JP5745453B2 - 音声明瞭度変換装置、音声明瞭度変換方法及びそのプログラム - Google Patents

Description

本発明は、音声の聞き取りやすさ（以下「音声明瞭度」ともいう）を変換する技術に関する。

近年、音声通信端末、音声合成技術などの開発、普及により、様々な場所で音声を聴取する機会が増えた。このような音声聴取は、静かな場所だけではなく、空港や駅のホームのように周囲に雑音があるような騒がしい環境でも行われる。騒がしい環境で聴取する場合、周囲の雑音によって音声が聞き取りにくくなるという問題がある。一方で、不特定多数の人がいる場所では、できるだけ音声を周囲に聞かれたくない場合も存在し、周囲に音が漏れることで聴取の必要のない人にも音声が聞こえてしまうという問題がある。

このような雑音のあるオープンな環境下において、音声明瞭度を変えるために最も簡単な方法は、雑音に応じて音量を調整する方法である。しかし、音量を大きくする場合は、スピーカへの入力が過大となり、音声が歪んでしまい、かえって音質が劣化する場合がある。

音声を聞き取りやすくするために周波数スペクトルの特定の帯域のみ強調する音声強調方法として、特許文献１が知られている。一般に音声の周波数スペクトルには複数のピークが存在し、これをフォルマントと言う。音声の音韻性は、このフォルマントの位置によって特徴付けられることがわかっており、このフォルマント部分のみ強調することで、音量を過大に上げることなく、音声明瞭度を改善できることが知られている。一方、このフォルマント部分のパワーを抑制することで、音声明瞭度を下げることも可能である。

国際公開第WO2004/040555号パンフレット

音声は、声帯の振動を音源とする周期成分の音と、呼気の乱流等によって生じる非周期成分の音の混合音である。従来技術の音声強調方法は、この混合音に対してスペクトル制御することで、音声を聞き取りやすくしていた。しかし、従来技術によって強調された音と人間が発声できる音声とは違った音となり、自然性が劣化するという問題がある。例えば、混合音を強調すると非周期成分の音も過大に強調されてしまい、人間の発声可能なレベルを超えたノイズ感の増した音声となることがある。また、特許文献１は、スペクトルのフォルマントを一定の値に強調しているが、これは人間として発声できる音のスペクトル形状とは違っているため、自然性が劣化するという問題を解消することはできない。

本発明は、音声のノイズ感が増すことなく、音声の自然性を保ったまま、音声明瞭度を変換する技術を提供することを目的とする。

上記の課題を解決するために、本発明の第一の態様によれば、音声明瞭度変換装置は、音声の聞き取りやすさである音声明瞭度を変更する。音声明瞭度変換装置は、音声分析を行い、対象音声データｓ（ｔ）からスペクトルパワーＰ（ｉ，ｆ）、非周期性指標Ａ（ｉ，ｆ）及び基本周波数を抽出する第一音声分析部と、非周期性指標を用いて、スペクトルパワーＰ（ｉ，ｆ）を非周期性パワーと周期性パワーＰ_Ｐ（ｉ，ｆ）とに分離する第一パラメータ変換部と、対象音声データｓ（ｔ）を用いて、所定のサンプル間隔でフォルマント周波数を抽出するフォルマント抽出部と、目標とする音声明瞭度ｘを受け取り、その音声明瞭度ｘに対応する周期性パワー比である目標周期性パワー比を求める目標周期性パワー比推定部と、フォルマント周波数を用いて、目標周期性パワー比となるように、周期性パワーＰ_Ｐ（ｉ，ｆ）を変換する周期性パワー変換部と、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）と非周期性パワーとを用いて、目標周期性パワー比に対応するスペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）とを求める第二パラメータ変換部と、スペクトルパワーＰ’（ｉ，ｆ）、非周期性指標Ａ’（ｉ，ｆ）及び基本周波数を用いて、変換後音声データｓ’（ｔ）を合成する音声合成部とを含む。

上記の課題を解決するために、本発明の第二の態様によれば、音声明瞭度変換方法は、音声の聞き取りやすさである音声明瞭度を変更する。音声明瞭度変換方法は、音声分析を行い、対象音声データｓ（ｔ）からスペクトルパワーＰ（ｉ，ｆ）、非周期性指標Ａ（ｉ，ｆ）及び基本周波数を抽出する第一音声分析ステップと、非周期性指標を用いて、スペクトルパワーＰ（ｉ，ｆ）を非周期性パワーと周期性パワーＰ_Ｐ（ｉ，ｆ）とに分離する第一パラメータ変換ステップと、対象音声データｓ（ｔ）を用いて、所定のサンプル間隔でフォルマント周波数を抽出するフォルマント抽出ステップと、目標とする音声明瞭度ｘを受け取り、その音声明瞭度ｘに対応する周期性パワー比である目標周期性パワー比を求める目標周期性パワー比推定ステップと、フォルマント周波数を用いて、目標周期性パワー比となるように、周期性パワーＰ_Ｐ（ｉ，ｆ）を変換する周期性パワー変換ステップと、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）と非周期性パワーとを用いて、目標周期性パワー比に対応するスペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）とを求める第二パラメータ変換ステップと、スペクトルパワーＰ’（ｉ，ｆ）、非周期性指標Ａ’（ｉ，ｆ）及び基本周波数を用いて、変換後音声データｓ’（ｔ）を合成する音声合成ステップとを含む。

本発明によれば、フォルマント部分の周期性パワー比と人間の自然音声の聞き取りやすさとに関する相関性に基づいたフォルマント部分の周期性パワーの変換によって、音声のノイズ感が増すことなく、音声の自然性を保ったまま、音声明瞭度を変換することができる。

第一実施形態に係る音声明瞭度変換装置の機能ブロック図。 第一実施形態に係る音声明瞭度変換装置の処理フローを示す図。 音声データの例を示す図。 図３の音声データに対するスペクトルパワーを示す図。 図３の音声データに対する非周期性指標を示す図。 図３の音声データに対する音声波形を示す図。 図３の音声データに対する基本周波数を示す図。 フォルマントを説明するための図。 目標周期性パワー比推定部の機能ブロック図。 目標周期性パワー比推定部の処理フローを示す図。 図１１Ａは第１フォルマントが存在する母音の音声区間の平均の周期性パワー比と音声明瞭度スコアとの相関図、図１１Ｂは第２〜４フォルマントが存在する母音の音声区間の平均の周期性パワー比と音声明瞭度スコアとの相関図。 図１１に対する相関係数を示す図。 音声データベースのデータ例を示す図。 第一パワー比計算部の処理フローを示す図。 周期性パワー変換部の機能ブロック図。 周期性パワー変換部の処理フローを示す図。 フィルタｒ（ｉ，ｆ）を説明するための図。 フィルタ生成部の処理フローを示す図。

［発明のポイント］
本発明では、雑音下において様々な話者が発声した音声の聞き取りやすさを評価し、音声明瞭度と話者毎に異なる音声のフォルマント部分の周期性パワー比との相関関係を求めることで、声質とフォルマントについて以下の関係があることを明らかにした。雑音下でも聞き取りやすい声質の話者は、最も低い周波数のフォルマント部分の周期性パワー比が相対的に弱く、それ以上のフォルマント部分の周期性パワー比が相対的に強い。一方、聞き取りづらい声質の話者は、最も低い周波数のフォルマント部分の周期性パワー比が相対的に強く、それ以上のフォルマント部分の周期性パワー比が相対的に弱い。

本発明では、フォルマント部分の周期性パワー比と音声明瞭度との相関性に基づいて、対象となる音声データのフォルマント部分の周期性パワーを変換することで、音声明瞭度を変換する。なお、目標とする音声明瞭度に対応するフォルマント部分の周期性パワー比を求め、その周期性パワー比と同じスペクトル形状になるように、フォルマント部分の周期性パワーを変換する。

以下、本発明の実施形態について説明する。なお、以下の説明に用いる図面では、同じ機能を持つ構成部や同じ処理を行うステップには同一の符号を記し、重複説明を省略する。

＜第一実施形態＞
図１は音声明瞭度変換装置１００の機能ブロック図を、図２はその処理フローを示す。音声明瞭度変換装置１００は、第一音声分析部１１０、第一パラメータ変換部１２０、フォルマント抽出部１３０、周期性パワー変換部１５０、目標周期性パワー比推定部１４０、第二パラメータ変換部１６０及び音声合成部１７０を含む。

音声明瞭度変換装置１００は、音声データｓ（ｔ）と目標明瞭度ｘとを入力とし、音声明瞭度を変更して、音声明瞭度変換後の音声データｓ’（ｔ）を出力する。なお、対象となる音声データｓ（ｔ）は、サンプリング周波数ｆ_ｓ［Ｈｚ］でサンプリングした場合の、サンプリング時間ｔ（Ｔをサンプリング数とし、ｔ＝０，１，…，Ｔ−１とする）における振幅を表す。なお、図３は、サンプリング周波数ｆ_ｓ＝１６，０００、サンプリング数Ｔ＝２０，０００であり、Ｔ／ｆ_ｓ＝１．２５秒分の音声データｓ（ｔ）の例を示す。

＜第一音声分析部１１０＞
第一音声分析部１１０は、対象となる音声データｓ（ｔ）を受け取り、音声分析を行い（ｓ１１０）、音声データｓ（ｔ）からスペクトルパワーＰ（ｉ，ｆ）、非周期性指標Ａ（ｉ，ｆ）及び基本周波数ｆ_０（ｉ）を抽出し、スペクトルパワーＰ（ｉ，ｆ）及び非周期性指標Ａ（ｉ，ｆ）を第一パラメータ変換部１２０に、基本周波数ｆ_０（ｉ）を音声合成部１７０に出力する。例えば、参考文献１記載の音声分析方法を用いることができる。
（参考文献１）河原英紀，“聴覚の情景分析が生んだ高品質VOCODER: STRAIGHT”，日本音響学会誌，1998年7月，54巻，7号，pp.521-526
なお、ｉは所定のサンプル間隔ｐで分析した場合の分析番号（フレーム番号）であり、ｕはフレーム中のｕ番目のサンプルを表す番号であり、ｕ＝０，１，…，ｐ−１であり、ｔ＝ｉｐ＋ｕである。ｉ＝０，１，…，［（Ｔ−１）／ｐ］であり、［・］は・以下の最大の整数を表す。また、ｆ＝０，１，…，Ｎ−１であり、ｆは（ｆ／Ｎ）×（ｆ_ｓ／２）［Ｈｚ］以上、｛（ｆ＋１）／Ｎ｝×（ｆ_ｓ／２）［Ｈｚ］未満の周波数帯域を表す番号（帯域番号）である。スペクトルパワーＰ（ｉ，ｆ）はフレームｉかつ帯域ｆの周波数スペクトルの強さ（密度分布）を、非周期性指標Ａ（ｉ，ｆ）は周波数スペクトルを周期成分（周期的な振動をする音のスペクトル）と非周期成分（周期的な振動をしない音（雑音）のスペクトル）との和とみなしたときのフレームｉかつ帯域ｆにおける非周期成分の割合を、基本周波数ｆ_０（ｉ）は声の高さを表す特徴量であり、フレームｉの音声波形の周期をｔ_０としたとき、その逆数１／ｔ_０［Ｈｚ］である。図４、図５、図６及び図７は、それぞれ図３の音声データｓ（ｔ）に対するスペクトルパワーＰ（ｉ，ｆ）、非周期性指標Ａ（ｉ，ｆ）、フレームｉの音声波形及び基本周波数ｆ_０（ｉ）を示す。

＜フォルマント抽出部１３０＞
フォルマントとは、図８のような音声スペクトルのピーク部分であり、低い周波数から第１フォルマント、第２フォルマントというように番号で区別される。このフォルマントの周波数軸上の位置が、音声の音韻性や話者性を特徴付ける。

フォルマント抽出部１３０は、音声データｓ（ｔ）を受け取り、この値を用いて、所定のサンプル間隔ｐでフォルマント周波数Ｆ（ｉ，ｊ）［Ｈｚ］を抽出し（ｓ１３０）、周期性パワー変換部１５０に出力する。例えば、参考文献２記載のフォルマント抽出方法を用いることができる。
（参考文献２）大塚貴弘，“音源パルス列を考慮した頑健なARX音声分析法”，日本音響学会誌，2002年７月，58巻，7号，pp.386-397
ただし、ｊ＝１，２，…，Ｊはフォルマント番号であり、フォルマント周波数Ｆ（ｉ，ｊ）はフレームｉにおけるフォルマントｊの位置（周波数）を表す。Ｊは抽出するフォルマントの数であり、３または４程度の値である。なお、フレームｉが無声区間または無音区間のようなフォルマントが存在しない区間である場合、全てのフォルマントｊ（ｊ＝１，２，…，Ｊ）について、フォルマント周波数Ｆ（ｉ，ｊ）＝０とする。

＜第一パラメータ変換部１２０＞
第一パラメータ変換部１２０は、スペクトルパワーＰ（ｉ，ｆ）と非周期性指標Ａ（ｉ，ｆ）を受け取り、非周期性指標Ａ（ｉ，ｆ）を用いて、スペクトルパワーＰ（ｉ，ｆ）を非周期性パワーＰ_Ａ（ｉ，ｆ）と周期性パワーＰ_Ｐ（ｉ，ｆ）に分離し（ｓ１２０）、それぞれ第二パラメータ変換部１６０と周期性パワー変換部１５０に出力する。なお、周期性パワーＰ_Ｐ（ｉ，ｆ）はスペクトルパワーＰ（ｉ，ｆ）に含まれる周期成分のスペクトルパワーであり、非周期性パワーＰ_Ａ（ｉ，ｆ）はスペクトルパワーＰ（ｉ，ｆ）に含まれる非周期成分のスペクトルパワーである。

例えば、第一パラメータ変換部１２０は、全ての帯域ｆ（ｆ＝０，１，…，Ｎ−１）の全てのフレームｉ（ｉ＝０，１，…，［Ｔ／ｐ−１］）について、下記の二つの式を計算する。
P_A(i,f)=10^A(i,f)/20・P(i,f)
P_P(i,f)=P(i,f)-P_A(i,f)

＜目標周期性パワー比推定部１４０＞
目標周期性パワー比推定部１４０は、目標とする音声明瞭度ｘを受け取り、その音声明瞭度に対応する周期性パワー比である目標周期性パワー比Ｒ_Ｔ（ｊ）を求め（ｓ１４０）、周期性パワー変換部１５０に出力する。以下詳細を説明する。

図９は目標周期性パワー比推定部１４０の機能ブロック図を、図１０はその処理フローを示す。

目標周期性パワー比推定部１４０は、音声データベース１４１、第二音声分析部１４２、第三パラメータ変換部１４３、フォルマント抽出部１４４、第一パワー比計算部１４５、線形回帰分析部１４６及び線形回帰推定部１４７を含む。第二音声分析部１４２、第三パラメータ変換部１４３及びフォルマント抽出部１４４、は、それぞれ第一音声分析部１１０、第一パラメータ変換部１２０及びフォルマント抽出部１３０と同様の機能、構成を持つ。

本実施形態では、音声明瞭度として、以下の音声明瞭度スコアを用いる。音声明瞭度スコアとは、「１：全く聞き取れない」「２：ほとんど聞き取れない」「３：およそ半分程度聞き取れる」「４：ほとんど聞き取れる」「５：全てはっきりと聞き取れる」の５段階で、音声の聞き取りやすさを様々な雑音下で評価したスコアの平均値である。

