JPH05257490A - 話速変換方法および装置 - Google Patents
話速変換方法および装置Info
- Publication number
- JPH05257490A JPH05257490A JP4051787A JP5178792A JPH05257490A JP H05257490 A JPH05257490 A JP H05257490A JP 4051787 A JP4051787 A JP 4051787A JP 5178792 A JP5178792 A JP 5178792A JP H05257490 A JPH05257490 A JP H05257490A
- Authority
- JP
- Japan
- Prior art keywords
- section
- voice
- silent
- voiced
- speed
- 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.)
- Granted
Links
Abstract
(57)【要約】
【目的】 発話時間を伸張させることなく、全体として
ゆっくりとした聞きやすい音声に変換すること。 【構成】 ＣＰＵ（２）、ＰＲＯＭ（３），入力バッフ
ァ（４），処理バッファ（５）およびファイル（６）等
を有する。そして、これらを用いて入力音声データを有
声，無声，無音に識別・区分し（Ｓ２）、無音区間を聴
感上の違和感のない範囲で最短に短縮し（Ｓ１３，Ｓ１
４）、かつ有声区間に対しては声立てと次の声立ての区
間を単位にして（Ｓ６，Ｓ７）、この区間の開始点では
ゆっくりとした話速を設定し、終了点に向って音声のピ
ッチ（基本周波数）の大まかな変化に追随して徐々に話
速を速めるように処理する（Ｓ８）。
ゆっくりとした聞きやすい音声に変換すること。 【構成】 ＣＰＵ（２）、ＰＲＯＭ（３），入力バッフ
ァ（４），処理バッファ（５）およびファイル（６）等
を有する。そして、これらを用いて入力音声データを有
声，無声，無音に識別・区分し（Ｓ２）、無音区間を聴
感上の違和感のない範囲で最短に短縮し（Ｓ１３，Ｓ１
４）、かつ有声区間に対しては声立てと次の声立ての区
間を単位にして（Ｓ６，Ｓ７）、この区間の開始点では
ゆっくりとした話速を設定し、終了点に向って音声のピ
ッチ（基本周波数）の大まかな変化に追随して徐々に話
速を速めるように処理する（Ｓ８）。
Description
【０００１】
【産業上の利用分野】本発明は、聴覚障害者や高齢者等
の音声聴取に好適な話速変換方法および装置に関する。
の音声聴取に好適な話速変換方法および装置に関する。
【０００２】
【発明の概要】本発明は、聴覚障害者や高齢者等の音声
聴取に好適な話速変換方法および装置に関するものであ
って、受聴音声の発声する速さ（話速）を遅くする際
に、文章間の無音区間を聴感上違和感のない範囲で最短
に短縮し、かつ話速を一定の規則に基づいて変化させる
ことにより、発話時間を原音声の発話時間に保ったまま
全体としてゆっくりとした聴きやすい良好な音声に変換
することを図るものである。
聴取に好適な話速変換方法および装置に関するものであ
って、受聴音声の発声する速さ（話速）を遅くする際
に、文章間の無音区間を聴感上違和感のない範囲で最短
に短縮し、かつ話速を一定の規則に基づいて変化させる
ことにより、発話時間を原音声の発話時間に保ったまま
全体としてゆっくりとした聴きやすい良好な音声に変換
することを図るものである。
【０００３】
【従来の技術】品質を保ったまま、話速を変換する技術
自体が発展途上である上、実時間（枠）との「ずれ」を
考慮した技術は未開発である。
自体が発展途上である上、実時間（枠）との「ずれ」を
考慮した技術は未開発である。
【０００４】
【発明が解決しようとする課題】音声の話速のみを一様
に遅くすることにより、特に高齢者や聴覚障害者等にと
っては、はるかに聴きやすくすることが可能であるが、
この操作によって音声の発話時間も必然的に伸張する。
しかし、放送や朗読カセット等では、伸張前の音声の発
話時間は、決められた時間内に収まるように発話されて
いるから、このような音声を伸張すると上記制限時間内
に収まらなくなる可能性が生じる。また、テレビジョン
等のように音声と映像を同期して提供するような場合
に、音声のみを伸張すると、映像との間に時間的な「ず
れ」が生じ、これが聞き取りに悪影響を及ぼすことが考
えられる。
に遅くすることにより、特に高齢者や聴覚障害者等にと
っては、はるかに聴きやすくすることが可能であるが、
この操作によって音声の発話時間も必然的に伸張する。
しかし、放送や朗読カセット等では、伸張前の音声の発
話時間は、決められた時間内に収まるように発話されて
いるから、このような音声を伸張すると上記制限時間内
に収まらなくなる可能性が生じる。また、テレビジョン
等のように音声と映像を同期して提供するような場合
に、音声のみを伸張すると、映像との間に時間的な「ず
れ」が生じ、これが聞き取りに悪影響を及ぼすことが考
えられる。
【０００５】本発明の目的は、上述した時間的な「ず
れ」に伴う問題点を解決するため、発話音声中の意味上
重要な部分の話速は適度に遅くし、それ以外の部分は逆
に速めることによって、発話時間を実質的に伸張させる
ことなく、全体としてゆっくりとした聞きやすい音声に
変換する話速変換方法および装置を提供することにあ
る。
れ」に伴う問題点を解決するため、発話音声中の意味上
重要な部分の話速は適度に遅くし、それ以外の部分は逆
に速めることによって、発話時間を実質的に伸張させる
ことなく、全体としてゆっくりとした聞きやすい音声に
変換する話速変換方法および装置を提供することにあ
る。
【０００６】
【課題を解決するための手段】上記目的を達成するた
め、本発明の第１の形態は、受聴音声の発声する速さ
（以下、話速という）を遅くする際に、文章間の無音区
間を聴感上違和感のない範囲で最短に短縮し、かつ話速
