JPH07319496A - 入力音声信号の速度を変更する方法 - Google Patents

入力音声信号の速度を変更する方法

Info

Publication number
JPH07319496A
JPH07319496A JP7110257A JP11025795A JPH07319496A JP H07319496 A JPH07319496 A JP H07319496A JP 7110257 A JP7110257 A JP 7110257A JP 11025795 A JP11025795 A JP 11025795A JP H07319496 A JPH07319496 A JP H07319496A
Authority
JP
Japan
Prior art keywords
signal
voice
speech
samples
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.)
Pending
Application number
JP7110257A
Other languages
English (en)
Inventor
Willem Bastiaan Kleijn
バスティアン クレイン ウィレム
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Corp
Original Assignee
American Telephone and Telegraph Co Inc
AT&T Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by American Telephone and Telegraph Co Inc, AT&T Corp filed Critical American Telephone and Telegraph Co Inc
Publication of JPH07319496A publication Critical patent/JPH07319496A/ja
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M11/00—Telephonic communication systems specially adapted for combination with other electrical systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/04—Time compression or expansion
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)

Abstract

(57)【要約】 【目的】 再生速度を変えても、もとの録音された音声
の音質に近い音声を提供できる音声速度変換システムを
提供する。 【構成】 入力音声信号の音声速度が、音声速度の所定
の変化を表す信号に基づいて変換され、その後、この変
換された音声速度信号をフィルタ処理して、増加した短
期相関を有する音声信号を生成する。この入力音声信号
の変換は、入力音声信号内に、ピッチサイクルに対応す
るサンプルの前のシーケンスを挿入することにより行わ
れる。別法として、この入力音声信号は、ピッチサイク
ルに相当するサンプルのシーケンスを、入力音声信号か
ら取り除くことにより変換される。また、音声符号化に
おけるシナジーと速度変更操作とを行う。速度変更操作
に必要なフィルタ処理は、音声符号化の線形予測フィル
タにより行われる。この速度変更操作に必要なピッチ周
期は、音声復号化装置の公知のパラメータである。

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（速度）を変
換するシステム、および、分析・合成音声符号化システ
ムに基づいた線形予測に関する。
【０００２】
【従来技術】音声速度変換システムは、それが録音され
た速度とは異なる速度で音声をプレイバック（再生）す
るシステムである。早い再生速度は、リスナーが録音さ
れたメッセージをより短い時間で聞くことができ、一
方、遅い再生速度は、メッセージを書いたり（ディクテ
ーション）、あるいは、話者の話をよりよく理解するた
めに有益である。
【０００３】再生するために、音声を記録するコストを
低減するために、多くのシステムは、音声圧縮（すなわ
ち、符号化、コーディング）技術を用いており、その技
術は、分析・合成符号化技術（例えば、ＣＥＬＰ）であ
る。音声符号化システムは、デジタル音声信号を符号化
信号に変換する。この符号化された信号は、元の音声信
号よりも少ない記憶スペースでよい。信号を再生する
間、この符号化信号は、音声符号化装置の復号化部分
（通常、「合成装置」と称する）に入力される。この合
成装置は、符号化音声信号をデジタル音声信号に変換す
る。
【０００４】音声速度変換システムにおける一つの目的
は、音声の特徴を変更することなく、他の速度に変換す
ることである。有声音（voiced speech）は、３つの主
要な属性を有している。すなわち、短期相関（すなわ
ち、スペクトルエンベロープ）と、疑似周期性と、その
ピッチの３つである。音声信号の短期相関が妨害される
と、パチンと鳴るような音、または、カチンとなるよう
な音が聞こえるようになる。また、有声音の疑似周期性
が妨害されると、音声は、ブツブツ言ったり、騒々しく
なる。これら２つのひずみは、音声信号速度を単にスピ
ードアップしたり、スローダウンした（再生モードにお
けるアナログテープをスピードアップしたりスローダウ
ンしたりするのに相当する）だけでは生成されない。し
かし、このようなスピードアップ、および、スローダウ
ンは、音声の知覚性質を大きく変動させるような音声の
ピッチを変化させる。例えば、早い速度で再生された音
声は、漫画のキャラクターの（声の）用に聞こえる。こ
れらの属性、特に、音声信号ピッチを変えることのない
音声速度変換システムを提供することが望まれている。
【０００５】元の有声音信号の音声速度は、ピッチサイ
クルの整数に相当する信号サンプルを取り除いたり、追
加することにより変換する。そのようにすることによ
り、元の信号は、音声のピッチを大幅に変えることな
く、短くしたり長くしたりすることができる。元の有声
音信号は、疑似周期的なため、信号の短期相関、および
／または、その周期性をかえることなく、音声のピッチ
サイクルを除去したり、挿入したりすることは極めて難
しい。これらが困難なために、短期相関に関連するこれ
らのひずみの観点から、および、周期性の妨害（パチン
という音／カチンという音、および、ブツブツ言う音／
騒々しいこと）の観点から、可聴信号の品質の劣化とな
る。ピッチサイクルの除去、あるいは、挿入により、修
正されるような元の領域の音声に対し、オーバーラップ
したウィンドゥプロセデュアを用いることによって、こ
の問題に取り組んでいる。これに関しては、例えば、
“Proc.Int. Conf. Acoust. Speech Sign. Process.”
（１９９３年）のｐＩＩ５５４〜５５７の“An Overlap
-Add Technique Based on Wave Form Similarity (WSOL
A)for High Quality Time-Scale Modification of Spee
ch”（W. Verhelst、M. Roelands共著）を参照のこと。
【０００６】上記文献の技術は、ピッチサイクルの挿入
・削除により引き起こされる可聴ひずみ問題について取
り組んではいるが、音声符号化と、音声速度変更システ
ムとを組み合わせることは、ハードウェアが必要とな
る。それゆえに、ハードウェアを必要とせず、音声符号
化が用いられている場合に、音声速度を変換する機能を
低コストで提供することが望ましい。
【０００７】
【発明が解決しようとする課題】したがって、本発明の
目的は、特別なハードウェアを必要とすることなく、元
の録音された音声の音質に近い音声を提供できる音声速
度変換システムを提供することである。
【０００８】
【課題を解決するための手段】本発明は、音声速度変換
システムにおけるハードウェアの要件を緩和するため
に、音声速度変換システムで行われる操作と、音声符号
化システムで行われる操作との間のシナジー（synerg
y）を用いる方法と装置を提供しようとするものであ
る。
【０００９】本発明によれば、入力音声信号の音声速度
は、音声速度の所定の変化を表す信号に基づいて変換さ
れる。その後、この変換された音声速度信号をフィルタ
処理して、増加した短期相関を有する音声信号を生成す
る。この入力音声信号の修正は、入力音声信号内に、ピ
ッチサイクルに対応するサンプルの先行するシーケンス
を挿入することにより行われる。別法として、この入力
音声信号は、ピッチサイクルに相当するサンプルのシー
ケンスを、入力音声信号から取り除くことによっても修
正される。
【００１０】本発明の実施例では、音声符号化における
シナジーと速度変換操作とを行う。例えば、速度変換操
作に必要なフィルタ処理は、音声符号化の線形予測（li
nearprediction：ＬＰＣ）フィルタにより行われる。さ
らに、速度変換操作に必要なピッチ周期は、音声復号化
装置の公知のパラメータである。
【００１１】
【実施例】実施例におけるハードウェアについての説明 本発明の実施例においては、個別の機能ブロックを含む
ように説明がなされている。これらのブロックが表す機
能は、ソフトウェアを実行できる共有ハードウェア、あ
るいは、専用ハードウェアの何れかを用いて実行でき
る。例えば、図１と図３に示した機能は、単一の共有プ
ロセッサでもって実行できる。ここで、用語「プロセッ
サ」とは、ソフトウェアを実行することのできるハード
ウェアとしてのみ解釈すべきものではない。
【００１２】実施例に示したデジタル信号プロセッサ
（ＤＳＰ）ハードウェアは、例えば、ＡＴ＆Ｔ社製のＤ
ＳＰ１６、あるいは、ＤＳＰ３２Ｃであり、以下に説明
するような機能を実行するソフトウェアを記憶するＲＯ
Ｍ、および、ＤＳＰの結果を記憶するＲＡＭも、ハード
ウェアの一種である。ＶＬＳＩもハードウェアの一種
で、通常のカスタムメイドのＶＬＳＩ回路も汎用のＤＳ
Ｐ回路と共に用いることもできる。
【００１３】実施例の序説 音声をデジタル形式で記憶することは、従来のアナログ
テープに音声を記憶することに比べて、利点がある。こ
のデジタル記憶は、機械的な要素を必要とすることな
く、従って摩耗もなく、そして、メッセージは、テープ
を巻き戻す必要がないために、高速に再生できる。さら
にまた、デジタル媒体は、出力信号を直接変更すること
もできる。例えば、記録された言葉のグループの中から
メッセージを構成するようなアナウンスシステムとして
利用できる。出力音声信号の有効な変更は、音声の再生
速度の変更である。
【００１４】４ｋｂ／ｓと１６ｋｂ／ｓの間の速度にお
いては、分析・合成音声に基づいた線形予測（linear-p
rediction based analysis by synthesis speech：ＬＰ
ＡＳ）コーダは、通常、音声記憶のような多くの応用に
用いられている。音声信号の速度変換は、符号化装置に
より再構成される音声信号で行われ、ＬＰＡＳコーダと
速度変換プロセスとの間のシナジーを利用するのが効率
的である。
【００１５】例えば、速度変換された音声の短期相関を
保持することは重要なことである。この短期相関は、残
留信号を形成する為に、音声信号から分離される。そし
て、この短期相関は、合成の間、残留信号の量子化バー
ジョンに付加される。残留信号中に短期相関がないと、
速度変換プロセスが促進する。音声速度変換システムに
より、音声セグメントを除去する／挿入するような方法
は、時間的に分離された音声セグメント間の相関の最大
値を探索することに基づいている。この時間分離は、音
声符号化システム、省力計算方法の適応型コードブック
（すなわち、ピッチ予測装置）関連技術では公知であ
る。さらに、音声信号で実行される各処理動作により、
ひずみが付加される。合成された速度変換と符号化シス
テムから余分な動作を取り除くことにより、ひずみを最
小化できる。
【００１６】本明細書においては、ＬＰＡＳコーダは、
音声信号の内部表示を用い、これは、音声の速度変換に
利用される。特に、本明細書においては、適応型コード
ブック（ピッチ予測装置）の遅延パラメータと音声信号
の短期相関を有する信号への分解と、短期相関パラメー
タの組は、音声信号を再構成するための効率的な速度変
換手続きに用いることができる。
【００１７】図６は、音声信号の音声速度を変換するた
めの本発明の実施例を表すブロック図である。図６の実
施例においては、励起信号を生成する音声信号源６０１
と、音声速度アジャスタ６０２と、線形合成フィルタ６
０３とを有する（図１の音声合成装置の他の要素は、図
示していない）。この音声信号源６０１は、符号化音声
パラメータを記憶するメモリを有する。この音声信号源
６０１は、さらに、従来の励起信号合成システムを有
し、このシステムは、メモリに記憶されたパラメータに
基づいて、励起信号を生成する。
【００１８】音声速度アジャスタ６０２は、音声信号源
６０１により提供される励起信号の音声速度の変更を、
ピッチ周期に対応する励起信号のサンプルシーケンスを
挿入／除去することにより行う。挿入サンプルは、信号
の音声速度を引き延ばす（すなわち、スローダウンさせ
る）ために繰り返される励起信号の先行サンプルであ
る。サンプルが除去されると、励起信号を短縮（すなわ
ち、スピードアップ）する。サンプルの挿入／除去は、
音声速度の所望の変化を表す信号に応答して実行され
る。この音声速度アジャスタ６０２は、励起信号のサン
プルを記憶するメモリを用いて、音声信号サンプルを除
去／挿入する。この記憶されたサンプルは、励起信号を
スローダウンするのに必要な繰り返しサンプルのソース
である。音声信号源６０１の出力信号（変更された音声
速度を表す励起信号）は、その後、線形合成フィルタ６
０３に供給される。この線形合成フィルタ６０３は、音
声速度アジャスタ６０２の出力信号の音声速度に応答す
る音声速度を有する音声信号を合成する。
【００１９】分析・合成コーディングに基づいた線形予
測 図１は、分析・合成予測に基づいた線形予測（ＬＰＡ
Ｓ）コーダの分析器（送信側）の動作を表す図である。
図１の例は、符号励起線形予測（code-excited linear
prediction：ＣＥＬＰ）符号化である。これは、“Spee
ch Communication”Vol.7（１９８８年）の３０５〜３
１６ページの“An Efficient Stochastically Excited
Linear Predictive Coding Algorithm for High Qualit
y Low Bit Rate Transmission of Speech”（W. B. Kle
ijn、D. J. Ketchum共著）を参照のこと。図１の符号化
装置は、分析・合成符号化として公知のもので、この合
成器は、内在する合成構造を有する。（ただし、ＬＰＡ
Ｓコーダの計算上、最適化動作においては、この合成構
造は公知ではない） 図１において、この合成構造は、
合成構造体１１１内に含まれる。
【００２０】この符号化装置は、クロック・ベースで動
作する。各音声のブロックに対し、複数のトライアルで
合成された音声信号は、知覚エラー基準評価器１１０内
の元の信号と比較される。トライアルで合成された音声
信号の各ブロックは、一組のインデックスによって完全
に記述することができる。いかなる組のインデックス
も、トライアルで合成された音声信号のコードを構成す
る。このような複数のコードから合成された音声信号
は、現在のブロックの元の信号と比較される。ベストマ
ッチとなるコードは、受信器に元の音声信号の符号化表
示として送信される。この受信器は、合成構造体１１１
を有し、この合成構造体１１１は、その後、このブロッ
クに対する最適に合成された信号を再構成する。
【００２１】実際のＬＰＡＳコーダにおいては、この来
入音声信号は、線形予測アナライザ１０１内で線形予測
解析される。この線形予測アナライザ１０１は、線形予
測係数を計算する。これらの係数は、直接量子化され
（解析・合成プロセスを用いずに）、そして、そのコー
ドは、受信器に送信される。一般的に、線形予測解析
は、フレーム（例えば、２５ｍｓ）毎に一回実行され
る。この線形予測係数は、通常、内挿され、各サブフレ
ーム（例えば、５ｍｓ）に対する個別の係数の組を生成
する。この線形予測係数は、音声信号のパワースペクト
ルのエンベロープを記述する。時間領域においては、こ
れは、音声信号の短期相関に相当する。音声符号化の分
野においては、この短期とは、通常、２ｍｓ以下の時間
を意味し、長期とは、２．５〜２０ｍｓの時間を意味す
る。短期とは、音声信号のフォーマット構造体に関連
し、長期とは、音声信号の周期レベルに関係する。この
線形予測係数を、線形予測無限インパルス応答合成フィ
ルタ１０２内で用いて、短期相関を励起信号に付加し
て、再構成された音声信号を生成する。
【００２２】線形予測無限インパルス応答合成フィルタ
１０２への入力となる励起信号は、分析・合成プロセス
により量子化される。この励起信号は、１サブフレーム
毎に量子化される。従来のＣＥＬＰ符号化装置において
は、量子化信号は、二段階で形成された。すなわち、ま
ず、適応型符号化分担分で、次に固定型コードブック分
担分により決定された。この二段階プロセスは、計算の
複雑さが少なくなるために、部分最適マッチングにもか
かわらず、好ましいものである。
【００２３】過去の励起信号の最も近い部分が、適応型
コードブックプロセッサ１０４の適応型コードブック内
に記録される。８０００Ｈｚのサンプリング速度とＬ個
のサンプルからなるサブフレームでもって動作する符号
化装置においては、この適応型コードブックプロセッサ
１０４は、１２８＋Ｌ−１個のサンプルを有する。新た
なサブフレームの解析の開始に当たって、過去のサンプ
ルのうち、最も遠いＬ個のサンプルは廃棄される。選択
された励起の最後のＬ個のサンプル（最後のサブフレー
ム）は、その後、パスト励起プロセッサ１０３から獲得
され、適応型コードブックプロセッサ１０４の適応型コ
ードブックに付加される。この適応型コードブックプロ
セッサ１０４は、過去の励起信号の全て可能なＬ個のサ
ンプルのセグメントを、線形予測無限インパルス応答合
成フィルタ１０２にトライアルの励起信号として提供す
る（固定型コードブックプロセッサ１０５は、この第１
段階においては、動いていない）。例えば、長さ１２８
＋Ｌ−１の１個のコードブック内には、１２８個のトラ
イアルの励起信号（より多くのエントリーが、このコー
ドブックから生成されるが）がある。この対応するトラ
イアルの音声信号（線形予測無限インパルス応答合成フ
ィルタ１０２の出力）は、知覚エラー基準に基づいて、
元の信号と比較される。最適なマッチングのとれたトラ
イアルの音声信号が、知覚エラー基準評価器１１０によ
り決定される。１２８個のエントリーを有するコードブ
ックに対し、最適なマッチングは、７ビットで符号化さ
れる。この７ビットのコードワードは、受信器に送られ
て、その結果、励起信号に対する最適な適応型コードブ
ック分担分を生成する。この適応型コードブックの検索
プロセスの間、トライアルの励起信号のゲインは、その
最適値に、従来のプロセスを用いて加えられ、このゲイ
ンは、最適な適応型コードブック分担分の選択後、量子
化される。従来のスカラ量子化装置をこのために用いる
ことができる。他の量子化インデックスにおけるのと同
様に、このゲインの量子化インデックスが受信器に送ら
れる。
【００２４】この適応型コードブックメモリには、過去
の励起信号のセグメントが含まれる。有声音用の適応型
コードブックメモリの中身の例が、図２に示されてい
る。現在のサブフレームは、サブフレーム２０７に含ま
れる。表示励起信号２１０の一部は、現在のサブフレー
ム２０７の境界２０６より前であるが、この表示励起信
号２１０は、適応型コードブックに記憶された音声であ
る。このトライアルの励起信号は、適応型コードブック
を構成する過去の励起信号のセグメントにわたって、長
さＬのサンプルの特定の矩形ウィンドゥによって定義さ
れる。この実施例に示されたコードブックにおいては、
第１のトライアルの励起信号は、ウィンドゥ２０１に含
まれる。第２のトライアルの励起信号は、ウィンドゥ２
０２に含まれ、第３のそれは、ウィンドゥ２０３に含ま
れる。選定されたコードブックエントリーの代表的な例
は、ウィンドゥ２０５に含まれる。コードブックエント
リーの候補は、選択されたエントリーに対し、パス２０
８に沿って、現在のサブフレーム内にそれぞれ配置され
る。選定された適応型コードブックベクトルと、現在の
サブフレームとの間の時間分離は、適応型コードブック
遅延とも称する。この遅延は、サブフレーム２０７の開
始点２０６と、適応型コードブック音声用の選択された
セグメントの開始点２０９との間の距離２１１に対応す
る。
【００２５】従来のＬＰＡＳコーダにおいて、この適応
型コードブック遅延は、サンプルの整数に限定される。
しかし、最近では、非整数の遅延に相当するトライアル
の励起信号を含む。従来のＣＬＥＰアルゴリズムにおい
ては、非整数の遅延を含むことは、ビット速度の小さな
コストで性能を向上させることが示されている。これに
関しては、“IEEE Trans. Signal Processing”Vol.39
（１９９１年）の７３３〜７３５ページの“On the Use
of Pitch Predictors with High Temporal Resolutio
n”（P. Kroon、B.S.Atal共著）を参照のこと。非整数
の遅延に相当するトライアルの励起ベクトルは、適応型
コードブックを形成する信号シーケンスのバンド制限内
挿によって得られる。通常、一つの付加的なビットは、
適応型コードブックの増加した時間解像度のために消費
される。適応型コードブックベクトルのインデックス用
では８ビットが割当られる。
【００２６】この固定型のコードブック分担分は、量子
化励起信号の決定の第２段階で決定される。固定型コー
ドブック分担分の決定の間、適応型コードブック分担分
は、上述の方法により決定された最適化値に設定され
る。固定型コードブックプロセッサ１０５は、Ｋ個のエ
ントリーを有する固定コードブックを有する。ここで、
Ｋは、６４と１０２４との間の数字で、通常、Ｋは、Ｋ
＝２Bとして表される。これにより、効率的な二進実行
が促進される。この固定型コードブック内に含まれる固
定コードブックベクトルの各々を用いて、量子化励起信
号を生成する。各これらのベクトルは、それぞれ、加算
手段１０６により、最適化適合型コードブック分担分に
加えられ、その結果得られたトライアルの励起信号は、
線形予測無限インパルス応答合成フィルタ１０２内でト
ライアルの音声信号に変換される。このトライアルの音
声信号は、知覚エラー基準評価器１１０により元の音声
信号と比較され、その最適にマッチングした固定型コー
ドブックベクトルが選択される。この最適な固定型コー
ドブックベクトルのインデックスは、Ｂ個のビットで符
号化され、受信器に送られる。再び、検索プロセスの
間、固定型コードブックベクトルのゲインは、従来のプ
ロセスを用いて最適化値にセットされる。最適にマッチ
ングした固定型コードブック分担分を選択すると、固定
型コードブックゲインが量子化され、その量子化インデ
ックスが受信器に送られる。
【００２７】上記の説明において、線形予測無限インパ
ルス応答合成フィルタ１０２のフィルタメモリの処理
は、ここでは説明しない。このフィルタメモリは、フィ
ルタのゼロ入力応答を決定し、これは、ゼロ状態応答
（現行のサブフレームの励起のため）よりも、より大き
な信号分担分を提供する。かくして、線形予測無限イン
パルス応答合成フィルタ１０２内で正しいフィルタメモ
リを用いることが重要である。トライアルの音声信号を
生成する前に、このフィルタメモリは、最適の励起信号
のために、前のサブフレームの終了点で残された状態に
リセットされなければならない。この最適な励起信号
は、受信器に用いられる励起信号であり、リセット動作
は、送信器と受信器が、完全に同期している（ゼロチャ
ネルエラーを仮定して）ことを補償するものである。Ｌ
ＰＡＳアルゴリズムの実際の実行は、ここで述べたもの
と数学的に等価なアルゴリズムを用いているが、必要な
計算作業を簡略化するために変更することも可能であ
る。
【００２８】上記の説明において、「適応型コードブッ
ク」と「ピッチ予測器」とは、均等とみなすことができ
る。サブフレームが遅延時間に等しい場合には、このこ
とは正しいが、サブフレームが遅延時間より長い場合に
は、この２つの用語は異なる意味となる。この適応型コ
ードブックは、“Speech Communication”Vol.7（１９
８８年）の３０５〜３１６ページの“An Efficient Sto
chastically ExcitedLinear Predictive Coding Algori
thm for High Quality Low Bit Rate Transmission of
Speech”（W. B. Kleijn、D. J. Krasinski、R. H. Ket
chum共著）に説明されたプロセスにより、この場合を含
むよう拡張することができる。この拡張は、適応型コー
ドブックは、通常のサブフレーム内の固定型ピッチ予測
フィルタとは等価ではないが、フィルタに基づいたピッ
チ予測装置に比較して、計算の作業を簡略化することが
できる。しかし、これらの差異は、本発明に関連がある
ものではなく、そして、サブフレームと遅延との関係に
拘らず、適応型コードブック、ピッチ予測装置の何れか
用いられることに無関係に、このことが当てはまる。
【００２９】本発明のＣＥＬＰコーダのビット割当につ
いて、以下に説明する。ＣＥＬＰ符号コーダの各サブフ
レームのコードは、適応型コードブックベクトルのイン
デックスと、適応型コードブックベクトルのゲインに対
するインデックスと、固定型コードブックベクトルのゲ
インに対するインデックスからなる。各フレーム以外
に、線形予測係数を決定する一組のインデックスが送ら
れる。ベクトル量子化プロセス、例えば、“IEEE Tran
s. Speech Audio Process.”Vol.1（１９９３年）の３
〜１４ページの“Efficient Vector Quantization of L
PC Parameters at 24 Bits/Frame”（K. K. Paliwal、B
.S. Atal共著）に開示されたものは、これらのパラメ
ータに通常用いられ、３０ビットの割当が可能となる。
表１は、６．３ｋｂ／ｓＣＥＬＰコーダの典型的なビッ
ト割当を示している。 表１ ６．３ｋｂ／ｓＣＥＬＰコーダのビット割当の例 パラメータ ビット割当 更新（Ｈｚ） 予測係数 ３０ ５０ 適応型コードブックベクトル ８ ２００ 適応型コードブックゲイン ４ ２００ 固定型コードブックベクトル ８ ２００ 固定型コードブックゲイン ４ ２００
【００３０】ＬＰＡＳコーダの音声速度変換の実施例 本発明の実施例は、音声信号の音声速度の変換システム
に関する。所定のワードシーケンス（すなわち、音声ユ
ニット、例えば、フォニーム（音素）(phoneme)）に対
し、このシーケンスを表す信号の音声速度は、単位時間
あたりのワード数（すなわち、音声ユニット）として定
義することができる。この実施例において、処理される
音声信号は、音声復号化装置（すなわち、合成装置）に
より生成されるフィルタ励起信号である。この復号化装
置は、メモリ中に記憶された符号化音声パラメータに基
づいて、この信号を生成する。この符号化された音声パ
ラメータは、図１の音声符号化装置により生成されたも
のである。（図１の符号化装置は、フィルタ励起信号が
生成されるような符号化音声を生成することのできる復
号化装置の単なる一実施例である。）
【００３１】本発明の実施例を図３に示す。この実施例
において、音声復号化装置（合成装置）は、ブロック３
０１に示されるもので、フィルタ励起信号を生成する。
図１の符号化装置の観点において、図３の合成装置は、
音声復号化装置３０１で示される固定型、および、適応
型コードブック処理システムの両方を含む。ブロック３
０１は、表１で示したようなタイプの符号化音声パラメ
ータを受信し、このパラメータ（適応型コードブックイ
ンデックスとゲイン、および、固定型コードブックイン
デックスとゲイン）を用いて、図１に示したのと同様な
方法で、フィルタ励起信号を合成する（ブロック１０３
〜１０６）。音声復号化装置３０１は、従来公知のもの
であるため、図３には詳細には説明しない。
【００３２】ＬＰＡＳ符号化システムにおいて、励起信
号の短期相関は、ゼロに近い平均を有する。このような
相関は、約２０〜３０ｍｓの長さのウィンドゥにわたる
平均によって得られるものとする。かくして、この信
号、そして、その関連した再生音声信号の短期相関は、
ピッチサイクルが挿入されたり、除去される間は、干渉
されない。有声音信号が音声速度の変化を受けない場合
には、ピッチサイクルは、励起信号に挿入されなければ
ならないか、あるいは、励起信号から除去されなければ
ならない。図３は、ピッチサイクルを挿入、あるいは、
除去する実施例を表す。
【００３３】図３の実施例において、出力サブフレーム
は、長さＭである。このサブフレームの長さは、解析の
間は長さＬであるが、出力サブフレームは、長さＭであ
る（速度変化のため、Ｌ≠Ｍ）。比率α＝Ｍ／Ｌは、出
力信号の速度変化として定義する。変化した速度の合成
プロセスの実施例では、全部で３個のタイムポインタを
必要とする。このタイムポインタｔは、速度−１の信号
内の現行サブフレームの開始点に相当する。この速度−
１信号は、励起信号で、元の時間スケール（α＝１）を
保存する。この速度−１信号は、出力信号の最終速度と
は、独立して常に再構成できる。このタイムポインタτ
は、速度−１信号内への第２ポインタである。これは、
速度αの信号に対する現行サブフレームの開始点に相当
する。最後に、ｋは、現行サブフレームの開始点の出力
信号時点である。この入力タイムポインタｔは、各サブ
フレームに対し、Ｌずつ増加し、出力タイムポインタｋ
は、各サブフレームに対し、Ｍずつ増加する。このタイ
ムポインタτを用いて、速度−１励起信号を速度α励起
信号に変換する。
【００３４】α＜１（スピードアップ）の場合を次に説
明する。サブフレームクロック３０８は、各出力サブフ
レームの開始時に、１パルスを生成し、これは、Ｍ個の
出力サンプル毎の１パルスに相当する。その時点におい
て、このタイムポインタｔは、ポインタアジャスタ３０
６内でＬずつ増加する。したがって、ｔ＝ｔ＋Ｌであ
る。このことは、音声復号化装置３０１が速度−１の励
起のＬ個のサンプルのサブフレームを生成するよう促
し、この入力時間は、ｔ，ｔ＋１，．．．，ｔ＋Ｌ−１
を意味する（音声復号化装置３０１は、図１に示すよう
に適応型コードブックプロセッサ１０４と固定型コード
ブックプロセッサ１０５とを有する）。この音声復号化
装置３０１は、これらのサンプルを励起バッファ３０３
の最後に付加する。これにより、有限メモリを維持し、
励起バッファ３０３は、バッファの最古のサンプルを書
き換える最新のサンプルを有する環状構造体で有り得
る。この同一のバッファから、速度αの励起信号が取り
出される。
【００３５】各サブフレームの開始時点において、ポイ
ンタアジャスタ３０６は、タイムポインタτを調整す
る。すなわち、τ＝τ＋Ｍ（すなわち、τは、出力サブ
フレームの長さだけ増加する）である。まず、第２アジ
ャスタ３０５は、τが変化しないと仮定する。すると、
レトリーバ３０４は、速度調整無しの励起バッファ３０
３から、サンプルｅ（τ）からｅ（τ＋Ｍ−１）までを
取り出す。これらのサンプルは、線形予測無限インパル
ス応答合成フィルタ１０２に入力され、この線形予測無
限インパルス応答合成フィルタ１０２は、Ｍ個のサンプ
ルｓ（ｋ），．．．，ｓ（ｋ＋Ｍ−１）を生成する。入
力音声の各Ｌ個のサンプル（各時間スケールｔ）に対
し、このシステムは、Ｍ個の出力サンプル（タイムスケ
ールｋ）を生成する。
【００３６】実際の速度変換は、必要なときにピッチ期
間だけ、タイムポインタτを前の方向に移動することに
より得られる。このようなτのジャンプがシステム内で
ない場合には、タイムポインタτは、記録されたデータ
の過去の時点で励起バッファ３０３から出る（それが時
間的に遅れる各Ｍ個の出力サンプルと、付加のＬ−Ｍ個
のサンプルがｔ上で時間的に遅れる）。ポインタτを前
進させることは、第２アジャスタ３０５内で行われる。
このポインタは、ポインタτが、現行サブフレーム内の
励起バッファ３０３の将来の端部から出ることができな
いときにはいつでも（すなわち、τ＋Ｍ＋ｄ≦ｔ＋Ｌで
あるときはいつでも）、遅延量ｄだけ前進させられる。
遅延量ｄは、入力時間τ＋ｄにおいて、有効な遅延であ
り、時間τにおいては、有効な遅延ではない。
【００３７】図４は、Ｌ＝５０、Ｍ＝２５で、６０の固
定遅延時間を有する場合の入力時間ｔと、出力時間ｋと
の間の関係を示す。直線の０．５の傾斜は、速度０．５
の出力音声の速度αに相当する。階段状のカーブは、入
力速度−１の励起信号と入力速度−０．５との間のマッ
ピングを示す。このカーブの水平方向の部分は、速度−
１の励起信号のセグメントに相当し、これは、速度−
０．５の励起信号で、スキップしている。このステップ
は、出力時間スケールのサブフレーム境界の時のみ発生
し、そこでは、第２アジャスタ３０５が活性状態であ
る。この速度−０．５の励起は、線形予測無限インパル
ス応答合成フィルタ１０２に入力されるが、これは、速
度−１の励起信号の鎖状セグメントを有する。これらの
セグメントの間に、速度−１の励起の階段状セグメント
が表れる。この用いられた速度−１の励起のセグメント
は、図４では、１の傾斜を有する。
【００３８】次に、α＝Ｍ／Ｌが１より大きい（スロー
ダウン）の場合について説明する。前述したのと同様
に、ポインタアジャスタ３０６は、タイムポインタｔを
各サブフレームに対し、Ｌサンプルだけ前方向に移動
し、そして、タイムポインタτを各サブフレームに対
し、Ｍサンプルだけ前方向に移動する。かくして、音声
復号化装置３０１は、Ｌ個の励起サンプルを生成し、こ
れらＬ個のサンプルを励起バッファ３０３内に記憶させ
る。しかし、レトリーバ３０４が、励起バッファ３０３
から取り除いたサンプルの数Ｍは、３０２により記憶さ
れたサンプルの数Ｌよりも、現在のところは大きい。か
くして、適切な速度変化（すなわち、τで後方にジャン
プする）無しに、時間ポインタτは、記録されたデータ
の将来の端部でバッファから出ていく。この速度変更
は、第２アジャスタ３０５により実行され、これは、タ
イムポインタτを、タイムポインタτが現行のフレーム
内でｔを超えたときはいつでも、遅延時間ｔだけ後方に
移動させる。すなわち、このタイムポインタτは、τ＋
Ｍ＞ｔ＋Ｌの時はいつでも、ｄだけ後方に移動する。
【００３９】図５は、α＝２、Ｌ＝５０、Ｍ＝１００
で、遅延がｄ＝６０で一定である場合の入力タイムポイ
ンタｔと、出力タイムポインタｋとの間の関係を示す。
直線の傾斜は、α＝２である。第２のカーブは、速度−
１励起と、速度−２励起との間のマッピングを表す。各
出力サブフレームの開始時点で（各１００サンプル
毎）、条件τ＋Ｍ＞ｔ＋Ｌがチェックされ、そして、タ
イムポインタは、この条件が満たされたときいつでも、
遅延ｄだけ後方に移動させられる。この遅延ｄは、入力
時間τに対し、有効な遅延である。この後方へのジャン
プは、図５において、水平方向のセグメントで示されて
いる。この速度−２の励起は、オーバーラップした速度
−１の励起セグメントの連鎖である。これらのセグメン
トは、マッピングカーブの傾斜位置により特徴づけられ
る。
【００４０】上記の速度変換プロセスは、発声（疑似周
期的）音声を例として説明した。この同一のプロセス
は、無声音についても用いることができる。α＜１（ス
ピードアップ）の場合、これは、優れた性能を示す。そ
の理由は、セグメントの除去は、速度−１の励起の低い
周波数を大きく変化させることがないからである。しか
し、α＞１（スローダウン）の場合には、長さｄのセグ
メントが繰り返され、これは、周期性を増加させ、その
結果、無声音における可聴ひずみが発生することにな
る。しかし、この遅延が、あるサブフレームから次のサ
ブフレームに急速に変化する場合には、周期性の増加
は、比較的穏やかで、その結果、スローダウンした音声
は、良好な品質である。それゆえに、無声音の間、スム
ーズな遅延に行かないようなピッチ予測装置を用いるの
が望ましい。
【００４１】速度変化プロセスの精細化 上記の基本的なプロセスは、良好な速度変化性能をもた
らすが、以下に説明するその微細化は、さらに、この性
能を改良する。
【００４２】ピッチ周期が、フレーム長さ以上の場合
に、現行サブフレームは、ピッチパルスをたまたま含む
ことはない。この状況において、遅延量ｄは、信頼性あ
るものではない。かくして、このようなサブフレームに
おいて、（第２アジャスタ３０５において）時間ポイン
タτのジャンプを阻止することが有益である。ｄが信頼
できない場合のフレームは、速度−１励起信号におい
て、１）現行サブフレームエネルギーと、最後の数個の
サブフレームの平均サブフレームエネルギーとを比較す
るか、あるいは、２）現行サブフレームのピッチ予測ゲ
インと、最後の数サブフレームの平均ピッチ予測ゲイン
とを比較するか、の何れかにより識別することができ
る。この時間尺度が用いられると、現行サブフレームの
エネルギーが、平均値のエネルギーよりも低い場合に
は、時間ポインタτ内でジャンプは許されない。同様
に、現行ピッチ予測ゲインが平均値よりも低い場合に
は、時間ポインタτ内でのジャンプは許されない。エネ
ルギー、あるいは、ピッチ予測ゲインの何れかの平均値
は、いわゆる「リーキーインテグレーター（leaky inte
grator）」（入力としてエネルギー、あるいは、ピッチ
予測ゲインを有する）の出力により置換することがで
き、この公知の方法により、計算手続き、および、記憶
手続きを減少させることができる。
【００４３】当然のことながら、あるサブフレーム内で
ジャンプが許されない場合には、タイムポインタτは、
それがバッファから出ることがないように制限される。
このことは、決して犯すことのできないマスター条件と
考えられる。かくして、α＜１（バッファの過去の端部
から出ていく）の場合に対する偶発的なジャンプ無しの
サブフレームを許すために、このバッファのサイズを増
加することが必要である。かくして、励起バッファ３０
３内の第１のサンプルが、τ0の位置にあると、ｔ−ｔ0
は、増加しなければならない。Ｅが現行サブフレームの
エネルギーであるとすると、Ｅ（Ｅの上付きバーを表
す）は、最後の５個のサブフレームの平均エネルギーで
ある。第２アジャスタ３０５の第１の条件を次式で置き
換えることにより、性能が改良される。
【数１】 ここで、＆＆は論理ａｎｄ条件で、｜｜は論理ｏｒ条件
である。上記の条件は、τ＋Ｍ＞ｔ＋ＬとＥ＞Ｅの場
合、および／または、τ＜ｔ0の場合、τはτ＋ｄにセ
ットされることを意味する。最後の条件により、タイム
ポインタτが、常にバッファから出ていくことが阻止さ
れる。
【００４４】α＞１の場合、ジャンプ無しフレームは、
励起バッファ３０３の将来の端部から出るために、ポイ
ンタτとなる。かくして、このことが起こるのを阻止す
るために、サンプルの追加のセット（バッファ）の将来
の端部に位置しなければならない。この追加のセットが
Ｂ個のサンプルであるとすると、第２アジャスタ３０５
における第２条件は、次式により置換することができ
る。
【数２】 この条件は、τ＋Ｍ＞ｔ＋Ｌ−ＢとＥ＞Ｅの場合、およ
び／または、τ＋Ｍ＜ｔ＋Ｌの場合、τはτ−ｄにセッ
トされる。この最後の条件は、τがバッファから出てい
くことを阻止する。
【００４５】入力時間ｔにおいて有効な遅延ｄは、励起
の同様なセグメントがある場所の過去内への距離であ
る。速度−１の励起信号の各サンプルは、関連遅延量を
有する。それゆえに、時間ポインタτは、遅延量と関連
している。ポインタτ内でジャンプが行われると、ジャ
ンプの距離ｄは、ジャンプの将来端における遅延に、常
に関連づけられる。かくして、α＜１で、ジャンプが前
方向になされた場合には、このジャンプ距離は、ジャン
プが行われた直後のτにおいて、有効な適応型コードブ
ック遅延ｄに等しい。しかし、α＞１で、ジャンプが後
方に行われた場合には、このジャンプ距離は、ジャンプ
が行われる直前のτにおいて、有効な適応型コードブッ
ク遅延ｄに等しい。
【００４６】α＞１の場合、および／または、大きなピ
ッチ期間の場合に対し、Ｂが大きい場合には、このタイ
ムポインタτとポインタｔとの間の時間分離は重要であ
る。実際、２０ｍｓまでの時間分離が発生し得る。良好
な音質の音声にとって、線形予測無限インパルス応答合
成フィルタ１０２内で線形予測係数を用いることが重要
で、これは、入力時間τに対し、適切であるが、入力時
間ｔに対しては適切なものではない。多くのＬＰＡＳコ
ーダにおいて、各サブフレームは、一組の線形予測係数
を有する。正確な線形予測係数は、入力時間τに相当す
るサブフレームに関連したものである。
【００４７】ディクテーションモード 多くのメッセージには、多時間の沈黙期間が含まれる。
この沈黙には、音声は存在しないが、背景のノイズ、例
えば、音楽、あるいは、他の非音声信号が含まれるもの
である。高速度（α＜１）の音声に対し、これらの沈黙
期間を取り除くことが実際的である。この音声信号がス
ローダウンしたときには、この沈黙は、同一の割合で、
その持続時間も通常増加する。しかし、長い沈黙は、わ
ずらわしいものではないが、例えば、１．５倍以上でス
ローダウンしたような音声は、しばしば、わずらわしい
沈黙期間を含むものである。しかし、１．５倍、あるい
は、２倍ほどのスローダウンは、メッセージを書くのに
は必ずしも充分ではない。かくして、ディクテーション
モードという新たなプロセスをここに導入する。
【００４８】ディクテーションモードにおいては、信号
の音声セグメントは、スローダウンされるか、あるい
は、通常の速度で再生される。しかし、検知された沈黙
期間は、大きな係数（例えば、５）でもって、持続時間
が増加する。この係数は、話しながらメッセージを書き
下すことが可能なようなユーザ、あるいは、システムの
デザイナーによって決定される。この沈黙を検知するた
めに、新たな、あるいは、既存の発声活性検知方法（Ｇ
ＳＭ１３ｋｂ／ｓのコーダに用いられる公知のシステム
を含む）を用いることができる。
【００４９】話し言葉の中で、沈黙期間が増加するのを
阻止するために、検知された沈黙期間のより長いものに
対してのみ、沈黙期間の長さを増加するのが有効であ
る。このような最長の沈黙期間は、次のようにして選択
することができる。すなわち、音声の選択に際し、その
持続時間に応じて、検知された沈黙期間の順番と、上位
Ｘ個の最長の沈黙期間を選択する。ここで、数Ｘは、全
ての沈黙期間の所定内のものである。一旦、その沈黙期
間が決定されると、このＸ個の沈黙期間の持続時間は、
信号の音声セグメントの速度変化の係数よりも、より大
きな係数だけ増加させられる。このディクテーションモ
ードは、どのような速度変更システムにおいても用いら
れるが、音声符号化システムと一体に用いられるものと
は、必ずしも限らない。
【００５０】
【発明の効果】本発明は、後で再生される圧縮された形
態で、音声信号を記憶するような通信システムに直接適
応できる。そのため、本発明は、電話応答システムに適
応可能で、この応答システムは、加入者の場所、あるい
は、通信ネットワークの何れにも配置できるものであ
る。したがって、本発明は、例えば、登録された電話メ
ッセージをレビューするために、スピードアップした
り、スローダウンしたりするような特徴を具備させるこ
とができる。家庭内、あるいは、事務所内の電話応答シ
ステムで本発明が用いられた場合には、本発明のシステ
ムのスピードアップ／スローダウンの特徴は、ボタンを
押すことにより実行できる。ネットワークに組み込まれ
た場合には、ネットワーク系のメッセージサービスのス
ピードアップ／スローダウンの特徴には、タッチトーン
（ＤＴＭＦ信号）を用いて、通常の信号処理プロトコー
ルによりアクセスできる。顧客系、あるいは、ネットワ
ーク系の何れにおいても、本発明は、図３に示したよう
に実現することができ、この場合、音声符号化／メモリ
システムにより供給される符号化音声パラメータを有
し、構内電話機、あるいは、通信ネットワークの何れか
により、顧客に伝えられる合成された音声信号を有す
る。
【００５１】本発明によるネットワークメッセージサー
ビスは、ネットワーク端末におけるメッセージ受信者に
記録されたメッセージを伝えることができる。このネッ
トワークは、メッセージの受信者に対し、再生される音
声メッセージを表す符号化音声パラメータを記憶するメ
モリを有するノードを有する。このネットワークのノー
ドは、ネットワークターミナルからの制御信号に記録さ
れたメッセージの音声速度とは異なる音声速度でもっ
て、記録されたメッセージを可聴バージョンでもって再
生することにより応答する。この制御信号に応答するに
際し、このノードは、メモリ内に記憶された符号化音声
パラメータに基づいて、音声信号を合成する。そして、
このノードは、この合成音声信号に基づいて、変更され
た音声速度信号を生成し、この変更された音声速度信号
をフィルタ処理して、変更された音声速度信号と比較し
て、増加した短期相関を有する音声信号を生成する。一
旦、フィルタ処理された信号が生成されると、それは、
ネットワークターミナルに転送される。
【００５２】本発明による電話応答システムは、従来の
装置、および、電話インターフェースとネットワークイ
ンターフェース以外に、受信者に対する音声メッセージ
を表すパラメータを生成する音声符号化装置と、この音
声符号化装置により生成されるパラメータを記憶するメ
モリと、このメモリ内に記録されたパラメータに基づい
て、音声信号を合成する音声復号化装置と、この合成さ
れた音声信号に基づいて、変更した音声速度信号を生成
するプロセッサと、この変更された音声速度信号をフィ
ルタ処理する装置とを有し、この変更された音声速度信
号と比較して、短期相関を増加した音声信号を生成す
る。本発明のシステムは、当然のことながら、可聴フォ
ームで、メッセージ受領者に対し、増加した短期相関を
有する音声信号を提供する通常の装置も有するものであ
る。
【図面の簡単な説明】
【図１】ＬＰＡＳ音声符号化の原理を表す図。
【図２】適応型コードブックの動作を表す図。
【図３】本発明による速度変換メカニズムを表す図。
【図４】速度−１の励起信号から速度０．５の励起信号
へのマッピングを表す図。
【図５】速度−１の励起信号から速度−２の励起信号へ
のマッピングを表す図。
【図６】図３の実施例の全体を表す図。
【符号の説明】
１０１ 線形予測アナライザ １０２ 線形予測無限インパルス応答合成フィルタ １０３ パスト励起プロセッサ １０４ 適応型コードブックプロセッサ １０５ 固定型コードブックプロセッサ １０６ 加算手段 １１０ 知覚エラー基準評価器 １１１ 合成構造体 ２０１、２０２、２０３、２０５ ウィンドゥ ２０７ サブフレーム ２０６、２０９ 開始点 ２０８ パス ２１０ 表示励起信号 ２１１ 距離 ３０１ 音声復号化装置（合成装置） ３０３ 励起バッファ ３０４ レトリーバ ３０５ 第２アジャスタ ３０６ ポインタアジャスタ ３０８ サブフレームクロック ６０１ 音声信号源 ６０２ 音声速度アジャスタ ６０３ 線形合成フィルタ

Claims (27)

    【特許請求の範囲】
  1. 【請求項１】 （Ａ）音声速度の変化を表す信号と入力
    音声信号とに基づいて、変更した音声速度信号を生成す
    るステップと、 （Ｂ）この変更された音声速度信号に比較して、増加し
    た短期相関を有する音声信号を生成するために、この変
    更された音声速度信号をフィルタ処理するステップと、
    からなることを特徴とする入力音声信号の速度を変更す
    る方法。
  2. 【請求項２】 前記（Ａ）のステップは、ピッチサイク
    ルに相当するサンプルの先行シーケンスを、音声信号に
    挿入するステップを有することを特徴とする請求項１の
    方法。
  3. 【請求項３】 前記（Ａ）のステップは、ピッチサイク
    ルに相当するサンプルのシーケンスを、音声信号から除
    去するステップを有することを特徴とする請求項１の方
    法。
  4. 【請求項４】 前記変更した音声速度信号のインデック
    スｋのサンプルにおいて、前記入力音声信号は、バッフ
    ァ内にインデックスｔのサンプルまで記憶され、生成さ
    れた変更した音声速度信号の各Ｍ個のサンプルに対し、
    バッファ内に記憶された入力信号のＬ個の追加のサンプ
    ルが存在し、ここで、τは、変更した音声速度信号のイ
    ンデックスｋのサンプルである入力音声信号のサンプル
    のインデックスであり、ここで、τは、変更した音声速
    度信号の各サンプルに対し、１サンプルだけ増加し、 前記（Ａ）のステップは、ｔとτとの間の差に基づい
    て、１ピッチサイクルだけ、τの値を変化させるステッ
    プを含むことを特徴とする請求項１の方法。
  5. 【請求項５】 前記（Ｂ）のステップは、ＬＰＣ合成フ
    ィルタで実行されることを特徴とする請求項１の方法。
  6. 【請求項６】 前記（Ａ）のステップは、 バッファメモリ内に入力音声信号のＬ個のサンプルを記
    憶するステップと、 前記バッファメモリからＭ個のサンプルを取り出すステ
    ップと、前記取り出されたサンプルは、変更した音声速
    度信号を形成し、ここでＬ≠Ｍであることを特徴とする
    請求項１の方法。
  7. 【請求項７】 Ｍ／Ｌは、音声速度の所定の変化を表す
    前記信号に基づくことを特徴とする請求項６の方法。
  8. 【請求項８】 Ｌは、音声符号化装置のサブフレームに
    相当するサンプル数であることを特徴とする請求項７の
    方法。
  9. 【請求項９】 前記入力音声信号は、励起信号であるこ
    とを特徴とする請求項１の方法。
  10. 【請求項１０】 （Ｃ）符号化音声パラメータに基づい
    て、入力音声信号を合成するステップをさらに有するこ
    とを特徴とする請求項１の方法。
  11. 【請求項１１】 前記符号化音声パラメータは、適合型
    コードブックインデックスと適合型コードブックゲイン
    インデックスとを含むことを特徴とする請求項１０の方
    法。
  12. 【請求項１２】 前記符号化音声パラメータは、固定型
    コードブックインデックスと固定型コードブックゲイン
    インデックスとを含むことを特徴とする請求項１０の方
    法。
  13. 【請求項１３】 （Ａ）音声速度の所定の変化を表す信
    号と入力音声信号に基づいて、変更した音声速度信号を
    生成する手段と、 （Ｂ）この変更された音声速度信号に比較して、増加し
    た短期相関を有する音声信号を生成するために、この変
    更された音声速度信号をフィルタ処理する手段と、から
    なることを特徴とする入力音声信号の速度を変更する装
    置。
  14. 【請求項１４】 前記（Ａ）の手段は、ピッチサイクル
    に相当するサンプルの先行シーケンスを、音声信号に挿
    入する手段を有することを特徴とする請求項１３の装
    置。
  15. 【請求項１５】 前記（Ａ）の手段は、ピッチサイクル
    に相当するサンプルのシーケンスを、音声信号から除去
    する手段を有することを特徴とする請求項１３の装置。
  16. 【請求項１６】 前記フィルタ処理手段は、ＬＰＣ合成
    フィルタで実行されることを特徴とする請求項１３の装
    置。
  17. 【請求項１７】 （Ｃ）符号化音声パラメータに基づい
    て、入力音声信号を合成する手段をさらに有することを
    特徴とする請求項１３の装置。
  18. 【請求項１８】 前記符号化音声パラメータは、適合型
    コードブックインデックスと適合型コードブックゲイン
    インデックスとを含むことを特徴とする請求項１７の装
    置。
  19. 【請求項１９】 前記符号化音声パラメータは、固定型
    コードブックインデックスと固定型コードブックゲイン
    インデックスとを含むことを特徴とする請求項１７の装
    置。
  20. 【請求項２０】 前記符号化音声パラメータを記憶する
    メモリをさらに有することを特徴とする請求項１７の装
    置。
  21. 【請求項２１】 前記（Ａ）の手段は、入力音声信号の
    Ｌ個のサンプルを記憶するバッファメモリを有すること
    を特徴とする請求項１３の装置。
  22. 【請求項２２】 前記バッファメモリからＭ個のサンプ
    ルを取り出す手段をさらに有し、前記取り出されたサン
    プルは、変更した音声速度信号を構成する、 ここでＬ≠Ｍであることを特徴とする請求項２１の装
    置。
  23. 【請求項２３】 前記バッファからＭ個のサンプルの取
    り出しを制御する手段をさらに有することを特徴とする
    請求項２２の装置。
  24. 【請求項２４】 ネットワークターミナルにいるメッセ
    ージの受信者に、記録されたメッセージを提供する通信
    ネットワークメッセージサービスを提供する方法におい
    て、 前記通信ネットワークは、符号化音声情報を記憶するメ
    モリを有するノードを有し、 前記符号化音声情報は、メッセージ受信者用に記録され
    た音声メッセージを表し、 前記ネットワークノードは、ネットワークターミナルか
    らの制御信号に応答して、記録されたメッセージの可聴
    バージョンを再生し、 （Ａ）ネットワークターミナルから、記録されたメッセ
    ージの音声速度の変更を要求する制御信号を、ノードで
    受信するステップと、 （Ｂ）前記メモリ内に記憶された符号化音声パラメータ
    に基づいて、音声信号を合成するステップと、 （Ｃ）前記制御信号に応答して、合成音声信号に基づい
    て、変更した音声速度信号を生成するステップと、 （Ｄ）変更した音声速度信号に比較して、増加した短期
    相関を有する音声信号を生成するために、前記変更した
    音声速度信号をフィルタ処理するステップと、 （Ｅ）増加した短期相関を有する音声信号を、ネットワ
    ーク端末に送信するステップとからなることを特徴とす
    る通信ネットワークのメッセージサービスを提供する方
    法。
  25. 【請求項２５】 （Ａ）受信者用に音声メッセージを表
    すパラメータを生成する音声符号化装置と、 （Ｂ）前記音声符号化装置により生成されるパラメータ
    を記録するメモリと、 （Ｃ）前記メモリ内に記憶された符号化音声パラメータ
    に基づいて、音声信号を合成する音声復号化装置と、 （Ｄ）合成音声信号に基づいて、変更した音声速度信号
    を生成する手段と、 （Ｅ）変更した音声速度信号に比較して、増加した短期
    相関を有する音声信号を生成するために、前記変更した
    音声速度信号をフィルタ処理する手段と、 （Ｆ）増加した短期相関を有する音声信号を、メッセー
    ジ受信者に提供する手段とからなることを特徴とする電
    話応答システム。
  26. 【請求項２６】 音声と沈黙とを表す信号の音声速度を
    変更する方法において、 （Ａ）沈黙を表す信号のセグメントを検知するステップ
    と、 （Ｂ）係数Ｑにより、この検知した沈黙セグメントの持
    続時間を増加するステップと、 （Ｃ）音声を表す信号のセグメントの音声速度を、係数
    Ｒで変更するステップと、 ここでＲ≠Ｑであるからなることを特徴とする音声と沈
    黙を表す信号の音声速度を変更する方法。
  27. 【請求項２７】 Ｒ＝１であることを特徴とする請求項
    ２６の方法。
JP7110257A 1994-04-14 1995-04-12 入力音声信号の速度を変更する方法 Pending JPH07319496A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US227845 1988-08-03
US08/227,845 US5717823A (en) 1994-04-14 1994-04-14 Speech-rate modification for linear-prediction based analysis-by-synthesis speech coders

Publications (1)

Publication Number Publication Date
JPH07319496A true JPH07319496A (ja) 1995-12-08

Family

ID=22854705

Family Applications (1)

Application Number Title Priority Date Filing Date
JP7110257A Pending JPH07319496A (ja) 1994-04-14 1995-04-12 入力音声信号の速度を変更する方法

Country Status (6)

Country Link
US (1) US5717823A (ja)
EP (1) EP0680033A3 (ja)
JP (1) JPH07319496A (ja)
KR (1) KR950035273A (ja)
CA (1) CA2145016A1 (ja)
TW (1) TW286395B (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998021710A1 (fr) * 1996-11-11 1998-05-22 Matsushita Electric Industrial Co., Ltd. Convertisseur de rapidite de reproduction de sons
JP2003510625A (ja) * 1998-10-09 2003-03-18 ヘジェナ， ドナルド ジェイ． ジュニア リスナ関心によりフィルタリングされた創作物を準備する方法および装置
JP2010501896A (ja) * 2006-08-22 2010-01-21 クゥアルコム・インコーポレイテッド 広帯域ボコーダのタイムワーピングフレーム

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5774846A (en) * 1994-12-19 1998-06-30 Matsushita Electric Industrial Co., Ltd. Speech coding apparatus, linear prediction coefficient analyzing apparatus and noise reducing apparatus
US5694521A (en) * 1995-01-11 1997-12-02 Rockwell International Corporation Variable speed playback system
KR100251497B1 (ko) * 1995-09-30 2000-06-01 윤종용 음성신호 변속재생방법 및 그 장치
TW307960B (en) * 1996-02-15 1997-06-11 Philips Electronics Nv Reduced complexity signal transmission system
JP3092652B2 (ja) * 1996-06-10 2000-09-25 日本電気株式会社 音声再生装置
US6009395A (en) * 1997-01-02 1999-12-28 Texas Instruments Incorporated Synthesizer and method using scaled excitation signal
FR2762464B1 (fr) * 1997-04-16 1999-06-25 France Telecom Procede et dispositif de codage d'un signal audiofrequence par analyse lpc "avant" et "arriere"
SE512719C2 (sv) * 1997-06-10 2000-05-02 Lars Gustaf Liljeryd En metod och anordning för reduktion av dataflöde baserad på harmonisk bandbreddsexpansion
US6014618A (en) * 1998-08-06 2000-01-11 Dsp Software Engineering, Inc. LPAS speech coder using vector quantized, multi-codebook, multi-tap pitch predictor and optimized ternary source excitation codebook derivation
EP0998166A1 (fr) * 1998-10-30 2000-05-03 Koninklijke Philips Electronics N.V. Dispositif de traitement audio récepteur et procédé pour filtrer un signal utile et le restituer en présence de bruit ambiant
SE516182C2 (sv) 1999-02-26 2001-11-26 Ericsson Telefon Ab L M Mottagning av olika signalformatstandarder i radiosystem med flera standarder
US6266643B1 (en) * 1999-03-03 2001-07-24 Kenneth Canfield Speeding up audio without changing pitch by comparing dominant frequencies
US6415029B1 (en) * 1999-05-24 2002-07-02 Motorola, Inc. Echo canceler and double-talk detector for use in a communications unit
SE521462C2 (sv) 1999-07-08 2003-11-04 Ericsson Telefon Ab L M Förfarande och anordning för sändning av information i ett telekommunikationssystem
SE9903223L (sv) * 1999-09-09 2001-05-08 Ericsson Telefon Ab L M Förfarande och anordning i telekommunikationssystem
US7315815B1 (en) 1999-09-22 2008-01-01 Microsoft Corporation LPC-harmonic vocoder with superframe structure
US6959274B1 (en) 1999-09-22 2005-10-25 Mindspeed Technologies, Inc. Fixed rate speech compression system and method
US6496794B1 (en) * 1999-11-22 2002-12-17 Motorola, Inc. Method and apparatus for seamless multi-rate speech coding
CN1432177A (zh) * 2000-04-06 2003-07-23 艾利森电话股份有限公司 语音速率转换
US7346488B2 (en) * 2000-07-10 2008-03-18 Fujitsu Limited Automatic translator and computer-readable storage medium having automatic translation program recorded thereon
EP1944759B1 (en) * 2000-08-09 2010-10-20 Sony Corporation Voice data processing device and processing method
US6931373B1 (en) 2001-02-13 2005-08-16 Hughes Electronics Corporation Prototype waveform phase modeling for a frequency domain interpolative speech codec system
US7013269B1 (en) 2001-02-13 2006-03-14 Hughes Electronics Corporation Voicing measure for a speech CODEC system
US6996523B1 (en) 2001-02-13 2006-02-07 Hughes Electronics Corporation Prototype waveform magnitude quantization for a frequency domain interpolative speech codec system
US6658383B2 (en) 2001-06-26 2003-12-02 Microsoft Corporation Method for coding speech and music signals
US7610198B2 (en) * 2001-08-16 2009-10-27 Broadcom Corporation Robust quantization with efficient WMSE search of a sign-shape codebook using illegal space
US7647223B2 (en) * 2001-08-16 2010-01-12 Broadcom Corporation Robust composite quantization with sub-quantizers and inverse sub-quantizers using illegal space
US7617096B2 (en) * 2001-08-16 2009-11-10 Broadcom Corporation Robust quantization and inverse quantization using illegal space
US6785645B2 (en) 2001-11-29 2004-08-31 Microsoft Corporation Real-time speech and music classifier
US6647366B2 (en) * 2001-12-28 2003-11-11 Microsoft Corporation Rate control strategies for speech and music coding
US6625387B1 (en) * 2002-03-01 2003-09-23 Thomson Licensing S.A. Gated silence removal during video trick modes
US20040002856A1 (en) * 2002-03-08 2004-01-01 Udaya Bhaskar Multi-rate frequency domain interpolative speech CODEC system
US7130793B2 (en) * 2002-04-05 2006-10-31 Avaya Technology Corp. System and method for minimizing overrun and underrun errors in packetized voice transmission
US7676142B1 (en) 2002-06-07 2010-03-09 Corel Inc. Systems and methods for multimedia time stretching
US7426470B2 (en) * 2002-10-03 2008-09-16 Ntt Docomo, Inc. Energy-based nonuniform time-scale modification of audio signals
US20040073428A1 (en) * 2002-10-10 2004-04-15 Igor Zlokarnik Apparatus, methods, and programming for speech synthesis via bit manipulations of compressed database
JP3871657B2 (ja) * 2003-05-27 2007-01-24 株式会社東芝 話速変換装置、方法、及びそのプログラム
US8340972B2 (en) * 2003-06-27 2012-12-25 Motorola Mobility Llc Psychoacoustic method and system to impose a preferred talking rate through auditory feedback rate adjustment
US7337108B2 (en) * 2003-09-10 2008-02-26 Microsoft Corporation System and method for providing high-quality stretching and compression of a digital audio signal
JP3924583B2 (ja) * 2004-02-03 2007-06-06 松下電器産業株式会社 ユーザ適応型装置およびその制御方法
US7668712B2 (en) * 2004-03-31 2010-02-23 Microsoft Corporation Audio encoding and decoding with intra frames and adaptive forward error correction
US20050227657A1 (en) * 2004-04-07 2005-10-13 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for increasing perceived interactivity in communications systems
US20060136215A1 (en) * 2004-12-21 2006-06-22 Jong Jin Kim Method of speaking rate conversion in text-to-speech system
US7830862B2 (en) * 2005-01-07 2010-11-09 At&T Intellectual Property Ii, L.P. System and method for modifying speech playout to compensate for transmission delay jitter in a voice over internet protocol (VoIP) network
US7177804B2 (en) * 2005-05-31 2007-02-13 Microsoft Corporation Sub-band voice codec with multi-stage codebooks and redundant coding
US7831421B2 (en) * 2005-05-31 2010-11-09 Microsoft Corporation Robust decoder
US7707034B2 (en) * 2005-05-31 2010-04-27 Microsoft Corporation Audio codec post-filter
ATE463028T1 (de) * 2006-09-13 2010-04-15 Ericsson Telefon Ab L M Verfahren und anordnungen für einen sprach- /audiosender und empfänger
MY154452A (en) * 2008-07-11 2015-06-15 Fraunhofer Ges Forschung An apparatus and a method for decoding an encoded audio signal
US8682678B2 (en) * 2012-03-14 2014-03-25 International Business Machines Corporation Automatic realtime speech impairment correction
TWI493917B (zh) * 2013-04-29 2015-07-21 Univ Nat Taipei Technology 檢測雙音多頻訊號之方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5650398A (en) * 1979-10-01 1981-05-07 Hitachi Ltd Sound synthesizer
US4550425A (en) * 1982-09-20 1985-10-29 Sperry Corporation Speech sampling and companding device
US4709390A (en) * 1984-05-04 1987-11-24 American Telephone And Telegraph Company, At&T Bell Laboratories Speech message code modifying arrangement
US4885790A (en) * 1985-03-18 1989-12-05 Massachusetts Institute Of Technology Processing of acoustic waveforms
US4833718A (en) * 1986-11-18 1989-05-23 First Byte Compression of stored waveforms for artificial speech
US5054072A (en) * 1987-04-02 1991-10-01 Massachusetts Institute Of Technology Coding of acoustic waveforms
IL84902A (en) * 1987-12-21 1991-12-15 D S P Group Israel Ltd Digital autocorrelation system for detecting speech in noisy audio signal
EP0427953B1 (en) * 1989-10-06 1996-01-17 Matsushita Electric Industrial Co., Ltd. Apparatus and method for speech rate modification
FI911165A (fi) * 1991-03-08 1992-09-09 Nokia Mobile Phones Ltd Telefonsvarare foer en mobiltelefon
US5175769A (en) * 1991-07-23 1992-12-29 Rolm Systems Method for time-scale modification of signals
US5327518A (en) * 1991-08-22 1994-07-05 Georgia Tech Research Corporation Audio analysis/synthesis system
EP0564669A1 (de) * 1992-04-04 1993-10-13 Alcatel SEL Aktiengesellschaft Netzwerk aus Sprach- und/oder Faxspeichersystemen
FR2692070B1 (fr) * 1992-06-05 1996-10-25 Thomson Csf Procede et dispositif de synthese vocale a vitesse variable.
JP3328080B2 (ja) * 1994-11-22 2002-09-24 沖電気工業株式会社 コード励振線形予測復号器
US5694521A (en) * 1995-01-11 1997-12-02 Rockwell International Corporation Variable speed playback system

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998021710A1 (fr) * 1996-11-11 1998-05-22 Matsushita Electric Industrial Co., Ltd. Convertisseur de rapidite de reproduction de sons
US6115687A (en) * 1996-11-11 2000-09-05 Matsushita Electric Industrial Co., Ltd. Sound reproducing speed converter
JP2003510625A (ja) * 1998-10-09 2003-03-18 ヘジェナ， ドナルド ジェイ． ジュニア リスナ関心によりフィルタリングされた創作物を準備する方法および装置
JP2010501896A (ja) * 2006-08-22 2010-01-21 クゥアルコム・インコーポレイテッド 広帯域ボコーダのタイムワーピングフレーム
US8239190B2 (en) 2006-08-22 2012-08-07 Qualcomm Incorporated Time-warping frames of wideband vocoder

Also Published As

Publication number Publication date
TW286395B (ja) 1996-09-21
US5717823A (en) 1998-02-10
KR950035273A (ko) 1995-12-30
EP0680033A2 (en) 1995-11-02
EP0680033A3 (en) 1997-09-10
CA2145016A1 (en) 1995-10-15

Similar Documents

Publication Publication Date Title
US5717823A (en) Speech-rate modification for linear-prediction based analysis-by-synthesis speech coders
US5752223A (en) Code-excited linear predictive coder and decoder with conversion filter for converting stochastic and impulsive excitation signals
CA2335005C (en) Method and apparatus for performing packet loss or frame erasure concealment
US7047190B1 (en) Method and apparatus for performing packet loss or frame erasure concealment
JP4675692B2 (ja) 話速変換装置
JP2746033B2 (ja) 音声復号化装置
US5251261A (en) Device for the digital recording and reproduction of speech signals
JP2707564B2 (ja) 音声符号化方式
JP2006099124A (ja) デジタル無線チャネル上の自動音声／話者認識
US6873954B1 (en) Method and apparatus in a telecommunications system
JPH0962299A (ja) コード励振線形予測符号化装置
JP3062226B2 (ja) 条件付き確率的励起符号化法
JPH07129195A (ja) 音声復号化装置
JP4420562B2 (ja) 背景ノイズが共存する符号化音声の品質を向上させるためのシステムおよび方法
JPWO2006011445A1 (ja) 信号復号化装置
JP3722366B2 (ja) パケット構成方法及び装置、パケット構成プログラム、並びにパケット分解方法及び装置、パケット分解プログラム
JP2001053869A (ja) 音声蓄積装置及び音声符号化装置
JP3490325B2 (ja) 音声信号符号化方法、復号方法およびその符号化器、復号器
JP3249144B2 (ja) 音声符号化装置
JP3515216B2 (ja) 音声符号化装置
JP3515215B2 (ja) 音声符号化装置
JP2018124304A (ja) 音声符号化装置、音声復号装置、音声符号化方法、音声復号方法、プログラム、および記録媒体
JP2003323200A (ja) 音声符号化のための線形予測係数の勾配降下最適化
JPH09179593A (ja) 音声符号化装置
JP2001343984A (ja) 有音／無音判定装置、音声復号化装置及び音声復号化方法