JPH06337696A - 速度変換制御装置と速度変換制御方法 - Google Patents
速度変換制御装置と速度変換制御方法Info
- Publication number
- JPH06337696A JPH06337696A JP5151207A JP15120793A JPH06337696A JP H06337696 A JPH06337696 A JP H06337696A JP 5151207 A JP5151207 A JP 5151207A JP 15120793 A JP15120793 A JP 15120793A JP H06337696 A JPH06337696 A JP H06337696A
- Authority
- JP
- Japan
- Prior art keywords
- speed conversion
- section
- voice
- compression
- time
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】速度変換制御にピッチ抽出を行う必要がなく、
音声以外の音が重畳していても速度変換制御ができる速
度変換制御装置を提供すること。 【構成】入力音声の包絡線を抽出する包絡線抽出手段１
００と、包絡線抽出手段１００の出力から音声の立ち上
がり部分を検出する立ち上がり検出手段１３０と、入力
音声から一定区間以上の無音区間を抽出する無音区間抽
出部１１０と、立ち上がり検出手段１００と無音区間抽
出手段１１０の出力信号に基づき圧縮、伸長率の時間変
化を決定する制御手段１４０と、制御手段１４０で圧
縮、伸長率が決定される間の時間を補償する遅延手段１
２０と、制御手段１２０から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段１５０とを
備える。 【効果】無音区間の直後に存在する音声の立ち上がり部
分を速度変換開始点とすることにより、ピッチ抽出を行
わない。
音声以外の音が重畳していても速度変換制御ができる速
度変換制御装置を提供すること。 【構成】入力音声の包絡線を抽出する包絡線抽出手段１
００と、包絡線抽出手段１００の出力から音声の立ち上
がり部分を検出する立ち上がり検出手段１３０と、入力
音声から一定区間以上の無音区間を抽出する無音区間抽
出部１１０と、立ち上がり検出手段１００と無音区間抽
出手段１１０の出力信号に基づき圧縮、伸長率の時間変
化を決定する制御手段１４０と、制御手段１４０で圧
縮、伸長率が決定される間の時間を補償する遅延手段１
２０と、制御手段１２０から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段１５０とを
備える。 【効果】無音区間の直後に存在する音声の立ち上がり部
分を速度変換開始点とすることにより、ピッチ抽出を行
わない。
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、音声速度変換に関する
信号処理分野における速度変換制御装置と速度変換制御
方法に関するものである。
信号処理分野における速度変換制御装置と速度変換制御
方法に関するものである。
【０００２】
【従来の技術】従来、一時記録された音声の速度を変化
させると、音声の特徴の一つである基本周波数やホルマ
ントも同時に周波数方向にシフトし、自然性、音韻性が
著しく劣化し明瞭度が悪くなる等の問題があった。これ
を解決するために基本周波数などの音韻性を保ったまま
音声の伸長、圧縮を行う従来の音声の発声速度変換方法
として、例えば特開平１−９３７９５号公報のようなも
のがある。図４はこの従来の音声の発声速度変換方法に
おける音声を伸長する場合の説明図を示すものであり、
９００は入力音声を有声／無声／無音区間に分割する区
間分割部、９１０は有声区間のピッチを求めるピッチ周
期抽出部、９２０はピッチ周期に基づきピッチ区間を分
割するピッチ区間分割部、９３０はピッチ区間の繰り返
しを行うピッチ区間延長部、９４０は無音区間の延長を
行う延長部、９５０は延長された無音区間、有声区間と
元の無声区間の波形を接続する合成部である。
させると、音声の特徴の一つである基本周波数やホルマ
ントも同時に周波数方向にシフトし、自然性、音韻性が
著しく劣化し明瞭度が悪くなる等の問題があった。これ
を解決するために基本周波数などの音韻性を保ったまま
音声の伸長、圧縮を行う従来の音声の発声速度変換方法
として、例えば特開平１−９３７９５号公報のようなも
のがある。図４はこの従来の音声の発声速度変換方法に
おける音声を伸長する場合の説明図を示すものであり、
９００は入力音声を有声／無声／無音区間に分割する区
間分割部、９１０は有声区間のピッチを求めるピッチ周
期抽出部、９２０はピッチ周期に基づきピッチ区間を分
割するピッチ区間分割部、９３０はピッチ区間の繰り返
しを行うピッチ区間延長部、９４０は無音区間の延長を
行う延長部、９５０は延長された無音区間、有声区間と
元の無声区間の波形を接続する合成部である。
【０００３】以上のように構成された音声の発声速度変
換方法においては音声を伸長する場合、音声が入力され
ると区間分割部９００は入力音声を有声／無声／無音区
間に分割し、有声区間はピッチ周期抽出部９１０へ、無
声区間は合成部９５０へ、無音区間は延長部９４０へ伝
達される。ピッチ周期抽出部９１０は入力された有声区
間のピッチ周期を算出しピッチ区間分割部９２０へ伝達
する。ピッチ区間分割部９２０は１ピッチずつ区間分割
し、ピッチ区間延長部９３０で１ピッチずつ区間分割さ
れたピッチ区間の繰り返しが行われる。延長部９４０は
無音区間を延長し合成部９５０へ伝達する。そして最後
に、合成部９５０は延長された無音区間、有声区間、元
の無声区間の波形を接続し出力する。図５（ａ）に入力
された原音声波形を図５（ｂ）に伸長された変換波形を
示す。
換方法においては音声を伸長する場合、音声が入力され
ると区間分割部９００は入力音声を有声／無声／無音区
間に分割し、有声区間はピッチ周期抽出部９１０へ、無
声区間は合成部９５０へ、無音区間は延長部９４０へ伝
達される。ピッチ周期抽出部９１０は入力された有声区
