JPH07319490A - 音声合成方法及び装置 - Google Patents

Abstract

(57)【要約】 【目的】 合成音声を生成する為の計算量を低減し、周
波数領域でのパラメータ操作を可能とすること。 【構成】 表音テキストとしての文字系列を入力する文
字系列入力部（１）と、この文字系列からパワスペクト
ル包絡をパラメータとして生成するパラメータ生成部
（３）と、声の高さをパラメータからピッチ波形を生成
する波形生成部（９）を備える。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、規則合成方式による音
声合成方法および装置に関する。

【０００２】

【従来の技術】従来の音声規則合成装置では、合成音声
の生成方法として、合成フィルタ方式（ＰＡＲＣＯＲ、
ＬＳＰ、ＭＬＳＡ）、波形編集方式、インパルス応答波
形の重ね合わせ方式を用いるものがあった。

【０００３】

【発明が解決しようとしている問題点】しかしながら、
上述した従来技術においては、合成フィルタ方式では音
声波形の生成に要する計算量が多く、波形編集方式では
合成音声の声の高さに合わせる波形編集処理が複雑であ
り、合成音声の音質が劣化する。また、インパルス応答
波形の重ね合わせ方式では波形の重なり合う部分で音質
が劣化する、というように、各方法共問題があった。

【０００４】上述した従来技術では、サンプリング周期
の整数倍にならないピッチ周期をもつ音声波形を生成す
る処理が難しく、そのため、正確なピッチの合成音声が
得られないという問題があった。

【０００５】上述した従来技術では、合成音声のサンプ
リング周波数を変換するときに、サンプリング速度を上
昇・下降させる処理と低域フィルタの処理を行わなけれ
ばならず、処理が複雑で計算量が多い、という問題があ
る。

【０００６】上述した従来技術では、周波数領域でのパ
ラメータ操作ができず、操作者にとって感覚的にわかり
にくいものであった。

【０００７】上述した従来技術では、合成音声の音色を
変える為にはパラメータそのものを操作しなければなら
ず、処理が非常に複雑になるという問題があった。

【０００８】上述した従来技術では、合成音声全ての音
声波形を上述の合成フィルタ方式、波形編集方式、イン
パルス応答波形の重ね合わせ方式で生成しなければなら
ず、計算量が多大になるという問題があった。

【０００９】

【問題点を解決するための手段】本発明は上記の問題点
に鑑みてなされたものであり、合成音声の音質劣化を防
止し、音声波形の生成に要する計算量を低減する音声合
成方法および装置を提供することを目的とする。また、
正確なピッチの合成音声が得られる音声合成方法および
装置を提供することを目的とする。また、合成音声のサ
ンプリング周波数の変換に要する計算量を低減する音声
合成方法および装置を提供することを目的とする。

【００１０】上記の目的を達成するための本発明による
音声合成装置は合成音声の声の高さとパラメータからピ
ッチ波形を生成して接続することにより音声波形を生成
する生成手段を備える。

【００１１】また、好ましくは、合成音声のパラメータ
から無声波形を生成して接続することにより音声波形を
生成する生成手段を備える。

【００１２】また、好ましくは、ピッチ波形の生成にお
いては、ピッチ毎にあらかじめ求めた行列とパラメータ
との積を計算する。

【００１３】また、好ましくは、無声波形の生成におい
ては、あらかじめ求めた行列とパラメータとの積を計算
する。

【００１４】また、好ましくは、ピッチ波形の生成にお
いては、ピッチ周期ポイント数の小数部を表すために、
位相のずれたピッチ波形を生成して接続する。

【００１５】また、好ましくは、ピッチ波形生成におい
ては、あるサンプリング周波数で求めたパラメータ（イ
ンパルス応答波形）を用いて、任意のサンプリング周波
数のピッチ波形を生成して接続する。

【００１６】また、好ましくはピッチ波形の生成におい
ては、周波数特性を決定する関数を持ち、ピッチ周波数
の整数倍における関数値を掛けることにより、パラメー
タから求めたスペクトル包絡のサンプル値を変換し、変
換されたサンプル値をフーリエ変換することによりピッ
チ波形を生成する。

【００１７】また、好ましくは、ピッチ波形の生成にお
いては、波形の対称性を利用する。

【００１８】また、上記の目的を達成するための本発明
による音声合成方法は、合成音声の声の高さとパラメー
タからピッチ波形を生成して接続することにより音声波
形を生成する生成工程を備える。

【００１９】また、好ましくは、合成音声のパラメータ
から無声波形を生成して接続することにより音声波形を
生成する生成工程を備える。

【００２０】また、好ましくは、ピッチ波形の生成にお
いては、ピッチ毎にあらかじめ求めた行列とパラメータ
との積を計算する。

【００２１】また、好ましくは、無声波形の生成におい
ては、あらかじめ求めた行列とパラメータとの積を計算
する。

【００２２】また、好ましくは、ピッチ波形の生成にお
いては、ピッチ周期ポイント数の小数部を表すために、
位相のずれたピッチ波形を生成して接続する。

【００２３】また、好ましくは、ピッチ波形生成におい
ては、あるサンプリング周波数で求めたパラメータ（イ
ンパルス応答波形）を用いて、任意のサンプリング周波
数のピッチ波形を生成して接続する。

【００２４】また、好ましくは、ピッチ波形の生成にお
いては、周波数特性を決定する関数を持ち、ピッチ周波
数の整数倍における関数値を掛けることにより、パラメ
ータから求めたスペクトル包絡のサンプル値を変換し、
変換されたサンプル値をフーリエ変換することによりピ
ッチ波形を生成する。

【００２５】また、好ましくはピッチ波形の生成におい
ては、波形の対称性を利用する。

【００２６】

【実施例】

（実施例１）図２５は実施例の音声合成装置の構成を示
すブロック図である。

【００２７】１０１は合成音声のテキストや制御コマン
ド等を入力する為のキーボード（Ｋ．Ｂ）、１０２は表
示器１０８の表示画面上の所望の位置を入力し得るポイ
ンティングデバイスであり、これによりアイコンを指示
することで所望の制御コマンド等を入力することができ
る。１０３は本装置により実行される、後述する実施例
中の各種処理を制御する中央処理装置（ＣＰＵ）であ
り、ＲＯＭ１０５に格納されている制御プログラムに従
って処理を実行する。１０４は通信インターフェイス
（Ｉ／Ｆ）であり、各種通信機関を利用したデータの送
受信を制御する。１０５はリードオンリーメモリ（ＲＯ
Ｍ）であり、実施例に示すフローチャートに示す処理の
制御プログラムを格納する。１０６はランダムアクセス
メモリ（ＲＡＭ）であり、実施例中の各種処理で生じる
データを格納する手段として用いる。１０７はスピーカ
であり、合成音声やオペレータへのメッセージ等の音声
を出力する。１０８はＬＣＤやＣＲＴ等の表示器であ
り、キーボードから入力されるテキストや処理途中のデ
ータ表示を行う。１０９はバスであり、各構成間のデー
タ、コマンド等の伝送を行う。

【００２８】図１は実施例１の音声合成装置の機能構成
を示すブロック図である。これらの各機能は、図２５の
ＣＰＵ１０３の制御により実行される。１は文字系列入
力部であり、合成すべき音声の文字系列を入力する。例
えば合成すべき音声が「あいうえお」であるときには、
「ＡＩＵＥＯ」というような表音テキストの文字系列を
入力する。また、この文字系列入力部１より入力する文
字系列中には、表音テキストの他に発声速度や声の高さ
などを設定するための制御シーケンスなどを意味する文
字系列が含まれることもある。文字系列入力部１は、入
力した文字系列が表音テキストであるか制御シーケンス
であるか判断する。２は制御データ格納部であり、文字
系列入力部１で制御シーケンスと判断され、送られてき
た文字系列や、ユーザインタフェースより入力される発
声速度や声の高さなどの制御データを内部レジスタに格
納する。３はパラメータ生成部であり、文字系列入力部
１で入力され、表音テキストであると判断された文字系
列に対応して、あらかじめ記憶してあるパラメータ系列
をＲＯＭ１０５よの読み出し、生成する。４はパラメー
タ格納部であり、パラメータ生成部３で生成されたパラ
メータ系列から処理対象とするフレームのパラメータを
取り出して内部レジスタに格納する。５はフレーム時間
長設定部であり、制御データ格納部２に格納された発声
速度に関する制御データとパラメータ格納部４に格納さ
れた発声速度係数Ｋ（発声速度に応じてフレーム時間長
を決めるために使用するパラメータ）から、各フレーム
の時間長Ｎｉを計算する。６は波形ポイント数格納部で
あり、１フレームの波形ポイント数ｎ_W を計算して内部
レジスタに格納する。７は合成パラメータ補間部であ
り、パラメータ格納部４に格納されている合成パラメー
タを、フレーム時間長設定部５で設定されたフレーム時
間長Ｎｉと波形ポイント数格納部６に格納された波形ポ
イント数ｎ_W で補間する。８はピッチスケール補間部で
あり、パラメータ格納部４に格納されているピッチスケ
ールを、フレーム時間長設定部５で設定されたフレーム
時間Ｎｉと波形ポイント数格納部６に格納された波形ポ
イント数ｎ_Wで補間する。９は波形生成部であり、合成
パラメータ補間部７で補間された合成パラメータとピッ
チスケール補間部８で補間されたピッチスケールからピ
ッチ波形を生成し、ピッチ波形を接続して合成音声を出
力する。

【００２９】波形生成部９で行われるピッチ波形の生成
について、図２、図３、図４、図５、図６を参照して説
明する。

【００３０】ピッチ波形の生成に用いる合成パラメータ
について説明する。図２において、フーリエ変換の次数
をＮ、合成パラメータの次数をＭとする。ここでＮ、Ｍ
はＮ＞２Ｍを満たすようにする。音声の対数パワスペク
トル包絡を

【００３１】

【外１】 とする。対数パワスペクトル包絡を指数関数に入力して
線形に戻し、逆フーリエ変換して求めたインパルス応答
は、

【００３２】

【外２】 となる。

【００３３】合成パラメータ ｐ（ｍ）（０＜ｍ＜Ｍ） は、インパルス応答の０次の値と１次以降の値の比を相
対的に２倍することにより得られる。すなわち、ｒ≠０
として、 ｐ（０）＝ｒｈ（０） ｐ（ｍ）＝２ｒｈ（ｍ）（１＜ｍ＜Ｍ） とする。

