JPH09258796A - 音声合成方法 - Google Patents
音声合成方法Info
- Publication number
- JPH09258796A JPH09258796A JP8068785A JP6878596A JPH09258796A JP H09258796 A JPH09258796 A JP H09258796A JP 8068785 A JP8068785 A JP 8068785A JP 6878596 A JP6878596 A JP 6878596A JP H09258796 A JPH09258796 A JP H09258796A
- Authority
- JP
- Japan
- Prior art keywords
- pitch waveform
- voice
- signal
- speech
- residual
- 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
Links
Landscapes
- Electrophonic Musical Instruments (AREA)
Abstract
(57)【要約】
【課題】基本周波数の変更によるスペクトル歪みの小さ
い合成音声を得ることができる音声合成方法を提供す
る。 【解決手段】参照音声信号１０１から生成される残差ピ
ッチ波形３０２と参照音声信号１０１から抽出されるＬ
ＰＣ係数１１３を記憶しておき、有声区間においては残
差ピッチ波形１０８を用いて有声音源信号１０６を生成
し、無声区間においては無声音源信号１０５を生成し
て、有声音源信号１０６または無声音源信号１０５によ
りＬＰＣ係数１１０を係数とする声道フィルタ１５を駆
動して合成音声信号１０９を生成する音声合成方法にお
いて、参照音声信号１０１より抽出される代表的な音声
ピッチ波形３０１に対して、参照音声信号１０１のＬＰ
Ｃ分析で得られたＬＰＣ係数１１３に従って逆フィルタ
部３３でフィルタリングを行い、残差ピッチ波形３０２
を生成する。
い合成音声を得ることができる音声合成方法を提供す
る。 【解決手段】参照音声信号１０１から生成される残差ピ
ッチ波形３０２と参照音声信号１０１から抽出されるＬ
ＰＣ係数１１３を記憶しておき、有声区間においては残
差ピッチ波形１０８を用いて有声音源信号１０６を生成
し、無声区間においては無声音源信号１０５を生成し
て、有声音源信号１０６または無声音源信号１０５によ
りＬＰＣ係数１１０を係数とする声道フィルタ１５を駆
動して合成音声信号１０９を生成する音声合成方法にお
いて、参照音声信号１０１より抽出される代表的な音声
ピッチ波形３０１に対して、参照音声信号１０１のＬＰ
Ｃ分析で得られたＬＰＣ係数１１３に従って逆フィルタ
部３３でフィルタリングを行い、残差ピッチ波形３０２
を生成する。
Description
【０００１】
【発明の属する技術分野】本発明は、テキスト音声合成
に適した音声合成方法に係り、特に音韻記号列、ピッチ
および音韻継続時間長などの情報から音声信号を生成す
る音声合成方法に関する。
に適した音声合成方法に係り、特に音韻記号列、ピッチ
および音韻継続時間長などの情報から音声信号を生成す
る音声合成方法に関する。
【０００２】
【従来の技術】任意の文章から人工的に音声信号を作り
出すことをテキスト音声合成という。テキスト音声合成
は、一般的に言語処理部、音韻処理部および音声信号生
成部の３つの段階によって行われる。入力されたテキス
トは、まず言語処理部において形態素解析や構文解析な
どが行われ、次に音韻処理部においてアクセントやイン
トネーションの処理が行われて、音韻記号列、ピッチ、
音韻継続時間長などの情報が出力される。最後に、音声
信号生成部すなわち音声合成器で、音韻記号列、ピッ
チ、音韻継続時間長などの情報から音声信号を合成す
る。そこで、テキスト合成に用いる音声合成器の音声合
成方法は、任意の音韻記号列を任意の韻律で音声として
合成することが可能な方法でなければならない。
出すことをテキスト音声合成という。テキスト音声合成
は、一般的に言語処理部、音韻処理部および音声信号生
成部の３つの段階によって行われる。入力されたテキス
トは、まず言語処理部において形態素解析や構文解析な
どが行われ、次に音韻処理部においてアクセントやイン
トネーションの処理が行われて、音韻記号列、ピッチ、
音韻継続時間長などの情報が出力される。最後に、音声
信号生成部すなわち音声合成器で、音韻記号列、ピッ
チ、音韻継続時間長などの情報から音声信号を合成す
る。そこで、テキスト合成に用いる音声合成器の音声合
成方法は、任意の音韻記号列を任意の韻律で音声として
合成することが可能な方法でなければならない。
【０００３】このような任意の音韻記号列を音声として
合成できる音声合成器の原理は、音節、音素、ＶＣＶ
（母音−子音−母音）、ＣＶＣ（子音−母音−子音）な
どを合成の基本単位とし、これら基本単位の特徴パラメ
ータをピッチや継続時間長を制御して接続することによ
り音声を合成するものである。
合成できる音声合成器の原理は、音節、音素、ＶＣＶ
（母音−子音−母音）、ＣＶＣ（子音−母音−子音）な
どを合成の基本単位とし、これら基本単位の特徴パラメ
ータをピッチや継続時間長を制御して接続することによ
り音声を合成するものである。
【０００４】この原理に基づく音声合成方法として、音
声信号を音源情報と声道情報に分離してモデル化するこ
とで合成音声を得る方法が従来良く知られている。例え
ば、音声の線形予測分析によって得られる残差信号から
１周期分の波形を抽出し、この波形を利用して有声音源
信号を生成する方法が特公昭５９−１４７５２に開示さ
れている。
声信号を音源情報と声道情報に分離してモデル化するこ
とで合成音声を得る方法が従来良く知られている。例え
ば、音声の線形予測分析によって得られる残差信号から
１周期分の波形を抽出し、この波形を利用して有声音源
信号を生成する方法が特公昭５９−１４７５２に開示さ
れている。
【０００５】図９は、従来の音声合成方法に従う音声合
成器の一構成例である。この音声合成器は合成系１１と
分析系１２より構成され、予め分析系１２により音声信
号の分析を行って、音声合成単位毎にＬＰＣ係数（線形
予測係数）と残差ピッチ波形を生成して記憶しておき、
これら音声合成単位の情報を用いて合成系１１で音声合
成を行う構成となっている。
成器の一構成例である。この音声合成器は合成系１１と
分析系１２より構成され、予め分析系１２により音声信
号の分析を行って、音声合成単位毎にＬＰＣ係数（線形
予測係数）と残差ピッチ波形を生成して記憶しておき、
これら音声合成単位の情報を用いて合成系１１で音声合
成を行う構成となっている。
【０００６】まず、合成系１１について説明する。合成
系１１は、有声音源生成部１４、声道フィルタ部１５、
無声音源生成部１６、残差ピッチ波形記憶部１７および
ＬＰＣ係数記憶部１８により構成される。
系１１は、有声音源生成部１４、声道フィルタ部１５、
無声音源生成部１６、残差ピッチ波形記憶部１７および
ＬＰＣ係数記憶部１８により構成される。
【０００７】有声音源生成部１４は、有声／無声判別情
報１０７により判別される有声区間において、残差ピッ
チ波形記憶部１７より読み出された残差ピッチ波形１０
８をフレーム平均ピッチ１０２の間隔で繰り返し配置し
て有声音源信号１０６を生成する。
報１０７により判別される有声区間において、残差ピッ
チ波形記憶部１７より読み出された残差ピッチ波形１０
８をフレーム平均ピッチ１０２の間隔で繰り返し配置し
て有声音源信号１０６を生成する。
【０００８】無声音源生成部１６は、有声／無声判別情
報１０７により判別される無声区間において、白色雑音
などで実現される無声音源信号１０５を出力する。声道
フィルタ部１５は、ＬＰＣ係数記憶部１８より読み出さ
れたＬＰＣ係数１１０を係数とする合成フィルタを有声
音源信号１０６または無声音源信号１０５で駆動し、合
成音声信号１０９を出力する。
報１０７により判別される無声区間において、白色雑音
などで実現される無声音源信号１０５を出力する。声道
フィルタ部１５は、ＬＰＣ係数記憶部１８より読み出さ
れたＬＰＣ係数１１０を係数とする合成フィルタを有声
音源信号１０６または無声音源信号１０５で駆動し、合
成音声信号１０９を出力する。
【０００９】次に、分析系１２について説明する。分析
系１２は、残差ピッチ波形記憶部１７、ＬＰＣ係数記憶
部１８、残差ピッチ波形生成部１９、逆フィルタ部２０
およびＬＰＣ分析部２１により構成される。分析系１２
には、音声合成単位毎に対応する参照音声信号１０１が
入力される。そして、一定フレーム周期で参照音声信号
１０１の分析が行われ、当該フレームの音声信号が無声
音声の場合はＬＰＣ係数が生成されて記憶され、有声音
声の場合はＬＰＣ係数と残差波形が生成されて記憶され
る。
系１２は、残差ピッチ波形記憶部１７、ＬＰＣ係数記憶
部１８、残差ピッチ波形生成部１９、逆フィルタ部２０
およびＬＰＣ分析部２１により構成される。分析系１２
には、音声合成単位毎に対応する参照音声信号１０１が
入力される。そして、一定フレーム周期で参照音声信号
１０１の分析が行われ、当該フレームの音声信号が無声
音声の場合はＬＰＣ係数が生成されて記憶され、有声音
声の場合はＬＰＣ係数と残差波形が生成されて記憶され
る。
【００１０】すなわち、ＬＰＣ分析部２１では参照音声
信号１０１をＬＰＣ分析することによりＬＰＣ係数１１
３が生成され、これがＬＰＣ係数記憶部１８に記憶され
る。参照音声信号１０１が有声音声の場合、逆フィルタ
部２０はＬＰＣ係数１１３によって特性が決定される線
形予測逆フィルタによって参照音声信号１０１にフィル
タリングを行って残差波形１１２を出力する。残差ピッ
チ波形生成部１９は、残差波形１１２から１ピッチ周期
長の代表的な残差波形を切り出して残差ピッチ波形１１
１を生成する。この残差ピッチ波形１１１は、残差ピッ
チ波形記憶部１７に記憶される。
信号１０１をＬＰＣ分析することによりＬＰＣ係数１１
３が生成され、これがＬＰＣ係数記憶部１８に記憶され
る。参照音声信号１０１が有声音声の場合、逆フィルタ
部２０はＬＰＣ係数１１３によって特性が決定される線
形予測逆フィルタによって参照音声信号１０１にフィル
タリングを行って残差波形１１２を出力する。残差ピッ
チ波形生成部１９は、残差波形１１２から１ピッチ周期
長の代表的な残差波形を切り出して残差ピッチ波形１１
１を生成する。この残差ピッチ波形１１１は、残差ピッ
チ波形記憶部１７に記憶される。
【００１１】上記のような従来の音声合成方法では、分
析に用いた参照音声信号１０１のピッチ周期と異なるピ
ッチ周期で音声合成を行うと、すなわち参照音声信号１
０１に対して基本周波数を変更した音声を合成しようと
すると、合成音声の音質が劣化する場合があるという問
題がある。この劣化は分析する参照音声信号１０１の第
１ホルマントと基本周波数が近い場合に特に顕著であ
る。この劣化の原因について詳しく説明する。
析に用いた参照音声信号１０１のピッチ周期と異なるピ
ッチ周期で音声合成を行うと、すなわち参照音声信号１
０１に対して基本周波数を変更した音声を合成しようと
すると、合成音声の音質が劣化する場合があるという問
題がある。この劣化は分析する参照音声信号１０１の第
１ホルマントと基本周波数が近い場合に特に顕著であ
る。この劣化の原因について詳しく説明する。
【００１２】図１０に、このような有声音声信号の分析
および合成を行った場合の図９中の各信号の周波数スペ
クトルの例を示す。図１０において、（ａ）は基本周波
数がＦ0 である参照音声信号１０１のスペクトル、
（ｂ）はＬＰＣ係数１１３および１１０のスペクトル
（破線は（ａ）と同じ）、（ｃ）は残差波形１１２のス
ペクトル、（ｄ）は残差ピッチ波形１１１および１０８
のスペクトル（破線は（ｃ）と同じ）、（ｅ）は基本周
波数Ｆ′0 （Ｆ′0 ＝１．２５Ｆ0 ）で生成された有声
音源信号１０６のスペクトル（破線は（ｄ）と同じ）、
（ｆ）は合成音声信号１０９のスペクトル（破線は
（ｂ）と同じ）である。
および合成を行った場合の図９中の各信号の周波数スペ
クトルの例を示す。図１０において、（ａ）は基本周波
数がＦ0 である参照音声信号１０１のスペクトル、
（ｂ）はＬＰＣ係数１１３および１１０のスペクトル
（破線は（ａ）と同じ）、（ｃ）は残差波形１１２のス
ペクトル、（ｄ）は残差ピッチ波形１１１および１０８
のスペクトル（破線は（ｃ）と同じ）、（ｅ）は基本周
波数Ｆ′0 （Ｆ′0 ＝１．２５Ｆ0 ）で生成された有声
音源信号１０６のスペクトル（破線は（ｄ）と同じ）、
（ｆ）は合成音声信号１０９のスペクトル（破線は
（ｂ）と同じ）である。
【００１３】図１０から明らかなように、参照音声信号
１０１のスペクトル（図１０（ａ））と比較して、基本
周波数を変更して合成された合成音声信号１０９のスペ
クトル（図１０（ｆ））は第１ホルマントの振幅が極端
に小さくなっており、スペクトル歪みが生じていること
が分かる。これは、ＬＰＣ係数１１３および１１０のス
ペクトル（図１０（ｂ））、すなわちＬＰＣ分析によっ
て得られたスペクトル包絡の第１ホルマントの幅が狭い
ために、基本周波数の変更によって有声音源信号１０６
の離散的なスペクトル（図１０（ｅ））がスペクトル包
絡のピークから外れてしまうことが原因である。
１０１のスペクトル（図１０（ａ））と比較して、基本
周波数を変更して合成された合成音声信号１０９のスペ
クトル（図１０（ｆ））は第１ホルマントの振幅が極端
に小さくなっており、スペクトル歪みが生じていること
が分かる。これは、ＬＰＣ係数１１３および１１０のス
ペクトル（図１０（ｂ））、すなわちＬＰＣ分析によっ
て得られたスペクトル包絡の第１ホルマントの幅が狭い
ために、基本周波数の変更によって有声音源信号１０６
の離散的なスペクトル（図１０（ｅ））がスペクトル包
絡のピークから外れてしまうことが原因である。
【００１４】
【発明が解決しようとする課題】上述したように、参照
音声信号を分析して得た残差ピッチ波形およびＬＰＣ係
数を音声合成単位の情報とする従来の音声合成方法で
は、分析に用いた参照音声信号に対し基本周波数を変更
して音声合成を行うと、合成音声のスペクトル歪みが大
きくなり、音質が劣化するという問題があった。本発明
は、基本周波数の変更によるスペクトル歪みの小さい合
成音声を得ることができる音声合成方法を提供すること
を目的とする。
音声信号を分析して得た残差ピッチ波形およびＬＰＣ係
数を音声合成単位の情報とする従来の音声合成方法で
は、分析に用いた参照音声信号に対し基本周波数を変更
して音声合成を行うと、合成音声のスペクトル歪みが大
きくなり、音質が劣化するという問題があった。本発明
は、基本周波数の変更によるスペクトル歪みの小さい合
成音声を得ることができる音声合成方法を提供すること
を目的とする。
【００１５】
【課題を解決するための手段】上記の課題を解決するた
め、本発明は音声合成単位の情報を記憶しておき、この
記憶した音声合成単位の情報を用いて音声を合成する音
声合成方法において、参照音声信号より抽出される代表
的な音声ピッチ波形から、参照音声信号について線形予
測分析を行って得られた線形予測係数を用いて残差ピッ
チ波形を生成し、この残差ピッチ波形の情報を有声区間
における音声合成単位の情報として記憶することを特徴
とする。
め、本発明は音声合成単位の情報を記憶しておき、この
記憶した音声合成単位の情報を用いて音声を合成する音
声合成方法において、参照音声信号より抽出される代表
的な音声ピッチ波形から、参照音声信号について線形予
測分析を行って得られた線形予測係数を用いて残差ピッ
チ波形を生成し、この残差ピッチ波形の情報を有声区間
における音声合成単位の情報として記憶することを特徴
とする。
【００１６】より具体的には、参照音声信号から生成さ
れる残差ピッチ波形の情報と該参照音声信号から抽出さ
れるスペクトルパラメータを記憶しておき、有声区間に
おいては残差ピッチ波形の情報を用いて生成される有声
音源信号により、また無声区間においては無声音源信号
によりスペクトルパラメータを係数とする声道フィルタ
をそれぞれ駆動して合成音声を生成する音声合成方法に
おいて、参照音声信号より抽出される代表的な音声ピッ
チ波形から、該参照音声信号について線形予測分析を行
って得られた線形予測係数を用いて残差ピッチ波形を生
成することを特徴とする。
れる残差ピッチ波形の情報と該参照音声信号から抽出さ
れるスペクトルパラメータを記憶しておき、有声区間に
おいては残差ピッチ波形の情報を用いて生成される有声
音源信号により、また無声区間においては無声音源信号
によりスペクトルパラメータを係数とする声道フィルタ
をそれぞれ駆動して合成音声を生成する音声合成方法に
おいて、参照音声信号より抽出される代表的な音声ピッ
チ波形から、該参照音声信号について線形予測分析を行
って得られた線形予測係数を用いて残差ピッチ波形を生
成することを特徴とする。
【００１７】また、残差ピッチ波形の生成は、さらに具
体的には線形予測係数に従って特性が決定される線形予
測逆フィルタによって音声ピッチ波形にフィルタリング
を行うことにより実現される。
体的には線形予測係数に従って特性が決定される線形予
測逆フィルタによって音声ピッチ波形にフィルタリング
を行うことにより実現される。
【００１８】ここで、代表的な音声ピッチ波形とは、準
周期的な音声信号波形のスペクトル包絡情報を反映する
ように参照音声信号より抽出された非周期的な波形を意
味する。また、スペクトルパラメータとは、参照音声信
号のスペクトルまたはスペクトル包絡などを表すパラメ
ータを意味しており、具体的にはＬＰＣ係数、ＬＳＰ係
数、ＰＡＲＣＯＲ係数、ケプストラム係数といったパラ
メータである。
周期的な音声信号波形のスペクトル包絡情報を反映する
ように参照音声信号より抽出された非周期的な波形を意
味する。また、スペクトルパラメータとは、参照音声信
号のスペクトルまたはスペクトル包絡などを表すパラメ
ータを意味しており、具体的にはＬＰＣ係数、ＬＳＰ係
数、ＰＡＲＣＯＲ係数、ケプストラム係数といったパラ
メータである。
【００１９】このように参照音声信号より抽出される代
表的な音声ピッチ波形から、線形予測係数を用いて残差
ピッチ波形を生成すると、残差ピッチ波形は線形予測係
数のスペクトルのホルマント周波数近傍では、線形予測
係数のスペクトルと相補的なスペクトルとなる。この結
果、残差ピッチ波形の情報を用いて生成される有声音源
信号のスペクトルは、ホルマント周波数近傍で強調され
る。
表的な音声ピッチ波形から、線形予測係数を用いて残差
ピッチ波形を生成すると、残差ピッチ波形は線形予測係
数のスペクトルのホルマント周波数近傍では、線形予測
係数のスペクトルと相補的なスペクトルとなる。この結
果、残差ピッチ波形の情報を用いて生成される有声音源
信号のスペクトルは、ホルマント周波数近傍で強調され
る。
【００２０】従って、参照音声信号に対する合成音声信
号の基本周波数の変更によって、有声音源信号のスペク
トルが線形予測係数のスペクトルのピークからずれた場
合でも、合成音声信号においてホルマント周波数での振
幅が参照音声信号のそれに対して極端に小さくなるよう
なスペクトル歪みの発生は軽減される。すなわち、基本
周波数の変更によるスペクトル歪みの小さい合成音声が
得られる。
号の基本周波数の変更によって、有声音源信号のスペク
トルが線形予測係数のスペクトルのピークからずれた場
合でも、合成音声信号においてホルマント周波数での振
幅が参照音声信号のそれに対して極端に小さくなるよう
なスペクトル歪みの発生は軽減される。すなわち、基本
周波数の変更によるスペクトル歪みの小さい合成音声が
得られる。
【００２１】また、参照音声信号に対する線形予測分析
として、特に参照音声信号のピッチに同期したピッチ同
期線形予測分析を用いれば、線形予測係数のスペクトル
包絡において、ホルマント周波数でのスペクトル幅が比
較的広くなる。従って、参照音声信号に対する合成音声
信号の基本周波数の変更によって、有声音源信号のスペ
クトルが線形予測係数のスペクトルのピークからずれた
場合でも、同様に合成音声信号においてホルマント周波
数での振幅が参照音声信号のそれに対して極端に小さく
なるようなスペクトル歪みの発生は軽減される。
として、特に参照音声信号のピッチに同期したピッチ同
期線形予測分析を用いれば、線形予測係数のスペクトル
包絡において、ホルマント周波数でのスペクトル幅が比
較的広くなる。従って、参照音声信号に対する合成音声
信号の基本周波数の変更によって、有声音源信号のスペ
クトルが線形予測係数のスペクトルのピークからずれた
場合でも、同様に合成音声信号においてホルマント周波
数での振幅が参照音声信号のそれに対して極端に小さく
なるようなスペクトル歪みの発生は軽減される。
【００２２】さらに、本発明では残差ピッチ波形の情報
として残差ピッチ波形を圧縮符号化して得られる符号を
記憶しておき、音声合成時には該符号を復号化して用い
るようにしてもよい。このようにすることで、残差ピッ
チ波形の情報の記憶に必要なメモリ容量が小さくて済
み、また限られたメモリ容量の下でより多くの残差ピッ
チ波形の情報を記憶することが可能となる。圧縮符号化
には、例えばフレーム間予測符号化を用いることができ
る。
として残差ピッチ波形を圧縮符号化して得られる符号を
記憶しておき、音声合成時には該符号を復号化して用い
るようにしてもよい。このようにすることで、残差ピッ
チ波形の情報の記憶に必要なメモリ容量が小さくて済
み、また限られたメモリ容量の下でより多くの残差ピッ
チ波形の情報を記憶することが可能となる。圧縮符号化
には、例えばフレーム間予測符号化を用いることができ
る。
【００２３】
（第１の実施形態）図１に、本発明の第１の実施形態に
係る音声合成方法に従う音声合成器の構成を示す。この
音声合成器は合成系１１と分析系３２より構成される。
係る音声合成方法に従う音声合成器の構成を示す。この
音声合成器は合成系１１と分析系３２より構成される。
【００２４】合成系１１は、図９に示した従来の音声合
成器と同一であり、有声音源生成部１４、声道フィルタ
部１５、無声音源生成部１６、残差ピッチ波形記憶部１
７およびＬＰＣ係数記憶部１８により構成される。
成器と同一であり、有声音源生成部１４、声道フィルタ
部１５、無声音源生成部１６、残差ピッチ波形記憶部１
７およびＬＰＣ係数記憶部１８により構成される。
【００２５】すなわち、有声音源生成部１４では有声／
無声判別情報１０７により判別される有声区間におい
て、残差ピッチ波形記憶部１７より読み出された残差ピ
ッチ波形１０８をフレーム平均ピッチ１０２の間隔で繰
り返し配置して有声音源信号１０６を生成する。また、
無声音源生成部１６では有声／無声判別情報１０７によ
り判別される無声区間において、白色雑音などで実現さ
れる無声音源信号１０５を出力する。そして、声道フィ
ルタ部１５ではＬＰＣ係数記憶部１８より読み出された
ＬＰＣ係数１１０を係数とする合成フィルタを有声音源
信号１０６または無声音源信号１０５で駆動し、合成音
声信号１０９を出力する。
無声判別情報１０７により判別される有声区間におい
て、残差ピッチ波形記憶部１７より読み出された残差ピ
ッチ波形１０８をフレーム平均ピッチ１０２の間隔で繰
り返し配置して有声音源信号１０６を生成する。また、
無声音源生成部１６では有声／無声判別情報１０７によ
り判別される無声区間において、白色雑音などで実現さ
れる無声音源信号１０５を出力する。そして、声道フィ
ルタ部１５ではＬＰＣ係数記憶部１８より読み出された
ＬＰＣ係数１１０を係数とする合成フィルタを有声音源
信号１０６または無声音源信号１０５で駆動し、合成音
声信号１０９を出力する。
【００２６】一方、分析系３２は、本実施形態ではＬＰ
Ｃ分析部２１、音声ピッチ波形生成部３４、逆フィルタ
部３３、残差ピッチ波形記憶部１７およびＬＰＣ係数記
憶部１８により構成される。ＬＰＣ分析部２１では参照
音声信号１０１のＬＰＣ分析が行われ、参照音声信号１
０１のスペクトルパラメータの一種であるＬＰＣ係数１
１３が生成される。このＬＰＣ係数１１３は、ＬＰＣ係
数記憶部１８に記憶される。
Ｃ分析部２１、音声ピッチ波形生成部３４、逆フィルタ
部３３、残差ピッチ波形記憶部１７およびＬＰＣ係数記
憶部１８により構成される。ＬＰＣ分析部２１では参照
音声信号１０１のＬＰＣ分析が行われ、参照音声信号１
０１のスペクトルパラメータの一種であるＬＰＣ係数１
１３が生成される。このＬＰＣ係数１１３は、ＬＰＣ係
数記憶部１８に記憶される。
【００２７】音声ピッチ波形生成部３４は、参照音声信
号１０１が有声音声の場合、参照音声信号１０１から代
表的な音声ピッチ波形３０１を抽出して出力する。逆フ
ィルタ部３３は、ＬＰＣ係数１１３によって特性が決定
される線形予測逆フィルタにより音声ピッチ波形３０１
にフィルタリングを行って、残差ピッチ波形３０２を生
成する。そして、この残差ピッチ波形３０２が残差ピッ
チ波形記憶部１７に記憶される。
号１０１が有声音声の場合、参照音声信号１０１から代
表的な音声ピッチ波形３０１を抽出して出力する。逆フ
ィルタ部３３は、ＬＰＣ係数１１３によって特性が決定
される線形予測逆フィルタにより音声ピッチ波形３０１
にフィルタリングを行って、残差ピッチ波形３０２を生
成する。そして、この残差ピッチ波形３０２が残差ピッ
チ波形記憶部１７に記憶される。
【００２８】次に、音声ピッチ波形生成部３４の詳細な
構成・動作について説明する。音声ピッチ波形生成部３
４では、参照音声信号１０１に窓をかけることにより音
声ピッチ波形３０１を生成する。窓関数としては、様々
な関数を用いることが可能であるが、サイドローブが比
較的小さいハニング窓やハミング窓などの関数が適して
いる。また、窓長は参照音声信号１０１のピッチ周期に
従って決定され、例えばピッチ周期の２倍の長さとす
る。窓をかける位置は、参照音声信号１０１の音声波形
のローカルピークと窓の中心が一致するような位置とし
てもよいし、あるいは切り出された音声ピッチ波形のパ
ワーやスペクトルなどによって窓の位置を探索すること
も可能である。
構成・動作について説明する。音声ピッチ波形生成部３
４では、参照音声信号１０１に窓をかけることにより音
声ピッチ波形３０１を生成する。窓関数としては、様々
な関数を用いることが可能であるが、サイドローブが比
較的小さいハニング窓やハミング窓などの関数が適して
いる。また、窓長は参照音声信号１０１のピッチ周期に
従って決定され、例えばピッチ周期の２倍の長さとす
る。窓をかける位置は、参照音声信号１０１の音声波形
のローカルピークと窓の中心が一致するような位置とし
てもよいし、あるいは切り出された音声ピッチ波形のパ
ワーやスペクトルなどによって窓の位置を探索すること
も可能である。
【００２９】一例として、音声ピッチ波形のスペクトル
によって窓の位置を探索する場合について説明する。音
声ピッチ波形のパワースペクトルは、参照音声信号１０
１のパワースペクトルの包絡を表さなければならない。
これに対して、窓の位置が不適切であった場合には、参
照音声信号１０１の基本周波数をｆとすると、音声ピッ
チ波形のパワースペクトルのｆ／２の奇数倍の周波数に
谷が生じる。そこで、音声ピッチ波形のパワースペクト
ルのｆ／２の奇数倍の周波数における振幅が大きくなる
ような窓の位置を探索して、音声ピッチ波形を切り出せ
ば良い。
によって窓の位置を探索する場合について説明する。音
声ピッチ波形のパワースペクトルは、参照音声信号１０
１のパワースペクトルの包絡を表さなければならない。
これに対して、窓の位置が不適切であった場合には、参
照音声信号１０１の基本周波数をｆとすると、音声ピッ
チ波形のパワースペクトルのｆ／２の奇数倍の周波数に
谷が生じる。そこで、音声ピッチ波形のパワースペクト
ルのｆ／２の奇数倍の周波数における振幅が大きくなる
ような窓の位置を探索して、音声ピッチ波形を切り出せ
ば良い。
【００３０】また、音声ピッチ波形の生成法としては、
上記の方法の他にも様々な方法を用いることができる。
一例として、参照音声信号１０１に対してフーリエ変換
やフーリエ級数展開などを行って得られる離間的なスペ
クトルを補間することによって連続的なスペクトルを生
成し、逆フーリエ変換することによって音声ピッチ波形
を生成する方法がある。
上記の方法の他にも様々な方法を用いることができる。
一例として、参照音声信号１０１に対してフーリエ変換
やフーリエ級数展開などを行って得られる離間的なスペ
クトルを補間することによって連続的なスペクトルを生
成し、逆フーリエ変換することによって音声ピッチ波形
を生成する方法がある。
【００３１】逆フィルタ部３３は、生成した残差ピッチ
波形に、零位相化や最終位相化などの位相の処理を行っ
ても良い。このような位相の処理を行うことにより、記
憶すべき波形の長さを短くできる、有声音源信号のピッ
チの乱れを小さくできるなどの利点がある。
波形に、零位相化や最終位相化などの位相の処理を行っ
ても良い。このような位相の処理を行うことにより、記
憶すべき波形の長さを短くできる、有声音源信号のピッ
チの乱れを小さくできるなどの利点がある。
【００３２】図２に、本実施形態の音声合成器によって
参照音声信号１０１の有声区間において分析および合成
を行った場合の図１の各部の信号の周波数スペクトルの
例を示す。図２において、（ａ）は基本周波数がＦ0 の
参照音声信号１０１のスペクトル、（ｂ）は音声ピッチ
波形３０１のスペクトル（破線は（ａ）と同じ）、
（ｃ）はＬＰＣ係数１１３および１１０のスペクトル
（破線は（ｂ）と同じ）、（ｄ）は残差ピッチ波形３０
２および１０８のスペクトル、（ｅ）は基本周波数Ｆ′
0 （Ｆ′0 ＝１．２５Ｆ0 ）で生成された有声音源信号
１０６のスペクトル（破線は（ｄ）と同じ）、（ｆ）は
合成音声信号１０９のスペクトル（破線は（ｃ）と同
じ）をそれぞれ示している。
参照音声信号１０１の有声区間において分析および合成
を行った場合の図１の各部の信号の周波数スペクトルの
例を示す。図２において、（ａ）は基本周波数がＦ0 の
参照音声信号１０１のスペクトル、（ｂ）は音声ピッチ
波形３０１のスペクトル（破線は（ａ）と同じ）、
（ｃ）はＬＰＣ係数１１３および１１０のスペクトル
（破線は（ｂ）と同じ）、（ｄ）は残差ピッチ波形３０
２および１０８のスペクトル、（ｅ）は基本周波数Ｆ′
0 （Ｆ′0 ＝１．２５Ｆ0 ）で生成された有声音源信号
１０６のスペクトル（破線は（ｄ）と同じ）、（ｆ）は
合成音声信号１０９のスペクトル（破線は（ｃ）と同
じ）をそれぞれ示している。
【００３３】図２より、基本周波数を参照音声信号１０
１のＦ0 からＦ′0 に変更して生成された合成音声信号
１０９のスペクトル（図２（ｆ））は、従来の音声合成
器によって合成された合成音声信号のスペクトル（図１
０（ｆ））と比較して、スペクトル歪みが小さくなって
いることが分かる。この理由は、次の通りである。
１のＦ0 からＦ′0 に変更して生成された合成音声信号
１０９のスペクトル（図２（ｆ））は、従来の音声合成
器によって合成された合成音声信号のスペクトル（図１
０（ｆ））と比較して、スペクトル歪みが小さくなって
いることが分かる。この理由は、次の通りである。
【００３４】本実施形態では、音声ピッチ波形３０１よ
り残差ピッチ波形３０２を求めているため、ＬＰＣ分析
によって得られたＬＰＣ係数１１３のホルマント周波数
（例えば第１ホルマント周波数Ｆ0 ）でのスペクトル
（図２（ｃ））の幅が狭い場合でも、残差ピッチ波形３
０２のスペクトル（図２（ｄ））によってそれを補うこ
とができる。
り残差ピッチ波形３０２を求めているため、ＬＰＣ分析
によって得られたＬＰＣ係数１１３のホルマント周波数
（例えば第１ホルマント周波数Ｆ0 ）でのスペクトル
（図２（ｃ））の幅が狭い場合でも、残差ピッチ波形３
０２のスペクトル（図２（ｄ））によってそれを補うこ
とができる。
【００３５】すなわち、本実施形態のように参照音声信
号１０１より抽出される音声ピッチ波形３０１から、Ｌ
ＰＣ係数１１３を用いて逆フィルタ部３３で残差ピッチ
波形３０２を生成すると、残差ピッチ波形３０２のスペ
クトルは図２（ｄ）に示すようにＬＰＣ係数１１３のス
ペクトルの第１ホルマント周波数Ｆ0 近傍では、図２
（ｃ）に示したＬＰＣ係数１１３のスペクトルに対して
相補的なスペクトルとなる。この結果、残差ピッチ波形
記憶部１７から読み出される残差ピッチ波形１０８の情
報に従って有声音源生成部１４で生成される有声音源信
号１０６のスペクトルは、図２（ｅ）に示すように第１
ホルマント周波数Ｆ0 近傍で強調された形となる。
号１０１より抽出される音声ピッチ波形３０１から、Ｌ
ＰＣ係数１１３を用いて逆フィルタ部３３で残差ピッチ
波形３０２を生成すると、残差ピッチ波形３０２のスペ
クトルは図２（ｄ）に示すようにＬＰＣ係数１１３のス
ペクトルの第１ホルマント周波数Ｆ0 近傍では、図２
（ｃ）に示したＬＰＣ係数１１３のスペクトルに対して
相補的なスペクトルとなる。この結果、残差ピッチ波形
記憶部１７から読み出される残差ピッチ波形１０８の情
報に従って有声音源生成部１４で生成される有声音源信
号１０６のスペクトルは、図２（ｅ）に示すように第１
ホルマント周波数Ｆ0 近傍で強調された形となる。
【００３６】従って、基本周波数の変更によって図２
（ｅ）に示すように有声音源信号１０６の離散的なスペ
クトルが図２（ｃ）に示したＬＰＣ係数１１０のスペク
トル包絡のピークから外れてしまったとしても、声道フ
ィルタ部１５より出力される合成音声信号１０９のスペ
クトルは、図２（ｆ）に示すように、図２（ａ）の参照
音声信号１０１のスペクトルに比較してホルマント成分
の振幅が極端に小さくなるようなことがなくなる。
（ｅ）に示すように有声音源信号１０６の離散的なスペ
クトルが図２（ｃ）に示したＬＰＣ係数１１０のスペク
トル包絡のピークから外れてしまったとしても、声道フ
ィルタ部１５より出力される合成音声信号１０９のスペ
クトルは、図２（ｆ）に示すように、図２（ａ）の参照
音声信号１０１のスペクトルに比較してホルマント成分
の振幅が極端に小さくなるようなことがなくなる。
【００３７】このように本実施形態によれば、基本周波
数の変更によるスペクトル歪みの小さい合成音声信号１
０９を生成することができる。 （第２の実施形態）図３に、本発明の第２の実施形態に
係る音声合成器の構成を示す。この音声合成器は、合成
系１１と分析系４２より構成される。合成系１１及び分
析系４２における音声ピッチ波形生成部３４と逆フィル
タ部３３は図１に示した第１の実施形態に係る音声合成
器の構成と同一であるため、図１と同一部分に同一参照
符号を付してその説明を省略する。
数の変更によるスペクトル歪みの小さい合成音声信号１
０９を生成することができる。 （第２の実施形態）図３に、本発明の第２の実施形態に
係る音声合成器の構成を示す。この音声合成器は、合成
系１１と分析系４２より構成される。合成系１１及び分
析系４２における音声ピッチ波形生成部３４と逆フィル
タ部３３は図１に示した第１の実施形態に係る音声合成
器の構成と同一であるため、図１と同一部分に同一参照
符号を付してその説明を省略する。
【００３８】本実施形態は、第１の実施形態におけるＬ
ＰＣ分析部２１を参照音声信号１０１のピッチに同期し
たピッチ同期線形予測分析を行うＬＰＣ分析部４１に変
更したものである。すなわち、ＬＰＣ分析部４１は音声
ピッチ波形生成部３４で生成された音声ピッチ波形３０
１に対してＬＰＣ分析を行ってＬＰＣ係数４０２を生成
する。このＬＰＣ係数４０２は、ＬＰＣ係数記憶部１８
に記憶されると共に、逆フィルタ部３３に入力される。
逆フィルタ部３３では、ＬＰＣ係数４０２を係数とする
線形予測逆フィルタによって音声ピッチ波形３０１にフ
ィルタリングを行って残差ピッチ波形３０２を出力す
る。
ＰＣ分析部２１を参照音声信号１０１のピッチに同期し
たピッチ同期線形予測分析を行うＬＰＣ分析部４１に変
更したものである。すなわち、ＬＰＣ分析部４１は音声
ピッチ波形生成部３４で生成された音声ピッチ波形３０
１に対してＬＰＣ分析を行ってＬＰＣ係数４０２を生成
する。このＬＰＣ係数４０２は、ＬＰＣ係数記憶部１８
に記憶されると共に、逆フィルタ部３３に入力される。
逆フィルタ部３３では、ＬＰＣ係数４０２を係数とする
線形予測逆フィルタによって音声ピッチ波形３０１にフ
ィルタリングを行って残差ピッチ波形３０２を出力す
る。
【００３９】参照音声信号１０１のスペクトルが離散的
であるのに対して、音声ピッチ波形３０１のスペクトル
は、離散的なスペクトルを滑らかに補間して得られる連
続的なスペクトルとなっている。従って、本実施形態の
ように音声ピッチ波形３０１に対してＬＰＣ分析部４１
でＬＰＣ分析を行って得られたＬＰＣ係数４０２は、従
来のようにホルマント周波数でのスペクトル幅が狭くな
り過ぎることがなく、これに起因する合成音声信号１０
９のスペクトル歪みが軽減される。
であるのに対して、音声ピッチ波形３０１のスペクトル
は、離散的なスペクトルを滑らかに補間して得られる連
続的なスペクトルとなっている。従って、本実施形態の
ように音声ピッチ波形３０１に対してＬＰＣ分析部４１
でＬＰＣ分析を行って得られたＬＰＣ係数４０２は、従
来のようにホルマント周波数でのスペクトル幅が狭くな
り過ぎることがなく、これに起因する合成音声信号１０
９のスペクトル歪みが軽減される。
【００４０】以下、この効果について図４を用いて説明
する。図４は、本実施形態の音声合成器によって有声音
声の参照音声信号の分析および合成を行った場合の図３
の各部の信号の周波数スペクトルの例であり、（ａ）は
基本周波数がＦ0 の参照音声信号１０１のスペクトル、
（ｂ）は音声ピッチ波形３０１のスペクトル（破線は
（ａ）と同じ）、（ｃ）はＬＰＣ係数４０２および１１
０のスペクトル（破線は（ｂ）と同じ）、（ｄ）は残差
ピッチ波形３０２および１０８のスペクトル、（ｅ）は
基本周波数Ｆ′0 （Ｆ′0 ＝１．２５Ｆ0 ）で生成され
た有声音源信号１０６のスペクトル（破線は（ｄ））、
（ｆ）は合成音声信号１０９のスペクトル（破線は
（ｃ）と同じ）をそれぞれ示している。第１の実施形態
における図２と比較すると、図４（ｃ）（ｄ）（ｅ）
（ｆ）が異なっている。
する。図４は、本実施形態の音声合成器によって有声音
声の参照音声信号の分析および合成を行った場合の図３
の各部の信号の周波数スペクトルの例であり、（ａ）は
基本周波数がＦ0 の参照音声信号１０１のスペクトル、
（ｂ）は音声ピッチ波形３０１のスペクトル（破線は
（ａ）と同じ）、（ｃ）はＬＰＣ係数４０２および１１
０のスペクトル（破線は（ｂ）と同じ）、（ｄ）は残差
ピッチ波形３０２および１０８のスペクトル、（ｅ）は
基本周波数Ｆ′0 （Ｆ′0 ＝１．２５Ｆ0 ）で生成され
た有声音源信号１０６のスペクトル（破線は（ｄ））、
（ｆ）は合成音声信号１０９のスペクトル（破線は
（ｃ）と同じ）をそれぞれ示している。第１の実施形態
における図２と比較すると、図４（ｃ）（ｄ）（ｅ）
（ｆ）が異なっている。
【００４１】すなわち、図４（ｃ）に示されるように、
本実施形態ではＬＰＣ係数４０２の第１ホルマント周波
数Ｆ0 でのスペクトル幅が図２（ｃ）に比較して広がっ
ている。従って、参照音声信号１０１の基本周波数Ｆ0
に対して合成音声信号１０９の基本周波数をＦ′0 に変
更することによって、図４（ｄ）に示されるように有声
音源信号１０６のスペクトルが図４（ｃ）に示したＬＰ
Ｃ係数４０２のスペクトルのピークから外れた場合にお
いても、図４（ｆ）に示されるように合成音声信号１０
９においてホルマント周波数Ｆ0 での振幅が参照音声信
号１０１のそれに対して極端に小さくなるようなことが
なく、合成音声信号１０９でのスペクトル歪みの発生が
軽減されることになる。
本実施形態ではＬＰＣ係数４０２の第１ホルマント周波
数Ｆ0 でのスペクトル幅が図２（ｃ）に比較して広がっ
ている。従って、参照音声信号１０１の基本周波数Ｆ0
に対して合成音声信号１０９の基本周波数をＦ′0 に変
更することによって、図４（ｄ）に示されるように有声
音源信号１０６のスペクトルが図４（ｃ）に示したＬＰ
Ｃ係数４０２のスペクトルのピークから外れた場合にお
いても、図４（ｆ）に示されるように合成音声信号１０
９においてホルマント周波数Ｆ0 での振幅が参照音声信
号１０１のそれに対して極端に小さくなるようなことが
なく、合成音声信号１０９でのスペクトル歪みの発生が
軽減されることになる。
【００４２】（第３の実施形態）図５に、本発明の第３
の実施形態に係る音声合成器の構成を示す。この音声合
成器は、合成系５１と分析系４２より構成される。分析
系４２は図３に示した第２の実施形態に係る音声合成器
の構成と同一であるため、図３と同一部分に同一参照符
号を付してその説明を省略する。
の実施形態に係る音声合成器の構成を示す。この音声合
成器は、合成系５１と分析系４２より構成される。分析
系４２は図３に示した第２の実施形態に係る音声合成器
の構成と同一であるため、図３と同一部分に同一参照符
号を付してその説明を省略する。
【００４３】本実施形態における合成系５１は、無声音
源生成部１６、有声音生成部５３、ピッチ波形合成部５
２、声道フィルタ部１５、残差ピッチ波形記憶部１７お
よびＬＰＣ係数記憶部１８より構成される。
源生成部１６、有声音生成部５３、ピッチ波形合成部５
２、声道フィルタ部１５、残差ピッチ波形記憶部１７お
よびＬＰＣ係数記憶部１８より構成される。
【００４４】ピッチ波形合成部５２は、有声／無声判別
情報１０７により判別される有声区間において、残差ピ
ッチ波形記憶部１７より読み出された残差ピッチ波形１
０８をＬＰＣ係数記憶部１８より読み出されたＬＰＣ係
数１１０を係数とする合成フィルタで合成し、音声ピッ
チ波形５０１を出力する。
情報１０７により判別される有声区間において、残差ピ
ッチ波形記憶部１７より読み出された残差ピッチ波形１
０８をＬＰＣ係数記憶部１８より読み出されたＬＰＣ係
数１１０を係数とする合成フィルタで合成し、音声ピッ
チ波形５０１を出力する。
【００４５】有声音生成部５３は、フレーム平均ピッチ
１０２および音声ピッチ波形５０１より有声音声信号５
０２を生成して出力する。無声音源生成部１６は、有声
／無声判別情報１０７により判別される無声区間におい
て、白色雑音などで表現される無声音源信号１０５を出
力する。
１０２および音声ピッチ波形５０１より有声音声信号５
０２を生成して出力する。無声音源生成部１６は、有声
／無声判別情報１０７により判別される無声区間におい
て、白色雑音などで表現される無声音源信号１０５を出
力する。
【００４６】声道フィルタ部１５は、ＬＰＣ係数記憶部
１８より読み出されたＬＰＣ係数１１０を係数とする合
成フィルタを上記無声音源信号１０５で駆動し、無声音
声信号５０３を出力する。有声／無声判別情報１０７に
より判別される無声区間においては無声音声信号５０３
を、有声区間においては有声音声信号５０２をそれぞれ
合成音声信号１０９として出力する。
１８より読み出されたＬＰＣ係数１１０を係数とする合
成フィルタを上記無声音源信号１０５で駆動し、無声音
声信号５０３を出力する。有声／無声判別情報１０７に
より判別される無声区間においては無声音声信号５０３
を、有声区間においては有声音声信号５０２をそれぞれ
合成音声信号１０９として出力する。
【００４７】有声音生成部５３では、現フレームの音声
ピッチ波形と前フレームの音声ピッチ波形とを補間する
ことによって得られるピッチ波形をピッチ周期１０２の
間隔で重畳することにより、有声音声信号５０２を生成
する。補間のための重み係数は、音韻が滑らかに変化す
るようにピッチ波形毎に変化させる。
ピッチ波形と前フレームの音声ピッチ波形とを補間する
ことによって得られるピッチ波形をピッチ周期１０２の
間隔で重畳することにより、有声音声信号５０２を生成
する。補間のための重み係数は、音韻が滑らかに変化す
るようにピッチ波形毎に変化させる。
【００４８】本実施形態によっても第２の実施形態と同
様の効果を得ることができる。 （第４の実施形態）図６に、本発明の第４の実施形態に
係る音声合成器の構成を示す。この音声合成器は合成系
６１と分析系６２より構成される。残差ピッチ波形復号
化部６５、残差ピッチ波形符号記憶部６４、残差ピッチ
波形符号化部６３以外は図３に示した第２の実施形態に
係る音声合成器の構成と同一であるため、図３と同一部
分に同一参照符号を付してその説明を省略する。
様の効果を得ることができる。 （第４の実施形態）図６に、本発明の第４の実施形態に
係る音声合成器の構成を示す。この音声合成器は合成系
６１と分析系６２より構成される。残差ピッチ波形復号
化部６５、残差ピッチ波形符号記憶部６４、残差ピッチ
波形符号化部６３以外は図３に示した第２の実施形態に
係る音声合成器の構成と同一であるため、図３と同一部
分に同一参照符号を付してその説明を省略する。
【００４９】本実施形態は、参照音声信号１０１の分析
によって生成された残差ピッチ波形を圧縮符号化するこ
とによって得られる符号を記憶し、該符号を復号化して
合成に用いるものである。すなわち、残差ピッチ波形符
号化部６３で残差ピッチ波形３０２の圧縮符号化により
残差ピッチ波形符号６０１が生成され、残差ピッチ波形
符号記憶部６４に記憶される。残差ピッチ波形復号化部
６５で、残差ピッチ波形符号記憶部６４より読み出され
た残差ピッチ波形符号６０２が復号化され、残差ピッチ
波形１０８が出力される。
によって生成された残差ピッチ波形を圧縮符号化するこ
とによって得られる符号を記憶し、該符号を復号化して
合成に用いるものである。すなわち、残差ピッチ波形符
号化部６３で残差ピッチ波形３０２の圧縮符号化により
残差ピッチ波形符号６０１が生成され、残差ピッチ波形
符号記憶部６４に記憶される。残差ピッチ波形復号化部
６５で、残差ピッチ波形符号記憶部６４より読み出され
た残差ピッチ波形符号６０２が復号化され、残差ピッチ
波形１０８が出力される。
【００５０】本実施形態では、圧縮符号化としてフレー
ム間予測符号化を用い、残差ピッチ波形の圧縮符号化を
行う。フレーム間符号化を用いた残差ピッチ波形符号化
部６３の詳細な構成を図７に示し、これに対応する残差
ピッチ波形復号化部６５の詳細な構成を図８に示す。音
声合成単位は複数のフレーム単位となっており、符号化
および復号化も音声合成単位毎に行われる。図７および
図８における記号の意味を以下に示す。
ム間予測符号化を用い、残差ピッチ波形の圧縮符号化を
行う。フレーム間符号化を用いた残差ピッチ波形符号化
部６３の詳細な構成を図７に示し、これに対応する残差
ピッチ波形復号化部６５の詳細な構成を図８に示す。音
声合成単位は複数のフレーム単位となっており、符号化
および復号化も音声合成単位毎に行われる。図７および
図８における記号の意味を以下に示す。
【００５１】Ｔi ：ｉ番目のフレームの残差ピッチ波形 ｅi ：ｉ番目のフレームのフレーム間差分 ｃi ：ｉ番目のフレームの符号 ｑi ：逆量子化によって得られたｉ番目のフレームのフ
レーム間差分 ｄi ：復号化されたｉ番目のフレームの残差ピッチ波形 ｄi-1 ：復号化されたｉ−１番目のフレームの残差ピッ
チ波形 図７に示す残差ピッチ波形符号化部６３の動作について
説明する。図７において、量子化部７１は減算器７０か
ら出力されるフレーム間差分ｅi を量子化して符号ｃi
を出力する。逆量子化部７２は、符号ｃi を逆量子化し
てフレーム間差分ｑi を求める。遅延部７３は、前フレ
ームの復号化残差ピッチ波形ｄi-1 とフレーム間差分ｑ
i の和である復号化残差ピッチ波形ｄi を加算器７４か
ら入力して記憶し、１フレーム分遅延させてｄi-1 を出
力する。ただし、遅延部７３の出力の初期値、すなわち
ｄ0 は全ての値を０とする。音声合成単位のフレーム数
をＮとすると、符号の組（ｃ1 ，ｃ2 ，…，ｃN ）を残
差ピッチ波形３０２として出力する。量子化部７１にお
ける量子化は、スカラー量子化とベクトル量子化のいず
れを用いても良い。
レーム間差分 ｄi ：復号化されたｉ番目のフレームの残差ピッチ波形 ｄi-1 ：復号化されたｉ−１番目のフレームの残差ピッ
チ波形 図７に示す残差ピッチ波形符号化部６３の動作について
説明する。図７において、量子化部７１は減算器７０か
ら出力されるフレーム間差分ｅi を量子化して符号ｃi
を出力する。逆量子化部７２は、符号ｃi を逆量子化し
てフレーム間差分ｑi を求める。遅延部７３は、前フレ
ームの復号化残差ピッチ波形ｄi-1 とフレーム間差分ｑ
i の和である復号化残差ピッチ波形ｄi を加算器７４か
ら入力して記憶し、１フレーム分遅延させてｄi-1 を出
力する。ただし、遅延部７３の出力の初期値、すなわち
ｄ0 は全ての値を０とする。音声合成単位のフレーム数
をＮとすると、符号の組（ｃ1 ，ｃ2 ，…，ｃN ）を残
差ピッチ波形３０２として出力する。量子化部７１にお
ける量子化は、スカラー量子化とベクトル量子化のいず
れを用いても良い。
【００５２】次に、図８に示す残差ピッチ波形復号化部
６５の動作について説明する。図８において、逆量子化
部８０は符号ｃi を逆量子化してフレーム間差分ｑi を
求める。このフレーム間差分ｑi と前フレームの復号化
残差ピッチ波形ｄi-1 との和が加算器８１から復号化残
差ピッチ波形ｄi として出力される。遅延部８２は復号
化残差ピッチ波形ｄi を記憶し、１フレーム分遅延させ
てｄi-1 を出力する。ただし、遅延部８２の出力の初期
値、すなわちｄ0 は全ての値を０とする。
６５の動作について説明する。図８において、逆量子化
部８０は符号ｃi を逆量子化してフレーム間差分ｑi を
求める。このフレーム間差分ｑi と前フレームの復号化
残差ピッチ波形ｄi-1 との和が加算器８１から復号化残
差ピッチ波形ｄi として出力される。遅延部８２は復号
化残差ピッチ波形ｄi を記憶し、１フレーム分遅延させ
てｄi-1 を出力する。ただし、遅延部８２の出力の初期
値、すなわちｄ0 は全ての値を０とする。
【００５３】残差ピッチ波形はフレーム間の相関が高
く、残差ピッチ波形ｒi のパワーと比較してフレーム間
差分ｅi のパワーが小さいため、上記のフレーム間予測
符号化によって効率良く残差ピッチ波形の圧縮を行うこ
とができる。
く、残差ピッチ波形ｒi のパワーと比較してフレーム間
差分ｅi のパワーが小さいため、上記のフレーム間予測
符号化によって効率良く残差ピッチ波形の圧縮を行うこ
とができる。
【００５４】なお、フレーム間予測符号化以外にも、ベ
クトル量子化や変換符号化など様々な圧縮符号化方法を
用いて残差ピッチ波形の符号化を行うことも可能であ
る。このように本実施形態によれば、残差ピッチ波形を
フレーム間符号化などにより圧縮符号化して残差ピッチ
波形符号記憶部６４に記憶し、音声合成時にはこの記憶
部６４から読み出された符号を復号化することにより、
残差ピッチ波形の情報を記憶するに必要なメモリ容量を
削減できる。また、メモリ容量が限られた状況下では、
より多くの残差ピッチ波形の情報を記憶することが可能
となる。
クトル量子化や変換符号化など様々な圧縮符号化方法を
用いて残差ピッチ波形の符号化を行うことも可能であ
る。このように本実施形態によれば、残差ピッチ波形を
フレーム間符号化などにより圧縮符号化して残差ピッチ
波形符号記憶部６４に記憶し、音声合成時にはこの記憶
部６４から読み出された符号を復号化することにより、
残差ピッチ波形の情報を記憶するに必要なメモリ容量を
削減できる。また、メモリ容量が限られた状況下では、
より多くの残差ピッチ波形の情報を記憶することが可能
となる。
【００５５】
【発明の効果】以上説明したように、本発明の音声合成
方法によれば、基本周波数を分析に用いた参照音声信号
の基本周波数に対して変更させた場合のスペクトル歪み
が小さく、高音質な合成音声を得ることができる。
方法によれば、基本周波数を分析に用いた参照音声信号
の基本周波数に対して変更させた場合のスペクトル歪み
が小さく、高音質な合成音声を得ることができる。
【図１】本発明の第１の実施形態を示すブロック図
【図２】第１の実施形態における各部の信号のスペクト
ルの例を示す図
ルの例を示す図
【図３】本発明の第２の実施形態を示すブロック図
【図４】第２の実施形態における各部の信号のスペクト
ルの例を示す図
ルの例を示す図
【図５】本発明の第３の実施形態を示すブロック図
【図６】本発明の第４の実施形態を示すブロック図
【図７】第４の実施形態における残差ピッチ波形符号化
部の構成例を示すブロック図
部の構成例を示すブロック図
【図８】第４の実施形態における残差ピッチ波形復号化
部の構成例を示すブロック図
部の構成例を示すブロック図
【図９】従来の音声合成器を示すブロック図
【図１０】従来の音声合成器における各部の信号のスペ
クトルの例を示す図
クトルの例を示す図
１１，５１，６１…合成系 １２，３２，４２，６２…分析系 １４…有声音源生成部 １５…声道フィルタ部 １６…無声音源生成部 １７…残差ピッチ波形記憶部 １８…ＬＰＣ係数記憶部 １９…残差ピッチ波形生成部 ２０，３３…逆フィルタ部 ２１，４１…ＬＰＣ分析部 ３４…音声ピッチ波形生成部 ５２…ピッチ波形合成部 ５３…有声音生成部 ６３…残差ピッチ波形符号化部 ６４…残差ピッチ波形符号記憶部 ６５…残差ピッチ波形復号化部 ７０…減算器 ７１…量子化部 ７２…逆量子化部 ７３…遅延部 ７４…加算器 ８０…逆量子化部 ８１…加算器 ８２…遅延部 １０１…参照音声信号 １０２…フレーム平均ピッチ情報 １０５…無声音源信号 １０６…有声音源信号 １０７…有声／無声判別情報 １０８…残差ピッチ波形 １０９…合成音声信号 １１０…ＬＰＣ係数 １１３…ＬＰＣ係数 ３０１…音声ピッチ波形 ３０２…残差ピッチ波形 ４０２…ＬＰＣ係数 ５０１…ピッチ波形 ５０２…有声音声信号 ５０３…無声音声信号
Claims (7)
- 【請求項１】音声合成単位の情報を記憶しておき、この
記憶した音声合成単位の情報を用いて音声を合成する音
声合成方法において、 参照音声信号より抽出される代表的な音声ピッチ波形か
ら、該参照音声信号について線形予測分析を行って得ら
れた線形予測係数を用いて残差ピッチ波形を生成し、こ
の残差ピッチ波形の情報を有声区間における音声合成単
位の情報として記憶することを特徴とする音声合成方
法。 - 【請求項２】参照音声信号から生成される残差ピッチ波
形の情報と該参照音声信号から抽出されるスペクトルパ
ラメータを記憶しておき、有声区間においては前記残差
ピッチ波形の情報を用いて生成された有声音源信号、ま
た無声区間においては無声音源信号により、前記スペク
トルパラメータを係数とする声道フィルタをそれぞれ駆
動して合成音声を生成する音声合成方法において、 前記参照音声信号より抽出される代表的な音声ピッチ波
形から、該参照音声信号について線形予測分析を行って
得られた線形予測係数を用いて前記残差ピッチ波形を生
成することを特徴とする音声合成方法。 - 【請求項３】前記線形予測係数に従って特性が決定され
る線形予測逆フィルタによって前記音声ピッチ波形にフ
ィルタリングを行うことにより前記残差ピッチ波形を生
成することを特徴とする請求項１または２に記載の音声
合成方法。 - 【請求項４】前記線形予測分析として前記参照音声信号
のピッチに同期したピッチ同期線形予測分析を行うこと
を特徴とする請求項１〜３のいずれか１項に記載の音声
合成方法。 - 【請求項５】前記残差ピッチ波形の情報として該残差ピ
ッチ波形を圧縮符号化して得られる符号を記憶してお
き、音声合成時に該符号を復号化して用いることを特徴
とする請求項１〜３のいずれか１項に記載の音声合成方
法。 - 【請求項６】前記残差ピッチ波形の情報として該残差ピ
ッチ波形をフレーム間予測符号化して得られる符号を記
憶しておき、この符号を復号化して用いることを特徴と
する請求項１〜３のいずれか１項に記載の音声合成方
法。 - 【請求項７】前記スペクトルパラメータとして前記線形
予測係数を用いることを特徴とする請求項１〜３のいず
れか１項に記載の音声合成方法。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8068785A JPH09258796A (ja) | 1996-03-25 | 1996-03-25 | 音声合成方法 |
| US08/758,772 US6240384B1 (en) | 1995-12-04 | 1996-12-03 | Speech synthesis method |
| US09/722,047 US6332121B1 (en) | 1995-12-04 | 2000-11-27 | Speech synthesis method |
| US09/984,254 US6553343B1 (en) | 1995-12-04 | 2001-10-29 | Speech synthesis method |
| US10/265,458 US6760703B2 (en) | 1995-12-04 | 2002-10-07 | Speech synthesis method |
| US10/792,888 US7184958B2 (en) | 1995-12-04 | 2004-03-05 | Speech synthesis method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8068785A JPH09258796A (ja) | 1996-03-25 | 1996-03-25 | 音声合成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09258796A true JPH09258796A (ja) | 1997-10-03 |
Family
ID=13383738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8068785A Pending JPH09258796A (ja) | 1995-12-04 | 1996-03-25 | 音声合成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09258796A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002091475A (ja) * | 2000-09-18 | 2002-03-27 | Matsushita Electric Ind Co Ltd | 音声合成方法 |
| JP2013068977A (ja) * | 2008-12-30 | 2013-04-18 | ▲ホア▼▲ウェイ▼技術有限公司 | ピッチ検索のための方法及び装置 |
| CN104916282A (zh) * | 2015-03-27 | 2015-09-16 | 北京捷通华声语音技术有限公司 | 一种语音合成的方法和装置 |
-
1996
- 1996-03-25 JP JP8068785A patent/JPH09258796A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002091475A (ja) * | 2000-09-18 | 2002-03-27 | Matsushita Electric Ind Co Ltd | 音声合成方法 |
| JP2013068977A (ja) * | 2008-12-30 | 2013-04-18 | ▲ホア▼▲ウェイ▼技術有限公司 | ピッチ検索のための方法及び装置 |
| CN104916282A (zh) * | 2015-03-27 | 2015-09-16 | 北京捷通华声语音技术有限公司 | 一种语音合成的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6240384B1 (en) | Speech synthesis method | |
| JP2782147B2 (ja) | 波形編集型音声合成装置 | |
| US6427135B1 (en) | Method for encoding speech wherein pitch periods are changed based upon input speech signal | |
| US4821324A (en) | Low bit-rate pattern encoding and decoding capable of reducing an information transmission rate | |
| KR100615480B1 (ko) | 음성 대역 확장 장치 및 음성 대역 확장 방법 | |
| JPH06110498A (ja) | 音声合成システムの音声断片コーディングおよびそのピッチ調節方法とその有声音合成装置 | |
| WO1980002211A1 (en) | Residual excited predictive speech coding system | |
| US6950798B1 (en) | Employing speech models in concatenative speech synthesis | |
| JPH09258796A (ja) | 音声合成方法 | |
| JP3559485B2 (ja) | 音声信号の後処理方法および装置並びにプログラムを記録した記録媒体 | |
| KR100715014B1 (ko) | 트랜스코더 및 부호변환방법 | |
| JPH0258100A (ja) | 音声符号化復号化方法及び音声符号化装置並びに音声復号化装置 | |
| JP3431655B2 (ja) | 符号化装置及び復号化装置 | |
| JPS58188000A (ja) | 音声認識合成装置 | |
| Vích et al. | Pitch synchronous transform warping in voice conversion | |
| Olive | Mixed spectral representation—Formants and linear predictive coding | |
| JP2001154683A (ja) | 音声合成装置とその方法及び音声合成プログラムを記録した記録媒体 | |
| JP2615856B2 (ja) | 音声合成方法とその装置 | |
| JP3063087B2 (ja) | 音声符号化復号化装置及び音声符号化装置ならびに音声復号化装置 | |
| JP3515216B2 (ja) | 音声符号化装置 | |
| JP3199128B2 (ja) | 音声の符号化方法 | |
| JPH09160595A (ja) | 音声合成方法 | |
| JP3218680B2 (ja) | 有声音合成方法 | |
| JPH0836397A (ja) | 音声合成装置 | |
| JP2000099094A (ja) | 時系列信号処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |