JPH1091189A - 発声速度変換装置 - Google Patents
発声速度変換装置Info
- Publication number
- JPH1091189A JPH1091189A JP8243935A JP24393596A JPH1091189A JP H1091189 A JPH1091189 A JP H1091189A JP 8243935 A JP8243935 A JP 8243935A JP 24393596 A JP24393596 A JP 24393596A JP H1091189 A JPH1091189 A JP H1091189A
- Authority
- JP
- Japan
- Prior art keywords
- section
- pitch
- utterance speed
- speed conversion
- unit
- 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.)
- Granted
Links
- 230000009466 transformation Effects 0.000 title abstract 5
- 238000006243 chemical reaction Methods 0.000 claims description 65
- 238000000034 method Methods 0.000 claims description 36
- 239000000284 extract Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 abstract description 11
- 230000005236 sound signal Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 6
- 230000008602 contraction Effects 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 2
- 206010002953 Aphonia Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/04—Time compression or expansion
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/003—Changing voice quality, e.g. pitch or formants
- G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
- G10L21/013—Adapting to target pitch
- G10L2021/0135—Voice conversion or morphing
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【課題】 音声信号の特徴に応じた発声速度変換を高音
質に行う。 【解決手段】 入力音声信号Ｘを第１音声分類部１０１
で無声区間、その外の区間等に分類し、発声速度変換部
１０４は、無声区間以外と分類された入力音声信号Ｘに
対して、ピッチ周期抽出部１０２で出力されたピッチ周
期ＬＡＧを用いて発声速度変換処理を行い、無声区間と
分類された入力音声信号Ｘに対して疑似ピッチ周期出力
部１０３で出力された任意の固定長のピッチ周期ＬＡＧ
を用いて発声速度の変換処理を行う。第１スイッチは入
力音声信号Ｘの分類に応じて出力音声信号Ｙを出力す
る。
質に行う。 【解決手段】 入力音声信号Ｘを第１音声分類部１０１
で無声区間、その外の区間等に分類し、発声速度変換部
１０４は、無声区間以外と分類された入力音声信号Ｘに
対して、ピッチ周期抽出部１０２で出力されたピッチ周
期ＬＡＧを用いて発声速度変換処理を行い、無声区間と
分類された入力音声信号Ｘに対して疑似ピッチ周期出力
部１０３で出力された任意の固定長のピッチ周期ＬＡＧ
を用いて発声速度の変換処理を行う。第１スイッチは入
力音声信号Ｘの分類に応じて出力音声信号Ｙを出力す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、声の高さや音色を
変えること無しに、速さのみを変える発声速度の変換を
行う発声速度変換装置の改良に関する。
変えること無しに、速さのみを変える発声速度の変換を
行う発声速度変換装置の改良に関する。
【０００２】
【従来の技術】従来、声の高さや声色を変えること無
く、同じ話者がゆっくり話したり、速く話した様な音声
を再生するための技術である発声速度変換は、ＶＴＲや
補聴器、留守番電話等に用いられている。このような発
声速度変換の方式は、従来、ピッチ周期単位で波形処理
を行う方式を用いている。例えば、特開平１−９３７９
５号公報（以下文献１と称する。）に示されるように、
音声信号をピッチ周期単位に波形を繰り返したり間引い
たりする方法や、音声信号をピッチ周期毎に切り出し、
それぞれに窓かけを行った後重ね合わせることで、もと
の波形の１／２倍、２倍の長さに変換するＴＤＨＳ方式
などがある。
く、同じ話者がゆっくり話したり、速く話した様な音声
を再生するための技術である発声速度変換は、ＶＴＲや
補聴器、留守番電話等に用いられている。このような発
声速度変換の方式は、従来、ピッチ周期単位で波形処理
を行う方式を用いている。例えば、特開平１−９３７９
５号公報（以下文献１と称する。）に示されるように、
音声信号をピッチ周期単位に波形を繰り返したり間引い
たりする方法や、音声信号をピッチ周期毎に切り出し、
それぞれに窓かけを行った後重ね合わせることで、もと
の波形の１／２倍、２倍の長さに変換するＴＤＨＳ方式
などがある。
【０００３】このような、ピッチ周期単位で波形の処理
を行う発声速度変換の音質の向上のため、音声信号を区
間毎に分類し、その特徴に応じて発声速度変換の処理を
切り換える方法がある。例えば、文献１に示されるよう
に、入力音声信号を音声が存在する場合に有音区間、音
声が存在しない場合に無音区間のいずれかの時間の区間
に分類する。入力音声信号が有音区間の場合、自己相関
法等を用いてピッチ周期を求める。求められたピッチ周
期を用いて、前述のピッチ周期単位の波形処理を行う発
声速度変換を行う。また、入力音声信号が無音区間に分
類された場合、伸縮比率にしたがって波形の間引きや繰
り返しを行うことにより、求める時間長の波形を求め
る。
を行う発声速度変換の音質の向上のため、音声信号を区
間毎に分類し、その特徴に応じて発声速度変換の処理を
切り換える方法がある。例えば、文献１に示されるよう
に、入力音声信号を音声が存在する場合に有音区間、音
声が存在しない場合に無音区間のいずれかの時間の区間
に分類する。入力音声信号が有音区間の場合、自己相関
法等を用いてピッチ周期を求める。求められたピッチ周
期を用いて、前述のピッチ周期単位の波形処理を行う発
声速度変換を行う。また、入力音声信号が無音区間に分
類された場合、伸縮比率にしたがって波形の間引きや繰
り返しを行うことにより、求める時間長の波形を求め
る。
【０００４】また、特開平５−８０７９６号公報（以下
文献２と称する。）に示される方法では、入力音声信号
のうち前述の有音区間を更に分類し、有音区間中で母音
等の有声音声を表す有声区間、前述の有音区間中で摩擦
音や破裂音等の無声音声等を表す無声区間を求め、前述
の無音区間とともに３種類に分類する。入力音声信号が
有声区間の場合、自己相関法等を用いてピッチ周期を抽
出し、ピッチ周期単位の波形処理を行う発声速度変換処
理を行う。また、入力音声信号が無音区間の場合、伸縮
比率の応じて波形の間引きや繰り返しの処理を行う。入
力音声信号が無声区間の場合、発話者の個人性および音
韻性を維持するため、発声速度変換の処理を行わずに出
力する。
文献２と称する。）に示される方法では、入力音声信号
のうち前述の有音区間を更に分類し、有音区間中で母音
等の有声音声を表す有声区間、前述の有音区間中で摩擦
音や破裂音等の無声音声等を表す無声区間を求め、前述
の無音区間とともに３種類に分類する。入力音声信号が
有声区間の場合、自己相関法等を用いてピッチ周期を抽
出し、ピッチ周期単位の波形処理を行う発声速度変換処
理を行う。また、入力音声信号が無音区間の場合、伸縮
比率の応じて波形の間引きや繰り返しの処理を行う。入
力音声信号が無声区間の場合、発話者の個人性および音
韻性を維持するため、発声速度変換の処理を行わずに出
力する。
【０００５】
【発明が解決しようとする課題】例えば文献１に示され
ている発声速度変換方法では、無声区間においてもピッ
チ周期を求めることになるが、この区間はピッチ周期が
存在しないため、抽出処理で求められたピッチ周期の値
は極端に大きくなったり小さくなったりするような値に
なる。このため、この区間で抽出されたピッチ周期を用
いてピッチ周期毎の波形の繰り返しや間引き等の発声速
度の変換の処理を行うと、極端に長い間引きや繰り返
し、また、極端に小さな間引きや繰り返しを行わなくて
はならないため、音声のざらつきが生じ、音質が著しく
劣化する。一方、文献２の様に、無声区間に対し発声速
度変換処理を行わずに出力する方法がある。この方法
は、ピッチ抽出誤りによる音声の劣化を防止することが
できるが、無声区間で時間長が変わらないため、部分的
に発声速度が変化し、聴感上不自然な再生音声となる。
また、時間長を変更できる区間が減るため、発声速度変
換の倍率制御の自由度も減少するという欠点がある。
ている発声速度変換方法では、無声区間においてもピッ
チ周期を求めることになるが、この区間はピッチ周期が
存在しないため、抽出処理で求められたピッチ周期の値
は極端に大きくなったり小さくなったりするような値に
なる。このため、この区間で抽出されたピッチ周期を用
いてピッチ周期毎の波形の繰り返しや間引き等の発声速
度の変換の処理を行うと、極端に長い間引きや繰り返
し、また、極端に小さな間引きや繰り返しを行わなくて
はならないため、音声のざらつきが生じ、音質が著しく
劣化する。一方、文献２の様に、無声区間に対し発声速
度変換処理を行わずに出力する方法がある。この方法
は、ピッチ抽出誤りによる音声の劣化を防止することが
できるが、無声区間で時間長が変わらないため、部分的
に発声速度が変化し、聴感上不自然な再生音声となる。
また、時間長を変更できる区間が減るため、発声速度変
換の倍率制御の自由度も減少するという欠点がある。
【０００６】本発明は、音声信号を高音質かつ、倍率の
自由度を落とさずに発声速度変換を行う発声速度変換装
置を提供することを目的とする。
自由度を落とさずに発声速度変換を行う発声速度変換装
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】本発明による第１の発声
速度変換装置は、入力音声信号を、無声区間とその外の
区間に分類する音声分類部と、前記入力音声信号が前記
無声区間を示す場合、ピッチ周期を任意の固定長として
前記入力音声信号の発声速度変換を行う発声速度変換部
を備える発声速度変換装置であることを特徴とする。
速度変換装置は、入力音声信号を、無声区間とその外の
区間に分類する音声分類部と、前記入力音声信号が前記
無声区間を示す場合、ピッチ周期を任意の固定長として
前記入力音声信号の発声速度変換を行う発声速度変換部
を備える発声速度変換装置であることを特徴とする。
【０００８】本発明による第２の発声速度変換装置は、
入力音声信号を、無音区間、無声区間、有声区間のいず
れかに分類する音声分類部と、前記入力音声信号が前記
有声区間の場合、ピッチ周期を抽出するピッチ周期抽出
部と、前記入力音声信号が前記無声区間を示す場合、前
記ピッチ周期を任意の固定長として出力する疑似ピッチ
周期出力部と、前記ピッチ周期を用いて前記入力音声信
号の発声速度変換を行う発声速度変換部を備える発声速
度変換装置であることを特徴とする。
入力音声信号を、無音区間、無声区間、有声区間のいず
れかに分類する音声分類部と、前記入力音声信号が前記
有声区間の場合、ピッチ周期を抽出するピッチ周期抽出