また、周期性パワー比Ｒ（ｉ，ｊ）とは、各フレームｉにおける各フォルマントｊの部分のスペクトルが占めるパワーの割合である。言い換えると、フレーム毎に周期性パワーを正規化したものである。

フォルマントが存在する母音の音声区間の平均の周期性パワー比と２０名の話者の雑音下における音声の音声明瞭度スコアとの相関図を図１１に示す。また相関係数を図１２に示す。

これからわかるように、雑音下における音声明瞭度スコアと周期性パワー比は非常に高い相関にあることがわかる。この周期性パワー比の相関性に基づいて、周期性パワーを変換することで音声明瞭度を変換することができる。

目標周期性パワー比推定部１４０は、この相関関係に基づく音声明瞭度の変換のために、予め、音声データベース１４１を用いて、周期性パワー比と音声明瞭度スコアの線形回帰係数を求めておき、これを周期性パワー比回帰モデルＭ（ｘ，ｊ）とする。その後、目標とする音声明瞭度スコアｘから、目標周期性パワー比Ｒ_Ｔ（ｊ）を求める。

（音声データベース１４１）
音声データベース１４１には、音声明瞭度変換に先立ち、Ｋ個の学習用音声データｓ_ｋ（ｔ）と、各学習用音声データｓ_ｋ（ｔ）に対する音声明瞭度スコアｘ_ｋとが格納される。なお、音声明瞭度スコアｘ_ｋは、人手により、様々な雑音下で学習用音声データｓ_ｋ（ｔ）を聴取し、音声明瞭度スコアを付けたものの平均値である。なお、ｋは学習用音声データを表すインデックス番号（音声番号）であり、ｋ＝１，２，…，Ｋである。例えば、Ｋ＝２０程度あれば良い（図１３参照）。

（第二音声分析部１４２、第三パラメータ変換部１４３及びフォルマント抽出部１４４）
第二音声分析部１４２、第三パラメータ変換部１４３及びフォルマント抽出部１４４は、このＫ個の学習用音声データｓ_ｋ（ｔ）それぞれについて、非周期性指標Ａ_ｋ（ｉ，ｆ）とスペクトルパワーＰ_ｋ（ｉ，ｆ）、周期性パワーＰ_Ｐ，ｋ（ｉ，ｆ）及びフォルマント周波数Ｆ_ｋ（ｉ，ｊ）を求める（ｓ１４２、ｓ１４３、ｓ１４４）。なお、第二音声分析部１４２は第一音声分析部１１０と違い、基本周波数を抽出しなくともよく、第三パラメータ変換部１４３は第一パラメータ変換部１２０と違い、非周期性パワーＰ_Ａ，ｋ（ｉ，ｆ）を出力しなくともよい。

（第一パワー比計算部１４５）
第一パワー比計算部１４５は、周期性パワーＰ_Ｐ，ｋ（ｉ，ｆ）及びフォルマント周波数Ｆ_ｋ（ｉ，ｊ）を受け取り、これらの値を用いて、全ての音声ｋ（ｋ＝１，２，…，Ｋ）について、各フォルマントｊ（ｊ＝１，２，…，Ｊ）部分のスペクトルが占めるパワーの割合である周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）を求め（ｓ１４５）、線形回帰分析部１４６に出力する。

図１４を用いて、第一パワー比計算部１４５の処理フローを説明する。なお、図中、ループ端子の上端には「変数＝初期値，終値，増分値」を、下端には「変数」を記載する。

ｉに初期値を設定する（ｓ１４５ａ）。

Ｆ（ｉ，ｊ）＝０が、全てのｊ（ｊ＝１，２，…，Ｊ）について成り立つか否かを判定する（ｓ１４５ｂ）。

成り立つ場合、全てのｊについて、周期性パワー比Ｒ_Ｐ（ｉ，ｊ）に０を代入する（ｓ１４５ｃ）。

成り立たない場合、全ての帯域ｆについての周期性パワーＰ_Ｐ（ｉ，ｆ）の総和Ｐ_ＰＳＵＭを

として算出し（ｓ１４５ｄ）、以下の処理（ｓ１４５ｅ〜ｓ１４５ｔ）を行う。

ｊに初期値を設定する（ｓ１４５ｅ）。

次のｆ_Ｌ（ｊ）及びｆ_Ｈ（ｊ）を求める（ｓ１４５ｆ〜ｓ１４５ｒ）。

周期性パワー比Ｒ_Ｐ（ｉ，ｊ）を以下の式により求める（ｓ１４５ｓ）。

ｊをインクリメントし、ｊがＪ＋１よりも大きくなるまで、ｓ１４５ｆ〜ｓ１４５ｓを繰り返す（ｓ１４５ｔ）。

ｉをインクリメントし、ｉが［Ｔ／ｐ−１］よりも大きくなるまで、ｓ１４５ｂ〜ｓ１４５ｔを繰り返す（ｓ１４５ｔ）。

上述の処理（ｓ１４５ａ〜ｓ１４５ｕ）を全ての音声ｋに対して行い、周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）を生成する。

