JPS58113999A - 音声記録再生装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 発明の技術分野 この発明は、音声信号を波形のくり返しを利用して情報
圧縮して記録し再生する装置に関する０ 発明の技術的背景とその問題点 近年、コンピュータシステムの小型端末、さらには家電
８郷において、マン・マシンインターフェースとして音
声を発声させるという要求が高まっており、その次めに
音声信号を低ビツトレートで記録し再生する技術が要求
されている。

このような要求に対し、音声信号の情報を圧縮する技術
は大別して２つの方式が知られているｏ　ｌｌｐ　１は
線型予測方式（Ｉ、ＰＣ）に代表されるような、予め用
意した単語や文章に対して分析を行ない、音声合成に必
要なホルマント情報と、音源情報としての有声／無声音
判別情報および有声音におけるくり返しくピッチ）情報
とｔ抽出し、これらを合成フィルタの係数および音源入
力として音声を合成する方式であり、第２は音声信号の
波形のくり返しパターンを半ば手動でとらえて音声を合
成する方式（特開昭５６−４１９４等）である。

しかしながら、第１の方式は有声音でピッチ情報を持つ
くり返し波形に対してはピッチ情報の抽出を正確に行な
うことが大前提となる方式であるため、クツテ情報の抽
出に失敗すると原音声を再生するときに雑音を生じたり
、音声の明瞭度を損ねるといった難点がある。また、現
在ではこの方式による分析のために大型コンピュータｔ
たは相当大規模な専用ＬＳＩを必要とし、さらにＡ質の
音声を再生しようとすると分析結果の補正も必要となる
等から、コスト面で不利である。

一方、第２の方式はピッチ情報の抽出を正確に行なうこ
とに加え、手動操作によりくり返しの単位波形の切り出
しを行なう必要がある＾め、実時間での圧縮が困難であ
った。

発明の目的 この発明の目的は、音声信号の波形のくり返しくピッチ
情報）を検出できなかつ次ときでも再生音声の劣化が少
なく、シかも比較的簡単なハードウェアあるいは汎用小
型コンピュータによって圧縮処理を行なうことができ、
さらに実時間処理が可能な音声記録再生装置を提供する
ことである。

発明の概要 この発明に係る音声記録再生装置１よ音声信号をディジ
タル符号化するエンコーダと、このエンコーダから得ら
れる音声信号データを蓄積するためのメモリと、このメ
モリに対し前記音声信号の有音区間のうち波形のくり返
しが検出され九区間は所定のくり返し回数Ｎ毎にそのＮ
回のくり返し回数の中での１ろの単位波形に対応する音
声信号データとその時間長データを蓄積し、くり返しが
検出されない区間はその区間内の音声信号データをその
まま蓄積する手段と、前記メモリから読出される音声信
号データを復号してアナログ音声信号を再生するデコー
ダとを有し、さらに前記メモリから読出される前記時間
長データに基いて前記デコーダへの復号用クロック信号
の周波数を前記デコーダで再生されるアナログ音声信号
のピッチ周波数が連続的に変化するように制御する制抑
手段とを具備することを特徴としている。

発明の効果 この発明によれば、音声信号の波形のくり返しが検出さ
れなかったときは圧縮を行なわないため、くり返しが検
出できないことによる再生音声の自然性や明瞭度の低下
といった劣化が少ない。また、ＬＰＣ方式に比べて音声
信号から抽出すべき情報が少なくて済み、ま几圧縮の＾
めの処理も簡単な九め、ノ・−ドウエアも簡単となり、
マイクロコンピュータの使用も可能となる○さらに、マ
イクロコンピュータのような比較的処理速度の遅いもの
を用いても、実時間での圧縮が可能である０ この発明における音声信号圧縮方式の有効性は、音声信
号の性質を考慮すれば明らかである。

今、日本語を例にとると、かん九んに言えば単母音のみ
の音、（子音→−母音）の音、および子音のみの音の３
種類の音によって構成されてい心。これらのうち母音の
みの音は１アイウエオ”の５つ、子音のみの音は”ン”
のみで、残りはすべて（子音十母音）の音である○ 母音と子音とでは性質が大きく異なり、まず母音はその
波形が音節の始めから終りまでほぼくり返し波形である
ということである。つまり基本周波数成分の周期でほぼ
同一波形がくり返され、例えば２５０Ｈｚで発声された
母音の音は４　ｍｓ　　の周期を持っている。厳密には
基本周波数も時間的に少しずつ変化し、また音節の始め
と終りの部分は振幅が小さくなる性質がある。

