの情報を得るための音声分析
部４における符号化方法について説明する。
部４における符号化方法について説明する。
【００２５】（１）全極形合成フィルタの極の座標ｒ，
θ 全極形合成フィルタは、声道の特性に対応する音声のス
ペクトラム包絡特性を近似的に表したフィルタで、その
伝達関数Ｈ（ｚ）は、下記数２のように表される。
θ 全極形合成フィルタは、声道の特性に対応する音声のス
ペクトラム包絡特性を近似的に表したフィルタで、その
伝達関数Ｈ（ｚ）は、下記数２のように表される。
【００２６】
【数２】
【００２７】ここで、フィルタ係数αi は、ピッチによ
って変化するため、この発明では、伝達関数Ｈ（ｚ）
を、Ａ（ｚ）＝０のときの根、即ち図４に示すようなｚ
平面上の極座標ｒi ，θi の形で表される極で特定す
る。伝達関数の振幅−周波数特性は、例えば図５のよう
になる。θ1 ，θ2 ，…は、フォルマント周波数を表し
ている。いま、ｒ1 ｅｘｐ（±ｊθ1 ），ｒ2 ｅｘｐ
（±ｊθ2 ），…がＡ（ｚ）＝０の根であるとすると、
Ａ（ｚ）は、下記数３のように変形することができる。
って変化するため、この発明では、伝達関数Ｈ（ｚ）
を、Ａ（ｚ）＝０のときの根、即ち図４に示すようなｚ
平面上の極座標ｒi ，θi の形で表される極で特定す
る。伝達関数の振幅−周波数特性は、例えば図５のよう
になる。θ1 ，θ2 ，…は、フォルマント周波数を表し
ている。いま、ｒ1 ｅｘｐ（±ｊθ1 ），ｒ2 ｅｘｐ
（±ｊθ2 ），…がＡ（ｚ）＝０の根であるとすると、
Ａ（ｚ）は、下記数３のように変形することができる。
【００２８】
【数３】
【００２９】従って、Ａ（ｚ）＝０の根が予め分かって
いれば、全極形合成フィルタの係数αi が次のように求
められる。
いれば、全極形合成フィルタの係数αi が次のように求
められる。
【００３０】
【数４】
α1 ＝２ｒ1 cos θ1 ＋２ｒ2 cos θ2 ＋……
α2 ＝−ｒ12−４ｒ1 ｒ2 cos θ1 cos θ2 −ｒ22＋……
：
【００３１】全極形合成フィルタの係数αi は、ＬＰＣ
（線形予測符号化）における自己相関法や共分散法等の
手法を用いて音声信号を短時間フレーム（例えば２０ms
ec程度）毎に分析して求められる。即ち、図６に示す予
測モデルにおいて、入力音声ｘ（ｎ）と予測出力音声
ｘ’（ｎ）との差である誤差電力ｅ（ｎ）が０となるよ
うなフィルタの係数αi を求めればよい。予測出力音声
ｘ’（ｎ）は、
（線形予測符号化）における自己相関法や共分散法等の
手法を用いて音声信号を短時間フレーム（例えば２０ms
ec程度）毎に分析して求められる。即ち、図６に示す予
測モデルにおいて、入力音声ｘ（ｎ）と予測出力音声
ｘ’（ｎ）との差である誤差電力ｅ（ｎ）が０となるよ
うなフィルタの係数αi を求めればよい。予測出力音声
ｘ’（ｎ）は、
【００３２】
【数５】
【００３３】であるから、サンプリング周期Ｆs ＝８Ｋ
Ｈｚで、２０msecのフレーム周期に１６０サンプルをサ
ンプリングすると考えると、誤差電力Ｅ＝Σｅi は、数
６のようになる。
Ｈｚで、２０msecのフレーム周期に１６０サンプルをサ
ンプリングすると考えると、誤差電力Ｅ＝Σｅi は、数
６のようになる。
【００３４】
【数６】
【００３５】誤差電力Ｅを最小化するαi の値は、両辺
をαi で偏微分して０とおくことにより求められる。よ
って、数６を偏微分して下記数７を求める。
をαi で偏微分して０とおくことにより求められる。よ
って、数６を偏微分して下記数７を求める。
【００３６】
【数７】
【００３７】ここで、自己相関関数Ｒ（ｊ）を、
【００３８】
【数８】
（ｊ＝０，１，２，…，ｐ）
【００３９】とすると、数７は数９のようになる。
【００４０】
【数９】
【００４１】これを解くことにより、フィルタ係数αi
を求めることができる。そして、求められたαi を前述
した数２に代入し、Ａ（ｚ）＝０を因数分解することに
より、Ａ（ｚ）＝０の根の座標ｒ1 ，ｒ2 ，θ1 ，θ2
を求めることができる。
を求めることができる。そして、求められたαi を前述
した数２に代入し、Ａ（ｚ）＝０を因数分解することに
より、Ａ（ｚ）＝０の根の座標ｒ1 ，ｒ2 ，θ1 ，θ2
を求めることができる。
【００４２】（２）ピッチ情報Ｌ、ピッチゲインγ
ピッチ情報Ｌ及びピッチゲインγについては、過去の音
源出力信号を用いて、タップ可変の遅延回路からなるピ
ッチフィルタにより一旦信号を再生し、入力信号との聴
感重み付け誤差電力Ｅを最小化するように、サブフレー
ム（５msec程度）毎に決定する。
源出力信号を用いて、タップ可変の遅延回路からなるピ
ッチフィルタにより一旦信号を再生し、入力信号との聴
感重み付け誤差電力Ｅを最小化するように、サブフレー
ム（５msec程度）毎に決定する。
【００４３】
【数１０】
【００４４】なお、ここでｘ（ｎ），Ｖ（ｎ），ｗ
（ｎ）は、それぞれ、入力信号、過去の音源出力信号、
及び聴感重み付けフィルタのインパルス応答を示す。ま
た、＊は畳み込み演算符号である。聴感重み付けフィル
タの伝達関数は、例えば、
（ｎ）は、それぞれ、入力信号、過去の音源出力信号、
及び聴感重み付けフィルタのインパルス応答を示す。ま
た、＊は畳み込み演算符号である。聴感重み付けフィル
タの伝達関数は、例えば、
【００４５】
