JPS5930280B2 - 音声合成装置 - Google Patents

Description

【発明の詳細な説明】 明細書 本発明、Ａ基本関数を記憶するためのメモリーで構成さ
れた音声合成装置に係り、その各々の基本関数が基本記
憶レートで記録された音声波形を表わすデータの集合を
含み、そしてその各基本関数がピッチ周期内の波形セグ
メントを規定し複数個のフオルマントＦ１、Ｆ２を含む
ようなもので 。

ある音声合成装置に関する。多数の大規模電子計算機シ
ステムを利用して各種の計算および論理操作をデータの
集合に対して行なう技術の発展により、人間のユーザに
対する音声応答は望ましい機能であると認められるよう
−になつてきた。

多数の電子システムの研究・開発機関において、音声波
形合成装置による音声を合成する実用的な方式を開発す
る努力が行なわれている。使用される合成手法、コンパ
イル手法は不充分であるため、音声合成装置は語いが小
さすぎたり、音声品質が悪かつたり、その製作、運用に
金がかかりすぎたりして、多くの商用目的にとつては非
実用的である。例えば、フオルマント・データをつなぎ
合せることによつて実時間で音声を合成するハードウェ
アが開発されている。

このようなハードウェアでは高品質の音声を生ずること
ができるが、実現のためには、比較的複雑で高価な装置
が必要になる。また音声は音声波形予測によつても合成
できる。音声が生ずるが、より多くのメモリーを必要と
し、また装置も比較的に複雑で高価となる。従つて高品
質で多数の梧いを安価に発生できる、単純な音声合成器
の必要性があることになる。

本発明に従えば、上述の問題はピッチ周期ごとに変化す
る読み出し速度で基本関数を読み出し、異る読み出し速
度によつてピッチ周期内で異る音声波形セグメントを発
生し、フオルマントＦ１およびＦ２を含むことを特徴と
する合成装置によつて解決される。添付図面において：
第１図は音声合成装置のブロック図；第２図は完全な音
声波形の例；第３図はフオルマント周波数の両対数の両
対数グラフにおける基本関数データ点；第４図乃至第１
５図は第３図の両対数グラフにおけるデータ点によつて
表わされる基本関数波形セグメントの図；第１６図乃至
第１Ｔ図は第３図には示されていないデータ点を表わす
基本関数波形セグメント；第１８図は選択されたワード
を表わすデータ点に関連する情報の構成を示す表Ａ：第
９図は基本関数のアドレスのリストを示す第１表：第２
０図は基本関数データを表わす第２表；第２１図は合成
音声波形を生ずるプロセスのステップを示すフロー・チ
ャートである。

上述の問題は本発明に従つて、各々の基本関数は基本記
憶レートで記録された音声波形セグメントを表わすデー
タの集合を含み、各々の基本関数が複数個のフオルマン
トＦ１、Ｆ２を含む波形セグメントを規定するような基
本関数を蓄積するためのメモリーに従つて解決される。

この合成装置の特徴に従えば、各基本関数は第１および
第２のフオルマントを両対数軸上に有する図面中の単一
の線上にプロットされたデータ点によつて表わされ、基
本記憶レートとは異るレートで基本関数の制御するマイ
クロプロセツサと、データバス３１を経由してマイクロ
プロセツサと接続され、マイクロプロセツサから選択さ
れた基本関数データを受信する入出力装置２０と、デー
タバス手段３２を経由して入出力装置と接続され入出力
装置から選択された基本関数を受信し、選択された基本
関数データに応動して該線の外にある該データ点を近似
的に表わすアナログ波形セグメントを発生する第１のデ
イジタル・アナログ変換器１１とを含むことを特徴とす
る音声合成装置。

５請求の範囲第４項に記載の音声合成装置において、マ
イクロプロセツサ１５は、さらに、データ点表（第１８
図）から取られた時間圧縮／伸長係数６０に応動して、
マイクロプロセツサから入出力装置への基本関数データ
の伝送速度を決定するように動作することを特徴とする
音声合成装置。

６請求の範囲第４項に記載の音声合成装置において、処
理手段はさらにデータバス手段３３を経由して入出力装
置２０と相互接続された第２のデイジタル・アナログ変
換器１２を含み、第２のデイジタル・アナログ変換器１
２はデータ点表（第１８図）から取られた振幅係数７０
に応動してバイアス信号を発生し、該第１のデイジタル
・アナログ変換器１１はバイアス信号に応動して該線の
外にある該データ点を表わすアナログ波形セグメントの
振幅を修正することを特徴とする音声合成装置。

明細書 本発明＆ζ基本関数を記憶するためのメモリーで構成さ
れた音声合成装置に係り、その各々の基本関数が基本記
憶レートで記録された音声波形を表わすデータの集合を
含み、そしてその各基本関数がピツチ周期内の波形セグ
メントを規定し複数個のフオルマントＦｌ，Ｆ２を含む
ようなものである音声合成装置に関する。

多数の大規模電子計算機システムを利用して各種の計算
および論理操作をデータの集合に対して行なう技術の発
展により、人間のユーザに対する音声応答は望ましい機
能であると認められるようになつてきた。