しかし例えば２０ｍ５　程度の短時間でみればこれらは
ほぼ一定とみなせる。従って、この発明のように母音等
の如くくり返しが連続して検出されたときは、所定のく
り返し回数Ｎ毎、例えば４回毎にその４回のくり返しの
中での音声信号の単位波形の１つを代表波形として扱っ
ても、再生音声の自然性はあまり損なわれない。

子音については、無声音であるか有声音であみか、を九
閉鎖音か摩擦音か鼻音か等によって、くり返しの有無に
関してもそれぞれ個有の性質がみられる。しかし、この
発明ではくり返しの検出だけを行なえばよく、例えばＬ
ＰＣ方式で必らず必要な有声音／無声音の判別は必要な
い０即ち、子音部に関してはくり返しが検出されたとき
のみ母音部と同様に圧縮全行ない、検出されないときは
波形のすべてを出力することになる。

ＷＪ１図にいくつかの代表的な（子音＋母音）の音の振
幅包結線を示す０図かられかるように子音の継続時間は
種々異なる。しかし、音声の発声速度が変つ九場合のそ
の継続時間の変化は母音のそれほど大きくなく、音の種
類のみに応じた一定の継続時間を持つと考えることがで
き、ま次くり返しが検出されない子音の時間的割合は微
々九るものであるから、その区間圧縮が行なわれなくと
も、全体としての圧縮効率は十分である。

ところで、上述したような圧縮方式を用いて、符号化さ
れた音声信号データをメモリに蓄積し次場合、このメモ
リの内容を読出しデコーダで復号してアナログ音声信号
再生する際、単純に一定のクロック信号を用いて復号を
行なうと、くり返し区間における単位波形と次の単位波
形との間で再生音声信号のピッチ周波数が階段的に変化
するという事がおこりうる几め、明瞭度や自然性を損な
うことが考えられる。しかしながら、この発明ではくり
返しの単位波形の時間長データを利用して復号用クロッ
ク信号の周波数を制御することによって、ピッチ周波数
を連続的変化させるため、この問題が解決し、明瞭度、
自然性のより一層の向上を図ることが可能である。

発明の実施例 第２図はこの発明の一実施例娶説明するための音声記録
再生装置の構成を示すものである０図において、入力端
子１に与えられる音声信号２はエンコーダ３に導かれて
符号化される。この符号化方式はＰＣＭ、ＤＰＣＭ、Ｄ
Ｍ等どのようなものでもよい。音声信号２は有音区間か
無音区間か七判別する有音／無音判別信号４にも入力さ
れる○この判別回路４は例えばレベルセンナと、このセ
ンナ出力を適当なスレッシ舊ルドレベルでレベル判定し
て、例えば有音区間の一方、エンコーダ３の出力はくり
返し検出器５と信号処理装置５に供給される０くり返し
検出器５は音声信号２の波形のくり返しくピッチ情報）
の有無を検出するもので、くり返しを検出する毎にくり
返し検出パルスＳｔ−発生するＯこのくり返し検出器５
は例えば公知の自己相関器その他の構成によって実現さ
れるが、その検出性能は例えばＬＰＣ方式における程高
い必要はなく、くり返しが検出できなけｔばそこでの圧
縮率が少々低下するのみであって、再生音声の品質には
影響を与えない。

くり返し検出器５からのくり返し検出パルスｉは、有音
／無音判別信号Ｙと共に、信号処理装置１６へ圧縮の次
めの制御信号として与えらｔる。信号処理装置Ｃはこの
例ではマイクロコンピュータにより構成され、演算、制
御を行なうマイクロプロセラｆ７と、エンコーダ３より
の符号化された音声信号データを一定のアルゴリズムで
編集するためのプログラムを格納し九ＲＯＭｇと、プロ
グラム実行時に必要となるデータの一時格納用のＲＡＭ
！９と、各部へのクロック信号ＣＫｖｌ−発生するクロ
ック発生器１０等を含んでいる。

信号処理装置１は有音／無音判別信号Ｔとくり返し検出
信号Ｓに応じてエンコーダ３よりの音声信号データ（波
形情報）をＲＡＭよりなるバッファメモリ１ノに一時格
納しては圧縮のための編集を行なってメモリ１２に書込
むという操作を遂次束しずつ行なう。

メモリ１２に蓄積されたデータは適宜読出され、デコー
ダ１３により復号されてアナログ音声信号１４が再生さ
れる０デコーダ１３に与えられる復号用クロック信号の
制御手段については後述する。

