JPH11305795A - 音声信号処理装置及び情報媒体 - Google Patents

Abstract

(57)【要約】 【課題】 ノイズやリップルの少ないピッチシフト処理
を実現可能にする。 【解決手段】 デジタル入力された音声データを少なく
ともフレーム及びピッチシフト量に相当する長さ分だけ
記憶するバッファメモリ３と、バッファメモリ３からの
音声データから音声のピッチを検出するピッチ検出回路
１０と、フレーム長及びピッチシフト量に相当する長さ
の音声データを基にしてピッチシフト処理を行うと共
に、そのシフト後の前フレームとシフト変換後の次フレ
ームとを繋ぎ、シフト後の連続音声データを作成するピ
ッチシフト・フレーム結合回路４とを有し、バッファメ
モリ３から次フレームのデータを読み出す際には、ピッ
チシフト量に相当する長さに、前フレームの本来の時間
とピッチ検出及びピッチシフト処理に要した時間との差
を加えた時点から、先に検出したピッチの整数倍の長さ
だけ時間的に戻った時刻より読み出しを行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば歌唱者の声
やコーラスの声の基本周期（ピッチ）、音声の性質変換
の際に好適なものであり、詳しくは、歌唱者の声やコー
ラスの声の音声信号から声の高さに対応するピッチ周波
数、或いはその逆数であるピッチ周期を検出し、そのピ
ッチに基づいて音声信号の音の高さを変えること、すな
わち音声信号のピッチをシフトする音声信号処理装置、
及びそのピッチシフトを実現するためのプログラムデー
タを記録若しくは伝送する情報媒体に関する。

【０００２】

【従来の技術】近年はいわゆるカラオケが盛んであり、
そのカラオケに使用されるいわゆるカラオケ装置などに
おいては、歌唱者の声の高さに合わせるように、楽曲の
調及び音の高さを変えることが可能になっている。

【０００３】一方、レコーディングスタジオなどでは、
トータルの編集時間を変更せずに音程を変えるような編
集作業が必要となる場合が多く、このような場合には、
予め決められた編集時間内にその編集時間よりも僅かに
長い音楽や音声を入れ込む編集作業を行う。具体的に
は、この場合、その音楽や音声を例えばある一定時間毎
に区切り、その一定時間内の音声等のピッチを変換（ピ
ッチをシフト）した後に繋ぐような音声信号処理が行わ
れる。

【０００４】

【発明が解決しようとする課題】しかし、例えば歌唱者
等の声の音声信号のピッチを変える従来の音声信号処理
装置においては、一定単位の音声信号のピッチを単純に
伸縮させてそのまま繋げるようにしているため、そのピ
ッチ変換（ピッチシフト）処理後の音声にノイズ若しく
はリップルが多く発生し、大変聞き難い音声となってい
る。

【０００５】また、カラオケ装置においても、本来の楽
曲の調及び音の高さは変えずに、歌唱者の声の音声信号
のピッチを変えることで、歌唱者の声の高さを本来の楽
曲の調及び音の高さに合わせるようなことが望まれてい
る。或いは、伴奏を歌唱者のキーの高さに合わせる際
に、伴奏の中に含まれるコーラスの音程を歌唱者のキー
の高さに合わせることが望まれる。

【０００６】本発明は、上述の課題に鑑みてなされたも
のであり、ノイズやリップルの少ない滑らかなピッチシ
フト処理後の音声信号を得ることが可能な音声信号処理
装置及びそのピッチシフト処理を実現するためのプログ
ラムデータを記録もしくは伝送する情報媒体の提供を目
的とする。

【０００７】

【課題を解決するための手段】本発明に係る音声信号処
理装置は、上述の課題を解決するために、デジタル入力
された音声信号を所定の長さの単位時間毎に切り出すと
共に、前記単位時間の音声信号及びピッチ変換に相当す
る時間的長さの音声信号を取り出し手段と、前記取り出
した音声信号のピッチを検出するピッチ検出手段と、前
記取り出した単位時間の音声信号及びピッチ変換に相当
する時間的長さの音声信号を基にしてピッチ変換を行う
ピッチ変換手段と、ピッチ変換後の前単位時間の音声信
号とピッチ変換後の次単位時間の音声信号とを繋ぎ、ピ
ッチ変換後の連続音声信号を作成する連続音声信号生成
手段とを有し、前記次単位時間の音声信号を取り出す際
には、前記ピッチ変換に相当する時間的長さに、前単位
時間の音声信号の本来の時間と前記ピッチ検出及びピッ
チ変換の処理に要した時間との差を加えた時点から、先
に検出したピッチの整数倍の長さだけ時間的に戻った時
刻より取り出しを行う。

【０００８】ここで、前記音声信号のピッチを検出する
ピッチ検出手段は、前記音声信号から所望の周波数帯域
のみを通過させる帯域通過手段と、前記所望の周波数帯
域の音声信号波形から複数の極大点と極小点及び／又は
零交差を検出する検出手段と、前記検出した各極大点の
間と各極小点の間及び／又は零交差の間でそれぞれ時間
間隔を求める時間間隔測定手段と、前記時間間隔に基づ
いてヒストグラムを作成するヒストグラム作成手段と、
前記ヒストグラムの最瀕値を前記音声信号のピッチとし
て取り出すピッチ決定手段とを有する。

【０００９】さらに、本発明に係る情報媒体は、上述の
課題を解決するために、デジタル入力された音声信号を
所定の長さの単位時間毎に切り出すと共に、前記単位時
間の音声信号及びピッチ変換に相当する時間的長さの音
声信号を取り出すステップと、前記取り出した音声信号
のピッチを検出するステップと、前記取り出した単位時
間の音声信号及びピッチ変換に相当する時間的長さの音
声信号を基にしてピッチ変換を行うステップと、ピッチ
変換後の前単位時間の音声信号とピッチ変換後の次単位
時間の音声信号とを繋ぎ、ピッチ変換後の連続音声信号
を作成するステップとを有し、前記次単位時間の音声信
号を取り出す際には、前記ピッチ変換に相当する時間的
長さに、前単位時間の音声信号の本来の時間と前記ピッ
チ検出及びピッチ変換の処理に要した時間との差を加え
た時点から、先に検出したピッチの整数倍の長さだけ時
間的に戻った時刻より取り出しを行うようにした演算処
理を、演算装置に対して実行させるプログラムデータを
記録、若しくは伝送する。

【００１０】ここで、前記音声信号のピッチを検出する
ステップは、前記音声信号から所望の周波数帯域のみを
通過させるステップと、前記所望の周波数帯域の音声信
号波形から複数の極大点と極小点及び／又は零交差を検
出するステップと、前記検出した各極大点の間と各極小
点の間及び／又は零交差の間でそれぞれ時間間隔を求め
るステップと、前記時間間隔に基づいてヒストグラムを
作成するステップと、前記ヒストグラムの最瀕値を前記
音声信号のピッチとして取り出すステップとからなる。

【００１１】

【発明の実施の形態】以下、本発明に係る音声信号処理
装置及び情報媒体の好ましい実施の形態について、図面
を参照しながら詳細に説明する。

【００１２】本発明の音声信号処理装置が適用される一
実施の形態としてのピッチ変換装置の概略構成を図１に
示す。

【００１３】この図１において、入力端子１には、アナ
ログ音声信号として例えば図２に示すような波形信号が
供給され、アナログ／デジタル（Ａ／Ｄ）変換器２に供
給される。このアナログ／デジタル変換器２は、図２の
アナログ音声信号波形を、４４．１ｋＨｚのサンプリン
グ周波数でサンプリング処理してデジタル信号に変換す
る。アナログ／デジタル変換器２にてデジタル化された
音声データは、バッファメモリ３に送られる。

【００１４】該バッファメモリ３は、ピッチシフトコン
トロール回路８からの制御に基づいて、アナログ／デジ
タル変換器２からのデータを取り込んで出力する。この
とき、該バッファメモリ３は、少なくとも、後述するピ
ッチシフト・フレーム結合回路４及びピッチ検出回路１
０における一定の処理単位時間分（以下、処理単位時間
をフレームと呼び、このフレームの長さをフレーム長と
呼ぶ）及び、そのフレームのピッチシフト量（ピッチ変
換量）に相当する時間的長さ分だけのデータを取り込
み、該フレーム長及びピッチシフト量に相当する時間的
長さ分のデータを出力する。このバッファメモリ３から
出力されたフレーム長及びピッチシフト量に相当する時
間的長さ分のデータは、ピッチシフト・フレーム結合回
路４及びピッチ検出回路１０に送られる。なお、該フレ
ーム長としては、例えば約３０ｍ秒を例を挙げることが
できる。

【００１５】ピッチ検出回路１０では、ピッチシフトコ
ントロール回路８からの制御に基づいて、バッファメモ
リ３からのフレーム長及びピッチシフト量に相当する時
間的長さ分のサンプルデータを取り込み、このフレーム
長及びピッチシフト量に相当する時間的長さ分毎のサン
プルデータから、該フレーム長及びピッチシフト量に相
当する時間的長さ分のデータのピッチ周期（入力端子１
に供給されたアナログ音声信号のピッチ周期に対応す
る）を検出し、この検出したピッチ周期をピッチ情報と
してピッチシフト・フレーム結合回路４に送る。なお、
このピッチ検出回路１０におけるピッチ検出処理、及び
ヒストグラム処理回路１１についての詳細は後述する。

