JP3732793B2 - 音声合成方法、音声合成装置及び記録媒体 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明はテキスト音声合成に関し、特に音韻記号列、ピッチ、音韻継続時間長などの情報から音声信号を生成する音声合成に関する。
【０００２】
【従来の技術】
任意の文章から人工的に音声信号を作り出すことをテキスト音声合成という。通常このテキスト音声合成システムは、言語処理部、音韻処理部、音声信号生成部の３つの段階から構成される。
【０００３】
入力されたテキストはまず言語処理部において形態素解析や構文解析などが行われ、次に音韻処理部においてアクセントやイントネーションの処理が行われて音韻記号列、ピッチパターン（声の高さの変化パターン）、音韻継続時間長などの情報が出力される。最後に、音声信号生成部すなわち音声合成器では音韻記号列、ピッチパターン、音韻継続時間長などの情報から音声信号を合成する。
【０００４】
このような任意の音韻記号列を合成することができる合成器の原理は、母音をＶ、子音をＣで表すと、ＣＶ、ＣＶＣ、ＶＣＶなどの基本となる小さな単位の特徴パラメータ（音声素片）を記憶し、ピッチや継続時間長を制御して接続することにより音声を合成するものである。
【０００５】
このような音声合成器において音声素片の情報から所望のピッチパターンや継続時間長の音声信号を生成する方法として、ＰＳＯＬＡ法（Pitch-Synchronous Overlap-add）が良く知られている。例えば、音声素片として記憶されている音声波形のピッチ周期をＰＳＯＬＡ法を用いて所望のピッチ周期に変換する方法が特開平８−２０２３９５「ピッチ変換方法およびその装置」に開示されている。
【０００６】
図１８はＰＳＯＬＡ法を用いて入力音声信号１０１のピッチ周期を変更し、出力音声信号１０４を生成する原理を表している。まず、入力音声信号１０１にピッチ分析を行ってピッチ周期を求める。そして、ピッチ周期の２倍程度の窓長をもつ窓関数をピッチに同期した位置で入力音声信号１０１にかけることによってピッチ波形１０３を生成する。次に、所望のピッチ周期間隔でピッチ波形１０３を重ね合わせることによってピッチ周期が変更された出力音声信号１０４を生成する。
【０００７】
このＰＳＯＬＡ法を音声合成器に応用する場合、入力音声信号１０１があらかじめ記憶されている音声素片に相当し、出力音声信号１０４が合成音声信号に相当する。ＰＳＯＬＡ法による合成音声はピッチ周期の変更の度合いが小さい場合、ピッチ周期の変更による音質劣化が小さく音質がよいことが知られている。
【０００８】
また、音声合成器の別の方式としてホルマント合成方式がある。ホルマント合成方式は人間の発声機構を模擬するモデルであり、声帯から発生する信号をモデル化した音源信号で声道の特性をモデル化するフィルタを駆動することにより音声信号を生成する。一例として特開平７−１５２３９６「音声合成装置」に、ホルマント合成方式を用いた音声合成器が開示されている。
【０００９】
図１９は、ホルマント合成方式によって音声信号を生成する原理を表している。共振器２１、２２、２３の縦続接続によって構成される声道フィルタを所望のピッチ周期間隔で配置されたパルス列２０７で駆動して合成音声２０８を生成する。共振器２１の周波数特性２０４はホルマント周波数Ｆｌとホルマント帯域幅Ｂｌによって決定される。同様に、共振器２２の周波数特性２０５はホルマント周波数Ｆ２とホルマント帯域幅Ｂ２によって、共振器２３の周波数特性２０６はホルマント周波数Ｆ３とホルマント帯域幅Ｂ３によって決定される。
【００１０】
このように、ホルマント合成方式ではホルマント周波数と帯域幅の組み合わせによって、合成音声の音韻（／ａ／，／ｉ／，／ｕ／など）や声質（男声、女声など）が決定される。そのため、音声素片の情報は波形ではなくホルマント周数と帯域幅の値の組み合となっている。ホルマント合成方式は、音韻や声質と直接関係するパラメータを制御することができるため、声質を変化させるなど柔軟な制御が可能であるという利点がある。
【００１１】
【発明が解決しようとする課題】
上述したように、ＰＳＯＬＡ法はピッチ周期の変更量が小さい範囲では、比較的音質が良いものの変更の範囲が大きくなると音質が劣化するという問題がある。
【００１２】
人間が発声する音声は同じ音韻でもピッチ周期が変化するとそのスペクトル包絡が変化するのに対して、ＰＳＯＬＡ法ではこの変化をモデル化できないことが劣化の原因となっている。また、音声素片の接続部でスペクトルの不連続が生じた場合に、平滑化処理を行うことによってスペクトルに歪みが生じて音質が劣化するという問題がある。さらに、波形そのものを音声素片としているため声質を変化させることが難しく柔軟性に欠ける。
【００１３】
一方、ホルマント合成方式は柔軟性はあるものの、モデルの精度が悪いという問題がある。つまり、ホルマント周波数と帯域幅だけでは実際の音声信号のスペクトルの微細な構造を表現することができず、音質が悪く肉声感（人間らしさ）に欠ける。
【００１４】
本発明は以上の事情を考慮してなされたものであり、音質が良いと同時に声質などを柔軟に変化させることができる音声合成器を提供することを目的とする。
【００１５】
【課題を解決するための手段】
そこで上記課題を解決するために本発明の音声合成方法では、ピッチ周期の情報に従ってピッチ波形を重畳することにより音声信号を生成する音声合成方法において、ホルマント周波数の正弦波に窓関数をかけることによって複数のホルマント波形を生成し、これら複数のホルマント波形の和によって前記ピッチ波形を生成することことを特徴とするものである。
【００１６】
また、本発明の音声合成装置では、ピッチパターン、音韻継続時間長及び音韻記号列が入力され、ピッチ周期の情報にしたがって生成されるピッチマークに、ピッチ波形生成部により形成されたピッチ波形を重畳することにより音声信号を生成する音声合成装置において、前記ピッチ波形生成部は音声素片の単位毎にホルマントパラメータが記憶されている記憶部と、前記ピッチパターン、前記音韻継続時間長及び前記音韻記号列を参照として、前記ピッチマークに対応する１フレーム分の前記ホルマントパラメータを前記記憶部より選択して読み出すパラメータ選択部と、前記読み出されたホルマント周波数の正弦波を生成する正弦波生成部と、この生成された正弦波に前記選択された窓関数をかけることによりホルマント波形を生成する掛け算器と、これらホルマントをそれぞれ加算する加算器とを具備することをすることを特徴とするものである。
【００１７】
また、本発明の記録媒体では、ピッチ周期の情報に従ってピッチ波形を重畳することにより音声信号を生成する音声合成方法を実現するプログラムを記録した記録媒体において、ホルマント周波数の正弦波に窓関数をかけることによって複数のホルマント波形を生成し、これら複数のホルマント波形の和によって前記ピッチ波形を生成する音声合成方法を実現するプログラムを記録したことを特徴とする音声合成方法を記録することを特徴とするものである。
【００１８】
【発明の実施の形態】
以下、図面を参照して本発明の一実施形態を説明する。図１は本発明の一実施形態に係る音声合成方法を実現する音声合成装置の構成を示すブロック図である。音声合成装置にはピッチパターン３０６、音韻継続時間長３０７、音韻記号列３０８が入力され、合成音声信号３０５が出力される。本実施形態の音声合成装置は無声音合成部３２と有声音合成部３１より構成され、それぞれが出力する無声音声信号３０４と有声音声信号３０３とを加算することによって合成音声信号３０５を生成する。
【００１９】
無声音合成部３２は、音韻継続時間長３０７と音韻記号列３０８を参照して主に当該音素が無声子音や有声摩擦音である場合に無声音声信号３０４を生成する。無声音合成部３２は、ＬＰＣ合成フィルタを白色雑音で駆動する方法など、公知の技術で実現することが可能である。
【００２０】
また、有声音合成部３１はピッチマーク生成部３３、ピッチ波形生成部３４、波形重畳部３５から構成される。ピッチマーク生成部３３はピッチパターン３０６と音韻継続時間長３０７を参照して、図２に示されるようなピッチマーク３０２を生成する。ピッチマーク３０２はピッチ波形３０１を重畳する位置を表すものであり、ピッチマークの間隔がピッチ周期に対応する。ピッチ波形生成部はピッチパターン３０６、音韻継続時間長３０７、音韻記号列３０８を参照して、図２に示されるようにピッチマーク３０２のそれぞれに対応するピッチ波形３０１を生成する。波形重畳部３５はピッチマーク３０２で示される位置に、対応するピッチ波形３０１を重畳することによって有声音声信号３０３を生成する。