′？！に、′ＴＫ１この実施例の動作を説明する。信号
処理装置６での処理内容は、第３図、第４図中に示すＡ
、Ｂ、Ｃ，Ｄの４区間によって場合分けされる。第３図
は有音／無音判別信号Ｙと、〈１り返し検出パルス百の
例を示し、第４図はＡ。

Ｂ、Ｃ，Ｄの各区間においてメモリ１２に蓄積されるデ
ータ内容を示している。

Ｆが高レベルとなる無音区間であるＡ区間においてはマ
イクロプロセッサ８はＴが低レベルとなる有音区間の始
点までの間クロック信号ＣＫ（エンコーダ３のサンプル
クロック）ｔ″カウント、そのカウント値を無音区間の
時間長データＰＮとして、無音区間識別コードＰと共に
メモリ１２へ書込む。

一方、有音区間であるＢ、Ｃ，Ｄ区間のうちＢ区間は、
有音区間始点より最初にくり返しが検出された時点まで
の主に子音部に相当する区間で、この区間ではマイクロ
プロセッサｒは有音区間始点から音声信号データをその
データ長をカウントしながらバッファメモリ１ノへ先頭
番地より順次格納していき、Ｂ区間の終りの時点でバッ
ファメモリ１１へ格納された音声信号データ（波形情報
）ＱＤと、カウントによって得られた時間長データＱＮ
をくり返し非検出コードＱと共に主メモリ１２へ書込む
。即ち、このＢ区間では圧縮は行なわれない。

次に、Ｃ区間はくり返しがほぼ一定周期で検出されてい
る区間で、主に母音部に相当する区間である０このＣ区
間では、マイクロプロセラｆ７はくり返し検出パルスｓ
ｌカウントし、かつＳの発生時点での音声信号データの
位置を記録しながら、バッファメモリ１１へ音声信号デ
ータを格納する。この場合、前のＣ区間の編集処理は既
に終っているため、バッファメモリ１ノは先頭番地より
フルに使用できる。マイクロプロセッサ７はくり返し検
出パルス５）５−Ｎ個この例では４個カウントすると、
例えば３個目から４個目までの間の音声信号データをそ
の４回のくり返しの中での単位波形の情報ＲＤとして、
これとその時間長データＲＮｊ（り返し検出コードＲ（
これはデータが圧縮されていることを表わす）と共にメ
モリ１２へ書込む０以下、くり返しがほぼ一定周期で検
出されている間は、Ｃ区間として同様の処理がくり返し
行なわれる。

こうして、Ｃ区間においては音声信号データが１／Ｎ（
この例ではｌ／４）に圧縮されてメモリ１２に蓄積され
る。

最後にＤ区間は、くり返しがＮ＝４回検量検出る前に無
音区間になってしまったときである。

このＤ区間での処理としては、例えば初期のうちはＣ区
間と同様にバッファメモリ１ノに音声信号データを格納
しつつ、無音区間になり九時点でバッファメモリ１１に
格納されてい友音声信号データと、その時間長データを
くり返し非検出コードｌｉＢ区間と同様にメモリ１２へ
書込む。従って、このＤ区間では圧縮は行なわれない０ なお、Ｄ区間での処理の他の形式として、その前のＣ区
間が時間的に長くて母音情報が十分メモリＩ２に蓄積さ
れている場合は、このｐ区問を次の無音区間の一部とみ
なして処理しても工い。このようにすると、自然性に多
少の劣化はきたしても明瞭性は十分確保されるので、圧
縮率をより下げる上では有効である。

こうしてメモリ１２に蓄積され九データは、適宜読出さ
れ、デコーダ１３に入力される。デコーダ１３ではメモ
リ１２よりくり返しが検出された１ｇ４図のＣ区間のデ
ータが与えられると、このＣ区間における単位波形のデ
ータＲＤの各々ｉＮ回ずつくり返して復号し、ま九くり
返しの検出されない第４図のＢあるいはｐ区間のデータ
に対しては音声信号波形のデータＱＤをそのまま１回ず
つ復号し、さらに無音区間Ａのデータに対しては時間長
データＰＮで与えられる時間だけ無音処理紮行なう。こ
れらの処理は復号用クロック信号ＣＫ’に従って行なわ
れる。

１ｇ５図の５１．５２は復号用クロック信号ＣＫ’の周
波数を一定とした場合の、原音声信号２および再生音声
信号１４のピッチ周波数ｊｐ　の時間的変化を示したも
のである。なお、との図でｔはくり返しが検出され次区
間における単位波形の時間長、Ｔは各単位波形がＮ回ず
つ復号される一時間長、ｆＰｏはピッチ基本周波数を示
している。この図かられかるように、原音声信号のピッ
チ周波数変化は５ノのように連続的であるが、再生音声
信号のピッチ周波数は時間Ｔ内では一定であるが、全体
としては時間Ｔ毎に階段的に変化する。音声の統計的な
性質により、ピッチ周波数およびピッチの高周波成分の
変化速度は１０ｎｓ　　〜２０　ｍｓ　　程度で、また
に時ピッチ周波継の変化ｆＩｊＲは平均とツテ周波数の
２０％程度であるが、これらはあくまで平均的なデータ
であって、ピッチ周波数が時間的に大きく変化する発声
をし次場合には、再生音声信号の時間Ｔ毎のピッチ周波
数の階段的な変化幅も大きくなり、自然性の劣化は無視
できない〇そこで、第２図、Ｑ実施例では次のようにし
て再生音声信号１４のピッチ周波数の変化を清らかにし
ている。即ち、メモリ１２から読出されるデータのうち
、第４図のくり返しが検出され１ｙＣ区間における単位
波形の時間長データＲＮがラッチ回路１５を通してＤ／
Ａ　　コンバータ１６に入力され、アナログ電圧に変換
される。

１ｇ６図（ａ）は第５図と同様な原音声信号２および再
生音声信号のピッチ周波数ｆｐ　　の変化６１゜６２を
示したものである。但し、第６区（ａ）の６２は復号用
クロック信号ＣＫ’ｌｉ一定とした場合である。この第
６図（＆）に対応させてＡ／Ｄコンバータ１６の出力電
圧の変化を示すと第６図（ｂ）のようになる。このＤ　
／　Ａ　　コンバータ１６の出力電圧はピッチ周期に対
応している。このＤ／Ａ　　コンバータ１６の出力は平
均ピッチ周期の１／２程度の時定数を持つ９分回路１７
によってｌｐ、６図（ｃ）のように微分され、これが復
号用クロック信号ＣＫ’　ｉ発生する電圧制御発振器（
ｖｃｏ）１８に制御電圧として与えられる。

ここで、微分回路１１の出力のｗ、６図（ｃ）に示す各
電圧値＋ｖＩ　＋　ｖＯ＋　−■＋　＊　−ｖｌ　　に
は次の意味を持たせる。ｌｌＳ７図はＶＣｏ、１８の入
出力特性を示しており、入力ｖｏに対する復号用クロッ
ク信号ＣＫ’の周波数ｆ。がエンコーダ３で用いた符号
化用クロック信号ＣＫと同一で、他の入力＋ｖＩ　ｍ　
−”ｌ　＋　−ｖｌ　　に対するＣＫ’の周。

波数ｆ、、ｆ２　、ｆ、は第６因の再生ピッチ周波数変
化６２における各単位波形のピッチ周波数の、１つ前の
単位波形のピッチ周波数に対する変化率にｌ：１で対応
している。この次めには、第６図の区間Ｔ、、Ｔ、にお
けるピッチ周波数をｊ　Ｐ＋　＃　Ｊ”　ｐｔとすると
、ｊ　ｐｔ　／ｆ　Ｐ＋　＝　ｆｏ　／ｆｓの関係が成
立するように、Ｄ／Ａ　　コンバータ１６からｖｃｏｉ
ｔＨｃ至る系での定数を設定すればよい。

このようにすると、例えば区間Ｔ、の単位波形ｋｆ。の
復号用クロック信号で復号り生し次ときのピッチ周波数
と、区間Ｔ２の単位波形【ｆ、の復号用クロック信号で
復号再生したときのピッチ周波数とは同一となる。この
結果、萬６図（ｄ）に示すように再生音声信号１４のピ
ッチ周波数の変化は６２の階段的な変化から６３の如き
滑らかな連続的な変化となる。

第８図はこの発明の他の実施例を示すもので、第２図に
おける微分回路１７０代りに積分回路１９と減算回路２
０’ｌｆ用いて同様の効果を得るようにしている。第９
図（ル）　（ｂ）　（ｃ）は第８図のＤ／Ａコンバータ
１６、積分回路１９、減算回路２０の各出力波形を示し
ている。

このように、この発明では音声信号の有音区間のうちの
時間的に大部分を占める母音部等のくり返しが良好に検
出される部分は１／Ｎに圧縮し、くり返しが検出されな
い子音部は音声信号の波形情報をそのまま出力するため
、再生音声の明瞭度等の劣化の少ない効率的な圧縮が可
能となる。これによって、音声信号データを記憶するメ
モリの容量を効率よく使用でき、コスト面で極めて有利
となる。