部と、前記入力音声信号が前記無声区間を示す場合、前
記ピッチ周期を任意の固定長として出力する疑似ピッチ
周期出力部と、前記ピッチ周期を用いて前記入力音声信
号の発声速度変換を行う発声速度変換部を備える発声速
度変換装置であることを特徴とする。
【０００９】本発明は、入力音声信号を無音区間、無声
区間、有声区間等に分類し、その分類に応じた発声速度
変換の処理を行う発声速度変換装置において、無声区間
と分類された音声の区間においては、任意の固定長のピ
ッチ周期（以下これを疑似ピッチ周期と称する。）を用
いて発声速度の変換処理を行う。これにより、文献１に
示されるような方法の様に無音区間で求められた極端な
値をとるピッチ周期を用いずに、本発明では安定したピ
ッチ周期を用いることができるため、音質が向上する。
また文献２に示されるような、無声区間の発声速度変換
処理を行わない方法と比べ、本発明では無声区間の発声
速度変換処理を行うことができるので、倍率制御の自由
度が向上し、かつ部分的な発声速度の変化もなくなり音
質が向上する。このように、無声区間で疑似ピッチ周期
を用いて発声速度変換を行うことにより、高音質で倍率
制御の自由度の大きい発声速度変換を行うことができ
る。
区間、有声区間等に分類し、その分類に応じた発声速度
変換の処理を行う発声速度変換装置において、無声区間
と分類された音声の区間においては、任意の固定長のピ
ッチ周期（以下これを疑似ピッチ周期と称する。）を用
いて発声速度の変換処理を行う。これにより、文献１に
示されるような方法の様に無音区間で求められた極端な
値をとるピッチ周期を用いずに、本発明では安定したピ
ッチ周期を用いることができるため、音質が向上する。
また文献２に示されるような、無声区間の発声速度変換
処理を行わない方法と比べ、本発明では無声区間の発声
速度変換処理を行うことができるので、倍率制御の自由
度が向上し、かつ部分的な発声速度の変化もなくなり音
質が向上する。このように、無声区間で疑似ピッチ周期
を用いて発声速度変換を行うことにより、高音質で倍率
制御の自由度の大きい発声速度変換を行うことができ
る。
【００１０】
【発明の実施の形態】以下、本発明による第１の実施の
形態を図面を用いて説明する。図１は本発明の発声速度
変換装置の実施の形態を示すブロック図である。本実施
の形態の発声速度変換装置は、第１音声分類部１０１、
ピッチ周期抽出部１０２、第１疑似ピッチ周期出力部１
０３、発声速度変換部１０４、第１スイッチ１０５から
構成されている。第１音声分類部１０１は文献１に示さ
れるように、入力音声信号Ｘを音声パワーの有無や、Ｐ
ＡＲＣＯＲ分析や零交差点の分析等に基づいて、無声区
間、その外の区間に分類し、その結果を分類情報Ｍとし
て出力する。ピッチ周期抽出部１０２は、分類情報Ｍが
無声区間以外を示す場合、入力音声信号Ｘから文献１に
示されるように、自己相関法等を用いてピッチ周期を抽
出し、ピッチ周期ＬＡＧとして出力する。第１疑似ピッ
チ周期出力部１０３は、分類情報Ｍが無声区間を示す場
合、予め定められた疑似ピッチ周期をピッチ周期ＬＡＧ
として出力する。発声速度変換部１０４は、ピッチ周期
ＬＡＧと入力音声信号Ｘが入力され、ピッチ周期ＬＡＧ
を用いて上述したＴＤＨＳ処理を行い、時間伸縮された
出力音声信号Ｙを出力する。第１スイッチ１０５は、発
声速度変換部１０４に入力されるピッチ周期ＬＡＧを、
分類情報Ｍが無声区間を示す場合は第１疑似ピッチ周期
出力部１０３の出力するピッチ周期ＬＡＧに、分類情報
Ｍが無声区間以外を示す場合はピッチ周期抽出部１０２
の出力するピッチ周期ＬＡＧに切り換える。
形態を図面を用いて説明する。図１は本発明の発声速度
変換装置の実施の形態を示すブロック図である。本実施
の形態の発声速度変換装置は、第１音声分類部１０１、
ピッチ周期抽出部１０２、第１疑似ピッチ周期出力部１
０３、発声速度変換部１０４、第１スイッチ１０５から
構成されている。第１音声分類部１０１は文献１に示さ
れるように、入力音声信号Ｘを音声パワーの有無や、Ｐ
ＡＲＣＯＲ分析や零交差点の分析等に基づいて、無声区
間、その外の区間に分類し、その結果を分類情報Ｍとし
て出力する。ピッチ周期抽出部１０２は、分類情報Ｍが
無声区間以外を示す場合、入力音声信号Ｘから文献１に
示されるように、自己相関法等を用いてピッチ周期を抽
出し、ピッチ周期ＬＡＧとして出力する。第１疑似ピッ
チ周期出力部１０３は、分類情報Ｍが無声区間を示す場
合、予め定められた疑似ピッチ周期をピッチ周期ＬＡＧ
として出力する。発声速度変換部１０４は、ピッチ周期
ＬＡＧと入力音声信号Ｘが入力され、ピッチ周期ＬＡＧ
を用いて上述したＴＤＨＳ処理を行い、時間伸縮された
出力音声信号Ｙを出力する。第１スイッチ１０５は、発
声速度変換部１０４に入力されるピッチ周期ＬＡＧを、
分類情報Ｍが無声区間を示す場合は第１疑似ピッチ周期
出力部１０３の出力するピッチ周期ＬＡＧに、分類情報
Ｍが無声区間以外を示す場合はピッチ周期抽出部１０２
の出力するピッチ周期ＬＡＧに切り換える。
【００１１】次に上記の構成の発声速度変換装置の動作
について説明する。第１音声分類部１０１は、入力音声
信号Ｘを無声区間とその外の区間に分類し、分類情報Ｍ
を出力する。ピッチ周期抽出部１０２は、入力音声信号
Ｘのピッチ周期を抽出しピッチ周期ＬＡＧとして出力す
る。第１疑似ピッチ周期出力部１０３は、通常の音声周
波数帯域より求められる範囲の中から、固定的な疑似ピ
ッチ周期をピッチ周期ＬＡＧとして出力する。発声速度
変換部１０４は、分類情報Ｍにしたがって第１スイッチ
１０５で選択されたピッチ周期ＬＡＧを用いて、入力音
声信号Ｘの発声速度変換処理を行い出力音声信号Ｙを出
力する。
について説明する。第１音声分類部１０１は、入力音声
信号Ｘを無声区間とその外の区間に分類し、分類情報Ｍ
を出力する。ピッチ周期抽出部１０２は、入力音声信号
Ｘのピッチ周期を抽出しピッチ周期ＬＡＧとして出力す
る。第１疑似ピッチ周期出力部１０３は、通常の音声周
波数帯域より求められる範囲の中から、固定的な疑似ピ
ッチ周期をピッチ周期ＬＡＧとして出力する。発声速度
変換部１０４は、分類情報Ｍにしたがって第１スイッチ
１０５で選択されたピッチ周期ＬＡＧを用いて、入力音
声信号Ｘの発声速度変換処理を行い出力音声信号Ｙを出
力する。
【００１２】以下、本発明による第２の実施の形態を図
面を用いて説明する。図２は本発明の発声速度変換装置
の実施の形態を示すブロック図である。本実施の形態の
発声速度変換装置は、第２音声分類部２０１、ピッチ周
期抽出部１０２、第１疑似ピッチ周期出力部１０３、発
声速度変換部１０４、第２スイッチ２０３、第３スイッ
チ２０４、無音処理部２０２から構成されている。第２
音声分類部２０１は文献１に示されるように、入力音声
信号Ｘを音声パワーの有無や、ＰＡＲＣＯＲ分析や零交
差点の分析等に基づいて、無声区間、有声区間、無音区
間のいずれかに分類し、その結果を分類情報Ｍとして出
力する。ピッチ周期抽出部１０２は、分類情報Ｍが有声
区間を示す場合、入力音声信号Ｘから文献１に示される
ように、自己相関法等を用いてピッチ周期ＬＡＧを抽出
し出力する。第１疑似ピッチ周期出力部１０３は、分類
情報Ｍが無声区間を示す場合、予め定められた疑似ピッ
チ周期をピッチ周期ＬＡＧとして出力する。発声速度変
換部１０４は、ピッチ周期ＬＡＧと入力音声信号Ｘが入
力され、ピッチ周期ＬＡＧを用いてＴＤＨＳ処理を行
い、時間伸縮された出力音声信号Ｙを出力する。無音処
理部２０２は、分類情報Ｍが無音区間を示す場合、入力
音声信号Ｘを伸張比率にしたがって、波形の繰り返しや
間引きをすることで時間軸伸張し、出力する。第２スイ
ッチ２０３は、発声速度変換部１０４に入力されるピッ
チ周期ＬＡＧを、分類情報Ｍが無声区間を示す場合は第
１疑似ピッチ周期出力部１０３の出力するピッチ周期Ｌ
ＡＧに、また、分類情報Ｍが有声区間を示す場合はピッ
チ周期抽出部１０２の出力するピッチ周期ＬＡＧに切り
換える。第３スイッチ２０４は、分類情報Ｍが無声区間
または有声区間を示す場合は発声速度変換部１０４の出
力を出力音声信号Ｙとし、また、分類情報Ｍが無音区間
を示す場合は無音処理部２０２の出力を出力音声信号Ｙ
として出力する。
面を用いて説明する。図２は本発明の発声速度変換装置
の実施の形態を示すブロック図である。本実施の形態の
発声速度変換装置は、第２音声分類部２０１、ピッチ周
期抽出部１０２、第１疑似ピッチ周期出力部１０３、発
声速度変換部１０４、第２スイッチ２０３、第３スイッ
チ２０４、無音処理部２０２から構成されている。第２
音声分類部２０１は文献１に示されるように、入力音声
信号Ｘを音声パワーの有無や、ＰＡＲＣＯＲ分析や零交
差点の分析等に基づいて、無声区間、有声区間、無音区
間のいずれかに分類し、その結果を分類情報Ｍとして出
力する。ピッチ周期抽出部１０２は、分類情報Ｍが有声
区間を示す場合、入力音声信号Ｘから文献１に示される
ように、自己相関法等を用いてピッチ周期ＬＡＧを抽出
し出力する。第１疑似ピッチ周期出力部１０３は、分類
情報Ｍが無声区間を示す場合、予め定められた疑似ピッ
チ周期をピッチ周期ＬＡＧとして出力する。発声速度変
換部１０４は、ピッチ周期ＬＡＧと入力音声信号Ｘが入
力され、ピッチ周期ＬＡＧを用いてＴＤＨＳ処理を行
い、時間伸縮された出力音声信号Ｙを出力する。無音処
理部２０２は、分類情報Ｍが無音区間を示す場合、入力
音声信号Ｘを伸張比率にしたがって、波形の繰り返しや
間引きをすることで時間軸伸張し、出力する。第２スイ
ッチ２０３は、発声速度変換部１０４に入力されるピッ
チ周期ＬＡＧを、分類情報Ｍが無声区間を示す場合は第
１疑似ピッチ周期出力部１０３の出力するピッチ周期Ｌ
ＡＧに、また、分類情報Ｍが有声区間を示す場合はピッ
チ周期抽出部１０２の出力するピッチ周期ＬＡＧに切り
換える。第３スイッチ２０４は、分類情報Ｍが無声区間
または有声区間を示す場合は発声速度変換部１０４の出
力を出力音声信号Ｙとし、また、分類情報Ｍが無音区間
を示す場合は無音処理部２０２の出力を出力音声信号Ｙ
として出力する。
【００１３】次に上記の構成の発声速度変換装置の動作
について説明する。第２音声分類部２０１は、入力音声
信号Ｘを無声区間と有声区間と無音区間のいずれかに分
類し、分類情報Ｍを出力する。ピッチ周期抽出部１０２
は、入力音声信号Ｘのピッチ周期を抽出しピッチ周期Ｌ
ＡＧとして出力する。第１疑似ピッチ周期出力部１０３
は、疑似ピッチ周期をピッチ周期ＬＡＧとして出力す
る。発声速度変換部１０４は、分類情報Ｍにしたがって
第２スイッチ２０３で選択されたピッチ周期ＬＡＧを用
いて、入力音声信号Ｘの発声速度変換処理を行い出力す
る。また、無音処理部２０２は、入力音声信号Ｘの時間
軸の伸張を行い出力する。分類情報Ｍにしたがって第３
スイッチ２０４で選択された、発声速度変換部１０４の
出力または、無音処理部２０２の出力が出力音声信号Ｙ
として出力される。
について説明する。第２音声分類部２０１は、入力音声
信号Ｘを無声区間と有声区間と無音区間のいずれかに分
類し、分類情報Ｍを出力する。ピッチ周期抽出部１０２
は、入力音声信号Ｘのピッチ周期を抽出しピッチ周期Ｌ
ＡＧとして出力する。第１疑似ピッチ周期出力部１０３
は、疑似ピッチ周期をピッチ周期ＬＡＧとして出力す
る。発声速度変換部１０４は、分類情報Ｍにしたがって
第２スイッチ２０３で選択されたピッチ周期ＬＡＧを用
いて、入力音声信号Ｘの発声速度変換処理を行い出力す
る。また、無音処理部２０２は、入力音声信号Ｘの時間
軸の伸張を行い出力する。分類情報Ｍにしたがって第３
スイッチ２０４で選択された、発声速度変換部１０４の
出力または、無音処理部２０２の出力が出力音声信号Ｙ
として出力される。
【００１４】以下、本発明による第３の実施の形態を図
面を用いて説明する。図３は本発明の発声速度変換装置
の実施の形態を示すブロック図である。本実施の形態の
発声速度変換装置は、第１音声分類部１０１、ピッチ周
期抽出部１０２、第２疑似ピッチ周期出力部３０１、発
声速度変換部１０４、第１スイッチ１０５から構成され
ている。第１音声分類部１０１は文献１に示されるよう
に、入力音声信号Ｘを音声パワーの有無や、ＰＡＲＣＯ
Ｒ分析や零交差点の分析等に基づいて、無声区間、その
外の区間に分類し、その結果を分類情報Ｍとして出力す
る。ピッチ周期抽出部１０２は、分類情報Ｍが無声区間
以外を示す場合、入力音声信号Ｘから文献１に示される
ように、自己相関法等を用いてピッチ周期を抽出し、ピ
ッチ周期ＬＡＧとして出力する。第２疑似ピッチ周期出
力部３０１は、分類情報Ｍが無声区間を示す場合、ピッ
チ周期抽出部１０２の無声区間以外で抽出、出力するピ
ッチ周期ＬＡＧから、平均値を疑似ピッチ周期として求
め、これをピッチ周期ＬＡＧとして出力する。発声速度
変換部１０４は、ピッチ周期ＬＡＧと入力音声信号Ｘが
入力され、ピッチ周期ＬＡＧを用いてＴＤＨＳ処理を行
い、時間伸縮された出力音声信号Ｙを出力する。第１ス
イッチ１０５は、発声速度変換部１０４に入力されるピ
ッチ周期ＬＡＧを、分類情報Ｍが無声区間を示す場合は
第２疑似ピッチ周期出力部３０１の出力するピッチ周期
ＬＡＧに、分類情報Ｍが無声区間以外を示す場合はピッ
チ周期抽出部１０２の出力するピッチ周期ＬＡＧに切り
換える。
面を用いて説明する。図３は本発明の発声速度変換装置
の実施の形態を示すブロック図である。本実施の形態の
発声速度変換装置は、第１音声分類部１０１、ピッチ周
期抽出部１０２、第２疑似ピッチ周期出力部３０１、発
声速度変換部１０４、第１スイッチ１０５から構成され
ている。第１音声分類部１０１は文献１に示されるよう
に、入力音声信号Ｘを音声パワーの有無や、ＰＡＲＣＯ
Ｒ分析や零交差点の分析等に基づいて、無声区間、その
外の区間に分類し、その結果を分類情報Ｍとして出力す
る。ピッチ周期抽出部１０２は、分類情報Ｍが無声区間
以外を示す場合、入力音声信号Ｘから文献１に示される
ように、自己相関法等を用いてピッチ周期を抽出し、ピ
ッチ周期ＬＡＧとして出力する。第２疑似ピッチ周期出
力部３０１は、分類情報Ｍが無声区間を示す場合、ピッ
チ周期抽出部１０２の無声区間以外で抽出、出力するピ
ッチ周期ＬＡＧから、平均値を疑似ピッチ周期として求
め、これをピッチ周期ＬＡＧとして出力する。発声速度
変換部１０４は、ピッチ周期ＬＡＧと入力音声信号Ｘが
入力され、ピッチ周期ＬＡＧを用いてＴＤＨＳ処理を行
い、時間伸縮された出力音声信号Ｙを出力する。第１ス
イッチ１０５は、発声速度変換部１０４に入力されるピ
ッチ周期ＬＡＧを、分類情報Ｍが無声区間を示す場合は
第２疑似ピッチ周期出力部３０１の出力するピッチ周期
ＬＡＧに、分類情報Ｍが無声区間以外を示す場合はピッ
チ周期抽出部１０２の出力するピッチ周期ＬＡＧに切り
換える。
【００１５】次に上記の構成の発声速度変換装置の動作
について説明する。第１音声分類部１０１は、入力音声
信号Ｘを無声区間とその外の区間に分類し、分類情報Ｍ
を出力する。ピッチ周期抽出部１０２は、入力音声信号
Ｘのピッチ周期を抽出しピッチ周期ＬＡＧとして出力す
る。第２疑似ピッチ周期出力部３０１は、入力されたピ
ッチ周期の平均値をピッチ周期ＬＡＧとして出力する。
発声速度変換部１０４は、分類情報Ｍにしたがって第１
スイッチ１０５で選択されたピッチ周期ＬＡＧを用い
て、入力音声信号Ｘの発声速度変換処理を行い出力音声
信号Ｙを出力する。
について説明する。第１音声分類部１０１は、入力音声
信号Ｘを無声区間とその外の区間に分類し、分類情報Ｍ
を出力する。ピッチ周期抽出部１０２は、入力音声信号
Ｘのピッチ周期を抽出しピッチ周期ＬＡＧとして出力す
る。第２疑似ピッチ周期出力部３０１は、入力されたピ
ッチ周期の平均値をピッチ周期ＬＡＧとして出力する。
発声速度変換部１０４は、分類情報Ｍにしたがって第１
スイッチ１０５で選択されたピッチ周期ＬＡＧを用い
て、入力音声信号Ｘの発声速度変換処理を行い出力音声
信号Ｙを出力する。
【００１６】以上、本発明の実施の形態について説明し
たが、入力音声信号Ｘの無声区間、無音区間、有声区間
の分類法は、「Ｍ−ＬＣＥＬＰ音声符号化」に示される
ような入力音声信号Ｘのピッチ周期性の強さを用いて行
う方法等の様々な方法も考えられる。また、この区間分
類法は無声区間を更に過渡部等に細分する方法も用いる
ことができる。また、ピッチ周期抽出法も実施の形態に
示された自己相関法の他に、例えば、ケプストラム法等
の様々な方法も用いることができる。また、疑似ピッチ
周期を生成する方法として、ピッチ周期抽出部１０２で
出力されたピッチ周期ＬＡＧを平均化する以外に、ピッ
チ周期の中から代表的なピッチ周期の値を選ぶ、中央値
等の方法を用いることができる。さらに、発声速度変換
の方法はＴＤＨＳ方式以外にも、文献１に示されるよう
なピッチ周期毎の繰り返しや間引きといった方法も用い
ることができる。
たが、入力音声信号Ｘの無声区間、無音区間、有声区間
の分類法は、「Ｍ−ＬＣＥＬＰ音声符号化」に示される
ような入力音声信号Ｘのピッチ周期性の強さを用いて行
う方法等の様々な方法も考えられる。また、この区間分
類法は無声区間を更に過渡部等に細分する方法も用いる
ことができる。また、ピッチ周期抽出法も実施の形態に
示された自己相関法の他に、例えば、ケプストラム法等
の様々な方法も用いることができる。また、疑似ピッチ
周期を生成する方法として、ピッチ周期抽出部１０２で
出力されたピッチ周期ＬＡＧを平均化する以外に、ピッ
チ周期の中から代表的なピッチ周期の値を選ぶ、中央値
等の方法を用いることができる。さらに、発声速度変換
の方法はＴＤＨＳ方式以外にも、文献１に示されるよう
なピッチ周期毎の繰り返しや間引きといった方法も用い
ることができる。
【００１７】
【発明の効果】本発明により、無声区間の発声速度変換
に安定した疑似ピッチを用いるため、高音質の発声速度
の変換を行うことができる。本発明による発声速度変換
を行った音声を聴取することにより、その効果を確認し
た。また、疑似ピッチを用いた無声区間の発声速度変換
を行うことができるので、部分的に発声速度が変化せ
ず、発声速度変換の倍率の自由度が向上する。
に安定した疑似ピッチを用いるため、高音質の発声速度
の変換を行うことができる。本発明による発声速度変換
を行った音声を聴取することにより、その効果を確認し
た。また、疑似ピッチを用いた無声区間の発声速度変換
を行うことができるので、部分的に発声速度が変化せ
ず、発声速度変換の倍率の自由度が向上する。
【図１】本発明の発声速度変換装置の第１の実施の形態
のブロック図。
のブロック図。
【図２】本発明の発声速度変換装置の第２の実施の形態
のブロック図。
のブロック図。
【図３】本発明の発声速度変換装置の第３の実施の形態
のブロック図。
のブロック図。
１０１ 第１音声分類部 １０２ ピッチ周期抽出部 １０３ 第１疑似ピッチ周期出力部 １０４ 発声速度変換部 １０５ 第１スイッチ ２０１ 第２音声分類部 ２０２ 無音処理部 ２０３ 第２スイッチ ２０４ 第３スイッチ ３０１ 第２疑似ピッチ周期出力部 ＬＡＧ ピッチ周期 Ｍ 分類情報 Ｘ 入力音声信号 Ｙ 出力音声信号
Claims (2)
- 【請求項１】 入力音声信号を、無声区間とその外の区
間に分類する音声分類部と、前記入力音声信号が前記無
声区間を示す場合、ピッチ周期を任意の固定長として前
記入力音声信号の発声速度変換を行う発声速度変換部を
備える発声速度変換装置。 - 【請求項２】 入力音声信号を、無音区間、無声区間、
有声区間のいずれかに分類する音声分類部と、前記入力
音声信号が前記有声区間の場合、ピッチ周期を抽出する
ピッチ周期抽出部と、前記入力音声信号が前記無声区間
を示す場合、前記ピッチ周期を任意の固定長として出力
する疑似ピッチ周期出力部と、前記ピッチ周期を用いて
前記入力音声信号の発声速度変換を行う発声速度変換部
を備える発声速度変換装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24393596A JP3439307B2 (ja) | 1996-09-17 | 1996-09-17 | 発声速度変換装置 |
| US08/931,533 US5995925A (en) | 1996-09-17 | 1997-09-16 | Voice speed converter |
| EP97116181A EP0829851B1 (en) | 1996-09-17 | 1997-09-17 | Voice speed converter |
| DE69717377T DE69717377T2 (de) | 1996-09-17 | 1997-09-17 | Sprachgeschwindigkeitsumwandler |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24393596A JP3439307B2 (ja) | 1996-09-17 | 1996-09-17 | 発声速度変換装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1091189A true JPH1091189A (ja) | 1998-04-10 |
| JP3439307B2 JP3439307B2 (ja) | 2003-08-25 |
Family
ID=17111228
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24393596A Expired - Fee Related JP3439307B2 (ja) | 1996-09-17 | 1996-09-17 | 発声速度変換装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5995925A (ja) |
| EP (1) | EP0829851B1 (ja) |
| JP (1) | JP3439307B2 (ja) |
| DE (1) | DE69717377T2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011033789A (ja) * | 2009-07-31 | 2011-02-17 | Nippon Hoso Kyokai <Nhk> | 適応的な話速変換装置及びプログラム |
| WO2012102056A1 (ja) * | 2011-01-28 | 2012-08-02 | 日本放送協会 | 話速変換倍率決定装置、話速変換装置、プログラム、及び記録媒体 |
| JP2016218345A (ja) * | 2015-05-25 | 2016-12-22 | ヤマハ株式会社 | 音素材処理装置および音素材処理プログラム |
| JP2020005119A (ja) * | 2018-06-28 | 2020-01-09 | 株式会社デンソーテン | 音響処理装置、音響システムおよび音響処理方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1309965B1 (en) * | 2000-08-09 | 2010-12-15 | Thomson Licensing | Method and system for enabling audio speed conversion |
| US7171367B2 (en) * | 2001-12-05 | 2007-01-30 | Ssi Corporation | Digital audio with parameters for real-time time scaling |
| EP1770688B1 (en) * | 2004-07-21 | 2013-03-06 | Fujitsu Limited | Speed converter, speed converting method and program |
| JP4675692B2 (ja) * | 2005-06-22 | 2011-04-27 | 富士通株式会社 | 話速変換装置 |
| US8469035B2 (en) | 2008-09-18 | 2013-06-25 | R. J. Reynolds Tobacco Company | Method for preparing fuel element for smoking article |
| CN105788601B (zh) * | 2014-12-25 | 2019-08-30 | 联芯科技有限公司 | VoLTE的抖动隐藏方法和装置 |
| JP6695069B2 (ja) * | 2016-05-31 | 2020-05-20 | パナソニックＩｐマネジメント株式会社 | 電話装置 |
| KR102593635B1 (ko) | 2018-04-11 | 2023-10-26 | 한국전자통신연구원 | 공진기 기반 센서 및 그의 감지 방법 |
| CN113611325B (zh) * | 2021-04-26 | 2023-07-04 | 珠海市杰理科技股份有限公司 | 基于清浊音实现的语音信号变速方法、装置和音频设备 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2884163B2 (ja) * | 1987-02-20 | 1999-04-19 | 富士通株式会社 | 符号化伝送装置 |
| JP2612868B2 (ja) * | 1987-10-06 | 1997-05-21 | 日本放送協会 | 音声の発声速度変換方法 |
| JP3327936B2 (ja) * | 1991-09-25 | 2002-09-24 | 日本放送協会 | 話速制御型補聴装置 |
| JP3277398B2 (ja) * | 1992-04-15 | 2002-04-22 | ソニー株式会社 | 有声音判別方法 |
| US5717818A (en) * | 1992-08-18 | 1998-02-10 | Hitachi, Ltd. | Audio signal storing apparatus having a function for converting speech speed |
| US5448679A (en) * | 1992-12-30 | 1995-09-05 | International Business Machines Corporation | Method and system for speech data compression and regeneration |
| JPH07121985A (ja) * | 1993-10-22 | 1995-05-12 | Sanyo Electric Co Ltd | 音声再生装置 |
| JP3378672B2 (ja) * | 1993-10-19 | 2003-02-17 | 三洋電機株式会社 | 話速変換装置 |
| JP3081469B2 (ja) * | 1993-10-19 | 2000-08-28 | 三洋電機株式会社 | 話速変換装置 |
| US5828995A (en) * | 1995-02-28 | 1998-10-27 | Motorola, Inc. | Method and apparatus for intelligible fast forward and reverse playback of time-scale compressed voice messages |
| US5809454A (en) * | 1995-06-30 | 1998-09-15 | Sanyo Electric Co., Ltd. | Audio reproducing apparatus having voice speed converting function |
| US5781881A (en) * | 1995-10-19 | 1998-07-14 | Deutsche Telekom Ag | Variable-subframe-length speech-coding classes derived from wavelet-transform parameters |
| US5828994A (en) * | 1996-06-05 | 1998-10-27 | Interval Research Corporation | Non-uniform time scale modification of recorded audio |
| US5864793A (en) * | 1996-08-06 | 1999-01-26 | Cirrus Logic, Inc. | Persistence and dynamic threshold based intermittent signal detector |
-
1996
- 1996-09-17 JP JP24393596A patent/JP3439307B2/ja not_active Expired - Fee Related
-
1997
- 1997-09-16 US US08/931,533 patent/US5995925A/en not_active Expired - Lifetime
- 1997-09-17 EP EP97116181A patent/EP0829851B1/en not_active Expired - Lifetime
- 1997-09-17 DE DE69717377T patent/DE69717377T2/de not_active Expired - Lifetime
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011033789A (ja) * | 2009-07-31 | 2011-02-17 | Nippon Hoso Kyokai <Nhk> | 適応的な話速変換装置及びプログラム |
| WO2012102056A1 (ja) * | 2011-01-28 | 2012-08-02 | 日本放送協会 | 話速変換倍率決定装置、話速変換装置、プログラム、及び記録媒体 |
| JP2012159540A (ja) * | 2011-01-28 | 2012-08-23 | Nippon Hoso Kyokai <Nhk> | 話速変換倍率決定装置、話速変換装置、プログラム、及び記録媒体 |
| US9129609B2 (en) | 2011-01-28 | 2015-09-08 | Nippon Hoso Kyokai | Speech speed conversion factor determining device, speech speed conversion device, program, and storage medium |
| JP2016218345A (ja) * | 2015-05-25 | 2016-12-22 | ヤマハ株式会社 | 音素材処理装置および音素材処理プログラム |
| JP2020005119A (ja) * | 2018-06-28 | 2020-01-09 | 株式会社デンソーテン | 音響処理装置、音響システムおよび音響処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69717377T2 (de) | 2003-08-28 |
| JP3439307B2 (ja) | 2003-08-25 |
| DE69717377D1 (de) | 2003-01-09 |
| EP0829851A2 (en) | 1998-03-18 |
| US5995925A (en) | 1999-11-30 |
| EP0829851A3 (en) | 1998-11-11 |
| EP0829851B1 (en) | 2002-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6205420B1 (en) | Method and device for instantly changing the speed of a speech | |
| US8271288B2 (en) | Sound masking system and masking sound generation method | |
| JPH031200A (ja) | 規則型音声合成装置 | |
| JP2004525412A (ja) | 合成された音声の了解度を改善するためのランタイム合成装置適合方法およびシステム | |
| JPH086592A (ja) | 音声合成方法及び装置 | |
| JP3439307B2 (ja) | 発声速度変換装置 | |
| JP2002082685A (ja) | 音声帯域拡張装置及び音声帯域拡張方法 | |
| JP3576800B2 (ja) | 音声分析方法、及びプログラム記録媒体 | |
| JPH05260082A (ja) | テキスト読み上げ装置 | |
| JP3518898B2 (ja) | 音声合成装置 | |
| JP4451665B2 (ja) | 音声を合成する方法 | |
| JP5175422B2 (ja) | 音声合成における時間幅を制御する方法 | |
| JPH02293900A (ja) | 音声合成装置 | |
| JPH08254992A (ja) | 話速変換装置 | |
| JP3083624B2 (ja) | 音声規則合成装置 | |
| JPH09179576A (ja) | 音声合成方法 | |
| JP3575919B2 (ja) | テキスト音声変換装置 | |
| KR100359988B1 (ko) | 실시간 화속 변환 장치 | |
| JPH10232698A (ja) | 話速変換装置 | |
| JP2956936B2 (ja) | 音声合成装置の発声速度制御回路 | |
| JPH07210192A (ja) | 出力データ制御方法及び装置 | |
| Vepyek et al. | Consideration of processing strategies for very-low-rate compression of wideband speech signals with known text transcription | |
| JP2000099094A (ja) | 時系列信号処理装置 | |
| JPWO2003042648A1 (ja) | 音声符号化装置、音声復号化装置、音声符号化方法および音声復号化方法 | |
| JPH05173587A (ja) | 音声合成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20011030 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080613 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090613 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100613 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100613 Year of fee payment: 7 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100613 Year of fee payment: 7 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100613 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110613 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120613 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120613 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130613 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130613 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140613 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |