JPH1055193A

JPH1055193A - 音声分析方法

Info

Publication number: JPH1055193A
Application number: JP8213379A
Authority: JP
Inventors: Yoichiro Matsumura; 陽一郎松村
Original assignee: Meidensha Corp; Meidensha Electric Manufacturing Co Ltd
Current assignee: Meidensha Corp; Meidensha Electric Manufacturing Co Ltd
Priority date: 1996-08-13
Filing date: 1996-08-13
Publication date: 1998-02-24

Abstract

(57)【要約】【課題】声道特性を精度良く推定できるようにして、
合成音の音質の向上を図ったものである。【解決手段】音声スペクトルのピーク点を例えば３次
元スプライン法により補間工程１１で補間する。この補
間工程１１で補間された値からスペクトル包絡をスペク
トル包絡工程１２で求める。その後、この工程１２で求
められたスペクトル包絡から声道パラメータである線形
予測係数を推定し、線形予測係数決定工程１３で線形予
測係数を決定した後、精度良く線形予測係数を抽出工程
１４で抽出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、規則音声合成に
おける音質向上を図るために、声道特性を精度良く推定
する音声分析方法に関する。

【０００２】

【従来の技術】規則音声合成は、任意の日本語文章を漢
字かな混じり文として与えれば、出力にその文が音声と
して出力されるものである。図１０は規則音声合成シス
テムの概略構成のブロック図で、図１０において、テキ
スト入力部１１に入力された漢字かな混じり文を、日本
語処理部１２で内蔵の日本語辞書を参照しながら音素記
号列に変換する。次に、この音素記号列に基づき、韻律
パターン生成部１３で韻律パターンを生成する。韻律パ
ターン生成部１３は、時間長パターン生成部１３ａ、ピ
ッチパターン生成部１３ｂおよびエネルギパターン生成
部１３ｃから構成され、これら各生成部１３ａ〜１３ｃ
で韻律パターンが生成される。

【０００３】各生成部１３ａ〜１３ｃで各パターンを生
成する際には、それぞれ時間長パターンデータベース
１、ピッチパターンデータベース２およびエネルギパタ
ーンデータベース３のデータに基づき、各音素毎に目標
値を定めて行く手段を取っている。このようにして得ら
れた韻律パターンと音素記号列を基に、音声合成部１４
では、音声素片データベース４から必要なデータを参照
し、所望の韻律パターンを実現しながら音声波形が生成
される。音声合成部１４で生成された音声波形は音声出
力部５から音声出力となって放声される。

【０００４】上記のように構成された規則音声合成シス
テムにおいて、音声を合成する基となる音声素片データ
ベース４は、実音声を分析し、算出してデータベース化
したものである。分析手法には、線形予測分析方法（Ｌ
ＰＣ分析方法）および、その改良であるＰＡＲＣＯＲ分
析方法、ＬＳＰ分析方法が代表的なものである。これら
方法による分析により得られた、声道特性を表す声道パ
ラメータと音源波形は音声素片データ毎にデータベース
化して保管される。この素片データとしては、子音→母
音（ＣＶデータ）、母音→子音（ＶＣデータ）、母音→
母音（ＶＶデータ）等の単位で用意される。そして、音
声合成時には、これら素片データを対象文章に応じて参
照し、合成演算により音声波形が生成される。

【０００５】

【発明が解決しようとする課題】規則音声合成システム
における音声の品質、特に音質は、音声素片データ（声
道パラメータ、音源）を抽出する音声分析方法の推定精
度に大きく依存していることが知られている。従来の線
形予測分析方法は、理論的には、音源すなわち、音声生
成システムの入力を孤立パルスあるいはホワイトノイズ
と仮定し、システムの伝達関数を推定している。このこ
とをスペクトル上で解釈すると、入力のスペクトルがあ
らゆる周波数にわたって一定である。従って、音声スペ
クトルは滑らかな連続スペクトルであり、それがそのま
ま声道の周波数特性（すなわちシステムの伝達関数）を
表すと仮定している。一方、母音等の有声音において入
力は、あるピッチ周波数を持つパルス列であると仮定す
べきであり、音声スペクトルにおいても入力パルス列の
周期性により、ピッチ周波数の整数倍のところに局所的
ピークを持つ線スペクトル構造を示すことになる。この
ため、分析結果に誤差が生じる恐れがある。特に、女性
音はピッチ周波数が高いため、孤立パルス仮定からのず
れが大きく推定精度が悪くなる。このことが音声合成時
におけるピッチ制御による音質劣化の大きな要因となっ
ていた。

【０００６】この発明は上記の事情に鑑みてなされたも
ので、声道特性を精度良く推定できるようにして、合成
音の音質の向上を図った音声分析方法を提供することを
課題とする。

【０００７】

【課題を解決するための手段】この発明は、上記の課題
を達成するために、規則音声合成において、音声特徴抽
出を行う際に、音声スペクトルのピーク点を補間するこ
とにより、スペクトル包絡を求め、その後、スペクトル
包絡から線形予測係数を決定することを特徴とし、前記
ピーク点の補間には３次元スプライン法を用いたことを
特徴とするものである。

【０００８】また、前記線形予測係数を抽出した後、音
声スペクトルのピーク点における値との誤差に基づき前
記線形予測係数を修正することを特徴とするものであ
る。

【０００９】

【発明の実施の形態】以下この発明の実施の形態を図面
に基づいて説明する。図１はこの発明の実施の第１形態
を示す工程説明図で、図１において、１１は音声スペク
トルのピーク点を例えば３次元スプライン法により補間
する補間工程である。この補間工程１１で求められたス
ペクトル包絡から声道パラメータである線形予測係数
を、線形予測係数決定工程１２で決定する。

【００１０】次に上記形態を図２の動作処理フローチャ
ートにより述べる。まず、音声データを読み込む（Ｓ
１）。この音声データに、窓長が基本周期の３〜５倍の
窓を掛けて切り出す（Ｓ２）。切り出したデータをＦＦ
Ｔにより電力スペクトルＰ（ω）、０≦ω≦πを求める
（Ｓ３）。ここで求められた電力スペクトルのピーク
（局所的）を図３に示すように検出し、その周波数と電
力スペクトル値｛ω_m，Ｐ（ω_m），ｍ＝１，２，…｝を
求める（Ｓ４）。ステップＳ４で求められた電力スペク
トルのピーク値の対数｛１ｎ｛Ｐ（ω_m）｝，ｍ＝１，
２，…｝を３次元スプライン法により補間することによ
り図４に示すスペクトル包絡Ｓ（ω）を求める（Ｓ
５）。求められたスペクトル包絡Ｓ（ω）から最尤推定
法により全極モデルにおける線形予測係数（声道パラメ
ータ）を決定する。具体的には、線形予測係数を
｛ａ_i，ｉ＝１，２，…，ｐ｝とし、全極型伝達関数Ｈ
（ω）を次式とすると、

【００１１】

【数１】

【００１２】次式の評価関数Ｉを最小にする線形予測係
数（ａ_i）を求める（Ｓ６）。

【００１３】

【数２】

【００１４】なお、評価関数Ｉは各ａ_iに関して二次で
あり、連立一次方程式の求解に帰着する。

【００１５】図５は第１形態の方法により女性音「あ」
（ピッチ周波数は約２６３Ｈｚ）を分析し、求めたパラ
メータによる全極型スペクトル包絡線であり、図６はＬ
ＰＣ分析法により求めたスペクトル包絡線である。この
両図から、従来のＬＰＣ分析法に比較して第１形態によ
る方法の方が音声スペクトルのピーク点を包絡線が精度
良く捕らえているのが明らかである。

【００１６】次にこの発明の実施の第２形態を図７に示
す動作処理フローチャートにより述べる。図７におい
て、ステップＳ１〜Ｓ６までの処理は第１形態と同じで
あるから、ステップＳ７以降について述べるに、この第
２形態では第１形態により線形予測係数を求めた後、電
力スペクトルのピーク点における値との誤差に基づき線
形予測係数を修正するようにしたことが特徴である。こ
のような工程を追加することにより、音声スペクトルの
ピーク点を精度良く捕らえることができるようになり、
これにより精度良いスペクトル包絡線を表す線形予測係
数に修正することができるようになる。

【００１７】図７において、全極型伝達関数Ｈ（ω）の
ゲインＧ（＞０）をステップＳ７で求める。具体的には
次式に示す評価関数Ｅを最小化するゲインＧを求めるこ
とにより決定する。ただし、Ｎはスペクトルのピーク点
の数である。

【００１８】

【数３】

【００１９】次に図８に示すスペクトルのピーク点にお
ける誤差ｅ（ω_m）を次式により求める（Ｓ８）。

【００２０】ｅ（ω_m）＝Ｐ（ω_m）／ＧＤ（ω_m）、 m=1、2、… ここで、ステップＳ８で求めた誤差ｅ（ω_m）のばらつ
きを｛Ｆ(ｅ(ω_m))、m=1,2,…｝により平滑化する（Ｓ
９）。その後、｛Ｆ(ｅ(ω_m))、m=1,2,…｝を３次元ス
プライン法により補間し、補間曲線をＳｅ（ω）とする
（Ｓ１０）。図９に補間曲線を示す。なお、Ｆは次式に
示すような誤差のばらつきを平滑する関数であり、ωが
０に近い程平滑化される。

【００２１】

【数４】

【００２２】上記補間曲線Ｓｅ（ω）が得られたなら、
Ｇ×Ｄ(ω)にexp(Ｓｅ(ω))を掛けスペクトル包絡を修
正する（Ｓ１１）。次に、Ｇ×Ｄ(ω)×exp(Ｓｅ(ω))
を前記第１形態のステップＳ５におけるスペクトル包絡
Ｓ（ω）として線形予測係数を決定する（Ｓ１２）。そ
の後、ステップＳ７からステップＳ１２までの操作をス
テップＳ１３で数回繰り返して処理を終了する。

【００２３】次にこの発明の実施の第３形態について述
べるに、この第３形態の方法は前記第２形態におけるス
テップＳ１１において、評価関数を変えたものである。
このように評価関数を変えると、音声スペクトルのピー
ク点を精度良く捕らえることができるようになり、これ
により精度良いスペクトル包絡線を表す線形予測係数に
修正することができる。

【００２４】この第３形態の動作処理は第２形態の動作
処理とステップＳ１０まで同じであり、ステップＳ１１
からの処理が以下のように異なる。ステップＳ１１でス
ペクトル包絡Ｓ（ω）が、Ｓ（ω）＝Ｇ×Ｄ（ω）×ex
p(Ｓｅ(ω))とする。このとき、全極型伝達関数Ｈ
（ω）の絶対値の２乗を次式のようにすると、

【００２５】

【数５】

【００２６】次式の評価関数Ｊを最小化することによ
り、係数（ｂ_i）を求める。

【００２７】

【数６】

【００２８】なお、Ｊは各ｂ_iに関して二次であり、連
立一次方程式の求解に帰着する。

【００２９】さらに、次式の評価関数Ｉを最小化するこ
とにより、線形予測係数（ａ_i）を求め、第２形態処理
と同様に処理を数回繰り返す。

【００３０】

【数７】

【００３１】

【発明の効果】以上述べたように、この発明によれば、
精度良く声道パラメータ（線形予測係数）を推定するこ
とができるとともに、精度良く得られた声道パラメータ
により求めた音源は、そのスペクトルのピーク点におけ
る値のばらつきが、従来法に比較して小さくなる利点が
ある。また、この発明の方法により抽出した素片データ
を使用することにより合成音の音質を大幅に向上させる
ことができ、特にピッチ変動による音質劣化を抑制する
ことができる。

【図面の簡単な説明】

【図１】この発明の実施の第１形態を示す工程説明図。

【図２】第１形態の動作処理フローチャート。

【図３】周波数対電力のピーク特性図。

【図４】周波数対電力のスペクトル包絡特性図。

【図５】第１形態により求められたスペクトル包絡特性
図。

【図６】ＬＰＣ分析法により求められたスペクトル包絡
特性図。

【図７】この発明の実施の第２形態の動作処理フローチ
ャート。

【図８】スペクトルのピーク点における誤差を示す特性
図。

【図９】補間曲線図。

【図１０】規則音声合成システムの概略構成のブロック
図。

【符号の説明】

１１…音声スペクトルのピーク点補間工程１２…線形予測係数決定工程

Claims

【特許請求の範囲】

【請求項１】規則音声合成において、音声特徴抽出を
行う際に、音声スペクトルのピーク点を補間することに
より、スペクトル包絡を求め、その後、スペクトル包絡
から線形予測係数を決定することを特徴とする音声分析
方法。
【請求項２】前記ピーク点の補間には３次元スプライ
ン法を用いたことを特徴とする請求項１記載の音声分析
方法。
【請求項３】前記線形予測係数を抽出した後、音声ス
ペクトルのピーク点における値との誤差に基づき前記線
形予測係数を修正することを特徴とする請求項１又は２
記載の音声分析方法。
【請求項４】前記線形予測係数を修正するにあたり、
評価関数を変えたことを特徴とする請求項３記載の音声
分析方法。