JPS5853351B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】 この発明は合成音声を発生する装置に関するものである
。

音声合成装置は各種の通信装置、例えば音声応答装置、
音声符号化復号化装置、音声出力つきの通信端末装置な
どや民生機器例えば教育機器、各種家庭電気器具などや
その他の人間の声を発生する各種の応用分野における音
声合成の利用が考えられる。

従来の音声合成の方式として最も有力なものはＰＡＲＣ
ＯＲ形音声合成方式（％許第８７６０２４号「音声合成
装置」）あるいはＬＳＰ形音声合成方式（特願昭５４−
０２２３１８「音声合成器」）などである。

特に前者の方式は最近ＬＳＩ化され広く応用されるきざ
しが見えている。

しかしこれらの従来の音声合成の方式には次のような欠
点があった。

例えばＰＡＲＣＯＲ形音声合戊方式は音声のスペクトル
形状をＰＡＲＣＯＲ係数と呼ばれる８〜１２個程度程度
ラメータにより表現するのであるが、これらのパラメー
タは音声現象との対応がつけにくく扱いが面倒であり、
例えば規則による合成（ルール合成）の場合この性質が
障害となる。

また量子化に関する性質が複雑で音声情報の圧縮蓄積に
ついて問題を持つ。

このために前記ＬＳＰ音声合或合成が発明されたのであ
るが、この方式はいまだ装置の価格が高い。

いずれにせよこれらの方式は帰還ループを持つ線形フィ
ルタ（リカーシブフィルタｒｅｃｕｒｓｉｖｅｆｉｌｔ
ｅｒ）を用いるため、発振や不安定性などの問題を内在
している。

このため例えば上記の音声合成方式をアナログ演算回路
により実現することは要求される安定性や精度などの点
からかなり難しく、一般にディジタル回路によって実現
する方が有利と考えられている。

しかしディジタル回路を用いて実現する場合も演算語長
を比較的長くする必要があったり、パラメータの量子化
に細心の注意を必要としたり種々の問題があった。

またそのため装置のハードウェア化も一般に複雑となり
価格が高くなっていた。

この発明はこれらの欠点を根本的になくし音声合成フィ
ルタを必要とせず、従って比較的簡単なハードウェアで
実施でき、またパラメータの量子化に関しても比較的粗
く扱え演算語長を短かくすることができ、また合成音の
品質も十分実用に耐え得、広い応用分野へ適用すること
ができる音声合成装置を提供するものである。

まずこの発明による音声合成の原理を説明する。

音声信号は短時間内ではほぼ定常と見なせる。

前述のＰＡＲＣＯＲ形音声合或方式に合成てもＬＳＰ形
音声合成方式においても音声信号は短時間内で定常、即
ちスペクトルが一定形状と見なして音声合成を行いそれ
ぞれ成功している。

この発明も同様に数ｍｓないし数十ｍｓの短時間（フレ
ームと呼ぶ）の音声を定常と見なし数個の正弦波の和で
表現するものである。

即ち離散的時間表現をすれば音声信号時系列（ｘ（）を ｘ（＝Ａ、ｓｉｎωｔ ｔ ＋−−−−＋１’ｎ Ｓｉ
ｎωｎｔ （１）のようにモデル化する。

但しｔは離散的な時刻を表わす整数、ｎは正弦波成分の
数（通常４〜６個程度）、ωｉは第ｉ正弦波成分の角周
波数（Ｏ≦ω・≦π）、Ａｉは第ｉ正弦波成分の振幅で
あす る。

このモデルを複合正弦波モデルと呼ぶ。このモデルによ
る音声分析法については日本音響学会音声研究会資料８
７９−０６（１９７９年５月）嵯峨山・板金「複合正弦
波モデルによる音声の分析」で詳しく述べられである。

この分析法は（１）式（モデル）の自己相関関数と実際
の音声の自己相関関数とが遅れｒ＝０，１・・・・・・
、２ｎ−１について等しくなるようにω１・・・・・・
ω。

、Ａ１・・・・・Ａｎを決めることができ、これらを音
声のフレームごとの分析結果とするものである。

これは一種の音声スペクトル符号化と考えてよい。

上述の文献では解の存在（０くω・くπ、ａｉ＞０９ｉ
−１・・・・・・ｎ）の条件や具体的な能率的な解法に
ついても詳しく述べている。

この発明の音声合成の原理はパラメータ（ω１・・・ω
。

１Ａ（・・・・・・Ａｎ ）を与えて（１）式により合
成脅威（ｘｉ踏各時刻ｔについてつぎつぎと計算するも
のである。

しかしこれだけでは音声としては聞こえない。

なぜならば音声は有声音と無声音に分類されるが、有声
音（母音や濁子音など）は周期的な信号であるが（この
周期をピッチと言う）、上記のモデルにはその周期性が
ない、つまりピッチの構造がないからである。