間のピッチ周期を算出しピッチ区間分割部９２０へ伝達
する。ピッチ区間分割部９２０は１ピッチずつ区間分割
し、ピッチ区間延長部９３０で１ピッチずつ区間分割さ
れたピッチ区間の繰り返しが行われる。延長部９４０は
無音区間を延長し合成部９５０へ伝達する。そして最後
に、合成部９５０は延長された無音区間、有声区間、元
の無声区間の波形を接続し出力する。図５（ａ）に入力
された原音声波形を図５（ｂ）に伸長された変換波形を
示す。
【０００４】しかしながら、入力音声を一定の倍率で伸
長すると出力音声のデータ量は増えるので、全体の音声
の出力時間は伸長倍率に応じて長くなる。また、画像や
口唇の動きとのタイミングのずれが時間が経つにつれて
次第に大きくなる。そこで上記のような画像や口唇の動
きとのタイミングのずれが時間が経つにつれて増大する
のを防ぐ方法として、従来の音声速度変換の制御方法と
して次のようなものが報告されている（日本音響学会講
演論文集Ｉ p.349 平成４年１０月）。図６にこの従来
の音声速度変換の制御方法の説明図を示す。以下、図６
に示す音声速度変換の制御方法の動作の説明をする。ま
ず、（１）のポーズは無音区間が２５０msec以上の区間
とし、その直後に続く有声／無声の開始点をフレーズの
開始点とする。 （２）フレーズの開始点から３つの有
声区間のうち最高ピッチ周波数をPitch_maxとする。
（３）第１有声区間の開始点（V_st）における話速の伸
長倍率をｒsとする。 （４）V_st から、2000msec まで
の範囲で、話速の伸長倍率をｒsからｒeまで変化させ
る。 （５）第ｎ有声区間の（ｎ≧ｋ）における平均ピ
ッチ周波数がPitch（ｎ）がPitch_maxの７０％より大き
いときのみ第ｎ有声区間の伸長倍率を（ｒs−0.1） と
する。それ以外の時の伸長倍率ｒeとする。（６）V2_st
から、2000msecまでの範囲で、話速の伸長倍率を（rs-
0.1）からｒeまで変化させる。（７）次のポーズまで順
次（５）、（６）を繰り返す。
長すると出力音声のデータ量は増えるので、全体の音声
の出力時間は伸長倍率に応じて長くなる。また、画像や
口唇の動きとのタイミングのずれが時間が経つにつれて
次第に大きくなる。そこで上記のような画像や口唇の動
きとのタイミングのずれが時間が経つにつれて増大する
のを防ぐ方法として、従来の音声速度変換の制御方法と
して次のようなものが報告されている（日本音響学会講
演論文集Ｉ p.349 平成４年１０月）。図６にこの従来
の音声速度変換の制御方法の説明図を示す。以下、図６
に示す音声速度変換の制御方法の動作の説明をする。ま
ず、（１）のポーズは無音区間が２５０msec以上の区間
とし、その直後に続く有声／無声の開始点をフレーズの
開始点とする。 （２）フレーズの開始点から３つの有
声区間のうち最高ピッチ周波数をPitch_maxとする。
（３）第１有声区間の開始点（V_st）における話速の伸
長倍率をｒsとする。 （４）V_st から、2000msec まで
の範囲で、話速の伸長倍率をｒsからｒeまで変化させ
る。 （５）第ｎ有声区間の（ｎ≧ｋ）における平均ピ
ッチ周波数がPitch（ｎ）がPitch_maxの７０％より大き
いときのみ第ｎ有声区間の伸長倍率を（ｒs−0.1） と
する。それ以外の時の伸長倍率ｒeとする。（６）V2_st
から、2000msecまでの範囲で、話速の伸長倍率を（rs-
0.1）からｒeまで変化させる。（７）次のポーズまで順
次（５）、（６）を繰り返す。
【０００５】
【発明が解決しようとする課題】しかしながら、上記の
ような構成では、音声の速度変換制御を行うのに音声の
有声／無声／無音区間の弁別に加えて、ピッチ周波数の
抽出を行わなければならない。ニュースのアナウンサー
の音声のようなＳ／Ｎが高い音声であればピッチ周波数
の抽出は容易であるが、Ｓ／Ｎの悪い環境、例えば音楽
や背景雑音を含んだ音声ではピッチ抽出の誤差が増大
し、うまく処理ができないという課題を有していた。
ような構成では、音声の速度変換制御を行うのに音声の
有声／無声／無音区間の弁別に加えて、ピッチ周波数の
抽出を行わなければならない。ニュースのアナウンサー
の音声のようなＳ／Ｎが高い音声であればピッチ周波数
の抽出は容易であるが、Ｓ／Ｎの悪い環境、例えば音楽
や背景雑音を含んだ音声ではピッチ抽出の誤差が増大
し、うまく処理ができないという課題を有していた。
【０００６】本発明はかかる従来の速度変換方法の課題
を考慮し、速度変換制御にピッチ抽出を行う必要がな
く、音声以外の音が重畳していても速度変換制御ができ
る速度変換制御装置及び方法を提供することを目的とす
る。
を考慮し、速度変換制御にピッチ抽出を行う必要がな
く、音声以外の音が重畳していても速度変換制御ができ
る速度変換制御装置及び方法を提供することを目的とす
る。
【０００７】
【課題を解決するための手段】本発明は、入力信号から
音声の立ち上がり部分を検出する立ち上がり検出手段
と、入力音声から一定区間以上の無音区間を抽出する無
音区間抽出部と、立ち上がり検出手段と無音区間抽出手
段の出力信号に基づき圧縮、伸長率の時間変化を決定す
る制御手段と、制御手段で圧縮、伸長率が決定される間
の時間を補償する遅延手段と、制御手段から出力される
圧縮、伸長率で入力信号を圧縮、伸長する音声速度変換
手段とを備えた速度変換制御装置である。
音声の立ち上がり部分を検出する立ち上がり検出手段
と、入力音声から一定区間以上の無音区間を抽出する無
音区間抽出部と、立ち上がり検出手段と無音区間抽出手
段の出力信号に基づき圧縮、伸長率の時間変化を決定す
る制御手段と、制御手段で圧縮、伸長率が決定される間
の時間を補償する遅延手段と、制御手段から出力される
圧縮、伸長率で入力信号を圧縮、伸長する音声速度変換
手段とを備えた速度変換制御装置である。
【０００８】また、本発明の速度変換制御方法における
第１の発明においては、第１の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第１
の無音区間より時刻的に後に現れる第２の無音区間の開
始点を速度変換終了点とし、圧縮、伸長率の変化を表す