多数の電子システムの研究・開発機関において、音声波
形合成装置による音声を合成する実用的な方式を開発す
る努力が行なわれている。使用される合成手法、コンバ
イル手法は不充分であるため、音声合成装置は語いが小
さすぎたり、音声品質が悪かつたり、その製作、運用に
金がかかりすぎたりして、多くの商用目的にとつては非
実用的である。例えば、フオルマント・データをつなぎ
合せることによつて実時間で音声を合成するハードウエ
アが開発されている。

このようなハードウエアでは高品質の音声を生ずること
ができるが、実現のためには、比較的複雑で高価な装置
が必要になる。また音声は音声波形予測によつても合成
できる。音声が生ずるが、より多くのメモリーを必要と
し、また装置も比較的に複雑で高価となる。従つて高品
質で多数の語いを安価に発生できる、単純な音声合成器
の必要性があることになる。

本発明に従えば、上述の問題はピツチ周期ごとに変化す
る読み出し速度で基本関数を読み出し、異る読み出し速
度によつてピツチ周期内で異る音声波形セグメントを発
生し、フオルマントＦ１およびＦ２を含むことを特徴と
する合成装置によつて解決される。添付図面において：
第１図は音声合成装置のプロツク図；第２図は完全な音
声波形の例；第３図はフオルマント周波数の両対数の両
対数グラフにおける基本関数データ点；第４図乃至第１
５図は第３図の両対数グラフにおけるデータ点によつて
表わされる基本関数波形セグメントの図；第１６図乃至
第１７図は第３図には示されていないデータ点を表わす
基本関数波形セグメント；第１８図は選択されたワード
を表わすデータ点に関連する情報の構成を示す表Ａ：第
９図は基本関数のアドレスのリストを示す第１表：第２
０図は基本関数データを表わす第２表；第２１図は合成
音声波形を生ずるプロセスのステツブを示すフロー・チ
ヤートである。

上述の問題は本発明に従つて、各々の基本関数ぱ基本記
憶レートで記録された音声波形セグメントを表わすデー
タの集合を含み、各々の基本関数が複数個のフオルマン
トＦｌ，Ｆ２を含む波形セグメントを規定するような基
本関数を蓄積するためのメモリーに従つて解決される。

この合成装置の特徴に従えば、各基本関数は第１および
第２のフオルマントを両対数軸上に有する図面中の単一
の線上にプロツトされたデータ点によつて表わされ、基
本記憶レートとは異るレートで基本関数の内のひとつを
メモリーから選択して読み出すことによつて図面上の線
の外に位置する任意の所望の点を近似的に表わす音声波
形セグメントを発生する手段を含む。本発明の特徴に従
えば、各々が基本レートで記録された選択された音声波
形セグメントを表わす複数個の基本関数を蓄積し、基本
記憶レートとは異るレートで記憶された基本関数のひと
つを選択して読み出し、これによつて記憶された波形と
は異るが関連するフオルマント周波数空間の中にある所
望の波形セグメントが発生される。

本発明の他の特徴に従えば、フオルマントＦ１およびＦ
２の両対数軸上の勾配ｍ＝−１を有する直線上の点とし
て基本関数の音声波形セグメントを選択し、従つて基本
関数の時間圧縮あるいは時間伸長がフオルマントＦ１お
よびＦ２特性に比例的に影響を与えるようにする。

本発明のさらに他の特徴に従えば、大形の計算機を使用
することなく、音声を発生するための所望の波形セグメ
ントの発生を制御するためにはマイクロプロセツサが使
用される。

本発明のさらに他の特徴に従えば、両対数グラフの単一
の線から外れたデータ点を近似外に表わす波形セグメン
トを発生するために蓄積された波形セグメントを時間的
に圧縮または伸長することによつて、関連するフオルマ
ント周波数空間を通して所望の波形セグメントを表わす
のに限定された蓄積データを用いるだけでよい。

第１図を参照すれば、図には音声合成システムの一実施
例が示されている。

このシステムは出力アナログ信号をスピーカ１３に与え
るための第１および第２のデイジタル・アナログ（Ｄ／
Ａ）変換器１１および１２を有するマイクロコンピユー
タ１０を含んでいる。マイクロコンピユータはメモリー
１８とマイクロプロセツサ１５とデイジタル・アナログ
変換器１１，１２の間に入れられた入出力（１／０）装
置２０に接続されたマイクロプロセツサ１５を含んでい
る。図示のメモリーはランダム・アクセス・メモリー（
ＲＡＭ）とリード・オンリー・メモリー（ＲＯＭ）を含
んでいる。

さらに詳しく後述するようにメモリー１８は複数個のデ
ータの集合すなわち基本関数を蓄積しており、ここで集
合は基本記憶レートで記録された音声波形セグメントを
表わしている。

この記憶はアナログ波形の振幅サンプルのデイジタル符
号を記憶することによつて行なわれ、このサンプルは均
一の基本サンプリング周波数で決められる。データの各
集合は２個あるいはそれ以上のフオルマントを含む波形
を規定する。フオルマントとは音声の高調波であり、音
声の振幅の時間的変化を表わす式によつて数学的にモデ
ル化できる。マイクロプロセツサ１５、入出力装置２０
、デイジタル・アナログ変換器１１および１２それにス
ピーカ１３は共同動作して、符号化して記録された波形
セグメントの内の選択されたものの系列を選択して読み
出し、これをアナログ波形セグメントに変換し、アナロ
グセグメントをつなぎ合せて音声とする。メモリー１８
に蓄積され、やはりマイクロプロセツサ１５によつて選
択される他の情報によつて、記録された波形は基本サン
プリング・レートすなわち記憶レートで読み出されても
よいし、基本記憶レートとは異る他の周波数（レート）
で読み出されてもよい。

