JPH08202391A

JPH08202391A - 話速変換装置

Info

Publication number: JPH08202391A
Application number: JP7013171A
Authority: JP
Inventors: Masayuki Iida; 正幸飯田; Koji Tanaka; 浩司田中; Masanori Miyatake; 正典宮武
Original assignee: Sanyo Electric Co Ltd
Current assignee: Sanyo Electric Co Ltd
Priority date: 1995-01-30
Filing date: 1995-01-30
Publication date: 1996-08-09

Abstract

(57)【要約】【目的】この発明は、音声メモリ内の未読出データ蓄
積量が所定量に達することによりリセット信号が出力さ
れた直後において、単語、音節、句等のまとまりのある
単位文字列の先頭から音声が出力されるようにできる話
速変換装置を提供することを目的とする。【構成】音声の所定区間を削除し、当該削除区間の前
後の音声を接続する話速変換装置であって、削除区間後
の音声の先頭が単位文字列の先頭になるように削除区間
を設定したことを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声信号の話速を変
える話速変換装置に関し、たとえば、映像を伴うレーザ
ディスク、ＶＴＲ等の音声の早聞きまたは遅聞きを行う
音声再生装置、聴覚障害者に放送される音声をゆっくり
した聞きやすい音声に変換する聴覚補助装置、ネイティ
ブスピードで話された英語音声をゆっくりした聞きやす
い音声に変換する英語学習器等に利用される話速変換装
置に関する。

【０００２】

【従来の技術】たとえば、ビデオテープレコーダ（ＶＴ
Ｒ）において、２倍速再生等の高速再生を行うと出力音
声速度も標準音声速度の２倍となり、出力音声が聴き取
りにくくなる。そこで、２倍速再生された音声を格納す
る音声メモリを設け、音声メモリの書き込み／読み出し
速度を制御することにより、２倍速再生時に、音声を標
準速度で出力させて、出力音声を聴き取り易くする技術
がすでに開発されている。

【０００３】

【発明が解決しようとする課題】音声メモリの書き込み
／読み出し速度を制御して、２倍速再生時に、音声を標
準速度で出力させる方法においては、入力音声の半分が
削除されてしまう。高速再生時に、内容理解に有用な音
声が削除される割合を少なくするために、本出願人は、
次のような話速変換装置を発明した。

【０００４】つまり、高速再生された音声信号のうち、
無音区間を検出して無音区間を削除する。そして、高速
再生された音声信号のうち、無音区間を除く音声区間の
みの信号に対して時間軸圧縮伸長処理を行って音声メモ
リに記憶させる。この場合、高速再生された音声の発生
速度よりも出力音声速度が遅くなるように圧縮率が設定
される。そして、音声メモリに記憶された音声データを
順次出力していく。この方法においても、音声メモリに
書き込まれているが読み出されていないデータ量（未読
出データ蓄積量）が音声メモリの容量を越えると、リセ
ット信号が出力され、音声メモリに蓄積されている音声
データは削除される。つまり、リセット信号が出力され
た時点で蓄積されている音声データは出力されなくな
る。

【０００５】図１１は、２倍速再生時の音声メモリ内の
未読出データ蓄積量の変化、入力音声および出力音声の
一例を示している。無音区間の入力音声信号は、音声メ
モリに入力されない。このため、無音区間の音声信号が
入力されている期間では、音声メモリへのデータ入力は
なしでデータ出力のみとなるので、音声データの蓄積量
は減少している。

【０００６】また、この例では、未読出データ蓄積量が
音声メモリの容量に達すると、リセット信号が出力さ
れ、音声メモリ内の全音声データが削除されている。そ
して、リセット後においては、引き続いて、音声データ
が音声メモリに記憶されていくとともに、リセット後に
記憶された音声データが順次出力されていく。

【０００７】しかしながら、リセット直後において、入
力される音声データの開始点は、単語、文節、句等のま
とまりのある単位文字列の最初になるとは限らないた
め、リセット直後に入力された音声データが出力された
ときには、その出力音声が内容不明の音声となることが
多い。