【数１１】
【００４６】のように表され、λとしては、例えばλ＝
０．８が用いられる。なお、αi は、前述した全極形フ
ィルタの係数である。
０．８が用いられる。なお、αi は、前述した全極形フ
ィルタの係数である。
【００４７】（３）コードブック情報Ｉ
このシステムでは、コードブックを構成する各コードワ
ードが時間の関数として表現されていることを特徴とし
ている。即ち、予め入力音声信号を一定の時間（例えば
５msec）間隔で切り出し、その区間の波形パターンを時
間関数ｆI （ｔ）で表現する。有声音の場合の一例を示
すと、コードワードは、例えば下記数１２のような形で
求められる。
ードが時間の関数として表現されていることを特徴とし
ている。即ち、予め入力音声信号を一定の時間（例えば
５msec）間隔で切り出し、その区間の波形パターンを時
間関数ｆI （ｔ）で表現する。有声音の場合の一例を示
すと、コードワードは、例えば下記数１２のような形で
求められる。
【００４８】
【数１２】
【００４９】ここで、Ｉはインデックスとしてのコード
ブック情報、ｔは時間、Ｃ，ωは係数である。コードワ
ードとしては、各インデックスに対応させて係数Ｃ，ω
の行列を記憶しておけばよい。このようなコードワード
を種々のパターンについて求めておき、入力された音声
信号波形と最もマッチングするパターンのインデックス
をコードブック情報Ｉとして送る。コードブックには、
パターンの分布の偏りを考慮して、限られた数、例えば
１０２４種類のパターンを用いて種々の音声信号を入力
したときに、全体として歪が最も小さくなるような適切
なパターンを備えておく必要がある。
ブック情報、ｔは時間、Ｃ，ωは係数である。コードワ
ードとしては、各インデックスに対応させて係数Ｃ，ω
の行列を記憶しておけばよい。このようなコードワード
を種々のパターンについて求めておき、入力された音声
信号波形と最もマッチングするパターンのインデックス
をコードブック情報Ｉとして送る。コードブックには、
パターンの分布の偏りを考慮して、限られた数、例えば
１０２４種類のパターンを用いて種々の音声信号を入力
したときに、全体として歪が最も小さくなるような適切
なパターンを備えておく必要がある。
【００５０】入力音声信号からコードブック情報Ｉを求
めるには、コードブックの中の全てのコードについて一
旦信号を再生し、下記数１３に示す入力信号との聴感重
み付け誤差電力Ｅ′を求め、誤差電力Ｅ′を最小化する
ようにサブフレーム（５msec）毎に決定していく。
めるには、コードブックの中の全てのコードについて一
旦信号を再生し、下記数１３に示す入力信号との聴感重
み付け誤差電力Ｅ′を求め、誤差電力Ｅ′を最小化する
ようにサブフレーム（５msec）毎に決定していく。
【００５１】
【数１３】
【００５２】但し、ｐ（ｎ）は入力信号からピッチ予測
信号を減算した後の信号、Ｃj （ｎ）は音源コードブッ
クのｊ番目のコードワード、ｈ（ｎ）は全極形合成フィ
ルタのインパルス応答、ｗ（ｎ）は聴感重み付けフィル
タのインパルス応答である。また、＊は畳み込み演算符
号である。コードブック情報Ｉは、このようにして求め
られたコードワードｆI （ｔ）を示すインデックスであ
る。
信号を減算した後の信号、Ｃj （ｎ）は音源コードブッ
クのｊ番目のコードワード、ｈ（ｎ）は全極形合成フィ
ルタのインパルス応答、ｗ（ｎ）は聴感重み付けフィル
タのインパルス応答である。また、＊は畳み込み演算符
号である。コードブック情報Ｉは、このようにして求め
られたコードワードｆI （ｔ）を示すインデックスであ
る。
【００５３】このようにして符号化された情報は、伝送
される場合には、例えばフレーム（２０msec）及びサブ
フレーム（５msec）毎に、図７に示すようなＭＩＤＩの
フォーマットで伝送される。このフォーマットは、固定
長ビットとそれに続く可変長ビットとからなり、固定長
ビットの先頭は同期ビットパターンで、次に情報インデ
ックスが続いている。情報インデックスには、全極形合
成フィルタの極の座標、ゲイン等の情報が更新されると
きに更新フラグ“１”が、また更新されないときにホー
ルドフラグ“０”がセットされる。可変長ビットには、
情報インデックスがデータ更新することを示している場
合に限り、更新すべきデータが割り付けられる。したが
って、前フレームと同じ情報であった場合には、情報は
送らない。また、無音時には無音であることを示すコー
ドを送るようにすればよい。これにより、伝送データ量
を更に削減可能である。
される場合には、例えばフレーム（２０msec）及びサブ
フレーム（５msec）毎に、図７に示すようなＭＩＤＩの
フォーマットで伝送される。このフォーマットは、固定
長ビットとそれに続く可変長ビットとからなり、固定長
ビットの先頭は同期ビットパターンで、次に情報インデ
ックスが続いている。情報インデックスには、全極形合
成フィルタの極の座標、ゲイン等の情報が更新されると
きに更新フラグ“１”が、また更新されないときにホー
ルドフラグ“０”がセットされる。可変長ビットには、
情報インデックスがデータ更新することを示している場
合に限り、更新すべきデータが割り付けられる。したが
って、前フレームと同じ情報であった場合には、情報は
送らない。また、無音時には無音であることを示すコー
ドを送るようにすればよい。これにより、伝送データ量
を更に削減可能である。
【００５４】図８は、前述した各システムにおける音声
音源装置７の構成を示すブロック図である。音源モデル
に対応する波形の音源パターンを特定するコードブック
３１が設けられ、音声のピッチは、ピッチフィルタ３２
及びオールパスフィルタ３３によって決定される。コー
ドブック３１とオールパスフィルタ３３の出力がそれぞ
れ乗算器３４，３５で振幅調整され、加算器３６で合成
されたのち、声道モデルに対応する全極形合成フィルタ
３７において音声のスペクトラム包絡特性を制御され
る。全極形合成フィルタ３７のフィルタ係数αは、極座
標ｒ，θから係数計算部３８によって求められ、全極形
合成フィルタ３７に与えられる。
音源装置７の構成を示すブロック図である。音源モデル
に対応する波形の音源パターンを特定するコードブック
３１が設けられ、音声のピッチは、ピッチフィルタ３２
及びオールパスフィルタ３３によって決定される。コー
ドブック３１とオールパスフィルタ３３の出力がそれぞ
れ乗算器３４，３５で振幅調整され、加算器３６で合成
されたのち、声道モデルに対応する全極形合成フィルタ
３７において音声のスペクトラム包絡特性を制御され
る。全極形合成フィルタ３７のフィルタ係数αは、極座
標ｒ，θから係数計算部３８によって求められ、全極形
合成フィルタ３７に与えられる。
【００５５】コードブック情報Ｉが音声音源装置７に与
えられると、コードブック３１から指定されたインデッ
クスＩの時間関数ｆI （ｔ）が読み出される。ここで、
ピッチ変化がない場合（ピッチ変化情報Pitch が与えら
れていない場合）には、ｔ＝０，１，２，…を代入し、
ピッチが例えば１％アップした場合には、ｔ＝０，１．
０１，２．０２，３．０３，…を代入する。このよう
に、代入するｔの値を変化させることにより、ピッチ変
化されたコードワードを求める。
えられると、コードブック３１から指定されたインデッ
クスＩの時間関数ｆI （ｔ）が読み出される。ここで、
ピッチ変化がない場合（ピッチ変化情報Pitch が与えら
れていない場合）には、ｔ＝０，１，２，…を代入し、
ピッチが例えば１％アップした場合には、ｔ＝０，１．
０１，２．０２，３．０３，…を代入する。このよう
に、代入するｔの値を変化させることにより、ピッチ変
化されたコードワードを求める。
【００５６】一方、音声のピッチは、ピッチフィルタ３
２とオールパスフィルタ３３とによって可変するように
している。図９に示すように、ピッチフィルタ３２は、
タップ可変の直列接続された遅延素子によって構成され
ている。ピッチフィルタ３２の遅延段数を可変すること
により、サンプルピッチを遅延素子での遅延量を単位と
して可変することができる。
２とオールパスフィルタ３３とによって可変するように
している。図９に示すように、ピッチフィルタ３２は、
タップ可変の直列接続された遅延素子によって構成され
ている。ピッチフィルタ３２の遅延段数を可変すること
により、サンプルピッチを遅延素子での遅延量を単位と
して可変することができる。
【００５７】また、ピッチフィルタの１タップ以内での
ピッチ可変は、オールパスフィルタによって実現する。
オールパスフィルタは、図９に示すように、例えば数段
のＦＩＲフィルタ４１によって構成されている。ＦＩＲ
フィルタ４１の係数Ｃは、例えば図１０に示すような s
inｘ／ｘ関数から計算する。例えば、５０．３のピッチ
周期を実現する場合、５０に相当する遅延をピッチフィ
ルタのタップ設定により実現し、０．３に相当する遅延
量はオールパスフィルタ３３の係数を、例えば図１０に
示すように、Ｃ01，Ｃ02，…からＣ11，Ｃ12，…に変更
することによって実現する。また、この状態からピッチ
を１割上げる場合には、ピッチ周期を５０．３／１．１
＝４５．７にする必要があるので、４６に相当する遅延
量をピッチフィルタのタップ設定により実現し、−０．
３に相当する遅延量をオールパスフィルタの係数Ｃの選
択によって実現する。図９の構成のオールパスフィルタ
では、｛ＦＩＲフィルタの段数（奇数）＋１｝／２±
０．５の範囲でピッチ周期を微調整することができる。
オールパスフィルタの係数Ｃは、計算によって求めても
良いが、図９に示すように、係数テーブル４２の形で用
意しておくようにしてもよい。
ピッチ可変は、オールパスフィルタによって実現する。
オールパスフィルタは、図９に示すように、例えば数段
のＦＩＲフィルタ４１によって構成されている。ＦＩＲ
フィルタ４１の係数Ｃは、例えば図１０に示すような s
inｘ／ｘ関数から計算する。例えば、５０．３のピッチ
周期を実現する場合、５０に相当する遅延をピッチフィ
ルタのタップ設定により実現し、０．３に相当する遅延
量はオールパスフィルタ３３の係数を、例えば図１０に
示すように、Ｃ01，Ｃ02，…からＣ11，Ｃ12，…に変更
することによって実現する。また、この状態からピッチ
を１割上げる場合には、ピッチ周期を５０．３／１．１
＝４５．７にする必要があるので、４６に相当する遅延
量をピッチフィルタのタップ設定により実現し、−０．
３に相当する遅延量をオールパスフィルタの係数Ｃの選
択によって実現する。図９の構成のオールパスフィルタ
では、｛ＦＩＲフィルタの段数（奇数）＋１｝／２±
０．５の範囲でピッチ周期を微調整することができる。