【００３４】サンプリング周波数を ｆ_s とする。サンプリング周期は

【００３５】

【外３】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【００３６】

【外４】 となり、ピッチ周期ポイント数は

【００３７】

【外５】 となる。［ｘ］でｘ以下の整数を表し、ピッチ周期ポイ
ント数を整数で量子化して Ｎ_p （ｆ）＝［Ｎ_p （ｆ）］ とする。ピッチ周期を角度２πに対応させたときの１ポ
イントごとの角度をθとすると、

【００３８】

【外６】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【００３９】

【外７】 となる（図３）。ピッチ波形を ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【００４０】

【外８】 によってＣ（ｆ）が与えられる。

【００４１】基本周波数の整数倍の正弦波を重ね合わせ
て

【００４２】

【外９】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））が
生成される（図４）。

【００４３】または、ピッチ周期の半分位相をずらして
重ね合わせて

【００４４】

【外１０】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））が
生成される（図５）。

【００４５】ピッチスケールを声の高さを表現するため
の尺度とする。式（１）、（２）の演算を直接行う代わ
りに、以下のように計算を高速化することもできる。ピ
ッチスケールｓに対応するピッチ周期ポイント数をＮ_p
（ｓ）とし、

【００４６】

【外１１】 として、式（１）の場合

【００４７】

【外１２】 式（２）の場合

【００４８】

【外１３】 を計算してテーブルに記憶しておく。波形生成行列を ＷＧＭ（ｓ）＝（ｃ_km（ｓ）） （０＜ｋ＜Ｎ_p
（ｓ），０＜ｍ＜Ｍ） とする。さらに、ピッチスケールｓに対応するピッチ周
期ポイント数Ｎ_p （ｓ）、パワ正規化係数Ｃ（ｓ）をテ
ーブルに記憶しておく。

【００４９】波形生成部９では、合成パラメータ補間部
７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜
Ｍ）とピッチスケール補間部８より出力されたピッチス
ケールｓを入力として、ピッチ周期ポイント数Ｎ_p
（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ
（ｓ）＝（ｃ_km（ｓ））をテーブルから読み出し、

【００５０】

【外１４】 によりピッチ波形を生成する（図６）。

【００５１】以上の表音テキストの入力からピッチ波形
を生成するまでの動作を、図７のフローチャートを参照
して説明する。

【００５２】ステップＳ１で、文字系列入力部１より表
音テキストを入力する。

【００５３】ステップＳ２で、外部入力された制御デー
タ（発声速度、声の高さ）と入力された表音テキスト中
の制御データを制御データ格納部２に格納する。

【００５４】ステップＳ３で、文字系列入力部１より入
力された表音テキストからパラメータ生成部３において
パラメータ系列を生成する。

【００５５】図８にステップＳ３で生成されたパラメー
タ１フレーム分のデータ構造例を示す。

【００５６】ステップＳ４で波形ポイント数格納部６の
内部レジスタを０に初期化する。波形ポイント数をｎ_W
で表すと ｎ_W ＝０ となる。

【００５７】ステップＳ５で、パラメータ系列カウンタ
ｉを０に初期化する。

【００５８】ステップＳ６で、パラメータ生成部３から
第ｉフレームと第ｉ＋１フレームのパラメータをパラメ
ータ格納部４の内部レジスタに取り込む。

【００５９】ステップＳ７で、制御データ格納部２よ
り、発声速度をフレーム時間長設定部５に取り込む。

【００６０】ステップＳ８で、フレーム時間長設定部５
において、パラメータ格納部４に取り込まれたパラメー
タの発声速度係数と、制御データ格納部２より取り込ま
れた発声速度を用いて、フレーム時間長Ｎｉを設定す
る。

【００６１】ステップＳ９で、波形ポイント数ｎ_W がフ
レーム時間長Ｎｉ未満か否かを判別することにより、第
ｉフレームの処理が終了していないか否かを判断し、ｎ
_W ＞Ｎｉの場合は第ｉフレームの処理が終了したと判断
してステップＳ１４へ進み、ｎ_W ＜Ｎｉの場合は第ｉフ
レームの処理途中であると判断してステップＳ１０へ進
み、処理が続けられる。

【００６２】ステップＳ１０で、合成パラメータ補間部
７において、パラメータ格納部４に取り込まれた合成パ
メータと、フレーム時間長設定部５で設定されたフレー
ム時間長と、波形ポイント数格納部６に格納された波形
ポイント数を用いて、合成パラメータの補間を行う。図
９は、合成パラメータの補間についての説明図である。
第ｉフレームの合成パラメータをｐ_i ［ｍ］（０＜ｍ＜
Ｍ）、第ｉ＋１フレームの合成パラメータをｐ_i+1
［ｍ］（０＜ｍ＜Ｍ）、第ｉフレームの時間長をＮ_i ポ
イントとする。このとき、１ポイント当たりの合成パラ
メータの差分Δ_p ［ｍ］（０＜ｍ＜Ｍ）は、

【００６３】

【外１５】 となる。次に、ピッチ波形を生成するごとに合成パラメ
ータｐ［ｍ］（０＜ｍ＜Ｍ）を更新する。

【００６４】 ｐ［ｍ］＝ｐ_i ［ｍ］＋ｎ_w Δ_p ［ｍ］ （３） の処理をピッチ波形開始点で行う。

【００６５】ステップＳ１１で、ピッチスケール補間部
８において、パラメータ格納部４に取り込まれたピッチ
スケールと、フレーム時間長設定部５で設定されたフレ
ーム時間長と波形ポイント数格納部６に格納された波形
ポイント数を用いて、ピッチスケールの補間を行う。図
１０はピッチスケールの補間についての説明図である。
第ｉフレームのピッチスケールをｓ_i 、第ｉ＋１フレー
ムのピッチスケールをｓ_i+1 、第ｉフレームのフレーム
時間長をＮ_i ポイントとする。このとき、１ポイント当
たりのピッチスケールの差分Δ_s は、

【００６６】

【外１６】 となる。次に、ピッチ波形を生成するごとにピッチスケ
ールｓを更新する。

【００６７】 ｓ＝ｓ_i ＋ｎ_W Δ_s （４） の処理をピッチ波形開始点で行う。

【００６８】ステップＳ１２で、式（３）によって得ら
れた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）
によって得られたピッチスケールｓを用いて波形生成部
９においてピッチ波形を生成する。ピッチスケールｓに
対応するピッチ周期ポイント数Ｎ_p （ｓ）とパワ正規化
係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ
_km（ｓ））（０＜ｋ＜Ｎ_p （ｓ），０＜ｍ＜Ｍ）をテー
ブルから読み出し、ピッチ波形を

【００６９】

【外１７】 によって生成する。

【００７０】図１１は生成されたピッチ波形の接続につ
いての説明図である。波形生成部９から合成音声として
出力される音声波形を Ｗ（ｎ） （０＜ｎ） とする。ピッチ波形の接続は、第ｊフレームのフレーム
時間をＮ_j として Ｗ（ｎ_W ＋ｋ）＝ｗ（ｋ） （ｉ＝０，０＜ｋ＜Ｎ_p
（ｓ））

【００７１】

【外１８】 によって行う。

【００７２】ステップＳ１３で、波形ポイント数格納部
６で波形ポイント数ｎ_W を ｎ_W ＝ｎ_W ＋Ｎ_p （ｓ） のように更新し、ステップＳ９に戻り、処理を続ける。

【００７３】ステップＳ９で、ｎ_W ＞Ｎ_iの場合はステ
ップＳ１４に進む。

【００７４】ステップＳ１４で、波形ポイント数ｎ_W を ｎ_W ＝ｎ_W −Ｎ_ｉ のように初期化する。

【００７５】ステップＳ１５で、全フレームの処理が終
了したか否かを判別し、終了していない場合はステップ
Ｓ１６に進む。

【００７６】ステップＳ１６では外部入力された制御デ
ータ（発声速度、声の高さ）を制御データ格納部２に格
納し、ステップＳ１７でパラメータ系列カウンタｉを ｉ＝ｉ＋１ のように更新し、ステップＳ６に戻り、処理を続ける。

【００７７】ステップＳ１５で全フレームの処理が終了
したと判断される場合は処理を終了する。

【００７８】（実施例２）実施例２の音声合成装置の構
成および機能構成を示すブロック図は、実施例１と同じ
く図２５および図１である。

【００７９】本実施例では、ピッチ周期ポイント数の小
数部分を表現すべく、位相のずれたピッチ波形を生成
し、接続する例について説明する。

【００８０】波形生成部９で行われるピッチ波形の生成
について、図１２を参照して説明する。

【００８１】ピッチ波形の生成に用いる合成パラメータ
を ｐ（ｍ） （０＜ｍ＜Ｍ） とする。サンプリング周波数を ｆ_Ｓ とする。サンプリング周期は

【００８２】

【外１９】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【００８３】

【外２０】 となり、ピッチ周期ポイント数は

【００８４】

【外２１】 となる。

【００８５】［ｘ］でｘ以下の整数を表す。

【００８６】ピッチ周期ポイント数の小数部を、位相の
ずれたピッチ波形を接続することで表す。周波数ｆに対
応するピッチ波形の個数を、位相数 ｎ_p （ｆ） とする。図１２はｎ_p （ｆ）＝３としたときのピッチ波
形の例を示したものである。さらに、拡張ピッチ周期ポ
イント数を

【００８７】

【外２２】 とし、ピッチ周期ポイント数を

【００８８】

【外２３】 と量子化する。ピッチ周期ポイント数を角度２πに対応
させたときの１ポイントごとの角度をθ₁ とすると、

【００８９】

【外２４】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【００９０】

【外２５】 となる。拡張ピッチ周期ポイント数を２πに対応させた
ときの１ポイントごとの角度をθ₂ とすると、

【００９１】

【外２６】 となる。拡張ピッチ波形を ｗ（ｋ） （０＜ｋ＜Ｎ（ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【００９２】

【外２７】 によってＣ（ｆ）が与えられる。

【００９３】ピッチ周波数の整数倍の正弦波を重ね合わ
せて

【００９４】

【外２８】 のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ（ｆ））
が生成される。

【００９５】または、ピッチ周期の半分位相をずらして
重ね合わせて

【００９６】

【外２９】 のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ（ｆ））
を生成する。

【００９７】位相インデックスを ｉ_p （０＜ｉ_p ＜ｎ_p （ｆ）） とする。ピッチ周波数ｆ、位相インデックスｉ_p に対応
する位相角を

【００９８】

【外３０】 と定義する。ａｍｏｄはａをｂで割った剰余を表すとし
て、 ｒ（ｆ，ｉ_p ）＝ｉ_p Ｎ（ｆ）ｍｏｄｎ_p （ｆ） と定義する。位相インデックスｉ_p に対応するピッチ波
形のピッチ波形ポイント数は