【００１６】ピッチシフト・フレーム結合回路４では、
ピッチシフトコントロール回路８からの制御に基づい
て、バッファメモリ３からのフレーム長及びそのピッチ
シフト量に相当する時間的長さ分のデータを取り込み、
このフレーム長及びそのピッチシフト量に相当する時間
的長さ分のデータにピッチシフト処理を施すと共に、こ
のピッチシフト処理が施された後の各フレームを結合す
るフレーム結合処理を行う。

【００１７】以下に、バッファメモリ３からのデータ読
み出し動作とピッチシフト・フレーム結合回路４におけ
るピッチシフト及びフレーム結合処理の具体的な処理動
作について、図３及び図４を用いて説明する。

【００１８】ここで、ピッチシフト処理とは、元の音の
高さを高くする方向にシフトさせる処理と、元の音の高
さを低くする方向にシフトさせる処理とがあり、図３に
は元の音の高さを高くする方向のシフトを行った場合の
例を、図４には元の音の高さを低くする方向のシフトを
行った場合の例を示す。なお、ピッチシフトの方向と量
は、例えば使用者がピッチシフトコントロール回路８に
設定し、このピッチシフトコントロール回路８は該設定
されたピッチシフトの方向及び量に基づいて各部を制御
する。

【００１９】元の音の高さを高くする方向にピッチシフ
トを行う図３の例から説明する。

【００２０】先ず、元の音の高さを高くする方向にシフ
トする場合、バッファメモリ３からは、図３（ａ）に示
すように、あるフレーム（図３中では前フレームＦＦと
して示す）のデータと、該前フレームＦＦのピッチシフ
ト量に相当する時間的長さＬ１分のデータが読み出され
る。

【００２１】ピッチシフト・フレーム結合回路４は、図
３（ａ）に示した前フレームＦＦ及びそのピッチシフト
量に相当する時間的長さＬ１のデータに対して、例えば
直線補間，平均値補間、ｎ次補間等の各種補間等の処理
によってピッチシフトを施し、図３（ｃ）に示すよう
に、そのピッチシフト後のフレームデータ（図３中では
シフト後の前フレームＳＦＦとして示す）を作成する。

【００２２】次に、この前フレームＦＦに対するピッチ
シフト処理後、ピッチシフト・フレーム結合回路４は、
図３（ｂ）に示す次フレームＡＦに対して同様のピッチ
シフト処理を行い、図３（ｃ）に示すようにシフト後の
前フレームＳＦＦとシフト後の次フレームＳＡＦとを結
合するフレーム結合処理を行う。

【００２３】但し、このフレーム結合処理の際、シフト
後の前フレームＳＦＦの最後の点Ｐ１の位相と、シフト
後の次フレームＳＡＦの先頭の点Ｑ１Ａの位相とを合わ
せておかないと、その点Ｐ１及びＱ１Ａの結合点でノイ
ズやリップルが発生することになる。

【００２４】そこで、次フレームＡＦのデータをバッフ
ァメモリ３から読み出す際に、ピッチシフトコントロー
ル回路８は、ピッチシフト量に相当する時間的長さＬ１
に、前フレームＦＦの本来の時間とこれまでの処理によ
り蓄積された時間（サンプル数に相当する）との差Ｄ１
の時間（サンプル数に相当する）を加えた時点から、先
にピッチ検出回路１０にて求めたピッチ周期の整数倍の
長さ分ｉ１だけ時間的に戻った時刻（図中の点Ｑ１Ｆ）
より、次フレームＡＦのデータを読み出すようにする。

【００２５】すなわち、このようにして読み出した次フ
レームＡＦに対してピッチシフト処理を施した後の次フ
レームＳＡＦの先頭の点Ｑ１Ａと、シフト後の前フレー
ムＳＦＦの最後の点Ｐ１とは位相が合っていることにな
り、したがって、ピッチシフト・フレーム結合回路４に
て、このシフト後の前フレームＳＦＦの最後の点Ｐ１と
シフト後の次フレームＳＡＦの先頭の点Ｑ１Ａとを結合
すれば、結果としてシフト後のフレーム間が滑らかに繋
がり、ノイズやリップルの無い音声が最終的に得られる
ようになる。

【００２６】次に、元の音の高さを低くする方向にピッ
チシフトを行う図４の例について説明する。

【００２７】この図４の例の場合も、先ず、バッファメ
モリ３からは、図４（ａ）に示すように、前フレームＦ
Ｆのデータと、該前フレームＦＦのピッチシフト量に相
当する時間的長さＬ２分のデータが読み出される。但
し、この図４の例のように元の音の高さを低くする方向
にシフトする場合、ピッチシフト量に相当する時間的長
さＬ２は、前フレームＦＦの最後の点よりも時間的に前
とり、このときバッファメモリ３から読み出されるデー
タは前フレームＦＦのデータのみとなる。

【００２８】ピッチシフト・フレーム結合回路４は、図
４（ａ）に示した前フレームＦＦ（ピッチシフト量に相
当する時間的長さＬ２を含む）のデータに対して、前述
同様に各種補間等の処理によってピッチシフトを施し、
図４（ｃ）に示すように、そのピッチシフト後のフレー
ムデータ（シフト後の前フレームＳＦＦ）を作成する。

【００２９】次いで、この前フレームＦＦに対するピッ
チシフト処理後、ピッチシフト・フレーム結合回路４
は、図４（ｂ）に示す次フレームＡＦに対して同様のピ
ッチシフト処理を行い、図４（ｃ）に示すようにシフト
後の前フレームＳＦＦとシフト後の次フレームＳＡＦと
を結合するフレーム結合処理を行う。

【００３０】この図４の例でも、該フレーム結合処理の
際において、シフト後の前フレームＳＦＦの最後の点Ｐ
２の位相と、シフト後の次フレームＳＡＦの先頭の点Ｑ
２Ａの位相とを合わせておかないと、その点Ｐ２及びＱ
２Ａの結合点でノイズやリップルが発生することにな
る。

【００３１】そこで、次フレームＡＦのデータをバッフ
ァメモリ３から読み出す際に、ピッチシフトコントロー
ル回路８は、ピッチシフト量に相当する時間的長さＬ２
に、前フレームＦＦの本来の時間とこれまでの処理によ
り蓄積された時間との差Ｄ２の時間を加えた時点から、
先にピッチ検出回路１０にて求めたピッチ周期の整数倍
の長さ分ｉ２だけ時間的に進んだ時刻（図中の点Ｑ２
Ｆ）より、次フレームＡＦのデータを読み出すようにす
る。

【００３２】すなわち、このようにして読み出した次フ
レームＡＦに対してピッチシフト処理を施した後の次フ
レームＳＡＦの先頭の点Ｑ２Ａと、シフト後の前フレー
ムＳＦＦの最後の点Ｐ２との位相が合っていることにな
り、したがって、ピッチシフト・フレーム結合回路４に
てこのシフト後の前フレームＳＦＦの最後の点Ｐ２とシ
フト後の次フレームＳＡＦの先頭の点Ｑ２Ａとを結合す
れば、結果としてシフト後のフレーム間が滑らかに繋が
り、ノイズやリップルの無い音声が最終的に得られるよ
うになる。

【００３３】図１に戻って、上述のようにしてピッチシ
フト処理及びフレーム結合処理がなされた後のデータ
は、バッファメモリ５に所定量ずつ蓄積された後に読み
出され、デジタル／アナログ（Ｄ／Ａ）変換器６にてア
ナログ音声信号に戻される。このアナログ音声信号は、
ピッチシフト処理後の音声信号として出力されることに
なる。

【００３４】上述したような図１のピッチ変換装置にお
ける動作をフローチャートとして表すと、図５に示すよ
うになる。

【００３５】この図５において、ステップＳ１では、ア
ナログ／デジタル変換器２にてデジタル変換されたデー
タがバッファメモリ３でフレーム毎に纏められ、次のス
テップＳ２では、このバッファメモリ３から、フレーム
長及びそのピッチシフト量に相当する時間的長さのデー
タが読み出される。

【００３６】ステップＳ３では、ピッチ検出回路１０が
ピッチ周期を検出し、ステップＳ４では、そのピッチ情
報に基づいてピッチシフト・フレーム結合回路４がピッ
チシフト処理を行う。

【００３７】次のステップＳ５では、ピッチシフト・フ
レーム結合回路４において、ピッチシフト量に相当する
時間的長さに、前フレームＦＦの本来の時間とこれまで
の処理により蓄積された時間との差の時間を加えた時点
から、ステップＳ４で求めたピッチ周期（ピッチ情報）
の整数倍の長さ分だけ時間的に戻った時刻を、次のフレ
ームの開始点として決定して読み出すようにする。

【００３８】次のステップＳ６では、ピッチシフト処理
後の前フレームの最後の点と、同じくピッチシフト処理
後の次フレームの最初の点（開始点）とを連結する。

【００３９】その後、ステップＳ７では、上述のように
して連結した各フレームのデータをバッファメモリ５に
一時的に蓄積した後に読み出し、デジタル／アナログ変
換器５でアナログ信号に変換し、ピッチシフト後の音声
出力として出力する。

【００４０】次に、図１のピッチ変換装置のピッチ検出
回路１０におけるピッチ検出処理、及びヒストグラム処
理回路１１について説明する。

【００４１】ピッチ検出回路１０におけるピッチ検出処
理としては、一般的ないわゆる自己相関法や変形相関法
などを使用できるが、これらの手法は音声信号の相関を
求める必要があり、演算量が膨大となり、また、リアル
タイムにピッチ周波数やピッチ周期を検出するために
は、高速な演算処理を実行できる高価な演算処理装置が
必要となる。

【００４２】そこで、本実施の形態のピッチ変換装置に
使用するピッチ検出回路１０では、以下の手法によりピ
ッチ検出を行うようにしている。

【００４３】ピッチ検出回路１０の第１の具体的構成例
を図６に示す。

【００４４】この図６において、端子１２には、図１の
バッファメモリ３から読み出された音声データが供給さ
れる。この端子１２に供給された音声データは、フィル
タ回路２２に送られる。

【００４５】当該フィルタ回路２２は、ＩＩＲ（巡回
型）若しくはＦＩＲ（非巡回型）のデジタルフィルタで
あり、例えば図７に示すようなカットオフ周波数が３０
０Ｈｚの周波数特性を有する低域濾波器（ローパスフィ
ルタ）である。このフィルタ回路２２にて低域濾波を行
うことで、図２に示したような波形信号は例えば図８
（ａ）に示したような高域成分が除去された波形信号と
なる。なお、フィルタ回路２２の出力は、実際にはデジ
タルデータであるが、該フィルタ処理の結果をわかりや
すくするために、図８（ａ）の例ではアナログ波形信号
のように表している。このフィルタ回路２２からの出力
データは、ピークサーチ回路２３に送られる。

【００４６】このピークサーチ回路２３では、供給され
た各サンプルデータを１サンプル毎に比較し、その比較
出力に基づいて、音声データのピークを抽出する。

【００４７】具体的に言うと、該ピークサーチ回路２３
では、音声データの各サンプル毎に、現在の音声データ
とその１サンプル前の音声データとを比較し、現在のサ
ンプル値がその１サンプル前のサンプル値よりも大きい
ことを示す比較結果が続いた後、現在のサンプル値がそ
の１サンプル前のサンプル値よりも小さくなったことを
示す比較結果が得られたとき、或いは、現在のサンプル
値がその１サンプル前のサンプル値よりも小さいことを
示す比較結果が続いた後、現在のサンプル値がその１サ
ンプル前のサンプル値よりも大きくなったことを示す比
較結果が得られたときに、それら比較結果の変化時点を
音声データのピークとして検出する。

【００４８】すなわち、現在のサンプル値がその１サン
プル前のサンプル値よりも大きいことを示す比較結果が
続いた後、現在のサンプル値がその１サンプル前のサン
プル値よりも小さくなった時点の当該現在のサンプル値
の１つ前のサンプル値がローカルマキシマム（極大値）
を示し、一方で、現在のサンプル値がその１サンプル前
のサンプル値よりも小さいことを示す比較結果が続いた
後、現在のサンプル値がその１サンプル前のサンプル値
よりも大きくなった時点の当該現在のサンプル値の１つ
前のサンプル値がローカルミニマム（極小値）を示す。
したがって、当該ピークサーチ回路２３では、このよう
にサンプル比較結果の変化に基づいて、音声データのロ
ーカルマキシマムのサンプルデータ、及びローカルミニ
マムのサンプルデータを検出する。このピークサーチ回
路２３により検出されたローカルマキシマム及びローカ
ルミニマムのサンプルデータは波形特徴抽出回路２４に
送られる。

【００４９】波形特徴抽出回路２４は、図８（ｂ）及び
図９（ａ）に示すように、ピークサーチ回路２３より供
給された各ローカルマキシマムＭＡのサンプルデータに
対しては正（＋）の符号を付加し、各ローカルミニマム
ＭＩのサンプルデータに対しては負（−）の符号を付加
する。なお、図９には、図８の一部を抜き出し、拡大し
て示している。この波形特徴抽出回路２４にて符号デー
タ化されたローカルマキシマムＭＡ及びローカルミニマ
ムＭＩの各サンプルデータは、測定回路２５に送られ
る。

【００５０】この測定回路２５では、波形特徴抽出回路
２４にて正（＋）の符号が付加された各ローカルマキシ
マム間の時間間隔（サンプル数）、及び、波形特徴抽出
回路２４にて負（−）の符号が付加された各ローカルミ
ニマム（極小値）間の時間間隔（サンプル数）を求め、
これら測定した時間間隔を端子１４を介してヒストグラ
ム処理回路１１に送る。

【００５１】すなわち、測定回路２５では、正（＋）の
符号が付加された各ローカルマキシマム間の時間間隔と
して、図９（ｂ）に示すように、あるローカルマキシマ
ムＭＡ１から次のローカルマキシマムＭＡ２までの時間
間隔（サンプル数）ＴＤ１、ローカルマキシマムＭＡ１
からローカルマキシマムＭＡ３までの時間間隔（サンプ
ル数）ＴＤ２、ローカルマキシマムＭＡ１からローカル
マキシマムＭＡ４までの時間間隔（サンプル数）ＴＤ
３、・・・のように、ローカルマキシマムＭＡ１から他
の各ローカルマキシマムについてそれぞれの時間間隔を
求めると共に、同様にして、ローカルマキシマムＭＡ２
から次のローカルマキシマムＭＡ３までの時間間隔、ロ
ーカルマキシマムＭＡ２からローカルマキシマムＭＡ４
までの時間間隔、ローカルマキシマムＭＡ２からローカ
ルマキシマムＭＡ５（図示は省略）までの時間間隔、・
・・のように、ローカルマキシマムＭＡ２から他の各ロ
ーカルマキシマムについてそれぞれの時間間隔を求め、
これら時間間隔をヒストグラム処理回路１１に送る。ま
た、ローカルマキシマムＭＡ３やローカルマキシマムＭ
Ａ４、それ以降の各ローカルマキシマムについても同様
に、あるローカルマキシマムから他の各ローカルマキシ
マムについてそれぞれの時間間隔を求め、これら時間間
隔をヒストグラム処理回路１１に送る。

【００５２】また、該測定回路２５は、負（−）の符号
が付加された各ローカルミニマム間の時間間隔について
も同様に、図９（ｂ）に示すように、あるローカルミニ
マムＭＩ１から次のローカルミニマムＭＩ２までの時間
間隔（サンプル数）ＡＤ１、ローカルミニマムＭＩ１か
らローカルミニマムＭＩ３までの時間間隔（サンプル
数）ＡＤ２、ローカルミニマムＭＩ１からローカルミニ
マムＭＩ４までの時間間隔（サンプル数）ＡＤ３、・・
・のように、ローカルミニマムＭＩ１から他の各ローカ
ルミニマムについてそれぞれの時間間隔を求めると共
に、同様にして、ローカルミニマムＭＩ２から次のロー
カルミニマムＭＩ３までの時間間隔、ローカルミニマム
ＭＩ２からローカルミニマムＭＩ４までの時間間隔、ロ
ーカルミニマムＭＩ２からローカルミニマムＭＩ５（図
示は省略）までの時間間隔、・・・のように、ローカル
ミニマムＭＩ２から他の各ローカルマキシマムについて
それぞれの時間間隔を求め、それら時間間隔をヒストグ
ラム処理回路１１に送る。また、ローカルミニマムＭＩ
３やローカルミニマムＭＩ４、それ以降の各ローカルマ
キシマムについても同様に、あるローカルミニマムから
他の各ローカルミニマムについてそれぞれの時間間隔を
求め、それら時間間隔をヒストグラム処理回路１１に送
る。

【００５３】ヒストグラム処理回路１１では、測定回路
２５から供給された、正（＋）の符号が付加された各ロ
ーカルマキシマムについてそれぞれ求めた時間間隔（サ
ンプル数）と、負（−）の符号が付加された各ローカル
ミニマムについてそれぞれ求めた時間間隔（サンプル
数）の両方を用いて、統計的な分析を行う。

【００５４】具体的に言うと、該ヒストグラム処理回路
１１では、正（＋）の符号が付加された各ローカルマキ
シマム間の各時間間隔に対応するサンプル数と、負
（−）の符号が付加された各ローカルミニマム間の各時
間間隔に対応するサンプル数の両方を用いて、ヒストグ
ラムを作成し、このヒストグラムの最瀕値を求める。す
なわち、例えば図１０に示すように、正（＋）の符号が
付加された各ローカルマキシマム間の時間間隔（サンプ
ル数）及び負（−）の符号が付加された各ローカルミニ
マム間の時間間隔（サンプル数）のうち、最も発生頻度
が高い時間間隔（サンプル数）を求める。図１０の例で
は、それら両者の時間間隔として、８１サンプル分の時
間間隔を有するものが２回、８２サンプル分の時間間隔
を有するものが２回、８３サンプル分の時間間隔を有す
るものが３回、・・・となり、ヒストグラムの最瀕値と
しては、１９３サンプル分の時間間隔を有するものが９
回であり、したがって、ヒストグラム処理回路１１は、
当該１９３サンプル分の時間間隔を統計分析結果として
出力する。

【００５５】該ヒストグラム処理回路１１での統計分析
により求められた時間間隔出力は、端子１５及び測定回
路２５を介して、ピッチ決定回路２６に送られる。該ピ
ッチ決定回路２６では、ヒストグラム処理回路１１から
供給された時間間隔出力に基づいて、入力音声信号のピ
ッチを決定する。すなわち、図１０に示した統計分析結
果を例に挙げて説明すると、ピッチ決定回路２６では、
１９３サンプル分の時間間隔を、図１の入力端子１に供
給された入力音声信号のピッチ周期として決定する。

【００５６】該ピッチ決定回路２６にて決定されたピッ
チ周期は、端子１３からピッチ情報として図１のピッチ
シフト・フレーム結合回路４に供給されることになる。

【００５７】この図６に示した第１の具体的構成例のピ
ッチ検出回路１０におけるピッチ検出動作の流れをフロ
ーチャートにて表すと、図１１に示すようになる。

【００５８】この図１１において、ステップＳ１１で
は、ピークサーチ回路２３において、フィルタ回路２２
にて所望の周波数帯域のみを取り出す低域濾波を行った
後の音声データから、ローカルマキシマム（極大点）と
ローカルミニマム（極小点）を抽出し、さらに波形特徴
抽出回路２４にてローカルマキシマムに正（＋）の符号
を付加し、ローカルミニマムに負（−）の符号を付加す
る符号データ化を行う。

【００５９】ステップＳ１２では、測定回路２５におい
て、正（＋）の符号が付加されたローカルマキシマムと
負（−）の符号が付加されたローカルミニマムの二者を
用いて、それぞれ時間間隔（サンプル数）を求め、さら
にヒストグラム処理回路１１においてそれら時間間隔か
らヒストグラムを作成する。

【００６０】ステップＳ１３では、ヒストグラム処理回
路１１にてヒストグラムの最瀕値を求め、その後、ピッ
チ決定回路２６において当該ヒストグラムの最瀕値から
ピッチ周期を決定する。

【００６１】この第１の具体的構成例によれば、音声信
号の相関を求めることなく、その波形の特徴から少ない
演算量で、且つローカルマキシマム、ローカルミニマム
のサンプル点の振幅に左右されずに、精度の高いピッチ
検出が可能である。

【００６２】また、本実施の形態のピッチ変換装置に使
用するピッチ検出回路１０では、以下の手法によりピッ
チ検出を行うことも可能である。図１２には、ピッチ検
出手法を用いた第２の具体的構成例を示す。なお、この
図１２中の各構成要素のうち、図６に示した構成と同一
の構成要素には同じ指示符号を付して、それらの詳細な
説明については省略する。

【００６３】この図８に示す第２の具体的構成例のピッ
チ検出回路１０において、図６の構成と同様のフィルタ
回路２２を介したデータは、ゼロクロス検出回路３３に
送られる。

【００６４】このゼロクロス検出回路３３では、供給さ
れた各音声データのゼロクロス点を検出する。具体的に
言うと、該ゼロクロス検出回路３３では、音声データの
符号が正（＋）から負（−）に変化する時点における最
も近いサンプル点、及び、音声データの符号が負（−）
から正（＋）に変化する時点における最も近いサンプル
点を、それぞれ略ゼロクロスとして抽出する。このゼロ
クロス検出回路３３により検出されたゼロクロスのデー
タは、波形特徴抽出回路３４に送られる。

【００６５】波形特徴抽出回路３４は、図１３（ｂ）及
び図１４（ａ）に示すように、ゼロクロス検出回路３３
より供給されたゼロクロスＺＸのうち、音声データの符
号が負（−）から正（＋）に変化する時点に対応するゼ
ロクロスのデータに対しては「１」の値を設定し、音声
データの符号が正（＋）から負（−）に変化する時点に
対応するゼロクロスのデータに対しては「−１」の値を
設定する。なお、図１３（ａ）には図８（ａ）と同じ波
形を示し、図１４（ａ）には、図１３の一部を抜き出
し、拡大して示している。この波形特徴抽出回路３４に
て符号データ化されたゼロクロスＺＸの各データは、測
定回路３５に送られる。

【００６６】この測定回路３５では、波形特徴抽出回路
３４にて「１」の値に設定された各ゼロクロス間の時間
間隔（サンプル数）、及び、波形特徴抽出回路３４にて
「−１」の値に設定された各ゼロクロス間の時間間隔
（サンプル数）を求め、次いで、それら「１」の値に設
定された各ゼロクロス間の時間間隔（サンプル数）と
「−１」の値に設定された各ゼロクロス間の時間間隔
（サンプル数）を求めて、それら時間間隔をヒストグラ
ム処理回路１１に送る。

【００６７】すなわち、測定回路３５では、「１」の値
に設定された各ゼロクロス間の時間間隔として、図１４
（ｂ）に示すように、あるゼロクロスＺＸ１から次のゼ
ロクロスＺＸ２までの時間間隔（サンプル数）ＸＤ１、
ゼロクロスＺＸ１からゼロクロスＺＸ３までの時間間隔
（サンプル数）ＸＤ２、ゼロクロスＺＸ１からゼロクロ
スＺＸ４（図示は省略）までの時間間隔（サンプル数）
・・・のように、ゼロクロスＺＸ１から他の各ゼロクロ
スについてそれぞれの時間間隔を求めると共に、同様に
して、ゼロクロスＺＸ２から次のゼロクロスＺＸ３まで
の時間間隔、ゼロクロスＺＸ２からゼロクロスＺＸ４
（図示は省略）までの時間間隔、ゼロクロスＺＸ２から
ゼロクロスＺＸ５（図示は省略）までの時間間隔、・・
・のように、ゼロクロスＺＸ２から他の各ゼロクロスに
ついてそれぞれの時間間隔を求める。ゼロクロスＺＸ３
やそれ以降の各ゼロクロスについても同様に、「１」の
値に設定された、あるゼロクロスから他の各ゼロクロス
についてそれぞれの時間間隔を求める。

【００６８】また、該測定回路３５は、「−１」の値に
設定された各ゼロクロス間の時間間隔についても同様
に、図１４（ｂ）に示すように、あるゼロクロスＺＸ１
１から次のゼロクロスＺＸ１２までの時間間隔（サンプ
ル数）ＸＤ１１、ゼロクロスＺＸ１１からゼロクロスＺ
Ｘ１３（図示は省略）までの時間間隔（サンプル数）Ｘ
Ｄ１２（図示は省略）、・・・のように、ゼロクロスＺ
Ｘ１１から他の各ゼロクロスについてそれぞれの時間間
隔を求めると共に、同様にして、ゼロクロスＺＸ１２か
ら次のゼロクロスＺＸ１３（図示は省略）までの時間間
隔、ゼロクロスＺＸ１２からゼロクロスＺＸ１４（図示
は省略）までの時間間隔、・・・のように、ゼロクロス
ＺＸ１２から他の各ゼロクロスについてそれぞれの時間
間隔を求める。ゼロクロスＺＸ１３（図示は省略）やそ
れ以降の各ゼロクロスについても同様に、「−１」の値
に設定された、あるゼロクロスから他の各ゼロクロスに
ついてそれぞれの時間間隔を求める。

【００６９】測定回路３５にて測定された時間間隔のデ
ータが供給されたヒストグラム処理回路１１では、
「１」の値に設定された各ゼロクロスについてそれぞれ
求めた時間間隔（サンプル数）と、「−１」の値に設定
された各ゼロクロスについてそれぞれ求めた時間間隔
（サンプル数）の両方を用いて、統計的な分析を行う。

【００７０】具体的に言うと、該ヒストグラム処理回路
１１では、「１」の値に設定された各ゼロクロス間の各
時間間隔に対応するサンプル数と、「−１」の値に設定
された各ゼロクロス間の各時間間隔に対応するサンプル
数の両方を用いて、ヒストグラムを作成し、該ヒストグ
ラムの最瀕値を求める。すなわち、図１５に示すよう
に、「１」の値に設定された各ゼロクロス間の時間間隔
（サンプル数）及び「−１」の値に設定された各ゼロク
ロス間の時間間隔（サンプル数）のうち、最も発生頻度
が高い時間間隔（サンプル数）を求める。図１５の例で
は、それら両者の時間間隔として、１３０サンプル分の
時間間隔を有するものが２回、１９２サンプル分の時間
間隔を有するものが２回、１９３サンプル分の時間間隔
を有するものが７回、・・・となり、ヒストグラムの最
瀕値としては、１９３サンプル分の時間間隔を有するも
のが７回であり、したがって、ヒストグラム処理回路１
１は、当該１９３サンプル分の時間間隔を統計分析結果
として出力する。

【００７１】ヒストグラム処理回路１１での統計分析に
より求められた時間間隔出力は、測定回路３５を介して
ピッチ決定回路３６に送られる。該ピッチ決定回路３６
では、ヒストグラム処理回路１１から供給された時間間
隔出力に基づいて、入力音声信号のピッチを決定する。
すなわち、図１５に示した統計分析結果を例に挙げて説
明すると、ピッチ決定回路３６では、１９３サンプル分
の時間間隔を、入力端子１に供給された入力音声信号の
ピッチ周期として決定する。

【００７２】前記図１２に示した第２の具体的構成例の
ピッチ検出回路１０におけるピッチ検出動作の流れをフ
ローチャートにて表すと、図１６に示すようになる。

【００７３】この図１６において、ステップＳ２１で
は、ゼロクロス検出回路３３にて、ゼロクロス（零交
差）を抽出し、さらに波形特徴抽出回路３４にてゼロク
ロスに「１」又は「−１」の値を設定する符号データ化
を行う。