オールパスフィルタの係数Ｃは、計算によって求めても
良いが、図９に示すように、係数テーブル４２の形で用
意しておくようにしてもよい。
【００５８】このようにしてピッチ調整された音源信号
は図８の全極形合成フィルタ３７に供給される。係数計
算部３８は、与えられた極座標ｒ，θ及びピッチ変化情
報Pitch に基づいて、全極形合成フィルタ３７の係数パ
ラメータαを算出する。即ち、音高変化に相当するピッ
チ変化は、フォルマント周波数の変化に相当する。この
場合、例えば、θ1 が４４０Ｈｚから４５０Ｈｚに、θ
2 が８００Ｈｚから８１８．２Ｈｚというように、一定
の比率で周波数が変化する。そこで、ピッチ変化を
“比”で与えてフォルマント周波数を変化させ、新しい
極の位置から全極形合成フィルタ３７の係数を計算し直
すことにより、ピッチ変化後の全極形合成フィルタ３７
の係数αi を係数計算部３８で求め、フィルタ３７を容
易に再構成することができる。なお、極座標ｒ，θを任
意に変更することにより、特殊音再生が可能になる。
は図８の全極形合成フィルタ３７に供給される。係数計
算部３８は、与えられた極座標ｒ，θ及びピッチ変化情
報Pitch に基づいて、全極形合成フィルタ３７の係数パ
ラメータαを算出する。即ち、音高変化に相当するピッ
チ変化は、フォルマント周波数の変化に相当する。この
場合、例えば、θ1 が４４０Ｈｚから４５０Ｈｚに、θ
2 が８００Ｈｚから８１８．２Ｈｚというように、一定
の比率で周波数が変化する。そこで、ピッチ変化を
“比”で与えてフォルマント周波数を変化させ、新しい
極の位置から全極形合成フィルタ３７の係数を計算し直
すことにより、ピッチ変化後の全極形合成フィルタ３７
の係数αi を係数計算部３８で求め、フィルタ３７を容
易に再構成することができる。なお、極座標ｒ，θを任
意に変更することにより、特殊音再生が可能になる。
【００５９】このように、この実施例のシステムによれ
ば、伝送路を介して伝送すべき音声情報又は記憶すべき
音声情報としては、コード化されたコードブック情報、
ピッチ情報、ゲイン情報及び全極形合成フィルタの極の
座標等のパラメータ情報のみであるため、従来のＡＤＰ
ＣＭ等に比べ、伝送ビットレートを例えば４〜８kbpsと
大幅に削減することができる。また、このシステムによ
れば、音源装置側でのピッチ変化操作に対しても柔軟に
対処することができる。
ば、伝送路を介して伝送すべき音声情報又は記憶すべき
音声情報としては、コード化されたコードブック情報、
ピッチ情報、ゲイン情報及び全極形合成フィルタの極の
座標等のパラメータ情報のみであるため、従来のＡＤＰ
ＣＭ等に比べ、伝送ビットレートを例えば４〜８kbpsと
大幅に削減することができる。また、このシステムによ
れば、音源装置側でのピッチ変化操作に対しても柔軟に
対処することができる。
【００６０】なお、このシステムの再生側は音声合成処
理を基本としているので、必要最小限度の伝送情報から
多様な音声信号を編集することができ、音声を電子楽器
における一つの楽音情報のように取り扱うことができ
る。例えば、コードブックを複数個同時に選択すること
で、同一パートを複数人が受け持つというオーケストラ
効果を出すこともできる。
理を基本としているので、必要最小限度の伝送情報から
多様な音声信号を編集することができ、音声を電子楽器
における一つの楽音情報のように取り扱うことができ
る。例えば、コードブックを複数個同時に選択すること
で、同一パートを複数人が受け持つというオーケストラ
効果を出すこともできる。
【００６１】また、図１１に示すように、音声音源装置
７に音源信号生成手段としてのコードブック３１、ピッ
チ調整手段としてのピッチフィルタ３２及びオールパス
フィルタ３３並びに全極形合成フィルタ３７を複数備え
るようにしてもよい。そして、原音（ピッチを変化させ
ない音）とピッチを変化させた音とを同時に複数発生さ
せることにより、コーラスや特殊音等の多様な音を生成
することができる。この他、複数の音源モデルに単一の
声道モデルの組み合わせや、単一の音源モデルに複数の
声道モデルの組み合わせ等も考えられ、この場合でも、
より多様な音声を再生することができる。
７に音源信号生成手段としてのコードブック３１、ピッ
チ調整手段としてのピッチフィルタ３２及びオールパス
フィルタ３３並びに全極形合成フィルタ３７を複数備え
るようにしてもよい。そして、原音（ピッチを変化させ
ない音）とピッチを変化させた音とを同時に複数発生さ
せることにより、コーラスや特殊音等の多様な音を生成
することができる。この他、複数の音源モデルに単一の
声道モデルの組み合わせや、単一の音源モデルに複数の
声道モデルの組み合わせ等も考えられ、この場合でも、
より多様な音声を再生することができる。
【００６２】
【発明の効果】以上述べたように、この発明によれば、
伝送又は蓄積される音声情報がパラメータのみであるた
め、伝送情報量又は記憶情報量を大幅に少なくすること
ができる。また、この発明によれば、全極形フィルタの
係数情報として伝達関数の極の座標を算出し、音声音源
装置側では、上記極の座標に基づいてピッチを変化さ
せ、係数パラメータを算出することができるので、ピッ
チ変化に対応したフィルタ係数パラメータが容易に求め
られる。
伝送又は蓄積される音声情報がパラメータのみであるた