【０００８】この発明は、音声メモリ内の未読出データ
蓄積量が所定量に達することによりリセット信号が出力
された直後において、単語、音節、句等のまとまりのあ
る単位文字列の先頭から音声が出力されるようにでき、
リセット信号が出力された直後において内容不明の音声
が出力されるのを回避できる話速変換装置を提供するこ
とを目的とする。

【０００９】

【課題を解決するための手段】この発明による第１の話
速変換装置は、音声の所定区間を削除し、当該削除区間
の前後の音声を接続する話速変換装置であって、削除区
間後の音声の先頭が単位文字列の先頭になるように削除
区間を設定したことを特徴とする。

【００１０】この発明による第２の話速変換装置は、入
力音声信号から得られた音声データを音声メモリに順次
書き込んだ後、音声メモリ内の音声データを順次読み出
して出力する話速変換装置であって、入力音声信号を分
析して音声の境界位置を検出し、検出された音声の境界
位置に対応する音声データの音声メモリへの書き込みア
ドレスを保持する境界位置検出手段、および音声メモリ
内の未読出データ蓄積量が所定量に達したときに、音声
データ読み出しアドレスを、境界位置検出手段に保持さ
れているアドレスに変更する手段を備えていることを特
徴とする。

【００１１】この発明による第３の話速変換装置は、入
力音声信号から得られた音声データが順次書き込まれる
音声メモリおよび音声メモリ内の音声データを順次読み
出して出力する出力手段を備えた話速変換装置であっ
て、入力音声信号を分析して音声の境界位置を検出する
境界位置検出手段、検出された音声の境界位置に対応す
る音声データの音声メモリへの書き込みアドレスを記憶
する境界位置記憶手段、および音声メモリ内の未読出デ
ータ蓄積量が所定量に達したときに、音声データ読み出
しアドレスを、境界位置記録手段に記憶されているアド
レスに変更する手段を備えていることを特徴とする。

【００１２】この発明による第２および第３の話速変換
装置において、入力音声信号のうち、無音区間の音声を
削除し、音声区間の音声信号を時間軸圧縮伸長処理し、
時間軸圧縮伸長処理結果を音声データとして音声メモリ
に順次書き込むようにしてもよい。

【００１３】この発明による第２および第３の話速変換
装置における境界位置検出手段としては、たとえば、入
力音声信号の無音区間と音声区間との境界を音声境界と
して検出するもの、入力音声信号から入力音声の高低変
化に基づいて、アクセント句の境界を、音声境界として
検出するもの等が用いられる。

【００１４】

【作用】この発明による第１の話速変換装置では、削除
区間後の音声の先頭が単位文字列の先頭になるように削
除区間が設定される。

【００１５】この発明による第２または第３の話速変換
装置では、入力音声信号が分析されて音声の境界位置が
検出される。検出された音声の境界位置に対応する音声
データの音声メモリへの書き込みアドレスが保持され
る。そして、音声メモリ内の未読出データ蓄積量が所定
量に達したときに、音声データ読み出しアドレスが、境
界位置検出手段に保持されているアドレスに変更され
る。

【００１６】

【実施例】以下、図面を参照して、この発明をビデオテ
ープレコーダに適用した場合の実施例について説明す
る。

【００１７】図１〜図３は、この発明の第１実施例を示
している。図１は、ビデオテープレコーダ（ＶＴＲ）の
概略構成を示している。なお、以下においては、２倍速
再生時の動作を中心にして説明する。

【００１８】キャプスタンサーボ回路１は、コントロー
ルヘッド２からのコントロール信号およびキャプスタン
３からの速度信号に基づいて、ビデオテープ５の走行速
度が一定速度になるように、キャプスタンモータ４を制
御する。なお、２倍速再生時には、ビデオテープ５の走
行速度が標準再生時の速度の２倍となるように、キャプ
スタンモータ４が制御される。

【００１９】ビデオヘッド６は、ビデオテープ５の映像
トラックを再生する。回転ヘッド６は、ヘッドスイッチ
ング回路７により所定の順序で切り換え出力され、映像
再生回路８で映像信号に変換される。