波形を基本記憶レートとは異るレートで読み出すことに
よつて、高品質な音声の発生に必要な適切な周波数スペ
クトルを小数の記録された音声波形セグメントで実現す
ることができる。記録された音声波形セグメントの数を
このように限定することによつて、比較的わずかなメモ
リーで、低コストで多くの語いについて高品質の音声を
発生することができる。しかし発生されるべき各ワード
の音声はデータ点のリストによつて記述しなければなら
ないので、コストは語いの数に関連することになる。高
価なコンピユータによるのではなく、マイクロプロセツ
サで音声発生の動作を制御しているため、コストはあま
り大きくはならない。

マイクロプロセツサ１５はそのシステムの主要な動作が
デイジタル・アナログ変換器に対するメモリー読み出し
の速度を制御するだけで、これ以外の時間のかかる演算
動作は不要であるから、マイクロプロセツサ１５で音声
の発生が制御できるのである。合成装置の説明に入る前
に、音声波形合成システムの基本となつている理論を述
べるのが理解の助けとなろう。音声波形の音響的特徴は
音声が発生される管を含む道の特性によつて決定される
。

音はその管の中の気柱を振動することによつて発生され
る。気柱は発生される各々の音についていくつかのモー
ド、すなわち共振周波数で振動する。これらのモード、
すなわち共振周波数はフオルマント周波数Ｆｌ，Ｆ２，
Ｆ３・・・・・・・・・・・・・？・，Ｆｎとして知ら
れている。どのような音声が発生されても、各々の波形
セグメントはそれ自身のフオルマント周波数を有し、こ
れはそのセグメントについて最低の調波周波数から出発
して順次に番号が与えられている。無声音の波形は有声
音とは別に決められる音響的特性を持つている。

無声音は開口部を気流が高速に流れることによつて発生
されるのが普通である。このような気流は雑音のバース
トとしてモデル化できる。発声によつて生ずる完全な音
声波形は有限個の選択された音声波形セグメントから発
生できる。

このような波形セグメントは、場合によつては同じ波形
を何回もくりかえしたり、場合によつては異る波形セグ
メントを次々に組合せたりしてつなぎ合される。任意の
所望の音を表わすには有声音、無音声あるいはその両者
を使用する。第２図の、例に示した完全な音声波形は種
々の有声音セグメント、Ａ，．ＢおよびＣをつなぎ合せ
て形成される。

各々の波形セグメントはピツチ周期と呼ばれる時間の間
継続する。そのピツチ周期の長さはセグメント毎に変化
する。モデル化されている完全な有声音に従つて、連続
したピツチ周期における波形セグメントの形は相互に類
似していることも異つていることもある。多くの音の場
合、連続した波形セグメントは互に異つている。完全な
音声波形のモデルとするために、前の波形ノ が完全に
終つているかどうかによらず、波形セグメントＡ．Ｂ，
．Ｃがあるピツチ周期の終りと次のはじめの間でつなぎ
合されている。ピツチ周期の終りの前に波形が出し終つ
ていれば、次のピツチ周期が開始されるまで、波形の最
終値が保持される。無声音は代表的な音声波形の一部で
あるが、第２図には無声音は示されていない。

有声音と無声音の数学的モデルは複素周波数領域の関数
である。有声母音については適切な数学モデルはラプラ
ス変換である。もし音声波形セグメントのラブラス変換
を使用すれば、波形セグメントのラプラス変換Ｈ（ｓ）
はで表わされる。

ここでは各フオルマント毎にある。

ω。

＝２π（Ｆｎ）Ｆｎ＝第ｎフオルマントの周波数 Ｂｎ＝同じ添字を持つフオルマント周波数に関連した帯
域幅ｓ＝複素周波数オペレータ フオルマント周波数Ｆｎについての上式はラプラス逆変
換をとることによつて時間領域の式に変換できる。

Ｆｎ（ｔ）＝Ｌ−１〔Ｈｎ（Ｓ）〕 各々の音声波形セグメントはすべての適切なフオルマン
トを表わす周波数領域の式のたたみ込みである。

完全な音声波形のラプラス逆変換は第２図に示したよう
な多数のたたみ込まれた減衰正弦波形セグメントの複合
した時間波形ｆ（ｔ）となつている。

従つて有声音の完全な波形は減衰正弦波の連続であり、
これは数学的にも実際的にもモデル化することができる
。個々の音声波形セグメントを記述するために使用され
る重要なパラメータはフオルマント周波数、ピツチ周期
の期間それに波形の振幅である。品質の良いモデルを得
るためには、音声合成装置の設計者はすべての有声音の
完全な波形について正確なモデルを作ろうとするために
完全な波形の正確なモデルを作るときには問題が生ずる
。

しかし、これらの音では可聴周波数範囲の限界内にその
第１および第２のフオルマント周波数が広く分布してい
る。ある適切な記憶容量の範囲で合成プロセスを完成す
るために、従来技術の合成システムではフオルマントＦ
１およびＦ２を直交座標とするパラメータ空間の中の点
の選択されたマトリクスを表わすデータを蓄積していた
。点の数はかなり大きな数であつた。従来技術の有声音
および無声音のモデルを実現するには（１）完全な波形
のアナログ記録を行ない指令によつてこれらのアナログ
波形を再生する。

（２）完全な波形のアナログサンプルをとり、完全な音
声波形のこれらの振幅サンブルをアナログ記録し、記録
されたサンブルから完全なアナログ波形を再生する。（
３）多数の波形セグメントのアナログ記録を作り、記録
された波形セグメントの選択されたものを次々に組合せ
て指令によつて所望の完全なアナログ波形を作る。（４
）振幅サンプルをとり、これらのサンプルをデイジタル
的に符号化し、符号化されたサンプルを記録し、次に記
録された符号化サンプルの内の選択されたものからアナ
ログ波形セグメントを再生し、指令によつて再生された
波形セグメントを組合せて所望の完全なアナログ波形を
形成する。無声の摩擦音は、摩擦音ポール・ゼロ回路の
白色雑音応答として数学的にモデル化できる。

１１１や６１ｆｔ１のような摩擦音を生ずるために、い
くつかの異るポール・ゼロ回路モデルが使用されている
。

本発明と上述した従来技術の対照的な差は完全なアナロ
グ音声波形の再生のためにわずか数個の波形セグメント
をサンプルして記録しておけば良い図示の実施例を説明
することによつて示すことができる。

これらの記録された波形セグメントは基本関数と呼ばれ
る。第３図を参照すれば、図には種々の有声音の周波数
成分を示すフオルマントＦ１とフオルマントＦ２とが両
対数軸上に示されている。

第１のフオルマント周波数Ｆ１は種々の母音とデイプリ
ング音に対してほぼ２００Ｈｚから９００Ｈｚの間にあ
る。同じ音に対する第２のフオルマント周波数Ｆ２はほ
ぼ６００Ｈｚから２７００Ｈｚの間にある。第２図には
示していないが、これらと同一の音の第３フオルマント
の周波数はほぼ２３００Ｈｚから３２００Ｈｚの範囲に
あ机有声音とデイプリング音のためにｄ１（０）乃至ｄ
１（Ｌ１）と名付けた１２個の波形セグメントが選択さ
れ、傾斜ｍ＝一１のフオルマントＦ２の空間土の１本の
直線４６上のほぼ均等な間隔をおいた点としてならんで
いる。第３図の線４６上の１２個のデータ点ｄ１（０）
乃至ｄ１（１１）の各々は基本関数ｄ１（ｎ）の内の異
るもののフオルマントＦ１とフオルマントＦ２の周波数
を示している。

基本関数の波形セグメントは各々の基本関数ごとに第１
図のメモリー１８に入つている。各々の基本関数波形セ
グメントは１８．２５ミリ秒の基本ピツチ周期の間継続
する。各々の基本関数波形セグメントの問、１４６個の
振幅サンプルが必要に応じた数のフオルマント周波数を
持つ成分波形に関する情報を提供する。このような基本
関数波形セグメントを蓄積するひとつの方法は、基本サ
ンプリング・レート、たとえば８ｋＨｚで適切な波形の
振幅をサンブルし、その後で結果として得られた振幅サ
ンプルを符号化する（例えば、８ビツトのデイジタル・
ワードで各サンプルを２５６個の振幅レベルのひとつに
量子化する）ことである。第４図乃至第１５図は基本関
数ｄ１（０）乃至Ｄｌａυについての有声音波形セグメ
ントを示している。

第４図乃至第１５図において、波形は２つのスケールで
振幅を示した垂直軸上に示！てある。垂直のスケールの
一方は振幅レベルを示すスカラー量で、他方はこのスカ
ラー量をオクタル表示したものである。第４図乃至第１
５図の水平スケールはサンブル時点である。第１６図お
よび第１７図は基本関数ＤｌＯＺおよびｄ１（１３）に
ついての無声音波形セグメントを示している。

これら２つめ無声音基本関数ＤｌＯ３）およびＤｌＯＳ
ｌの各々を記述するデータもまた他の基本関数と共に第
１図のメモリー１８に蓄積されている。これらにはそれ
に関するくりかえしピツチ周期は存在しないけれど、同
じ１８．２５ミリ秒の時間幅をこれらについても適用し
ている。１４個の基本関数を表わす記録されたデータは
第３図の線４６上の有声音の１２個のサンプル点を記述
する波形セグメントと２つの無声音を記述する波形セグ
メントにすぎないが、これらの基本関数は他の追加のデ
ータと共に良い品質の完全な音声波形を発生するための
基本情報を与える。

メモリ一１８から基本関数データを読み取り、これをマ
イクロプロセツサ１５および入出力装置２０を通して、
サンプリングレートすなわち基本記録レートでデイジタ
ル・アナログ変換器１１に与えて、波形を直接再生する
ことによつて基本関数に本質的に関連した有声音波形セ
グメントが第１図の装置で発生される。再び第３図を参
照すれば、有声音のための関連するパラメータ空間を取
り囲む矩形の大部分は基本関数ｄ１（０）乃至ｄαυを
表わすデータ点によつてカバーされていないことが注目
される。

第３図の直線４６上にない点の音を表わす有声音波形セ
グメントは基本関数のひとつを選択し、それをメモリー
１８から読み出し、基本記録レートとは異るレートで、
これをマイクロプロセツサおよび入出力装置２０を通し
てデイジタル・アナログ変換器１１に送ることによつて
近似される。周知のラプラス変換−〔ｆ（ｔ／ａ）〕＝
Ａ Ｆ（ＡＢ）を用いれば、時間圧縮と時間伸長により周波
数領域を線形にスケーリングし、これによつてフオルマ
ント周波数の上下のスケーリングを行なうことができる
。

どの基本関数でもこれを基本記録レート、すなわち基本
記憶レートより速く読み出して時間圧縮したり、これを
基本記憶レートよりゆつくり読み出して時間伸長したり
することができる。第３図において、矩形中には入つて
いるが、基本関数線４６より右上にある格子点によつて
示される波形セグメントを発生するには基本関数線４６
より左下にある格子点によつて示される波形セグメント
を発生するには伸長を行なえばよい。２つの基本関数Ｄ
ｌａ３．ｄｌ（１３とは異る無声音波形セグメントもま
た、これらの２つの波形を同様に圧縮、伸長することに
よつて発生することができる。

指令によつて発生された波形セグメントの内の選択され
たものをつなぎ合せることによつて完全な音声波形が発
生する。

このような完全な音声波形は有声音と無声音の両方を含
む。上述した振幅サンブル情報の他に完全な音声を記述
するためには、さらに他の情報が必要である。

多くの完全な音声は１４個の基杢関数の内の選択された
ものから発生された多数の波形セグメントをつなぎ合せ
たものである。第１図の装置は基本関数から任意の所望
の完全な音声を発生する操作を予め決められたルーチン
に従つて行なう。基本関数をその選択の順序で記述した
基本関数のリストが表Ａと呼ばれる第１図のメモリー１
８の中のデータ表に蓄積されている。各々Ｑ完全な音声
についてつなぎ合せるべき基本関数の数は広汎に変化す
るが、そのデータ表には、発生されるべきワードの各々
すなわち完全な音声について２４ビツトのデータ点のあ
る数から成るリストを含んでいる。第１８図は、例えば
ｈ売０１１というワードの音について完全な波形を表わ
すデータのリストを示している。各データ点、すなわち
完全な音声波形にするために、つなぎ合せられるべき波
形セグメントを表わすために３バイトのデータが使用さ
れる。これらのデータ点は点１から点Ｎの順序で順次に
リストされている。各データ点について、第１バイトの
下位の４ビツト５５は、波形を発生するために１４個の
基本関数ｄ１（ｎ）の内のどれを選択するかを示す。

第１バイトの上位の４ビツト６０は圧縮／ｆ帳係数Ｄ２
（至）によつて所望の基本関数読み出し期間を実現する
ために必要な時間圧縮あるいは時間伸長の量を示す。第
３図の圧縮伸長係数を表Ｂに示す。再び第１８図を参照
すれば、各データ点の第２バイト６５は２５６個の時間
のいずれかとしてピツチ期間を示す。基本関数読み出し
期間とピッチ期間の長さの相対的関係に応じて、関連す
る再生された基本関数を打切つたり、長くしたりするた
めに、このピツチ周期が使用される。ピツチ期間の終り
で、前の波形セグメントの終了と共にその直前の波形セ
グメントの直後に他の ．データ点の波形がつなぎ合さ
れる。

各データ点の第３のバイト７０は基本関数表から読み出
された波形セグメント振幅を修正するための２５６個の
振幅量子化レベルの内のひとつを示す。所望の音に対す
る振幅およびピツチの情報は周知の解析手法によつて決
定される。

１４個の基本関数を表わすすべてのデータは第１図のメ
モリー１８に蓄積されており、ここでこれはそれぞれの
基本関数アドレスによつて識別される。

任意の基本関数の振幅サンプルを表わす１４６個のデー
タワードは第１図のメモリー１８中の連続したアドレス
に蓄積されている。第１９図は基本関数を関接アドレス
する２８バイトの第１表を示している。

第１表は以下に説明する第２表の１４個の基本関数の各
々の絶対開始アドレス、すなわち初期アドレスを示す１
４個の２バイトのアドレスを蓄積している。第１表で指
定されるアドレスは、第１８図の表Ａに蓄積された基本
関数パラメータｄ１（ｎ）に応動して第１図のマイクロ
プロセツサ１５によつて選択される。第２０図は基本関
数データを蓄積するための第２表を図示するものである
。前述したように、連続して符号化された振幅サンプル
は各々の基本関数ｄ１（旬について連続したアドレスに
蓄積されている。各々の基本関数についての振幅サンプ
ルはその初期サンプルのアドレスを与え、そのアドレス
およびそれに続く１４５個のアドレスから情報を読み出
すことによつて、第１図のメモリー１８から読み出され
る。従つて第１表に与えられた１４個のアドレスだけで
、指令にキつて基本関数データのすべてをメモリー１゛
８からアドレス指定して読み出すことができる。再び第
１図を参照すれば、この回路装置は表Ａと呼ばれるデー
タ点表と、第２表と呼ばれる基本関数表に蓄積されたデ
ータから選択された音を発生する。

応用プログラムはまた、メモリー１８に蓄積されている
。メモリーはマイクロプロセツサ１５に接続されており
、これはメモリー１８中の表Ａおよび第２表からのデー
タの選択、経路決定ノデータ転送のタイミングを制御し
、データをマイクロプロセツサ１５、入出力装置２０を
通してデイジタル・アナログ変換器１１および１２に与
える。

音声を合成するための基本関数の処理についての上述し
た操作は、種々の装置ならびに技法を用いて実行するこ
とができるが、第１図の装置の実施例ではインテル８０
８０Ａマイクロプロセツサ、インテル８２５５入出力装
置およびモトローラＭＣｌ４Ｏ８デイジタル・アナログ
変換器が使用されている。

メモリーはランダム・アクセス・メモリーおよびリード
・オンリー・メモリーとして実現されている。ランダム
・アクセス・メモリーはインテル２１０２で実現され、
リード・オンリー・メモリーは４個あるいはそれ以上の
インテル２７０８で実現される。１個の２７０８メモリ
ーが応用プログラムに、２個の２７０８メモリーが第１
表および第２表の蓄積に、１個あるいはそれ以上の２７
０８メモリーが表Ａのワード・リストの蓄積に使用され
る。

動作する実施例においては、メモリーから読み出される
べきデータのアドレスを与え、マイクロプロセツサから
入出力装置２０への情報の転送を制御するためにアドレ
スバス３０がマイクロプロセツサ１５をメモリー１８と
、また入出力装置２０と接続する。

また指令によつてメモリーからマイクロプロセツサにデ
ータを転送するために８ビツトのデータバス３１がメモ
リーとマイクロプロセツサを接続する。また表Ａの圧縮
／伸長係数Ｄ２−の指定による基本関数読み出しレート
でマイクロプロセツサから入出力装置にデータを転送す
るために、データバス３１はまたマイクロプロセツサと
入出力装置２０とを相互接続している。マイクロコンピ
ユータ装置を特殊目的の機械に変換するプログラミング
ステツプのフローチヤートを第２１図に示す。フローチ
ヤートに示された各ステツプはそれ自身は周知のもので
あり、当業者には容易に適切なプログラムに還元できる
ものである。音声波形を合成するために基本関数を読み
出すのに使用するサブルーチンは付録のＡ．．ＢｌＣに
示した。メモリー１８の第２表の基本関数表からのサン
プル振幅情報はマイクロプロセツサ１５、データバス３
１、入出力装置２０および８ビツトのデ一タバス３２を
通して基本関数読み出しレートでデイジタル・アナログ
変換器１１に与えられる。

この振幅情報は波形セグメントのサンブルの振幅を表わ
すデイジタル符号の形態をとる。基本関数波形セグメン
トの振幅を位更するために、表Ａから読み出された振幅
情報はメモリーからマイクロプロセツサを通して入出力
装置２０に与えられ、これは８ビツトデータバス３３を
通して同一のデイジタルワードを、ピツチ期間の全体に
わたつてデイジタル・アナログ変換器１２に与える。デ
イジタルアナログ変換器１２は振幅変更情報を表わすバ
イアス信号を発生し、そのバイアスをデイジタル・アナ
ログ変換器１１に与える。デイジタル・アナログ変換器
１１はデイジタル・アナログ変換器１２から与えられた
バイアスの値に従つて基本関数信号の振幅を変更する乗
算形デイジタル・アナログ変換器として構成されている
。任意のピツチ期間の開始時に振幅変更情報がデイジタ
ル・アナログ変換器１２に与えられた後、基本関数を表
わす１４６個のサンブル符号ワ一゛ドの系列がマイクロ
プロセツサ１５から入出力装置２０を通して、次々にデ
イジタル・アナログ変換器１１に与えられ、これは基本
関数の１４６個のサンプル符号ワードから１ピツチ期間
の間の振幅変更された所望の基本関数波形セグメントを
生ずる。１４６個のサンプル符号ワードを読み出すレー
トは振幅サンプルを取るのに使用された８ｋＨｚのサン
プリング、すなわち記憶レートに等しいか、これより速
いか、これより遅い。

この読み出しレートの変化は、その期間の圧縮／伸長係
数Ｄ２―に従つてマイクロプロセツサ１５によつて実行
される。読み出しレートを速くすることによつて、第１
図の装置は選択された基本関数を時間圧縮したものであ
る波形を形成する。

この時間圧縮された基本関数は第３図のフオルマントＦ
１対フオルマントＦ２の軸上で異る点にある実際の波形
セグメントの近似となる。例えば、第３図でデータ点５
５に位置する基本関数ｄ１（０）を選択して、これを圧
縮／イ帳係数Ｄ２（７）で時間圧縮すると、フオルマ
ｚントＦ１対フオルマントＦ２軸上で点６０の所望の実
波形を近似する波形セグメントが発生される。点６０で
識別される発生された波形セグメントは基本関数ｄ１（
０）と圧縮／伸長係数Ｄ２（７）によつて発生されるも
のである。基本関数の読み出しレートをおそくすること
によつて、第１図の回路は選択された基本関数を時間伸
長したものである波形セグメントを構成する。

基本関数のこの時間伸長版もまた、第３図のフオルマン
トＦ１対フオルマントＦ２軸上での異る点における実際
の波形セグメントの近似である。第３図のデータ点５５
における基本関数ｄ！（０）を選択し、これを圧縮／伸
長係数Ｄ２（０）で時間伸長することによつて、第１図
の構成によつてフオルマントＦ１対フオルマントＦ２軸
上での点６２に対応する所望の実波形を近似する波形セ
グメントが発生される。第」図の装置はそれが波形セグ
メントを圧縮したり、イ帳したりするときに、複数個の
フオルマント周波数について同時に動作することに注意
しておく。

フオルマントＦ１対フオルマントＦ２軸上で基本関数線
４６が勾配ｍ＝−１を有するために、この装置によつて
この同時圧縮あるいは伸長を行なうことができるのであ
る。時間圧縮、伸長のプロセスは基本関数線４６に垂直
な線に沿つて動作するから圧縮、伸長はフオルマントＦ
１およびフオルマントＦ２の特性に均一に与えられる。
線４６に垂直なこの線の各々はフオルマントＦ１とフオ
ルマントＦ２の周波数の間の比を一定に保つ軌跡を形成
する。読み出しレートは発生された波形セグメントの振
幅がいかに急速に減少するかを決定することに注目され
たい。

第１８図の表Ａから読み出されたピッチ期間情報は、い
つそれに関連する波形セグメントを終了するかを決定す
る。前述のように発生された波形を変更する波形セグメ
ント振幅情報は、入出力装置２０を通して、デイジタル
・アナログ変換器１１によつて発生される波形セグメン
トの振幅を変更するためのバイアスを決定する係数と、
して、デイジタル・アナログ変換器１２のデイジタル入
力に与えられる。この構成において、デイジタル・アナ
ログ変換器１２は乗算用デイジタル・アナログ変換器と
して動作する。デイジタル・アナログ変換器１１によつ
て線４０上に生ずる出力信号は第１図には低級フイルタ
（ＬＰＦ）４１およびスピーカ１３として示されたある
種の電気音響交換器に与えられるべきアナログ信号であ
る。

低域フイルタ４１はデイジタル・アナログ変換器１２と
スピーカの間に挿入されていて結果として生ずる音の品
質を向上するように動作する。サンプル信号の望ましく
ない高周波成分をフイルタで除去することによつて音の
品質を改善できる。必要な基本パラメータを記憶するメ
モリーの量は限られており、所望の波形セグメントを構
成するために比較的安価なハードウエアしか使用してい
ないが、上述した装置によつて合成される音声は極めて
良い品質を持つている。第１図の合成装置の記憶容量は
本質的には発生するべき語いの数によつて決まる。記憶
容量は発生されるべきすべての音の記述情報を含む第１
８図の表Ａの大きさによつて決まるのである。第２１図
には付録ＡおよびＢにリストされているプログラムの制
御下に動作する第１図の回路装置によつて合成されるべ
き完全な音声の間に生ずるステツプの系列の概要を示す
フローチヤートが示されている。付録Ａのリストのはじ
めには一般的コメントと用語の定義が示されている。第
２１図において、図示された第１のステツプは合成する
べき音の選択である。

このような選択は付録ＡおよびＢに示したプログラム・
リストによる制御の開始前に実行される。所望のワード
の選択の後で、プログラムの制御は５ｔスタート１１と
いうコメントの直後から開始される。

ＷＯｒｄｘが初期化され、ワードポインタが設定される
。マイクロプロセツサはこれによつて選択されたワード
を記述する表Ａの部分の位置を識別する。前述したよう
に、表Ａは合成すべき各音について３バイトのデータポ
インタのリストを有している。マイクロプロセツサが初
期化された後で、制御は第２１図に示した第３のステツ
プに続く。

これはフローチヤートの大きな外側のループを開始し、
これは付録Ａ′（′ＤＯＬＯＯＰｌとラベルを付けたい
プロツクである。この処理のプロセスの中で、第１図の
システムは選択されたワードの第１のピツチ周期の間に
使用される特定の情報を決定する。この情報は第１の波
形セグメントの発生に使用されるピツチ期間の長さ、選
択された基本関数のアドレス、圧縮／伸長係数を含んで
いる。この情報のすべては、メモリー１８からマイクロ
プロセツサ１５に転送され、システムは付録ＡでＤＯＬ
ＯＯＰｌで始まり、ＤＯＬＯＯＰ２の直前で終了するプ
ロツクの制御下に動作する。

ＤＯＬＯＯＰｌのシーケンスの間にマイクロプロセツサ
はピツチ期間の全体にわたつて、振幅係数を入出力装置
に出力しはじめる。

付録Ａではコードのプロツクの内容はＤＯＬＯＯＰｌの
コードのプロツクの中で、その内容を示すコメントの後
に示されている。第２１図の大きなループの中で、小さ
な閉じた処理ループがある。

この閉じたルーブは付録ＡでＤＯＬＯＯＰ２と呼ばれて
いる。小さな閉じたループのはじめで、マイクロプロセ
ツサは基本関数のサンプル値を入出力装置に出力するよ
うに動作する。このステツプの後には、データが小さい
閉じたループを通つて処理されるたびに、基本関数を完
全に読み出してしまうまで、メモリー・ポインタを次の
サンプルに更新する処理が続く。次のステツプは適用さ
れる圧縮／伸長係数によつて決まるサンプル間遅延の発
生である。この閉ループはピツチ期間カウントを更新し
てピツチ期間が終了したかどうかを判定することによつ
て終了する。もしピツチ期間が終了していなければ、制
御は再びＤＯＬＯＯＰ２を実行するように戻る。もしピ
ツチ期間が終了すれば、システムは選択されたワードが
完全に合成し終つたかどうかをチエツクする。もしワー
ドが完全に合成し終つていなければ、制御は大きなルー
プの方に戻つて、次の波形セグメントに必要となるパラ
メータを決定する。さもなければ、制御はエクゼクテイ
ブ・プログラムに戻る。付録ＢはＤＯＬＯＯＰ２を実行
する間のサンプル間遅延を発生するのに使用される適切
な遅延期間を決定するためのコードのプロツクのリスト
を示している。付録Ｃはメモリー中のテーブルを設定す
るのに使用されるルーチンである。

付録Ａ．ＢおよびＣのプログラムのリストは８０８０Ａ
アセンブラ言語で記述されている。この言語については
カリフオルニア州サンタ・クララのインテル社のインテ
ル８０８０Ａアセンブリ言語プログラミング・マニユア
ルに記載されている。上述の説明は本発明の一実施例た
る音声合成装置の構成と動作を詳細に説明したものであ
る。

付録／★このプログラムは音声発生のための波形合成を
実行する手法を実現するものである。

これには４個の基本パラメータがある。シンボルＩｄｌ
は１４の内のひとつの１８．５ミリ秒の時間波形、つま
り、基本波形に関連している。１２個の基本関数は有声
音セグメントに２個の基本関数が無声音セグメントに対
応している。

Claims (1)

1. 【特許請求の範囲】 １ 各々の基本関数が基本記憶レートで記録された音声
   波形セグメントを表わすデータの集合を含み、その各々
   の基本関数が複数個のフォルマントＦ１およびＦ２を含
   みピッチ期間内の波形セグメントを規定している該基本
   関数を記憶するためのメモリー１８を有する音声合成装
   置において、合成装置はピッチ期間ごとに変化する読み
   出し速度で基本関数を読み出す処理手段１１、１２、１
   ３、１５、２０、３０、３１、３２、３３、３６、４０
   、４１を有し、異なる読み出し速度によつてピッチ期間
   内にフォルマントＦ１およびＦ２を有する異なる音声波
   形セグメントを生ずることを特徴とする音声合成装置。 ２ 請求の範囲第１項に記載の音声合成装置において、
   該メモリーは該基本記憶レートで第１と第２のフォルマ
   ントを両対数軸上に示した図面（第３図）上の線４６に
   乗つてプロットされたデータ点によつて表わされる該基
   本関数を記憶するようになつており、該処理手段は該メ
   モリーに結合されて、該メモリーから該異なる読み出し
   速度の内の任意の速度で選択読み出しを行ない、前記図
   面中の該線４６上にはないデータ点を表わす異なる音声
   波形セグメントの内のひとつを発生することを特徴とす
   る音声合成装置。 ３ 請求の範囲第２項に記載の音声合成装置において、
   該図面中の線４６はさらに両対数軸上で勾配ｍ＝−１を
   有する直線であることを特徴とする音声合成装置。 ４ 請求の範囲第２項に記載の音声合成装置において、
   メモリー１８はさらに、合成されるべき完全な音声を記
   述するデータ点のリストを含むデータ点表（第１８図）
   と、各アドレス位置が基本関数の内の異なるものの記憶
   位置の系列の初期記憶位置を指すアドレスのリストを含
   む第１の表（第１９図）と、基本関数データのリストを
   含む第２の表（第２０図）とを蓄積するセクションを含
   み；処理手段は、さらに、アドレスバス３０とデータバ
   ス３１を経由してメモリーと相互接続され、データ点表
   （第１８図）と第１の表（第１９図）から読み出された
   データに応動して第２の表（第２０図）からマイクロプ
   ロセッサへの選択された基本関数データの転送を制御す
   るマイクロプロセッサと、データバス３１を経由してマ
   イクロプロセッサと接続され、マイクロプロセッサから
   選択された基本関数データを受信する入出力装置２０と
   、データバス手段３２を経由して入出力装置と接続され
   入出力装置から選択された基本関数を受信し、選択され
   た基本関数データに応動して該線の外にある該データ点
   を近似的に表わすアナログ波形セグメントを発生する第
   １のディジタル・アナログ変換器１１とを含むことを特
   徴とする音声合成装置５ 請求の範囲第４項に記載の音
   声合成装置において、マイクロプロセッサ１５は、さら
   に、データ点表（第１８図）から取られた時間圧縮／伸
   長係数６０に応動して、マイクロプロセッサから入出力
   装置への基本関数データの伝送速度を決定するように動
   作することを特徴とする音声合成装置。 ６ 請求の範囲第４項に記載の音声合成装置において、
   処理手段はさらにデータバス手段３３を経由して入出力
   装置２０と相互接続された第２のディジタル・アナログ
   変換器１２を含み、第２のディジタル・アナログ変換器
   １２はデータ点表（第１８図）から取られた振幅係数７
   ０に応動してバイアス信号を発生し、該第１のディジタ
   ル・アナログ変換器１１はバイアス信号に応動して該線
   の外にある該データ点を表わすアナログ波形セグメント
   の振幅を修正することを特徴とする音声合成装置。