め、伝送情報量又は記憶情報量を大幅に少なくすること
ができる。また、この発明によれば、全極形フィルタの
係数情報として伝達関数の極の座標を算出し、音声音源
装置側では、上記極の座標に基づいてピッチを変化さ
せ、係数パラメータを算出することができるので、ピッ
チ変化に対応したフィルタ係数パラメータが容易に求め
られる。
【図１】 この発明の第１の実施例に係る音声音源装置
を含むシステムのブロック図である。
を含むシステムのブロック図である。
【図２】 この発明の第２の実施例に係る音声音源装置
を含むシステムのブロック図である。
を含むシステムのブロック図である。
【図３】 この発明の第３の実施例に係る音声音源装置
を含むシステムのブロック図である。
を含むシステムのブロック図である。
【図４】 同システムにおける全極形合成フィルタの伝
達関数の極の座標を説明するための図である。
達関数の極の座標を説明するための図である。
【図５】 同システムにおける全極形合成フィルタの伝
達関数の極と振幅−周波数特性との関係を示す図であ
る。
達関数の極と振幅−周波数特性との関係を示す図であ
る。
【図６】 同システムにおける全極形合成フィルタの予
測モデルを示す図である。
測モデルを示す図である。
【図７】 同システムにおける伝送情報のフォーマット
を示す図である。
を示す図である。
【図８】 同システムにおけるむ音声音源装置のブロッ
ク図である。
ク図である。
【図９】 同音声音源装置におけるピッチフィルタ及び
オールパスフィルタの詳細を示すブロック図である。
オールパスフィルタの詳細を示すブロック図である。
【図１０】 同オールパスフィルタの係数の一例を示す
図である。
図である。
【図１１】 この発明の他の実施例に係る音声音源装置
の構成を示すブロック図である。
の構成を示すブロック図である。
【図１２】 音声合成モデルの概念を示す図である。
１…受信局、２…通信回線、３…送信局、４…音声分析
部、５…送信部、６…受信部、７…音声音源装置、１１
…記録装置、１２…記憶媒体、１３…記録部、１４…再
生装置、１５…読出部、２１…メモリ、３１…コードブ
ック、３２…ピッチフィルタ、３３…オールパスフィル
タ、３４，３５…乗算器、３６…加算器、３７…全極形
合成フィルタ、３８…係数計算部。
部、５…送信部、６…受信部、７…音声音源装置、１１
…記録装置、１２…記憶媒体、１３…記録部、１４…再
生装置、１５…読出部、２１…メモリ、３１…コードブ
ック、３２…ピッチフィルタ、３３…オールパスフィル
タ、３４，３５…乗算器、３６…加算器、３７…全極形
合成フィルタ、３８…係数計算部。
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 昭62−103700（ＪＰ，Ａ)
特開 平３−51899（ＪＰ，Ａ)
特開 昭58−43498（ＪＰ，Ａ)
特開 昭58−4200（ＪＰ，Ａ)
特開 平５−181497（ＪＰ，Ａ)
特開 昭59−216196（ＪＰ，Ａ)
特開 平４−147300（ＪＰ，Ａ)
実開 平３−43700（ＪＰ，Ｕ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G10L 19/12
Claims (4)
- 【請求項１】 音源パターンを示す符号に基づいて予め
備えられた種々の音源パターンの中から１つの音源パタ
ーンを選択し音声音源モデルとしての音源信号を生成出
力する音源信号生成手段と、ピッチ情報に基づいて前記音源信号生成手段から出力さ
れた音源信号を前記ピッチ情報に相当する遅延量だけ遅
延させるタップ可変遅延手段と、 指定されたピッチ変化情報に基づいて前記タップ可変遅
延手段で遅延された前記音源信号を前記タップ可変遅延
手段での遅延量よりも細かい遅延単位で遅延させるオー
ルパスフィルタと、 前記音源信号生成手段から出力された音源信号と前記オ
ールパスフィルタから出力された遅延処理された音源信
号とを合成してピッチが調整された音源信号を出力する
と共に、前記タップ可変遅延手段にフィードバックする
合成手段と、 全極形合成フィルタの係数情報が伝達関数の極の座標と
して供給され、前記指定されたピッチ変化情報に基づい
て前記座標で示される極を移動させたのち前記全極形合
成フィルタの係数パラメータを算出し前記全極形合成フ
ィルタに供給する係数計算手段と、 前記 全極形合成フィルタの係数情報に基づいて前記ピッ
チが調整された音源信号に声道モデルに対応したフィル
タリング処理を施して音声再生信号を出力する全極形合
成フィルタとを備えたことを特徴とする音声音源装置。 - 【請求項２】 前記音源信号生成手段は、 前記種々の音源パターンを時間の関数として保持し、前
記ピッチ変化情報に基づいて前記音源パターンの時間軸
を調整するものであることを特徴とする請求項３記載の
音声音源装置。 - 【請求項３】 前記音源信号生成手段、タップ可変遅延
手段、オールパスフィルタ及び全極形合成フィルタは複
数設けられ、 これらによってピッチ変化の程度が異なる複数の音声再
生信号を同時に出力してコーラス音を生成することを特
徴とする請求項１又は２記載の音声音源装置。 - 【請求項４】 前記全極形合成フィルタの係数情報とし
ての極の座標を任意の位置に編集することにより特殊再
生音を生成することを特徴とする請求項１又は２記載の
