JPH04125699A - 残差駆動型音声合成装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （イ）産業上の利用分野 本発明は、任意の言葉を発声することが可能な音声合成
装置、特に残差駆動を行う残差駆動型音声合成装置に関
する。

（ロ）従来の技術 近年、任意の文章から音声を合成するための規則合成手
法の研究が盛んであり、現在では、新聞の校閲装置や盲
人用読書機などに試作、実用化されているものがある。

任意の文章から音声を合成するための規Ｕ！１合成装置
は、例えば、テキスト入力に対し、文章解析を行って読
みがなやアクセントを決定し、音韻規則から、必要な合
成単位である音声素片（例えばＣＶＣ単位）を決定して
結合し、韻律規則から、声の高さなどを決定して、音声
パラメータの時系列とピッチパターンを生成し、これら
のパラメータから音源とディジタルフィルタを構成する
ことにより合成音声を生成する。

このような音声合成手法に用いる音声パラメータとして
は、ＬＳＰやフォルマントなどが一般的であり、一方、
音源としては、メモリの削減と処理の簡単化のため、イ
ンパルスと白色雑音が用いられていた。

而して、ＬＳＰなど線形予測系の音声合成では予測残差
を駆動音源として用いることにより、原音声に近い合成
音声を得られることが証明されており、「昭和５６年度
日本音響学会秋季研究発表会講演論文集ｌ−２−１６Ｊ
に示されように、規則合成に対しても、駆動音源として
残差を用いる手法が提案されている。これは、規則合成
に用いる合成単位である音声素片と共に、音声素片のす
べてに対し、残差波形を蓄え、音声合成時の駆動音源と
して用いるものである。

しかし、規則合成に対し、残差を駆動音源として用いた
場合、以下のような問題が生じる。すなわち、規則合成
においては、種々のピッチ周期で合成音を生成されるた
め、音源のピッチ周ル１を任意に変更できることが必要
となる。インパルスと白色雑音を音源とする場合は、イ
ンパルスの時間間隔を変更するだけでピッチ周期の変更
が可能であるが、残差を駆動音源とする場合には、何ら
かの方法で残差のピッチ周期を変更しなければならない
。

従って、−船釣には、上記講演論文集にも示されている
ように、ピッチ周期を長くする場合には伸長部分にＯが
詰められ、短くする場合には残差波形を途中で切り捨て
ることにより、ピッチ周期の変更が行われている。この
とき、残差を変更後のピッチ周期ごとに接続した時、残
差のスペクトルに歪みが生じ、音質劣化の原因となる。

これに対し、最新の「平成元年度日本音響学会春季研究
発表会講演論文集２−７−１８Ｊに示されるごとく、ピ
ッチ周期の変更により生じるスペクトル歪みが最小とな
るように、残差の切り出し位置を決定する方法が提案さ
れており、男声においては、ピッチ周期の変更に対し、
良質な合成音声を得ることができたと報告されているが
、零詰め切り捨てによるピッチ周期変更の影響が大きい
女声については、合成音声の劣化が大きい。

（ハ）発明が解決しようとする課題 本発明は、上記の課題を解決するため、ピッチの変更量
と音質の劣化量に相関があることに着目し、規則合成で
必要となる各音声素片に対し、ピッチ周期の異なる残差
を複数個蓄え、その中から合成すべき音声のピッチ周期
に最も近いピッチ周期の残差を選択し、これを駆動音源
として用いる事により、ピッチ周期の変更による合成音
声の劣化の回避を可能とした残差駆動型音声合成装置を
実現するものである。