を一定の規則に基づいて変化させるものである。
め、本発明の第１の形態は、受聴音声の発声する速さ
（以下、話速という）を遅くする際に、文章間の無音区
間を聴感上違和感のない範囲で最短に短縮し、かつ話速
を一定の規則に基づいて変化させるものである。
【０００７】また、本発明の第２の形態は、前記一定の
規則は、話速を音声のピッチ（基本周波数）の変化に応
じて、ピッチの高いところでは話速を緩め、低いところ
では話速を速めるという規則であるとするのが好適であ
る。
規則は、話速を音声のピッチ（基本周波数）の変化に応
じて、ピッチの高いところでは話速を緩め、低いところ
では話速を速めるという規則であるとするのが好適であ
る。
【０００８】また、本発明の第３の形態は、前記一定の
規則は、声立てと次の声立ての区間を単位にしてこの区
間の開始点ではゆっくりとした話速を設定し、その終了
点に向って音声の基本周波数の大まかな変化に追随して
徐々に話速を速めるという規則であるとするのが好適で
ある。
規則は、声立てと次の声立ての区間を単位にしてこの区
間の開始点ではゆっくりとした話速を設定し、その終了
点に向って音声の基本周波数の大まかな変化に追随して
徐々に話速を速めるという規則であるとするのが好適で
ある。
【０００９】また、本発明の第４の形態は、音声信号を
有声，無声，無音の別に識別する音声識別手段と、該音
声識別手段により識別された無音区間が文章間の無音区
間か否かを判定する無音区間判定手段と、該無音区間判
定手段により文章間の無音区間と判定された場合は当該
無音区間を聴感上違和感のない範囲で最短に短縮する無
音区間短縮手段と、前記識別手段により識別された有声
区間が声立て開始のものか否かを判定する有声区間判定
手段と、該有声区間判定手段により声立て開始と判定さ
れた場合は声立てと次の声立ての区間を単位にしてこの
区間の開始点ではゆっくりとした話速を設定し、その終
了点に向って音声のピッチ（基本周波数）の大まかな変
化に追随して徐々に話速を速める話速変換処理を行う有
声区間伸張手段とを具備したものである。
有声，無声，無音の別に識別する音声識別手段と、該音
声識別手段により識別された無音区間が文章間の無音区
間か否かを判定する無音区間判定手段と、該無音区間判
定手段により文章間の無音区間と判定された場合は当該
無音区間を聴感上違和感のない範囲で最短に短縮する無
音区間短縮手段と、前記識別手段により識別された有声
区間が声立て開始のものか否かを判定する有声区間判定
手段と、該有声区間判定手段により声立て開始と判定さ
れた場合は声立てと次の声立ての区間を単位にしてこの
区間の開始点ではゆっくりとした話速を設定し、その終
了点に向って音声のピッチ（基本周波数）の大まかな変
化に追随して徐々に話速を速める話速変換処理を行う有
声区間伸張手段とを具備したものである。
【００１０】
【作用】本発明は、受聴音声の発声する速さ（話速）を
遅くする際に、無音区間を聴感上の違和感なく最短に短
縮し、かつ、話速を音声のピッチ（基本周波数）の変化
に応じて、ピッチの高いところでは話速を緩め、低いと
ころでは話速を速めるという規則で変化させることに特
徴がある。
遅くする際に、無音区間を聴感上の違和感なく最短に短
縮し、かつ、話速を音声のピッチ（基本周波数）の変化
に応じて、ピッチの高いところでは話速を緩め、低いと
ころでは話速を速めるという規則で変化させることに特
徴がある。
【００１１】その一例として本発明では、文章間の無音
区間に着目し、この無音区間を聴感上違和感のない範囲
で最短に短縮し、かつ、話速を固定ではなく、声立てと
次の声立ての区間単位にしてこの区間の開始点ではゆっ
くりとした話速を設定し、その終了点に向って音声の基
本周波数の大まかな変化に追随して徐々に話速を速める
ようにしている。
区間に着目し、この無音区間を聴感上違和感のない範囲
で最短に短縮し、かつ、話速を固定ではなく、声立てと
次の声立ての区間単位にしてこの区間の開始点ではゆっ
くりとした話速を設定し、その終了点に向って音声の基
本周波数の大まかな変化に追随して徐々に話速を速める
ようにしている。
【００１２】従って、本発明によれば、受聴者の希望に
あったゆっくりとした聴きやすい音声を発話時間が伸張
することなく、実時間の枠内で聴取することが可能にな
る。
あったゆっくりとした聴きやすい音声を発話時間が伸張
することなく、実時間の枠内で聴取することが可能にな
る。
【００１３】
【実施例】以下、図面を参照して本発明の実施例を詳細
に説明する。
に説明する。
【００１４】（１）装置構成 図１に本発明の一実施例の装置構成を示す。音声入力回
路１は音声信号を入力するための一般的な構成の回路で
あり、必要に応じて例えばマイクロホン、音調回路、ア
ナログディジタル変換器、音声記憶再生（録音）回路、
音声記憶媒体（例えば、ＩＣメモリ、ハードディスク、
フロッピーディスクまたはＶＴＲ）、およびインタフェ
ース回路等を包含している。ＣＰＵ（中央演算処理装
置）２は装置全体の制御および演算等を司り、例えば公
知のワンチップマイクロコンピュータやパーソナルコン
ピュータ等が適用できる。プログラムメモリ（ＰＲＯ
Ｍ）３はＣＰＵ２が実行する本発明に係わる図２に示す
ような制御手順（プログラム）、およびテーブル、定数
等をあらかじめ格納している。
路１は音声信号を入力するための一般的な構成の回路で
あり、必要に応じて例えばマイクロホン、音調回路、ア
ナログディジタル変換器、音声記憶再生（録音）回路、
音声記憶媒体（例えば、ＩＣメモリ、ハードディスク、
フロッピーディスクまたはＶＴＲ）、およびインタフェ
ース回路等を包含している。ＣＰＵ（中央演算処理装
置）２は装置全体の制御および演算等を司り、例えば公
知のワンチップマイクロコンピュータやパーソナルコン
ピュータ等が適用できる。プログラムメモリ（ＰＲＯ
Ｍ）３はＣＰＵ２が実行する本発明に係わる図２に示す
