JPH0895588A - 音声合成装置 - Google Patents

Abstract

(57)【要約】 【目的】 スラーのような様々な歌唱方法を簡単に実現
する。また、肉声の個人差毎に音素片や音響パラメータ
を用意することなく音色を簡単に変更する。 【構成】 演奏情報記憶手段１には音色制御情報と、発
音開始時刻、音高及び音量を１組とする発音開始情報
と、音節の文字情報と、発音終了時刻、音高及び音量を
１組とする発音終了情報の各情報を１以上組み合わされ
て１以上の音節の情報として記憶される。音源３は文字
情報が示す音節の音を発音開始情報が示す発音開始時
刻、音高及び音量で出力を開始し、発音終了情報が示す
発音終了時刻、音高及び音量で出力を終了する。音響パ
ラメータ読み出し／変更手段５は音響パラメータ／無声
音記憶手段４の音響パラメータを音色制御情報に応じた
係数によりシフトし、合成フィルタ６はこの音響パラメ
ータによって音源３の波形に加工する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、歌唱を行う音声合成装
置に関し、特に肉声を合成する場合に好適な音声合成装
置に関する。

【０００２】

【従来の技術】従来、歌唱を行う音声合成装置では、歌
詞情報の１音節に対して１組の音高、音量、音長のパラ
メータを生成するように構成されている。また、従来の
規則合成方式においてはメモリに予め記憶されている音
素片又は音響パラメータにより音声を合成するように構
成されている。また、実音声から音源のピッチ情報と声
道の音響パラメータを分離することにより音声を合成し
ている。

【０００３】なお、歌唱を行う音声合成装置としては例
えば特開平２−２７３９７号公報に示されるように、楽
譜に記載された歌詞、音譜、音楽記号を入力し、歌詞に
基づいて音韻パラメータを生成するとともに音譜及び音
楽記号に基づいて韻律パラメータを生成し、音韻パラメ
ータ及び韻律パラメータに基づいて合成音を発生する方
法が知られている。

【０００４】

【発明が解決しようとする課題】しかしながら、従来の
音声合成装置では、１音節に対して１音高（音程）が割
り当てられているので、音節の母音を保ったまま音高を
変えるような、頻繁に用いられるスラー歌唱法を再現す
ることが困難であり、また、これを実現するためには母
音の連続性を示す特殊な記号が必要になるという問題点
がある。なお、スラーを実現する方法として、例えば特
開平４−３３１９９０号公報に示されるように音声信号
のピッチを連続的に変化させる方法が提案されている
が、この方法では制御が複雑になる。

【０００５】また、肉声の個人差（男性、女性等）を再
現するためには、この個人差毎に予め音素片や音響パラ
メータを容易しなければならず、効率的でなくなる。ま
た、実音声から音源のピッチ情報と声道の音響パラメー
タを分離する方法は完全ではなく、特に無声音の再現性
が低いという問題点がある。

【０００６】本発明は上記従来の問題点に鑑み、スラー
のような様々の歌唱方法を簡単に実現することができる
音声合成装置を提供することを目的とする。本発明はま
た、肉声の個人差毎に音素片や音響パラメータを用意す
ることなく音色を簡単に変更することができる音声合成
装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】本発明は上記目的を達成
するために、発音開始から発音終了までの発音時間、音
高（音程）及び音量を示す発音情報と、音節の文字情報
の各情報を１以上組み合わせて１以上の音節の情報とし
て記憶し、文字情報が示す音節の音を発音情報が示す発
音時間、音高及び音量で出力を開始し、発音情報が示す
発音時間、音高及び音量で出力を終了するようにしたも
のである。すなわち本発明によれば、発音開始から発音
終了までの発音時間、音高及び音量を示す発音情報と、
音節の文字情報の各情報を１以上組み合わせて１以上の
音節の情報として記憶する演奏情報記憶手段と、前記演
奏情報記憶手段に記憶された各情報を読み出して分離す
る読み出し分離手段と、前記読み出し分離手段により分
離された情報毎に、文字情報が示す音節の音を発音情報
が示す発音時間、音高及び音量で出力を開始し、発音情
報が示す発音時間、音高及び音量で出力を終了する音源
とを有する音声合成装置が提供される。

【０００８】本発明はまた、１つの音節の情報として音
色制御情報を記憶し、文字情報に対応する音響パラメー
タを音色制御情報に基づいて変更して音源が発生する音
色を変更するようにしたものである。すなわち本発明に
よれば、音色制御情報と、発音開始から発音終了までの
発音時間、音高及び音量を示す発音情報と、音節の文字
情報の各情報を１以上組み合わせて１以上の音節の情報
として記憶する演奏情報記憶手段と、前記演奏情報記憶
手段に記憶された各情報を読み出して分離する読み出し
分離手段と、前記読み出し分離手段により分離された情
報毎に、文字情報が示す音節の音を発音情報が示す発音
時間、音高及び音量で出力を開始し、発音情報が示す発
音時間、音高及び音量で出力を終了する音源と、音節を
表す文字毎に音響パラメータを記憶する音響パラメータ
記憶手段と、前記読み出し分離手段により分離された文
字情報に対応する音響パラメータを前記音響パラメータ
記憶手段から読み出し、前記読み出し分離手段により分
離された音色制御情報に基づいて変更する音響パラメー
タ変更手段と、前記音源が発生する音色を前記音響パラ
メータ変更手段により変更された音響パラメータで変更
する音色変更手段とを有する音声合成装置が提供され
る。

【０００９】

【作用】本発明では、発音開始から発音終了までの発音
時間、音高及び音量を示す発音情報と、音節の文字情報
の各情報を１以上組み合わせて１以上の音節の情報とし
て記憶し、文字情報が示す音節の音を発音情報が示す発
音時間、音高及び音量で出力を開始し、発音情報が示す
発音時間、音高及び音量で出力を終了するようにしたの
で、例えば図３に示すように１つの音節に対して発音開
始時刻及び発音終了時刻と音高が異なる複数の発音情報
を対応させることによりスラーを実現することができ
る。また、例えば図７に示すように１つの音節に対して
発音開始時刻及び発音終了時刻が同一であり且つ音高が
異なる複数の発音情報を対応させることによりコーラス
を実現することができる。さらに、例えば図４に示すよ
うに１つの発音情報に対して複数の文字情報を対応さ
せ、文字毎に音響パラメータを変更することにより１音
を口の形を変えながら引き延ばすような歌唱を実現する
ことができ、また、１つの音節に対して発音開始時刻及
び発音終了時刻が同一であり且つ音高が異なる複数の発
音情報と、複数の異なる音色制御情報を対応させること
により音色が異なるコーラスを実現することができる。

【００１０】本発明ではまた、１つの音節の情報として
音色制御情報を記憶し、文字情報に対応する音響パラメ
ータを音色制御情報に基づいて変更して音源が発生する
音色を変更するので、肉声の個人差毎に音素片や音響パ
ラメータを用意することなく音色を簡単に変更すること
ができる。

【００１１】

【実施例】以下、図面を参照して本発明の実施例につい
て説明する。図１は本発明に係る音声合成装置の一実施
例を示すブロック図、図２は演奏情報の基本フォーマッ
トを示す説明図、図３はスラーを実現するための演奏情
報の一例を示す説明図、図４は１音を延ばす歌唱を実現
するための演奏情報の一例を示す説明図、図５は音色制
御イベントを示す説明図、図６は音色を指定した演奏情
報の一例を示す説明図、図７はコーラスを実現するため
の演奏情報の一例を示す説明図である。

【００１２】本実施例では、電子楽器間の演奏情報交換
に通常用いられるＭＩＤＩ及びＭＩＤＩデータを保存す
るために通常用いられるＳＭＦのデータ記述を例にして
説明する。ＳＭＦはイベントとイベントの間の時間を記
述し、イベントはＭＩＤＩに関するイベントと、ＭＩＤ
Ｉ以外のイベント（メタイベント）が区別可能に記述さ
れる。主たるＭＩＤＩイベントは発音開始イベントとイ
ベント発音終了イベントであり、これらのイベントは
「ド」、「レ」、「ミ」のような音高と「０」〜「１
０」のような音量を含む。通常のＭＩＤＩ対応の電子楽
器はこれらのイベントにより演奏可能である。

【００１３】図１に示す演奏情報記憶手段１には、基本
フォーマットとして図２に示すように上記ＭＩＤＩイベ
ントの発音開始イベントと音節イベント発音終了イベン
トの間にメタイベントとして「め」、「だ」、「か」の
ような各音節イベントが挿入されて記憶される。ここ
で、図２ではイベント間の時間が発音開始時刻と発音終
了時刻で記憶されているが、発音開始から発音終了まで
の発音時間でもよい。また、図２においてビブラート等
の表現を加えることも可能である。演奏情報記憶手段１
に記憶された演奏情報は、演奏情報読み出し／分離手段
２により読み出されて各イベントに分離される。

【００１４】音源３には実音声から線型予測分析によっ
て、声道の音響特性であるスペクトル包絡を除いた予測
残差波形の１周期が記憶され、この波形は声帯の振動波
形と等価である。この波形と演奏情報読み出し／分離手
段２により読み出されて分離された各イベントの発音情
報１０に基づいて音節が音高、音量で発音される。

【００１５】音響パラメータ／無声音波形記憶手段４に
は予め、１音節に対する音響パラメータとして実音声を
線型予測分析し、声道の共振点の周波数とそのバンド
幅、又は線スペクトル対がホルマント情報として記憶さ
れる。ここで、共振点は複数箇所存在し、発声の開始か
らの時間に応じて周波数が変化するので２次元的なデー
タ配列となる。

【００１６】例えば音響パラメータ／無声音波形記憶手
段４には主要な５つの共振点について発声開始から１０
ｍｓ毎の５０組の線スペクトル対周波数等が音節に対応
するように記憶されている。音響パラメータ／無声音波
形記憶手段４にはまた、無声音を含む音節に対して、実
音声から無声音部分のみが検出され、波形として記憶さ
れる。この場合、情報量を低減するためにＡＤＰＣＭ等
の波形符号化を行って圧縮して記憶してもよい。

【００１７】音響パラメータ読み出し／変更手段５は、
読み出し／分離手段２から音節情報９を受け取るとこれ
に対応する音響パラメータと無声音の波形データを音響
パラメータ／無声音波形記憶手段４から読み出し、音響
パラメータを合成フィルタ６に、また、無声音の波形デ
ータ１２をゲインコントローラ７に送る。なお、音節の
接続部の音響パラメータの不連続性を解消するために、
演奏情報読み出し／分離手段２において発音すべき音節
を指定すると共に次に発音すべき音節を指定し、音響パ
ラメータ／無声音波形記憶手段４から音響パラメータを
同時に読み出し、音節の接続点において音響パラメータ
を平均化することにより２音節を滑らかに接続するよう
に構成してもよい。

【００１８】合成フィルタ６は時間的に推移する音響パ
ラメータに対応した伝達関数を有するデジタルフィルタ
であり、声道の変化による音響特性の変化を音源波形
（声帯波形）１４に加える。この合成フィルタ６の出力
１３は無声音１２と共にゲインコントローラ７に印加さ
れ、無声音が読み出されている区間に対して有声音の音
量が調整される。次いでＤ／Ａ変換器８によりアナログ
音声信号に変換された後、スピーカＳＰにより肉声とし
て再生される。

【００１９】図３は音高が異なる連続する各音譜を切れ
目なく滑らかに奏するいわゆるスラーを実現するために
一例として「からす」の演奏情報を示している。この場
合、「か」の音節は「ミ」から「レ」に変化し、「ら」
の音節は「レ」→「ド」→「レ」のように変化する。こ
の場合には図３に示すように変化毎に発音開始と発音終
了の各イベント情報を演奏情報記憶手段１に記憶するこ
とにより、特殊なスラーコードを用いることなくスラー
を実現することができる。

【００２０】図４は「アーウー」のように１音を引き延
ばしながら言葉を伝える歌唱法を実現する場合の演奏情
報を示している。この場合には１音毎にイベント発音開
始、終了イベントを設けず、１音毎に音響パラメータの
みを変化させることにより実際の発声形態に近い高品位
の合成音を実現することができる。

【００２１】次に、図５〜図７を参照して音色を制御す
る場合について説明する。先ず、音色制御イベントをメ
タイベントとして定義し、図５に示すように音色制御イ
ベントとして制御タイプと制御パラメータを定義する。
一例として制御タイプは声質とコーラスに分類され、制
御パラメータは声質として男声１、男声２、女声１、女
声２が、また、コーラスとして１人、２人、３人のよう
に分類される。

【００２２】そして、例えば「男声２」で「めだか」を
合成する場合には図６に示すように音色制御イベントと
して「声質」、「男声２」が演奏情報記憶手段１に記憶
される。すなわち、この音声情報は図１に示す基本フォ
ーマットに対して音色制御イベントを加えただけであ
る。この音色制御イベント１１は読み出し／分離手段２
により分離されて音源３と読み出し／音響パラメータ変
更手段５に印加される。ここで、男性と女性の音質の差
の原因として、声帯の構造的な違いによる声帯振動波形
の差と音響パラメータの違いを挙げることができる。音
響パラメータは声道の音響的な共振点群を表し、男性と
女性を比較すると主要な共振点は音節にかかわらず周波
数において比例的に推移しているという特質を有する。

【００２３】そこで、音色制御イベントとして「男声
２」が指定されると、音源３では「男声２」により表さ
れるべき実音声から得られた基本の音源波形１４に切り
替えられる。また、実音声から分析された音響パラメー
タと、音響パラメータ／無声音波形記憶手段４に記憶さ
れている音響パラメータとの比較から得られた係数を予
め読み出し／音響パラメータ変更手段５に記憶し、音響
パラメータ／無声音波形記憶手段４から読み出された音
響パラメータをこの係数によりシフトする。そして、こ
の変更された音響パラメータと「男声２」の基本の音源
を合成フィルタ６により合成することにより目的の「男
声２」が得られる。

【００２４】また、和声コーラスは、図７に示すように
同一時刻において発音開始イベントと音節イベント発音
終了イベントを指定して同一の音節を指定し、既知の信
号処理により複音感を得ることができる。また、図７に
おいてイベント毎に音色制御イベントを追加することに
より音色が異なるコーラスを実現することができる。

【００２５】

【発明の効果】以上説明したように本発明によれば、発
音開始から発音終了までの発音時間、音高及び音量を示
す発音情報と、音節の文字情報の各情報を１以上組み合
わせて１以上の音節の情報として記憶し、文字情報が示
す音節の音を発音情報が示す発音時間、音高及び音量で
出力を開始し、発音情報が示す発音時間、音高及び音量
で出力を終了するようにしたので、例えば図３に示すよ
うに１つの音節に対して発音開始時刻及び発音終了時刻
と音高が異なる複数の発音情報を対応させることにより
スラーを実現することができる。また、例えば図７に示
すように１つの音節に対して発音開始時刻及び発音終了
時刻が同一であり且つ音高が異なる複数の発音情報を対
応させることによりコーラスを実現することができる。
さらに、例えば図４に示すように１つの発音情報に対し
て複数の文字情報を対応させ、文字毎に音響パラメータ
を変更することにより１音を引き延ばすような歌唱を実
現することができる。

【００２６】また、本発明によれば、１つの音節の情報
として音色制御情報を記憶し、文字情報に対応する音響
パラメータを音色制御情報に基づいて変更して音源が発
生する音色を変更するので、肉声の個人差毎に音素片や
音響パラメータを容易することなく音色を簡単に変更す
ることができる。また、１つの音節に対して発音開始時
刻及び発音終了時刻が同一であり且つ音高が異なる複数
の発音情報と、複数の異なる音色制御情報を対応させる
ことにより音色が異なるコーラスを実現することができ
る。

【図面の簡単な説明】

【図１】本発明に係る音声合成装置の一実施例を示すブ
ロック図である。

【図２】演奏情報の基本フォーマットを示す説明図であ
る。

【図３】スラーを実現するための演奏情報の一例を示す
説明図である。

【図４】１音を延ばす歌唱を実現するための演奏情報の
一例を示す説明図である。

【図５】音色制御イベントを示す説明図である。

【図６】音色を指定した演奏情報の一例を示す説明図で
ある。

【図７】コーラスを実現するための演奏情報の一例を示
す説明図である。

【符号の説明】

１ 演奏情報記憶手段 ２ 演奏情報読み出し／分離手段（読み出し／分離手
段） ３ 音源 ４ 音響パラメータ／無声音記憶手段（音響パラメータ
記憶手段） ５ 音響パラメータ読み出し／変更手段（音響パラメー
タ変更手段） ６ 合成フィルタ（音色変更手段） ７ ゲインコントローラ ８ Ｄ／Ａ変換器 ＳＰ スピーカ

Claims (2)

【特許請求の範囲】
1. 【請求項１】 発音開始から発音終了までの発音時間、
   音高及び音量を示す発音情報と、音節の文字情報の各情
   報を１以上組み合わせて１以上の音節の情報として記憶
   する演奏情報記憶手段と、 前記演奏情報記憶手段に記憶された各情報を読み出して
   分離する読み出し分離手段と、 前記読み出し分離手段により分離された情報毎に、文字
   情報が示す音節の音を発音情報が示す発音時間、音高及
   び音量で出力を開始し、発音情報が示す発音時間、音高
   及び音量で出力を終了する音源と、 を有する音声合成装置。
2. 【請求項２】 音色制御情報と、発音開始から発音終了
   までの発音時間、音高及び音量を示す発音情報と、音節
   の文字情報の各情報を１以上組み合わせて１以上の音節
   の情報として記憶する演奏情報記憶手段と、 前記演奏情報記憶手段に記憶された各情報を読み出して
   分離する読み出し分離手段と、 前記読み出し分離手段により分離された情報毎に、文字
   情報が示す音節の音を発音情報が示す発音時間、音高及
   び音量で出力を開始し、発音情報が示す発音時間、音高
   及び音量で出力を終了する音源と、 音節を表す文字毎に音響パラメータを記憶する音響パラ
   メータ記憶手段と、 前記読み出し分離手段により分離された文字情報に対応
   する音響パラメータを前記音響パラメータ記憶手段から
   読み出し、前記読み出し分離手段により分離された音色
   制御情報に基づいて変更する音響パラメータ変更手段
   と、 前記音源が発生する音色を前記音響パラメータ変更手段
   により変更された音響パラメータで変更する音色変更手
   段と、 を有する音声合成装置。