（ニ）課題を解決するための手段 本発明の残差駆動型音声合成装置は、音声合成に必要な
音声パラメータの列である音声素片を蓄える第１のメモ
リ、各音声素片に対応する残差を蓄える第２のメモリ、
発声すべき内容がら必要な音声素片を示す記号列を生成
する音韻記号列生成部、発声内容からピッチ周期の変化
を決定するピッチパターン生成部、該音韻記号列生成部
により生成された記号列に基づいて必要な音声素片を順
次接続する音声素片接続部、接続された音声素片に含ま
れる音声パラメータを係数として音声を合成する音声合
成フィルタ、音声素片に対応する残差を駆動音源とし、
上記ピッチパターン生成部で決定された各時点でのピッ
チ周期に応じて、残差のピッチ周期を変更して上記合成
フィルタに入力する駆動音源生成部、並びに上記第２の
メモリに蓄えられた複数の残差の中から特定の残差を選
釈する残差選択回路からなる。

（ホ）作用 残差駆動型音声合成装置では、ピッチ周期を変更は、従
来から、残差の一部に零データを挿入したり、一部を切
り捨てることにより行われていたが、そのために音質の
劣化が生じる。ところが、実験によると、残差のピッチ
周期の変更を施した時の、ピッチ変更量と音質の関係は
、ピッチ周期を長くする（音程を低くする）場合も、ピ
ッチ周期を短くする（音程を高くする）場合もピッチ周
期の変更量が大きい程、主観評価の評価値は悪くなり、
音質は劣化している。

本発明の残差駆動型音声合成装置は、上記第２のメモリ
に蓄えられた複数の残差の中から特定の残差を選択する
残差選択回路を設けたものであるので、上記第１のメモ
リに蓄えられた音声素片に対応して、ピッチ周期の異な
る複数の残差を第２のメモリに蓄え、前記ピッチパター
ン生成部で決定された各時点でのピッチ周期に応じて、
適切なピッチ周期の残差を第２のメモリから上記残差選
択回路が選択し、選択された残差に対して駆動音源生成
部が必要なピッチ周期の変更を行うことができる。

（へ）実施例 本発明の残差駆動型音声合成装置と対比説明するために
、まず、従来装置について解説する。

第１図は一般的な残差駆動型音声合成装置の構成例を示
したものである。但し、同図には、言語処理の部分は含
んでおらず、入力はかな文字とアクセントの位置情報な
どで行われる。

同図の装置によれば、まず、入力情報が文字列バッファ
（１）に入力される。例えば、入力情報として「た＊べ
に　き＊た。」と入力されると、音韻記号列生成部（２
）は、文字列ノくツファ（１）に蓄えられた入力情報を
必要な音声素片を示す音韻記号に変換する。この例では
、合成単位をＣｖ素片とした場合について述べるため、
音韻記号列バッファ（３）に第２図に示すような音韻記
号列が蓄えられる。

音声素片メモリ（４）には、各ＣＶ素片に対応した音声
パラメータ、例えば、ＬＳＰ係数などが蓄えられており
、音韻記号列バッファ（３）に蓄えられた音韻記号に従
って、必要な音声素片が音声素片メモリ（４）がら、音
声素片接続部（５）に順次読み出される。そして、読み
出された音声素片は、音声素片接続部（５）で接続され
、継続長の調整や補間処理等が施された後、音声パラメ
ータバッファ（６）に蓄えられる。

一方、文字列バッファ（１）に蓄えられたアクセント情
報（＊）と文節の切れ目を示す情報（スペース）から、
ピッチパターン生成部（７）において、ピッチの変化パ
ターンが生成される。第４図はピッチパターンが生成さ
れる過程を「た＊べに　きネな。」の例で図示したもの
であって、第３図（イ）に示すように文章全体にわたっ
て下降するフレーズ成分に対し、アクセント位置（＊）
の直後に下降する同図（ロ）のアクセント成分が加算さ
れ、第３図（ハ）に示すピッチ変化パターンが生成され
る。

また、残差波形メモリ（８）では、各音声素片に対応し
て、残差波形とそのピッチ周期が蓄えられており、順次
読み出された音声素片に対応する残差波形とそのピッチ
周期が、駆動音源生成部（９）に読み出され、ピッチパ
ターン生成部（７）で生成されたピッチの変化パターン
に従ってピッチの変更が行われた後、接続されて駆動音
源バッファ（１０）に蓄えられる。