そのためピッチ周期ごとに（１）式における時刻ｔをゼ
ロにリセットし、つまり位相初期化する。

これがこの発明のキーポイントの一つである。

無声音についてはピッチは存在しないが（１）式のまま
ではスペクトルがｎ本の線スペクトルとなって音声信号
の実際とは異なるためランダムなピッチ周期を与えてラ
ンダムに位相初期化することによりスペクトルを広げる
。

以上の原理により構成した音声合成装置の例を第１図に
示す。

電圧制御正弦波発生器■１〜■、が設けられそれぞれ端
子２１〜２．を通じて与えられる角周波数ω１〜ω、に
対応する電圧が電圧制御正弦波発振器■１〜Ｉ、に入力
され、振幅１、角周波数ω１〜ω２の正弦波をそれぞれ
出力する。

これら発振器１．〜１．はりセット端子を持ちこれにパ
ルスを与えると正弦波出力の位相はゼロから再スタート
する。

ピッチ周期（あるいは周波数）に対応する電圧が端子１
１を通じて電圧制御パルス発生器１２に与えられ、この
パルス発生器１２からそのピッチ周期ごとにパルスが発
生される。

このピッチ周期パルスにより電圧制御正弦波発振器１１
〜１．はりセットされる。

電圧制御正弦波発振器１１〜１５の出力は電圧制御可変
利得増幅器３Ｉ〜３、に供給されて振幅１の正弦波に端
子４．〜４゜よりの振幅Ａ１〜Ａ、がそれぞれ乗算され
る。

これ等乗算出力は加算器１３で合成されて出力端子１４
へ供給される。

動作は上述の原理に基ずき合成しようとする音声と対応
して数ｍｓないし数十ｍｓごとに端子２゜〜２． 、４
．〜４．及び１１に与える角周波数、振幅、ピッチ周期
にそれぞれ対応した入力電圧を変化させてゆくとそれに
対応した合成音声が出力から得られる。

第１図は各正弦波成分の振幅を直接与えてそれらの和を
出力としたものであるが、一般に音声のダイナミックレ
ンジは広いため、各正弦波成分の振幅（Ａ１・・・・・
Ａｎ ）も大きなダイナミックレンジを持つ。

実験的検討によれば（１）式をＸｔ ＝Ａ （ａｉ Ｓ
ｌ口（７Ｊｌ ｔ ＋−−−−・・＋ ａｎｓｉｎ
ωｎ １） （２）但しａ？＋−−＋ａ２＝ １ 、
Ｏ＜ａｉ＜ １ （ｉ ＝ Ｉ・・・・・・ｎ）のよ
うに書き表わしくＡＩ・・・・・・Ａｎ）のかわりに（
Ａ、ａｌ・・・・・ａｎ）を与えた方が音声合成パラメ
ータの情報圧縮符号化に有利である。

今後（ａｌ・・・・・ａ ｎ ）を各正弦波成分の係数
、Ａを利得と呼ぶことにする。

各正弦波成分の周波数と係数、利得及びピッチ周期を与
えて音声合成をする場合のこの発明の実施例を第２図に
示す。

ここではｎ５の場合について示している。

第２図中第１図と対応する部分には同一符号を付けであ
る。

この例では端子４Ｉ〜４５からそれぞれ係数ａ１〜ａ、
を示す信号を可変利得増幅器３□〜３．へ供給する。

加算器１３の出力はレベル制御器１５で端子１６よりの
利得Ａを示す信号と乗算されて出力される。

可変利得増幅器３１〜３．の代りに乗算器あるいは可変
減衰率減衰器を用いてもよい。

レベル制御器１５としては乗算器あるいは可変利得増幅
器または可変減衰率減衰器を用いることができる。

以上述べた装置においてはピッチ周期ごとに位相を初期
化しているが、本質的には正弦波の和のみで合成音声を
作り出そうとしていた。

しかし実際の音声信号は数本の線スペクトルで表わせる
ものではなく、一般に連続スペクトルである。

そこで線スペクトルの幅を広げるためにピッチ周期に同
期した包絡線パターンを乗じることが好ましい。

第３図にその例を示し電圧制御パルス発生器１２のパル
ス出力が包絡線発生器１Ｔのトリが入力に与えられ、こ
のパルスに同期して振幅が端子１６の利得電圧に比例し
た包絡線信号が発生される。

包絡線信号としては具体的には指数関数やレイズドコサ
イン関数（（ＣＯ３θ＋１ ）／２ ）が用いられる。

この包絡線信号が乗算器１５へ供給される。以上に述べ
た装置においては角周波数（ωｉ）、係数（ａｉ ）、
利得Ａ及びピッチ周期などの制御入力は数ｍｓないし数
＋ｍｓごとに変化させてゆくことを前提にしていたが、
これらの入力は階段状に変化させるより滑らかに変化さ
せた方が良好な合成音声が得られることが実験的にわか
っている。

そのため各正弦波成分の周波数の制御電圧及び振幅（あ
るいは係数と利得）の制御電圧をなめらかに変化させる
ためのフィルタ（一種の低域通過フィルタ）に通してか
ら与えるのがよい。

第４図はその例を示し平滑化フィルタ２１ｉ、２２ｉ（
ｉ＝１．２・・・・・・ｎ）により階段状に変化する端
子２・、４・の角周波数ωｉ、係数ａｉの制御電圧１ をそれぞれ滑らかにする。

次に以上説明した装置の各部の詳細例を述べる。

第５図は発振周波数が電圧により制御されリセットすれ
ば位相が６０に初期化される電圧制御正弦波発振器の例
である。

端子２１の電圧によって電流が制御される電流源２３．
２４が設けられ、これら電流源２３．２４は電流スイッ
チ２５により切替えられてコンデンサ２６の一端及び電
圧比較器２７．２８に接続される。

コンデンサ２６よりの入力電圧が基準電圧Ｖｒより高い
と比較器２Ｔの出力が論理１になり、入力電圧が基準電
圧−Ｖｒより低いと比較器２８の出力が論理１になり、
その他は論理Ｏを出力している。

比較器２７の出力によりＲＳフリップフロップ２９がリ
セットされその出力は電流スイッチ２５を制御する。

即ちフリップフロップ２９の状態が１（セット）のとき
スイッチ２５は電流源２３の側に接続され、コンデンサ
２６は充電される。

フリップフロップ２９の状態が０（リセット）のときス
イッチ２５は電流源２４の側に接続されコンデンサ２６
は放電される。

端子３１に位相初期化人カバルスが加えられると位相初
期化のためのスイッチ３２が閉じてコンデンサ２６が放
電されるとともにＲＳフリップフロップ２９がセットさ
れる。

このようにしてコンデンサ２６の電位は三角波となりそ
の周波数は電流源２３．２４に対する端子２１の制御電
圧により変化させられる。

また端子３１より位相初期化入力にパルスを加えるとＲ
Ｓフリップフロップ２９がセットされるとともにスイッ
チ３２が閉じられてコンデンサ２６が放電され、前記三
角波の位相はＯｏに初期化される。

コンデンサ２６の三角波電圧は正弦波変換器３３により
正弦波へ変換されて端子３４へ送出される。

正弦波変換器３３としては通常折線近似が用いられる。

以上に述べた電圧制御発振器の市販品の好例は米国イン
ターシル社製の電圧制御発振器ＩＣ（型番ＩＣＬ８０３
８）である。

これには上記の位相初期化入力がないが、その他は第５
図に示したものとほぼ同様の構成となっており、実際若
干の付加回路によりこの発明の装置において利用できる
。

乗算器あるいは可変利得増幅器あるいは可変減衰率減衰
器を具体的に実現するには種々の方法がある。

市販されている各種の乗算器は係数乗算器として利用で
きる。

また第６図に示すような簡易な回路によっても利得を電
圧または電流によって制御できる増幅器が実現できる。

図中Ａは入力端子３５を低抗器３６を通じてＦＥＴ３７
のドレインに接続しＦＥＴ３７のソースを接地しゲート
に端子４から制御電圧を与え、ＦＥＴ３γのドレイン電
圧を出力端子３８へ送出する。

第６図Ｂは入力端子３５とＦＥＴ３７のドレインを演算
増幅器３９の非反転入力側及び反転入力側にそれぞれ接
続し演算増幅器３９の出力端子と反転入力側との間に抵
抗器４１が接続される。

第６図Ｃは第６図ＡのＦＥＴ３７の代りに発光ダイオー
ド４２及び光導電素子４３のフォトカプラ４４が用いら
れる。

第６図りは第６図Ｃの抵抗器３６とフォトカプラ４４と
を入れ替えたものである。

第６図Ｅは第６図ＢのＦＥＴ３７の代りにフォトカプラ
４４を用いた場合である。

この他にもバランスドモジュレータ（ｂａｌａｎｃｅｄ
ｍｏｄｕｌａｔｏｒ ）回路や各種のエキスパンダや
コンプレッサ（例えばドルビー雑音低減方式やｄｂｘノ
イズリダクションシステムにおいて使用されているもの
など）が利用できる。

電圧制御パルス発生器１２は周期変化範囲は８０〜５０
０Ｈｚ程度と比較的狭いので各種の実現法が利用できる
。

簡単なものとしては電圧で制御できる電流源とコンデン
サと放電回路を組合せたものがある。

その一例を第７図に示す。端子１１及び電源端子４５と
の間の制御電圧がトランジスタ４６のベースに与えられ
てそのコレクタ電流が制御され、そのコレクタ電流は抵
抗器４７を通じてコンデンサ４８へ供給される。

抵抗器４Ｔの両端はタイマ（米国シグネテイクス社製Ｎ
Ｅ５５Ｓ）４９のトリガ端子、放電端子及びしきい値端
子に接続され、このタイマ４９よりパルスが端子５１へ
送出される。

このほか各種のパルス数変調回路も利用できる。

制御電圧の動きを平滑化フィルタは簡単なものとしては
第８図に示すＣＲＩ次フィルタが利用できる。

包絡線の発生は指数関数の場合は非常に簡単であり、第
９図に示すようにパルス発生器１２の出力パルスにより
スイッチ５２が瞬時のみ閉じられ、その瞬間端子１６の
電圧にコンデンサ５３が充電されスイッチ５２が開らか
れるとコンデンサ５３の電荷は抵抗器５４を通じて放電
圧される。

コンデンサ５３の電圧は端子５５に包絡線出力５６とし
て出力される。

以上説明したようにこの発明は従来の音声合成装置に比
較して極めて簡単な構成を持ちハードウェアも容易に実
現できる。

しかも合成音声の品質は比較的良好であるという特徴を
持つ。

また音声合成フィルタをまったく使用せず、直接的に波
形を合成するものであるため帰還ループの安定性や発振
防止の問題を本質的に持たない。

このためかなり雑な取扱いにも耐え得る。

従ってこの発明の音声合成装置は安価な音声合成システ
ムとして有用であり、その応用分野としては駅や空港な
どのアナウンスマシン、銀行のキャシュディスペンサ、
電話の番号案内、外国語教育機器、音声出力つきのほん
訳機械、音声出力つきのコンピュータ端末、その他各種
の音声出力つきの通信機器や民生機器など多岐にわたる
ことができる。

なお上述ではこの発明をアナログ信号処理により構成し
たが、デジタル処理により同様に構成することができる
。

この場合は各回−の機能部分は各正弦波の系統について
時分割多重利用することができる。

【図面の簡単な説明】

第１図はこの発明による音声合成装置の実施例（ｎ＝５
としている）を示すブロック図、第２図はこの発明の他
の実施例を示すブロック図、第３図は出力の包絡線をピ
ンチ周期で変化させる例を示すブロック図、第４図は制
御電圧を滑らかに変化させる例を示す図、第５図は位相
初期化可能な電圧制御正弦波発振器の例を示す回路図、
第６図は電圧制御可変利得増幅器及び可変減衰率減衰器
の各棟側を示す回路図、第７図は電圧制御可変周期パル
ス発生器の例を示す回路図、第８図は制御電圧の平滑器
の例を示す回路図、第９図は包絡線発生器の例を示す回
路図である。 １、〜１．：電圧制御正弦波発振器、２．〜２．二周波
数制御電圧入力端子、３１〜３５，１５：乗算器あるい
は可変利得増幅器あるいは可変減衰率減衰器、４．〜４
．：振幅制御電圧入力端子、１２：電圧制御パルス発生
器、１３：加算器、１７：包絡線発生器、２１，２２：
平滑化フィルタ。

Claims (1)

【特許請求の範囲】
1. １ 合成しようとする音声に応じた各正弦波成分の周波
   数、振幅及びピッチ周期を数ミリ秒ないし数十ミリ秒ご
   とに指定する手段と、上記指定されたそれぞれの周波数
   及び振幅を持つ複数の正弦波を発生する正弦波発生手段
   と、その正弦波の発生を上記指定されたピッチ周期ごと
   に位相を初期化する初期化手段と、それ等初期化された
   正弦波の和を合成して音声信号を得る合成手段とを具備
   する音声合成装置。