JPS59168494A

JPS59168494A - 音声合成方式

Info

Publication number: JPS59168494A
Application number: JP58042169A
Authority: JP
Inventors: 市川　「あきら」; 武田　昌一; 久司西山
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1983-03-16
Filing date: 1983-03-16
Publication date: 1984-09-22

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】〔発明の利用分野〕本発明は音声合成方式に関し、特にいわゆる規則合成に
適用可能な音声合成方式に関するものである。

〔従来技術〕

音声の規則合成においては、／ア／とか／イ／のような
言葉の情報を主に担うスペクトル・エンベロープ情報（
以下、「スペクトル情報」という）と、アクセントやイ
ントネーションのような抑揚を担う音源情報とを、独立
に制御することが必要であシ、生成源方式と呼ばれる合
成方式の一部が適用可能である。

従来、規則合成には、ＰＡＲ，ＣＯ几（ｐａｒｔｉａｌ
Ａｕｔｏ　Ｃｏｒｒｅｌａｔｉｏｎ　　）方式、Ｌ　Ｓ
　Ｐ　（、［、ｉｎｅＳｐｅｃｔｒｕｍ　ｐａｉｒ　）
方式、ホル−ｑ　７ト方式等の諸方式が用いられて来た
。これらの方式においては、前記スペクトル情報として
、ＰＡＲＣＯＲ，係数、ＬｓＰ係数あるいはホルマント
情報を用い、音源情報としてはインパルスや三角波、雑
音を用いるのが普通でアシ、このため自然さに欠ける機
械的音質になってしまうという問題があった。

この問題を解消するだめには、ＰＡＲｃｏＲ方式やＬＳ
Ｐ方式において残差波形を音源に用いることも考えられ
るが、この場合には、取扱う情報量が大幅に増加するこ
と、規則合成に嫡男することが困難になること等の新た
な問題が生ずる。

〔発明の目的〕

本発明は実記事情に鑑みてなされたもので、その目的と
するところは、従来の音声合成方式における上述の如き
問題を解消し、前記残差音源波形（以下、単に「残差波
形」という）の情報を利用しながら、情報量の増加を抑
えて、規則合成に適用可能な、自然な音質を与える音声
合成方式を提供することにある。

〔発明の概要〕

本発明の要点は、スペクトル情報と音源情報とから音声
を合成する音声合成方式において、前記音源情報を複数
のパルス情報から構成し、かつ、該複数のパルス情報を
、各パルスごとに、パルスの相互位置と振幅情報とから
構成した点にある。

以Ｆ１　この点につき、図面を用いて詳細に説明する。

第１図はある母音をＰＡＲＣＯＲ分析したときの残差波
形の一例を示すものである。なお、説明を簡単にするた
め、以下の説明はすべてＰＡＲＣＯＲ。

方式を用いる例で行うが、前記ＬＳＰ方式あるいはＬＰ
Ｃ（Ｌｉｎｅａｒ　ｐｒｅｄｉｃｔｉｏｎ　Ｃｏｅｆｆ
ｉｃｉｅｎｔ　）方式等の線形予測分析技術を用いる方
式でも全く同様の取扱いが可能である。

第１図から明らかな如く、例えば、残差波形中の振幅の
大きいパルスは、ピッチ周期に同期して、連続して数ピ
ツチ区間にわたり類似した形状のものが繰）返されてい
る。そこで、このような類似した波形をまとめて１つの
代表波形とし、その繰り返しで置換えることにより、平
均的に５〜６波形を１つにまとめてみたところ、聴覚的
には元の波形との音質の差が殆んどわからないことが実
験的に確認された。

更に、１つのピッチ区間内の残差波形を見ると、隣接し
たピッチ区間の波形の対応する部分と類似の形状を示す
、上述の比較的振幅の大きいパルスと、類似度の低い、
雑音的な振幅も相対的に小さいパルスとが混在している
ことがわかる。このような比較的振幅の小さいパルスを
残差波形から除去して行くと、ピッチ区間内の全パルス
の約７５チを除いて音声を再合成しても、元の音声と聴
覚的には殆んど区別がつかないことも実験的に確かめら
れている。

本発明は１記２つの手法を併用することにより、残差波
形の情報量を圧縮するようにしたものであシ、以下に、
その具体例を示す。

〔発明の実施例〕

第２図は本発明の一実施例である音声合成装置の概要を
示すブロック図である。図において、ｌは制＃部、２は
合成部、３はデータファイル、４はインタフェース、そ
して５は合成音声出力である。データファイル３中には
、制御部１で作成した制御データが格納されている。本
実施例装置の動作の概要は、制御部１がインタフェース
４を介して与えられた指令に基づいて前記データファ・
ｆル３中の制御データ？合成部２に送ジ、後述ｊ゛る手
順により音声の規則合成を行い、合成音声出力５を得る
というものである。なお、合成部２はＰＡＲＣＯＲ方式
の場合を例にとるが、ＬｓＰ方式。

Ｉ、ＰＣ方式でも同様の取扱いが可能であることは前述
の通りである。

第３図に音声合成のだめの制御データの構造の一例を示
す。本実施例においては、女性の声を合成することを想
定し、ＰＡＲＣＯＲ係数ｋを１０次までのに１〜ＪＯ％
音源波形のパルス数を１０個までとし、そのパルス振幅
および位置をそれぞれａ１〜”ＩＯ＋ｐＩ””−ｐｌｏ
ｓまた、制御データの繰返し使用回数Ｎをまとめて１つ
の制御データとし、時間（り方向に並べた形で前記デー
タファイル３中に格納してあシ、制御部１からの要求に
よシ順次読出すことが可能に構成されている。

第４図は上記合成部２の構成の詳細を示すものである。

図において、２１は音声合成フィルタ、２２はパルス振
幅ａのレジスタ、２３はパルス位置ｐのレジスタ、２４
は繰返し使用回数Ｎのカウンタ、２５はＰＡＲＣＯＲ係
数にのレジスタ、また、２６はパルス位置ｐのカウンタ
、２７は音源レジスタを示している。音声合成フィルタ
２１は広く知られているものであシ、該音声合成フィル
タ２１には、フィルタの係数としてのＰＡ几ＣＯＲ係数
ｋ］〜ｋｒｏ　（２５１）と、フィルタへの入力どして
の音源パルス振幅情報（２７１）が与′見られる。

上述の如く構成される本実施例装置の動作を以下説明す
る。

合成部２には、前述の如く、データファイル３から読出
される制御データとして、ＰＡＲＣＯＲ係数に１音源パ
ルス振幅ａ１パルス位置ｐおよび制御データ繰返し使用
回数Ｎが与えられる。繰返し使用回数Ｎのカウンタ２４
は、制御間隔のクロック２９に同期してデータ使用回数
をモニタし、制御間隔ごとに信号（２４１）を出力して
ｔ、ＰＡＲＣＯＲ係数レジスタ２５の出力（２５１）と
してＰＡＲＣＯＲ係数ｋを音声合成フィルタ２１に供給
するとともに、パルス振幅レジスタ２２とパルス位置レ
ジスタ２３の読出しアドレスをリセットさせる。また、
データ使用回数がＮに達した場合には、次の制御データ
を要求する信号（２４２）を出力する。

パルス位置情報（２３１）は、レジスタ２３から順次パ
ルス位置カウンタ２６に供給される。パルス位置カウン
タ２６はサンプリングクロック２８によシ歩進され、パ
ルス位置情報だけカクントすると信号（２６１）を出力
して、前記音源パルス振幅情報（２７１）を音源レジス
タ２７から音声合成フィルタ２１に入力させるとともに
、次のパルス振幅情報をレジスタ２２から音源レジスタ
２７にセットさせ（２２１）　、次のパルス位置情報を
レジスタ２３からカウンタ２６にセットさせる（２３１
）。

上述の動作によシ、パルス位置情報ｐｉの間隔で音源パ
ルス振幅情報ａ！を音声合成フィルタ２１に供給するこ
とができ、音声を順次合成し出力する（２１１）ことが
可能となる。

なお、音声を８ＫＨｚ、８ビツトでＡ／Ｄ変換する場合
を例にとって若干補足説明をしておく。

前記ピッチ周波数は、男性では６０〜４００Ｈｚ。

女性では１００〜５００Ｈｚ程度であるから、１ピッチ
周期はサンプル点数にして、１６〜１３３点程度となる
。前述の如く、７５％が除かれた結果、２５％程度残っ
た残差パルスの各位置を、先行するパルスからの相対位
置で表わすとすると、最悪の条件として、殆んどすべて
のパルスがピッチ区間の頭部に集中し、最後の１つが区
間の最後のサンプル点に存在する場合でも、ザンプル点
間の差の最大値は１００以ドとなるから、８ビツトで表
現することが可能となる。すなわち、約７５チが除かれ
、残った２５チ程度の数のパルス列で表現された残差波
形は、パルス位置とパルス振幅ノ値ヲ各々８ビット、計
１６ビツトで表現しても、原残差波形の情報８ＫＨｚ、
８ビツトの変換を行これと先に述べた残差波形の類似性
を利用した練成することができる。

このように圧縮した残差音源の情報量は、５〜６１（ビ
ット／秒となり、これを、ＬＳＰ方式等の線形予測分析
技術を用いて圧縮したスペクトル情報量１〜７にビット
／秒と組合わせると、６〜１０にビット／秒程度の情報
量となる。これは、従来のＰＡＲＣＯＲ方式並みの情報
量であや、すなわち、本発明により取扱う情報量を増加
させることなく、音質の良い合成音声を得ることができ
ることになる。また、本発明の方式は、ピッチ周期単位
で、残差波形を取扱うため、音源の制御が可能であり、
規則合成に適した方式と言うことができる。

なお、上記実施例においては、残差波形のパルスの７５
９６程度を除去する例を示したが、これは５０％程度で
も効果がある。また、残ったパルスの位置の表現は、特
定のパルスからの相対位置としても良いことは言うまで
もない。

〔発明の効果〕

以上述べた如く、本発明によれば、スペクトル情報と音
源情報とから音声を合成する音声合成方式において、前
記音源情報を複数のパルス情報から構成し、かつ、該複
数のパルス情報を、各パルスごとにパルスの相互位置と
振幅情報とから構成したので、残差波形の情報を利用し
ながら、情報量の増加を抑えて、規則合成に適用可能な
自然な音質を与える音声合成方式を実現できるという顕
著な効果を奏するものである。

【図面の簡単な説明】

第１図は残差音源波形を説明する図、第２図は本発明の
一実施例である音声合成装置の概要を示すブロック図１
第３図は制御データの構造の一例を示す図、第４図は実
施例の詳細を示す図である。１・・・制御部、２・・・合成部、３・・・データファ
イル、４・・・インタフェース、５・・・合成音声出力
、２１・・・音声合成フィルタ、２２・・・パルス振幅
レジスタ、２３・・・パルス位置レジスタ、２４・・・
繰返し使用回数カウンタ、２５・・・ＰＡＲＣＯＲ係数
レジスタ、芽　３　ロー−÷を第　４　図

Claims

【特許請求の範囲】１、スペクトル情報と音源情報とから音声を合成する音
声合成方式において、前記音源情報を複数のパルス情報
から構成し、かつ、該複数のパルス情報を、各パルスご
とに、パルスの相互位置と振幅情報とから構成したこと
を特徴とする音声合成方式。２、前記音源情報は、同一音源情報を複数区間にわたっ
て繰返し使用することを特徴とする特許請求の範囲第１
項記載の音声合成方式〇