【００２１】
次に、図１のピッチ波形生成部の構成について詳しく説明する。
【００２２】
図３はピッチ波形生成部３４の一実施形態の構成を示すブロック図である。ピッチ波形生成部３４は、ホルマントパラメータ記憶部４１、パラメータ選択部４２、正弦波生成部（４３、４４、４５）より構成される。ホルマントパラメータ記憶部４１には音声素片の単位毎にホルマントパラメータが記憶されている。
【００２３】
図４は音韻／ａ／の素片のホルマントパラメータの例を表している。この例では、／ａ／の素片は３フレームから構成され、各フレームは３つのホルマントから構成されている。各ホルマントの特徴を表すパラメータとしてホルマント周波数、ホルマント位相、窓関数が記憶されている。
【００２４】
ホルマントパラメータ選択部４２はピッチ波形生成部３４に入力されるピッチパターン３０６、音韻継続時間長３０７、音韻記号列３０８を参照して、ピッチマーク３０２に対応する１フレーム分のホルマントパラメータ４０１をホルマントパラメータ記憶部４１より選択して読み出す。
【００２５】
ホルマントパラメータ４０１はホルマント番号１に対応するパラメータがホルマント周波数４０２、ホルマント位相４０３、窓関数４１１として出力され、同様に、ホルマント番号２に対応するパラメータがホルマント周波数４０４、ホルマント位相４０５、窓関数４１２として、さらにホルマント番号３に対応するパラメータがホルマント周波数４０６、ホルマント位相４０７、窓関数４１３として出力される。
【００２６】
正弦波生成部４３はホルマント周波数４０２とホルマント位相４０３に従って正弦波４０８を出力する。正弦波４０８は窓関数４１１によって窓掛け処理が行われホルマント波形４１４が生成される。ホルマント周波数４０２をω、ホルマント位相４０３をφ、窓関数４１１をｗ（ｔ）で表すと、ホルマント波形ｙ（ｔ）は次の式で表される。
【００２７】
ｙ（ｔ）：＼Ｖ（ｔ）・ｓｉｎ（ωｔ＋φ）
同様に、正弦波生成部４４はホルマント周波数４０４とホルマント位相４０５に従って正弦波４０９を出力し、窓関数４１２による窓掛け処理を経てホルマント波形４１５が生成される。正弦波生成部４５はホルマント周波数４０６とホルマント位相４０７に従って正弦波４１０を出力し、窓関数４１３による窓掛け処理を経てホルマント波形４１６が生成される。
【００２８】
さらに、ピッチ波形３０１はホルマント波形（４１４、４１５、４１６）をそれぞれ加算することによって生成される。
【００２９】
正弦波、窓関数、ホルマント波形、ピッチ波形の例を図６に示す。また、これらの波形のパワースペクトルを図７に示す。図６では横軸が時間、縦軸が振幅を、図７では横軸が周波数、縦軸が振幅を表している。
【００３０】
正弦波は鋭いピークを持つ線スペクトルとなり、窓関数は低域に集中したスペクトルとなっている。時間領域での窓掛け（掛け算）は周波数領域では畳み込みに相当するため、ホルマント波形のスペクトルは窓関数のスペクトルを正弦波の周波数の位置に平行移動した形状となっている。そのため、正弦波の周波数や位相を制御することによってピッチ波形のホルマントの中心周波数や位相を変化させることができ、窓関数の形状を制御することによってピッチ波形のホルマントのスペクトル形状を変化させることができる。
【００３１】
このように、ホルマント毎にその中心周波数や位相、スペクトル形状を独立に制御することが可能であるため柔軟性の高いモデルであると言える。また同時に、窓関数の形状によってスペクトルの微細な構造を表現することが可能であるため、肉声のスペクトル構造を高精度に近似することができ肉声感のある音声を合成することが可能である。
【００３２】
次に、本発明のピッチ波形生成部３４の第２の実施形態を図８を参照して説明する。図３と相対応する部分に同一の参照符号を付して相違点を中心に説明すると、本実施形態では窓関数が基底関数展開されており、ホルマントパラメータとして窓関数を記憶する代わりに重み係数の組が記憶されている。そして、新たに付加された窓関数生成部５６において重み係数の組から窓関数を生成する。
【００３３】
ホルマントパラメータ記憶部５１に記憶されているホルマントパラメータの例を図５に示す。この例では３つの基底関数の重み和に窓関数が展開されており、窓関数重み係数のセットとして３つの係数の組が記憶されている。パラメータ選択部４２は選択されたホルマントパラメータ（ホルマント周波数、ホルマント位相、窓関数重み係数）５０１の中でホルマント周波数（４（）２，４０４，４０６）、ホルマント位相（４０３，４０５，４０７）が正弦波生成部（４３，４４，４５）へ、窓関数重み係数セット（５１７、５１８、５１９）が窓関数生成部５６へ出力される。
【００３４】
窓関数生成部５６は、重み係数セット（５１７、５１８、５１９）にしたがって、窓関数（５１１、５１２、５１３）をそれぞれ生成する。重み係数セットをそれぞれａ１，ａ２，ａ３とし、基底関数をｂ１（ｔ），ｂ２（ｔ），ｂ３（ｔ）とすると、窓関数Ｗ（ｔ）は次式で表される。
【００３５】
ｗ（ｔ）＝ａ１・ｂ１（ｔ）十ａ２・ｂ２（ｔ）十ａ３・ｂ３（ｔ）
なお、基底関数としてはＤＣＴ基底などを用いても良いし、窓関数をＫＬ展開することによって生成された基底関数を用いても良い。本実施形態では、基底の次数を３としたが、次数はいくつでも良い。窓関数を基底関数展開することによって、ホルマントパラメータ記憶部の記憶容量が削減されるという利点がある。
【００３６】
次に、本発明のピッチ波形生成部３４の第３の実施形態を図９を参照して説明する。図３と相対応する部分に同一の参照符号を付して相違点を中心に説明すると、本実施形態ではパラメータ変形部６７が新たに付加されており、ピッチパタ一ン３０６に従ってホルマントパラメータが変化する点が異なっている。
【００３７】
パラメータ変形部６７は、ホルマント周波数４０２、ホルマント位相４０３、窓関数４１１、ホルマント周波数４０４、ホルマント位相４０５、窓関数４１２、ホルマント周波数４０６、ホルマント位相４０７、窓関数４１３を、ピッチパターン３０６に従って変化させて、ホルマント周波数７２０、ホルマント位相７２１、窓関数７１７、ホルマント周波数７２２、ホルマント位相７２３、窓関数７１８、ホルマント周波数７２４、ホルマント位相７２５、窓関数７１９をそれぞれ出力する。全てのパラメータを変化させるようにしても良いし、一部のパラメータのみを変化させるようにしてもよい。
【００３８】
図１０はピッチ周期に応じてホルマント周波数を制御する場合の制御関数の例を示している。このような制御関数は音韻ごとに設定しても良いし、あるいはフレーム毎、ホルマント番号毎に設定して使い分けるようにしても良い。
【００３９】
また、ホルマント周波数そのものではなく入カホルマント周波数と出カホルマント周波数の差分値や比の値を制御する制御関数を用いても良い。
【００４０】
図１１はピッチ周期に応じたゲインを窓関数に乗じてホルマントのパワーを制御するための制御関数を表している。このように、ピッチ周期に応じてパラメータを変化させることによりピッチ周期の変化による音声のスペクトルの変化をモデル化することが可能となり、声の高さによらず高音質な合成音声を生成することができる。
【００４１】
また、パラメータ変形部６７に音韻記号列３０８を入力するようにして、先行あるいは後続の音韻の種類に従ってホルマントパラメータを変化させるようにしても良い。これにより、音韻環境による音声のスペクトルの変化をモデル化することが可能となり、音質を向上させることができる。
【００４２】
さらに、パラメータ変形部６７に外部から入力される声質情報３０９に従ってパラメータを変化させるようにしても良い。これにより、様々な声質の合成音声を生成することが可能となる。
【００４３】
図１２はホルマント周波数を変化させることによって声の太さを変える場合の制御関数の例を示している。（ａ）の制御関数を用いて全てのホルマント周波数を変換すれば、ホルマントが高域にシフトすることにより細い声が生成され、（ｂ）の場合はやや細い声となる。反対に、（ｄ）の制御関数を用いると、ホルマント周波数が低域にシフトすることにより、太い声が生成され、（ｃ）の場合はやや太い声となる。
【００４４】
次に、本発明のピッチ波形生成部３４の第４の実施形態を図１３を参照して説明する。図３と相対応する部分に同一の参照符号を付して相違点を中心に説明すると、本実施形態ではパラメータ平滑化部７７が新たに付加されており、各ホルマントパラメータの時間的な変化がなめらかになるようにパラメータを平滑化する点が異なっている。
【００４５】
パラメータ平滑化部７７は、ホルマント周波数４０２、ホルマント位相４０３、窓関数４１１、ホルマント周波数４０４、ホルマント位相４０５、窓関数４１２、ホルマント周波数４０６、ホルマント位相４０７、窓関数４１３を、それぞれ平滑化して、ホルマント周波数８２０、ホルマント位相８２１、窓関数８１７、ホルマント周波数８２２、ホルマント位相８２３、窓関数８１８、ホルマント周波数８２４、ホルマント位相８２５、窓関数８１９をそれぞれ出力する。全てのパラメータを平滑化するようにしても良いし、一部のパラメータのみを平滑化するようにしても良い。
【００４６】
図１４はホルマントの平滑化の例を示している。×で表されるのが平滑化前のホルマント周波数４０２、４０４、４０６であり、先行あるいは後続のフレームの対応するホルマント周波数との変化がなめらかになるように平滑化を行って○で表される平滑化されたホルマント周波数８２０、８２２、８２４がそれぞれ生成される。
【００４７】
また、音声素片の接続部において、ホルマントの対応がとれないような場合に、図１５（ａ）の×で表されるようにホルマント周波数４０４に対応するホルマントが消滅してしまうことが起りうる。この場合、スペクトルに大きな不連続が生じて音質が劣化するため○で表されるように、ホルマントを付加してホルマント周波数８２２を生成する。この際、図１５（ｂ）に表されるようにホルマント周波数８２２に対応する窓関数８１８のパワーを減衰させるようにしてホルマントのパワーの不連続が生じないようにする。
【００４８】
図１６は窓関数位置の平滑化の例を示している。窓関数４１１のピーク位置がフレーム間でなめらかに変化するように窓関数位置の平滑化を行って、窓関数８１７を生成している。この他にも、窓関数の形状や、窓関数のパワーの平滑化を行っても良い。
【００４９】
上述した本発明の実施形態ではホルマント数３の場合について説明したが、ホルマント数はいくつであっても良く、フレーム毎にホルマント数が変化しても良い。
【００５０】
また、本発明の実施形態の正弦波生成部は正弦波を出力するものとして説明したが、線スペクトルに近いパワースペクトルを持つ波形であれば完全な正弦波でなくとも良い。例えば、計算量を削減する目的で計算精度を落としたり、テーブル化した場合は誤差のために完全な正弦波とはならない場合がある。
【００５１】
また、ホルマント波形のスペクトルは、必ずしも音声信号のスペクトルの山の部分を表現するとは限らず、複数のホルマント波形の和であるピッチ波形のスペクトルが音声のスペクトルを表現するものである。
【００５２】
本発明の実施形態としてテキスト音声合成における合成器について説明したが、本発明の他の実施形態として音声符号化における復号化器がある。すなわち、符号化器では音声信号からホルマント周波数、ホルマント位相、窓関数などのホルマントパラメータとピッチ周期などを分析によって求め、それらを符号化して伝送あるいは蓄積し、復号化器では、ホルマントパラメータとピッチ周期を復号化して上述した合成器と同様に音声信号を再生することが可能である。
【００５３】
上述した音声合成は、記録媒体に格納されたプログラムに従ってコンピュータをプログラム制御することにより行うことができる。このプログラム制御を図１７を参照して説明する。
【００５４】
図１７（ａ）は音声合成処理のフローチャートを示しており、図１７（ｂ）は音声合成処理の内の有声音声生成処理のフローチャートを示しており、図１７（ｃ）は図１７（ｂ）の有声音声生成処理のピッチ波形生成処理のフローチャートを示している。
【００５５】
図１７（ａ）における音声合成処理においては、ピッチパターン３０６、音韻継続時間長３０７および音韻記号列３０８を入力する（Ｓ１１）。ピッチパターン３０６、音韻継続時間長３０７および音韻記号列３０８に基づいて有声音声信号３０３を生成する（Ｓ１２）。音韻継続時間長３０７および音韻記号列３０８を参照して無声音声信号３０４を生成する（Ｓ１３）。有声音声信号と無声音声信号とを加算して合成音声信号３０５を生成する（Ｓ１４）。
【００５６】
図１７（ｂ）における有声音声生成処理では、ピッチパターン３０６と音韻継続時間長３０７とを参照してピッチマーク３０２を生成する（Ｓ２１）。ピッチパターン３０６、音韻継続時間長３０７および音韻記号列３０８を参照してピッチマーク３０２にそれぞれ対応するピッチ波形３０１を生成する（Ｓ２２）。ピッチマーク３０２で示される位置に対応するピッチ波形３０１を重畳し、有声音声を生成する（Ｓ２３）。
【００５７】
図１７（ｃ）におけるピッチ波形生成処理においては、ピッチパターン３０６、音韻継続時間長３０７および音韻記号列３０８を参照してピッチマーク３０２に対応する１フレーム分のホルマントパラメータ４０１をホルマントパラメータ記憶部４１より選択する（Ｓ３１）。選択したホルマントパラメータ４０１のホルマント番号に対応するホルマント周波数とホルマント位相に従って複数の正弦波が生成される（Ｓ３２）。複数の正弦波を窓関数により窓掛けを行ってホルマント波形４１４，４１５，４１６を生成する（Ｓ３３）。これらホルマント波形を加算してピッチ波形を生成する（Ｓ３４）。
【００５８】
【発明の効果】
以上説明したように本発明によれば、ホルマント毎にホルマント周波数、ホルマント形状を独立に制御するため、ピッチ周期や声質の違いによる音声のスペクトル変化を表現することが可能となり、高い柔軟性を実現することができる。あるいは、窓関数の形状によってホルマントのスペクトルの微細な構造を表現するため、肉声感のある高音質な合成音を生成することができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係る音声合成器のブロック図。
【図２】ピッチ波形の重畳による有声音声の生成を示す模式図。
【図３】本発明の一実施形態に係るピッチ波形生成部のブロック図。
【図４】ホルマントパラメータの例を示す模式図。
【図５】ホルマントパラメータの例を示す模式図。
【図６】正弦波、窓関数、ホルマント波形、ピッチ波形の例を示す模式図。
【図７】正弦波、窓関数、ホルマント波形、ピッチ波形のパワースペクトルの例を示す模式図。
【図８】本発明の一実施形態に係るピッチ波形生成部のブロック図。
【図９】本発明の一実施形態に係るピッチ波形生成部のブロック図。
【図１０】ホルマント周波数の制御関数の例を示す模式図。
【図１１】ホルマントゲインの制御関数の例を示す模式図。
【図１２】声質変換のためのホルマント周波数マッピング関数の例を示す模式図
【図１３】本発明の一実施形態に係るピッチ波形生成部のブロック図。
【図１４】ホルマント周波数の平滑化の例を示す模式図。
【図１５】ホルマント周波数の平滑化の例を示す模式図。
【図１６】窓関数位置の平滑化の例を示す模式図。
【図１７】本発明の音声合成器の処理を示すフローチャートである。
【図１８】従来のＰＳＯＬＡ法による音声合成を示す模式図。
【図１９】従来のホルマント合成器のブロック図。
【符号の説明】
３１…有声音合成部
３２…無声音合成部
３３…ピッチマーク生成部
３４…ピッチ波形生成部
３５…波形重畳部
４１、５１…ホルマントパラメータ記憶部
４２…パラメータ選択部
４３、４４、４５…正弦波生成部
５６…窓関数生成部
６７…パラメータ変形部
７７…パラメータ平滑化部

Claims (16)

1. ピッチ周期の情報に従ってピッチ波形を重畳することにより音声信号を生成する音声合成方法において、
   各群がホルマント周波数とホルマント位相と窓関数とにより構成される複数のホルマントパラメータ群を準備するステップと、
   前記ホルマントパラメータ群単位でホルマント周波数及びホルマント位相に従ってそれぞれ複数の正弦波を生成するステップと、
   前記複数の正弦波に窓関数に従って窓掛け処理を行い複数のホルマント波形を生成するステップと、
   これら複数のホルマント波形の和によってピッチ波形を生成するステップとを含むことを特徴とする音声合成方法。
2. 前記窓関数は複数の基底関数の重み付き加算によって生成されることを特徴とする請求項１記載の音声合成方法。
3. 前記ホルマント波形のパワー、前記窓関数の形状、前記窓関数の位置、前記ホルマント周波数のうち少なくとも１つがピッチ周期に応じて変化することを特徴とする請求項１記載の音声合成方法。
4. 前記ホルマント波形のパワー、前記窓関数の形状、前記窓関数の位置、前記ホルマント周波数のうち少なくとも１つが少なくとも先行または後続の音韻の種類に応じて変化することを特徴とする請求項１記載の音声合成方法。
5. 前記ホルマント波形のパワー、前記窓関数の形状、前記窓関数の位置、前記ホルマント周波数のうち少なくとも１つが与えられた声質の情報に応じて変化することを特徴とする請求項１記載の音声合成方法。
6. 前記ホルマント周波数、前記ホルマント波形のパワー、前記窓関数の形状、前記ホルマント位相、前記窓関数の位置のうち少なくとも１つが少なくとも先行または後続のピッチ波形の、ホルマント周波数、ホルマント波形のパワー、窓関数の形状、正弦波の位相、窓関数の位置のうち少なくとも１つに応じて変化することを特徴とする請求項１記載の音声合成方法。
7. 前記ホルマント周波数、前記ホルマント波形のパワー、前記窓関数の形状、前記ホルマント位相、前記窓関数の位置のうち少なくとも１つが少なくとも先行または後続のピッチ波形の対応するホルマントの有無に応じて変化することを特徴とする請求項１記載の音声合成方法。
8. ピッチ周期の情報に従ってピッチ波形を重畳することにより音声信号を生成する音声合成装置において、
   各群がホルマント周波数とホルマント位相と窓関数とにより構成される複数のホルマントパラメータ群を格納する記憶部と、
   前記ホルマントパラメータ群単位でホルマント周波数及びホルマント位相に従ってそれぞれ複数の正弦波を生成する正弦波生成部と、
   前記複数の正弦波に窓関数に従って窓掛け処理を行い複数のホルマント波形を生成するホルマント波形生成部と、
   ピッチ波形を生成するため複数のホルマント波形を加算する加算部とを備えることを特徴とする音声合成装置。
9. 前記記憶部に窓関数の重み係数が記憶されており、この重み係数が導入され基底関数の重み付け加算によって前記窓関数を生成する窓関数生成部とを具備することを特徴とする請求項８記載の音声合成装置。
10. 前記ホルマントパラメータ群単位でホルマントパラメータを前記ピッチ周期に応じて変化させるパラメータ変形部を設けたことを特徴とする請求項８記載の音声合成装置。
11. 前記ホルマントパラメータ群単位でホルマントパラメータを先行または後続の音韻の情報に応じて変化させるパラメータ変形部を設けたことを特徴とする請求項８記載の音声合成装置。
12. 前記ホルマントパラメータ群単位でホルマントパラメータを与えられた声質に応じて変化させるパラメータ変形部を設けたことを特徴とする請求項８記載の音声合成装置。
13. 前記ホルマントパラメータ群単位でホルマントパラメータを時間的な変化を滑らかにするパラメータ平滑化部を設けたことを特徴とする請求項８記載の音声合成装置。
14. ピッチ周期の情報に従ってピッチ波形を重畳することにより音声信号を生成する音声合成処理をコンピュータに実行させるプログラムを記憶した記録媒体において、
    各群がホルマント周波数とホルマント位相と窓関数とにより構成される複数のホルマントパラメータ群単位でホルマント周波数及びホルマント位相に従ってそれぞれ複数の正弦波を生成する処理と、
    前記複数の正弦波に窓関数に従って窓掛け処理を行い複数のホルマント波形を生成する処理と、
    これら複数のホルマント波形の和によってピッチ波形を生成する処理とを含むプログラムを記憶したことを特徴とする記録媒体。
15. ピッチ周期の情報に従ってピッチ波形を重畳することにより音声信号を生成する音声合成処理をコンピュータに実行させるプログラムにおいて、
    各群がホルマント周波数とホルマント位相と窓関数とにより構成される複数のホルマントパラメータ群単位でホルマント周波数及びホルマント位相に従ってそれぞれ複数の正弦波を生成する処理と、
    前記複数の正弦波に窓関数に従って窓掛け処理を行い複数のホルマント波形を生成する処理と、
    これら複数のホルマント波形の和によってピッチ波形を生成する処理とをコンピュータに実行させるプログラム。
16. 前記窓関数を生成するために重み係数によって重み付けされた規定関数を加算させる処理を含む請求項１５記載のプログラム。

Images