【００２０】オーデオヘッド９は、ビデオテープ５のオ
ーディオトラックを再生する。再生された音声信号は、
話速変換回路１０に送られる。

【００２１】図２は、話速変換回路１０の構成を示して
いる。入力音声信号は、Ａ／Ｄ変換器１１によって、デ
ィジタル信号に変換される。標準サンプリング周波数を
ｆ_SOとすると、ｎ倍速再生時にはＡ／Ｄ変換器１１のサ
ンプリング周波数はｎｆ_SOとなる。たとえば、２倍速再
生時にはＡ／Ｄ変換器１１のサンプリング周波数は２ｆ
_SOとなる。

【００２２】Ａ／Ｄ変換器１１から出力される音声デー
タは、音声処理用メモリ１２に一時的に格納される。音
声処理用メモリ１２は、２フレーム分の音声データを記
憶できる容量を有している。つまり、音声処理用メモリ
１２は、それぞれ１フレーム分の音声データを格納でき
る２つの記憶領域を有している。１フレームは、予め定
められた数の音声データから構成される。音声処理用メ
モリ１２の１フレーム分には、たとえば、約１０〜３０
msecの音声が記憶される。

【００２３】音声処理用メモリ１２の一方の記憶領域に
格納された１フレーム分の音声データに対して音声圧縮
伸長回路１３による話速変換処理が施されると同時に、
他方の記憶領域に次の新たな１フレーム分の音声データ
が格納されていく。そして、この他方の記憶領域に１フ
レーム分の音声データが格納されると、今度はその領域
内の音声データに対して話速変換処理が行われると同時
に、既に話速変換処理が行われた音声データが格納され
ていた上記一方の記憶領域に次の新たな１フレーム分の
音声データが格納されていく。音声圧縮伸長回路１３の
動作については、後述する。

【００２４】音声圧縮伸長回路１３によって話速変換処
理が施された音声データは、書き込みクロックにしたが
って、音声メモリ回路１４内のリングメモリ３１（図３
参照）に書き込まれる。ここで、リングメモリとは、リ
ング構造（ring structure)を有するメモリをいう。リ
ング構造とは、連鎖リストの最後の項目のポインタが先
頭の項目を指すようにつながれたものをいう。リングメ
モリ３１は、ＲＡＭ構成であり、たとえば、約３秒分の
音声が記憶される。

【００２５】リングメモリ３１に書き込まれた音声デー
タは、読み出しクロックにしたがって順次読み出され、
Ｄ／Ａ変換器１５によってアナログ信号に変換されて出
力される。Ｄ／Ａ変換器１５のサンプリング周波数は、
再生速度にかかわらず、標準サンプリング周波数ｆ_SOに
設定されている。また、リングメモリ３１の読み出しク
ロックの周波数も、標準サンプリング周波数ｆ_SOに設定
されている。このため、高速再生時においても、出力音
声の音程は元の音程となる。

【００２６】無声区間検出部２１は、音声処理用メモリ
１２に格納された１フレーム分の音声データが無音区間
であるか音声区間であるかを判定し、その判定結果信号
を制御部２０に送る。制御部２０は、話速変換回路１０
の各機器を制御するものである。

【００２７】無音区間であるか音声区間であるかの判定
は、たとえば、音声処理用メモリ１２に格納された１フ
レーム分の音声データのパワー平均が所与のしきい値以
上か否かによって行われる。つまり、パワー平均が所与
のしきい値以上であれば、音声区間と判別され、パワー
平均が所与のしきい値より小さければ、無音区間と判定
される。

【００２８】より具体的に説明すると、音声処理用メモ
リ１２から読み出された１フレーム分の音声データの平
均パワー値Ｐが計算される。この平均パワー値Ｐは、サ
ンプリングされた１フレーム内の各音声データの振幅を
ｉ₀，ｉ₁，…ｉ_{N -1}（Ｎは１フレーム分の音声データ
数）とすると、次の数式１によって算出される。

【００２９】

【数１】

【００３０】算出された平均パワー値Ｐは、しきい値Ｔ
ｈ１と比較される。平均パワー値Ｐがしきい値Ｔｈ１以
上（Ｐ≧Ｔｈ１）のときには、現フレームが音声区間で
あることを示す信号が、平均パワー値Ｐがしきい値Ｔｈ
１より小さい（Ｐ＜Ｔｈ１）ときには、現フレームが無
音区間であることを示す信号が、無音区間検出部２１か
ら出力される。