関数ｆ（ｔ）の速度変換開始時刻から速度変換終了時刻
までの時間積分がゼロとなるように関数ｆ（ｔ）を設定
する構成とする。
第１の発明においては、第１の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第１
の無音区間より時刻的に後に現れる第２の無音区間の開
始点を速度変換終了点とし、圧縮、伸長率の変化を表す
関数ｆ（ｔ）の速度変換開始時刻から速度変換終了時刻
までの時間積分がゼロとなるように関数ｆ（ｔ）を設定
する構成とする。
【０００９】また、本発明の速度変換制御方法における
第２の発明においては、第１の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第１
の無音区間より時刻的に後に現れる第２の無音区間の終
了点点を速度変換終了点とし、或は第２の無音区間が、
速度変換開始点から第２の無音区間の開始点までの時間
長ｔ１よりも長い場合は第２の無音区間をｔ１とし、圧
縮、伸長率の変化を表す関数ｇ（ｔ）の速度変換開始時
刻から速度変換終了時刻までの時間積分がゼロとなるよ
うに関数ｇ（ｔ）を設定する構成とする。
第２の発明においては、第１の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第１
の無音区間より時刻的に後に現れる第２の無音区間の終
了点点を速度変換終了点とし、或は第２の無音区間が、
速度変換開始点から第２の無音区間の開始点までの時間
長ｔ１よりも長い場合は第２の無音区間をｔ１とし、圧
縮、伸長率の変化を表す関数ｇ（ｔ）の速度変換開始時
刻から速度変換終了時刻までの時間積分がゼロとなるよ
うに関数ｇ（ｔ）を設定する構成とする。
【００１０】また、本発明の速度変換制御装置における
第２の発明においては、入力信号から音声の立ち上がり
部分を検出する立ち上がり検出手段と、入力音声の短区
間平均パワーを算出する短区間平均パワー演算手段と、
短区間平均パワー演算手段から出力される短区間平均パ
ワーに基づいて閾値を決定するしきい値決定手段と、短
区間平均パワー演算手段から出力される短区間平均パワ
ーとしきい値決定手段から出力される閾値を比較する比
較手段と、立ち上がり検出手段と比較手段の出力信号に
基づき圧縮、伸長率の時間変化を決定する制御手段と、
制御手段で圧縮、伸長率が決定される間の時間を補償す
る遅延手段と、制御手段から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段とを備えた
速度変換制御装置である。
第２の発明においては、入力信号から音声の立ち上がり
部分を検出する立ち上がり検出手段と、入力音声の短区
間平均パワーを算出する短区間平均パワー演算手段と、
短区間平均パワー演算手段から出力される短区間平均パ
ワーに基づいて閾値を決定するしきい値決定手段と、短
区間平均パワー演算手段から出力される短区間平均パワ
ーとしきい値決定手段から出力される閾値を比較する比
較手段と、立ち上がり検出手段と比較手段の出力信号に
基づき圧縮、伸長率の時間変化を決定する制御手段と、
制御手段で圧縮、伸長率が決定される間の時間を補償す
る遅延手段と、制御手段から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段とを備えた
速度変換制御装置である。
【００１１】
【作用】本発明は上述した構成により、入力音声の無音
区間と音声の立ち上がり部分を検出し、無音区間の直後
の音声の立ち上がり部分で音声速度変換を開始し音声の
伸長を行い、第２の無音区間内で音声の圧縮を終了す
る。そして、圧縮、伸長率の変化を表す関数ｆ（ｔ）の
速度変換開始時刻から終了時刻までの時間積分をゼロと
することにより各速度変換終了時刻での原音声との時間
的なタイミングのずれを生じないようにすることができ
る。
区間と音声の立ち上がり部分を検出し、無音区間の直後
の音声の立ち上がり部分で音声速度変換を開始し音声の
伸長を行い、第２の無音区間内で音声の圧縮を終了す
る。そして、圧縮、伸長率の変化を表す関数ｆ（ｔ）の
速度変換開始時刻から終了時刻までの時間積分をゼロと
することにより各速度変換終了時刻での原音声との時間
的なタイミングのずれを生じないようにすることができ
る。
【００１２】
【実施例】以下、本発明の速度変換制御装置の一実施例
について、図面を参照しながら説明する。
について、図面を参照しながら説明する。
【００１３】図１は本発明の第１の実施例における速度
変換制御装置の構成図を示すものであって、１００は入
力音声の包絡線を抽出する包絡線抽出部、１１０は入力
音声中の予め定められた一定区間以上の無音区間を抽出
する無音区間抽出部、１２０は速度変換制御パラメータ
ーが決定される間の時間だけ入力音声を遅延する遅延
部、１３０は、包絡線抽出部１００の結果に基づき、入
力信号の立ち上がりを検出する立ち上がり検出部、１４
０は無音区間抽出部１１０より伝達される無音区間と立
ち上がり検出部１３０より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する制御部であ
る。１５０は音声速度変換部であり、制御部１４０から
伝達される圧縮、伸長率に基づき、遅延部１２０から入
力される信号の圧縮、伸長を行う。
変換制御装置の構成図を示すものであって、１００は入
力音声の包絡線を抽出する包絡線抽出部、１１０は入力
音声中の予め定められた一定区間以上の無音区間を抽出
する無音区間抽出部、１２０は速度変換制御パラメータ
ーが決定される間の時間だけ入力音声を遅延する遅延
部、１３０は、包絡線抽出部１００の結果に基づき、入
力信号の立ち上がりを検出する立ち上がり検出部、１４
０は無音区間抽出部１１０より伝達される無音区間と立
ち上がり検出部１３０より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する制御部であ
る。１５０は音声速度変換部であり、制御部１４０から
伝達される圧縮、伸長率に基づき、遅延部１２０から入
力される信号の圧縮、伸長を行う。
【００１４】以上のように構成された本実施例の速度変
