JPH08234796A - 符号化音声の復号化器装置 - Google Patents

Abstract

(57)【要約】 【目的】 言語学習機などパッケージ型の音声データを
扱う機器に高能率符号化音声を適用するにあたり、それ
に好適なデータの格納方法およびその記憶装置ならびに
復号化器装置を提供することにある。 【構成】 適応コードブックを用いる高能率符号化方式
を用いて音声データを符号化し、その符号化データを記
憶装置に格納する場合に、符号化時に用いた適応コード
ブックも同じ記憶装置に格納させる。 【効果】 復号化器装置は圧縮音声データと適応コード
ブックデータを記憶装置から取り出して復号化する。従
って復号化器装置は、不特定の話者による音声データで
あっても良好な音質の音声を再生することができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、符号化した音声データ
の記憶装置および復号化器装置に係わり、特に複数の話
者の声に対応させる場合に好適な符号化音声の記憶装置
および復号化器装置に関する。

【０００２】

【従来の技術】近年のコンピュータ技術の進展により、
装置の小型化が進み、かつまた処理能力が飛躍的に向上
した。それに伴い、我々のまわりの情報をマルチメディ
ア処理することが可能になって来ている。例えば、従来
のテキスト、グラフィクスが支配的なコンピュータデー
タに音声や映像を援用したデータが容易に作成できる環
境が整備されつつある。

【０００３】上記のようなマルチメディア化に伴って、
データの規模が飛躍的に増大しつつある。これは、音声
や映像データが時系列的なデータ構造を有するための必
然的な帰結である。しかしながら、これらのアナログデ
ータについては、それらをディジタル変換した形態でそ
のまま格納するのではなく、冗長な信号を削除したりす
るなどの圧縮処理・符号化処理を施すのが通常である。
これにより必要な記憶容量は数十分の一にまで低減する
ことが可能になるので、装置規模およびコストを低減す
ることができるという効果が認められている。また、圧
縮したデータを伝送するので伝送時の周波数の有効活用
が可能になる。特に音声データについは、移動無線通信
のディジタル化に向けて、上記周波数の有効活用の観点
から、４ｋｂｐｓ以下の伝送レートの高能率音声符号化
方式が開発されている。

【０００４】

【発明が解決しようとする課題】ところで、データの符
号化・復号化に関する一般的な課題としては、原信号を
いかに歪ませないかが最も重要なものである。あらゆる
可能性のある信号に対してこの歪みを小さくするのは、
かならずしも容易ではないが、特徴のある信号について
その歪みを小さくするように最適化するのは現実的な問
題である。

【０００５】例えば、特定話者の声に限って高能率符号
化を適用するときには、その特定話者の声の特徴を十分
考慮に入れた符号化が可能であればより高音質な復号化
音を実現できる。実際、上記のような高能率音声符号化
方式では、話者の特徴を考慮に入れるしくみとして、適
応コードブックが採用されている。

【０００６】従来は、上記の高能率符号化方式は移動無
線などリアルタイムデータ用に開発されてきたのであっ
て、上記のような適応性が十分活かされてきたわけでは
なかった。

【０００７】パッケージ型の音声データについては話者
が比較的特定できるので適応性を活用することが可能に
なる。

【０００８】パッケージ型音声データを扱う機器の側か
らすると、それぞれのパッケージデータで話者が特定さ
れていても、多くの種類のパッケージデータに対応する
には、話者は不特定とみなさざる得ない。一例として
は、言語学習機が挙げられる。この場合、複数の言語に
対応するといった機器の性格上、話者は不特定になる。

【０００９】本発明の目的は、高能率符号化されたパッ
ケージ型音声データを扱う機器において、話者が誰であ
ってもそのデータの原音声の音質を最大限に引き出す構
成を提供することにある。

【００１０】本発明の目的は、上記のようにパッケージ
型の音声データを扱う機器向けに高能率符号化音声を適
用するにあたり、不特定多数の話者の音声であっても良
好な音質の復号化音声を得るのに好適な構成でデータを
格納する記憶装置を提供し、上記の復号化器装置が多く
のパッケージ系データに対応可能とすることにある。

【００１１】

【課題を解決するための手段】上記目的を達成するた
め、本発明では、話者の音声の符号化において話者の特
徴となる部分を音声データと同時に記憶させる構成とし
た。具体的には、まず適応コードブックを用いる高能率
符号化方式を用いて音声データを符号化する。次に、そ
の符号化データを記憶装置に格納する場合に、符号化時
に用いた適応コードブックも同じ記憶装置に格納すると
いう構成をとる。さらに、データ復号化時には、復号化
器装置は上記記憶装置から適応コードブック部分を読み
出して、それをもとにデータを復号化するという構成と
した。

【００１２】

【作用】上記適応コードブックを用いる高能率符号化方
式によれば、特定話者に限らずに常に良好な音質の圧縮
音声データを得ることができる。さらにその適応コード
ブックデータは圧縮音声データとともに記憶装置に格納
されており、復号化器は圧縮音声データと適応コードブ
ックデータを上記記憶装置から取り出して復号化する。
従って復号化器は、不特定の話者による音声データであ
っても前記の良好な音質の音声を再生することができ
る。

【００１３】

【実施例】以下図面を用いて本発明の一実施例を説明す
る。図１に本発明による符号化音声の記憶装置を用いた
復号化器の装置ブロック図を示す。

【００１４】実施例における復号化器装置１は、中央演
算ユニット（ＣＰＵ）、データ表示部２、データ入力部
３、データ主記憶部４、データ外部記憶装置５からな
る。データ表示部２には対角約５インチの液晶ディスプ
レイを用いる。データ入力部３には、上記液晶ディスプ
レイに接着させた感圧式タッチパネルおよび簡単な押し
ボタン式スイッチを用いる。データ主記憶部４にはＲＯ
ＭおよびＲＡＭを、データ外部記憶装置５としては、カ
ード型メモリを用いる。

【００１５】図２は、４ＭＢのメモリからなるデータ外
部記憶装置５に格納されたデータの内容の一例である。
外部記憶装置５には、少なくとも符号化された音声デー
タ６と適応コードブックデータ７とが格納されている。
符号化された音声データ６は、後述の高能率符号化によ
り作成されたものであり、伝送レートは４ｋｂｐｓ程度
である。ここでは、約１２０分の音声データ６用に３．
６ＭＢ、適応コードブックデータ７用に数１０ｋＢを充
てた。

【００１６】図３は、符号化器のブロック図である。本
符号化器は、符号駆動線形予測（ＣＥＬＰ）音声符号化
方式に基づいて構成されたいる。音声の原データとして
は所定の標本化周波数（通常８ｋＨｚ）でＡ／Ｄ変換さ
れた音声信号１０１が入力される。音源の周期性を表す
成分として適応コードブック１０８の出力である長期予
測ベクトル１１０と、周期性以外の成分（ランダム性、
雑音性）として利得１１２、１１３を乗じて加算した加
重和１１４を駆動音源としている。

【００１７】最適な駆動音源を得るためのコードブック
の検索は以下のようにしてなされる。一般に、駆動音源
を合成フィルタに入力して得られる合成音声が、原音声
（入力音声）に一致するような駆動音源が得られればよ
いが、実際にはなんらかの誤差（量子化歪）を伴う。し
たがって、この誤差を最小化するように駆動音源を決定
すればよい。その際、人間の聴覚特性との対応が良くな
るように重み付けした誤差を用いるのが一般的である。

【００１８】この聴覚重み付け誤差を評価するために、
駆動音源１１４は重み付け合成フィルタ１０５に入力さ
れ、重み付け合成音声１１６を得る。入力音声１０１も
聴覚重み付けフィルタ１０４を通して重み付け入力音声
１１５を得、重み付け合成音声１１６との差を取って重
み付け誤差波形１１７を得る。なお、聴覚重み付けフィ
ルタ１０４と重み付け合成フィルタ１０５のフィルタ係
数は、あらかじめ入力音声１０１をＬＰＣ（線形予測）
分析部１０２に入力して得られたＬＰＣパラメータ１０
３によって決められる。

【００１９】重み付け誤差波形１１７は、２乗誤差計算
部１１８において誤差評価区間にわたって２乗和を計算
され、重み付け２乗誤差１１９が得られる。前述のよう
に駆動音源は長期予測ベクトルと統計コードベクトルと
の加重和であるから、駆動音源の決定は、各コードブッ
クからどのコードベクトルを選択するかを決めるコード
ベクトル指標の決定に帰着する。すなわち、長期予測ラ
グ１０６とコードベクトル指標１０７を順次変えて重み
付け２乗誤差１１９を算出し、誤差最小化部１２０にお
いて重み付け誤差が最小となるものを選択すればよい。
このような駆動音源決定法を「合成による分析法」と呼
んでいる。

【００２０】このようにして最適な駆動音源が決定した
ら、長期予測ラグ１０６、コードブック指標１０７、利
得１１２、１１３、およびＬＰＣパラメータ１０３をパ
ラメータとして多重化部１２１において多重化したデー
タ１２２を外部記憶装置５に格納する。また、この時の
駆動音源１１４を用いて適応コードブック１０８の状態
が更新される。同一話者の音声を用いて、上記複数回の
処理を繰り返すことにより、コードブックのトレーニン
グが完了する。もし外部記憶装置に格納する音声が複数
人の音声であるならば、それら複数人の音声を使用した
トレーニングが必要であることはいうまでもない。もち
ろん、上記のトレーニングが完了した後の適応コードブ
ックを使用して音声データを符号化してもよい。

【００２１】ここで適応コードブックの最終の状態のデ
ータについても外部記憶装置５に記憶させる。これによ
り、以下に述べるような復号化器で、良好な音質の復号
化音声を得ることが可能になる。なぜなら、話者固有の
特徴を考慮にいれた最適な駆動音源が常に使用されるか
らである。

【００２２】復号化器における処理は、図４に示された
通りである。まず外部記憶装置から読み出された符号化
データ２２２が、多重分離部２２１で各種パラメータに
分離される。長期予測ラグ２０６に基づき適応コードブ
ック２０８を検索し、長期予測ベクトル２１０を出力す
る。また、コードブック指標２０７に基づき統計コード
ブック２０９を検索し、音源ベクトル２１１を出力す
る。長期予測ベクトル２１０と音源ベクトル２１１にそ
れぞれの利得２１２と２１３を乗じ、加算した信号を駆
動音源２１４として合成フィルタ２３０に入力する。合
成フィルタのフィルタ係数は、ＬＰＣパラメータ２０３
によって決まる。ポストフィルタは必須ではないが、合
成音声の主観的品質を改善するために多用され、その出
力が出力音声２３２となる。ここでは、適応コードブッ
クのデータは、データ外部記憶装置５に格納されている
ものを復号化器装置の主記憶４に呼び出されて使用され
る。

【００２３】なお、本発明においては、適応コードブッ
クを用いる符号化復号化方式が前提となっているが、上
記のような構成に限らないことはいうまでもない。例え
ば図５のような符号化器と図６のような復号化器の構成
であってもよい。

【００２４】この構成は、上記の例とは以下の点が異な
る。図５に見られるように、音源として適応コードブッ
クと雑音情報コードブックの他にパルス情報コードブッ
クが加えられている。音響分類部からの入力情報すなわ
ち入力音声の音響的特徴に基づいて、雑音源とパルス音
源から適当なコードブックが検索処理の対象として選択
可能としている。本発明では、話者の声の特徴がその符
号化データとともに記憶装置に記録されていることが本
質であって、符号化・復号化の詳細なアルゴリズムの差
異に影響されるものではない。

【００２５】次に、本発明による符号化音声の記憶装置
およびこれを用いた復号化器装置を言語学習機に応用し
た例を示す。図７の１０〜１５は６か国の言語の符号化
音声データとそれぞれの話者Ａ〜Ｆの適応コードブック
データを格納した外部記憶装置である。復号化器装置
は、上記外部記憶装置１０〜１５いずれにも対応可能で
あり、それぞれのコードブックデータを呼び出して復号
化をするのでそれらの話者の特徴に適応した音声復号が
できる。

【００２６】上記では、複数の話者が含まれる音声デー
タの作成には、それぞれの話者のデータを用いて単一の
コードブックをトレーニングする例について述べた。図
８に、複数の話者のそれぞれに適応コードブックデータ
を備える例を示す。外部記憶装置１６の内部には３種類
の適応コードブックＧ、Ｈ、Ｉが備わり、それぞれが異
なる話者データＧｄ、Ｈｄ、Ｉｄに対応している。適応
コードブックＧ、Ｈ、Ｉは、それぞれ話者Ｇｄ、Ｈｄ、
Ｉｄの音声によりトレーニングが済ませてある。

【００２７】復号化器装置側でデータを読み込み復号化
を行うときに、それぞれの組合わせを使用するようにす
れば、最適な復号化音声を得ることができる。

【００２８】なお本発明は上記実施例によって限定され
るものではない。第一に、復号化器装置の構成は上記に
限ったものではない。例えば、入力装置としては、タッ
チパネルと押しボタン式スイッチの組み合わせに限らな
い。さらには、外部記憶装置としては、カード型メモリ
に限らずＣＤ−ＲＯＭのような光学読み出し式メモリデ
ィスクであってもよい。第二に、用途についても言語学
習機に限らず例えば異種言語間の通訳器でもよく、音楽
再生装置でもよい。

【００２９】

【発明の効果】以上本発明によれば次のような効果があ
る。高能率符号化方式によって作成した音声データの復
号化時に、その音声データに付随して記憶された話者の
声の特徴に関するコードブックデータも記憶装置から取
り出されて援用されるので特定話者に限らずに常に良好
な音質の音声データを得ることができる。その結果、同
一の復号化器装置を用いて、圧縮符号化音声データの活
用を図ることができる。

【図面の簡単な説明】

【図１】本発明による符号化音声の記憶装置を用いた復
号化器装置のブロック図。

【図２】本発明による符号化音声の外部記憶装置の構成
を説明するための図。

【図３】符号化器の動作ブロック図。

【図４】復号化器の動作ブロック図。

【図５】別の符号化器の動作ブロック図。

【図６】別の復号化器の動作ブロック図。

【図７】本発明による言語学習機を説明するための図。

【図８】別の構成による外部記憶装置を説明するための
図。

【符号の説明】

１…復号化器装置、２…データ表示部、３…データ入力
部、４…データ主記憶部、５…データ外部記憶装置、６
…符号化音声データ、７…適応コードブックデータ。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 荻路 憲治 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所マルチメディアシステム 事業部内

Claims (3)

【特許請求の範囲】
1. 【請求項１】情報と符号化音声データと話者の音声の特
   徴コードとが記憶された符号化器音声データの記憶装置
   と、上記記憶装置に記憶されている上記特徴コードに基
   づいて上記符号化音声データを復号化する復号化器装置
   を有することを特徴とする符号化音声の復号化器装置。
2. 【請求項２】請求項１に記載の符号化音声の記憶装置お
   よびこれを用いた復号化器装置において、前記特徴コー
   ドは前記符号化音声データに含まれる複数の話者の夫々
   の特徴に対応しており、前記記憶装置に複数個記憶され
   ていることを特徴とする符号化音声の復号化器装置。
3. 【請求項３】請求項１ないし２に記載の符号化音声の復
   号化器装置であって、前記特徴コードが、入力音声信号
   を予め定めた時間長のフレームに分割し、前記音声信号
   のスペクトル包絡を示すスペクトルパラメータを求めて
   出力し、前記フレームを予め定められた時間長のサブフ
   レームに分割し、過去の音源から前記音声信号との誤差
   が最小になるよう長期予測パラメータを求めて出力し、
   前記サブフレームごとに駆動音源として予め用意された
   コードブックの中から最適なコードベクトルを選択する
   ＣＥＬＰ音声符号化方法における適応コードブックに記
   載されることを特徴とする符号化音声の復号化器装置。