JPS59160193A - 音声デ−タ編集システム - 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】 （技術分野） 本発明は音声データ編集ソステムに関し、初心者でも容
易にかつ確実に音声データを編集することが可能な音声
データ編集システムに関する。

（背景技術） 従来、音声データの切出しは、音声分析器にょ９得られ
た分析データを一旦メモリに格納し、音声データの格納
されているであろうアドレノを推測で直接指定し、音声
を出力して確認し、適当でない場合アドレスの変更を行
なうというカットアンドトライによる方法により行なっ
ていた。

この方法では、所望の切出しに時間がかがるとともに、
カットアンドトライを多数回行なわないとむだな音声デ
ータが前後に接続されるという欠点があった。さらに、
連続音声より切出しを行なう場合、音声データがあるバ
イト数でブロック化されテーブル化されているため、そ
のブロック毎に切り出さないで編集すると再生が不可能
と々るという欠点もあった。

壕だ、音声データ編集においては、従来、切り出しだ音
声データを空エリアをつくらないようにジ−ケンシャ／
ｌ、＝＝に遂次メモリに格納して行く方法で行なってい
た。この方法では、空エリアはできないが音声の削除、
追加が困難であった。才だ削除、追加が容易にできる定
形フォーマント化したメモリエリアに格納するという方
法では、空エリアができすぎて効率が悪いという欠点が
あった。

（発明の課題） 本発明は、上述の如き欠点を除去するためになされたも
のであって、音声合成器が多くの製品に装備されつつあ
る現在、ユーザー自身で音声データを作成することが必
要となっている実情に鑑み、操作が簡単で、初心者にも
容易にかつ確実に高品質の音声データ編集することがで
きる音声データ編集システムを提供することを目的とす
る。

（発明の構成及び作用） 以下本発明の一実施例を図面を参照して説明する。

第１図は本実施例の音声データ編集システムのブロック
図である。同図において、１は音声分析部、２は音声デ
ータ格納メモリ、３はフレーム毎のパワー格納メモリ、
４は各フレーム先頭アドレス格納メモリ、５はディスプ
レイ部、７は制御キーボード部、８は制御部、９は音声
合成部、１ｏはスピーカ・１１はフロッピーディスク駆
動装置、１２はＰ　−ＲＯＭ書込み部である。

上述の如き構成を有する本実施例の音声データ４集シス
テムの動作について以下説明する。

先ず、音声分析部１は、マイクロフォン、テープレコー
ダ等の音声入力信号の高域遮断Ａ／Ｄ変換および一定間
隔（フレーム周期）の音声分析を行なう。なおここでフ
レーム周期とは音声分析処理における特徴パラメータの
抽出周期のことである。音声分析部１から１回あ＆、９
数・くイトの音声データがフレーム周期毎に多数回音声
データ格納メモリ２に転送され、メモリ２は送られてく
る音声データをシーケンシャルに格納する。寸だ音声分
析部１かｌら、音声データのうち音声を視覚に訴えるの
に適したパラメータ、例えば自己相関係数が０次である
音声パワーデータがメモＩＪ　３に転送され、メモリ３
は音声パワーデータをフレーム毎に格納する。更に、音
声分析部１からは、メモリ２に格納される音声データの
先頭アドレスがメモリ４に転送され、メモリ６は送られ
てきた先頭アドレスをフレーム毎に格納する。

上記各メモリ２〜４の容量は、メモリ乙の格納データが
１バイト表現でありメモリ乙の容量をαバイト、先頭ア
ドレスを２バイトで表現し、１フレーム毎の音声データ
バイト数の平均値をＮとすると、メモリー２に適した容
量は約Ｎ・αノくイト、メモリー４に適した容量は２・
αバイトである。

これはメモリー乙に格納された音声パワーデータ（１ハ
イド）はメモリー４のフレーム毎の音声データの先頭ア
ドレス（２バイト）に１対１で対応していることによる
。メモリろが音声パワーデータで満されるか、もしくは
メモリ２が音声データで満される寸で、音声分析部１か
らの音声データ等の前記格納処理を行なう。なお、これ
らの処理は実時間処理で、同時に行なわれる。第２図に
これらの処理により得られる各メモリのデータ格納マツ
プ図を示す。

格納処理終了後、メモリ乙に格納された音声パワーデー
タがディスプレイ部５に転送され、第６図の如く音声パ
ワー６が１フレームのデータを１ドツトとして縦軸をパ
ワーとして順次画面にディスプレイされる。前記説明の
如く、メモリ３のデータはメモリ４の先頭アドレスと１
対１で対応が取れているので、ディスプレイ部５の画面
上で横軸ドツト位置を指定すると、メモリ４の音声デー
タ格納先頭アドレス情報を自動的に検索できる。

ナイスプレイ部５の画面上における横軸ドツトの位置の
指定は制御キーボード部７のキー操作によシ行なわれる
。キー操作によシ指定されたドツト位置よシそのドツト
に対応するフレームの音声データの先頭アドレスがアド
レス制御部８の制御のもとに検索される。このキー操作
を２回行なうことにより、切シ出すべき音声データの開
始アドレスおよび終了アドレスを示す２個のアドレス情
報、すなわち音声データ切出しの開始フレームと終了フ
レームに対する２個の先頭アドレスが得られる。

そしてアドレス制御部８の制御により自動的に切り出さ
れた音声データがアドレス情報に従いメモリ２から音声
合成部９に転送され、切シ出された音声データは該音声
合成部９にて音声波形に再生され、スピーカ１０を通し
て切り出された音声が所望の音声であるか否か確認され
る。

確認後、制御キーボード部７のキー操作による指示に従
い、切り出された音声データをメモリ２よシフロッピー
ディスク装置１１に転送して該装置１１に一旦格納する
。このフロッピーディスク装置１１は第４図の如く数種
の容量で定形フォーマット化されている。例えばエリア
１１−ａは２５６バイト［）１００（Ｈ＞、エリア１１
−ｂは１０２４バイト０４００（Ｈ）、エリア１１−ｃ
は６３２８バイト０Ｄ００（Ｈ）、エリア１１−ｄは６
６５６バイト１ＡＯＯ（Ｈ）のブロック毎に区分けされ
ており、切り出された音声データはデータバイト数に応
じたエリアに格納される。例えば１音節レベルの音声デ
ータはエリア１１−ａに格納され、２音節から４音節よ
りなる短い単語レベルの音声データはエリア１１−ｂに
格納され、５音節から９音節よシなる長い単語レベルの
音声データはエリア１１−ｃに格納さ蜆、１゜音節から
２０音節よりなる文章レベルの音声データはエリア１１
−ｄに格納される。以下説明を簡単にするために、第４
図に示すエリア１１−ａｇｌｌ−ｂ。

１１−ｃ、　１　ｉ’−ｄをそれぞれボリューム１．２
，３’、４とし、寸だ各ボリーームの縦の区画をインデ
ックス１，２・・・とする。

切り出した音声データを格納するボＩＪ、−ム。

インデックスを管理するためにフロッピーディスク装置
１１には第５図の如き管理テーブル１１−ｅ。

１１−ｆ、１１−ｇが用意されている。管理テーブル１
１−ｅは、切り出した音声データをすでにデータガ６何
番に格納しであるかを示すテーブル、管理テーブル１１
−ｆは、各ボリュームのインデックス何番にすでに音声
データが格納されているかを示すテーブル。管理テーブ
ル１１−ｇは、各データｊ６の格納したボリー−ム、イ
ンデックス、音声データバイト数、格納トラック、格納
先頭セクタおよびその音声データの内容を示す情報が書
き込まれているテーブルである。なお図中の文字Ｉｔ　
Ｓ　ＩＩはセント状態（すなわち使用中）を示し、文字
ＩＩ　＊Ｉ＋はリセント状態（すなわち空）を示してい
る。

従って、フロンピーティスフ装置１１は、転送されてき
たデータのバイト数に応じて、各データをボリューム１
１−ａ〜１１−ｄのいずれかのエリアに格納するととも
に、テーブル１１−ｅの先頭から順に（この連番をデー
タｊ６という）格納済のセントフラグを書込み、テーブ
ル１１−ｆの該当エリア（これは格納ボリー−ムに対応
したエリア）の先頭から順に（この連番をインデックス
番号という）格納済みのセントフラグを書込み、さらに
テーブル１１−ｇの先頭から１ブロツクの格納管理デー
タ（格納ポリー−ム番号、インデックス番号、音声デー
タバイト数、格納トラック番号、格納先頭セクタ番号お
よびその音声データか示す文字コード）を順に書込む。

例えば、データＡ’１として音声パあ″を切り出しその
データバイト数がｉ　Ｂｌ）　（Ｈ）バイトであった場
合、制御部８ばこのデータ容量を格納できるボリー−ム
を決め（この場合ボリ一ム２である。）、そのボリュー
ム中の空インデックスを見出すべく第５図の管理テーブ
ル１１−ｆを参照する。仮に、管理テーブル１１−ｆの
インデックス１が空でセントフラグがセットされていな
い場合、そのインデックスにセントフラグをセットする
とともに、データＡ１として第５図の管理チーフル１１
−ｆのインテックス１にセントフラグをセットする。さ
らに、第５図の管理テーブル１１−ｇのデータ扁１のイ
ンデックスにボリューム（この場合０２　（Ｈ）　）　
、インデックス（この場合０１（Ｈ））、データバイト
数（この場合１ＢＤ（Ｈ））、音声データ格納トラック
数（この場合１Ｂ　（Ｈ）　）、同先頭セクタ（この場
合口１（Ｈ））、さらに、その音声データの内容を示す
情報（例えはアスキーコードで゛′ア″）を格納する。

次に、データ削除について、上記の例で格納したデータ
Ａ１を、削除する場合を例に説明する。

削除すべき音声データのデータＡ（この場合ｊ６１）を
キー人力すると、制御部８により、管理テーブル１１−
ｇを参照してこのデータ届に対応する音声データの格納
ボリューム、インデックスが見出される。この場合、ボ
リー−ムは０２　（１−Ｉ）　、インデックスはｏ　１
（Ｈ）である。次いで管理テーブル１１−ｆの該当ボリ
ューム、インデックスのセントフラグが消去され、管理
テーブル１１−ｅのデータｊ６１の位置の七ットフラグ
かりセットされる。これによりテーブル１１−ｇの該当
エリ−アの格納データが無効となり、かつそのエリアを
再使用することが可能となる。

まだ、音声データ格納の場合でも、すでにそのデータ蔦
に音声データが格納されている場合は上記手段によりそ
のデータ蔦に対応する管理テーブル１１−ｅ、、１１−
ｆの七ットフラグをリセットした後辿加処理が行なわれ
る。

次に、データ追加について説明する。データを追加した
いときには追加を示すコマンドをキー人力する。すると
制御部８は前述したような切出しおよびＳ集を行ない、
管理テーブル１１−Ｃ！、　１７’−ｆ、１１−ｇを参
照してボリュー　ム１１−　ａ〜１１−ｄのいずれかに
、その最終エリアの次から音声データを書込み、さらに
管理テーブル１１−ｅ、１１−ｆ。

１１−ｇを更新する。このようにしてデータの追加が行
なわれる。

以上の如き所望の切出しおよびデータ格納処理の終了後
、格納した音声データを読み出し編集する手順について
説明する。

音声データの読出しは、該当データの音声数をキーボー
ド部７から入力した後、以下のようにして行なう。先ず
、テーブル１１−ｅの先頭から順にセットフラグの有無
を調べる。次に、例えば１番目にセットフラグが有れば
（データ削除により１番目にセントフラグが無いことも
ある）、データ届をｉとする。そしてテーブル１１−ｇ
の１ブロツク目の格納管理データを読み出し、音声デー
タが格納されているトラック番号と先頭セクタ番号によ
って読出し開始位置を決め、捷だボリューム番号によっ
て、読出し量を決める。そして読出し開始位置と読出し
量によって音声データを読出し、メモリ２に格納する。

なおメモリ２は、音声データをフロッピーディスク装置
１１に格納した後に解放されており、読出し時に入力さ
れた音声数に応じて第６図に示すよ−うに領域が区分さ
れている。

先頭の１バイトには前記音声数が格納され、この領域に
続いて（音声数×２）バイトには各音声データが格納さ
れている先頭アドレスが格納され、この領域に続いて順
に各音声データが格納される。

したがってメモリ２の１バイト目を参照すれば先頭アド
レス格納領域と音声データ格納領域を区分でき、この先
頭アドレス領域を参照すれば各音声データが格納されて
いる先頭アドレスおよび後尾アドレスを確定できる。ま
た全てのデータは隙間なく格納されている。以上のよう
にして読み出し、編集が行なわれる。

上述の如き管理テーブル参照方式を用いた本実施例の音
声データ編集システムは、音声データが格納されている
ボリー−ム、インデックスのみアクセスするので、編集
が短時間で行なえる利点がある。この編集データをＦＲ
ＯＭとして必要な場合には、第１図めＰ−ＩＲＯＭ書込
み部１２にデータを転送し、ＦＲＯＭに書き込みを行な
う。このＰＲ，ＯＭは音声合成器を備えた各種装置に実
装される。

以上の説明は、音声パワーをディスプレ・１部５に転送
する場合につき行なってきたか、音声データの中の例え
ば振幅に関するパラメータ折、る１ハはピンチに関する
パラメータ等をディスプレイ部５に転送し音声データ切
出しの場合と同様に制御キーボード部７のキー操作によ
り横軸ドツト位置の指定を行ない、さらにそのドツト位
置に対応するフレームの音声データの振幅に関するパラ
メータ、あるいはピッチに関するパラメータ等の補正を
行ない、音声データ格納メモリ２の音声データを補正す
ることも可能なことは言う１でもない。

以上述べたように、本実施例の音声テーク編集システム
によれば、切シ出し作業がディスプレイ」二で簡単なキ
ー操作のみで確実に行なえ、またその音声の追加、削除
が容易に行なえ、しかも編集はすべて自動化できるため
、初心者でも所望の音声データ作成を容易に行彦うこと
かできる。

また切り出しだ音声データは１文字ごとにフロッピーデ
ィスク等の大容量不揮発性メモリに格納されるので、定
形フォーマットにしても高価な半導体メモリを無駄に消
費することがなくなり、かつ、削除、追加が容易になっ
ている。

また前記ディスプレイ部５、キーボード部７、制御部８
はパーソナルコンビーータに必須のものであるから、こ
れらをパーソナルコンビーータによシ構成することがで
き、経済的である。

々お前記実施例では音声データの長短に応じてエリアｌ
１−ａ、１１−ｂ、１ｊ−ｃ、１、ｊ−ｄの適切なエリ
アに格納するようにしだので、使用頻度の高い音節、単
語、文章等を効率良く蓄積しておくことができるが、用
途が限定されていれば一種類のフォーマットのエリアを
有するだけでも良い。

まだフしソピーディスク装置は安価な大容量不揮発性メ
モリとして最も有用だが、紫外線により消去でき電気的
に書込みができる、いわゆるＥ　Ｆ　ＲＯＭや電気的に
消去、書込みができるいわゆるＥＥＦＲＯＭや磁気バブ
ルでも代用できる。

さらに編集後の音声データは必ずしもＦＲＯＭに書込ん
でおかねばならないという訳ではなく、伝えばパーソナ
ルコンピュータシステムのようにフロッピディスク装置
を常備しているシステムでは、フロッピーティスフ装置
に編集後の音声テークを格納しておき、システム立上げ
時にアクセスタイムの早いメモリ、例えばＲＡＭと呼ば
れる半導体メモリに７０ノビ−ディスク装置の音声デー
タを転送して使うようにすれば、リアルタイムで音声再
生することができる。

（発明の効果） 以上詳細に説明したように、本発明によれば、音声デー
タを視覚化しているので、切り出し範囲か明確になり、
ディスプレイ上の座標を指定するだけで音声テークが作
成でき、音声テークの作成が短時間で、かつ正確に行な
えるという効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例のブロック図、第２図は本発
明の一実施例の音声データ、パワー、フレーム先頭アド
レスメモリのマツプ図、第６図はディスプレイに描かれ
た音声パワー波形を示す図、第４図は音声データ一時格
納用フロッピーディスクのフォーマット図、第５図は音
声テーク編集のだめの管理テーブル図、第６図は編集し
た結果の音声テーク形式を示すフォーマット図である。 １・・・音声分析部、２・・音声テーク格納メモリ、３
・・・フレーム毎のパワー格納メモリ、４・・各フレー
ム先頭アドレス格納メモリ、５°°ディスプレイ部、６
・・・パワー波形、７・・・キーボード部、８・・・制
御部、９・・・音声合成部、１０・・・スピーカ、１ト
フロノピーディスク駆動装置、１２・・ＰＲＯＭ化込み
部。 特許出願人　　　沖電気工業株式会社 特許出願代理人　　　弁理士　山　本　恵　−第１図 第２図 第３図 第４図 第５ １−ｆ 第６図 １−９

Claims (2)

【特許請求の範囲】
1. （１）音声を所定間隔で特徴抽出する音声分析部と、該
   音声分析部からの音声データの逐次格納、前記所定間隔
   毎の音声データの先頭アドレスの格納および前記所定間
   隔毎の音声の特徴を示すパワーのごときパラメータの格
   納を行なう第１のメモリ部と、該第１のメモリ部からデ
   ータを読み出し、画面上に出力するディスプレイ部と、
   切出し位置の指定、振ルｍ１　ピッチ等の補正および各
   処理の指令を行なう制御キーボード部と、前記ディスプ
   レイ部により画面上にディスプレイされたデータ信号の
   波形に従って切シ出した音声データを一旦格納するだめ
   の、定形フォーマットによシ描成される第２のメモリ部
   と、前記音声データ切出しの際、切り出した音声データ
   が所望の音声であるかを確認するだめの音声合成部と、
   編集しノこ音声データを読出し専用メモリに格納するだ
   めの読出し専用メモリ書込み部と、切出し、編集の際、
   音声データのアドレス管理等を行なう制御部とから構成
   されることを特徴とする音声データａ集システム。
2. （２）前記ディスプレイ部、キーボード部および制御部
   をパーソナルコンビーータにより構成したことを特徴と
   する特許請求の範囲第１項記載の音声データ編集システ
   ム。