【００３１】無音区間検出部２１は、また、音声境界信
号をも生成する。つまり、無音区間と音声区間との境界
を検出することによって音声境界を検出する。無音区間
検出部２１は、音声境界を検出したときに、音声境界信
号を生成して音声メモリ回路１４に出力する。

【００３２】蓄積量検出部２２は、リングメモリ３１の
書き込みアドレスと読出アドレスとに基づいて、リング
メモリ３１内に書き込まれているが読み出されていない
音声データ量（未読出データ蓄積量）を算出する。蓄積
量検出部２２によって求められた未読出データ蓄積量
は、制御部２０に送られる。

【００３３】蓄積量検出部２２は、また、算出した未読
出データ蓄積量が所定量に達したときにリセット信号を
音声メモリ回路１４に出力する。ここでは、未読出デー
タ蓄積量がリングメモリ３１の容量分に達したときにリ
セット信号が出力されるものとする。

【００３４】制御部２０は、無音区間の音声データを削
除する。つまり、無音区間の音声データが、リングメモ
リ３１に書き込まれるのを禁止する。

【００３５】音声圧縮伸長回路１３は、音声区間の音声
データに対して、ＶＴＲの再生速度倍率をｎとして、１
／ｎ以上の圧縮率で時間軸圧縮伸長処理を行う。ここで
用いられる時間軸圧縮伸長法としては、たとえば、ポイ
ンター移動制御による重複加算法（Pointer Interval C
ontrol Overlap and Add : PICOLA)、TDHS(Time Domain
Harmonic Scaling)法等がある。

【００３６】音声圧縮伸長回路１３では、２倍速再生時
においては、１／２≦α≦１の範囲内から決定された圧
縮率αで、音声データが圧縮される。圧縮率αが１／２
である場合には、標準サンプリング周波数ｆ_SOの２倍の
サンプリング周波数でサンプリングされた音声データの
２ピッチ周期が１ピッチ周期に間引かれる。そして、こ
の圧縮された音声データがリングメモリ３３に書き込ま
れ、標準サンプリング周波数ｆ_SOで読み出されるため、
出力音声速度は標準音声速度の２倍となり、音程は標準
再生速度時の音程となる。

【００３７】圧縮率が１である場合には、標準サンプリ
ング周波数ｆ_SOの２倍のサンプリング周波数でサンプリ
ングされた音声データは、時間軸圧縮伸長処理が施され
ることなくそのままリングメモリ３３に書き込まれ、標
準サンプリング周波数ｆ_SOで読み出されるため、出力音
声速度は標準音声速度となる。この場合も、音程は標準
再生速度時の音程となる。したがって、出力音声速度が
標準音声速度の１倍以上で２倍以下の範囲内で、圧縮率
αが設定される。

【００３８】たとえば、圧縮率αが２／３に設定された
とすると、標準サンプリング周波数ｆ_SOの２倍のサンプ
リング周波数でサンプリングされた音声データの３ピッ
チ周期が２ピッチ周期に間引かれる。そして、この圧縮
された音声データが標準サンプリング周波数ｆ_SOで読み
出されるため、出力音声速度は、標準音声速度の３／２
倍となる。

【００３９】なお、圧縮率αを、再生速度倍率ｎに応じ
た範囲内で、自動的に変更するようにしてもよい。すな
わち、リングメモリ３１内の未読出データ蓄積量が多く
なるほど、圧縮率αの値が小さくなるように、つまり出
力音声速度が速くなるように、そして、リングメモリ３
１内の未読出データ蓄積量が少なくなるほど、圧縮率α
の値が大きくなるように、つまり、出力音声速度が遅く
なるように、圧縮率αを自動的に変更するようにしても
よい。

【００４０】ＰＩＣＯＲＡを用いて、入力信号（音声圧
縮伸長回路１３への入力音声データ）を圧縮率２／３で
圧縮する方法について、図４を用いて簡単に説明する。
まず、入力信号からピッチ周期が抽出される。抽出され
たピッチ周期をＴｐとする。波形Ａに対しては、１から
０へ直線的に向かう重み（重み関数Ｋ１）がつけられ
て、波形Ａ’が作成される。波形Ｂに対しては０から１
に向かう重み（重み関数Ｋ２）がつけられて、波形Ｂ’
が作成される。

【００４１】そして、これらの波形Ａ’およびＢ’が加
え合わされ、長さＴｐの波形Ａ’＊Ｂ’が作成される。
これらの重みは、波形Ａ’＊Ｂ’の前後の接続点での連
続性を保つためにつけられている。次に、ポインター
が、圧縮率に基づいて決定される長さである３Ｔｐ分だ
け移動され、同様な操作が行われる。これにより、３つ
の波形Ａ、Ｂ、Ｃから２つの波形Ａ’＊Ｂ’とＣとが得
られる。このようにして、３ピッチ周期分の信号が、２
ピッチ周期分の信号に圧縮される。

【００４２】図３は、音声メモリ回路１４の構成を示し
ている。入力アドレスポインタ３２は、リングメモリ３
１に音声データを入力するアドレスを指定するポインタ
である。入力アドレスポインタ３２による指定アドレス
は、リングメモリ３１の書き込みクロックにしたがって
更新される。

【００４３】出力アドレスポインタ３３は、リングメモ
リ３１から音声データを読み出すアドレスを指定するポ
インタである。出力アドレスポインタ３３による指定ア
ドレスは、リングメモリ３１の読み出しクロックにした
がって更新される。

【００４４】出力アドレスポインタ３３で指定されたア
ドレスから、アドレスを順方向に追って入力アドレスポ
インタ３２で指定されたアドレスまで、の間に蓄積され
ている音声データ量が、未読出データ蓄積量である。

【００４５】無音区間検出部２１からの音声境界信号
は、音声境界設定部３４に送られてくる。音声境界設定
部３４は、無音区間検出部２１によって検出された音声
境界に対応する音声データが入力されるアドレス（以
下、音声境界アドレスという）を入力アドレスポインタ
３２から取得して、音声境界ポインタ３５に設定する。
音声境界設定部３４は、音声境界設定部３４に音声境界
信号が送られてくる度に、音声境界アドレスを獲得して
音声境界ポインタ３５に設定するので、音声境界ポイン
タ３５には最新の音声境界アドレスのみが記憶される。

【００４６】蓄積量検出部２２からのリセット信号は、
出力ポインタ初期化部３６に送られる。出力ポインタ初
期化部３６は、リセット信号が入力されたときに、音声
境界ポインタ３５に設定されている音声境界アドレスが
出力アドレスとして指定されるように、出力アドレスポ
インタ３３を制御する。

【００４７】図５は、２倍速再生時のリングメモリ３１
の未読出データ蓄積量の変化と、２倍速入力音声と、出
力音声との一例を示している。無音区間の２倍速入力音
声信号は、音声メモリに入力されない。このため、無音
区間の音声信号が入力されている期間では、音声メモリ
へのデータ入力はなく、データ出力のみとなるので、未
読出データ蓄積量は減少する。

【００４８】音声区間の２倍速入力音声信号に対して
は、時間軸圧縮伸長処理が行われた後（ただし、圧縮率
αが１のときには時間軸圧縮伸長処理は行われない）の
音声データが、リングメモリ３１に書き込まれる。この
ため、未読出データ蓄積量は増加する。

【００４９】図６に示すように、今、リングメモリ３１
のあるアドレスＡｘにおいて、入力アドレスポインタ３
２による書き込みアドレス（書き込みアドレスの変化を
矢印Ｗ１で示す）が、出力アドレスポインタ３３による
読み出しアドレス（読み出しアドレスの変化を矢印Ｒ１
で示す）に追いついたとする。そうすると、未読出デー
タ蓄積量がリングメモリ３１の容量に達するので、リセ
ット信号が蓄積量検出部２２から出力され、音声メモリ
回路１４の出力アドレスポインタ初期化部３６に送られ
る。この時点では、未読み出しの音声データがリングメ
モリ３１の容量分蓄積されている。

【００５０】出力アドレスポインタ初期化部３６は、音
声境界ポインタ３５に記憶されている音声境界アドレス
Ａｙが、読み出しアドレスとなるように出力アドレスポ
インタ３３を制御する。したがって、リセット信号出力
直後においては、読み出しアドレスの変化をＲ２で示す
ように、音声境界アドレスＡｙから音声データが読み出
されて出力される。

【００５１】この結果、リセット信号出力直後において
は、まとまりのある単位文字列の先頭から音声データが
読み出される。また、入力アドレスポインタ３２による
書き込みアドレスが、出力アドレスポインタ３３による
読み出しアドレスに追いついたアドレスＡｘから、音声
境界アドレスＡｙまでに蓄積されている音声データは、
読み出されなくなる。つまり、削除される。

【００５２】図５の例では、リセット信号が出力される
前に、入力音声のまとまりのある単位文字列”なくては
ならない”の先頭位置が音声境界位置であると検出され
ている。そして、リセット信号が出力されると、”なく
てはならない”の先頭の”な”が格納されているリング
メモリ３１のアドレスが出力アドレスポインタ３３によ
って指定される。したがって、リセット信号が出力され
た直後においては、まとまりのある単位文字列の最初か
ら音声が出力される。このため、リセット信号が出力さ
れた直後において意味のわからない音声が出力されるの
を回避できる。

【００５３】図７は、他の話速変換回路の例を示してい
る。図７において、図２と同じものには、同じ符号を付
してその説明を省略する。

【００５４】この話速変換回路では、音声境界を検出す
る方法のみが図２の話速変換回路と異なっている。この
話速変換回路では、無音区間判定部２１が音声境界を検
出しない代わりに、音声境界を検出するための音声境界
検出部２３が付加されている。音声メモリ回路１４の構
成および動作は、図３に示すものと同様である。

【００５５】この音声境界検出部２３は、入力音声デー
タのピッチ関数の変化率に基づいて、アクセント句の境
界を検出する。アクセント句の境界を検出する方法につ
いて説明する。

【００５６】図８（ａ）は、入力音声のピッチパターン
（ピッチ関数）を示している。図８（ａ）に示すように
各アクセント句は、声の高さが一旦上昇した後ゆるやか
に下降する。したがって、隣り合うアクセント句の境界
においては、ピッチパターンが低いところから急激に上
昇する。つまり、隣り合うアクセント句の境界において
は、ピッチパターンの「立て直し」が生じる。

【００５７】図８（ｂ）は、図８（ａ）のピッチ関数の
微分関数であり、ピッチ関数の変化率を表している。隣
り合うアクセント句の境界においては、ピッチ関数の変
化率が大きくなる。ピッチ関数の変化率が所定のしきい
値Ｔｈ２を越えたときに、ピッチパターンの「立て直
し」が生じたと判定される。そして、たとえば、しきい
値Ｔｈ２を越えた各区間の中央が、アクセント句の境界
として検出される。音声境界検出部２３は、アクセント
句の境界を検出したときには、音声境界信号を音声メモ
リ回路１４内の音声境界設定部３４（図３参照）に送
る。

【００５８】リセット信号が出力されたときには、出力
アドレスポインタ初期化部３６は、音声境界ポインタ３
５に記憶されている音声境界アドレスが、読み出しアド
レスとなるように出力アドレスポインタ３３を制御す
る。したがって、リセット信号出力直後においては、ア
クセント句の先頭から音声データが読み出される。

【００５９】図９は、さらに他の話速変換回路の例を示
している。図９において、図２または図７と同じものに
は、同じ符号を付してその説明を省略する。

【００６０】この話速変換回路では、無音区間判定部２
１によって音声境界が検出されるとともに、音声境界検
出部２３によっても音声境界が検出される。無音区間検
出部２１は、無音区間の後の音声区間の開始点を検出す
ることによって音声境界を検出する。無音区間検出部２
１は、音声境界を検出したときに、第１音声境界信号を
生成して音声メモリ回路１１４に出力する。

【００６１】音声境界検出部２４は、ピッチパターンの
「立て直し」を検出することによって、アクセント句の
境界を検出する。音声境界検出部２４は、アクセント句
の境界を検出したときに、第２の音声境界信号を生成し
て音声メモリ回路１１４に出力する。

【００６２】図１０は、図９の音声メモリ回路１１４の
詳細を示している。図１０において、図３と同じものに
は同じ符号を付してその説明を省略する。

【００６３】この音声メモリ回路１１４では、音声境界
設定部１３４、２３４および音声境界ポインタ１３５、
２３５が２つずつ設けられている。

【００６４】第１音声境界設定部１３４には、無音区間
検出部２１からの第１音声境界信号が送られてくる。第
１音声境界設定部１３４は、無音区間検出部２１によっ
て検出された音声境界に対応する音声データが入力され
るアドレス（以下、第１音声境界アドレスという）を入
力アドレスポインタ３２から取得して、第１音声境界ポ
インタ１３５に設定する。

【００６５】第２音声境界設定部２３４には、音声境界
検出部２３からの第２音声境界信号が送られてくる。第
２音声境界設定部２３４は、音声境界検出部２４によっ
て検出された音声境界に対応する音声データが入力され
るアドレス（以下、第２音声境界アドレスという）を入
力アドレスポインタ３２から取得して、第２音声境界ポ
インタ２３５に設定する。

【００６６】いずれの音声境界設定部１３４、２３４
も、当該音声境界設定部１３４、２３４に音声境界信号
が送られてくる度に、音声境界アドレスを獲得して音声
境界ポインタ１３５、１３６に設定するので、音声境界
ポインタ１３５、１３６には最新の音声境界アドレスの
みが記憶される。

【００６７】蓄積量検出部２２からのリセット信号は、
出力ポインタ初期化部３６に送られる。出力ポインタ初
期化部３６は、リセット信号が入力されたときに、第１
音声境界ポインタ１３５および第２音声境界ポインタ２
３５に設定されている第１および第２音声境界アドレス
のうち、いずれか一方を選択する。そして、選択した音
声境界アドレスが出力アドレスとして指定されるよう
に、出力アドレスポインタ３３を制御する。

【００６８】第１および第２音声境界アドレスのうちの
いずれか一方の選択は、たとえば次のように行われる。
すなわち、第２音声境界アドレスを選択した場合に、音
声データの削除量がリングメモリ３１の半分以上になる
場合には、第２音声境界アドレスを選択し、そうでない
場合には第１音声境界アドレスを選択する。

【００６９】この理由について説明する。第１境界アド
レスは無音区間と音声区間との境界を音声境界として、
設定されたものである。したがって、第１境界アドレス
は一般的に単語と単語との境界または音節と音節との境
界に対応する。これに対して、第２境界アドレスはアク
セント句の境界を音声境界として、設定されたものであ
る。リセット後にリングメモリ３１から出力されるまと
まりのある単位文字列としては、単語や音節よりもアク
セント句を選択することが、その意味を理解しやすいと
いう点で好ましい。

【００７０】しかしながら、アクセント句は単語や音節
より一般に長いため、アクセント句に対応する第２境界
アドレスに読み出しアドレスを設定したときには、音声
データ削除量が少なくなり、リセット後において未読出
データ蓄積量がリングメモリ３１の容量に達し易くな
る。そこで、音声データの削除量がリングメモリ３１の
半分以上になる場合に第２音声境界アドレスを選択し、
それ以外は第１音声境界アドレスを選択しているのであ
る。

【００７１】したがって、この話速変換回路では、リセ
ット信号出力直後においては、第１境界アドレスによっ
て区切られた単語、音節等の音声区間の先頭または第２
境界アドレスによって区切られたアクセント句の先頭か
ら音声データが読み出される。

【００７２】なお、この話速変換回路が、標準再生時に
おいて出力音声速度を遅くさせるために英語学習器に適
用されている場合には、制御部２０による時間軸圧縮伸
長に用いられる圧縮率αは、１以上の値に設定される。
圧縮率がたとえば３／２に設定された場合には、２ピッ
チ周期が３ピッチ周期になるように音声データが伸長さ
れる。このため、出力音声速度は、標準音声速度の３／
２倍となる。

【００７３】

【発明の効果】この発明によれば、音声メモリ内の未読
出データ蓄積量が所定量に達することによりリセット信
号が出力された直後において、単語、音節、句等のまた
まりのある単位文字列の先頭から音声が出力されるよう
にできる。このため、リセット信号が出力された直後に
おいて意味のわからない音声が出力されるのを回避する
ことができる。

【図面の簡単な説明】

【図１】ビデオテープレコーダの概略構成を示す構成図
である。

【図２】図１の話速変換回路の構成を示すブロック図で
ある。

【図３】図２の音声メモリ回路の構成を示すブロック図
である。

【図４】ＰＩＣＯＲＡを用いた時間軸圧縮伸長法を説明
するための模式図である。

【図５】２倍速再生時の、リングメモリ内の未読出デー
タ蓄積量の変化、入力音声および出力音声を示すタイム
チャートである。

【図６】リセット信号が出力された際に、読み出しアド
レスが変更される様子を示す模式図である。

【図７】話速変換回路の他の例を示すブロック図であ
る。

【図８】アクセント句の境界の検出方法を説明するため
の図であって、入力音声のピッチ関数およびその微分関
数の変化を示すタイムチャートである。

【図９】話速変換回路のさらに他の例を示すブロック図
である。

【図１０】図９の音声メモリ回路の構成を示すブロック
図である。

【図１１】本出願が既に発明した話速変換装置におけ
る、２倍速再生時のリングメモリ内の未読出データ蓄積
量の変化、入力音声および出力音声を示すタイムチャー
トである。

【符号の説明】

１０話速変換回路１１Ａ／Ｄ変換器１２音声処理用メモリ１３音声圧縮伸長回路１４、１１４音声メモリ回路１５Ｄ／Ａ変換器２０制御部２１無音区間検出部２２蓄積量検出部２３音声境界検出部３１リングメモリ３２入力アドレスポインタ３３出力アドレスポインタ３４、１３４、２３４音声境界設定部３５、１３５、２３５音声境界ポインタ３６出力アドレスポインタ初期化部

Claims

【特許請求の範囲】

【請求項１】音声の所定区間を削除し、当該削除区間
の前後の音声を接続する話速変換装置であって、削除区
間後の音声の先頭が単位文字列の先頭になるように削除
区間を設定したことを特徴とする話速変換装置。
【請求項２】入力音声信号から得られた音声データを
音声メモリに順次書き込んだ後、音声メモリ内の音声デ
ータを順次読み出して出力する話速変換装置であって、入力音声信号を分析して音声の境界位置を検出し、検出
された音声の境界位置に対応する音声データの音声メモ
リへの書き込みアドレスを保持する境界位置検出手段、
および音声メモリ内の未読出データ蓄積量が所定量に達
したときに、音声データ読み出しアドレスを、境界位置
検出手段に保持されているアドレスに変更する手段、を備えていることを特徴とする話速変換装置。
【請求項３】入力音声信号から得られた音声データが
順次書き込まれる音声メモリおよび音声メモリ内の音声
データを順次読み出して出力する出力手段を備えた話速
変換装置であって、入力音声信号を分析して音声の境界位置を検出する境界
位置検出手段、検出された音声の境界位置に対応する音声データの音声
メモリへの書き込みアドレスを記憶する境界位置記憶手
段、および音声メモリ内の未読出データ蓄積量が所定量
に達したときに、音声データ読み出しアドレスを、境界
位置記録手段に記憶されているアドレスに変更する手
段、を備えていることを特徴とする話速変換装置。
【請求項４】入力音声信号のうち、無音区間の音声が
削除され、音声区間の音声信号が時間軸圧縮伸長処理さ
れ、時間軸圧縮伸長処理結果が音声データとして音声メ
モリに順次書き込まれる請求項２および３のいずれかに
記載の話速変換装置。
【請求項５】境界位置検出手段は、入力音声信号の無
音区間と音声区間との境界を音声境界として検出するも
のである請求項２、３および４のいずれかに記載の話速
変換装置。
【請求項６】境界位置検出手段は、入力音声信号から
入力音声の高低変化に基づいて、アクセント句の境界
を、音声境界として検出するものである請求項２、３お
よび４のいずれかに記載の話速変換装置。