ような制御手順（プログラム）、およびテーブル、定数
等をあらかじめ格納している。
【００１５】入力バッファ４および処理バッファ５はＣ
ＰＵ２が作業域として使用する不図示のＲＡＭ（ランダ
ムアクセスメモリ）内に確保されており、音声入力回路
１から入力されたディジタル音声信号は後述のフレーム
単位で順次入力バッファ４に一時格納され、次に入力バ
ッファ４に格納された音声信号は後述のセグメント毎に
処理バッファ５に一時格納される。ファイル６は本発明
に係わる有声区間の伸張と無音区間の短縮の処理を施さ
れた音声信号を格納するメモリであり、例えば上記のＲ
ＡＭの他に、ＩＣメモリやフロッピーディスク等の音声
記憶媒体が適用できる。
ＰＵ２が作業域として使用する不図示のＲＡＭ（ランダ
ムアクセスメモリ）内に確保されており、音声入力回路
１から入力されたディジタル音声信号は後述のフレーム
単位で順次入力バッファ４に一時格納され、次に入力バ
ッファ４に格納された音声信号は後述のセグメント毎に
処理バッファ５に一時格納される。ファイル６は本発明
に係わる有声区間の伸張と無音区間の短縮の処理を施さ
れた音声信号を格納するメモリであり、例えば上記のＲ
ＡＭの他に、ＩＣメモリやフロッピーディスク等の音声
記憶媒体が適用できる。
【００１６】音声出力回路７はファイル６内の音声信号
を外部に出力するための一般的な構成の回路であり、必
要に応じて例えばインタフェース回路、ディジタルアナ
ログ変換器、スピーカー、録音装置（あるいは放送機
器）等を包含している。なお、後述の図２に示す手順を
公知技術により全てハード化して専用機として構成する
ことも勿論可能である。
を外部に出力するための一般的な構成の回路であり、必
要に応じて例えばインタフェース回路、ディジタルアナ
ログ変換器、スピーカー、録音装置（あるいは放送機
器）等を包含している。なお、後述の図２に示す手順を
公知技術により全てハード化して専用機として構成する
ことも勿論可能である。
【００１７】（２）動作例 図２は本発明の一実施例の動作手順を示す。本実施例で
は、受聴音声の発声する速さ（話速）を遅くする際に、
無音区間を聴感上の違和感なく最短に短縮し、かつ発話
音声中の意味上重要な部分は通例音声のピッチ（基本周
波数）が高いところであり、そのピッチの高いところは
通例声立て開始時であるということに着目して、声立て
と次の声立ての区間を単位にしてこの区間の開始点では
ゆっくりとした話速を設定し、終了点に向って音声の基
本周波数の大まかな変化に追随して徐々に話速を速める
ように処理している。
は、受聴音声の発声する速さ（話速）を遅くする際に、
無音区間を聴感上の違和感なく最短に短縮し、かつ発話
音声中の意味上重要な部分は通例音声のピッチ（基本周
波数）が高いところであり、そのピッチの高いところは
通例声立て開始時であるということに着目して、声立て
と次の声立ての区間を単位にしてこの区間の開始点では
ゆっくりとした話速を設定し、終了点に向って音声の基
本周波数の大まかな変化に追随して徐々に話速を速める
ように処理している。
【００１８】ステップＳ１：まず最初に音声入力回路１
からの入力音声信号をフレームと呼ばれる一定長の部分
に切り出し、入力バッファ４に格納する。本実施例で
は、フレーム長は例えば３．３ｍｓである。
からの入力音声信号をフレームと呼ばれる一定長の部分
に切り出し、入力バッファ４に格納する。本実施例で
は、フレーム長は例えば３．３ｍｓである。
【００１９】ステップＳ２：フレーム毎に有声、無声、
無音の判定を行う。この判定方法として、一例として公
知の自己相関法と零クロス法を適用できる。勿論その他
の判定方法でもよい。人が発声する有声および無声以外
の入力音（例えば、低レベルの雑音や背景音等）は原則
として無音として処理する。
無音の判定を行う。この判定方法として、一例として公
知の自己相関法と零クロス法を適用できる。勿論その他
の判定方法でもよい。人が発声する有声および無声以外
の入力音（例えば、低レベルの雑音や背景音等）は原則
として無音として処理する。
【００２０】ステップＳ３：今回と前回のフレームの上
記種類が同じであればステップＳ１に戻り、異なった場
合、例えば有声から無声に変化すれば後段の処理に進
む。これにより同一種類（区間）の音声が入力バッファ
４に格納されることになる。
記種類が同じであればステップＳ１に戻り、異なった場
合、例えば有声から無声に変化すれば後段の処理に進
む。これにより同一種類（区間）の音声が入力バッファ
４に格納されることになる。
【００２１】ステップＳ４：１秒間に発声されるモーラ
数の平均から、後述のスレッショールド値Ｔｈ１，Ｔｈ
２，Ｔｈ３を設定する。モーラは、短母音を含む１音節
の長さに相当する。日本語ではほぼ仮名１文字（拗音で
は２字）に相当する。なお、このステップＳ４の処理は
最初の段階のときだけ、あるいは所定時間毎に行っても
よい。
数の平均から、後述のスレッショールド値Ｔｈ１，Ｔｈ
２，Ｔｈ３を設定する。モーラは、短母音を含む１音節
の長さに相当する。日本語ではほぼ仮名１文字（拗音で
は２字）に相当する。なお、このステップＳ４の処理は
最初の段階のときだけ、あるいは所定時間毎に行っても
よい。
【００２２】ステップＳ５：無声または無音から始まっ
て有声で終わる区間を１ブロック（Ｂn ：ｎ＝１，２，
…）とする。このブロック内ではステップＳ２の判定に
応じて無音区間（ａn ）、無声区間（ｂn ）、有声区間
（Ｃn ）の３つに大別され、その区間毎に下記の各処理
系に送られる。ｂ1 とｃ1 の境界の時刻をｔ1,s と表現
し、初回の声立てをα１とする（図３参照）。
て有声で終わる区間を１ブロック（Ｂn ：ｎ＝１，２，
…）とする。このブロック内ではステップＳ２の判定に
応じて無音区間（ａn ）、無声区間（ｂn ）、有声区間
（Ｃn ）の３つに大別され、その区間毎に下記の各処理
系に送られる。ｂ1 とｃ1 の境界の時刻をｔ1,s と表現
し、初回の声立てをα１とする（図３参照）。
【００２３】ステップＳ６：図３に示すように、ｎ番目
の有声区間の開始点（ｔn,s ）と１つの前の有声区間の
終了点（ｔn-1,e ）との間の時間間隔Ｔn （Ｔn ＝ｔ
n,s −ｔn-1,e ）を算出する。
の有声区間の開始点（ｔn,s ）と１つの前の有声区間の
終了点（ｔn-1,e ）との間の時間間隔Ｔn （Ｔn ＝ｔ
n,s −ｔn-1,e ）を算出する。
【００２４】ステップＳ７：Ｔn と声立てを判別するた
めのスレッショールド値Ｔｈ１とを比較する。Ｔn があ
るスレッショールド値Ｔｈ１を越えた場合には、ｔn,s
の時点を声立てαm と判断し（図３参照）、ステップＳ
８に進む。なお、本処理の開始時点で前の有声区間がな
いときは後述のステップＳ１１に飛ぶ。
めのスレッショールド値Ｔｈ１とを比較する。Ｔn があ
るスレッショールド値Ｔｈ１を越えた場合には、ｔn,s
の時点を声立てαm と判断し（図３参照）、ステップＳ
８に進む。なお、本処理の開始時点で前の有声区間がな
いときは後述のステップＳ１１に飛ぶ。
【００２５】ステップＳ８：１つ前の声立てαm-1 と１
つ前の有声区間の終了点ｔn-1,e の範囲を１セグメント
とする。図３の例では、Ｔ5 ＝ｔ6,s −ｔ5,e ＞Ｔｈ１
とすると、ｔ6,s の時点が声立てα2 、区間（ｔ5,e −
ｔ1,s ）が１セグメントとなる。そして、ステップＳ１
１，Ｓ１２，Ｓ１５の処理によりこれまでに処理バッフ
ァ５に格納されている１セグメントの開始点の有声区間
長の伸張倍率ｒs を１≦ｒs ≦２の範囲内であらかじめ
決めた値に設定して伸張する。この伸張倍率をこのセグ
メントの終了点に向って徐々に小さくし、終了点の有声
区間長の伸張倍率ｒe が０．７≦ｒe ≦１となるように
する。図４に図３のセグメント１に属する有声区間の伸
張倍率の求め方の一例を示す。セグメント開始点の有声
区間ｃ1は伸張されてｃ1 ′＝ｒs ・ｃ1 、ｃ2 はｃ
2 ′＝ｒ2 ・ｃ2 となる。セグメント終了点の有声区間
ｃ5 はｃ5 ′＝ｒe ・ｃ5 となるが、ｒe はｒe ≦１で
あるから、実際的には短縮される。有声区間以外の無音
区間ａn 、無声区間ｂn については処理を施さず、不変
である。
つ前の有声区間の終了点ｔn-1,e の範囲を１セグメント
とする。図３の例では、Ｔ5 ＝ｔ6,s −ｔ5,e ＞Ｔｈ１
とすると、ｔ6,s の時点が声立てα2 、区間（ｔ5,e −
ｔ1,s ）が１セグメントとなる。そして、ステップＳ１
１，Ｓ１２，Ｓ１５の処理によりこれまでに処理バッフ
ァ５に格納されている１セグメントの開始点の有声区間
長の伸張倍率ｒs を１≦ｒs ≦２の範囲内であらかじめ
決めた値に設定して伸張する。この伸張倍率をこのセグ
メントの終了点に向って徐々に小さくし、終了点の有声
区間長の伸張倍率ｒe が０．７≦ｒe ≦１となるように
する。図４に図３のセグメント１に属する有声区間の伸
張倍率の求め方の一例を示す。セグメント開始点の有声
区間ｃ1は伸張されてｃ1 ′＝ｒs ・ｃ1 、ｃ2 はｃ
2 ′＝ｒ2 ・ｃ2 となる。セグメント終了点の有声区間
ｃ5 はｃ5 ′＝ｒe ・ｃ5 となるが、ｒe はｒe ≦１で
あるから、実際的には短縮される。有声区間以外の無音
区間ａn 、無声区間ｂn については処理を施さず、不変
である。
【００２６】すなわち、一般に声立て部分（一単位の中
の前半部分）の音声は意味上、重要であることが多いの
で、上記のように話速を適度に遅くすることによって聴
きやすさが向上する。話速の変化は、適当な関数ｆ
（ｔ）を用いて変化させる。本実施例では、一例として
図４に示すような余弦関数を用いた。この場合、ｆ
（ｔ）は次式（１）で表現される。
の前半部分）の音声は意味上、重要であることが多いの
で、上記のように話速を適度に遅くすることによって聴
きやすさが向上する。話速の変化は、適当な関数ｆ
（ｔ）を用いて変化させる。本実施例では、一例として
図４に示すような余弦関数を用いた。この場合、ｆ
（ｔ）は次式（１）で表現される。
【００２７】
【数１】
【００２８】ステップＳ９：ステップＳ８で話速変換さ
れた音声データをファイル６に落とす。
れた音声データをファイル６に落とす。
【００２９】ステップＳ１０：処理バッファ５をクリア
する。
する。
【００３０】ステップＳ１１：ステップＳ７でＴn ≦Ｔ
ｈ１の場合、またはステップＳ１０を処理した場合はこ
のステップＳ１１に進む。ステップＳ７が否定判定の場
合は有声区間が一単位に収まっていると判断し、この有
声区間を処理バッファ５に蓄える。ステップＳ１０を通
った場合は声立て開始時点の有声区間が処理バッファ５
に蓄えられることになる。入力バッファ４を次の音声デ
ータの処理のためにクリアし、本処理作業の終了指示が
発生されてなければ（ステップＳ１６）ステップＳ１に
戻る。
ｈ１の場合、またはステップＳ１０を処理した場合はこ
のステップＳ１１に進む。ステップＳ７が否定判定の場
合は有声区間が一単位に収まっていると判断し、この有
声区間を処理バッファ５に蓄える。ステップＳ１０を通
った場合は声立て開始時点の有声区間が処理バッファ５
に蓄えられることになる。入力バッファ４を次の音声デ
ータの処理のためにクリアし、本処理作業の終了指示が
発生されてなければ（ステップＳ１６）ステップＳ１に
戻る。
【００３１】ステップＳ１２：無声区間については、入
力バッファ４から常に処理バッファ５に転送して蓄え
る。その後、入力バッファ４をクリアし、ステップＳ１
６を経てステップＳ１に戻る。
力バッファ４から常に処理バッファ５に転送して蓄え
る。その後、入力バッファ４をクリアし、ステップＳ１
６を経てステップＳ１に戻る。
【００３２】ステップＳ１３：音声の種類別区間が無音
区間の場合は、無音区間の長さと、文章間の区切り（句
点）を判別するためのスレッショールド値Ｔｈ２とを比
較する。無音区間がＴｈ２を越えた場合、この無音区間
を文章と文章の区切り（句点）と判断し、次のステップ
Ｓ１４に進み、それ以外はステップＳ１５に飛ぶ。
区間の場合は、無音区間の長さと、文章間の区切り（句
点）を判別するためのスレッショールド値Ｔｈ２とを比
較する。無音区間がＴｈ２を越えた場合、この無音区間
を文章と文章の区切り（句点）と判断し、次のステップ
Ｓ１４に進み、それ以外はステップＳ１５に飛ぶ。
【００３３】ステップＳ１４：句点と判定した無音区間
を以下の手順で短縮する。
を以下の手順で短縮する。
【００３４】聴感上の違和感なく最短に短縮するため、
短縮無音区間の時間長はスレッショールド値Ｔｈ３とな
る。無音区間の時間長をａn 、削除する区間の時間長を
ｄn、削除後の無音区間の時間長をｅn とした場合、ｅn
は図５の（Ｂ）に示すように、 ｅn ＝ａn −ｄn ・・・（２） となる。この際、分析時の無音範囲の指定誤りから、無
声部分までも長い無音の一部と識別してしまう可能性が
あるため、ａn の先頭から、ｄn を削除するのではな
く、図５の（Ａ）に示すように、ａn の中心点からｄn
部分を削除する。また、ｄn の両端には、数ｍｓのテー
パーをかけて平滑化し、これによりクリック音の発生を
防止する。ここでの無音とは前述のように人から発生さ
れた音声以外の音を含むので、この平滑化処理が有用と
なる。
短縮無音区間の時間長はスレッショールド値Ｔｈ３とな
る。無音区間の時間長をａn 、削除する区間の時間長を
ｄn、削除後の無音区間の時間長をｅn とした場合、ｅn
は図５の（Ｂ）に示すように、 ｅn ＝ａn −ｄn ・・・（２） となる。この際、分析時の無音範囲の指定誤りから、無
声部分までも長い無音の一部と識別してしまう可能性が
あるため、ａn の先頭から、ｄn を削除するのではな
く、図５の（Ａ）に示すように、ａn の中心点からｄn
部分を削除する。また、ｄn の両端には、数ｍｓのテー
パーをかけて平滑化し、これによりクリック音の発生を
防止する。ここでの無音とは前述のように人から発生さ
れた音声以外の音を含むので、この平滑化処理が有用と
なる。
【００３５】上式（２）においてｅn の値はｅn ≧Ｔｈ
３での範囲で可変値として設定してもよいが、処理を簡
単にするためｅn をＴｈ３に近い一定値（例えば８６２
ｍｓ）に設定した場合は、上式（２）からｄn はａn に
より変わる可変値となる。次に、ステップＳ１５に進
む。
３での範囲で可変値として設定してもよいが、処理を簡
単にするためｅn をＴｈ３に近い一定値（例えば８６２
ｍｓ）に設定した場合は、上式（２）からｄn はａn に
より変わる可変値となる。次に、ステップＳ１５に進
む。
【００３６】ステップＳ１５：無音区間を処理バッファ
５に蓄える。入力バッファ４をクリアし、ステップＳ１
６を経てステップＳ１に戻る。
５に蓄える。入力バッファ４をクリアし、ステップＳ１
６を経てステップＳ１に戻る。
【００３７】ステップＳ１６：音声入力回路１に音声信
号のデータがなくなった場合、あるいは作業中止命令が
あった場合は本処理ルーチンは終了し、メインの待機ル
ーチン等に復帰する。
号のデータがなくなった場合、あるいは作業中止命令が
あった場合は本処理ルーチンは終了し、メインの待機ル
ーチン等に復帰する。
【００３８】（３）実験例 本実施例の実験例では、１３６秒のニュース文に適応し
たが、この場合、話速の平均が９．６モーラ／秒であ
り、これを基に、Ｔｈ１，Ｔｈ２，Ｔｈ３をＴｈ１＝３
５０ｍｓ、Ｔｈ２＝Ｔｈ３＝１０００ｍｓに設定した。
この時、心理実験により、話速制御については、一単位
内の開始点の話速（有声区間長の伸張倍率）が原音声の
１．０〜１．３倍、終了点の話速が０．９〜１．０倍の
範囲では自然性、わかりやすさにおいて高い評価が得ら
れ、また、無音区間の短縮については、短縮した無音区
間（ｅn ）が最低でも８６２ｍｓ存在すれば、聴感上違
和感がないという知見が得られた。
たが、この場合、話速の平均が９．６モーラ／秒であ
り、これを基に、Ｔｈ１，Ｔｈ２，Ｔｈ３をＴｈ１＝３
５０ｍｓ、Ｔｈ２＝Ｔｈ３＝１０００ｍｓに設定した。
この時、心理実験により、話速制御については、一単位
内の開始点の話速（有声区間長の伸張倍率）が原音声の
１．０〜１．３倍、終了点の話速が０．９〜１．０倍の
範囲では自然性、わかりやすさにおいて高い評価が得ら
れ、また、無音区間の短縮については、短縮した無音区
間（ｅn ）が最低でも８６２ｍｓ存在すれば、聴感上違
和感がないという知見が得られた。
【００３９】その結果から、話速を１．２倍というゆっ
くりした話速から０．９２倍という速い話速に変化さ
せ、長い無音区間（文章間の「ま」）を１２００ｍｓに
短縮することによって、原音声、変換音声とも発話時間
が合致し、良好な話速変換音声が得られることが確認で
きた。
くりした話速から０．９２倍という速い話速に変化さ
せ、長い無音区間（文章間の「ま」）を１２００ｍｓに
短縮することによって、原音声、変換音声とも発話時間
が合致し、良好な話速変換音声が得られることが確認で
きた。
【００４０】（４）その他の実施例 上記実施例のステップＳ８（図２参照）の処理中におい
て、話速が変わってもそのピッチが変わらないように処
理することにより、高品質の音質が保てる。この処理方
法としては、例えば特願平３−２４５９６０号「話速制
御型補聴方法および装置」に開示された音声信号の処理
方法が好適である。
て、話速が変わってもそのピッチが変わらないように処
理することにより、高品質の音質が保てる。この処理方
法としては、例えば特願平３−２４５９６０号「話速制
御型補聴方法および装置」に開示された音声信号の処理
方法が好適である。
【００４１】また、上記実施例において有声区間長の伸
張倍率ｒs ，ｒe 無音区間の削除後の時間長ｅn 等をあ
らかじめ決めた一定値としたが、ダイヤルやキーボード
等から使用者が希望の値にセット可能な可変値としても
よい。これにより、例えば視聴者の希望に合せたり、あ
るいは放送時間内にぴったりと合わせる編集作業等がよ
り容易となる。
張倍率ｒs ，ｒe 無音区間の削除後の時間長ｅn 等をあ
らかじめ決めた一定値としたが、ダイヤルやキーボード
等から使用者が希望の値にセット可能な可変値としても
よい。これにより、例えば視聴者の希望に合せたり、あ
るいは放送時間内にぴったりと合わせる編集作業等がよ
り容易となる。
【００４２】また、上記実施例の有声区間の伸張処理の
代りに、音声のピッチ（基本周波数）を公知のピッチ抽
出方法により直接検出し、ピッチの変化に応じて、ピッ
チの高いところでは話速を緩め、低いところでは話速を
速めるように処理してもよい。
代りに、音声のピッチ（基本周波数）を公知のピッチ抽
出方法により直接検出し、ピッチの変化に応じて、ピッ
チの高いところでは話速を緩め、低いところでは話速を
速めるように処理してもよい。
【００４３】
【発明の効果】以上説明したように、本発明によれば、
受聴音声の発声する速さ（話速）を遅くする際に、文章
間の無音区間を聴感上の違和感なく最短に短縮し、か
つ、話速を一定の規則に基づいて変化させるようにした
ので、発話時間を原音声の発話時間に保ったまま全体と
してゆっくりとした聴きやすい良好な音声に変換できる
効果が得られる。
受聴音声の発声する速さ（話速）を遅くする際に、文章
間の無音区間を聴感上の違和感なく最短に短縮し、か
つ、話速を一定の規則に基づいて変化させるようにした
ので、発話時間を原音声の発話時間に保ったまま全体と
してゆっくりとした聴きやすい良好な音声に変換できる
効果が得られる。
【図１】本発明の一実施例の装置構成を示すブロック図
である。
である。
【図２】本発明の一実施例の処理内容を示すフローチャ
ートである。
ートである。
【図３】本発明の一実施例の処理に基づく音声データの
セグメンテーションを示す線図である。
セグメンテーションを示す線図である。
【図４】本発明の一実施例の話速変化を示すタイミング
チャートである。
チャートである。
【図５】本発明の一実施例の処理に基づく原波形（Ａ）
と文章間の長い無音区間を短縮した波形（Ｂ）とを示す
波形図である。
と文章間の長い無音区間を短縮した波形（Ｂ）とを示す
波形図である。
１ 音声入力回路 ２ ＣＰＵ ３ ＰＲＯＭ ４ 入力バッファ ５ 処理バッファ ６ ファイル ７ 音声出力回路 ａn 無音区間 ｂn 無声区間 ｃn 有声区間 ｃn ′ 伸張した有声区間 Ｂn 無声または無音から始まって有声で終わる区間 Ｔｈ１ 声立てを判別するためのスレッショールド値 Ｔｈ２ 文章間の区切り（句点）を判別するためのスレ
ッショールド値 ｒs 開始点における有声区間長の伸張倍率 ｒe 終了点における有声区間長の伸張倍率
ッショールド値 ｒs 開始点における有声区間長の伸張倍率 ｒe 終了点における有声区間長の伸張倍率
Claims (4)
- 【請求項１】 受聴音声の発声する速さ（以下、話速と
いう）を遅くする際に、文章間の無音区間を聴感上違和
感のない範囲で最短に短縮し、かつ話速を一定の規則に
基づいて変化させることを特徴とする話速変換方法。 - 【請求項２】 請求項１において、前記一定の規則は、
話速を音声のピッチ（基本周波数）の変化に応じて、ピ
ッチの高いところでは話速を緩め、低いところでは話速
を速めるという規則であることを特徴とする話速変換方
法。 - 【請求項３】 請求項１において、前記一定の規則は、
声立てと次の声立ての区間を単位にしてこの区間の開始
点ではゆっくりとした話速を設定し、その終了点に向っ
て音声の基本周波数の大まかな変化に追随して徐々に話
速を速めるという規則であることを特徴とする話速変換
方法。 - 【請求項４】 音声信号を有声，無声，無音の別に識別
する音声識別手段と、 該音声識別手段により識別された無音区間が文章間の無
音区間か否かを判定する無音区間判定手段と、 該無音区間判定手段により文章間の無音区間と判定され
た場合は当該無音区間を聴感上違和感のない範囲で最短
に短縮する無音区間短縮手段と、 前記識別手段により識別された有声区間が声立て開始の
ものか否かを判定する有声区間判定手段と、 該有声区間判定手段により声立て開始と判定された場合
は声立てと次の声立ての区間を単位にしてこの区間の開
始点ではゆっくりとした話速を設定し、その終了点に向
って音声の基本周波数の大まかな変化に追随して徐々に
話速を速める話速変換処理を行う有声区間伸張手段とを
具備したことを特徴とする話速変換装置。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05178792A JP3249567B2 (ja) | 1992-03-10 | 1992-03-10 | 話速変換方法および装置 |
| US07/950,411 US5305420A (en) | 1991-09-25 | 1992-09-22 | Method and apparatus for hearing assistance with speech speed control function |
| EP92116292A EP0534410B1 (en) | 1991-09-25 | 1992-09-23 | Method and apparatus for hearing assistance with speech speed control function |
| DK92116292T DK0534410T3 (da) | 1991-09-25 | 1992-09-23 | Fremgangsmåde og apparat til hørehjælp med talehastighedsstyrefunktion |
| DK96119237T DK0766229T3 (da) | 1991-09-25 | 1992-09-23 | Fremgangsmåde og apparat til hørehjælp med talehastighedsstyrefunktion |
| EP96119237A EP0766229B1 (en) | 1991-09-25 | 1992-09-23 | Method and apparatus for hearing assistance with speech speed control function |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05178792A JP3249567B2 (ja) | 1992-03-10 | 1992-03-10 | 話速変換方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05257490A true JPH05257490A (ja) | 1993-10-08 |
| JP3249567B2 JP3249567B2 (ja) | 2002-01-21 |
Family
ID=12896658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP05178792A Expired - Lifetime JP3249567B2 (ja) | 1991-09-25 | 1992-03-10 | 話速変換方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3249567B2 (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1996037880A1 (fr) * | 1995-05-25 | 1996-11-28 | Sanyo Electric Co., Ltd. | Dispositif d'enregistrement et de reproduction |
| US5611018A (en) * | 1993-09-18 | 1997-03-11 | Sanyo Electric Co., Ltd. | System for controlling voice speed of an input signal |
| WO1997026647A1 (fr) * | 1996-01-19 | 1997-07-24 | Matsushita Electric Industrial Co., Ltd. | Changeur de vitesse de lecture |
| JP2000242300A (ja) * | 1999-02-22 | 2000-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 音声速度変換装置、音声速度変換方法および音声速度変換方法を実行するプログラムを記録した記録媒体 |
| JP2001312298A (ja) * | 2000-04-27 | 2001-11-09 | Nippon Hoso Kyokai <Nhk> | 話速変換処理装置、話速変換処理方法、記録媒体および話速変換処理装置の使用法 |
| JP2008146083A (ja) * | 1994-12-08 | 2008-06-26 | Univ California | 言語障害者間の語音の認識を向上させるための方法および装置 |
| JP2009080298A (ja) * | 2007-09-26 | 2009-04-16 | Nippon Hoso Kyokai <Nhk> | 補聴装置 |
| JP2011033789A (ja) * | 2009-07-31 | 2011-02-17 | Nippon Hoso Kyokai <Nhk> | 適応的な話速変換装置及びプログラム |
| JP2014228691A (ja) * | 2013-05-22 | 2014-12-08 | 日本電気株式会社 | 航空管制用音声通信装置および音声処理方法 |
| US9129609B2 (en) | 2011-01-28 | 2015-09-08 | Nippon Hoso Kyokai | Speech speed conversion factor determining device, speech speed conversion device, program, and storage medium |
-
1992
- 1992-03-10 JP JP05178792A patent/JP3249567B2/ja not_active Expired - Lifetime
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5611018A (en) * | 1993-09-18 | 1997-03-11 | Sanyo Electric Co., Ltd. | System for controlling voice speed of an input signal |
| JP2008146083A (ja) * | 1994-12-08 | 2008-06-26 | Univ California | 言語障害者間の語音の認識を向上させるための方法および装置 |
| WO1996037880A1 (fr) * | 1995-05-25 | 1996-11-28 | Sanyo Electric Co., Ltd. | Dispositif d'enregistrement et de reproduction |
| WO1997026647A1 (fr) * | 1996-01-19 | 1997-07-24 | Matsushita Electric Industrial Co., Ltd. | Changeur de vitesse de lecture |
| US6085157A (en) * | 1996-01-19 | 2000-07-04 | Matsushita Electric Industrial Co., Ltd. | Reproducing velocity converting apparatus with different speech velocity between voiced sound and unvoiced sound |
| JP2000242300A (ja) * | 1999-02-22 | 2000-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 音声速度変換装置、音声速度変換方法および音声速度変換方法を実行するプログラムを記録した記録媒体 |
| JP2001312298A (ja) * | 2000-04-27 | 2001-11-09 | Nippon Hoso Kyokai <Nhk> | 話速変換処理装置、話速変換処理方法、記録媒体および話速変換処理装置の使用法 |
| JP2009080298A (ja) * | 2007-09-26 | 2009-04-16 | Nippon Hoso Kyokai <Nhk> | 補聴装置 |
| JP2011033789A (ja) * | 2009-07-31 | 2011-02-17 | Nippon Hoso Kyokai <Nhk> | 適応的な話速変換装置及びプログラム |
| US9129609B2 (en) | 2011-01-28 | 2015-09-08 | Nippon Hoso Kyokai | Speech speed conversion factor determining device, speech speed conversion device, program, and storage medium |
| JP2014228691A (ja) * | 2013-05-22 | 2014-12-08 | 日本電気株式会社 | 航空管制用音声通信装置および音声処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3249567B2 (ja) | 2002-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6205420B1 (en) | Method and device for instantly changing the speed of a speech | |
| JP4523257B2 (ja) | 音声データ処理方法、プログラム及び音声信号処理システム | |
| JP3249567B2 (ja) | 話速変換方法および装置 | |
| JP4752516B2 (ja) | 音声対話装置および音声対話方法 | |
| JP2000152394A (ja) | 軽度難聴者用補聴装置、軽度難聴者対応伝送システム、軽度難聴者対応記録再生装置、及び軽度難聴者対応再生装置 | |
| JP4953767B2 (ja) | 音声生成装置 | |
| JP3266157B2 (ja) | 音声強調装置 | |
| JP3219892B2 (ja) | リアルタイム話速変換装置 | |
| JP2001184100A (ja) | 話速変換装置 | |
| JP3187242B2 (ja) | 話速変換装置 | |
| US7092884B2 (en) | Method of nonvisual enrollment for speech recognition | |
| JP6313619B2 (ja) | 音声信号処理装置及びプログラム | |
| JPH07230293A (ja) | 音声認識装置 | |
| US6934680B2 (en) | Method for generating a statistic for phone lengths and method for determining the length of individual phones for speech synthesis | |
| JP3102553B2 (ja) | 音声信号処理装置 | |
| JP2905112B2 (ja) | 環境音分析装置 | |
| JP4313724B2 (ja) | 音声再生速度調節方法、音声再生速度調節プログラム、およびこれを格納した記録媒体 | |
| JPH04115299A (ja) | 音声有音無音判定方法および装置 | |
| JP4260071B2 (ja) | 音声合成方法、音声合成プログラム及び音声合成装置 | |
| JPH10133678A (ja) | 音声再生装置 | |
| JP3187241B2 (ja) | 話速変換装置 | |
| JP2008102310A (ja) | 音声出力装置 | |
| JP3292218B2 (ja) | 音声メッセージ作成装置 | |
| JPH04338800A (ja) | 単語区間検出方法および装置 | |
| JP2001134299A (ja) | 話速変換装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081109 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091109 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101109 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111109 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121109 Year of fee payment: 11 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121109 Year of fee payment: 11 |