JP4366918B2

JP4366918B2 - 携帯端末

Info

Publication number: JP4366918B2
Application number: JP2002321167A
Authority: JP
Inventors: 清志山木
Original assignee: Yamaha Corp
Current assignee: Yamaha Corp
Priority date: 2002-11-05
Filing date: 2002-11-05
Publication date: 2009-11-18
Anticipated expiration: 2022-11-05
Also published as: JP2004157238A

Description

【０００１】
【発明の属する技術分野】
本発明は、携帯電話機に代表される携帯端末に関する。
【０００２】
【従来の技術】
従来より、携帯端末においても、音声合成により生成された音声によりメールの内容を読み上げる機能や自動翻訳機能により翻訳された文章を音声出力する等の技術が開発されている。しかし、従来のものは、予め決められた音声によりその内容を出力するものであり、声色を自由に変更することはできなかった。
【０００３】
また、特開平１３−２８２２８１号公報には、音声合成において声色を変える技術が開示されているが、これは、予め数種類の声色をボイスフォントとして作成し記憶しておき、ユーザーがその中から好みの声質を選択するものであり（特許文献１参照）、いくつかのパラメータを自由に操作して、様々な声色を創作して楽しむといったものではなかった。
【０００４】
【特許文献１】
特開平１３−２８２２８１号公報（第３−４、図１）
【０００５】
【発明が解決しようとする課題】
そこで、本発明は、上述した問題点に鑑みてなされたものであって、声色を自由に変更できる携帯端末を提供することを目的とする。
【０００６】
【課題を解決するための手段】
前記課題を解決するため、本発明は、以下の手段を提案している。
請求項１に係る発明は、フォルマントを形成する各周波数成分を生成するための基本波を発生する基本波発生手段と、該基本波発生手段により発生する基本波の種別を選択する基本波選択手段と、フォルマントパラメータを記憶する記憶手段と、該発生した基本波とフォルマントパラメータとからｎ次のフォルマントを生成するフォルマント生成手段と、該生成されたフォルマントを合成して音声メッセージを出力する音声出力手段とを備えた携帯端末を提案している。
【０００７】
この発明によれば、基本波選択手段の作動により基本波が選択されると、基本波発生手段が作動して選択された基本波が発生され、これによりフォルマントを形成する各周波数成分が生成される。一般には、前記周波数成分を生成する基本波として正弦波が用いられる。しかし、これを矩形波や三角波に変更すれば、これらの基本波が正弦波に比べて高調波成分を多く含むことから、正弦波とは趣の異なった音声を出力することができる。
【０００８】
請求項２に係る発明は、請求項１に記載された携帯端末において、前記基本波発生手段はｎ次で構成されるフォルマント毎に、選択された基本波を発生する携帯端末を提案している。
【０００９】
この発明によれば、音素を構成するｎ次のフォルマントのそれぞれについて、個別に各フォルマントの周波数成分を決定する基本波の種別を変更することができるため、多くのバリエーションを有する音声を出力することができる。
【００１０】
請求項３に係る発明は、請求項１または請求項２に記載された携帯端末において、フォルマントパラメータを変更するパラメータ変更手段を有する携帯端末を提案している。
【００１１】
この発明によれば、フォルマントを形成するための要素、すなわち、フォルマント周波数やフォルマントレベル、フォルマント帯域幅といったパラメータを変更することができるため、予め記憶されたフォルマントデータに対して、いくつもの新たな音声を出力することができる。
【００１２】
請求項４に係る発明は、請求項１および請求項３のいずれかに記載された携帯端末において、前記音声メッセージの再生音域を変更する再生音域変更手段を有する携帯端末を提案している。
【００１３】
この発明によれば、例えば、フォルマント全体の周波数特性をシフトしたり、高域あるいは低域のフォルマントのみに帯域制限をかけることにより、同じフォルマントの構成をもつ音声についても、様々なバリエーションを楽しむことができる。
【００１４】
請求項５に係る発明は、請求項１および請求項４のいずれかに記載された携帯端末において、音声入力手段を有し、入力された音声をフォルマント解析してフォルマントパラメータを生成するパラメータ生成手段と、生成された該パラメータを辞書として登録する登録手段とを備えた携帯端末を提案している。
【００１５】
この発明によれば、音声入力手段により新たな音声を入力し、これをフォルマントパラメータに変換し、辞書として登録できるため、様々な音声を辞書登録することにより、あらゆるバリエーションの音声を出力することができる。
【００１６】
【発明の実施の形態】
本発明の実施形態に係る携帯電話機は、フォルマントによる音声合成方式に基づいて、ユーザーが入力手段により、自由にパラメータを操作することで、多様な音声出力を可能とするものである。そこで、まず、フォルマントによる音声合成について説明する。
【００１７】
人が様々な言葉を発音できるのは、口の開け方や喉の形などによって生ずる共振や共鳴、そして、これに付随して摩擦音や破裂音などが声帯の振動に付加されるためである。人の声を周波数分析してみると、特定の周波数領域にスペクトルが集中して盛り上がっている部分が何箇所か存在する。このスペクトルの山はフォルマントとよばれ、人の声が言葉として聞こえるための重要な要素である。
【００１８】
フォルマントは、図２に示すような形態をしており、フォルマント周波数やフォルマントレベルおよびフォルマント帯域幅といったパラメータで特定される。したがって、人の声に含まれるフォルマントの数や、各フォルマントの周波数や振幅、帯域幅などは声の性質を決定する重要な要素となり、声を出す人の性別や体格、年齢などによって大きく異なる。
【００１９】
しかし、たとえ誰が喋っていても、「あ」は「あ」であり、「い」は「い」であり、言葉としては同じように聞こえる。これは、人の声では発音する言葉の種類ごとに、特徴的なフォルマントの組み合わせが決まっているためである。フォルマントを種類により大別すると、有声音を合成するためのピッチ情報をもった有声フォルマントと、無声音を合成するためのピッチ情報をもたない無声フォルマントとになる。
【００２０】
ここで、有声音とは、発声する際に声帯が振動する声をいい、例えば、母音や半母音、そしてバ行、ガ行、マ行、ラ行などで使用される有声子音が含まれる。また、無声音とは、発声する際に声帯が振動しない声をいい、例えば、ハ行、カ行、サ行などの子音が含まれる。そして、１つの音素は、図３に示すように、いくつかのフォルマントにより構成される。
【００２１】
本発明は、ある特定人のフォルマントを辞書として予め登録しておき、ユーザーが登録されている各フォルマントに対して、上述のパラメータ、すなわち、フォルマント周波数やフォルマントレベル、フォルマント帯域幅およびフォルマントを形成する基本波形を自由に操作できることして、様々な音声を提供しようとするものである。
【００２２】
以下、本発明の実施形態に係る携帯電話機について図１および図４から図９を参照して詳細に説明する。
本発明の実施形態に係る携帯端末は、図１に示すように、アンテナ１と、通信部２と、音声処理部３と、マイク４と、イヤースピーカー５と、フォルマントパラメータ生成部６と、スピーカー７と、音源部８と、フォルマント生成部１０と、パラメータ変更部１１と、ＣＰＵ１２と、ＲＯＭ１３と、ＲＡＭ１４と、ＬＣＤ１５と、入力部１６とから構成されている。また、フォルマント生成部１０とパラメータ変更部１１とを合わせて音声合成部９という。
【００２３】
アンテナ１は、音声や文字、画像等の情報を含む通信情報を送受信する機能を有する。通信部２は、アンテナ１からの通信情報を受信して、これを電気信号に変換し、または、電気信号を変換して通信情報を生成してこれをアンテナ１に供給する。音声処理部３は、マイク４から入力されたアナログ音声信号をデジタル信号に変換して通信部２に供給する一方、通信部２から供給された通信情報を音声信号に変換して、イヤースピーカー５に供給する。また、マイク４を介して入力されたアナログ音声信号をＣＰＵ１２の指示に基づいて、フォルマントパラメータ生成部６に供給する。
【００２４】
マイク４は、アナログ音声信号の入力手段であり、入力したアナログ信号を音声処理部３に出力する。また、本実施形態においては、新たな辞書データを作成する際の音声データ入力手段として用いられる。フォルマントパラメータ生成部６は、入力された音声データを周波数解析したのち、フォルマントを抽出して、フォルマント周波数やフォルマントレベル、フォルマント帯域幅といったパラメータを生成するとともに、これをＲＡＭ１４に出力して辞書として登録保存する。
【００２５】
スピーカー７は音声信号の出力を行う出力手段である。音源部８はＣＰＵ１２からの信号により着信メロディ等を再生し、アナログ音声信号をスピーカー７に出力する。音声合成部９は、フォルマント生成部１０とパラメータ変更部１１とからなる。パラメータ変更部１１は、入力部１６を介して操作された新たなパラメータを入力し、この情報をフォルマント生成部１０に供給する。
【００２６】
フォルマント生成部１０は、ＲＡＭ１４に格納されている特定人のフォルマント情報に対して、パラメータ変更部１１から入力された情報に基づいて、フォルマントパラメータを変更するとともに、変更されたフォルマントパラメータから生成されたｎ次のフォルマントを合成して、その音声をスピーカー７に出力する。
【００２７】
ＣＰＵ１０は、携帯電話機のシステム全体の制御を行うほか、本実施形態に関する音声合成についても制御を行う。ＲＯＭ１３は、携帯電話機のシステムをコントロールする制御プログラムを格納するほか、予めプリセットされた辞書データや表示データ、文字データ等を記憶する。ＲＡＭ１４は、新たに入力されたフォルマント情報に関する辞書データやパラメータが変更された後のフォルマント情報を別の辞書データとして格納するほか、電話番号等の各種情報を書き換え可能に記憶する。
【００２８】
ＬＣＤ１５は、文字データや画像データを表示する表示器であり、本発明においては、フォルマントパラメータの変更にあたって、入力データの確認用として用いられる、また、入力部１６は、電話番号の入力や本実施形態にかかるフォルマントパラメータの入力を行う入力手段である。
【００２９】
次に、図４を用いて、フォルマント生成部の構成について説明する。
図４に示すように、フォルマント生成部１０は、フォルマント周波数選択部２１と、基本波選択部２２（基本波発生部を含む）と、位相制御部２３と、有声音／無声音選択部２４と、エンベロープ生成部２５と、ノイズ発生器２６と、加算器２７と、増幅器２８とから構成されている。
【００３０】
フォルマント周波数選択部２１は、ユーザーが入力部１６を介して選択したフォルマント周波数に応じて、ＣＰＵ１２からの命令により所望のフォルマント周波数を出力する。基本波選択部２２、位相制御部２３および増幅器２８も同様に、それぞれ対応するパラメータに関して、ＣＰＵ１２からの命令により所望のパラメータを選択して、これを出力する。
【００３１】
有声音／無声音選択部２４は、ＣＰＵ１２により、発音する音素が有声音であるか無声音であるかを判断した上で出力される制御信号を入力し、これに対応した信号を後述のエンベロープ生成部２５やノイズ発生器２６に出力する。エンベロープ生成部２５は、フォルマントの形状を決定するためのエンベロープ（包絡線）を生成する。また、ノイズ発生器２６は、発音する音素が無声音である場合に、ノイズを発生し、発生したノイズは加算器２７で生成されたフォルマントと加算される。
【００３２】
上記のフォルマント生成部１０の構成は、音素を構成する１つのフォルマントに関するものである。１つの音素は、いくつものフォルマントが合成されて形成されている。したがって、１つの音素を生成するためには、音素を構成する各フォルマントについて、適当な設定をしたのち、各フォルマントを生成して、これを合成する必要がある。そのための構成を示したものが図５である。
【００３３】
図５に示すように、音声合成ブロックは、８つのフォルマント生成部１０ａ〜１０ｈと、ピッチ生成部３０と、ミキシング部３１とから構成されている。
ピッチ生成部３０は、演算によりピッチ（音程）を生成する機能を有し、発音する音素が有声音の場合にのみ、演算したピッチを付加する。ミキシング部３１は、８つのフォルマント生成部１０ａ〜１０ｈにおいて生成された各フォルマントを合成して音素を生成する。したがって、こうした一連の操作を発音する音素について、連続して行うことにより、合成した音声を生成することができる。
【００３４】
次に、図６を用いて、音声を入力して新たに辞書を作成する手順について説明する。
新たな辞書を作成するためには、まず、辞書として必要なすべての音、例えば、５０音とその他の濁音等について、１つの音素ごとに録音を行う（ステップ１０１）。すべての音素について録音が終了したら、初期設定ファイルを準備する（ステップ１０２、１０３）。初期設定ファイルの中には、音素や辞書作成に必要な他の情報およびパラメータが含まれている。
【００３５】
音素が選択されると（ステップ１０４）、選択された音素をロードする（ステップ１０５）。ロードされた音素はセグメントごとに分けられ、データの分析が行われる（ステップ１０６）。分析の結果、フォルマントパラメータが各フォルマントごとに抽出され（ステップ１０７）、このパラメータが辞書として登録され保存される（ステップ１０８）。このような処理がすべての音素に関して行われる（ステップ１０９）。
【００３６】
本実施形態において、声色を変えるための手法としては、以下の３つの方法が考えられる。以下、その内容について、個別に説明する。
本実施形態において、声色を変えるための第１の手法は、ユーザーが直接、各音素のフォルマントパラメータの変更量あるいは基本波形の種類、再生音域等をキー操作にて入力するものである。ここでは、入力するパラメータ量は１組のみとし、入力されたパラメータの変化量に応じて、各音素のフォルマントパラメータが所定の量だけシフトする。
【００３７】
上記手法の処理手順を図７を用いて説明する。
まず、ユーザーは、ｎ次のフォルマントで構成される何番目のフォルマントを変更するのかをフォルマントＮｏを入力することにより明示する（ステップ２０１）。つぎに、周波数の変更量、レベルの変更量、帯域幅の変更量を順次、入力する（ステップ２０２から２０４）。
【００３８】
フォルマントパラメータの変更が完了したら（ステップ２０５）、次に、基本波形の種類を正弦波、矩形波、三角波などから選択して、入力する（ステップ２０６）。続いて、再生帯域についても入力する（ステップ２０７）。すべてのパラメータが入力されたら、このパラメータに基づいて、すべての音素のパラメータを変化量に応じた所定量だけシフトして、変更後のデータを作成し、ＲＡＭ１４の所定のアドレスに格納し保存する（ステップ２０８）。
【００３９】
次に、本実施形態において、声色を変えるための第２の手法は、ユーザーがすべての音素について声を入力し、その音素からフォルマントパラメータを抽出して、新たな辞書を作成する手法である。この手法の処理手順について図８を用いて説明する。
【００４０】
ユーザーはまず、「あ」の音素をマイク４を介して入力する（ステップ３０１）。
つぎに、入力部１６を操作して、次の音素を入力する設定をしたのち、同様にマイク４を介して、次の音素、例えば、「い」を入力する（ステップ３０３）。こうした処理を最後の音素まで行う（ステップ３０４）。入力された音素は、図６に示した手順に従い、所定の処理を行ったのち、フォルマントパラメータが抽出され、そのデータを新たな辞書として登録され保存される（ステップ３０５）。
【００４１】
次に、本実施形態において、声色を変えるための第３の手法は、ユーザーがいくつかの音素について声を入力し、その音素からフォルマントパラメータを抽出するとともに、抽出されたパラメータと元のパラメータとを比較して、入力されていない音素についてのパラメータのシフト量を決定する手法である。この手法の処理手順について図９を用いて説明する。
【００４２】
まず、マイク４を用いて入力する音素を入力部１６により、文字で入力する（ステップ４０１）。次に、マイク４を介して指定した音素をマイク４により入力する（ステップ４０２）。入力しようとする音素の入力がすべて完了すると（ステップ４０３）、入力された音素は、図６に示した手順に従い、所定の処理を行ったのち、フォルマントパラメータが抽出され、そのデータを新たな辞書として登録され保存される（ステップ４０４）。
【００４３】
次に、音素の入力により抽出されたフォルマントパラメータと、すでに辞書として登録済の既存のフォルマントパラメータとを比較して、各パラメータのシフト量を算出する（ステップ４０５）。各パラメータのシフト量を算出したら、入力されていない音素について、既存のパラメータをもとに、算出したシフト量に基づいて新たなパラメータを決定し、これを登録して保存する（ステップ４０６）。
【００４４】
これにより、本実施形態においては、フォルマントに変換された音素のデータをパラメータを操作することにより、あるいは、新たなデータを入力し、これを辞書として登録することにより、様々な音声を生成することができる。
【００４５】
以上、図面を参照して本発明の実施の形態について詳述してきたが、具体的な構成はこれらの実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。例えば、本実施形態においては、フォルマントの次数を８次として説明したが、これに限らず任意の次数でもよい。
【００４６】
また、本実施形態においては、フォルマントパラメータの変更に関して、ｎ次で構成されるフォルマントの一部についてのみ、パラメータを変更する場合について説明したが、登録されている各音素ごとに、任意のパラメータを変更できるようにしてもよい。
【００４７】
また、図１の本発明の実施形態に係る携帯電話機の構成図において、フォルマントパラメータ生成部６と音声合成部９は音源部８とは別に置かれているが、これらの機能を音源部８に持たせるようにしてもよい。つまり、音源部８は入力された音声データからフォルマントを生成し、また新たなフォルマントパラメータを入力部１６から入力し、それらのフォルマントパラメータよりフォルマントを合成する機能を持つようにしてもよい。
【００４８】
【発明の効果】
以上のように、この発明によれば、予め登録されたフォルマントデータをパラメータごとに変更可能としたことから、ユーザーが入力部を操作することにより、様々な音声を生成することができ、これにより、自分だけのオリジナルの音声を作成することができるという効果がある。
【００４９】
また、音素を入力することにより新たな辞書を作成したり、基本波形や再生音域を変化させることにより、違った音声、変わった音声を生成することができるため、現在使用している音声に飽きてしまった場合や現在使用している音声がつまらなくなってしまった場合でも、まったく趣の異なった音声に切り換えることによって、こうした退屈感を生じさせないという効果がある。
【図面の簡単な説明】
【図１】本発明の実施形態に係る携帯電話機の構成図である。
【図２】フォルマントを構成する各パラメータを示す図である。
【図３】音素をフォルマントにより模式的に示した図である。
【図４】本発明の実施形態に係るフォルマント生成部の構成図である。
【図５】本発明の実施形態に係るフォルマント合成ブロックの構成図である。
【図６】本発明の実施形態に係る辞書の作成フローチャートである。
【図７】本発明の実施形態に係る音色を変更するための第１の手法に関するフローチャートである。
【図８】本発明の実施形態に係る音色を変更するための第２の手法に関するフローチャートである。
【図９】本発明の実施形態に係る音色を変更するための第３の手法に関するフローチャートである。
【符号の説明】
１・・・アンテナ、２・・・通信部、３・・・音声処理部、４・・・マイク、５・・・イヤースピーカー、６・・・フォルマントパラメータ生成部、７・・・スピーカー、８・・・音源部、９・・・音声合成部、１０・・・フォルマント生成部、１１・・・パラメータ変更部、１２・・・ＣＰＵ、１３・・・ＲＯＭ、１４・・・ＲＡＭ、１５・・・ＬＣＤ、１６・・・入力部、２１・・・フォルマント周波数選択部、２２・・・基本波選択部、２３・・・位相制御部、２４・・・有声音／無声音選択部、２５・・・エンベロープ生成部、２６・・・ノイズ発生器、２７・・・加算器、２８・・・増幅器、３０・・・ピッチ生成部、３１・・・ミキシング部、

Claims

各音素についてｎ個のフォルマントのフォルマントパラメータを辞書として記憶する記憶手段と、
ユーザの操作により、前記ｎ個のフォルマントのうち変更するフォルマントとフォルマントパラメータの変更量とを入力する入力手段と、
前記辞書の全ての音素について、前記入力された変更量に従って前記変更するフォルマントのフォルマントパラメータを変更し、変更後のフォルマントパラメータにより前記辞書を更新する更新手段と、
フォルマントを形成する各周波数成分を生成するための基本波を発生する基本波発生手段と、
該発生した基本波と前記辞書のフォルマントパラメータとからｎ次のフォルマントを生成するフォルマント生成手段と、
該生成されたフォルマントを合成して音声メッセージを出力する音声出力手段と
を備えた携帯端末。
各音素についてｎ個のフォルマントのフォルマントパラメータを辞書として記憶する記憶手段と、
音声を入力するマイクと、
前記入力された音声の音素についてフォルマントパラメータを抽出する抽出手段と、
前記抽出されたフォルマントパラメータと、前記辞書の対応する音素のフォルマントパラメータとを比較し、そのシフト量を算出する算出手段と、
前記辞書の全ての音素について、前記算出されたシフト量に基づいてフォルマントパラメータを変更し、変更後のフォルマントパラメータにより前記辞書を更新する更新手段と、
フォルマントを形成する各周波数成分を生成するための基本波を発生する基本波発生手段と、
該発生した基本波と前記辞書のフォルマントパラメータとからｎ次のフォルマントを生成するフォルマント生成手段と、
該生成されたフォルマントを合成して音声メッセージを出力する音声出力手段と
を備えた携帯端末。
前記基本波発生手段により発生する基本波の種別をユーザの操作により選択する基本波選択手段を備えることを特徴とする請求項１又は請求項２に記載の携帯端末。
前記フォルマントパラメータは、フォルマント周波数、フォルマントレベル、フォルマント帯域幅の少なくとも１つを含むことを特徴とする請求項１から請求項３のいずれか１の項に記載の携帯端末。
前記音声メッセージの再生音域を変更する再生音域変更手段を有する請求項１から請求項４のいずれか１の項に記載された携帯端末。