【００７４】ステップＳ２２では、測定回路３５におい
て、「１」の値に設定されたゼロクロスと「−１」の値
に設定されたゼロクロスの二者を用いて、それぞれ時間
間隔（サンプル数）を求め、さらにヒストグラム処理回
路１１において、それら時間間隔からヒストグラムを作
成する。

【００７５】ステップＳ２３では、ヒストグラム処理回
路１１にてヒストグラムの最瀕値を求め、その後、ピッ
チ決定回路３６において当該ヒストグラムの最瀕値から
ピッチ周期を決定する。

【００７６】この第２の具体的構成例によれば、音声信
号の相関を求めることなく、その波形の特徴から少ない
演算量で、精度の高いピッチ検出が可能である。

【００７７】次に、本実施の形態のピッチ変換装置に使
用するピッチ検出回路１０では、さらに以下の手法によ
りピッチ検出を行うことも可能である。図１７には、そ
のピッチ検出手法を用いた第３の具体的構成例を示す。
なお、この図１７中の各構成要素のうち、図６及び図１
２に示した構成と同一の構成要素には同じ指示符号を付
して、それらの詳細な説明については省略する。すなわ
ち、この図１７に示す第３の具体的構成例のピッチ検出
回路１０は、第１の具体的構成例と第２の具体的構成例
の両者の動作を行うものである。

【００７８】この図１７に示すピッチ検出回路１０にお
いて、フィルタ回路２２を介したデータは、図６同様の
ピークサーチ回路２３と図１２同様のゼロクロス検出回
路３３に送られる。

【００７９】ピークサーチ回路２３にて第１の具体的構
成例と同様にして求められたローカルマキシマム及びロ
ーカルミニマムのサンプルデータと、ゼロクロス検出回
路３３にて第２の具体的構成例と同様にして求められた
ゼロクロスのデータは、それぞれ波形特徴抽出回路４４
に送られる。

【００８０】この波形特徴抽出回路４４は、図６の波形
特徴抽出回路２４と図１２の波形特徴抽出回路３４の両
方の機能を有するものであり、図８（ｂ）及び図９
（ａ）に示すように、ピークサーチ回路２３より供給さ
れた各ローカルマキシマムＭＡのサンプルデータに対し
ては正（＋）の符号を付加し、各ローカルミニマムＭＩ
のサンプルデータに対しては負（−）の符号を付加す
る。また、波形特徴抽出回路４４は、ゼロクロス検出回
路３３からのゼロクロスのうち、図１４（ａ）に示すよ
うに、音声データの符号が負（−）から正（＋）に変化
する時点に対応するゼロクロスＺＸに対しては「１」の
値に設定し、音声データの符号が正（＋）から負（−）
に変化する時点に対応するゼロクロスＺＸに対しては
「−１」の値に設定する。なお、図１８（ａ）には図８
（ａ）と同じ波形を示している。この波形特徴抽出回路
４４にてそれぞれ符号データ化されたローカルマキシマ
ム及びローカルミニマム、並びにゼロクロスの各データ
は、測定回路４５に送られる。

【００８１】この測定回路４５は、図６の測定回路２５
と図１２の測定回路３５の両方の機能を有するものであ
り、前記図９（ｂ）と同様にして、波形特徴抽出回路４
４にて正（＋）の符号が付加された各ローカルマキシマ
ム間の時間間隔、及び、負（−）の符号が付加された各
ローカルミニマム間の時間間隔を求めると共に、図１４
（ｂ）と同様にして、波形特徴抽出回路４４にて「１」
の値に設定された各ゼロクロス間の時間間隔、及び、波
形特徴抽出回路４４にて「−１」の値に設定された各ゼ
ロクロス間の時間間隔を求める。

【００８２】次いで、ヒストグラム処理回路１１では、
それら求めた各時間間隔について、それぞれ図１０と図
１５同様にして統計的な分析を行う。

【００８３】すなわち、ヒストグラム処理回路１１で
は、ローカルマキシマム間及びローカルミニマム間につ
いてそれぞれ求めた各時間間隔から図１０同様にして得
たヒストグラムの最瀕値と、ゼロクロス間でそれぞれ求
めた各時間間隔から図１５同様にして得たヒストグラム
の最瀕値との、２つの最瀕値を求め、さらにこれら２つ
の最瀕値を比較し、より頻度の高い（数値の大きい）値
を統計分析結果として出力する。

【００８４】ヒストグラム処理回路１１での統計分析に
より求められた時間間隔出力は、測定回路４５を介して
ピッチ決定回路４６に送られる。該ピッチ決定回路４６
では、ヒストグラム処理回路１１から供給された時間間
隔出力に基づいて、入力音声信号のピッチを決定する。
すなわち、図１０及び図１５に示した統計分析結果を例
に挙げて説明すると、ピッチ決定回路４６では、１９３
サンプル分の時間間隔を、入力端子１に供給された入力
音声信号のピッチ周期として決定する。

【００８５】この図１７に示した第３の具体的構成例の
ピッチ検出回路１０におけるピッチ検出動作の流れをフ
ローチャートにて表すと、図１９に示すようになる。

【００８６】この図１９において、ステップＳ３１で
は、ピークサーチ回路２３にて、ローカルマキシマム及
びローカルミニマムを抽出し、さらに波形特徴抽出回路
４４にてローカルマキシマムには正（＋）の符号を付加
し、ローカルミニマムには負（−）の符号を付加する符
号データ化を行う。同時に、ステップＳ３２では、ゼロ
クロス検出回路３３にて、ゼロクロス（零交差）を抽出
し、さらに波形特徴抽出回路４４にてそれらゼロクロス
に「１」又は「−１」の値を設定する符号データ化を行
う。

【００８７】ステップＳ３３では、測定回路３５におい
て、正（＋）の符号が付加されたローカルマキシマムと
負（−）の符号が付加されたローカルミニマムの二者を
用いて、それぞれ時間間隔（サンプル数）を求め、さら
にヒストグラム処理回路１１で、それら時間間隔からヒ
ストグラムを作成する。また、ステップＳ３４では、
「１」の値に設定されたゼロクロスと「−１」の値に設
定されたゼロクロスの二者を用いて、それぞれ時間間隔
（サンプル数）を求め、得られた時間間隔からヒストグ
ラムを作成する。

【００８８】ステップＳ３５では、ヒストグラム処理回
路１１にて、ローカルマキシマム及びローカルミニマム
のヒストグラムの最瀕値を求めると共に、ゼロクロスの
ヒストグラムの最瀕値を求め、その後、ピッチ決定回路
４６においてそれら２つの最瀕値を比較して、より頻度
の高い方をピッチ周期として決定する。

【００８９】この第３の具体的構成例によれば、音声信
号の相関を求めることなく、その波形の特徴から少ない
演算量で、精度の高いピッチ検出が可能である。

【００９０】次に、本実施の形態のピッチ変換装置に使
用するピッチ検出回路１０では、さらに以下の手法に述
べるピッチ検出を行うことも可能である。この第４の具
体的構成例のピッチ検出回路１０の構成は、図１７と略
々同じであるが、該第４の具体的構成例のピッチ検出回
路１０では、図２０（ａ）及び図２０（ｂ）に示すよう
に、正（＋）の符号が付加された各ローカルマキシマ
ム、及び、負（−）の符号が付加された各ローカルミニ
マムと、「１」の値に設定された各ゼロクロス、及び、
「−１」の値に設定された各ゼロクロスとを混在させ、
これら混在させて求めた時間間隔について、統計的な分
析を行うようにしている。

【００９１】すなわち、この第４の具体的構成例の場合
の図１７の波形特徴抽出回路４４からは、図２０（ａ）
に示すように、正（＋）の符号を付加した各ローカルマ
キシマムＭＡのサンプルデータと、負（−）の符号を付
加した各ローカルミニマムＭＩのサンプルデータと、
「１」の値に設定されたゼロクロスＺＸと、「−１」の
値に設定されたゼロクロスＺＸとが、混在されて測定回
路４５に送られる。

【００９２】この第４の具体的構成例の場合の図１７の
測定回路４５では、これら混在されたローカルマキシマ
ム、ローカルミニマム、ゼロクロスの各データのうち、
図２０（ｂ）に示すように、正（＋）及び「１」側の各
ローカルマキシマム及びゼロクロスを混在させてそれぞ
れ時間間隔を求めると共に、負（−）及び「−１」側の
各ローカルミニマム及びゼロクロスを混在させてそれぞ
れ時間間隔を求め、またヒストグラム処理回路１１で
は、それら求めた時間間隔について、図２１に示すよう
な統計的な分析を行うようにしている。

【００９３】すなわちこの第４の具体的構成例における
測定回路４５では、図２０（ｂ）に示すように、例え
ば、「１」の値に設定されたゼロクロスＺＸ２１から隣
の正（＋）の符号が付加されたローカルマキシマムＭＡ
１１までの時間間隔Ｄ１、ゼロクロスＺＸ２１からロー
カルマキシマムＭＡ１２までの時間間隔Ｄ２、ゼロクロ
スＺＸ２１からゼロクロスＺＸ２２までの時間間隔Ｄ
３、ゼロクロスＺＸ２１からローカルマキシマムＭＡ１
３までの時間間隔Ｄ４、ゼロクロスＺＸ２１からローカ
ルマキシマムＭＡ１４までの時間間隔Ｄ５、・・・のよ
うに、また同様に、ローカルマキシマムＭＡ１１から隣
のローカルマキシマムＭＡ１２までの時間間隔Ｄ２１、
ローカルマキシマムＭＡ１１からゼロクロスＺＸ２２ま
での時間間隔Ｄ２２、ローカルマキシマムＭＡ１１から
ローカルマキシマムＭＡ１３までの時間間隔Ｄ２３、ロ
ーカルマキシマムＭＡ１１からローカルマキシマムＭＡ
１４までの時間間隔Ｄ２４、ローカルマキシマムＭＡ１
１からゼロクロスＺＸ２３までの時間間隔Ｄ２５、・・
・のように、ローカルマキシマム又はゼロクロスから他
のローカルマキシマム又はゼロクロスについてそれぞれ
の時間間隔を求める。ローカルマキシマムＭＡ１２やゼ
ロクロスＺＸ２２、それ以降の各ローカルマキシマムや
ゼロクロスについても同様に、あるローカルマキシマム
又はゼロクロスから他の各ローカルマキシマム又はゼロ
クロスについてそれぞれの時間間隔を求める。

【００９４】同様に、この第４の具体的構成例における
測定回路４５では、図２０（ｂ）に示すように、例え
ば、負（−）の符号が付加されたローカルミニマムＭＩ
１１から隣の「−１」の値に設定されたゼロクロスＺＸ
３１までの時間間隔ｄ１、ローカルミニマムＭＩ１１か
らローカルミニマムＭＩ１２までの時間間隔ｄ２、ロー
カルミニマムＭＩ１１からローカルミニマムＭＩ１３ま
での時間間隔ｄ３、ローカルミニマムＭＩ１１からゼロ
クロスＺＸ３２までの時間間隔ｄ４、ローカルミニマム
ＭＩ１１からローカルミニマムＭＩ１４までの時間間隔
ｄ５、・・・のように、ローカルミニマム又はゼロクロ
スから他のローカルミニマム又はゼロクロスについてそ
れぞれの時間間隔を求める。ゼロクロスＺＸ３１やロー
カルミニマム１２、それ以降の各ローカルミニマムやゼ
ロクロスについても同様に、あるローカルミニマム又は
ゼロクロスから他の各ローカルミニマム又はゼロクロス
についてそれぞれの時間間隔を求める。

【００９５】次いで、この第４の具体的構成例における
ヒストグラム処理回路１１では、図２１に示すように、
正（＋）の符号が付加された各ローカルマキシマム及び
「１」の値に設定された各ゼロクロスを混在させてそれ
ぞれ求めた時間間隔と、負（−）の符号が付加された各
ローカルミニマム及び「−１」の値に設定された各ゼロ
クロスを混在させてそれぞれ求めた時間間隔の両方を用
いて、ヒストグラムの最瀕値を求める。

【００９６】具体的に言うと、図２１の例では、それら
の時間間隔として、８０サンプル分の時間間隔を有する
ものが２回、８２サンプル分の時間間隔を有するものが
２回、８３サンプル分の時間間隔を有するものが３回、
・・・となり、ヒストグラムの最瀕値としては、１９３
サンプル分の時間間隔を有するものが１４回であり、し
たがって、ヒストグラム処理回路１１は、当該１９３サ
ンプル分の時間間隔を統計分析結果として出力する。

【００９７】この第４の具体的構成例のピッチ検出回路
１０におけるピッチ検出動作の流れをフローチャートに
て表すと、図２２に示すようになる。

【００９８】この図２２において、ステップＳ４１で
は、図１９のステップＳ３１と同様に、ピークサーチ回
路２３にてローカルマキシマム及びローカルミニマムを
抽出し、さらに波形特徴抽出回路４４にてローカルマキ
シマムには正（＋）の符号を付加し、ローカルミニマム
には負（−）の符号を付加する符号データ化を行う。同
時に、ステップＳ４２では、図１９のステップＳ３２と
同様に、ゼロクロス検出回路３３にてゼロクロス（零交
差）を抽出し、さらに波形特徴抽出回路４４にてそれら
ゼロクロスに「１」又は「−１」の値を設定する符号デ
ータ化を行う。

【００９９】ステップＳ４３では、測定回路４５におい
て、ローカルマキシマムとローカルミニマムとゼロクロ
スの三者を用いて、それぞれ時間間隔を求め、さらにヒ
ストグラム処理回路１１では、それら時間間隔からヒス
トグラムを作成する。

【０１００】ステップＳ４４では、ヒストグラム処理回
路１１にて、ローカルマキシマム及びローカルミニマム
とゼロクロスの三者から作成したヒストグラムの最瀕値
を求め、その後、ピッチ決定回路４６において該最瀕値
からピッチ周期を決定する。

【０１０１】この第４の具体的構成例によれば、音声信
号の相関を求めることなく、その波形の特徴から少ない
演算量で、且つ、ローカルマキシマム、ローカルミニマ
ム、ゼロクロスの各点を区別することなく、精度の高い
ピッチ検出が可能である。

【０１０２】なお、上述したピッチ検出の具体的構成例
では、全てのローカルマキシマムとローカルミニマム間
の時間間隔を測定し、それら時間間隔のヒストグラムを
求める例を挙げたが、例えば、フレーム内のローカルマ
キシマムのうちで振幅の絶対値が最大のローカルマキシ
マムと、同じくフレーム内のローカルミニマムのうちで
振幅の絶対値が最大のローカルミニマムを求め、これら
振幅の絶対値が最大のローカルマキシマムとローカルミ
ニマムからそれぞれ所定の範囲内或いは範囲外のローカ
ルマキシマム、ローカルミニマム間の時間間隔からヒス
トグラムを求め、そのヒストグラムの最瀕値からピッチ
を決定するようなことも可能である。このようにすれ
ば、演算量を削減することができる。

【０１０３】ところで、本発明の音声信号処理装置は、
例えばいわゆるカラオケ装置において、歌唱者の声やコ
ーラスの声のピッチを検出し、その声のピッチをシフト
する（声の高さを高くしたり低くしたりする）際に適用
可能である。すなわち、カラオケ装置においては、歌唱
者による歌の調及び各音の高さを前述したようにピッチ
を検出することによって求め、本来の楽曲の調及び音の
高さに合うようにシフトさせてスピーカから出力するよ
うなことが可能である。

【０１０４】図２３には、このカラオケ装置の機能を、
いわゆるパーソナルコンピュータにて実現する場合の概
略構成例を示す。なお、この図２３に示すパーソナルコ
ンピュータは、前述したピッチシフト処理やピッチ検出
処理等の各種動作を実現するためのアプリケーションデ
ータをインストール或いはダウンロードすることで、そ
れら何れの動作をも実現可能である。

【０１０５】この図２３において、Ｉ／Ｏポート５９
は、例えば外部通信回線と接続される外部端子であり、
このＩ／Ｏポート５９及び通信回線を介して、後述する
外部のサーバやいわゆる通信カラオケ用放送センタ等に
接続可能となっている。Ｉ／Ｏポート５９はＩ／Ｆ回路
６０と接続されている。なお、通信カラオケとは、通信
カラオケ用放送センタに複数の楽曲のデータを蓄積して
おき、この放送センタに複数接続されている遠隔地の端
末装置に必要に応じて楽曲のデータを送信して、端末装
置で楽曲の演奏（再生）を可能とするシステムのことで
ある。したがって、この図２３の例ではパーソナルコン
ピュータを例に挙げたが、該通信カラオケにおける端末
装置であってもよい。

【０１０６】このＩ／Ｆ回路６０は、Ｉ／Ｏポート５９
を介した外部通信回線と、内部ＣＰＵ（中央処理ユニッ
ト）５４との間のインターフェイスである。

【０１０７】当該Ｉ／Ｏポート５９には、該パーソナル
コンピュータからのデータ要求に応じて、カラオケ用Ｍ
ＩＤＩデータや前述したピッチシフト処理やピッチ検出
処理等の各種の動作を実現するためのアプリケーション
データ（以下、カラオケ用アプリケーションデータと呼
ぶ）が通信回線を介して供給される。なお、カラオケ用
アプリケーションデータは、前述したピッチシフトコン
トロール回路８におけるコントロール信号や、ピッチシ
フト・フレーム結合回路４におけるピッチシフト処理及
びフレーム結合処理制御用プログラムデータや、ピッチ
検出回路１０及びヒストグラム処理回路１１におけるピ
ッチ検出動作制御用プログラムデータ等を、少なくとも
有するものである。

【０１０８】これらカラオケ用ＭＩＤＩデータやカラオ
ケ用アプリケーションデータは、Ｉ／Ｆ回路６０を介し
てＣＰＵ５４に送られ、一旦、ハードディスクドライブ
（ＨＤＤ）５６内のハードディスクに記録される。

【０１０９】なお、カラオケ用ＭＩＤＩデータやカラオ
ケ用アプリケーションデータは、通信回線ではなく、例
えばいわゆるＣＤ−ＲＯＭ等の光ディスクやフロッピィ
ディスクに記録された状態で図２３のパーソナルコンピ
ュータに供給される場合もある。この場合は、該光ディ
スクやフロッピィディスクがディスクドライブ６１に装
填され、このディスクドライブ６１にて読み出されてＣ
ＰＵ５４に送られる。もちろん、光ディスクやフロッピ
ィディスクから読み出されたカラオケ用ＭＩＤＩデータ
やカラオケ用アプリケーションデータをハードディスク
ドライブ５６に送って記録させることも可能である。図
２３の例では、データ転送速度を考慮して、カラオケ用
ＭＩＤＩデータやカラオケ用アプリケーションデータを
ハードディスクドライブ５６に記録することとする。

【０１１０】ＣＰＵ５４は、例えばマウスやキーボード
からなる操作部５５からの操作に応じて、パーソナルコ
ンピュータの全体の動作を制御するものであり、図２３
の例のようにパーソナルコンピュータをカラオケ装置と
して動作させる場合には、先ず、ハードディスクドライ
ブ５６に記録（インストール或いはダウンロード）され
たカラオケ用アプリケーションデータを読み出し、信号
処理回路５３に送る。

【０１１１】一方、端子５０はアナログ音声信号の外部
入力端子であり、この端子５０を介して、歌唱者の声を
マイクロホンにて音響／電気変換したアナログ音声信号
が供給される。このアナログ音声信号は、アナログ／デ
ジタル変換器５１にてデジタル信号に変換され、信号処
理回路５３に送られる。

【０１１２】信号処理回路５３は、前述したピッチシフ
ト処理やピッチ検出処理を、カラオケ用アプリケーショ
ンデータに基づいてソフトウェア上で実現可能な高速演
算処理回路であり、したがって、この図２３の例のよう
にパーソナルコンピュータを使用した場合、当該信号処
理回路５３は、ピッチシフトコントロール回路８や、ピ
ッチシフト・フレーム結合回路４、ピッチ検出回路１
０、ヒストグラム処理回路１１の各構成要素として動作
する。もちろん、信号処理回路５３では、カラオケ装置
として通常備えている歌詞やイメージ映像を表示する為
の画像データを生成することも可能である。

【０１１３】メモリ５２は、信号処理回路５３での信号
処理に必要なデータや演算途中のデータ、生成した画像
データ等を一時的に蓄えるためのメモリであり、図１の
バッファメモリ３，５としての機能をも備える。

【０１１４】また、信号処理回路５３にて生成された各
種画像データは端子６２からモニタに送られ、また、端
子５０を介して入力され、アナログ／デジタル変換器５
１にてデジタル信号に変換された歌唱者の声の音声信号
は、デジタル／アナログ（Ｄ／Ａ）変換器５７にてアナ
ログ音声信号に戻され、音声出力端子５８から出力さ
れ、スピーカ等に送られる。

【０１１５】次に、図２４には、外部からの要求に応じ
てカラオケ用ＭＩＤＩデータやカラオケ用アプリケーシ
ョンデータを伝送するデータ伝送装置の構成例を示して
いる。すなわち、この伝送装置は、例えば図２３のパー
ソナルコンピュータや通信カラオケ用端末装置に対し
て、カラオケ用ＭＩＤＩデータやカラオケ用アプリケー
ションデータを伝送する、サーバ或いは通信カラオケ用
放送センタに適用可能である。

【０１１６】この図２４において、ＭＩＤＩ格納部７０
にはカラオケ用の複数の楽曲のＭＩＤＩデータが格納さ
れ、送信プログラム格納部７１には予め作成されたカラ
オケ用アプリケーションデータが格納されており、それ
ぞれバスに接続されている。なお、ここではＭＩＤＩデ
ータ及びカラオケ用アプリケーションデータがＭＩＤＩ
格納部７０及び送信プログラム格納部７１に格納された
例を挙げているが、これらＭＩＤＩデータ及びカラオケ
用アプリケーションデータはＣＤ−ＲＯＭ等の光ディス
クやフロッピィディスクに記録されていてもよく、この
場合の光ディスクやフロッピィディスクは、バスに接続
されたディスクドライブ７４に装填される。

【０１１７】ＲＯＭ７２及びＲＡＭ７３、並びにハード
ディスクドライブ８０は、バスを介してＣＰＵ７９と接
続され、これらＲＯＭ７２、ＲＡＭ７３、ハードディス
クドライブ８０は、ＣＰＵ７９が図２４の例の伝送装置
を制御する際の各種データを格納或いは記憶するための
ものである。

【０１１８】Ｉ／Ｏポート７８は、外部通信回線と接続
される外部端子であり、このＩ／Ｏポート７８及び通信
回線を介して、例えば図２３のパーソナルコンピュータ
や通信カラオケ端末装置に接続可能となっている。Ｉ／
Ｏポート７８はＩ／Ｆ回路７７と接続されている。

【０１１９】このＩ／Ｆ回路７７は、Ｉ／Ｏポート７８
を介した外部通信回線と、内部送受信データ処理回路７
６との間のインターフェイスである。

【０１２０】以下、図２５のフローチャートを参照しな
がら、図２４の伝送装置がＭＩＤＩデータやカラオケ用
アプリケーションデータを通信回線に送信する流れを説
明する。なお、この図２５のフローチャートでは、通常
のデータ通信にて行われる、接続管理やトラフィック管
理、さらに情報収集や料金徴収等については省略してい
る。

【０１２１】この図２５のフローチャート及び図２４の
伝送装置において、先ず、ステップＳ５１では、外部通
信回線を介して、ＭＩＤＩデータやカラオケ用アプリケ
ーションデータの送信要求を受信すると、その送信要求
は、送受信データ処理回路７６を介してＣＰＵ７９に送
られる。

【０１２２】ＣＰＵ７９は、送信要求を受け取ると、ス
テップＳ５２にてカラオケ用アプリケーションデータを
送信プログラム格納部７１から読み出し、次いでステッ
プＳ５３にて該送信要求にて要求されている楽曲のＭＩ
ＤＩデータをＭＩＤＩ格納部７０から読み出す。

【０１２３】これら読み出されたＭＩＤＩデータ及びカ
ラオケ用アプリケーションデータは、送受信データ処理
回路７６に転送される。この送受信データ処理回路７６
では、それらＭＩＤＩデータ及びカラオケ用アプリケー
ションデータを例えばパケット化し、さらにクロック発
振器７５からの搬送波を変調して、Ｉ／Ｆ回路７７に送
る。

【０１２４】これにより、Ｉ／Ｆ回路７７からは、ステ
ップＳ５５にてパケット化されたＭＩＤＩデータ及びカ
ラオケ用アプリケーションデータが送信される。

【０１２５】その後は、ステップＳ５６にて送信完了の
確認を行う。

【０１２６】なお、この図２４及び図２５にて説明した
データ伝送装置では、ＭＩＤＩ格納部７０から読み出し
たＭＩＤＩデータと送信プログラム格納部７１から読み
出したカラオケ用アプリケーションデータをパケット化
して通信回線から送信したが、これらＭＩＤＩデータと
カラオケ用アプリケーションデータを、記録可能な光デ
ィスクやフロッピィディスクに記録し、それら記録可能
な光デジタルやフロッピィディスクを利用者に提供する
ことも可能である。この場合は、ＭＩＤＩ格納部７０か
ら読み出したＭＩＤＩデータと送信プログラム格納部７
１から読み出したカラオケ用アプリケーションデータ
を、例えばディスクドライブ７４に送り、このディスク
ドライブ７４にて記録可能な光ディスクやフロッピィデ
ィスクに記録する。

【０１２７】ここまでの説明では、本発明を例えばカラ
オケ装置等に適用する例を説明したが、その他、レコー
ディングスタジオにおいて、決められた編集時間内にそ
の編集時間よりも僅かに長い音楽や音声を入れ込む際に
も本発明を適用することが可能である。すなわち、該編
集作業時には、音声信号のピッチ周波数を変換する処理
を行うことになり、このピッチ周波数の変更処理に本発
明を適用でき、また、このピッチ周波数の変換に先だっ
て音声信号のピッチ（ピッチ周波数）を検出することが
必要であるので、当該ピッチ周波数検出にも適用可能で
ある。

【０１２８】最後に本発明は一例として説明した上述の
実施の形態に限定されることはなく、本発明に係る技術
的思想を逸脱しない範囲であれば、設計等に応じて種々
の変更が可能であることは勿論である。

【０１２９】

【発明の効果】請求項１に記載の本発明に係る音声信号
処理装置は、デジタル入力された音声信号を所定の長さ
の単位時間毎に切り出すと共に、その単位時間の音声信
号及びピッチ変換に相当する時間的長さの音声信号を取
り出し、この取り出した音声信号のピッチを検出し、さ
らにこの取り出した単位時間の音声信号及びピッチ変換
に相当する時間的長さの音声信号を基にしてピッチ変換
を行い、ピッチ変換後の前単位時間の音声信号とピッチ
変換後の次単位時間の音声信号とを繋ぎ、ピッチ変換後
の連続音声信号を作成するようにしており、次単位時間
の音声信号を取り出す際には、ピッチ変換に相当する時
間的長さに、前単位時間の音声信号の本来の時間とピッ
チ検出及びピッチ変換の処理に要した時間との差を加え
た時点から、先に検出したピッチの整数倍の長さだけ時
間的に戻った時刻より取り出しを行うようにすることに
よって、ノイズやリップルの少ない滑らかなピッチシフ
ト処理後の音声信号を得ることが可能となっている。

【０１３０】また、請求項２に記載の本発明に係る音声
信号処理装置は、音声信号のピッチを検出する際に、音
声信号から所望の周波数帯域のみを通過させ、その所望
の周波数帯域の音声信号波形から複数の極大点と極小点
及び／又は零交差を検出し、該検出した各極大点の間と
各極小点の間及び／又は零交差の間でそれぞれ時間間隔
を求め、それら時間間隔に基づいてヒストグラムを作成
し、このヒストグラムの最瀕値を音声信号のピッチとし
て取り出すようにしているので、簡単な演算処理及び簡
単な演算装置によって正確なピッチが検出可能となって
いる。

【０１３１】また、請求項３に記載の本発明に係る情報
媒体は、デジタル入力された音声信号を所定の長さの単
位時間毎に切り出すと共に、その単位時間の音声信号及
びピッチ変換に相当する時間的長さの音声信号を取り出
し、この取り出した音声信号のピッチを検出し、さらに
この取り出した単位時間の音声信号及びピッチ変換に相
当する時間的長さの音声信号を基にしてピッチ変換を行
い、ピッチ変換後の前単位時間の音声信号とピッチ変換
後の次単位時間の音声信号とを繋ぎ、ピッチ変換後の連
続音声信号を作成するようにしており、次単位時間の音
声信号を取り出す際には、ピッチ変換に相当する時間的
長さに、前単位時間の音声信号の本来の時間とピッチ検
出及びピッチ変換の処理に要した時間との差を加えた時
点から、先に検出したピッチの整数倍の長さだけ時間的
に戻った時刻より取り出しを行うようにした演算処理
を、演算装置に対して実行させるプログラムデータを記
録、若しくは伝送可能にすることにより、演算装置にお
いて、ノイズやリップルの少ない滑らかなピッチシフト
処理後の音声信号を得ることが可能となる。

【０１３２】さらに、請求項４に記載の本発明に係る情
報媒体は、音声信号のピッチを検出する際に、音声信号
から所望の周波数帯域のみを通過させ、その所望の周波
数帯域の音声信号波形から複数の極大点と極小点及び／
又は零交差を検出し、該検出した各極大点の間と各極小
点の間及び／又は零交差の間でそれぞれ時間間隔を求
め、それら時間間隔に基づいてヒストグラムを作成し、
このヒストグラムの最瀕値を音声信号のピッチとして取
り出すようにした演算処理を、演算装置に対して実行さ
せるプログラムデータを記録、若しくは伝送可能にする
ことにより、演算装置において、簡単な演算処理によっ
て正確なピッチが検出可能となる。

【図面の簡単な説明】

【図１】本発明に係る音声信号処理装置が適用される一
実施の形態のピッチ変換装置の概略構成を示すブロック
図である。

【図２】マイクロホンから入力される原音声信号の波形
を示す波形図である。

【図３】ピッチシフト処理として、元の音の高さを高く
する方向のピッチシフトを行った場合の例を説明するた
めの図である。

【図４】ピッチシフト処理として、元の音の高さを低く
する方向のピッチシフトを行った場合の例を説明するた
めの図である。

【図５】本実施の形態のピッチ変換装置の動作の流れを
示すフローチャートである。

【図６】第１の具体的構成例のピッチ検出回路の概略構
成を示すブロック図である。

【図７】フィルタ回路の周波数特性を示す特性図であ
る。

【図８】フィルタ回路にて低域濾波された後の音声信号
波形と、第１の具体的構成例にて音声信号から検出され
たローカルマキシマム及びローカルミニマムを示す波形
図である。

【図９】図８の波形図の一部を拡大して示す波形図であ
る。

【図１０】第１の具体的構成例のピッチ検出回路にて求
めたヒストグラムの説明に用いる図である。

【図１１】第１の具体的構成例のピッチ検出回路の動作
の流れを示すフローチャートである。

【図１２】第２の具体的構成例のピッチ検出回路の概略
構成を示すブロック図である。

【図１３】フィルタ回路にて低域濾波された後の音声信
号波形と、第２の具体的構成例のピッチ検出回路にて音
声信号から検出されたゼロクロス点を示す波形図であ
る。

【図１４】図１３の波形図の一部を拡大して示す波形図
である。

【図１５】第２の具体的構成例のピッチ検出回路にて求
めたヒストグラムの説明に用いる図である。

【図１６】第２の具体的構成例のピッチ検出回路の動作
の流れを示すフローチャートである。

【図１７】第３の具体的構成例のピッチ検出回路の概略
構成を示すブロック図である。

【図１８】フィルタ回路にて低域濾波された後の音声信
号波形と、第３の具体的構成例にて音声信号から検出さ
れたローカルマキシマム及びローカルミニマムとゼロク
ロス点を示す波形図である。

【図１９】第３の具体的構成例のピッチ検出回路の動作
の流れを示すフローチャートである。

【図２０】第４の具体的構成例のピッチ検出回路にて低
域濾波された後の音声信号波形の一部を拡大した波形
と、音声信号から検出されたローカルマキシマム及びロ
ーカルミニマムとゼロクロス点の一部を拡大した波形を
示す波形図である。

【図２１】第４の具体的構成例のピッチ検出回路にて求
めたヒストグラムの説明に用いる図である。

【図２２】第４の具体的構成例のピッチ検出回路の動作
の流れを示すフローチャートである。

【図２３】本発明に係る音声信号処理装置が適用される
パーソナルコンピュータの概略構成を示すブロック図で
ある。

【図２４】本発明に係るプログラムデータ等を伝送する
伝送装置の概略構成を示すブロック図である。

【図２５】図２４の伝送装置の動作の流れを示すフロー
チャートである。

【符号の説明】

２…アナログ／デジタル変換器、３…バッファメモリ、
４…ピッチシフト・フレーム結合回路、５…バッファメ
モリ、６…デジタル／アナログ変換器、８…ピッチシフ
トコントロール回路、１０…ピッチ検出回路、１１…ヒ
ストグラム処理回路

Claims (4)

【特許請求の範囲】
1. 【請求項１】 デジタル入力された音声信号を所定の長
   さの単位時間毎に切り出すと共に、前記単位時間の音声
   信号及びピッチ変換に相当する時間的長さの音声信号を
   取り出し手段と、 前記取り出した音声信号のピッチを検出するピッチ検出
   手段と、 前記取り出した単位時間の音声信号及びピッチ変換に相
   当する時間的長さの音声信号を基にしてピッチ変換を行
   うピッチ変換手段と、 ピッチ変換後の前単位時間の音声信号とピッチ変換後の
   次単位時間の音声信号とを繋ぎ、ピッチ変換後の連続音
   声信号を作成する連続音声信号生成手段とを有し、 前記次単位時間の音声信号を取り出す際には、前記ピッ
   チ変換に相当する時間的長さに、前単位時間の音声信号
   の本来の時間と前記ピッチ検出及びピッチ変換の処理に
   要した時間との差を加えた時点から、先に検出したピッ
   チの整数倍の長さだけ時間的に戻った時刻より取り出し
   を行うことを特徴とする音声信号処理装置。
2. 【請求項２】 前記音声信号のピッチを検出するピッチ
   検出手段は、前記音声信号から所望の周波数帯域のみを
   通過させる帯域通過手段と、前記所望の周波数帯域の音
   声信号波形から複数の極大点と極小点及び／又は零交差
   を検出する検出手段と、前記検出した各極大点の間と各
   極小点の間及び／又は零交差の間でそれぞれ時間間隔を
   求める時間間隔測定手段と、前記時間間隔に基づいてヒ
   ストグラムを作成するヒストグラム作成手段と、前記ヒ
   ストグラムの最瀕値を前記音声信号のピッチとして取り
   出すピッチ決定手段とを有することを特徴とする請求項
   １記載の音声信号処理装置。
3. 【請求項３】 デジタル入力された音声信号を所定の長
   さの単位時間毎に切り出すと共に、前記単位時間の音声
   信号及びピッチ変換に相当する時間的長さの音声信号を
   取り出すステップと、 前記取り出した音声信号のピッチを検出するステップ
   と、 前記取り出した単位時間の音声信号及びピッチ変換に相
   当する時間的長さの音声信号を基にしてピッチ変換を行
   うステップと、 ピッチ変換後の前単位時間の音声信号とピッチ変換後の
   次単位時間の音声信号とを繋ぎ、ピッチ変換後の連続音
   声信号を作成するステップとを有し、 前記次単位時間の音声信号を取り出す際には、前記ピッ
   チ変換に相当する時間的長さに、前単位時間の音声信号
   の本来の時間と前記ピッチ検出及びピッチ変換の処理に
   要した時間との差を加えた時点から、先に検出したピッ
   チの整数倍の長さだけ時間的に戻った時刻より取り出し
   を行うようにした演算処理を、演算装置に対して実行さ
   せるプログラムデータを記録、若しくは伝送することを
   特徴とする情報媒体。
4. 【請求項４】 前記音声信号のピッチを検出するステッ
   プは、前記音声信号から所望の周波数帯域のみを通過さ
   せるステップと、前記所望の周波数帯域の音声信号波形
   から複数の極大点と極小点及び／又は零交差を検出する
   ステップと、前記検出した各極大点の間と各極小点の間
   及び／又は零交差の間でそれぞれ時間間隔を求めるステ
   ップと、前記時間間隔に基づいてヒストグラムを作成す
   るステップと、前記ヒストグラムの最瀕値を前記音声信
   号のピッチとして取り出すステップとからなることを特
   徴とする請求項３記載の情報媒体。