JPH1185196A - 音声符号化／復号化方式 - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】 音声符号化／復号化時、低ビットレートで音
声情報を伝送可能であると共に、スペクトル包絡成分を
音韻または発音記号に変換するので音声認識として使用
でき、受信側では音声を文字情報で受信を可能とする。 【解決手段】 音声信号を符号化するための音声符号化
装置が、入力音声信号をスペクトル分析してスペクトル
包絡成分を抽出するスペクトル分析手段と、入力音声か
ら声道の振動のピッチ成分を抽出し、そのピッチ成分と
最も近い波形を探索してピッチコードとして出力するピ
ッチコード取得手段と、ピッチコードとスペクトル包絡
成分とから合成音を作成する合成音作成手段と、合成音
と入力音声との歪を計算し、その歪が最小となるピッチ
コードを得るための歪最小化手段と、スペクトル包絡成
分をそれと適合する音韻または発音記号に変換し、歪が
最小となるピッチコードと共に出力するためのスペクト
ル包絡変換手段とを具備する構成となっている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、低ビットレート音
声符号化／復号化方式に関し、特に、声道や口の形にあ
たるスペクトル包絡を音韻または発音記号に変換し符号
化データとして伝送する音声符号化／復号化装置に関す
る。

【０００２】

【従来の技術】従来の音声符号化方式には波形符号化方
式、スペクトル符号化方式、そして上記波形符号化とス
ペクトル符号化の長所を組み合わせた型であるＣＥＬＰ
符号化方式があった。上記それぞれの方式の特徴とし
て、上記波形符号化方式は、入力音声を標本化と量子化
の操作によって離散値に変換して、これを符号にするこ
とで音声波形をデジタル化する。すなわち、コーデック
の情報量の削減のためにＡＤＰＣＭ方式という方式があ
り、過去の標本値を用いて現在の標本値を予測すると、
実際にいま得られた標本値に近いものが求められる。こ
の予測値と実際値との差分（残差信号）を量子化して伝
送すれば、実際値をそのまま伝送するよりも少ないビッ
ト数で良いことになる。しかしながら、上記波形符号化
方式は一般に高品質ではあるがビットレートを下げてい
くと急速に品質が劣化し、低ビットレート化に問題があ
った。上記スペクトル符号化方式は、音声の周波数スペ
クトルを符号化し、音声生成モデルによって音声を合成
する。すなわち、人間の発声をモデルとし、音声を声帯
の振動の音源と声道や口の形によるスペクトル包絡とに
分離して表現することにより、音声の情報量を大幅に圧
縮する。初めに、送話側ではスペクトル分析によってス
ペクトルの概形をあらわすスペクトルエンベロープパラ
メータ（ＰＡＲＣＯＲやＬＳＰ）を抽出し、スペトクル
分析後の残差信号から合成器の駆動音源信号を抽出す
る。上記駆動音源信号は有声音／無声音の区別、パワ
ー、有声音のピッチ周波数などである。しかしながら、
上記スペクトル符号化方式は低ビットレートにしてもあ
る程度の品質は保たれるが、ビットレートをあげてもそ
れ以上の品質の改善はあまり見込めなかった。

【０００３】また、上記波形符号化方式とスペクトル符
号化方式の長所を取り入れた方式にＣＥＬＰ符号化方式
があり、これは、スペクトル成分をあらわすパラメータ
としてＬＳＰのような線形予測パラメータを用い、音源
信号パラメータは残差信号波形そのものを用いている。
そして、このとき残差信号の波形を単純に量子化したの
では低ビットレート化を達成できないため、残差信号を
集めた符号帳（ｃｏｄｅｂｏｏｋ）を用意しておき、そ
の中から合成に必要な残差信号を選び出して、その信号
に付けられた番号だけを伝送する。ここで、上記コード
ブックの作成はベクトル量子化という手法を用いて行
い、コードブックの中から最適なコードを選択するに
は、次のようにする。まず符号器の中で適当なコードを
選んで出力信号を合成し、その合成音と入力信号とを比
較する。そして上記合成音が入力音声にもっとも近くな
るように、コードを入れ替えていって最適なコードを選
択する。上記ＣＥＬＰ符号化方式を使用すれば少ない符
号化データで高品質の音声符号化／復号化を行うことが
出来る。しかしながら、符号化されたデータは言語情報
とは無関係なデータとなっているため、符号化データか
ら音韻や発音記号を抽出することは出来ないため音声認
識用に使用できなかった。

【０００４】

【発明が解決しようとする課題】上述の様に、従来の音
声符号化方式である波形符号化方式、スペクトル符号化
方式、およびＣＥＬＰ符号化方式には、それぞれビット
レートを下げると急速に品質が低下する、ビットレート
を上げても所定以上の品質の改善が無い、および符号化
データから音韻や発音記号が抽出できず音声認識用に使
用できないという問題点があった。本発明は、上述した
如き従来の音声符号化／復号化方式が有する欠点を除去
するためになされたものであって、声道や口の形にあた
るスペクトル包絡成分をこれに相当する音韻や発音記号
に変換し、この音韻または発音記号を符号化データとし
て伝送することにより上記従来技術の問題を解決するこ
とができる音声符号化／復号化方式を提供することを目
的とする。

【０００５】

【課題を解決するための手段】上記目的を達成するた
め、本発明は、音声信号を符号化し、その符号化音声信
号を復号化するための音声符号化／復号化方式におい
て、上記音声信号を符号化するための音声符号化装置
が、入力音声信号をスペクトル分析してスペクトル包絡
成分を抽出するスペクトル分析手段と、上記入力音声か
ら声道の振動のピッチ成分を抽出し、そのピッチ成分と
最も近い波形を探索してピッチコードとして出力するピ
ッチコード取得手段と、上記ピッチコードとスペクトル
包絡成分とから合成音を作成する合成音作成手段と、上
記合成音と入力音声との歪を計算し、その歪が最小とな
るピッチコードを得るための歪最小化手段と、上記スペ
クトル包絡成分をそれと適合する音韻または発音記号に
変換し、上記歪が最小となるピッチコードと共に出力す
るためのスペクトル包絡変換手段とを具備することを特
徴とする。本発明の他の特徴は、上記音声符号化装置よ
りの符号化信号を復号するための音声復号化装置が、上
記符号化信号としてのピッチコードおよび音韻あるいは
発音記号から音声を合成する合成手段を具備することで
ある。

【０００６】

【発明の実施の形態】以下、本発明を図示した実施形態
に基づいて説明する。図１は、本発明による音声符号化
装置の一実施形態を示す構成図である。図１に示す様
に、この音声符号化装置は、音声信号の入力されるスペ
クトル分析部１と、上記スペクトル分析部１に接続され
たピッチ抽出部３と、上記ピッチ抽出部３に接続された
増幅部５と、上記スペクトル分析部１に接続された合成
フィルター７と、上記スペクトル分析部１に接続された
スペクトル包絡変換部９と、上記合成フィルター７およ
びスペクトル包絡変換部９に接続された歪み最小化部１
１と、上記歪み最小化部１１に接続された合成用音源パ
ターン選択部１３と、上記ピッチ抽出部３および上記増
幅部５および合成用音源パターン選択部１３に接続され
たコードブック１５とを有している。

【０００７】次に、図２の動作フローチャートを参照し
て上記音声符号化装置の動作について説明する。まず、
図２のステップ１０１において、上記スペクトル分析部
１により入力音声信号がスペクトル分析され、声道や口
の形であるスペクトル包絡成分が抽出される。そして、
ステップ１０３において、上記ピッチ抽出部３により上
記声道の振動のピッチ成分が抽出され、ステップ１０５
において、上記抽出されたピッチ成分を基に入力音声と
最も近い波形（ピッチコード）が上記コードブック１５
より探索される。次に、ステップ１０７において、上記
増幅器５によって上記コードブック１５より探索された
ピッチコードが増幅され、ステップ１０９において、上
記合成フィルター７により上記増幅されたピッチコード
および上記スペクトル包絡成分から合成音が作成され
る。そして、ステップ１１１において、上記歪み最小化
部１１により上記合成音と入力音声との歪みが計算さ
れ、その歪みが最小となる様に最小指示信号が出力さ
れ、ステップ１１３において、上記合成用音源パターン
選択部１３により上記最小指示信号に基づいて上記コー
ドブック１５から上記歪みが最小となる様なピッチコー
ドが探索される。

【０００８】次に、ステップ１１５において、上記スペ
クトル包絡変換部９により上記スペクトル包絡成分と適
合する音韻または発音記号が探索されて変換される。す
なわち、ここでは、スペクトル包絡成分のスペクトル包
絡の形状と時間推移に基づいて予めスペクトル包絡変換
部に蓄積しておいた複数のスペクトル包絡の中から、こ
のスペクトルの特徴に最も一致する音韻または発音記号
が探索される。ここでは、音響的特徴を重視して、変換
が行われるので、発声した音声が実際の音声とは異なる
音韻や発音記号に変換される場合や、蓄積してあるスペ
クトル包絡のパターンと入力音声のスペクトル包絡が一
致しない場合がある。このままではピッチの歪みを最小
化にする過程でむしろ歪みが大きい状態になることもあ
り、最適なピッチを探索することが出来ない。また、復
号化側での合成音が入力音声と異なり、受信者が話者を
確定出来ず非常に使いにくくなる。そこで、スペクトル
包絡が一致しない場合はスペクトル包絡変換部９に蓄積
されているスペクトル包絡を入力音声のスペクトル包絡
に一致するようにスペクトルの極・零を全体的にシフト
する様にしている。これによりその音韻の継続長と発声
者の声の個人性も一緒に伝送されることになる。 そし
て、最後に、ステップ１１７において、上記歪みが最小
となる様に探索されたピッチコードと上記探索された音
韻または発音記号とが上記歪み最小化部１１より出力符
号として出力される。

【０００９】次に、図３を参照して音声復号化装置側に
ついて説明する。すなわち、図３に示す様に、上記復号
化装置側では、上記符号化装置よりの音韻や発音記号に
変換されたスペクトル包絡成分とピッチコードから合成
フィルター１７にて音声パターンテーブル１９を参照し
て音声が合成される。以上の様に、本実施形態では、音
声符号化に際して歪みが最小となるピッチコードと共に
音韻または発音記号を送る様にしているので、低ビット
で符号化することができると共に、受信側では文字情報
としても受信できるので簡易型の音声認識が達成でき
る。

【００１０】

【発明の効果】本発明は、以上説明した如く構成するも
のであるから、音声符号化／復号化に対して低ビットレ
ートで音声情報を伝送することができると共に、スペク
トル包絡成分を音韻または発音記号に変換するので音声
認識として使用でき、受信側では音声を文字情報で受信
することが可能となる。

【図面の簡単な説明】

【図１】本発明による音声符号化装置の一実施形態を示
す構成図である。

【図２】図１に示した音声符号化装置の動作フローチャ
ートである。

【図３】本発明による音声復号化装置の一実施形態を示
す構成図である。

【符号の説明】

１…スペクトル分析部、 ３…ピッチ
抽出部、５…増幅部、
７、１７…合成フィルター、９…スペクトル包絡変換
部、 １１…歪み最小化部、１３…合成用
音源パターン選択部、 １５…コードブック、１
９…音声パターンテーブル、

Claims (2)

【特許請求の範囲】
1. 【請求項１】 音声信号を符号化し、その符号化音声信
   号を復号化するための音声符号化／復号化方式であっ
   て、上記音声信号を符号化するための音声符号化装置
   が、入力音声信号をスペクトル分析してスペクトル包絡
   成分を抽出するスペクトル分析手段と、上記入力音声か
   ら声道の振動のピッチ成分を抽出し、そのピッチ成分と
   最も近い波形を探索してピッチコードとして出力するピ
   ッチコード取得手段と、上記ピッチコードとスペクトル
   包絡成分とから合成音を作成する合成音作成手段と、上
   記合成音と入力音声との歪を計算し、その歪が最小とな
   るピッチコードを得るための歪最小化手段と、上記スペ
   クトル包絡成分をそれと適合する音韻または発音記号に
   変換し、上記歪が最小となるピッチコードと共に出力す
   るためのスペクトル包絡変換手段とを具備することを特
   徴とする音声符号化／復号化方式。
2. 【請求項２】 上記音声符号化装置よりの符号化信号を
   復号するための音声復号化装置が、上記符号化信号とし
   てのピッチコードおよび音韻あるいは発音記号から音声
   を合成する合成手段を具備することを特徴とする請求項
   １に記載の音声符号化／復号化方式。