（線形回帰分析部１４６）
線形回帰分析部１４６は、音声明瞭度スコアｘ_ｋと周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）とを受け取り、図１１の相関性に基づいて、音声明瞭度スコアｘ_ｋと周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）の線形回帰分析を行い、線形回帰係数Ｍ（ｊ，ｍ）を求める（ｓ１４６）。ただし、ｍは求める線形回帰係数の次数を示し，ｍは０または１の値を取る。

例えば、線形回帰分析部１４６は，各フォルマントｊ（ｊ＝１，２，…，Ｊ）について
R_P,k(i,j)≒R_P,k’(i,j)=M(j,0)+x_kM(j,1)
と仮定し、
{R_P,k(i,j)-R_P,k’(i,j)}²
の値が最小となるＭ（ｊ，ｍ）を求める。例えば、各ｊ（ｊ＝１，２，…，Ｊ）について下記計算を行う。

（線形回帰推定部１４７）
線形回帰推定部１４７は、線形回帰係数Ｍ（ｊ，ｍ）と目標とする音声明瞭度スコアｘとを受け取り、これらの値を用いて、目標周期性パワー比Ｒ_Ｔ（ｊ）を求める。例えば全てのｊ（ｊ＝１，２，…，Ｊ）について、下記式を計算して求める。
R_T(j)=M(x,j)=M(j,0)+xM(j,1)
ただし、Ｍ（ｘ，ｊ）は、周期性パワー比回帰モデルを表す。

＜周期性パワー変換部１５０＞
周期性パワー変換部１５０は、フォルマント周波数Ｆ（ｉ，ｊ）、周期性パワーＰ_Ｐ（ｉ，ｆ）及び目標周期性パワー比Ｒ_Ｔ（ｊ）を受け取り、フォルマント周波数Ｆ（ｉ，ｊ）を用いて、目標周期性パワー比Ｒ_Ｔ（ｊ）となるように、周期性パワーＰ_Ｐ（ｉ，ｆ）を変換し（ｓ１５０）、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）を第二パラメータ変換部１６０に出力する。

図１５は周期性パワー変換部１５０の機能ブロック図を、図１６はその処理フローを示す。

周期性パワー変換部１５０は、第二パワー比計算部１５１、フィルタ生成部１５２、乗算部１５３とを含む。なお、第二パワー比計算部１５１は、第一パワー比計算部１４５と同様の機能、構成を持つ。

第一パワー比計算部１４５は、周期性パワーＰ_Ｐ（ｉ，ｆ）及びフォルマント周波数Ｆ（ｉ，ｊ）を受け取り、これらの値を用いて、周期性パワー比Ｒ_Ｐ（ｉ，ｊ）を求め（ｓ１５１）、フィルタ生成部１５２に出力する。

（フィルタ生成部１５２）
フィルタ生成部１５２は、周期性パワー比Ｒ_Ｐ（ｉ，ｊ）、フォルマント周波数Ｆ（ｉ，ｊ）及び目標周期性パワー比Ｒ_T（ｊ）を受け取り、これらの値を用いて、音声明瞭度を変換するために周期性パワーＰ_Ｐ（ｉ，ｆ）を変換するフィルタｒ（ｉ，ｆ）を生成し（ｓ１５２）、乗算部１５３に出力する。

フィルタｒ（ｉ，ｆ）は、図１２の相関性に基づいて、第二パワー比計算部１５１で求めた帯域［ｆ_Ｌ（ｊ），ｆ_Ｈ（ｊ）］（ｊ＝１，２，…，Ｊ）において、周期性パワーを、ｑ（ｊ）＝Ｒ_T（ｊ）／Ｒ_Ｐ（ｉ，ｊ）倍するものを構成すれば、周期性パワーを目標周期性パワー比そのものに変換することができる。

しかし、ｆ_Ｈ（ｊ）とｆ_Ｌ（ｊ＋１）との境界で周期性パワーが不連続になった場合、スペクトルの不連続部分で異音が発生し自然性が劣化してしまうことが考えられる。そのため、例えば、図１７のように、フォルマントｊの位置ｆ＝Ｆ’（ｊ）＝［２Ｆ（ｉ，ｊ）×Ｎ／Ｆ_ｓ］においてフィルタｒ（ｉ，ｆ）＝ｑ（ｊ）＝Ｒ_Ｔ（ｊ）／Ｒ_Ｐ（ｉ，ｊ）とし、その他の位置において線形補完されたフィルタｒ（ｉ，ｆ）を構成すれば、周期性パワー比を目標周期性パワー比に近づけながら自然な周期性パワーを求めることができると考えられる。このように、フィルタ生成部１５２では、下記アルゴリズムによって、各帯域でＲ_Ｔ（ｊ）／Ｒ_Ｐ（ｉ，ｊ）倍するフィルタｒ（ｉ，ｆ）を構成する。以下、図１８を用いてフィルタ生成部１５２の処理を説明する。

ｉに初期値を設定する（ｓ１５２ａ）。

ｊ＝０，１，…，Ｊ，Ｊ＋１について、以下のようにＦ’（ｊ）、ｑ（ｊ）を求める（ｓ１５２ｂ〜ｓ１５２ｍ）。

ｓ１５２ｂ〜ｓ１５２ｍの処理を終えると、各ｊ（ｊ＝１，２，…，Ｊ）のｆ＝Ｆ’（ｊ−１），Ｆ’（ｊ−１）＋１，…，Ｆ’（ｊ）−１について、フィルタｒ（ｉ，ｆ）を以下の式により求める（ｓ１５２ｎ〜ｓ１５２ｒ）。

ｉをインクリメントし、ｉが［Ｔ／ｐ−１］よりも大きくなるまで、ｓ１５２ｂ〜ｓ１５２ｒを繰り返す（ｓ１５２ｓ）。

（乗算部１５３）
乗算部１５３は、周期性パワーＰ_Ｐ（ｉ，ｆ）及びフィルタｒ（ｉ，ｆ）を受け取り、周期性パワーＰ_Ｐ（ｉ，ｆ）にフィルタｒ（ｉ，ｆ）を乗じ、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）を算出する（ｓ１５３）。

例えば、全てのフレームｉ（ｉ＝０，１，…，［Ｔ／ｐ−１］）、全ての帯域ｆ（ｆ＝０，１，…，Ｎ−１）について、下記式を計算する。
P_P’(i,f)=r(i,f)P_P(i,f)

＜第二パラメータ変換部１６０＞
第二パラメータ変換部１６０は、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）と非周期性パワーＰ_Ａ（ｉ，ｆ）とを受け取り、これらの値を用いて、目標周期性パワー比Ｒ_Ｔ（ｊ）に対応するスペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）とを求め（ｓ１６０）、音声合成部１７０に出力する。

スペクトルパワーは周期性パワーと非周期性パワーとを合わせた音声パワーであり、非周期性指標は音声スペクトル中の非周期成分の割合である。よって、全ての帯域ｆ（ｆ＝０，１，…，Ｎ−１）、フレームｉ（ｉ＝０，１，…，［Ｔ／ｐ−１］）について以下の二つの式を計算する。
P’(i,f)=P_P’(i,f)+P_A(i,f)
A’(i,f)=20log₁₀{P_A(i,f)/P’(i,f)}

＜音声合成部１７０＞
音声合成部１７０は、スペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）と基本周波数ｆ_０（ｉ）とを受け取り、これらの値を用いて、音声明瞭度変換後の音声データｓ’（ｔ）を合成し（ｓ１７０）、出力する。例えば、参考文献１記載の音声合成方法により音声データを合成する。音声合成部１７０は、第一音声分析部１１０と入出力の関係が逆となっており、スペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）と基本周波数ｆ_０（ｉ）とに基づいて、音声明瞭度変換後の音声データｓ’（ｔ）を合成する。

＜効果＞
このような構成により、音声のノイズ感が増すことなく、音声の自然性を保ったまま、音声明瞭度を変換することができる。例えば、雑音があるような騒がしい環境でも音声の自然性を保ったまま、音量を大きくすることなく、音声明瞭度を向上させることができる。また、不特定多数の人がいる環境でも、自然性を保ったまま、音量を小さくすることなく、音声明瞭度を低下させることができ、周囲に音が漏れることを防止できる。
＜その他の変形例＞
本発明は上記の実施形態及び変形例に限定されるものではない。

例えば、音声明瞭度として上述の音声明瞭度スコアを用いているが、音声の聞き取りやすさを表す指標であればどのようなものを用いてもよい。

また、本実施形態では、目標周期性パワー比推定部１４０の内部で、線形回帰係数Ｍ（ｊ，ｍ）を求めているが、他の装置で求めた線形回帰係数Ｍ（ｊ，ｍ）を図示しない記憶部に格納しておき、目標周期性パワー比Ｒ_Ｔ（ｊ）のみを求める構成としてもよい。この場合、目標周期性パワー比推定部１４０には、線形回帰推定部１４７のみ備えればよい。さらに、必ずしも、以下の式
R_T(j)=M(x,j)=M(j,0)+xM(j,1)
により、目標周期性パワー比Ｒ_Ｔ（ｊ）を求めなくともよい。例えば、目標とする音声明瞭度ｘが１，２，３，４，５の何れかの数値を取ると分っている場合には、予めｘに対応する目標周期性パワー比Ｒ_Ｔ（ｊ）を予め計算しておき、ｘと紐付けて記憶部に記憶しておき、目標とする音声明瞭度ｘを入力されたときに対応する目標周期性パワー比Ｒ_Ｔ（ｊ）を記憶部から取得する構成としてもよい。

また、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。

＜プログラム及び記録媒体＞
上述した音声明瞭度変換装置は、コンピュータにより機能させることもできる。この場合はコンピュータに、目的とする装置（各種実施形態で図に示した機能構成をもつ装置）として機能させるためのプログラム、またはその処理手順（各実施形態で示したもの）の各過程をコンピュータに実行させるためのプログラムを、ＣＤ−ＲＯＭ、磁気ディスク、半導体記憶装置などの記録媒体から、あるいは通信回線を介してそのコンピュータ内にダウンロードし、そのプログラムを実行させればよい。

１００ 音声明瞭度変換装置
１１０ 第一音声分析部
１２０ 第一パラメータ変換部
１３０，１４４ フォルマント抽出部
１４０ 目標周期性パワー比推定部
１４１ 音声データベース
１４２ 第二音声分析部
１４３ 第三パラメータ変換部
１４５ 第一パワー比計算部
１４５ 第一パワー比計算部
１４６ 線形回帰分析部
１４７ 線形回帰推定部
１５０ 周期性パワー変換部
１５１ 第二パワー比計算部
１５２ フィルタ生成部
１５３ 乗算部
１６０ 第二パラメータ変換部
１７０ 音声合成部

Claims (9)

1. 音声の聞き取りやすさである音声明瞭度を変更する音声明瞭度変換装置であって、
   音声分析を行い、対象音声データｓ（ｔ）からスペクトルパワーＰ（ｉ，ｆ）、非周期性指標Ａ（ｉ，ｆ）及び基本周波数を抽出する第一音声分析部と、
   前記非周期性指標Ａ（ｉ，ｆ）を用いて、前記スペクトルパワーＰ（ｉ，ｆ）を非周期性パワーと周期性パワーＰ_Ｐ（ｉ，ｆ）とに分離する第一パラメータ変換部と、
   前記対象音声データｓ（ｔ）を用いて、所定のサンプル間隔でフォルマント周波数Ｆ（ｉ，ｊ）を抽出するフォルマント抽出部と、
   目標とする音声明瞭度ｘを受け取り、その音声明瞭度ｘに対応する周期性パワー比である目標周期性パワー比Ｒ _Ｔ （ｊ）を求める目標周期性パワー比推定部と、
   前記フォルマント周波数Ｆ（ｉ，ｊ）を用いて、前記目標周期性パワー比Ｒ _Ｔ （ｊ）となるように、前記周期性パワーＰ_Ｐ（ｉ，ｆ）を変換する周期性パワー変換部と、
   変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）と前記非周期性パワーとを用いて、前記目標周期性パワー比Ｒ _Ｔ （ｊ）に対応するスペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）とを求める第二パラメータ変換部と、
   前記スペクトルパワーＰ’（ｉ，ｆ）、前記非周期性指標Ａ’（ｉ，ｆ）及び前記基本周波数を用いて、変換後音声データｓ’（ｔ）を合成する音声合成部とを含む、
   音声明瞭度変換装置。
2. 請求項１記載の音声明瞭度変換装置であって、
   前記目標周期性パワー比推定部は、
   Ｋを１以上の整数とし、ｋ＝１，２，…Ｋとし、音声明瞭度変換に先立ち、Ｋ個の学習用音声データｓ_ｋ（ｔ）と、各学習用音声データｓ_ｋ（ｔ）に対する音声明瞭度ｘ_ｋとが格納される音声データベースと、
   音声分析を行い、学習用音声データｓ_ｋ（ｔ）からスペクトルパワーＰ_ｋ（ｉ，ｆ）、非周期性指標Ａ_ｋ（ｉ，ｆ）を抽出する第二音声分析部と、
   前記非周期性指標Ａ_ｋ（ｉ，ｆ）を用いて、前記スペクトルパワーＰ_ｋ（ｉ，ｆ）から周期性パワーＰ_Ｐ，ｋ（ｉ，ｆ）を分離する第三パラメータ変換部と、
   前記学習用音声データｓ_ｋ（ｔ）を用いて、所定のサンプル間隔でフォルマント周波数Ｆ_ｋ（ｉ，ｊ）を抽出するフォルマント抽出部と
   前記周期性パワーＰ_Ｐ，ｋ（ｉ，ｆ）及び前記フォルマント周波数Ｆ_ｋ（ｉ，ｊ）を用いて、各フォルマント部分のスペクトルが占めるパワーの割合である周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）を求める第一パワー比計算部と、
   前記音声明瞭度ｘ_ｋと前記周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）の線形回帰分析を行い、線形回帰係数Ｍ（ｊ，ｍ）を求める線形回帰分析部と、
   前記線形回帰係数Ｍ（ｊ，ｍ）と目標とする前記音声明瞭度ｘとを用いて、前記目標周期性パワー比Ｒ_Ｔ（ｊ）を求める線形回帰推定部とを含む、
   音声明瞭度変換装置。
3. 請求項１または請求項２記載の音声明瞭度変換装置であって、
   前記周期性パワー変換部は、
   前記周期性パワーＰ_Ｐ（ｉ，ｆ）及び前記フォルマント周波数Ｆ（ｉ，ｊ）を用いて、各フォルマント部分のスペクトルが占めるパワーの割合である周期性パワー比Ｒ_Ｐ（ｉ，ｊ）を求める第二パワー比計算部と、
   前記周期性パワー比Ｒ_Ｐ（ｉ，ｊ）、前記フォルマント周波数Ｆ（ｉ，ｊ）及び前記目標周期性パワー比Ｒ_T（ｊ）を用いて、フィルタｒ（ｉ，ｆ）を生成するフィルタ生成部と、
   前記周期性パワーＰ_Ｐ（ｉ，ｆ）に前記フィルタｒ（ｉ，ｆ）を乗じ、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）を算出する乗算部とを含む、
   音声明瞭度変換装置。
4. 請求項２記載の音声明瞭度変換装置であって、
   前記第一パワー比計算部において、前記周期性パワー比Ｒ_Ｐ，ｋ （ｉ，ｊ）を
   
   
   
   として求める、
   音声明瞭度変換装置。
5. 請求項３記載の音声明瞭度変換装置であって、
   前記第二パワー比計算部において、前記周期性パワー比Ｒ _Ｐ （ｉ，ｊ）を
   
   
   
   として求める、
   音声明瞭度変換装置。
6. 音声の聞き取りやすさである音声明瞭度を変更する音声明瞭度変換方法であって、
   音声分析を行い、対象音声データｓ（ｔ）からスペクトルパワーＰ（ｉ，ｆ）、非周期性指標Ａ（ｉ，ｆ）及び基本周波数を抽出する第一音声分析ステップと、
   前記非周期性指標Ａ（ｉ，ｆ）を用いて、前記スペクトルパワーＰ（ｉ，ｆ）を非周期性パワーと周期性パワーＰ_Ｐ（ｉ，ｆ）とに分離する第一パラメータ変換ステップと、
   前記対象音声データｓ（ｔ）を用いて、所定のサンプル間隔でフォルマント周波数Ｆ（ｉ，ｊ）を抽出するフォルマント抽出ステップと、
   目標とする音声明瞭度ｘを受け取り、その音声明瞭度ｘに対応する周期性パワー比である目標周期性パワー比Ｒ _Ｔ （ｊ）を求める目標周期性パワー比推定ステップと、
   前記フォルマント周波数Ｆ（ｉ，ｊ）を用いて、前記目標周期性パワー比Ｒ _Ｔ （ｊ）となるように、前記周期性パワーＰ_Ｐ（ｉ，ｆ）を変換する周期性パワー変換ステップと、
   変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）と前記非周期性パワーとを用いて、前記目標周期性パワー比Ｒ _Ｔ （ｊ）に対応するスペクトルパワーＰ’（ｉ，ｆ）と非周期性指標Ａ’（ｉ，ｆ）とを求める第二パラメータ変換ステップと、
   前記スペクトルパワーＰ’（ｉ，ｆ）、前記非周期性指標Ａ’（ｉ，ｆ）及び前記基本周波数を用いて、変換後音声データｓ’（ｔ）を合成する音声合成ステップとを含む、
   音声明瞭度変換方法。
7. 請求項６記載の音声明瞭度変換方法であって、
   前記目標周期性パワー比推定ステップは、
   Ｋを１以上の整数とし、ｋ＝１，２，…Ｋとし、音声明瞭度変換に先立ち、Ｋ個の学習用音声データｓ_ｋ（ｔ）と、各学習用音声データｓ_ｋ（ｔ）に対する音声明瞭度ｘ_ｋとが格納される音声データベースと、
   音声分析を行い、学習用音声データｓ_ｋ（ｔ）からスペクトルパワーＰ_ｋ（ｉ，ｆ）、非周期性指標Ａ_ｋ（ｉ，ｆ）を抽出する第二音声分析ステップと、
   前記非周期性指標Ａ_ｋ（ｉ，ｆ）を用いて、前記スペクトルパワーＰ_ｋ（ｉ，ｆ）から周期性パワーＰ_Ｐ，ｋ（ｉ，ｆ）を分離する第三パラメータ変換ステップと、
   前記学習用音声データｓ_ｋ（ｔ）を用いて、所定のサンプル間隔でフォルマント周波数Ｆ_ｋ（ｉ，ｊ）を抽出するフォルマント抽出ステップと
   前記周期性パワーＰ_Ｐ，ｋ（ｉ，ｆ）及び前記フォルマント周波数Ｆ_ｋ（ｉ，ｊ）を用いて、各フォルマントステップ分のスペクトルが占めるパワーの割合である周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）を求める第一パワー比計算ステップと、
   前記音声明瞭度ｘ_ｋと前記周期性パワー比Ｒ_Ｐ，ｋ（ｉ，ｊ）の線形回帰分析を行い、線形回帰係数Ｍ（ｊ，ｍ）を求める線形回帰分析ステップと、
   前記線形回帰係数Ｍ（ｊ，ｍ）と目標とする前記音声明瞭度ｘとを用いて、前記目標周期性パワー比Ｒ_Ｔ（ｊ）を求める線形回帰推定ステップとを含む、
   音声明瞭度変換方法。
8. 請求項６または請求項７記載の音声明瞭度変換方法であって、
   前記周期性パワー変換ステップは、
   前記周期性パワーＰ_Ｐ（ｉ，ｆ）及び前記フォルマント周波数Ｆ（ｉ，ｊ）を用いて、各フォルマントステップ分のスペクトルが占めるパワーの割合である周期性パワー比Ｒ_Ｐ（ｉ，ｊ）を求める第二パワー比計算ステップと、
   前記周期性パワー比Ｒ_Ｐ（ｉ，ｊ）、前記フォルマント周波数Ｆ（ｉ，ｊ）及び前記目標周期性パワー比Ｒ_T（ｊ）を用いて、フィルタｒ（ｉ，ｆ）を生成するフィルタ生成ステップと、
   前記周期性パワーＰ_Ｐ（ｉ，ｆ）に前記フィルタｒ（ｉ，ｆ）を乗じ、変換後の周期性パワーＰ_Ｐ’（ｉ，ｆ）を算出する乗算ステップとを含む、
   音声明瞭度変換方法。
9. 請求項１から請求項５に記載の音声明瞭度変換装置として、コンピュータを機能させるためのプログラム。