JPS5948398B2 - 音声合成方式 - Google Patents

Description

【発明の詳細な説明】 本発明は１ピッチ分の母音区間信号、もしくは基本とな
る無声子音区間信号を前もつて記憶媒体に蓄わえておき
、これらを合成の対象となる音声の特性に合わせて選択
・接続することにより音声信号の合成を行なう音声合成
方式に関するものである。

従来の音素片編集合成方式では、同一の音素を異なる単
語中の種々の部分で用いるため、各単語毎に当該素片デ
ータの記憶媒体中での位置、素片データの読み出しの長
さ、素片繰り返し回数、あるいは再生レベル等の情報を
記憶媒体に書き込んでおかねばならず、大量のメモリエ
リアを必要とする欠点があつた。

本発明は上記従来の欠点を除去するものであり、以下に
本発明の基本原理について説明する。

第１図Ａは男性の自然音声「ログ（６）」の波形である
。図かられかるように音声波形は音素片と呼ばれるパル
ス性波形が周期的に繰り返されており、隣接する音素片
はその形状、振幅共によく類似している。従つてこれら
の音素片のうちの任意の一音素片を取り出し、繰り返し
て接続することにより、取り出した付近の自然音声波形
を近似することが可能となる。第１図Ｂはこの様な考え
のもとに第１図Ａの波形において上部に矢印で示した音
素片を抽出し、これらを繰り返して接続した合成波形で
ある。第１図Ｂ中、上部にΠで示した部分が同一素片の
繰り返しによつて得られた波形で、この一群を以下音素
群と呼ぶ。第１図Ｂ中の数字は大文字が音素群の通し番
号で、その右肩の小数字は音素片の繰り返し回数である
。なお音素群番号４及び６は、音素群番号５に使用され
た音素片を振幅方向にいずれも０．７倍してから接続し
たものであり、この操作は包絡線形状の近似を高める為
である。また素片の切断箇所は、１ピッチ区間中の最大
振幅点の直前の零交差点にとつた。この様にして得られ
た合成音声は、使用した音素片の種類・数によつて主に
その品質が決定されるが、原音声の特長を十分に保存し
た合成音が得られる事が確認されている。以上のように
音素片編集合成法を用いることにより、自然音声の 長
度を利用して主要なデータのみを抽出し、又逆にこのデ
ータを用いて音声の再編成を行なうことが可能となる。

次に本発明の音声合成方式について第２図とともに説明
する。

第２図において、１は例えば「１」「２」 ，「３」
，「４」 ・ ・ ・等の発生しようとする数字のキー
が具備されたキーボードであり、このキーボード１の任
意のキーを押すとビツトパターンが出力される。このビ
ツトパターンは２の単語番号テーブルに入力され、３の
単語制御テーブルをアドレスするためのスタートアドレ
スに変換される。３の単語制御テーブル中には４の音素
群テーブルのスタートアドレス６と該音素群の再生レベ
ルＴが素群の出力される順序に記憶されており、また単
語が終了することを示すために各単語の最終音素群の再
生レベルデータの次には、プログラム中で判別可能なエ
ンドマークが入つている。

音素群テーブル・スタートアドレス６によつてアドレス
された４の音素群テーブルには音素片の繰り返し回数デ
ータ８、音素片フアイル５を読み出す為のスタートアド
レス９、同じく音素片フアイル５を読み出す長さ（素片
長）に関するデータ１０が書き込まれている。９の音素
片スタートアドレスは１２のアドレスカウンタにロード
され、１０からロードされた素片長分だけ音素片フアイ
ルデータを読み出す。

素片長分だけの読み出しが終了すると、１１のリピート
カウンタが１だけ減少し、これがｏになるまで同一素片
の読み出しが続行される。読み出された音素片データは
１４のデイジタル・アナログコンバータへ入力され、そ
の出力はさらに１５のプログラマブル・アツテネータへ
と入力される。