音声音源装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP08246294A JP3520555B2 (ja) | 1994-03-29 | 1994-03-29 | 音声符号化方法及び音声音源装置 |
| US08/411,909 US5806037A (en) | 1994-03-29 | 1995-03-29 | Voice synthesis system utilizing a transfer function |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP08246294A JP3520555B2 (ja) | 1994-03-29 | 1994-03-29 | 音声符号化方法及び音声音源装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07271396A JPH07271396A (ja) | 1995-10-20 |
| JP3520555B2 true JP3520555B2 (ja) | 2004-04-19 |
Family
ID=13775180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP08246294A Expired - Fee Related JP3520555B2 (ja) | 1994-03-29 | 1994-03-29 | 音声符号化方法及び音声音源装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5806037A (ja) |
| JP (1) | JP3520555B2 (ja) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6029125A (en) * | 1997-09-02 | 2000-02-22 | Telefonaktiebolaget L M Ericsson, (Publ) | Reducing sparseness in coded speech signals |
| EP1267330B1 (en) * | 1997-09-02 | 2005-01-19 | Telefonaktiebolaget LM Ericsson (publ) | Reducing sparseness in coded speech signals |
| US6622121B1 (en) | 1999-08-20 | 2003-09-16 | International Business Machines Corporation | Testing speech recognition systems using test data generated by text-to-speech conversion |
| US7139700B1 (en) * | 1999-09-22 | 2006-11-21 | Texas Instruments Incorporated | Hybrid speech coding and system |
| JP3654079B2 (ja) | 1999-09-27 | 2005-06-02 | ヤマハ株式会社 | 波形生成方法及び装置 |
| US7313635B1 (en) * | 2002-03-21 | 2007-12-25 | Cisco Technology | Method and apparatus for simulating a load on an application server in a network |
| US20060051727A1 (en) * | 2004-01-13 | 2006-03-09 | Posit Science Corporation | Method for enhancing memory and cognition in aging adults |
| US20050175972A1 (en) * | 2004-01-13 | 2005-08-11 | Neuroscience Solutions Corporation | Method for enhancing memory and cognition in aging adults |
| US20060073452A1 (en) * | 2004-01-13 | 2006-04-06 | Posit Science Corporation | Method for enhancing memory and cognition in aging adults |
| US20070111173A1 (en) * | 2004-01-13 | 2007-05-17 | Posit Science Corporation | Method for modulating listener attention toward synthetic formant transition cues in speech stimuli for training |
| US20060105307A1 (en) * | 2004-01-13 | 2006-05-18 | Posit Science Corporation | Method for enhancing memory and cognition in aging adults |
| US20060177805A1 (en) * | 2004-01-13 | 2006-08-10 | Posit Science Corporation | Method for enhancing memory and cognition in aging adults |
| US20070065789A1 (en) * | 2004-01-13 | 2007-03-22 | Posit Science Corporation | Method for enhancing memory and cognition in aging adults |
| US8210851B2 (en) * | 2004-01-13 | 2012-07-03 | Posit Science Corporation | Method for modulating listener attention toward synthetic formant transition cues in speech stimuli for training |
| WO2006079348A1 (en) * | 2005-01-31 | 2006-08-03 | Sonorit Aps | Method for generating concealment frames in communication system |
| TWI285568B (en) * | 2005-02-02 | 2007-08-21 | Dowa Mining Co | Powder of silver particles and process |
| US20070134635A1 (en) * | 2005-12-13 | 2007-06-14 | Posit Science Corporation | Cognitive training using formant frequency sweeps |
| US9601026B1 (en) | 2013-03-07 | 2017-03-21 | Posit Science Corporation | Neuroplasticity games for depression |
| JP6561499B2 (ja) * | 2015-03-05 | 2019-08-21 | ヤマハ株式会社 | 音声合成装置および音声合成方法 |
| CN109920397B (zh) * | 2019-01-31 | 2021-06-01 | 李奕君 | 一种物理学中音频函数制作系统及制作方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4344148A (en) * | 1977-06-17 | 1982-08-10 | Texas Instruments Incorporated | System using digital filter for waveform or speech synthesis |
| US5113449A (en) * | 1982-08-16 | 1992-05-12 | Texas Instruments Incorporated | Method and apparatus for altering voice characteristics of synthesized speech |
| JPH07118749B2 (ja) * | 1986-11-14 | 1995-12-18 | 株式会社日立製作所 | 音声／データ伝送装置 |
| US5007094A (en) * | 1989-04-07 | 1991-04-09 | Gte Products Corporation | Multipulse excited pole-zero filtering approach for noise reduction |
| US5091945A (en) * | 1989-09-28 | 1992-02-25 | At&T Bell Laboratories | Source dependent channel coding with error protection |
-
1994
- 1994-03-29 JP JP08246294A patent/JP3520555B2/ja not_active Expired - Fee Related
-
1995
- 1995-03-29 US US08/411,909 patent/US5806037A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07271396A (ja) | 1995-10-20 |
| US5806037A (en) | 1998-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3520555B2 (ja) | 音声符号化方法及び音声音源装置 | |
| US5744742A (en) | Parametric signal modeling musical synthesizer | |
| Moorer | Signal processing aspects of computer music: A survey | |