換制御装置について、以下その動作を説明する。
換制御装置について、以下その動作を説明する。
【００１５】入力音声は包絡線抽出部１００、無音区間
抽出部１１０、遅延部１２０へ伝達される。包絡線抽出
部１００は入力音声の包絡線を抽出し、立ち上がり検出
部１３０へ出力する。無音区間抽出部１１０は予め定め
られた一定区間以上の無音区間を抽出し制御部１４０へ
伝達する。遅延部１２０は速度変換制御パラメーターで
ある信号の圧縮、伸長率が決定するまでの処理時間分の
遅延を行う。包絡線抽出部１００から伝達された信号は
立ち上がり検出部１３０へ入力され信号の立ち上がりを
検出し音声の立ち上がり部分として制御部１４０へ出力
する。図３（ａ）に入力音声波形を、図３（ｂ）に検出
された立ち上がり部分の波形を示す。次に、制御部１４
０は無音区間抽出部１１０より伝達される無音区間と立
ち上がり検出部１３０より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する。１５０は
音声速度変換部であり、制御部１４０から伝達される圧
縮、伸長率に基づき、遅延部１２０から入力される信号
の圧縮、伸長を行う。
抽出部１１０、遅延部１２０へ伝達される。包絡線抽出
部１００は入力音声の包絡線を抽出し、立ち上がり検出
部１３０へ出力する。無音区間抽出部１１０は予め定め
られた一定区間以上の無音区間を抽出し制御部１４０へ
伝達する。遅延部１２０は速度変換制御パラメーターで
ある信号の圧縮、伸長率が決定するまでの処理時間分の
遅延を行う。包絡線抽出部１００から伝達された信号は
立ち上がり検出部１３０へ入力され信号の立ち上がりを
検出し音声の立ち上がり部分として制御部１４０へ出力
する。図３（ａ）に入力音声波形を、図３（ｂ）に検出
された立ち上がり部分の波形を示す。次に、制御部１４
０は無音区間抽出部１１０より伝達される無音区間と立
ち上がり検出部１３０より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する。１５０は
音声速度変換部であり、制御部１４０から伝達される圧
縮、伸長率に基づき、遅延部１２０から入力される信号
の圧縮、伸長を行う。
【００１６】以上のように本実施例によれば、入力音声
を包絡線抽出部１００、無音区間抽出部１１０、遅延部
１２０へ伝達し、包絡線と無音区間と抽出し、立ち上が
り検出部１３０で包絡線の立ち上がり部分を検出する。
そして、制御部１４０で無音区間と立ち上がり部分に基
づき音声の圧縮、伸長率を決定することにより、ピッチ
周波数の検出を行う必要がないので音楽や背景雑音等の
音声以外の音が重畳してＳ／Ｎが劣化している場合も圧
縮、伸長率を決定する速度変換制御装置を構成すること
ができる。
を包絡線抽出部１００、無音区間抽出部１１０、遅延部
１２０へ伝達し、包絡線と無音区間と抽出し、立ち上が
り検出部１３０で包絡線の立ち上がり部分を検出する。
そして、制御部１４０で無音区間と立ち上がり部分に基
づき音声の圧縮、伸長率を決定することにより、ピッチ
周波数の検出を行う必要がないので音楽や背景雑音等の
音声以外の音が重畳してＳ／Ｎが劣化している場合も圧
縮、伸長率を決定する速度変換制御装置を構成すること
ができる。
【００１７】本発明の第１の実施例における速度変換制
御方法について以下、説明する。図３（ｃ）に検出され
た無音区間の直後に存在する音声の立ち上がり部分を示
す。図３（ｄ）、図３（ｄ’）は決定された速度変換パ
ラメーターである信号の圧縮、伸長率を示すものであ
る。図３（ｄ）、（ｄ’）に示すように、まず、無音区
間の直後に存在する音声の立ち上がり部分を速度変換開
始点Ｄとし、次に現れる第２の無音区間の開始点を速度
変換終了点Ｅとする。そして、予め決められた伸長率
（ポイントＡ，Ａ’）で変換を開始し、予め決められた
圧縮率（ポイントＢ，Ｂ’）で終了する。速度変換開始
点Ａ，Ａ’から速度変換終了点Ｂ，Ｂ’の間は直線また
は、滑らかに変化するものであり、ＡＤＣ（Ａ’Ｄ
Ｃ’）で囲まれる面積とＢＥＣ（Ｂ’ＥＣ’）で囲まれ
る面積が等しくなるもの、つまり圧縮、伸長率の変化を
表す関数ｆ（ｔ）の速度変換開始時刻から速度変換終了
時刻までの時間積分をゼロとするものであればよい。こ
の関数ｆ（ｔ）は例えば、速度変換開始点から速度変換
終了点まで時間の半分の時間で圧縮、伸長率がゼロにな
るような時定数を算出することにより容易に得ることが
できる。そして、無音区間の直後に存在する音声の立ち
上がり部分が現れたら速度変換開始点として上記の方法
を繰り返す。
御方法について以下、説明する。図３（ｃ）に検出され
た無音区間の直後に存在する音声の立ち上がり部分を示
す。図３（ｄ）、図３（ｄ’）は決定された速度変換パ
ラメーターである信号の圧縮、伸長率を示すものであ
る。図３（ｄ）、（ｄ’）に示すように、まず、無音区
間の直後に存在する音声の立ち上がり部分を速度変換開
始点Ｄとし、次に現れる第２の無音区間の開始点を速度
変換終了点Ｅとする。そして、予め決められた伸長率
（ポイントＡ，Ａ’）で変換を開始し、予め決められた
圧縮率（ポイントＢ，Ｂ’）で終了する。速度変換開始
点Ａ，Ａ’から速度変換終了点Ｂ，Ｂ’の間は直線また
は、滑らかに変化するものであり、ＡＤＣ（Ａ’Ｄ
Ｃ’）で囲まれる面積とＢＥＣ（Ｂ’ＥＣ’）で囲まれ
る面積が等しくなるもの、つまり圧縮、伸長率の変化を
表す関数ｆ（ｔ）の速度変換開始時刻から速度変換終了
時刻までの時間積分をゼロとするものであればよい。こ
の関数ｆ（ｔ）は例えば、速度変換開始点から速度変換
終了点まで時間の半分の時間で圧縮、伸長率がゼロにな
るような時定数を算出することにより容易に得ることが
できる。そして、無音区間の直後に存在する音声の立ち
上がり部分が現れたら速度変換開始点として上記の方法
を繰り返す。
【００１８】以上のように本実施例によれば、無音区間
の直後に存在する音声の立ち上がり部分を速度変換開始
点とすることで連続音声の語頭を伸長することができ
る。そして、次に現れる第２の無音区間の開始点を速度
変換終了点とし、圧縮、伸長率の変化を表す関数ｆ
（ｔ）の速度変換開始時刻から速度変換終了時刻までの
時間積分をゼロとすることで速度変換開始点から速度変
換終了点までに要する音声の再生時間は原音と変わらな
い速度変換制御方法を構成することができる。
の直後に存在する音声の立ち上がり部分を速度変換開始
点とすることで連続音声の語頭を伸長することができ
る。そして、次に現れる第２の無音区間の開始点を速度
変換終了点とし、圧縮、伸長率の変化を表す関数ｆ
（ｔ）の速度変換開始時刻から速度変換終了時刻までの
時間積分をゼロとすることで速度変換開始点から速度変
換終了点までに要する音声の再生時間は原音と変わらな
い速度変換制御方法を構成することができる。
【００１９】次に、本発明の第２の実施例における速度
変換制御方法について以下、説明する。図３（ｅ）は決
定された速度変換パラメーターである信号の圧縮、伸長
率を示すものである。図３（ｅ）に示すように、まず、
無音区間の直後に存在する音声の立ち上がり部分を速度
変換開始点とし、次に現れる第２の無音区間の終了点を
速度変換終了点とする。但し、第２の無音区間が速度変
換開始点から第２の無音区間の開始点までの時間長ｔ１
よりも長い場合は第２の無音区間をｔ１とする。そし
て、予め決められた伸長率（ポイントＦ）で変換を開始
し、予め決められた圧縮率（ポイントＧ）で終了する。
速度変換開始点Ｆから速度変換終了点Ｇの間は直線また
は、滑らかに変化するものであり、ＡＪＨで囲まれる面
積とＧＫＨで囲まれる面積が等しくなるものであればよ
い。この関数ｆ（ｔ）は例えば、速度変換開始点から速
度変換終了点まで時間の半分の時間で圧縮、伸長率がゼ
ロになるような時定数を算出することにより容易に得る
ことができる。そして、無音区間の直後に存在する音声
の立ち上がり部分が現れたら速度変換開始点として上記
の方法を繰り返す。
変換制御方法について以下、説明する。図３（ｅ）は決
定された速度変換パラメーターである信号の圧縮、伸長
率を示すものである。図３（ｅ）に示すように、まず、
無音区間の直後に存在する音声の立ち上がり部分を速度
変換開始点とし、次に現れる第２の無音区間の終了点を
速度変換終了点とする。但し、第２の無音区間が速度変
換開始点から第２の無音区間の開始点までの時間長ｔ１
よりも長い場合は第２の無音区間をｔ１とする。そし
て、予め決められた伸長率（ポイントＦ）で変換を開始
し、予め決められた圧縮率（ポイントＧ）で終了する。
速度変換開始点Ｆから速度変換終了点Ｇの間は直線また
は、滑らかに変化するものであり、ＡＪＨで囲まれる面
積とＧＫＨで囲まれる面積が等しくなるものであればよ
い。この関数ｆ（ｔ）は例えば、速度変換開始点から速
度変換終了点まで時間の半分の時間で圧縮、伸長率がゼ
ロになるような時定数を算出することにより容易に得る
ことができる。そして、無音区間の直後に存在する音声
の立ち上がり部分が現れたら速度変換開始点として上記
の方法を繰り返す。
【００２０】以上のように本発明の制御方法における第
２の実施例によれば、速度変換終了点を第２の無音区間
の終了点、又は第２の無音区間が、速度変換開始点から
第２の無音区間の開始点までの時間長ｔ１よりも長い場
合は第２の無音区間をｔ１とし、速度変換開始点Ｆから
速度変換終了点Ｇの間は直線または、滑らかに変化する
ものであり、圧縮、伸長率の変化を表す関数ｇ（ｔ）の
速度変換開始時刻から速度変換終了時刻までの時間積分
をゼロとすることにより、速度変換開始点から音声が伸
長される区間をより長くすることができる。
２の実施例によれば、速度変換終了点を第２の無音区間
の終了点、又は第２の無音区間が、速度変換開始点から
第２の無音区間の開始点までの時間長ｔ１よりも長い場
合は第２の無音区間をｔ１とし、速度変換開始点Ｆから
速度変換終了点Ｇの間は直線または、滑らかに変化する
ものであり、圧縮、伸長率の変化を表す関数ｇ（ｔ）の
速度変換開始時刻から速度変換終了時刻までの時間積分
をゼロとすることにより、速度変換開始点から音声が伸
長される区間をより長くすることができる。
【００２１】なお、速度変換終了点を第２の無音区間の
開始点、又は第２の無音区間の終了点としたが第２の無
音区間内の他の場所でもよいし、速度変換開始点から速
度変換終了点の間を直線、又は滑らかに変化する連続曲
線で接続したが、短区間毎に徐々に圧縮、伸長率が変化
したり、音声中での短い無音区間で不連続になってもよ
い。
開始点、又は第２の無音区間の終了点としたが第２の無
音区間内の他の場所でもよいし、速度変換開始点から速
度変換終了点の間を直線、又は滑らかに変化する連続曲
線で接続したが、短区間毎に徐々に圧縮、伸長率が変化
したり、音声中での短い無音区間で不連続になってもよ
い。
【００２２】図２は本発明の第２の実施例における速度
変換制御装置の構成図を示すものである。図２におい
て、１００は入力音声の包絡線を抽出する包絡線抽出
部、２００は、入力音声の平均パワーを求める短区間平
均パワー演算部、１２０は速度変換制御パラメーターが
決定される間の時間だけ遅延する遅延部、１３０は入力
信号の立ち上がりを検出する立ち上がり検出部、２１０
はスイッチ、２２０はスイッチ２１０が押されている時
に短区間平均パワー演算部２００から伝達される平均パ
ワーに基づいて平均パワーの閾値を決定し記憶するしき
い値決定部、２３０は短区間平均パワーとしきい値を比
較する比較部、１４０は比較部２３０より伝達される平
均パワーがしきい値以下の区間と立ち上がり検出部１３
０より伝達される信号の立ち上がり部分に基づき音声の
圧縮、伸長率を決定する。１５０は音声速度変換部であ
り、制御部１４０から伝達される圧縮、伸長率に基づ
き、遅延部１２０から入力される信号の圧縮、伸長を行
う。
変換制御装置の構成図を示すものである。図２におい
て、１００は入力音声の包絡線を抽出する包絡線抽出
部、２００は、入力音声の平均パワーを求める短区間平
均パワー演算部、１２０は速度変換制御パラメーターが
決定される間の時間だけ遅延する遅延部、１３０は入力
信号の立ち上がりを検出する立ち上がり検出部、２１０
はスイッチ、２２０はスイッチ２１０が押されている時
に短区間平均パワー演算部２００から伝達される平均パ
ワーに基づいて平均パワーの閾値を決定し記憶するしき
い値決定部、２３０は短区間平均パワーとしきい値を比
較する比較部、１４０は比較部２３０より伝達される平
均パワーがしきい値以下の区間と立ち上がり検出部１３
０より伝達される信号の立ち上がり部分に基づき音声の
圧縮、伸長率を決定する。１５０は音声速度変換部であ
り、制御部１４０から伝達される圧縮、伸長率に基づ
き、遅延部１２０から入力される信号の圧縮、伸長を行
う。
【００２３】以上のように構成された第２の実施例の速
度変換制御装置について、以下その動作を説明する。
度変換制御装置について、以下その動作を説明する。
【００２４】入力音声は包絡線抽出部１００、短区間平
均パワー演算部２００、遅延部１２０へ伝達される。包
絡線抽出部１００は入力音声の包絡線を抽出し、立ち上
がり検出部１３０へ出力する。短区間平均パワー演算部
２００は予め定められた区間毎、例えば２５ｍｓｅｃ毎
に入力音声信号の平均パワーを求め比較部２３０へ伝達
する。また、スイッチ２１０が押されているときのみし
きい値決定部２２０へも伝達する。しきい値決定部２２
０はスイッチ２１０が押されて短区間平均パワー演算部
２００から短区間平均パワーのデータが伝達されている
間、伝達された短区間平均パワーのデータの平均を算出
し、この平均の３ｄＢ上を閾値として記憶する。スイッ
チ２１０が押されてない時、しきい値決定部２２０は前
の閾値を保持する。比較部２３０は短区間平均パワー演
算部２００から出力される短区間平均パワーとしきい値
決定部２２０から出力される閾値を比較し、閾値より小
さな区間を無音区間として出力する。遅延部１２０は速
度変換制御パラメーターである信号の圧縮、伸長率が決
定するまでの処理時間分の遅延を行う。包絡線抽出部１
００から伝達された信号は立ち上がり検出部１３０へ入
力され信号の立ち上がりを検出し音声の立ち上がり部分
として制御部１４０へ出力する。図３（ａ）に入力音声
波形を、図３（ｂ）に検出された立ち上がり部分の波形
を示す。次に、制御部１４０は比較部２３０より伝達さ
れる無音区間と立ち上がり検出部１３０より伝達される
信号の立ち上がり部分に基づき音声の圧縮、伸長率を決
定する。１５０は音声速度変換部であり、制御部１４０
から伝達される圧縮、伸長率に基づき、遅延部１２０か
ら入力される信号の圧縮、伸長を行う。
均パワー演算部２００、遅延部１２０へ伝達される。包
絡線抽出部１００は入力音声の包絡線を抽出し、立ち上
がり検出部１３０へ出力する。短区間平均パワー演算部
２００は予め定められた区間毎、例えば２５ｍｓｅｃ毎
に入力音声信号の平均パワーを求め比較部２３０へ伝達
する。また、スイッチ２１０が押されているときのみし
きい値決定部２２０へも伝達する。しきい値決定部２２
０はスイッチ２１０が押されて短区間平均パワー演算部
２００から短区間平均パワーのデータが伝達されている
間、伝達された短区間平均パワーのデータの平均を算出
し、この平均の３ｄＢ上を閾値として記憶する。スイッ
チ２１０が押されてない時、しきい値決定部２２０は前
の閾値を保持する。比較部２３０は短区間平均パワー演
算部２００から出力される短区間平均パワーとしきい値
決定部２２０から出力される閾値を比較し、閾値より小
さな区間を無音区間として出力する。遅延部１２０は速
度変換制御パラメーターである信号の圧縮、伸長率が決
定するまでの処理時間分の遅延を行う。包絡線抽出部１
００から伝達された信号は立ち上がり検出部１３０へ入
力され信号の立ち上がりを検出し音声の立ち上がり部分
として制御部１４０へ出力する。図３（ａ）に入力音声
波形を、図３（ｂ）に検出された立ち上がり部分の波形
を示す。次に、制御部１４０は比較部２３０より伝達さ
れる無音区間と立ち上がり検出部１３０より伝達される
信号の立ち上がり部分に基づき音声の圧縮、伸長率を決
定する。１５０は音声速度変換部であり、制御部１４０
から伝達される圧縮、伸長率に基づき、遅延部１２０か
ら入力される信号の圧縮、伸長を行う。
【００２５】以上のように本発明の速度変換制御装置に
おける第２の本実施例によれば、入力音声を包絡線抽出
部１００、短区間平均パワー演算部２００、遅延部１２
０へ伝達し、包絡線抽出部１００で抽出された包絡線の
出力は立ち上がり抽出部１３０へ伝達され、包絡線の立
ち上がり部分を検出する。また、短区間平均パワー演算
部２００で求められた短区間平均パワーはスイッチ２１
０が押されるとしきい値決定部２２０へ伝達され閾値の
更新を行うことができる。そして、比較部２３０で短区
間平均パワーと閾値を比較し、短区間平均パワーが閾値
以下の区間を無音区間することにより、環境が変化して
もスイッチ２１０を押すことにより閾値の更新ができる
ため、無音区間が容易に得られる。このため、環境が変
化しても速度変換制御ができる。
おける第２の本実施例によれば、入力音声を包絡線抽出
部１００、短区間平均パワー演算部２００、遅延部１２
０へ伝達し、包絡線抽出部１００で抽出された包絡線の
出力は立ち上がり抽出部１３０へ伝達され、包絡線の立
ち上がり部分を検出する。また、短区間平均パワー演算
部２００で求められた短区間平均パワーはスイッチ２１
０が押されるとしきい値決定部２２０へ伝達され閾値の
更新を行うことができる。そして、比較部２３０で短区
間平均パワーと閾値を比較し、短区間平均パワーが閾値
以下の区間を無音区間することにより、環境が変化して
もスイッチ２１０を押すことにより閾値の更新ができる
ため、無音区間が容易に得られる。このため、環境が変
化しても速度変換制御ができる。
【００２６】なお、速度変換制御装置の上記第１、２の
実施例において、音声の立ち上がりを検出する前処理と
して、包絡線抽出部１００を用いたが、積分器、低域通
過フィルタ、パワー包絡のようなものでも良い。
実施例において、音声の立ち上がりを検出する前処理と
して、包絡線抽出部１００を用いたが、積分器、低域通
過フィルタ、パワー包絡のようなものでも良い。
【００２７】なお、本発明の各手段は、コンピュータを
用いてソフトウェア的に実現し、あるいはそれら各機能
を有する専用のハード回路を用いて実現する事が出来
る。
用いてソフトウェア的に実現し、あるいはそれら各機能
を有する専用のハード回路を用いて実現する事が出来
る。
【００２８】
【発明の効果】以上述べたところから明らかなように、
本発明によれば、無音区間の直後に存在する音声の立ち
上がり部分を速度変換開始点とすることにより、ピッチ
抽出を行わないので、音楽や背景雑音が重畳しＳ／Ｎが
劣化した音声中でも語頭の推定が行える。
本発明によれば、無音区間の直後に存在する音声の立ち
上がり部分を速度変換開始点とすることにより、ピッチ
抽出を行わないので、音楽や背景雑音が重畳しＳ／Ｎが
劣化した音声中でも語頭の推定が行える。
【００２９】また、第２の無音区間内に速度変換終了点
を設け圧縮、伸長率の変化を表す関数ｆ（ｔ）の速度変
換開始時刻から速度変換終了時刻までの時間積分をゼロ
とすることにより、速度変換終了時刻での原音声とのタ
イミングのずれは生じない速度変換制御装置を構成する
ことができ、その実用的効果は大きい。
を設け圧縮、伸長率の変化を表す関数ｆ（ｔ）の速度変
換開始時刻から速度変換終了時刻までの時間積分をゼロ
とすることにより、速度変換終了時刻での原音声とのタ
イミングのずれは生じない速度変換制御装置を構成する
ことができ、その実用的効果は大きい。
【図１】本発明の第１の実施例における速度変換制御装
置の構成図である。
置の構成図である。
【図２】本発明の第２の実施例における速度変換制御装
置の構成図である。
置の構成図である。
【図３】本発明における速度変換制御装置と速度変換制
御方法の説明図である。
御方法の説明図である。
【図４】従来の音声の発声速度変換方法の説明図であ
る。
る。
【図５】従来の音声速度変換の音声波形図である。
【図６】従来の音声速度変換の制御方法の説明図であ
る。
る。
１００ 包絡線抽出部 １１０ 無音区間抽出部 １２０ 遅延部 １３０ 立ち上がり検出部 １４０ 制御部 １５０ 音声速度変換部 ２００ 短区間平均パワー演算部 ２１０ スイッチ ２２０ しきい値設定部 ２３０ 比較部 ９００ 区間分割部 ９１０ ピッチ周期抽出部 ９２０ ピッチ区間分割部 ９３０ ピッチ区間延長部 ９４０ 延長部 ９５０ 合成部
Claims (6)
- 【請求項１】入力信号における音声の立ち上がり部分を
検出する立ち上がり検出手段と、前記入力音声から一定
区間以上の無音区間を抽出する無音区間抽出部と、前記
立ち上がり検出手段と前記無音区間抽出手段の出力信号
に基づき圧縮、伸長率の時間変化を決定する制御手段
と、前記制御手段で圧縮、伸長率が決定されるまでの時
間を補償する遅延手段と、前記制御手段から出力される
圧縮、伸長率で、前記遅延手段から出力された入力信号
を圧縮、伸長する音声速度変換手段とを備えたことを特
徴とする速度変換制御装置。 - 【請求項２】第１の無音区間の直後に存在する音声の立
ち上がり部分を速度変換開始時刻とし、前記第１の無音
区間より時刻的に後に現れる第２の無音区間の開始点を
速度変換終了点とし、圧縮、伸長率の変化を表す関数ｆ
（ｔ）の速度変換開始時刻から速度変換終了時刻までの
時間積分がゼロとなるように関数ｆ（ｔ）を設定するこ
とを特徴とする速度変換制御方法。 - 【請求項３】第１の無音区間の直後に存在する音声の立
ち上がり部分を速度変換開始時刻とし、前記第１の無音
区間より時刻的に後に現れる第２の無音区間の終了点を
速度変換終了点とし、圧縮、伸長率の変化を表す関数ｇ
（ｔ）の速度変換開始時刻から速度変換終了時刻までの
時間積分がゼロとなるように関数ｇ（ｔ）を設定するこ
とを特徴とする速度変換制御方法。 - 【請求項４】第１の無音区間の直後に存在する音声の立
ち上がり部分を速度変換開始時刻とし、前記第２の無音
区間が、速度変換開始点から第２の無音区間の開始点ま
での時間長ｔ１よりも長い場合は前記第２の無音区間長
をｔ１とすることを特徴とする請求項３記載の速度変換
制御方法。 - 【請求項５】入力信号における音声の立ち上がり部分を
検出する立ち上がり検出手段と、前記入力音声の短区間
平均パワーを算出する短区間平均パワー演算手段と、前
記短区間平均パワー演算手段から出力される短区間平均
パワーに基づいて閾値を決定するしきい値決定手段と、
前記短区間平均パワー演算手段から出力される短区間平
均パワーと前記しきい値決定手段から出力される閾値を
比較する比較手段と、前記立ち上がり検出手段と前記比
較手段の出力信号に基づき圧縮、伸長率の時間変化を決
定する制御手段と、前記制御手段で圧縮、伸長率が決定
される間の時間を補償する遅延手段と、前記制御手段か
ら出力される圧縮、伸長率で、前記遅延手段からの出力
信号を圧縮、伸長する音声速度変換手段とを備えたこと
を特徴とする速度変換制御装置。 - 【請求項６】立ち上がり検出手段は、前記入力信号につ
いて包絡抽出手段によって抽出された包絡線信号を利用
して立ち上がりを検出するものであることを特徴とする
請求項１又は５記載の速度変換制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5151207A JPH06337696A (ja) | 1993-05-28 | 1993-05-28 | 速度変換制御装置と速度変換制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5151207A JPH06337696A (ja) | 1993-05-28 | 1993-05-28 | 速度変換制御装置と速度変換制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06337696A true JPH06337696A (ja) | 1994-12-06 |
Family
ID=15513583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5151207A Pending JPH06337696A (ja) | 1993-05-28 | 1993-05-28 | 速度変換制御装置と速度変換制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06337696A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006077626A1 (ja) * | 2005-01-18 | 2006-07-27 | Fujitsu Limited | 話速変換方法及び話速変換装置 |
| JP2008058956A (ja) * | 2006-07-31 | 2008-03-13 | Matsushita Electric Ind Co Ltd | 音声再生装置 |
| WO2009040950A1 (ja) | 2007-09-28 | 2009-04-02 | Fujitsu Limited | 音信号制御装置 |
| US20160205481A1 (en) * | 2012-01-27 | 2016-07-14 | Brett Anthony Swanson | Feature-based level control |
-
1993
- 1993-05-28 JP JP5151207A patent/JPH06337696A/ja active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006077626A1 (ja) * | 2005-01-18 | 2006-07-27 | Fujitsu Limited | 話速変換方法及び話速変換装置 |
| JPWO2006077626A1 (ja) * | 2005-01-18 | 2008-06-12 | 富士通株式会社 | 話速変換方法及び話速変換装置 |
| JP4630876B2 (ja) * | 2005-01-18 | 2011-02-09 | 富士通株式会社 | 話速変換方法及び話速変換装置 |
| US7912710B2 (en) | 2005-01-18 | 2011-03-22 | Fujitsu Limited | Apparatus and method for changing reproduction speed of speech sound |
| JP2008058956A (ja) * | 2006-07-31 | 2008-03-13 | Matsushita Electric Ind Co Ltd | 音声再生装置 |
| WO2009040950A1 (ja) | 2007-09-28 | 2009-04-02 | Fujitsu Limited | 音信号制御装置 |
| JP5141689B2 (ja) * | 2007-09-28 | 2013-02-13 | 富士通株式会社 | 音信号制御装置 |
| US8634697B2 (en) | 2007-09-28 | 2014-01-21 | Futjitsu Limited | Sound signal control device and method |
| US20160205481A1 (en) * | 2012-01-27 | 2016-07-14 | Brett Anthony Swanson | Feature-based level control |
| US9780747B2 (en) * | 2012-01-27 | 2017-10-03 | Cochlear Limited | Feature-based level control using loudness growth functions |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6205420B1 (en) | Method and device for instantly changing the speed of a speech | |
| EP1380029B1 (en) | Time-scale modification of signals applying techniques specific to determined signal types | |
| Verhelst et al. | An overlap-add technique based on waveform similarity (WSOLA) for high quality time-scale modification of speech | |
| JP2000511651A (ja) | 記録されたオーディオ信号の非均一的時間スケール変更 | |
| JP2000322099A (ja) | オーディオ信号の時間軸圧伸方法及び装置 | |
| JP2612868B2 (ja) | 音声の発声速度変換方法 | |
| JP2001051700A (ja) | マルチトラック音源信号の時間軸圧伸方法及び装置 | |
| JPH1091189A (ja) | 発声速度変換装置 | |
| JPH06337696A (ja) | 速度変換制御装置と速度変換制御方法 | |
| JP3379348B2 (ja) | ピッチ変換器 | |
| JP3378672B2 (ja) | 話速変換装置 | |
| JP3373933B2 (ja) | 話速変換装置 | |
| KR100359988B1 (ko) | 실시간 화속 변환 장치 | |
| JP3357742B2 (ja) | 話速変換装置 | |
| JPH09152889A (ja) | 話速変換装置 | |
| JPH0713596A (ja) | 音声速度変換方法 | |
| JP6313619B2 (ja) | 音声信号処理装置及びプログラム | |
| JPH08147874A (ja) | 話速変換装置 | |
| JPH08254992A (ja) | 話速変換装置 | |
| JPS60262200A (ja) | スペクトルパラメ−タ補間方法 | |
| JPH09146587A (ja) | 話速変換装置 | |
| JPS61269198A (ja) | 音声合成方式 | |
| KR100384898B1 (ko) | 발화속도 조절기능을 이용한 음성/영상의 동기화 방법 | |
| JPH07210192A (ja) | 出力データ制御方法及び装置 | |
| JP2006038956A (ja) | 音声速度遅延装置及び方法 |