一方、Ｔの再生レベルデータは前記プログラムブルアツ
テネータへ入力され分割比の異なる複数の抵抗減衰器の
内の一つを閉じて該プログラマブルアツテネータの減衰
量の選択を行なう。１１のリピートカウンタが０になる
と単語制御テーブル中の次の音素群テーブルスタートア
ドレスと再生レベルとが読み出され、それぞれ新しい音
素群テーブルのスタートアドレスと、プログラマブルア
ツテネータの減衰量選択とに用いられる。

この様にして次々に単語制御テーブル中のデータを出力
し、同テーブル中のデータが単語終了部分のエンドマー
クに到達した時点で全ての素群出力を終え、音声出力を
終了する。１３はクロツクで、アドレスカウンタ１２、
デイジタル・アナログコンバータ１４の動作の同期をと
る。

所で以上のようなテーブル重層構造は合成音声の発生を
表音記号的に制御しようとする方法をソフトウエア上に
構成したものであつて、図中４の素群テーブルによつて
制御されるところのそれぞれの音素群が上記表音記号の
一つひとつに対応するものである。

さらに、実際の発音ではこれら表音記号が連結されて目
的の単語音声が構成されるが、本発明においては単語制
御テーブルが表音記号の連結順序を示す役割を果たして
いる。従つて同一の表音記号が複数の箇所で用いられる
場合には、上記音素群テーブルは一種類のみでよく、単
語制御テーブル中において同一素群のスタートアドレス
を必要回数だけ指定するだけでよい。単語制御テーブル
３中の素群スタートアドレスはプログラムによつて読み
とられ、予め決められたエンドマークかどうかをプログ
ラムで判定し、エン．ドマークでなければ該音素群の出
力を行ない、エンドマークであればその時点で発生動作
を終了する。本発明は上記のような構成であり、素片制
御の情報を重層化したために、同一音素群を単語中の異
なる場所で使う場合にも容量の小さな単語制御テーブル
に音素群のスタートアドレスと再生レベルとを書き込む
だけでよく、語いの多様性に容易に対処できる。

又、音素片フアイル中に自然音声をデイジタル・アナロ
グ変換したデータをそのまま書き込んでおき、再生の際
もそのまま出力するようにテーブル中のデータを書けば
、品質のよいＰＣＭ再生も可能である。

このようにテーブル構造を変えずに、テーブルの内容の
みを変化させることにより、様様な品質、データ圧縮率
の合成が行なえる利点を有するものである゛。

【図面の簡単な説明】

第１図Ａは男性の自然音声「ログ（６月の音声波形図、
第１図Ｂは自然音声から抽出した音素片を合成した合成
波形図、第２図は本発明の音声合成方式を実施する装置
のプロツク図である。 １ ・・・・・・キーボード、２・・・・・・単梧番号
テーブル、３・・・・・・単語制御テーブル、４・・・
・・・音素群テーブル、５・・・・・・音素片フアイル
、６・・・・・・スタートアドレス、７・・・・・・再
生レベルデータ、８・・・・・・回数データ、９・・・
・・・スタートアドレス、１０・・・・・・素片長デー
タ、１１・・・・・・リピートカウンタ、１２・・・・
・・アドレスカウンタ、１３・・・・・・クロツク、１
４・・・・・・デイジタル・アナログコンバータ、１５
・・・・・・プログラマブルアツテネータ。

Claims (1)

【特許請求の範囲】
1. １ 種々の形状の音素片を表現するデータを記憶した第
   １の記憶媒体と、前記第１の記憶媒体中の音素片を用い
   て特定の音節を形成するために前記第１の記憶媒体中の
   音素片を読み出すために必要なデータを音素片の種類別
   に記憶した第２の記憶媒体と、任意の一音節、一単語あ
   るいはそれ以上の文節、文章を発生させるために前記第
   １の記憶媒体中の音素片を使用するため前記第２の記憶
   媒体を読み出す際に必要となる前記第２の記憶媒体の読
   み出し順序、もしくは発生しようとする音声の終了を示
   すための終了記号を記憶した第３の記憶媒体と、発生す
   べき合成音声の内容に対応して外部から与えられる信号
   を、前記第３の記憶媒体を読み出すためのデータに変換
   するための第４の記憶媒体とから成り、外部から信号が
   与えられた時、前記第１〜第４の各記憶媒体を順次用い
   合成音を得る音声合成方式。