【００９９】

【外３１】 によって計算される。位相インデックスｉ_p に対応する
ピッチ波形は

【０１００】

【外３２】 となる。この後、位相インデックスを ｉ_p ＝（ｉ_p ＋１）ｍｏｄｎ_p （ｆ） と更新し、更新された位相インデックスを用いて、位相
角を φ_p ＝φ（ｆ，ｉ_p ） と計算する。さらに、次のピッチ波形を生成するときに
ピッチ周波数がｆ′に変更されるときは、φ_p に最も近
い位相角を得るために

【０１０１】

【外３３】 を満たすｉ′を求めて ｉ_p ＝ｉ′ のようにｉ_p を決定する。

【０１０２】ピッチスケールを声の高さを表現するため
の尺度とする。式（５）、（６）の演算を直接行う代わ
りに、以下のように計算を高速化することもできる。ピ
ッチスケールｓ∈Ｓ（Ｓはピッチスケールの集合）に対
応する位相数をｎ_p （ｓ）、位相インデックスをｉ_p
（０＜ｉ_p ＜ｎ_p （ｓ））、拡張ピッチ周期ポイント数
をＮ（ｓ）、ピッチ周期ポイント数をＮ_p （ｓ）、ピッ
チ波形ポイント数をＰ（ｓ，ｉ_p ）とし、

【０１０３】

【外３４】 として、式（５）の場合

【０１０４】

【外３５】 式（６）の場合

【０１０５】

【外３６】 を計算してテーブルに記憶しておく。波形生成行列を ＷＧＭ（ｓ，ｉ_p ）＝（ｃ_km（ｓ，ｉ_p ） （０＜ｋ＜Ｐ（ｓ，ｉ_p ），０＜ｍ＜Ｍ） とする。ピッチスケールｓと位相インデックスｉ_p に対
応する位相角

【０１０６】

【外３７】 をテーブルに記憶しておく。また、ピッチスケールｓと
位相角φ_p （∈｛φ（ｓ，ｉ_p ）｜ｓ∈Ｓ，０＜ｉ＜ｎ
_p （ｓ）｝）に対して

【０１０７】

【外３８】 を満たすｉ₀ を与える対応関係を ｉ₀ ＝Ｉ（ｓ，φ_p ） として、テーブルに記憶しておく、さらに、ピッチスケ
ールｓと位相インデックスｉ_p に対応する位相数ｎ_p
（ｓ）、ピッチ波形ポイント数Ｐ（ｓ，ｉ_p ）、パワ正
規化係数Ｃ（ｓ）をテーブルに記憶しておく。

【０１０８】波形生成部９では、内部レジスタに格納さ
れている位相インデックスをｉ_p 、位相角をφ_p とし、
合成パラメータ補間部７より出力された合成パラメータ
ｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より
出力されたピッチスケールｓを入力として、位相インデ
ックスを ｉ_p ＝Ｉ（ｓ，φ_p ） により決定し、ピッチ波形ポイント数Ｐ（ｓ，ｉ_p ）、
パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ（ｓ，ｉ
_p ）＝（ｃ_km（ｓ，ｉ_p ）をテーブルから読み出し、

【０１０９】

【外３９】 によりピッチ波形を生成する。ピッチ波形を生成した
後、位相インデックスを ｉ_p ＝（ｉ_p ＋１）ｍｏｄｎ_p （ｓ） のように更新し、更新された位相インデックスを用いて
位相角を φ_p ＝φ（ｓ，ｉ_p ） のように更新する。

【０１１０】以上の動作を、図１３のフローチャートを
参照して説明する。

【０１１１】ステップＳ２０１で、文字系列入力部１よ
り表音テキストを入力する。

【０１１２】ステップＳ２０２で、外部入力された制御
データ（発声速度、声の高さ）と入力された表音テキス
ト中の制御データを制御データ格納部２に格納する。

【０１１３】ステップＳ２０３で、文字系列入力部１よ
り入力された表音テキストからパラメータ生成部３にお
いてパラメータ系列を生成する。

【０１１４】ステップＳ２０３で生成されたパラメータ
１フレームのデータ構造は実施例１と同じであり、図８
に示されている。

【０１１５】ステップＳ２０４で、波形ポイント数格納
部６の内部レジスタを０に初期化する。波形ポイント数
をｎ_w で表すと ｎ_w ＝０ となる。

【０１１６】ステップＳ２０５で、パラメータ系列カウ
ンタｉを０に初期化する。

【０１１７】ステップＳ２０６で、位相インデックスｉ
_p を０に、位相角φ_p を０に初期化する。

【０１１８】ステップＳ２０７で、パラメータ生成部３
から第ｉフレームと第ｉ＋１フレームのパラメータをパ
ラメータ格納部４に取り込む。

【０１１９】ステップＳ２０８で、制御データ格納部２
より、発声速度をフレーム時間長設定部５に取り込む。

【０１２０】ステップＳ２０９で、フレーム時間長設定
部５において、パラメータ格納部４に取り込まれたパラ
メータの発声速度係数と、制御データ格納部２より取り
込まれた発声速度を用いて、フレーム時間長Ｎ_i を設定
する。

【０１２１】ステップＳ２１０で、波形ポイント数ｎ_w
がフレーム時間長Ｎ_i 未満か否かを判別し、ｎ_w ＞Ｎ_i
の場合はステップＳ２１７へ進み、ｎ_w ＜Ｎ_i の場合は
ステップＳ２１１へ進み、処理を続ける。

【０１２２】ステップＳ２１１で、合成パラメータ補間
部７において、パラメータ格納部４に取り込まれた合成
パラメータと、フレーム時間長設定部５で設定されたフ
レーム時間長と、波形ポイント数格納部６に格納された
波形ポイント数を用いて、合成パラメータの補間を行
う。パラメータの補間は実施例１のステップＳ１０と同
じである。

【０１２３】ステップＳ２１２で、ピッチスケール補間
部８において、パラメータ格納部４に取り込まれたピッ
チスケールと、フレーム時間長設定部５で設定されたフ
レーム時間長と波形ポイント数格納部６に格納された波
形ポイント数を用いて、ピッチスケールの補間を行う。
ピッチスケールの補間は実施例１のステップＳ１１と同
じである。

【０１２４】ステップＳ２１３で、式（４）によって得
られたピッチスケールｓと位相角φ_p から ｉ_p ＝Ｉ（ｓ，φ_p ） によって位相インデックスを決定する。

【０１２５】ステップＳ２１４で、式（３）によって得
られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式
（４）によって得られたピッチスケールｓを用いて波形
生成部９においてピッチ波形を生成する。ピッチスケー
ルｓに対応するピッチ波形ポイント数Ｐ（ｓ，ｉ_p ）と
パワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ，ｉ
_p）＝（ｃ_km（ｓ，ｉ_p ））（０＜ｋ＜Ｐ（ｓ，ｉ
_p ），０＜ｍ＜Ｍ）をテーブルから読み出し、ピッチ波
形を

【０１２６】

【外４０】 によって生成する。

【０１２７】波形生成部９から合成音声として出力され
る音声波形を Ｗ（ｎ）（０＜ｎ） とする。ピッチ波形の接続は実施例１と同様であり、第
ｊフレームのフレーム時間長をＮ_j として Ｗ（ｎ_W ＋ｋ）＝ｗ_p （ｋ） （ｉ＝０，０＜ｋ＜Ｐ
（ｓ，ｉ_p ））

【０１２８】

【外４１】 によって行う。

【０１２９】ステップＳ２１５で、位相インデックスを ｉ_p ＝（ｉ_p ＋１）ｍｏｄｎ_p （ｓ） のように更新し、更新された位相インデックスｉ_p を用
いて、位相角を φ_p ＝φ（ｓ，ｉ_p ） のように更新する。

【０１３０】ステップＳ２１６で、波形ポイント数格納
部６で波形ポイント数ｎ_w を ｎ_w ＝ｎ_w ＋Ｐ（ｓ，ｉ_p ） のように更新し、ステップＳ２１０に戻り、処理を続け
る。

【０１３１】ステップＳ２１０で、ｎ_w ＞Ｎ_i の場合は
ステップＳ２１７へ進む。

【０１３２】ステップＳ２１７で、波形ポイント数ｎ_w
を ｎ_w ＝ｎ_w −Ｎ_i のように初期化する。

【０１３３】ステップＳ２１８で、全フレームの処理が
終了したか否かを判別し、終了していない場合はステッ
プＳ２１９に進む。

【０１３４】ステップＳ２１９では外部入力された制御
データ（発声速度、声の高さ）を制御データ格納部２に
格納し、ステップＳ２２０でパラメータ系列カウンタｉ
を ｉ＝ｉ＋１ のように更新し、ステップＳ２０７に戻り、処理を続け
る。

【０１３５】ステップＳ２１８で全フレームの処理が終
了したと判断される場合は処理を終了する。

【０１３６】（実施例３）本実施例では、実施例１にお
けるピッチ波形生成の方法に加え、無声波形の生成につ
いて説明する。

【０１３７】図１４は、実施例３の音声合成装置の機能
構成を示すブロック図である。これらの各機能は、図２
５のＣＰＵ１０３の制御により実行される。３０１は文
字系列入力部であり、合成すべき音声の文字系列を入力
する。例えば合成すべき音声が「音声」であるときに
は、「ＯｎＳＥＩ」というような表音テキストの文字系
列を入力する。また、この文字系列入力部３０１より入
力する文字系列中には、表音テキストの他に発声速度や
声の高さなどを設定するための制御シーケンスを意味す
る文字系列などが含まれることもある。文字系列入力部
３０１は、入力した文字系列が表音テキストであるか制
御シーケンスであるか判断する。３０２は制御データ格
納部であり、文字系列入力部３０１で制御シーケンスと
判断され、送られてきた文字系列や、ユーザインタフェ
ースより入力される発声速度や声の高さなどの制御デー
タを内部レジスタに格納する。３０３はパラメータ生成
部であり、文字系列入力部３０１で入力された、表音テ
キストであると判断された文字系列に対応して予め記憶
してあるパラメータ系列をＲＯＭ１０５より読み出し、
生成する。３０４はパラメータ格納部であり、パラメー
タ生成部３０３で生成されたパラメータ系列から処理対
象とするフレームのパラメータを取り出して内部レジス
タに格納する。３０５はフレーム時間長設定部であり、
制御データ格納部３０２に格納された発声速度に関する
制御データとパラメータ格納部３０４に格納された発声
速度係数Ｋ（発声速度に応じてフレーム時間長を決める
ために使用するパラメータ）から、各フレームの時間長
Ｎ_i を計算する。３０６は波形ポイント数格納部であ
り、１フレームの波形ポイント数ｎ_w を計算して内部レ
ジスタに格納する。３０７は合成パラメータ補間部であ
り、パラメータ格納部３０４に格納されている合成パラ
メータを、フレーム時間長設定部３０５で設定されたフ
レーム時間長Ｎ_i と波形ポイント数格納部３０６に格納
された波形ポイント数ｎ_w で補間する。３０８はピッチ
スケール補間部であり、パラメータ格納部３０４に格納
されているピッチスケールを、フレーム時間長設定部３
０５で設定されたフレーム時間長Ｎ_i と波形ポイント数
格納部３０６に格納された波形ポイント数ｎ_w で補間す
る。３０９は波形生成部であり、合成パラメータ補間部
３０７で補間された合成パラメータとピッチスケール補
間部３０８で補間されたピッチスケールからピッチ波形
を生成し、ピッチ波形を接続して合成音声を出力する。
また、波形生成部３０９は、合成パラメータ補間部３０
７より出力された合成パラメータから無声波形を生成
し、無声波形を接続して合成音声を出力する。

【０１３８】波形生成部３０９で行われるピッチ波形の
生成は実施例１における波形生成部９と同じである。

【０１３９】本実施例では、波形生成部３０９で行われ
るピッチ波形の生成の他に更なる無声波形の生成につい
て説明する。

【０１４０】無声波形の生成に用いる合成パラメータを ｐ（ｍ）（０＜ｍ＜Ｍ） とする。サンプリング周波数を ｆ_s とする、サンプリング周期は

【０１４１】

【外４２】 である、無声波形の生成に使用する正弦波のピッチ周波
数を ｆ とする。ｆは、可聴周波数帯域よりも低い周波数に設定
される。

【０１４２】［ｘ］でｘ以下の整数を表す。

【０１４３】ピッチ周波数ｆに対応するピッチ周期ポイ
ント数は

【０１４４】

【外４３】 となる。無声波形ポイント数を Ｎ_uv＝Ｎ_p （ｆ） とする。無声波形ポイント数を角度２πに対応させたと
きの１ポイントごとの角度をθとすると、

【０１４５】

【外４４】 となる。ピッチ周波数ｆの整数倍におけるスペクトル包
絡の値は

【０１４６】

【外４５】 となる。無声波形を ｗ_uv（ｋ）（０＜ｋ＜Ｎ_uv） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０１４７】

【外４６】 によってＣ（ｆ）が与えられる。無声波形生成に使用す
るパワ正規化係数を Ｃ_uv＝Ｃ（ｆ） とする。

【０１４８】ピッチ周波数ｆの整数倍の正弦波を、位相
をランダムにずらして重ね合わせることにより無声波形
を生成する。位相のずれをα_l （１＜ｌ＜［Ｎ_uv／
２］）とする。α_l は −π＜α_l ＜π を満たすランダムな値に設定される。

【０１４９】

【外４７】 のように無声波形ｗ_uv（ｋ）（０＜ｋ＜Ｎ_uv）が生成さ
れる。

【０１５０】式（７）の演算を直接行う代わりに、以下
のように計算を高速化することもできる。無声波形イン
デックスを ｉ_uv（０＜ｉ_uv＜Ｎ_uv） として、

【０１５１】

【外４８】 を計算してテーブルに記憶しておく、無声波形生成行列
を ＵＶＷＧＭ（ｉ_uv）＝（ｃ（ｉ_uv，ｍ））（０＜ｉ_uv＜
Ｎ_uv，０＜ｍ＜Ｍ） とする。さらに、ピッチ周期ポイント数Ｎ_uv、パワ正規
化係数Ｃ_uvをテーブルに記憶しておく。

【０１５２】波形生成部３０９では、内部レジスタに格
納されている無声波形インデックスをｉ_uv、合成パラメ
ータ補間部７より出力された合成パラメータｐ（ｍ）
（０＜ｍ＜Ｍ）を入力として、パワ正規化係数Ｃ_uv、無
声波形生成行列ＵＶＷＧＭ（ｉ_uv）＝（ｃ（ｉ_uv，
ｍ））がテーブルから読み出され、

【０１５３】

【外４９】 により無声波形が１ポイント生成される。無声波形が生
成された後、ピッチ周期ポイント数Ｎ_uvがテーブルから
読み出され、無声波形インデックスｉ_uvを ｉ_uv＝（ｉ_uv＋１）ｍｏｄＮ_uv のように更新し、波形ポイント数格納部３０６に格納さ
れている波形ポイント数ｎ_w を ｎ_w ＝ｎ_w ＋１ のように更新する。

【０１５４】以上の動作を、図１５のフローチャートを
参照して説明する。

【０１５５】ステップＳ３０１で、文字系列入力部３０
１より表音テキストを入力する。

【０１５６】ステップＳ３０２で、外部入力された制御
データ（発声速度、声の高さ）と入力された表音テキス
ト中の制御データを制御データ格納部３０２に格納す
る。

【０１５７】ステップＳ３０３で、文字系列入力部３０
１より入力された表音テキストからパラメータ生成部３
０３においてパラメータ系列を生成する。

【０１５８】図１６は、ステップＳ３０３で生成された
パラメータ１フレームのデータ構造を示す。

【０１５９】ステップＳ３０４で、波形ポイント数格納
部３０６の内部レジスタを０に初期化する。波形ポイン
ト数をｎ_w で表すと ｎ_w ＝０ となる。

【０１６０】ステップＳ３０５で、パラメータ系列カウ
ンタｉを０に初期化する。

【０１６１】ステップＳ３０６で、無声波形インデック
スｉ_uvを０に初期化する。

【０１６２】ステップＳ３０７で、パラメータ生成部３
０３から第ｉフレームと第ｉ＋１フレームのパラメータ
をパラメータ格納部３０４に取り込む。

【０１６３】ステップＳ３０８で、制御データ格納部３
０２より、発生速度をフレーム時間長設定部３０５に取
り込む。

【０１６４】ステップＳ３０９で、フレーム時間長設定
部３０５において、パラメータ格納部３０４に取り込ま
れた発声速度係数と、制御データ格納部３０２より取り
込まれた発声速度を用いて、フレーム時間長Ｎ_i を設定
する。

【０１６５】ステップＳ３１０で、パラメータ格納部３
０４に取り込まれた有声・無声情報を用いて第ｉフレー
ムのパラメータが無声であるか否かを判断し、無声の場
合はステップＳ３１１に進み、有声の場合はステップＳ
３１７に進む。

【０１６６】ステップＳ３１１で、波形ポイント数ｎ_w
がフレーム時間長Ｎ_i 未満か否かを判別し、ｎ_w ＞Ｎ_i
の場合はステップＳ３１５へ進み、ｎ_w ＜Ｎ_i の場合は
ステップＳ３１２へ進み、処理を続ける。

【０１６７】ステップＳ３１２で、合成パラメータ補間
部３０７より入力された第ｉフレームの合成パラメータ
ｐ_i ［ｍ］（０＜ｍ＜Ｍ）を用いて波形生成部３０９に
おいて無声波形を生成する。パワ正規化係数Ｃ_uvをテー
ブルから読み出し、さらに、無声波形インデックスｉ_uv
に対応する無声波形生成行列ＵＶＷＧＭ（ｉ_uv）＝（ｃ
（ｉ_uv，ｍ））（０＜ｍ＜Ｍ）をテーブルから読み出し
を、無声波形が

【０１６８】

【外５０】 によって生成される。

【０１６９】波形生成部３０９から合成音声として出力
される音声波形を Ｗ（ｎ）（０＜ｎ） とする。無声波形の接続は、第ｊフレームのフレーム時
間長をＮ_j として Ｗ（ｎ_w ＋１）＝ｗ_uv（ｉ_uv）（ｉ＝０）

【０１７０】

【外５１】 によって行う。

【０１７１】ステップＳ３１３で、無声波形ポイント数
Ｎ_uvをテーブルから読み出し、無声波形インデックスを ｉ_uv＝（ｉ_uv＋１）ｍｏｄＮ_uv のように更新する。

【０１７２】ステップＳ３１４で、波形ポイント数格納
部３０６で波形ポイント数ｎ_w を ｎ_w ＝ｎ_w ＋１ のように更新し、ステップＳ３１１に戻り、処理を続け
る。

【０１７３】ステップＳ３１０で有声・無声情報が有声
の場合、ステップＳ３１７に進み、第ｉフレームのピッ
チ波形を生成・接続する。ここで行われる処理は実施例
１のステップＳ９、Ｓ１０、Ｓ１１、Ｓ１２、Ｓ１３で
行われる処理に同じである。

【０１７４】ステップＳ３１１でｎ_w ＞Ｎ_i の場合、ス
テップＳ３１５へ進み、波形ポイント数ｎ_w を ｎ_w ＝ｎ_w −Ｎ_i のように初期化する。

【０１７５】ステップＳ３１６で、全フレームの処理が
終了したか否かを判別し、終了していない場合はステッ
プＳ３１８に進む。

【０１７６】ステップＳ３１８では外部入力された制御
データ（発声速度、声の高さ）を制御データ格納部３０
２に格納し、ステップＳ３１９でパラメータ系列カウン
タｉを ｉ＝ｉ＋１ のように更新し、ステップＳ３０７に戻り、処理を続け
る。

【０１７７】ステップＳ３１６で全フレームの処理が終
了したと判断される場合は処理を終了する。

【０１７８】（実施例４）本実施例では、分析時と合成
時で異なるサンプリング周波数で処理を可能とする例に
ついて説明する。

【０１７９】実施例４の音声合成装置の構成及び機能構
成を示すブロック図は、実施例１と同じく図２５及び図
１である。

【０１８０】波形生成部９で行われるピッチ波形の生成
について説明する。

【０１８１】ピッチ波形の生成に用いる合成パラメータ
を ｐ（ｍ）（０＜ｍ＜Ｍ） とする。合成パラメータであるインパルス応答波形のサ
ンプリング周波数を分析サンプリング周波数 ｆ_s1 とする。分析サンプリング周期は

【０１８２】

【外５２】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【０１８３】

【外５３】 となる。分析ピッチ周期ポイント数は

【０１８４】

【外５４】 となる。

【０１８５】［ｘ］でｘ以下の整数を表し、分析ピッチ
周期ポイント数を整数で量子化して Ｎ_p1（ｆ）＝［Ｎ_p1（ｆ）］ とする。

【０１８６】合成音声のサンプリング周波数を合成サン
プリング周波数 ｆ_s2 とする。合成ピッチ周期ポイント数は

【０１８７】

【外５５】 となり、さらに、

【０１８８】

【外５６】 と量子化する。

【０１８９】分析ピッチ周期ポイント数を角度２πに対
応させたときの１ポイントごとの角度をθ₁ とすると、

【０１９０】

【外５７】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【０１９１】

【外５８】 となる。合成ピッチ周期ポイント数を２πに対応させた
ときの１ポイントごとの角度をθ₂ とすると、

【０１９２】

【外５９】 となる。ピッチ波形を ｗ（ｋ）（０＜ｋ＜Ｎ_p2（ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０１９３】

【外６０】 によってＣ（ｆ）が与えられる。

【０１９４】ピッチ周波数の整数倍の正弦波を重ね合わ
せて

【０１９５】

【外６１】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p2（ｆ））を
生成する。

【０１９６】または、ピッチ周期の半分位相をずらして
重ね合わせて

【０１９７】

【外６２】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p2（ｆ））を
生成する。

【０１９８】ピッチスケールを声の高さを表現するため
の尺度とする。式（８）、（９）の演算を直接行う代わ
りに、以下のように計算を高速化することもできる。ピ
ッチスケールｓ∈Ｓ（Ｓはピッチスケールの集合）に対
応する分析ピッチ周期ポイント数をＮ_P1（ｓ）、合成ピ
ッチ周期ポイント数をＮ_P2（ｓ）とし、

【０１９９】

【外６３】 として、式（８）の場合

【０２００】

【外６４】 式（９）の場合

【０２０１】

【外６５】 を計算してテーブルに記憶しておく、波形生成行列を ＷＧＭ（ｓ）＝（ｃ_km（ｓ））（０＜ｋ＜Ｎ_p2（ｓ），
０＜ｍ＜Ｍ） とする。さらに、ピッチスケールｓに対応する合成ピッ
チ周期ポイント数Ｎ_P2（ｓ）、パワ正規化係数Ｃ（ｓ）
をテーブルに記憶しておく。

【０２０２】波形生成部９では、合成パラメータ補間部
７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜
Ｍ）とピッチスケール補間部８より出力されたピッチス
ケールｓを入力として、合成ピッチ周期ポイント数Ｎ_P2
（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ
（ｓ）＝（ｃ_km（ｓ））をテーブルから読み出し、

【０２０３】

【外６６】 によりピッチ波形を生成する。

【０２０４】以上の動作を、図７のフローチャートを参
照して説明する。

【０２０５】ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、
Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と
同じである。

【０２０６】ステップＳ１２のピッチ波形生成処理につ
いて、本実施例における処理を説明する。式（３）によ
って得られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と
式（４）によって得られたピッチスケールｓを用いて波
形生成部９においてピッチ波形が生成される。ピッチス
ケールｓに対応する合成ピッチ周期ポイント数Ｎ
_p2（ｓ）とパワ正規化係数Ｃ（ｓ）と波形生成行列ＷＧ
Ｍ（ｓ）＝（ｃ_km（ｓ））（０＜ｋ＜Ｎ_p2，０＜ｍ＜
Ｍ）がテーブルから読み出され、ピッチ波形を

【０２０７】

【外６７】 によって生成する。

【０２０８】波形生成部９から合成音声として出力され
る音声波形を Ｗ（ｎ）（０＜ｎ） とする。ピッチ波形の接続は、第ｊフレームのフレーム
時間長をＮ_j として Ｗ（ｎ_w ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ
_p2（ｓ））

【０２０９】

【外６８】 によって行う。

【０２１０】ステップＳ１３で、波形ポイント数格納部
６で波形ポイント数ｎ_w を ｎ_w ＝ｎ_w ＋Ｎ_p2（ｓ） のように更新する。

【０２１１】ステップＳ１４、Ｓ１５、Ｓ１６、Ｓ１７
は実施例１と同じである。

【０２１２】（実施例５）本実施例では、パワスペクト
ル包絡からピッチ波形を生成することにより、パワスペ
クトル包絡を利用した周波数領域でのパラメータ操作を
可能とする例について説明する。

【０２１３】実施例５の音声合成装置の構成及び機能構
成を示すブロック図は、実施例１と同じく図２５及び図
１である。

【０２１４】波形生成部９で行われるピッチ波形の生成
について説明する。

【０２１５】まず、ピッチ波形の生成に用いる合成パラ
メータについて説明する。図１７において、フーリエ変
換の次数をＮ、ピッチ波形の生成に用いるインパルス応
答波形の次数をＭとする。ここでＮ、ＭはＮ＞２Ｍを満
たすようにする。音声の対数パワスペクトル包絡を

【０２１６】

【外６９】 とする。対数パワスペクトル包絡を指数関数に入力して
線形に戻し、逆フーリエ変換して求めたインパルス応答
は、

【０２１７】

【外７０】 となる。

【０２１８】ピッチ波形の生成に用いるインパルス応答
波形 ｈ′（ｍ）（０＜ｍ＜Ｍ） は、インパルス応答の０次の値と１次以降の値の比を相
対的に２倍することにより得られる。すなわち、ｒ≠０
として、 ｈ′（０）＝ｒｈ（０） ｈ′（ｍ）＝２ｒｈ（ｍ）（１＜ｍ＜Ｍ） とする。

【０２１９】合成パラメータを ｐ（ｎ）＝ｒ・ｅｘｐ（ａ（ｎ））（０＜ｎ＜Ｎ） とする。このとき、

【０２２０】

【外７１】 となる。

【０２２１】

【外７２】 とすると、

【０２２２】

【外７３】 となる。

【０２２３】サンプリング周波数を ｆ_s とする。サンプリング周期は、

【０２２４】

【外７４】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【０２２５】

【外７５】 となり、ピッチ周期ポイント数は

【０２２６】

【外７６】 となる。［ｘ］でｘ以下の整数を表し、ピッチ周期ポイ
ント数を整数で量子化して Ｎ_p （ｆ）＝［Ｎ_p （ｆ）］ とする。ピッチ周期を角度２πに対応させたときの１ポ
イントごとの角度をθとすると、

【０２２７】

【外７７】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【０２２８】

【外７８】 となる。ピッチ波形を ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０２２９】

【外７９】 によってＣ（ｆ）が与えられる。

【０２３０】基本周波数の整数倍の正弦波を重ね合わせ
て

【０２３１】

【外８０】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））を
生成する。

【０２３２】または、ピッチ周期の半分位相をずらして
重ね合わせて

【０２３３】

【外８１】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））を
生成する。

【０２３４】ピッチスケールを声の高さを表現するため
の尺度とする。式（１０）、（１１）の演算を直接行う
代わりに、以下のように計算を高速化することもでき
る。ピッチスケールｓに対応するピッチ周期ポイント数
をＮ_p （ｓ）とし、

【０２３５】

【外８２】 として、式（１０）の場合

【０２３６】

【外８３】 式（１１）の場合

【０２３７】

【外８４】 を計算してテーブルに記憶しておく、波形生成行列を ＷＧＭ（ｓ）＝（ｃ_kn（ｓ）） （０＜ｋ＜Ｎ_p （ｓ），０＜ｎ＜Ｎ） とする。さらに、ピッチスケールｓに対応するピッチ周
期ポイント数Ｎ_p （ｓ）、パワ正規化係数Ｃ（ｓ）をテ
ーブルに記憶しておく。

【０２３８】波形生成部９では、合成パラメータ補間部
７より出力された合成パラメータｐ（ｎ）（０＜ｎ＜
Ｎ）とピッチスケール補間部８より出力されたピッチス
ケールｓを入力として、ピッチ周期ポイント数Ｎ_p
（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ
（ｓ）＝（ｃ_kn（ｓ））をテーブルから読み出し、

【０２３９】

【外８５】 によりピッチ波形を生成する（図１８）。

【０２４０】以上の動作を、図７のフローチャートを参
照して説明する。

【０２４１】ステップＳ１、Ｓ２、Ｓ３は実施例１と同
じである。

【０２４２】図１９は、ステップＳ３で生成されたパラ
メータ１フレームのデータ構造を示す。

【０２４３】ステップＳ４、Ｓ５、Ｓ６、Ｓ７、Ｓ８、
Ｓ９は実施例１と同じである。

【０２４４】ステップＳ１０で、合成パラメータ補間部
７において、パラメータ格納部４に取り込まれた合成パ
ラメータと、フレーム時間長設定部５で設定されたフレ
ーム時間長と、波形ポイント数格納部６に格納された波
形ポイント数を用いて、合成パラメータの補間が行われ
る。図２０は、合成パラメータの補間についての説明図
である。第ｉフレームの合成パラメータをｐ_i ［ｎ］
（０＜ｎ＜Ｎ）、第ｉ＋１フレームの合成パラメータを
ｐ_i+1 ［ｎ］（０＜ｎ＜Ｎ）、第ｉフレームの時間長を
Ｎ_i ポイントとする。このとき、１ポイント当たりの合
成パラメータの差分Δ_p ［ｎ］（０＜ｎ＜Ｎ）は、

【０２４５】

【外８６】 となる。次に、ピッチ波形を生成するごとに合成パラメ
ータｐ［ｎ］（０＜ｎ＜Ｎ）を更新する。

【０２４６】ｐ［ｎ］＝ｐ_i ［ｎ］＋ｎ_w Δ_p ［ｎ］ の処理をピッチ波形開始点で行う。

【０２４７】ステップＳ１１は、実施例１と同じであ
る。

【０２４８】ステップＳ１２で、式（１２）によって得
られた合成パラメータｐ［ｎ］（０＜ｎ＜Ｎ）と式
（４）によって得られたピッチスケールｓを用いて波形
生成部９においてピッチ波形を生成する。ピッチスケー
ルｓに対応するピッチ周期ポイント数Ｎ_p （ｓ）とパワ
正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ
_kn（ｓ））（０＜ｋ＜Ｎ_p （ｓ），０＜ｎ＜Ｎ）をテー
ブルから読み出し、ピッチ波形を

【０２４９】

【外８７】 によって生成する。

【０２５０】図１１は、生成されたピッチ波形の接続に
ついての説明図である。波形生成部９から合成音声とし
て出力される音声波形を Ｗ（ｎ）（０＜ｎ） とする。ピッチ波形の接続は、第ｊフレームのフレーム
時間長をＮ_j として Ｗ（ｎ_w ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_p
（ｓ））

【０２５１】

【外８８】 によって行う。

【０２５２】ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１
６、Ｓ１７は実施例１と同じである。

【０２５３】（実施例６）本実施例では、周波数特性を
決定する関数を用いてスペクトル包絡を変換する例につ
いて説明する。

【０２５４】実施例６の音声合成装置の構成及び機能構
成を示すブロック図は、実施例１と同じく図２５及び図
１である。

【０２５５】波形生成部９で行われるピッチ波形の生成
について説明する。

【０２５６】ピッチ波形の生成に用いる合成パラメータ
を ｐ（ｍ）（０＜ｍ＜Ｍ） とする。サンプリング周波数を ｆ_s とする。サンプリング周期は

【０２５７】

【外８９】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【０２５８】

【外９０】 となり、ピッチ周期ポイント数は

【０２５９】

【外９１】 となる。［ｘ］でｘ以下の整数を表し、ピッチ周期ポイ
ント数を整数で量子化して Ｎ_p （ｆ）＝［Ｎ_p （ｆ）］ とする。ピッチ周期を角度２πに対応させたときの１ポ
イントごとの角度をθとすると、

【０２６０】

【外９２】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【０２６１】

【外９３】 となる。スペクトル包絡の操作に用いる周波数特性関数
を ｒ（ｘ）（０＜ｘ＜ｆ_s ／２） とする。図２１は、ｆ₁ 以上の周波数の高調波の振幅を
２倍にする例である。ｒ（ｘ）を変えることによって、
スペクトル包絡を操作することができる。この関数を用
いて、ピッチ周波数の整数倍におけるスペクトル包絡の
値を

【０２６２】

【外９４】 と変換する。ピッチ波形を ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０２６３】

【外９５】 によってＣ（ｆ）が与えられる。

【０２６４】基本周波数の整数倍の正弦波を重ね合わせ
て

【０２６５】

【外９６】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））を
生成する。

【０２６６】または、ピッチ周期の半分位相をずらして
重ね合わせて

【０２６７】

【外９７】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））を
生成する。

【０２６８】ピッチスケールを声の高さを表現するため
の尺度とする。式（１３）、（１４）の演算を直接行う
代わりに、以下のように計算を高速化することもでき
る。ピッチスケールｓに対応するピッチ周波数をｆ、ピ
ッチ周期ポイント数をＮ_p （ｓ）とし、

【０２６９】

【外９８】 とする、さらに、周波数特性関数を ｒ（ｘ）（０＜ｘ＜ｆ_s ／２） とする。そして、式（１３）の場合

【０２７０】

【外９９】 式（１４）の場合

【０２７１】

【外１００】 を計算してテーブルに記憶しておく、波形生成行列を ＷＧＭ（ｓ）＝（ｃ_km（ｓ））（０＜ｋ＜Ｎ_p （ｓ），
０＜ｍ＜Ｍ） とする。さらに、ピッチスケールｓに対応するピッチ周
期ポイント数Ｎ_p （ｓ）、パワ正規化係数Ｃ（ｓ）をテ
ーブルに記憶しておく。

【０２７２】波形生成部９では、合成パラメータ補間部
７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜
Ｍ）とピッチスケール補間部８より出力されたピッチス
ケールｓを入力として、ピッチ周期ポイント数Ｎ_p
（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ
（ｓ）＝（ｃ_km（ｓ））をテーブルから読み出し、

【０２７３】

【外１０１】 によりピッチ波形を生成する。（図６） 以上の動作を、図７のフローチャートを参照して説明す
る。

【０２７４】ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、
Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と
同じである。

【０２７５】ステップＳ１２で、式（３）によって得ら
れた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）
によって得られたピッチスケールｓを用いて波形生成部
９においてピッチ波形を生成する。ピッチスケールｓに
対応するピッチ周期ポイント数Ｎ_p （ｓ）とパワ正規化
係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ
_km（ｓ））（０＜ｋ＜Ｎ_p （ｓ），０＜ｍ＜Ｍ）をテー
ブルから読み出し、ピッチ波形を

【０２７６】

【外１０２】 によって生成する。

【０２７７】図１１は、生成されたピッチ波形の接続に
ついての説明図である。波形生成部９から合成音声とし
て出力される音声波形を Ｗ（ｎ）（０＜ｎ） とする。ピッチ波形の接続は、第ｊフレームのフレーム
時間長をＮ_j として Ｗ（ｎ_w ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_p
（ｓ））

【０２７８】

【外１０３】 によって行う。

【０２７９】ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１
６、Ｓ１７は実施例１と同じである。

【０２８０】（実施例７）本実施例では、実施例１にお
ける正弦関数に変えて余弦関数を用いる例について説明
する。

【０２８１】実施例７の音声合成装置の構成及び機能構
成を示すブロック図は、実施例１と同じく図２５及び図
１である。

【０２８２】波形生成部９で行われるピッチ波形の生成
について説明する。

【０２８３】ピッチ波形の生成に用いる合成パラメータ
を ｐ（ｍ）（０＜ｍ＜Ｍ） とする。

【０２８４】サンプリング周波数を ｆ_s とする。サンプリング周期は、

【０２８５】

【外１０４】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【０２８６】

【外１０５】 となり、ピッチ周期ポイント数は

【０２８７】

【外１０６】 となる。［ｘ］でｘ以下の整数を表し、ピッチ周期ポイ
ント数を整数で量子化して Ｎ_p （ｆ）＝［Ｎ_p （ｆ）］ とする。ピッチ周期を角度２πに対応させたときの１ポ
イントごとの角度をθとすると、

【０２８８】

【外１０７】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【０２８９】

【外１０８】 となる。（図３）ピッチ波形を ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０２９０】

【外１０９】 によってＣ（ｆ）が与えられる。

【０２９１】基本周波数の整数倍の余弦波を重ね合わせ
て

【０２９２】

【外１１０】 となる。さらに、次のピッチ波形のピッチ周波数をｆ′
とすると、次のピッチ波形の０次の値は

【０２９３】

【外１１１】 となる。

【０２９４】

【外１１２】 として、 ｗ（ｋ）＝γ（ｋ）ｗ（ｋ） のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））を
生成する（図２２）。

【０２９５】または、ピッチ周期の半分位相をずらして
重ね合わせて

【０２９６】

【外１１３】 のようにピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ_p （ｆ））を
生成する（図２３）。

【０２９７】ピッチスケールを声の高さを表現するため
の尺度とする。式（１５）、（１６）の演算を直接行う
代わりに、以下のように計算を高速化することもでき
る。ピッチスケールｓに対応するピッチ周期ポイント数
をＮ_p （ｓ）とし

【０２９８】

【外１１４】 として、式（１５）の場合

【０２９９】

【外１１５】 式（１６）の場合

【０３００】

【外１１６】 を計算してテーブルに記憶しておく、波形生成行列を ＷＧＭ（ｓ）＝（ｃ_km（ｓ））（０＜ｋ＜Ｎ_p （ｓ），
０＜ｍ＜Ｍ） とする。さらに、ピッチスケールｓに対応するピッチ周
期ポイント数Ｎ_p （ｓ）、パワ正規化係数Ｃ（ｓ）をテ
ーブルに記憶しておく。

【０３０１】波形生成部９では、合成パラメータ補間部
７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜
Ｍ）とピッチスケール補間部８より出力されたピッチス
ケールｓを入力として、ピッチ周期ポイント数Ｎ_p
（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ
（ｓ）＝（ｃ_km（ｓ））をテーブルから読み出し、

【０３０２】

【外１１７】 によりピッチ波形を生成する。さらに、式（１７）によ
って波形生成行列を計算した場合、次のピッチ波形のピ
ッチスケールをｓ′として

【０３０３】

【外１１８】 を計算し、 ｗ（ｋ）＝γ（ｋ）ｗ（ｋ） をピッチ波形とする。

【０３０４】以上の動作を、図７のフローチャートを参
照して説明する。

【０３０５】ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、
Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と
同じである。

【０３０６】ステップＳ１２で、式（３）によって得ら
れた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）
によって得られたピッチスケールｓを用いて波形生成部
９においてピッチ波形を生成する。ピッチスケールｓに
対応するピッチ周期ポイント数Ｎ_p （ｓ）とパワ正規化
係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝ｃ
_km（ｓ））（０＜ｋ＜Ｎ_p （ｓ），０＜ｍ＜Ｍ）をテー
ブルから読み出し、ピッチ波形を

【０３０７】

【外１１９】 によって生成する。さらに、式（１７）によって波形生
成行列を計算した場合、ピッチスケール補間部８から１
ポイント当たりのピッチスケールの差分Δ_s を読み出し
て、次のピッチ波形のピッチスケールを ｓ′＝ｓ＋Ｎ_p （ｓ）Δ_s のように計算する。このｓ′を用いて

【０３０８】

【外１２０】 を計算し、 ｗ（ｋ）＝γ（ｋ）ｗ（ｋ） をピッチ波形とする。

【０３０９】図１１は、生成されたピッチ波形の接続に
ついての説明図である。波形生成部９から合成音声とし
て出力される音声波形を Ｗ（ｎ）（０＜ｎ） とする。ピッチ波形の接続は、第ｊフレームのフレーム
時間長をＮ_j として Ｗ（ｎ_w ＋ｋ）＝ｗ（ｋ）（ｉ＝０，０＜ｋ＜Ｎ_p
（ｓ））

【０３１０】

【外１２１】 によって行う。

【０３１１】ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１
６、Ｓ１７は実施例１と同じである。

【０３１２】（実施例８）本実施例では、ピッチ波形の
対象性を利用して、半周期のピッチ波形を１周期分に用
いる例について説明する。

【０３１３】実施例８の音声合成装置の構成及び機能構
成を示すブロック図は、実施例１と同じく図２５及び図
１である。

【０３１４】波形生成部９で行われるピッチ波形の生成
について説明する。

【０３１５】ピッチ波形の生成に用いる合成パラメータ
を ｐ（ｍ）（０＜ｍ＜Ｍ） とする。

【０３１６】サンプリング周波数を ｆ_s とする。サンプリング周期は

【０３１７】

【外１２２】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【０３１８】

【外１２３】 となり、ピッチ周期ポイント数は

【０３１９】

【外１２４】 となる。［ｘ］でｘ以下の整数を表し、ピッチ周期ポイ
ント数を整数で量子化して Ｎ_p （ｆ）＝［Ｎ_p （ｆ）］ とする。ピッチ周期を角度２πに対応させたときの１ポ
イントごとの角度をθとすると、

【０３２０】

【外１２５】 となる。ピッチ周波数の整数倍におけるスペクトルの包
絡の値は

【０３２１】

【外１２６】 となる。半周期ピッチ波形を

【０３２２】

【外１２７】 ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０３２３】

【外１２８】 によってＣ（ｆ）が与えられる。

【０３２４】基本周波数の整数倍の正弦波を重ね合わせ
て

【０３２５】

【外１２９】 のように半周期ピッチ波形ｗ（ｋ）（０＜ｋ＜［Ｎ_p
（ｆ）／２］）が生成される。

【０３２６】または、ピッチ周期の半分位相をずらして
重ね合わせて

【０３２７】

【外１３０】 のように半周期ピッチ波形ｗ（ｋ）（０＜ｋ＜［Ｎ_p
（ｆ）／２］）が生成される。

【０３２８】ピッチスケールを声の高さを表現するため
の尺度とする。式（１８）、（１９）の演算を直接行う
代わりに、以下のように計算を高速化することもでき
る。ピッチスケールｓに対応するピッチ周期ポイント数
をＮ_p （ｓ）とし、

【０３２９】

【外１３１】 として、式（１８）の場合

【０３３０】

【外１３２】 式（１９）の場合

【０３３１】

【外１３３】 を計算してテーブルに記憶しておく、波形生成行列を

【０３３２】

【外１３４】 とする。さらに、ピッチスケールｓに対応するピッチ周
期ポイント数Ｎ_p （ｓ）、パワ正規化係数Ｃ（ｓ）をテ
ーブルに記憶しておく。

【０３３３】波形生成部９では、合成パラメータ補間部
７より出力された合成パラメータｐ（ｍ）（０＜ｍ＜
Ｍ）とピッチスケール補間部８より出力されたピッチス
ケールｓを入力として、ピッチ周期ポイント数Ｎ_p
（ｓ）、パワ正規化係数Ｃ（ｓ）、波形生成行列ＷＧＭ
（ｓ）＝（ｃ_km（ｓ））をテーブルから読み出し、

【０３３４】

【外１３５】 により半周期ピッチ波形を生成する。

【０３３５】以上の動作を、図７のフローチャートを参
照して説明する。

【０３３６】ステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、
Ｓ６、Ｓ７、Ｓ８、Ｓ９、Ｓ１０、Ｓ１１は実施例１と
同じである。

【０３３７】ステップＳ１２で、式（３）によって得ら
れた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式（４）
によって得られたピッチスケールｓを用いて波形生成部
９において半周期ピッチ波形を生成する。ピッチスケー
ルｓに対応するピッチ周期ポイント数Ｎ_p （ｓ）とパワ
正規化係数Ｃ（ｓ）と波形生成行列ＷＧＭ（ｓ）＝（ｃ
_km（ｓ））（０＜ｋ＜［Ｎ_p （ｓ）／２］，０＜ｍ＜
Ｍ）をテーブルから読み出し、半周期ピッチ波形を

【０３３８】

【外１３６】 によって生成する。

【０３３９】生成された半周期ピッチ波形の接続につい
て説明する。波形生成部９から合成音声として出力され
る音声波形を Ｗ（ｎ）（０＜ｎ） とする。半周期ピッチ波形の接続は、第ｊフレームのフ
レーム時間長をＮ_j として

【０３４０】

【外１３７】 によって行う。

【０３４１】ステップＳ１３、Ｓ１４、Ｓ１５、Ｓ１
６、Ｓ１７は実施例１と同じである。

【０３４２】（実施例９）本実施例ではピッチ周期ポイ
ント数に小数点部分があるピッチ波形における波形の連
続性を利用して繰り返し用いる例について説明する。

【０３４３】実施例９の音声合成装置の構成及び機能構
成を示すブロック図は、実施例１と同じく図２５及び図
１である。

【０３４４】波形生成部９で行われるピッチ波形の生成
について、図２４を参照して説明する。

【０３４５】ピッチ波形の生成に用いる合成パラメータ
を ｐ（ｍ）（０＜ｍ＜Ｍ） とする。サンプリング周波数を ｆ_ｓ とする。サンプリング周期は

【０３４６】

【外１３８】 である。合成音声のピッチ周波数を ｆ とすると、ピッチ周期は

【０３４７】

【外１３９】 となり、ピッチ周期ポイント数は

【０３４８】

【外１４０】 となる。

【０３４９】［ｘ］でｘ以下の整数を表す。

【０３５０】ピッチ周期ポイント数の小数部を、位相の
ずれたピッチ波形を接続することで表す。周波数ｆに対
応するピッチ波形の個数を、位相数 ｎ_ｐ （ｆ） とする。図２４はｎ_p （ｆ）＝３のときのピッチ波形の
例を示したものである。さらに、拡張ピッチ周期ポイン
ト数を

【０３５１】

【外１４１】 とし、ピッチ周期ポイント数を

【０３５２】

【外１４２】 と量子化する。ピッチ周期ポイント数を角度２πに対応
させたときの１ポイントごとの角度をθ₁ とすると、

【０３５３】

【外１４３】 となる。ピッチ周波数の整数倍におけるスペクトル包絡
の値は

【０３５４】

【外１４４】 となる。拡張ピッチ周期ポイント数を２πに対応させた
ときの１ポイントごとの角度をθ₂ とすると、

【０３５５】

【外１４５】 となる。ａ ｍｏｄ ｂはａをｂで割った剰余を表すと
して、拡張ピッチ波形ポイント数を

【０３５６】

【外１４６】 拡張ピッチ波形を ｗ（ｋ）（０＜ｋ＜Ｎ_ex（ｆ）） ピッチ周波数ｆに対応するパワ正規化係数を Ｃ（ｆ） とする。Ｃ（ｆ）＝１．０となるピッチ周波数をｆ₀ と
して

【０３５７】

【外１４７】 によってＣ（ｆ）が与えられる。

【０３５８】ピッチ周波数の整数倍の正弦波を重ね合わ
せて、

【０３５９】

【外１４８】 のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ
_ex（ｆ））を生成する。

【０３６０】または、ピッチ周期の半分位相をずらして
重ね合わせて

【０３６１】

【外１４９】 のように拡張ピッチ波形ｗ（ｋ）（０＜ｋ＜Ｎ
_ex（ｆ））を生成する。

【０３６２】位相インデックスを ｉ_p （０＜ｉ_p ＜ｎ_p （ｆ）） とする。ピッチ周波数ｆ、位相インデックスｉ_p に対応
する位相角を

【０３６３】

【外１５０】 と定義する。

【０３６４】 ｒ（ｆ，ｉ_p ）＝ｉ_p Ｎ（ｆ）ｍｏｄ ｎ_p （ｆ） と定義する。位相インデックスｉ_p に対応するピッチ波
形のピッチ波形ポイント数は

【０３６５】

【外１５１】 によって計算される。位相インデックスｉ_p に対応する
ピッチ波形は

【０３６６】

【外１５２】 となる。この後、位相インデックスを ｉ_p ＝（ｉ_p ＋１）ｍｏｄ ｎ_p （ｆ） と更新し、更新された位相インデックスを用いて、位相
角を φ_p ＝φ（ｆ，ｉ_p ） と計算する。さらに、次のピッチ波形を生成するときに
ピッチ周波数がｆ′に変更されるときは、φ_p に最も近
い位相角を得るために

【０３６７】

【外１５３】 を満たすｉ′を求めて ｉ_p ＝ｉ′ のようにｉ_p を決定する。

【０３６８】ピッチスケールを声の高さを表現するため
の尺度とする。式（２０）、（２１）の演算を直接行う
代わりに、以下のように計算を高速化することもでき
る。ピッチスケールｓ∈Ｓ（Ｓはピッチスケールの集
合）に対応する位相数をｎ_p （ｓ）、位相インデックス
をｉ_p （０＜ｉ_p ＜ｎ_p （ｓ））、拡張ピッチ周期ポイ
ント数をＮ（ｓ）、ピッチ周期ポイント数をＮ_p
（ｓ）、ピッチ波形ポイント数をＰ（ｓ，ｉ_p ）とし、

【０３６９】

【外１５４】 として、式（２０）の場合

【０３７０】

【外１５５】 式（２１）の場合

【０３７１】

【外１５６】 を計算してテーブルに記憶しておく、波形生成行列を ＷＧＭ（ｓ，ｉ_p ）＝（ｃ_km（ｓ，ｉ_p ）） （０＜ｋ＜Ｐ（ｓ，ｉ_p ），０＜ｍ＜Ｍ） とする。ピッチスケールｓと位相インデックスｉ_p に対
応する位相角

【０３７２】

【外１５７】 をテーブルに記憶しておく、また、ピッチスケールｓと
位相角φ_p （∈｛φ（ｓ，ｉ_p ）｜ｓ∈Ｓ，０＜ｉ＜ｎ
_p （ｓ）｝）に対して

【０３７３】

【外１５８】 を満たすｉ₀ を与える対応関係を ｉ₀ ＝Ｉ（ｓ，φ_p ） として、テーブルに記憶しておく、さらに、ピッチスケ
ールｓと位相インデックスｉ_p に対応する位相数ｎ_p
（ｓ）、ピッチ波形ポイント数Ｐ（ｓ，ｉ_p ）、パワ正
規化係数Ｃ（ｓ）をテーブルに記憶しておく。

【０３７４】波形生成部９では、内部レジスタに格納さ
れている位相インデックスをｉ_p 、位相角をφ_p とし、
合成パラメータ補間部７より出力された合成パラメータ
ｐ（ｍ）（０＜ｍ＜Ｍ）とピッチスケール補間部８より
出力されたピッチスケールｓを入力として、位相インデ
ックスを ｉ_p ＝Ｉ（ｓ，φ_p ） により決定し、ピッチ波形ポイント数Ｐ（ｓ，ｉ_p ）、
パワ正規化係数Ｃ（ｓ）をテーブルから読み出す。そし
て、

【０３７５】

【外１５９】 のとき、波形生成行列ＷＧＭ（ｓ，ｉ_p ）＝（ｃ
_km（ｓ，ｉ_p ））をテーブルから読み出し、

【０３７６】

【外１６０】 によりピッチ波形を生成する。また、

【０３７７】

【外１６１】 のとき、 ｋ′＝Ｐ（ｓ，ｎ_p （ｓ）−１−ｉ_p ）−１−ｋ（０＜
ｋ＜Ｐ（ｓ，ｉ_p ）） として、波形生成行列ＷＧＭ（ｓ，ｉ_p ）＝（ｃ_k ′_m
（ｓ，ｎ_p （ｓ）−１−ｉ_p ））をテーブルから読み出
し、

【０３７８】

【外１６２】 によりピッチ波形を生成する。ピッチ波形を生成した
後、位相インデックスを ｉ_p ＝（ｉ_p ＋１）ｍｏｄ ｎ_p （ｓ） のように更新し、更新された位相インデックスを用いて
位相角を φ_p ＝φ（ｓ，ｉ_p ） のように更新する。

【０３７９】以上の動作を、図１３のフローチャートを
参照して説明する。

【０３８０】ステップＳ２０１、Ｓ２０２、Ｓ２０３、
Ｓ２０４、Ｓ２０５、Ｓ２０６、Ｓ２０７、Ｓ２０８、
Ｓ２０９、Ｓ２１０、Ｓ２１１、Ｓ２１２、Ｓ２１３は
実施例２と同じである。

【０３８１】ステップＳ２１４で、式（３）によって得
られた合成パラメータｐ［ｍ］（０＜ｍ＜Ｍ）と式
（４）によって得られたピッチスケールｓを用いて波形
生成部９においてピッチ波形を生成する。ピッチスケー
ルｓに対応するピッチ波形ポイント数Ｐ（ｓ，ｉ_p ）と
パワ正規化係数Ｃ（ｓ）をテーブルから読み出す。そし
て、

【０３８２】

【外１６３】 のとき、波形生成行列ＷＧＭ（ｓ，ｉ_p ）＝（ｃ
_km（ｓ，ｉ_p ））をテーブルから読み出し、

【０３８３】

【外１６４】 によりピッチ波形を生成する。また、

【０３８４】

【外１６５】 のとき、 ｋ′＝Ｐ（ｓ，ｎ_p （ｓ）−１−ｉ_p ）−１−ｋ（０＜
ｋ＜Ｐ（ｓ，ｉ_p ）） として、波形生成行列ＷＧＭ（ｓ，ｉ_p ）＝（Ｃ_k ′ｍ
（ｓ，ｎ_p （ｓ）−１−ｉ_p ））をテーブルから読み出
し、

【０３８５】

【外１６６】 によりピッチ波形を生成する。

【０３８６】波形生成部９から合成音声として出力され
る音声波形を Ｗ（ｎ）（０＜ｎ） とする。ピッチ波形の接続は実施例１と同様であり、第
ｊフレームのフレーム時間長をＮ_j として Ｗ（ｎ_w ＋ｋ）＝ｗ_p （ｋ）（ｉ＝０，０＜ｋ＜Ｐ
（ｓ，ｉ_p ））

【０３８７】

【外１６７】 によって行なう。

【０３８８】ステップＳ２１５、Ｓ２１６、Ｓ２１７、
Ｓ２１８、Ｓ２１９、Ｓ２２０は実施例２と同じであ
る。

【０３８９】

【発明の効果】以上説明したように、本発明によれば、
合成音声の声の高さ（ピッチ）とパラメータからピッチ
波形および無声波形を生成して接続することにより音声
波形を生成するようにしたことにより、合成音声の音質
劣化を防止する効果がある。

【０３９０】以上説明したように、本発明によれば、ピ
ッチ波形および無声波形の生成において、あらかじめ求
めた行列とパラメータとの積を計算するようにしたこと
により、音声波形の生成に要する計算量を低減する効果
がある。

【０３９１】以上説明したように、本発明によれば、ピ
ッチ波形の生成において、ピッチ周期ポイント数の小数
部を表すために、位相のずれたピッチ波形を生成して接
続するようにしたことにより、正確なピッチの合成音声
が得られる効果がある。

【０３９２】以上説明したように、本発明によれば、ピ
ッチ波形生成において、あるサンプリング周波数で求め
たパラメータ（インパルス応答波形）を用いて、任意の
サンプリング周波数でピッチ波形を生成して接続するよ
うにしたことにより、任意のサンプリング周波数の合成
音声が簡単な方法で生成することができる効果がある。

【０３９３】以上説明したように、本発明によれば、パ
ラメータとして、音声のパワスペクトル包絡を使用し、
このパワスペクトル包絡からピッチ波形を生成するよう
にしたことにより、周波数領域のパラメータから音声波
形を生成でき、周波数領域でのパラメータ操作が可能と
なる効果がある。

【０３９４】以上説明したように、本発明によれば、ピ
ッチ波形の生成において、周波数特性を決定する関数を
持ち、ピッチ周波数の整数倍における関数値を掛けるこ
とにより、パラメータから求めたスペクトル包絡のサン
プル値を変換し、変換されたサンプル値をフーリエ変換
することによりピッチ波形を生成するようにしたことに
より、パラメータを操作せずに合成音声の音色を変える
ことが可能となる効果がある。

【０３９５】以上説明したように、本発明によれば、ピ
ッチ波形の生成において、波形の対称性を利用するよう
にしたことにより、音声波形の生成に要する計算量を低
減する効果がある。

【図面の簡単な説明】

【図１】本発明の実施例に係る音声合成装置の機能構成
を示すブロック図。

【図２】本発明の実施例に係る合成パラメータについて
の説明図。

【図３】本発明の実施例に係るスペクトル包絡について
の説明図。

【図４】正弦波の重ね合わせについての説明図。

【図５】正弦波の重ね合わせについての説明図。

【図６】ピッチ波形の生成についての説明図。

【図７】音声波形生成手段を示すフローチャート。

【図８】パラメータ１フレームのデータ構造を示す図。

【図９】合成パラメータの補間についての説明図。

【図１０】ピッチスケールの補間についての説明図。

【図１１】波形接続についての説明図。

【図１２】ピッチ波形についての説明図。

【図１３】音声波形生成手段を示すフローチャート。

【図１４】音声合成装置の機能構成を示すブロック図。

【図１５】音声波形生成手段を示すフローチャート。

【図１６】パラメータ１フレームのデータ構造を示す
図。

【図１７】合成パラメータについての説明図。

【図１８】ピッチ波形の生成についての説明図。

【図１９】パラメータ１フレームのデータ構造を示す
図。

【図２０】合成パラメータの補間についての説明図。

【図２１】周波数特性関数についての説明図。

【図２２】余弦波の重ね合わせについての説明図。

【図２３】余弦波の重ね合わせについての説明図。

【図２４】ピッチ波形についての説明図。

【図２５】実施例における音声合成装置の構成を示すブ
ロック図。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 大洞 恭則 東京都大田区下丸子３丁目30番２号キヤノ ン株式会社内

Claims (12)

【特許請求の範囲】
1. 【請求項１】 入力された文字系列に従い音声波形のパ
   ラメータとしてパワスペクトル包絡を生成するパラメー
   タ生成手段と、 入力された合成音声の声の高さ情報と前記生成されたパ
   ラメータとしてのパワスペクトル包絡から合成音声のピ
   ッチ周期を１周期とするピッチ波形を生成するピッチ波
   形生成手段と、 前記生成されたピッチ波形を接続して得た音声波形を出
   力する音声波形出力手段とを備えることを特徴とする音
   声合成装置。
2. 【請求項２】 前記ピッチ波形生成手段は、パワスペク
   トル包絡をピッチ波形に変換する行列を導出する行列導
   出手段を備え、前記導出された行列と前記パワスペクト
   ル包絡との積を求めることによりピッチ波形を生成する
   事を特徴とする請求項１に記載の音声合成装置。
3. 【請求項３】 入力された文字系列に従い音声波形のパ
   ラメータとしてのパワスペクトル包絡を生成するパラメ
   ータ手段と、 入力された合成音声の声の高さ情報と前記生成されたパ
   ラメータとしてのパワスペクトル包絡のサンプル値を余
   弦級数の係数とし、余弦級数との積和とから、ピッチ波
   形を生成するピッチ波形生成手段と、 前記生成されたピッチ波形を接続して得た音声波形を出
   力する音声波形出力手段とを備えることを特徴とする音
   声合成装置。
4. 【請求項４】 前記ピッチ波形生成手段は、合成音声の
   ピッチ周期を１周期とするピッチ波形を生成する事を特
   徴とする請求項３に記載の音声合成装置。
5. 【請求項５】 前記余弦級数において、位相を半周期ず
   つずらした余弦級数を使うことを特徴とする請求項３に
   記載の音声合成装置。
6. 【請求項６】 前記ピッチ波形生成手段は、前記音声の
   対数パワスペクトル包絡から求めたインパルス応答波形
   から、前記インパルス応答波形を係数とする余弦関数と
   前記スペクトル包絡のサンプル値を係数とする余弦関数
   との積和を、行列としてピッチ毎に導出する行列導出手
   段を更に備え、前記導出された行列と前記インパルス応
   答波形との積を求めることを特徴とする請求項３に記載
   の音声合成装置。
7. 【請求項７】 入力された文字系列に従い音声波形のパ
   ラメータとしてのパワスペクトル包絡を生成するパラメ
   ータ生成工程と、 入力された合成音声の声の高さ情報と前記生成されたパ
   ラメータとしてのパワスペクトル包絡からピッチ周期を
   １周期とするピッチ波形を生成するピッチ波形生成工程
   と、 前記生成されたピッチ波形を接続して得た音声波形を出
   力する音声波形出力工程とを備えることを特徴とする音
   声合成方法。
8. 【請求項８】 パワスペクトル包絡をピッチ波形に変換
   する行列を導出する行列導出工程と、 前記導出された行列と前記パワスペクトル包絡との積を
   求めることによりピッチ波形を生成することを特徴とす
   る請求項７に記載の音声合成方法。
9. 【請求項９】 入力された文字系列に従い音声波形のパ
   ラメータとしてのパワスペクトル包絡を生成するパラメ
   ータ生成工程と、 入力された合成音声の声の高さ情報と前記生成されたパ
   ラメータとしてのパワスペクトル包絡のサンプル値を余
   弦級数の係数とし、余弦級数との積和とから、ピッチ波
   形を生成するピッチ波形生成工程と、 前記生成されたピッチ波形を接続して得た音声波形を出
   力する音声波形出力工程とを備えることを特徴とする音
   声合成方法。
10. 【請求項１０】 前記ピッチ波形生成工程は、合成音声
    のピッチ周期を１周期とするピッチ波形を生成すること
    を特徴とする請求項９に記載の音声合成方法。
11. 【請求項１１】 前記余弦級数において、位相を半周期
    ずつずらした余弦級数を使うことを特徴とする請求項９
    に記載の音声合成方法。
12. 【請求項１２】 前記ピッチ波形生成工程は、前記音声
    の対数パワスペクトル包絡から求めたインパルス応答波
    形から、 前記インパルス応答波形を係数とする余弦関数と前記ス
    ペクトル包絡のサンプル値を係数とする余弦関数との積
    和を、行列としてピッチ毎に導出する行列導出工程を更
    に備え、その行列と前記インパルス応答波形との積を求
    めることによりピッチ波形を生成することを特徴とする
    請求項９に記載の音声合成方法。