| Verfaille et al. | Adaptive digital audio effects (A-DAFx): A new class of sound transformations | |
| US5890115A (en) | Speech synthesizer utilizing wavetable synthesis | |
| US5617507A (en) | Speech segment coding and pitch control methods for speech synthesis systems | |
| KR0149251B1 (ko) | 악기음 발생 방법 및 시스템과 악기음 발생 제어 시스템 | |
| US7599832B2 (en) | Method and device for encoding speech using open-loop pitch analysis | |
| US5703311A (en) | Electronic musical apparatus for synthesizing vocal sounds using format sound synthesis techniques | |
| US7750229B2 (en) | Sound synthesis by combining a slowly varying underlying spectrum, pitch and loudness with quicker varying spectral, pitch and loudness fluctuations | |
| JP4181637B2 (ja) | ウェーブテーブルシンセサイザに使用される音響サンプルを予め処理するための期間強制フィルタ | |
| JP2008112183A (ja) | 音響シンセサイザにおける低減メモリリバーブシミュレータ | |
| WO1997017692A9 (en) | Parametric signal modeling musical synthesizer | |
| WO2020095950A1 (ja) | 情報処理方法および情報処理システム | |
| Moorer | The use of linear prediction of speech in computer music applications | |
| WO2003010752A1 (en) | Speech bandwidth extension apparatus and speech bandwidth extension method | |
| Smith | Virtual acoustic musical instruments: Review and update | |
| EP1422693A1 (en) | PITCH WAVEFORM SIGNAL GENERATION APPARATUS, PITCH WAVEFORM SIGNAL GENERATION METHOD, AND PROGRAM | |
| US5862232A (en) | Sound pitch converting apparatus | |
| JP2001508886A (ja) | サウンドシンセサイザにおける指数減衰の近似装置および方法 | |
| Keiler et al. | Efficient linear prediction for digital audio effects | |
| US5872727A (en) | Pitch shift method with conserved timbre | |
| Dutilleux et al. | Time‐segment Processing | |
| CN100533551C (zh) | 在嵌入式器件中产生敲打声 | |
| JP2000099009A (ja) | 音響信号の符号化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040113 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040126 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313532 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080213 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090213 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090213 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100213 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110213 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120213 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |