JPH10222806A

JPH10222806A - 話速変換装置

Info

Publication number: JPH10222806A
Application number: JP9019359A
Authority: JP
Inventors: Koji Tanaka; 浩司田中
Original assignee: Sanyo Electric Co Ltd
Current assignee: Sanyo Electric Co Ltd
Priority date: 1997-01-31
Filing date: 1997-01-31
Publication date: 1998-08-21

Abstract

(57)【要約】【課題】この発明は、音声メモリ内の未読み出しの音
声データの蓄積量が所定量を越えたときに、再生速度倍
率分の１の圧縮率で圧縮処理を行なうことができない場
合においても、音声メモリ内の未読み出しの音声データ
の蓄積量が音声メモリの容量を越えないようにすること
ができる話速変換装置を提供することを目的とする。【解決手段】音声メモリ内の未読み出しの音声データ
の蓄積量を算出する蓄積量算出手段、ならびに音声メモ
リ内の未読み出しの音声データの蓄積量が所定値を越え
た時に、話速変換手段３１で用いられる圧縮率を、原則
的には、再生速度倍率分の１の値に設定し、圧縮率を再
生速度倍率分の１とした場合に、圧縮処理が不可能であ
る場合には、話速変換手段３１で用いられる圧縮率を、
再生速度倍率分の１より小さな圧縮率で圧縮処理可能な
値に設定する手段７を備えている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する分野】この発明は、ＶＴＲ等に応用され
ている話速変換装置に関する。

【０００２】

【従来の技術】ＶＴＲの高速再生時において、ビデオテ
ープから読み取られた音声信号のうち、無音区間の音声
信号を削除し、音声区間の音声信号を時間軸上において
伸長し、音声区間の音声を再生速度より遅い速度で出力
する話速変換装置が知られている。

【０００３】このような話速変換装置では、入力音声の
話速を遅くして出力する際に入力音声と出力音声との間
に生じる時間的な遅延量を吸収するための音声メモリが
設けられている。音声メモリ内の未読み出しの音声デー
タの蓄積量が、音声メモリの容量を越えると、出力され
る音声区間の音声に途切れが生じる。音声メモリ内の未
読み出しの音声データの蓄積量が音声メモリの容量を越
えないようにするためには、音声メモリ内の未読み出し
の音声データの蓄積量が所定量を越えたときに、理論的
には、圧縮率αを再生速度倍率Ｍ分の１、つまり、α＝
１／Ｍに設定すればよい。

【０００４】たとえば、再生速度Ｍが２の場合（２倍速
再生の場合）には、音声メモリ内の未読み出しの音声デ
ータの蓄積量が所定量を越えたときに、圧縮率αを１／
２に設定すればよい。圧縮率αが１／２ということは、
たとえば、２ピッチ周期が１ピッチ周期に間引かれるこ
とを意味する。しかしながら、１／Ｍの圧縮処理が不可
能な場合がある。

【０００５】

【発明が解決しようとする課題】この発明は、音声メモ
リ内の未読み出しの音声データの蓄積量が所定量を越え
たときに、再生速度倍率分の１の圧縮率で圧縮処理を行
なうことができない場合においても、音声メモリ内の未
読み出しの音声データの蓄積量が音声メモリの容量を越
えないようにすることができる話速変換装置を提供する
ことを目的とする。

【０００６】

【課題を解決するための手段】この発明による話速変換
装置は、１より大きな再生速度倍率で再生が行なわれる
際に、入力音声信号のうち、少なくとも音声区間の信号
を圧縮処理することにより、入力音声の話速を遅くさせ
る話速変換手段と、話速変換手段の前段、後段または内
部に設けられ、入力音声の話速を遅くして出力する際に
生じる遅延量を吸収するために音声データを蓄積される
音声メモリとを備えた話速変換装置において、音声メモ
リ内の未読み出しの音声データの蓄積量を算出する蓄積
量算出手段、ならびに音声メモリ内の未読み出しの音声
データの蓄積量が所定値を越えた時に、話速変換手段で
用いられる圧縮率を、原則的には、再生速度倍率分の１
の値に設定し、圧縮率を再生速度倍率分の１とした場合
に、圧縮処理が不可能である場合には、話速変換手段で
用いられる圧縮率を、再生速度倍率分の１より小さな圧
縮率で圧縮処理可能な値に設定する手段を備えているこ
とを特徴とする。

【０００７】圧縮処理が不可能である場合は、話速変換
手段で用いられるソフトウエア等によって異なる。圧縮
処理が不可能である場合には、たとえば、次のような１
つの場合がある。

【０００８】（１）αを圧縮率、データ入力個数をＰ、
データ出力個数をＱとて、圧縮率αをα＝Ｑ／Ｐで定義
した場合に、データ入力個数Ｐが規定ビット数の２進数
で表現できない場合。この場合には、データ入力個数Ｐ
が規定ビット数の２進数で表現できるような圧縮率であ
って、かつ１／Ｍより小さな圧縮率に、圧縮率が設定さ
れる。

【０００９】（２）αを圧縮率、データ入力個数をＰ、
データ出力個数をＱとて、圧縮率αをα＝Ｑ／Ｐで定義
した場合に、データ入力個数Ｑが規定ビット数の２進数
で表現できない場合。この場合には、データ入力個数Ｑ
が規定ビット数の２進数で表現できるような圧縮率であ
って、かつ１／Ｍより小さな圧縮率に、圧縮率が設定さ
れる。

【００１０】（３）αを圧縮率、データ入力個数をＰ、
データ出力個数をＱとて、圧縮率αをα＝Ｑ／Ｐで定義
した場合に、データ入力個数ＰおよびＱが規定ビット数
の２進数で表現できない場合。この場合には、データ入
力個数ＰおよびＱが規定ビット数の２進数で表現できる
ような圧縮率であって、かつ１／Ｍより小さな圧縮率
に、圧縮率が設定される。

【００１１】（４）圧縮処理が不可能である場合とは、
αを圧縮率、データ入力個数をＰ、データ出力個数をＱ
とて、圧縮率αをα＝Ｑ／Ｐで定義した場合に、圧縮率
αが規定ビット数の２進数で表現できない場合。この場
合には、圧縮率αが規定ビット数の２進数で表現できる
ような圧縮率であってかつ１／Ｍより小さな圧縮率に、
圧縮率が設定される。

【００１２】上記規定ビット数の２進数の表現形式に
は、固定小数点表現、浮動小数点表現等がある。

【００１３】

【発明の実施の形態】以下、図面を参照して、この発明
をＶＴＲに適用した場合の実施の形態について説明す
る。

【００１４】図１は、ＶＴＲに設けられた話速変換装置
の構成例を示している。

【００１５】入力音声信号は、Ａ／Ｄ変換部１に送ら
れ、たとえば１２ビットのディジタル信号に変換され
る。

【００１６】Ａ／Ｄ変換部１の出力は、区間判別部２に
送られる。区間判別部２は、所要数の音声データのパワ
ーの平均値、パワーの累積値、振幅平均値、振幅累積値
等に基づいて、入力音声が音声区間であるか、無音区間
であるかを判定する。

【００１７】所要数の音声データのパワーの平均値に基
づいて、入力音声が音声区間であるか、無音区間である
かを判定する場合について説明する。この場合には、所
定数の音声データの平均パワー値Ｐが算出される。この
平均パワー値Ｐは、サンプリングされた所定数の各音声
データの振幅を、ｉ₀，ｉ₁，…ｉ_N-1とすると、次の
数式１によって求められる。

【００１８】

【数１】

【００１９】そして、算出された平均パワー値Ｐと所定
のしきい値Ｔｈとが比較され、平均パワー値Ｐがしきい
値Ｔｈ以上である場合には（Ｐ≧Ｔｈ）、当該入力音声
信号が音声区間であると判定され、パワー値Ｐがしきい
値Ｔｈ未満である場合には（Ｐ＜Ｔｈ）、当該入力音声
信号が無音区間であると判定される。

【００２０】このしきい値は、音声データのレベルに応
じて変化させてもよい。また、定常雑音、環境雑音も無
音区間として取り扱われる。

【００２１】なお、入力音声信号のパワースペクトル、
入力信号の周期性の有無等に基づいて、入力音声が音声
区間であるか、無音区間であるかを判定するようにして
もよい。また、音声区間に関しては、その特徴を分析
し、母音または子音（有声子音、無音子音）の判別をも
行なってよい。

【００２２】話速制御部３は、音声圧縮部３１と無音削
除部３２とを備えている。音声区間であると判定された
音声データは、音声圧縮部３１によって、圧縮処理（時
間軸伸長処理）が行なわれる。無音区間であると判定さ
れた音声データは、無音削除部３２によって削除され
る。

【００２３】音声圧縮部３１によって圧縮処理が行なわ
れた音声データは、音声メモリ４に一旦蓄積される。音
声メモリ４に蓄積された音声データは、逐次読み出され
てＤ／Ａ変換部５に送られ、アナログ信号に変換され
る。

【００２４】音声メモリ４内の未読み出しの音声データ
の蓄積量は、蓄積量算出部６によって算出される。蓄積
量算出部６によって算出された蓄積量Ｓは圧縮率制御部
７に送られる。圧縮率制御部７は、蓄積量算出部６によ
って算出された蓄積量Ｓと操作部８によって設定されて
いる再生速度倍率Ｍとに基づいて、音声圧縮部３１で用
いられる圧縮率αを制御する。なお、Ｍは、Ｍ＞１とな
る任意の値である。

【００２５】再生速度倍率Ｍの場合には、Ｍ倍速再生時
の音声の音程を１倍速再生時（標準再生速度での再生
時）の音声の音程に戻すために、Ａ／Ｄ変換部１のサン
プリング周波数ｆ_ADは、次の数式２で示されるように、
Ｄ／Ａ変換部５のサンプリング周波数ｆ_DAのＭ倍に設定
される。

【００２６】

【数２】

【００２７】したがって、Ｍ＝２の場合（２倍速再生
時）には、ｆ_AD＝２ｆ_DAとなる。一方、時間軸圧縮伸長
部３１で用いられる圧縮率αは、蓄積量算出部６によっ
て算出された蓄積量が第１の所定値ＳＨに達するまで
は、出力音声の話速を入力音声の話速より遅くさせるた
めに、１／Ｍより大きな第１設定値（α＞１／Ｍ）に設
定される。したがって、Ｍ＝２の場合（２倍速再生時）
には、圧縮率αは１／２より大きな値、たとえば、２／
３に設定される。

【００２８】蓄積量算出部６によって算出された蓄積量
が第１の所定値ＳＨに達した場合には、未読み出しデー
タの蓄積量が音声メモリ４の容量を越えないように（音
切れが発生しないように）、音声圧縮部３１で用いられ
る圧縮率αは、１／Ｍ以下の第２の設定値（α≦１／
Ｍ）に設定される。ただし、原則的には、圧縮率αは、
１／Ｍに設定され、１／Ｍでの圧縮処理が不可能な場合
には、１／Ｍより小さな圧縮率α（α＜１／Ｍ）に設定
される。Ｍ＝２の場合（２倍速再生時）には、圧縮率α
は１／２に設定される。

【００２９】そして、蓄積量算出部６によって算出され
た蓄積量が第２の所定値ＳＬ（ＳＬ＜ＳＨ）まで低下す
ると、音声圧縮部３１で用いられる圧縮率αは、第２の
設定値から第１の設定値に戻される。

【００３０】音声圧縮部３１で用いられる圧縮法として
は、たとえば、ポインタ移動制御による重複加算法(PIC
OLA : Pointer Interval Control Overlap and Add)、
TDHS(Time Domain Harmonic Scaling)法等がある。ＰＩ
ＣＯＬＡを用いて、入力音声データを圧縮率α＝２／３
で圧縮する方法について、図２を用いて簡単に説明す
る。

【００３１】まず、入力音声データ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へ直線的に向かう重み（重み関数Ｋ
２）がつけられて波形Ｂ’が作成される。

【００３２】そして、これらの波形Ａ’およびＢ’が加
え合わされて、長さＴｐの波形Ａ’＊Ｂ’が作成され
る。上記重みは、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、ポインタが、
圧縮率αに基づいて決定された長さである３Ｔｐ分だけ
移動せしめられ、同様な操作が行なわれる。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。

【００３３】上記の例では、ピッチ周期単位で圧縮処理
を行なっているが、予め定められた固定フレーム長単位
で圧縮処理を行なってもよい。

【００３４】１／Ｍより大きな圧縮率α｛α＞（１／
Ｍ）｝で、入力信号を圧縮した場合に、出力音声の話速
が入力音声の話速に対して遅くなる理由について、Ｍ＝
２で、α＝２／３の場合を例にとって説明する。

【００３５】Ｍ＝２の場合（ｆ_AD＝２ｆ_DAの場合）に
は、単位時間当たりにＡ／Ｄ変換部１によって変換され
るデータ量は、単位時間当たりにＤ／Ａ変換部５によっ
て変換されるデータ量の２倍になる。ｎ＝１／２の場合
（ｆ_AD／ｆ_DA＝２の場合）において、Ａ／Ｄ変換された
音声データをそのままＤ／Ａ変換して出力するとする。
この場合、Ａ／Ｄ変換されたディジタルデータおよびＤ
／Ａ変換されたディジタルデータを時間軸上で表示する
と、図３に示すようになる。

【００３６】図３において、ｔ１はＡ／Ｄ変換部１のサ
ンプリング周期（１／ｆ_AD）であり、Ｄ／Ａ変換部５の
サンプリング周期（１／ｆ_DA）は２ｔ１となる。図３か
ら明らかなように、Ｄ／Ａ変換データ列（Ａ１〜Ａ６）
は、Ａ／Ｄ変換データ列（Ａ１〜Ａ６）が２倍に時間軸
上で伸長されたものとなる。つまり、入力音声信号の所
定時間Ｔの長さが、時間軸上で２倍に伸長されて、出力
音声信号として出力されることになるので、入力音声の
話速に対して、出力音声の話速が２倍遅くなったことに
なる。

【００３７】そこで、所定時間長さの入力音声信号を、
時間長さを変更することなく、出力音声信号として出力
するためには、言い換えれば、入力音声の話速と出力音
声の話速を同じにするには、Ａ／Ｄ変換部１によって変
換された音声データを、１／２倍に圧縮する必要があ
る。つまり、図４に示すように、Ａ／Ｄ変換された音声
データを１個ずつ間引くことにより、Ａ／Ｄ変換された
音声データを１／２倍に圧縮すれば、入力音声信号の所
定長さＭの時間長が変更されることなく、出力音声信号
として出力される。図４の例では、Ａ／Ｄ変換データ列
Ａ１、Ａ２、…Ａ７が、１／２倍に圧縮されることによ
り、Ｄ／Ａ変換データ列Ａ１、Ａ３、Ａ５、Ａ７に変換
されている。

【００３８】入力音声の話速に対して、出力音声の話速
を遅くするには、入力音声信号の所定時間長さを時間軸
上で伸長して、出力音声信号として出力すればよいこと
になる。ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場合）に
は、Ａ／Ｄ変換されたデータと、Ｄ／Ａ変換されたデー
タとの時間長さが同じになる１／２倍の圧縮より、圧縮
の割合（度合い）を小さくすればよい。

【００３９】つまり、入力音声の話速に対して、出力音
声の話速を遅くするためには、Ａ／Ｄ変換部１によって
変換された音声データを１／２より大きな圧縮率αで圧
縮する必要がある。たとえば、Ａ／Ｄ変換部１によって
変換された音声区間の音声データを、圧縮率α＝１／２
より大きな圧縮率α＝２／３で圧縮した場合には、出力
音声信号の音声区間は、入力音声信号の音声区間を２／
３に圧縮したことになる。したがって、この場合には、
圧縮率α＝１／２で圧縮した場合に比べて、１／２−２
／３＝１／６だけ、入力される音声区間が時間軸上で伸
長されて出力されることになる。

【００４０】蓄積量算出部６によって算出された蓄積量
が第１の所定値に達した場合の、圧縮率α（第２の設定
値）の決定方法について説明する。ここでは、音声圧縮
部３１が、αを圧縮率、データ入力個数をＰ、データ出
力個数をＱとて、圧縮率αをα＝Ｑ／Ｐで定義した場合
に、データ入力個数Ｐが規定ビット数の２進数で表現で
きない場合に、圧縮処理を行なえないシステムである場
合について説明する。

【００４１】Ａ／Ｄ変換部１のサンプリング周波数ｆ_AD
と、Ｄ／Ａ変換部５のサンプリング周波数ｆ_DAとは、単
一のクロック発振器から発生したクロック信号を分周す
ることにより生成される。

【００４２】例えば、再生速度倍率をＭとして、１＜Ｍ
≦２の範囲で、通常速度に対して再生速度が速くなるよ
うに、再生速度倍率を変化させることができるシステム
を想定する。Ｄ／Ａ変換部５のサンプリング周波数ｆ_DA
は、何れの再生速度倍率においても一定であり、クロッ
ク発振器から発生したクロック信号を、１０分周するこ
とにより生成されるものとする。つまり、Ｄ／Ａ変換部
５のサンプリング周波数ｆ_DAは、クロック発振器から発
生したクロック信号の周波数をＫとすると、次の数式３
によって表される。

【００４３】

【数３】

【００４４】一方、Ａ／Ｄ変換部１のサンプリング周波
数ｆ_ADは、クロック発振器から発生したクロック信号の
周波数をＫとし、Ｎ（Ｎ：整数）を再生速度倍率に応じ
た変数とすると、次の数式４によって表される。

【００４５】

【数４】

【００４６】したがって、ｆ_AD／ｆ_DAは、次の数式５に
よって表される。

【００４７】

【数５】

【００４８】出力音声の音程を、１倍速再生時の音程と
するためには、次の数式６の関係を満たす必要がある。

【００４９】

【数６】

【００５０】したがって、ＮとＭには、次の表１のよう
な関係がある。

【００５１】

【表１】

【００５２】音声区間の途切れをなくすためには、理論
的には、圧縮率αは、数式７のように設定すればよい。

【００５３】

【数７】

【００５４】通常の圧縮処理では、音声圧縮部３１に入
力される所定単位の波形（音声のピッチ周期単位の波形
または固定長単位の波形）の入力個数と、音声圧縮部３
１から出力される所定単位の波形の出力個数との比が次
の数式８または数式９となるように、間引き処理が行な
われる。

【００５５】

【数８】

【００５６】

【数９】

【００５７】数式８および９において、ここでｍは正の
整数であり、Ｌは任意の数とする。圧縮率は、出力個数
／入力個数で表される。音声のピッチ周期または固定長
の周期をＴとすると、数式８では、（Ｌ＋ｍ）Ｔ個のデ
ータからｍＴ個のデータを間引いて、ＬＴ個のデータを
生成することになる。数式９では、ＬＴ個のデータから
ｍＴ個のデータを間引いて、（Ｌ−ｍ）Ｔ個のデータを
生成することになる。

【００５８】ここでは、音声圧縮部３１において数式９
による間引き処理が行なわれるものとする。ｍ＝１の場
合には、ＬＴ個のデータからＴ個のデータを間引いて、
（Ｌ−１）Ｔ個のデータを生成することになる。この場
合の圧縮率αは、数式１０で表される。

【００５９】

【数１０】

【００６０】したがって、データ入力個数と、データ出
力個数とは、数式１１で表される。

【００６１】

【数１１】

【００６２】したがって、データ入力個数Ｔ／（１−
α）を規定ビット数内の２進数として実現できれば、圧
縮率αでの圧縮処理が行なえることになる。周期Ｔをピ
ッチ周期とすると、音声のピッチ周期Ｔ（Ｔは正の整
数）は入力される音声により変化するので、１／（１−
α）を規定ビット数内の２進数として実現できれば、圧
縮率αでの圧縮処理が行なえることになる。

【００６３】たとえば、表１の各再生速度倍率Ｍにおけ
る１／（１−α）は、次の表２のようになる。

【００６４】

【表２】

【００６５】規定ビット数を１６ビットとすると、１／
（１−α）を、１６ビットの２進数で表すことができれ
ば、圧縮率αでの圧縮処理が行なえることになる。ここ
で、再生速度倍率Ｍを表１の再生速度倍率Ｍの範囲内と
すると、１／（１−α）は、次の数式１０の範囲内で、
１６ビットの２進数で表すことを試みる。

【００６６】

【数１２】

【００６７】ところで、１６ビット長の固定小数点演算
においては、次のような表現形式が用いられる。

【００６８】（１）第１の表現形式：最上位桁は、正負
を表すために用い、その次の７ビットは整数値を表すた
めに用い、下位８ビットは小数部を表すために用いる形
式。この表現形式では、−２⁸から｛２⁸−（１／
２⁷）｝まで表現できる。

【００６９】（２）第２の表現形式：最上位桁は、正負
を表すために用い、下位１５ビットは小数部を表すため
に用いる形式。この表現形式では、−１から｛１−（１
／２¹⁵）｝まで表現できる。

【００７０】（３）第３の表現形式：最上位桁は、正負
を表すために用い、その次の４ビットは整数値を表すた
めに用い、下位１１ビットは小数部を表すために用いる
形式。この表現形式では、−２⁴から｛２⁴−（１／２
¹¹）｝まで表現できる。

【００７１】（４）第４の表現形式：最上位桁は、正負
を表すために用い、下位１５ビットは整数部を表すため
に用いる形式。この表現形式では、−２¹⁵ から（２¹⁵
−１）まで表現できる。

【００７２】ここでは、第３の表現形式が用いられてい
るものとする。１／（１−α）をこのような表現形式の
２進数で表すと、次の数式１３のようになる。

【００７３】

【数１３】

【００７４】｛１／（１−α）｝×２¹¹は、次の数式１
４で表されるようになる。

【００７５】

【数１４】

【００７６】したがって、｛１／（１−α）｝×２¹¹が
整数であれば、｛１／（１−α）｝も１６ビットの２進
数で表されることになる。表２の各再生速度倍率Ｍにつ
いて、検討する。

【００７７】Ｍ＝２、α＝１／２であれば、｛１／（１
−α）｝×２¹¹＝２０４８となる。

【００７８】Ｍ＝５／３、α＝３／５であれば、｛１／
（１−α）｝×２¹¹＝５１２０となる。

【００７９】Ｍ＝４／５、α＝５／４であれば、｛１／
（１−α）｝×２¹¹＝１０２４０となる。

【００８０】Ｍ＝１０／９、α＝９／１０であれば、
｛１／（１−α）｝×２¹¹＝２０４８０となる。

【００８１】したがって、Ｍ＝２、Ｍ＝５／３、Ｍ＝４
／５およびＭ＝１０／９の再生速度倍率においては、α
＝１／Ｍとしても、｛１／（１−α）｝×２¹¹の値が整
数となる。したがって、これらの再生速度倍率において
は、音声メモリ４内の未読み出しデータの蓄積量が所定
値に達した場合に、圧縮率α＝１／Ｍとすることによ
り、音声区間の音切れを防止することができる。

【００８２】しかしながら、Ｍ＝１０／７、α＝７／１
０であれば、｛１／（１−α）｝×２¹¹＝（１０／３）
×２０４８＝６８２６．６６６…となり、整数で表され
なくなる。

【００８３】そこで、再生速度倍率１０／７に変えて、
｛１／（１−α）｝×２¹¹＝６８２６、または（１−
α）×２¹¹＝６８２７となるような再生速度倍率を決定
することが考えられる。

【００８４】すなわち、Ｍ＝１／αであるので、｛１／
（１−α）｝×２０４８＝６８２６に相当する再生速度
倍率ＭＡは次式１５となり、｛１／（１−α）｝×２０
４８＝６８２７に相当する再生速度倍率ＭＢは次式１６
となる。

【００８５】

【数１５】

【００８６】

【数１６】

【００８７】Ｍ＝ｆ_AD／ｆ_DAであるので、再生速度倍率
ＭＡの場合には、ｆ_AD／ｆ_DA＝３４１３／２３８９とな
り、再生速度倍率ＭＢの場合には、ｆ_AD／ｆ_DA＝６８２
７／４７７９となり、いずれの場合も、クロック発振器
から発生したクロック信号に基づいて、このような比率
の周波数信号を生成することは容易でないことは明らか
である。

【００８８】そこで、再生速度倍率Ｍとして１０／７が
設定されている場合において、音声メモリ４内の未読み
出しデータの蓄積量が所定値に達した場合には、圧縮率
αは次のような値に設定される。

【００８９】すなわち、音声メモリ４内の未読み出しデ
ータの蓄積量が所定値に達した場合には、圧縮率αを１
／Ｍ＝７／１０より小さな値に設定する。６／１０＜７
／１０＜６／１０であるので、α＝６／１０、α＝７／
１０、α＝８／１０のそれぞれについて、｛１／（１−
α）｝×２¹¹を算出すると、次の数式１７に示すように
なる。

【００９０】

【数１７】

【００９１】このようにαが小さくなれば、｛１／（１
−α）｝×２¹¹の値は大きくなる。したがって、圧縮率
αを７／１０より小さくするためには、次の数式１８を
満たすような整数を選定すればよい。

【００９２】

【数１８】

【００９３】つまり、｛１／（１−α）｝×２¹¹が６８
２６以下の整数となる圧縮率αが選定される。

【００９４】上記は、音声圧縮部３１が、入力個数Ｔ／
（１−α）を規定ビット数内の２進数として実現できれ
ば、圧縮率αでの圧縮処理が行なえるシステムである場
合について説明したが、音声圧縮部３１が、出力個数α
・Ｔ／（１−α）を規定ビット数内の２進数として実現
できれば、圧縮率αでの圧縮処理が行なえるシステムで
ある場合には、上述した入力個数を規定ビット数内の２
進数として表現する考え方を、出力個数α・Ｔ／（１−
α）に対して適用すればよい。

【００９５】また、音声圧縮部３１が、入力個数Ｔ／
（１−α）および出力個数α・Ｔ／（１−α）の両方を
規定ビット数内の２進数として実現できれば、圧縮率α
での圧縮処理が行なえるシステムである場合には、上述
した入力個数を規定ビット数内の２進数として表現する
考え方を、入力個数Ｔ／（１−α）および出力個数α・
Ｔ／（１−α）の両方に対して適用すればよい。

【００９６】なお、この発明は、音声圧縮部３１が、圧
縮率αを規定ビット数内の２進数として実現できれば、
圧縮率αでの圧縮処理が行なえるシステムにも適用する
ことができる。圧縮率を規定ビット数内の２進数で表現
できれば、圧縮率×入力個数＝出力個数であるので、圧
縮率αでの圧縮処理が容易に行なえることが推測でき
る。表２における圧縮率αの範囲は、数式１９で示すよ
うになる。

【００９７】

【数１９】

【００９８】これを、上記第２表現形式の２進数では、
αは次の数式２０のように表される。

【００９９】

【数２０】

【０１００】ここで、α×２¹⁵とすれば、これは次の数
式２１で表されるようになる。

【０１０１】

【数２１】

【０１０２】したがって、α×２¹⁵が整数であれば、α
も１６ビットの２進数で表されることになる。表２の各
再生速度倍率Ｍについて、検討する。

【０１０３】Ｍ＝２、α＝１／２であれば、α×２¹⁵＝
１６３８４となる。

【０１０４】Ｍ＝４／５、α＝５／４であれば、α×２
¹⁵＝４０９６０となる。

【０１０５】しかしながら、Ｍ＝１０／６（α＝３／
５）の場合、Ｍ＝１０／７（α＝７／１０）の場合、Ｍ
＝１０／９（α＝９／１０）の場合は、α×２¹⁵は、整
数とならない。

【０１０６】Ｍ＝１０／６（α＝３／５）の場合には、
α＜３／５で、α×２¹⁵が２進数で表現できる値に、α
は設定される。

【０１０７】Ｍ＝１０／７（α＝７／１０）の場合に
は、α＜７／１０で、α×２¹⁵が２進数で表現できる値
に、αは設定される。

【０１０８】Ｍ＝１０／９（α＝９／１０）の場合に
は、α＜９／１０で、α×２¹⁵が２進数で表現できる値
に、αは設定される。

【０１０９】なお、この発明は、図５、図６および図７
にそれぞれ示すような話速変換装置にも適用することが
できる。

【０１１０】図５の話速変換装置について説明する。

【０１１１】入力音声信号は、Ａ／Ｄ変換部１０１に送
られ、ディジタル信号に変換される。Ａ／Ｄ変換部１０
１の出力は、音声メモリ１０２を介して区間判別部１０
３に送られる。区間判別部１０３は、所要数の音声デー
タのパワーの平均値、パワーの累積値、振幅平均値、振
幅累積値等に基づいて、入力音声が音声区間であるか、
無音区間であるかを判定する。

【０１１２】話速制御部１０４は、音声圧縮部１１１と
無音削除部１１２とを備えている。音声区間であると判
定された音声データは、音声圧縮部１１１によって、圧
縮処理が行なわれる。無音区間であると判定された音声
データは、無音削除部１１２によって削除される。

【０１１３】音声圧縮部１１１によって圧縮処理が行な
われた音声データは、Ｄ／Ａ変換部１０５に送られ、ア
ナログ信号に変換される。

【０１１４】音声メモリ１０２内の未読み出しの音声デ
ータの蓄積量は、蓄積量算出部１０６によって算出され
る。蓄積量算出部１０６によって算出された蓄積量Ｓは
圧縮率制御部１０７に送られる。圧縮率制御部１０７
は、蓄積量算出部１０６によって算出された蓄積量Ｓと
操作部１０８によって設定されている再生速度倍率Ｍと
に基づいて、音声圧縮部１１１で用いられる圧縮率αを
制御する。

【０１１５】再生速度倍率Ｍの場合には、Ａ／Ｄ変換部
１０１のサンプリング周波数ｆ_ADは、Ｄ／Ａ変換部１０
５のサンプリング周波数ｆ_DAのＭ倍に設定される。一
方、音声圧縮部１１１で用いられる圧縮率αは、蓄積量
算出部１０６によって算出された蓄積量が第１の所定値
ＳＨに達するまでは、１／Ｍより大きな第１設定値（α
＞１／Ｍ）に設定される。蓄積量算出部１０６によって
算出された蓄積量が第１の所定値ＳＨに達した場合に
は、音声圧縮部３１で用いられる圧縮率αは、１／Ｍ以
下の第２の設定値（α≦１／Ｍ）に設定される。

【０１１６】そして、蓄積量算出部１０６によって算出
された蓄積量が第２の所定値ＳＬ（ＳＬ＜ＳＨ）まで低
下すると、音声圧縮部１１１で用いられる圧縮率αは、
第２の設定値から第１の設定値に戻される。

【０１１７】図６の話速変換装置について説明する。

【０１１８】入力音声信号は、Ａ／Ｄ変換部２０１に送
られ、ディジタル信号に変換される。Ａ／Ｄ変換部２０
１の出力は、区間判別部２０２に送られる。区間判別部
２０２は、所要数の音声データのパワーの平均値、パワ
ーの累積値、振幅平均値、振幅累積値等に基づいて、入
力音声が音声区間であるか、無音区間であるかを判定す
る。

【０１１９】入力音声信号のうち、無音区間であると判
定された音声データは、無音削除部２０３によって削除
され、音声区間であると判定された音声データは、音声
メモリ２０４に蓄積される。音声メモリ２０４に蓄積さ
れたデータは順次読み出され、音声圧縮部２０５に送ら
れる。音声圧縮部２０５では圧縮処理が行なわれる。

【０１２０】音声圧縮部２０５によって圧縮処理が行な
われた音声データは、Ｄ／Ａ変換部２０６に送られ、ア
ナログ信号に変換される。

【０１２１】音声メモリ２０４内の未読み出しの音声デ
ータの蓄積量は、蓄積量算出部２０７によって算出され
る。蓄積量算出部２０７によって算出された蓄積量Ｓは
圧縮率制御部２０８に送られる。圧縮率制御部２０８
は、蓄積量算出部２０７によって算出された蓄積量Ｓと
操作部２０９によって設定されている再生速度倍率Ｍと
に基づいて、音声圧縮部２０５で用いられる圧縮率αを
制御する。

【０１２２】再生速度倍率Ｍの場合には、Ａ／Ｄ変換部
２０１のサンプリング周波数ｆ_ADは、Ｄ／Ａ変換部２０
６のサンプリング周波数ｆ_DAのＭ倍に設定される。一
方、音声圧縮部２０５で用いられる圧縮率αは、蓄積量
算出部２０７によって算出された蓄積量が第１の所定値
ＳＨに達するまでは、１／Ｍより大きな第１設定値（α
＞１／Ｍ）に設定される。蓄積量算出部２０７によって
算出された蓄積量が第１の所定値ＳＨに達した場合に
は、音声圧縮部２０５で用いられる圧縮率αは、１／Ｍ
以下の第２の設定値（α≦１／Ｍ）に設定される。

【０１２３】そして、蓄積量算出部２０７によって算出
された蓄積量が第２の所定値ＳＬ（ＳＬ＜ＳＨ）まで低
下すると、音声圧縮部２０５で用いられる圧縮率αは、
第２の設定値から第１の設定値に戻される。

【０１２４】図７の話速変換装置について説明する。

【０１２５】入力音声信号は、Ａ／Ｄ変換部３０１に送
られ、ディジタル信号に変換される。Ａ／Ｄ変換部３０
１の出力は、音声圧縮部３０２に送られて圧縮処理され
る。音声圧縮部３０２によって圧縮処理が行なわれた音
声データは、音声メモリ３０３に蓄積される。

【０１２６】音声メモリ３０３から読み出された音声デ
ータは、区間判別部３０４に送られる。区間判別部３０
４は、所要数の音声データのパワーの平均値、パワーの
累積値、振幅平均値、振幅累積値等に基づいて、入力音
声が音声区間であるか、無音区間であるかを判定する。

【０１２７】音声メモリ３０３から読み出された音声デ
ータのうち、無音区間であると判定された音声データ
は、無音削除部３０５によって削除され、音声区間であ
ると判定された音声データは、Ｄ／Ａ変換部３０６に送
られ、アナログ信号に変換される。

【０１２８】音声メモリ３０３内の未読み出しの音声デ
ータの蓄積量は、蓄積量算出部３０７によって算出され
る。蓄積量算出部３０７によって算出された蓄積量Ｓは
圧縮率制御部３０８に送られる。圧縮率制御部３０８
は、蓄積量算出部３０７によって算出された蓄積量Ｓと
操作部３０９によって設定されている再生速度倍率Ｍと
に基づいて、音声圧縮部３０２で用いられる圧縮率αを
制御する。

【０１２９】再生速度倍率Ｍの場合には、Ａ／Ｄ変換部
３０１のサンプリング周波数ｆ_ADは、Ｄ／Ａ変換部３０
６のサンプリング周波数ｆ_DAのＭ倍に設定される。一
方、音声圧縮部３０２で用いられる圧縮率αは、蓄積量
算出部３０７によって算出された蓄積量が第１の所定値
ＳＨに達するまでは、１／Ｍより大きな第１設定値（α
＞１／Ｍ）に設定される。蓄積量算出部３０７によって
算出された蓄積量が第１の所定値ＳＨに達した場合に
は、音声圧縮部３０２で用いられる圧縮率αは、１／Ｍ
以下の第２の設定値（α≦１／Ｍ）に設定される。

【０１３０】そして、蓄積量算出部３０７によって算出
された蓄積量が第２の所定値ＳＬ（ＳＬ＜ＳＨ）まで低
下すると、音声圧縮部３０２で用いられる圧縮率αは、
第２の設定値から第１の設定値に戻される。上述した規
定ビット数の２進数表現については、１６ビット固定小
数点表現について説明したが、１６ビット以外の規定ビ
ット数の固定小数点表現を用いてもよい。また、規定ビ
ット数の浮動小数点表現を用いてもよい。

【０１３１】

【発明の効果】この発明によれば、音声メモリ内の未読
み出しの音声データの蓄積量が所定量を越えたときに、
再生速度倍率分の１の圧縮率で圧縮処理を行なうことが
できない場合においても、音声メモリ内の未読み出しの
音声データの蓄積量が音声メモリの容量を越えないよう
にすることができるようになる。

【図面の簡単な説明】

【図１】話速変換装置の構成を示すブロック図である。

【図２】ＰＩＣＯＬＡ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３】ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場合）に
おいて、Ａ／Ｄ変換された音声データをそのままＤ／Ａ
変換して出力した場合の、Ａ／Ｄ変換されたディジタル
データおよびＤ／Ａ変換されたディジタルデータを示す
タイムチャートである。

【図４】ｎ＝１／２の場合（ｆ_AD／ｆ_DA＝２の場合）に
おいて、入力音声の話速と出力音声の話速を同じにする
ために、Ａ／Ｄ変換された音声データを１個ずつ間引い
た場合の、Ａ／Ｄ変換されたディジタルデータおよびＤ
／Ａ変換されたディジタルデータを示すタイムチャート
である。

【図５】話速変換装置の他の例を示すブロック図であ
る。

【図６】話速変換装置のさらに他の例を示すブロック図
である。

【図７】話速変換装置のさらに他の例を示すブロック図
である。

【符号の説明】

１、１０１、２０１、３０１Ａ／Ｄ変換部３１、１１１、２０５、３０２音声圧縮部４、１０２、２０４、３０３音声メモリ５、１０５、２０６、３０６Ｄ／Ａ変換部６、１０６、２０７、３０７蓄積量算出部７、１０７、２０８、３０８圧縮率制御部８、１０８、２０９、３０９操作部

Claims

【特許請求の範囲】

【請求項１】１より大きな再生速度倍率で再生が行な
われる際に、入力音声信号のうち、少なくとも音声区間
の信号を圧縮処理することにより、入力音声の話速を遅
くさせる話速変換手段と、話速変換手段の前段、後段ま
たは内部に設けられ、入力音声の話速を遅くして出力す
る際に生じる遅延量を吸収するために音声データを蓄積
される音声メモリとを備えた話速変換装置において、音声メモリ内の未読み出しの音声データの蓄積量を算出
する蓄積量算出手段、ならびに、音声メモリ内の未読み出しの音声データの蓄積量が所定
値を越えた時に、話速変換手段で用いられる圧縮率を、
原則的には、再生速度倍率分の１の値に設定し、圧縮率
を再生速度倍率分の１とした場合に、圧縮処理が不可能
である場合には、話速変換手段で用いられる圧縮率を、
再生速度倍率分の１より小さな圧縮率で圧縮処理可能な
値に設定する手段、を備えていることを特徴とする話速変換装置。
【請求項２】圧縮処理が不可能である場合とは、αを
圧縮率、データ入力個数をＰ、データ出力個数をＱと
て、圧縮率αをα＝Ｑ／Ｐで定義した場合に、データ入
力個数Ｐが規定ビット数の２進数で表現できない場合を
いい、この場合には、データ入力個数Ｐが規定ビット数
の２進数で表現できるような圧縮率であって、かつ１／
Ｍより小さな圧縮率に、圧縮率が設定される請求項１に
記載の話速変換装置。
【請求項３】圧縮処理が不可能である場合とは、αを
圧縮率、データ入力個数をＰ、データ出力個数をＱと
て、圧縮率αをα＝Ｑ／Ｐで定義した場合に、データ入
力個数Ｑが規定ビット数の２進数で表現できない場合を
いい、この場合には、データ入力個数Ｑが規定ビット数
の２進数で表現できるような圧縮率であって、かつ１／
Ｍより小さな圧縮率に、圧縮率が設定される請求項１に
記載の話速変換装置。
【請求項４】圧縮処理が不可能である場合とは、αを
圧縮率、データ入力個数をＰ、データ出力個数をＱと
て、圧縮率αをα＝Ｑ／Ｐで定義した場合に、データ入
力個数ＰおよびＱが規定ビット数の２進数で表現できな
い場合をいい、この場合には、データ入力個数Ｐおよび
Ｑが規定ビット数の２進数で表現できるような圧縮率で
あって、かつ１／Ｍより小さな圧縮率に、圧縮率が設定
される請求項１に記載の話速変換装置。
【請求項５】圧縮処理が不可能である場合とは、αを
圧縮率、データ入力個数をＰ、データ出力個数をＱと
て、圧縮率αをα＝Ｑ／Ｐで定義した場合に、圧縮率α
が規定ビット数の２進数で表現できない場合をいい、こ
の場合には、圧縮率αが規定ビット数の２進数で表現で
きるような圧縮率であってかつ１／Ｍより小さな圧縮率
に、圧縮率が設定される請求項１に記載の話速変換装
置。
【請求項６】規定ビット数の２進数の表現形式は、固
定小数点表現および浮動小数点表現のうちから選択され
た任意の表現形式である請求項２、３、４および５のい
ずれかに記載の話速変換装置。