駆動音源バッファ（１０）に蓄えられた駆動音源は、合
成フィルタ（１１）に音源として入力され、音声パラメ
ータバッファに蓄えられた音声パラメータを合成フィル
タ（１１）の係数として、合成音声が生成される。合成
された音声はＤＡ変換Ｗ（１２）でアナログ信号に変換
され、スピーカ（１３）で発音される。

本発明の従来の残差駆動型音声合成装置の駆動音源生成
部（９）は第４図に示す如く、残差波形メモリ（８）か
ら読み出された残差波形が残差波形バッファ（９１）に
、その残差波形のピッチ周期が残差ピッチ周期レジスタ
（９２）に蓄えられる。一方、ピッチパターン生成部（
７）で生成されたピッチ変化パターンは、各時点のピッ
チ周期の形で生成ピッチ周期バッファ（９３）に蓄えら
れる。そして、生成ピッチ周期バッファ（９３）に蓄え
られたピッチ周期のうち、その時点で合成すべき音声の
ピッチ周期が、目標ピッチ周期レジスタ（９４）にセッ
トされる。差分器（９５）は、残差ピッチ周期レジスタ
（９２）に蓄えられた読み出されている残差波形のピッ
チ周期と、目標ピッチ周期レジスタ（９４）にセットさ
れたの合成すべき音声のピッチ周期の差を計算し、ピッ
チ周期変更値レジスタ（９６）に蓄える。ピッチ制御回
路（９７）はピッチ周期変更値レジスタ（９６）の内容
に基づいて、ピッチ周期変更値が正の時は、残差波形バ
ッファ（９１）に蓄えられている残差に対し、変更値分
だけ零データを挿入してピッチ周期を長くし、ピッチ周
期変更値が１１の時は、残差波形を切り捨てることによ
って、ピッチ周期を短くして、駆動音源バッファ（１０
）に残差波形を蓄える。

以上のような構成で所望のピッチ変化パターンの音声を
合成できるが、このような従来方法では例えば、残差波
形メモリ　（８）に、ピッチ周期が３３、すなわち、ピ
ッチ周波数が３０１（Ｚ（サンプリング周期がｌ０ＫＨ
２の場合）の音声素片ｒｔａ」に対応する残差波形が蓄
えられていた場合、「た＊べに　き＊な。」の最初の「
た」は平均約４００）（Ｚ、最後の「た」は平均約２２
０Ｈ２で合成しなければならないため、１０前後のピッ
チ周期の零詰め切り捨てが必要となｒ）（４００ＨＺ　
＝ピッチ周期２５．２２０　Ｎｉ２−ピッチ周期４５）
、残差のスペクトルが歪み合成音声が劣化する。さらに
長い文章の場合、ピッチ周期の変更量が増大することも
生じる。

これに対して、第５図に本発明を実現する駆動音源生成
部（９）の構成例を示す。

同図の本発明装置に於ては、同一の音声素片に対し、ピ
ッチ周期の異なる残差波形を複数個、例えば６種類、残
差波形メモリ（８）に蓄えており各音声素片に対応して
、６種類の残差波形が蓄えられている先頭アドレスが、
残差アドレスレジスタ１　　（９８１）〜残差アドレス
レジスタ６（９８６）にセットされる。また、同時に、
各残差波形のピッチ周期も読み出され、残差ピッチ周期
レジスタ１　　（９２１）〜残差ピッチ周期レジスタ６
（９２６）にセットされる。

第６図は、残差ピッチ周期レジスタ１（９２１）〜残差
ピッチ周期レジスタ６（９２６）にセットされるピッチ
周期の例を示したものである。第６図に示すように、種
々のピッチ周期の残差波形が、各音声素片に対応して、
残差波形メモリ（８）に蓄えられている。

一方、ピッチパターン生成部（７）で生成されたピッチ
変化パターンは、各時点のピッチ周期の形で生成ピッチ
周期バッファ（９３）に蓄えられる。そして、生成ピッ
チ周期バッファ（９３）に蓄えられたピッチ周期のうち
、その時点で合成すべき音声のピッチ周期が、目標ピッ
チ周期レジスタ（９４）にセットされる。

第３図の例では、まず最初の「た」に対応するピッチ周
波数４００Ｈ２から、ピッチ周期２５（サンプリング周
波数１０ＫＨ２の時）が目標ピッチ周期レジスタ（９４
）にセットされる。差分器（９５）は、まず、残差ピッ
チ周期レジスタ（９２１）に蓄えられた２０を読みだし
、目標ピッチ周期レジスタ（９４）の値である２５との
差をとり、差分値５を出力し、その値は比較器（９９）
の一方の入力に取り込まれる。比較器（９９）の出力に
接続されたピッチ周期変更値レジスタ（９６）には、現
時点で最も少ない差分値が蓄えられており、初期値は大
きな値として１００が入力されている。比較器は、ピッ
チ周期変更値レジスタ（９６）にセットされている１０
０と差分器（９５）の出力である５とを比較し、絶対値
の少ない方の値５を出力して、ピッチ周期変更値レジス
タ（９６）にセットするとともに、その時点で差分回路
（９５）に入力されている残差ピッチ周期レジスタ（９
２１）に対応する残差アドレスレジスタ１（９８１）の
内容を残差アドレスレジスタ（９８）にセットする。

次に、差分器（９５）は、残差ピッチ周期レジスタ（９
２２Ｈこ蓄えられた２６を２売みだし、目標ピッチ周期
レジスタ（９４）の値である２５との差をとり、差分［
１を出力し、その値は比較器（９９）の一方の入力に取
り込まれる。比較器（９９）の出力に接続されたピッチ
周期変更値レジスタ（９６）には、時点で最も少ない差
分値５が蓄えられている。比較器は、ピッチ周期変更値
レジスタ（９６）にセットされている５と差分器（９５
）の出力である１とを比較し、絶対値の少ない方の［１
を出力して、ピッチ周期変更値レジスタ（９６）にセッ
トするとともに、その時点で差分回路（９５）に入力さ
れている残差ピッチ周期レジスタ（９２２）に対応する
残差アドレスレジスタ１　　（９８２）の内容を残差ア
ドレスレジスタ（９８）にセットする。逆にピッチ周期
変更値レジスタ（９６）にセットされている値の絶対値
の方が小さい場合は、残差アドレスレジスタ（９８）の
値はそのまま保存される。

以上の操作を繰り返すことにより、合成すべきピッチ周
期２５と最も近いピッチ周期２６が残差ピッチ周期レジ
スタ１〜６の中から選択され、その差分値、すなわちピ
ッチ周期を変更すべき量である１がピッチ周期変更値レ
ジスタ（９６）にセットされる。また、残差アドレスレ
ジスタ（９８）には、選択された残差ピッ千周Ｎルジス
タ２（９２２）に対応する残差アドレスレジスタ２（９
８２）の値がセットされる。そして、最初の「た」を合
成する際には、残差波形バッファ（９１）に、残差アド
レスレジスタ（９８）に格納されたアドレスから残差が
読みこまれ、ピッチ制御回路（９７）によって、】だけ
零データが挿入される。

同様に、最後の「たＪに対しては、ピッチ周期４４の残
差アドレスレジスタ５（９８５）の先頭アドレスが、残
差アドレスレジスタ（９８）に格納され、そのアドレス
に従って、残差波形が残差波形バッファ（９１）に読み
込まれる。合成すべきピッチ周期は４５であり、ピッチ
周期変更値レジスタ（９６）には最終的に−１がセット
されりため、ピッチ制御回路（９７）によって、ｌだけ
残差波形の切り捨てが行われる。

本発明は以上のような構成であるため、残差波形のピッ
チ周期を変更する際、実施例の場合、最大でも３だけピ
ッチ周期の零詰め切り捨てを行うだけで十分なピッチ制
御が可能となる。

（ト）発明の効果 本発明の残差駆動型音声合成装置は、同一の音声素片に
対し、ピッチ周期の異なる残差を複数個蓄えているため
、規則から生成されたピッチパターンに従うピッチ周期
に、残差波形のピッチ周期を変更する際、例えば、合成
すべきピッチ周期に最も近いピッチ周期の残差波形を利
用して駆動音源を生成するため、ピッチの変更量を大幅
に減少させることができ、残差波形のピッチ変更による
音質の劣化を回避することができる。

【図面の簡単な説明】

第１図は一敏的な残差駆動型音声合成装置の構成図、第
２図は音韻記号の配列図、第３図はピッチパターンのパ
ターン図、第４図は従来の残差駆動型音声合成装置にお
ける駆動音源生成部の構成図、第５図は本発明を実現す
る駆動音源生成部の構成図、第６図は残差ピッチ周期レ
ジスタ１〜６の配列図である。 （１）・・・文字列バッファ、（２）・・・音韻記号列
生成部、（３）・・・音韻記号列バッファ、（４）・音
声素片メモリ、（５）・・・音声素片接続部、（６）・
・・音声パラメータバッファ、（７）・・・ピッチパタ
ーン生成部、（８）・・・残差波形メモリ、（９）・・
・残差音源生成部、（１０）・・・駆動音源バッファ、
（１１）・・・合成フィルタ、（１２）・・・ＤＡ変換
器、（１３）・・・スピーカ、（９１）・・・残差波形
バッファ、（９２）・・・残差ピッチ周ルｌレジスタ、
（９２１）〜（９２６）・・・残差ピッチ周期レジスタ
１〜６、（９３）・・・生成ピッチ周期バッファ、　（
９４）・・・目標ピッチ周期レジスタ、（９５）・・・
差分器、（９６）・・・ピッチ周期変更値レジスタ、（
９７）・・・ピッチ制御回路、（９８）・・・残差アド
レスレジスタ、　（９８１）〜（９８６）・・・残差ア
ドレスレジスタ１〜６、（９９）・・・比較器。

Claims (2)

【特許請求の範囲】
1. （１）音声合成に必要な音声パラメータの列である音声
   素片を蓄える第１のメモリ、各音声素片に対応する残差
   を蓄える第２のメモリ、発声すべき内容から必要な音声
   素片を示す記号列を生成する音韻記号列生成部、発声内
   容からピッチ周期の変化を決定するピッチパターン生成
   部、該音韻記号列生成部により生成された記号列に基づ
   いて必要な音声素片を順次接続する音声素片接続部、接
   続された音声素片に含まれる音声パラメータを係数とし
   て音声を合成する音声合成フィルタ、音声素片に対応す
   る残差を駆動音源とし、上記ピッチパターン生成部で決
   定された各時点でのピッチ周期に応じて、残差のピッチ
   周期を変更して上記合成フィルタに入力する駆動音源生
   成部を備えてなる残差駆動型音声合成装置に於て、 上記第２のメモリに蓄えられた複数の残差の中から特定
   の残差を選択する残差選択回路を設け、上記第１のメモ
   リに蓄えられた音声素片に対応して、ピッチ周期の異な
   る複数の残差を第２のメモリに蓄え、前記ピッチパター
   ン生成部で決定された各時点でのピッチ周期に応じて、
   適切なピッチ周期の残差を第２のメモリから上記残差選
   択回路が選択し、選択された残差に対して駆動音源生成
   部が必要なピッチ周期の変更を行うことを特徴とする残
   差駆動型音声合成装置。
2. （２）上記残差選択回路は、上記ピッチパターン生成部
   で決定された各時点でのピッチ周期に最も近いピッチ周
   期の残差を、上記第２のメモリ中の残差の中から選択す
   る事を特徴とした請求項１記載の残差駆動型音声合成装
   置。