そしてさらに、この発明によれば再生音声のピッチ周波
数を連続的に変化させることができる几め、くり返しが
検出されなかった区間は音声信号データをそのまま記録
、再生するようにし九ことと相まって、明瞭度、自然性
にすぐれた高品質の再生音声が得られる。また、再生音
声のピッチ周波数を連続的に変化させる手段があること
は、Ｎの値を大きくしてより圧縮率を上げることをもあ
まり自然性を劣化させないまま可能とするものである。

なお、第２図の実施例ではくり返しの検出と、有音区間
と無音区間の判別をハードウェアによって実現したが、
マイクロプロセッサ１を含む信号処理装置にソフトウェ
アによってその機能を持たせてもよい０その場合、前記
実施例の如く実時間処理が可能かどうかが問題となるが
、例えば無音区間は主にその時間長のカウントのみが必
要であって、処理時間としては十分かつ余りある区間で
あり、しかもを声信号の中で無音区間が占める時間的割
合は大きいことを考慮すれば、問題ない。即ち、例えば
連続する有音区間と無音区間５ｉブロツクと考えると、
処理速度の遅いマイクロプロセッサを用いてくり返しの
検出と有音／無音区間の判別をソフトウェアで実行し、
かつ圧縮処理を行なう場合、有音区間では実時間処理が
不可能でも、その不可能な分を無音区間で補なうことに
よって、１ブロツク内では実時間処理が可能となる。

この発明は、日本語のみならず外国語の音声伝号に対し
ても有効であることはいうまでもないＣ

【図面の簡単な説明】

第１図は子音十母音の音声の包路線波形を示す図、第２
図はこの発明の一実施例の構成図、第３図はその動作を
説明するためのタイムチャート、第４図は同実施例にお
いて編集されメモリに蓄積されるデータの構成を示す、
第５図および館６図は同実施例の動作を説明するための
タイムチャート、第７図は同じ（ＶＣＯの入出力特性図
、第８図はこの発明の他の実施例の要部構成図、第９図
は第８図の各部の波形図であるＯ １・・・音声信号入力端子、３・・・エンコーダ、４・
・・有音／′無音判別回路、５・・・くり返し検出器、
６・・・信号処理装置、７・・・マイクロプロセッサ、
１１・・・パｊソファメモリ、１２・・・メモリ、１３
・・・デコーダ、１５・・・ラッチ回路、１６・・・Ｄ
／Ａ　コンバータ１，１７・・・微分回路、１８・・・
電圧制御発振器、１９・・・積分回路、２０・・・減算
回路。 出願人代理人　弁理士　　鈴　江　武　彦（ｋａ） （ｔａ） （ｐａ） ０ｍ５ １図 （ｄａ）

Claims (3)

【特許請求の範囲】
1. （１）音声信号をディジタル符号化するエンコーダと、
   このエンコーダから得られる音声信号データを蓄積する
   几めのメモリと、こρメモリに対し前記音声信号の有音
   区間のうち波形のくり返しが検出された区間は所定のく
   り返し回数Ｎ毎にそのＮ回のくり返し回数の中での１つ
   の単位波形に対応する音声信号データとその時間長デー
   タを蓄積し、くり返しが検出されない区間はその区間内
   の音声信号データをそのまま蓄積する手段と、前記メモ
   リから読出される音声信号データを復号してアナログ音
   声信号を再生するデコーダと、前記メモリから読出され
   る前記時間長データに基いて前記デコーダへの機号用ク
   ロック信号の周波数を前記デコーダで再生されるアナロ
   グ音声信号のピッチ周波数が連続的に変化するように制
   御する制御手段とを具備することを特徴とする音声記録
   再生装置。
2. （２）制御手段は、メモリから読出される前記時間長デ
   ータをアナログ電圧に変換するＤ／Ａコンバータと、こ
   のＤ／Ａ　　コンバータの出力を微分して、デコーダへ
   の復号用クロック信号を発生する電圧制御発振器の制御
   電圧を得る微分回路とから構成されることを特徴とする
   特許請求の範囲第１項記載の音声記録再生装置。
3. （３）　　制御手段は、メモリから読出される前記時間
   長データ音アナログ電圧に変換するＤ／Ａコンバータと
   、このＤ／Ａ　　コンバータの出力とこれを積分する積
   分回路の出力との差會求めて、デコーダへの復号用クロ
   ック信号を発生する電圧制御発振器の制御電圧を得る手
   段とから構成されることを特徴とする特許請求の範囲ｌ
   ｓ１項記載の音声記録再生装置。