JPS61252598A

JPS61252598A - 音声単語編集方式

Info

Publication number: JPS61252598A
Application number: JP60094894A
Authority: JP
Inventors: 今井　雅隆; 倉元　洋司
Original assignee: Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1985-05-01
Filing date: 1985-05-01
Publication date: 1986-11-10

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】（発明の分野）本発明は、銀行や学校などにおける警報その他の放送と
か電話でのサービスなどに利用するものであって、ＡＤ
ＰＣＭ　（適応差動パルス符号変調）に基づいた音声単
語編集方式に係り、特には、ＡＤＰＣＭコードで表現さ
れた音声単語データ間に無音データを挿入した状態で、
これらのデータを接続するための技術に関する。

（発明の概要）本発明は、無音データと単語データとの接続を良好に行
い、自然なかたちでの音声合成ができるとともに、無音
データの記憶に必要な記憶容量を少な（できるようにす
るものである。

（従来技術とその問題点）音声信号は、特に非定常性が強く、平均レベル。

瞬時レベル、ｍ零値間の相関などが絶えず変動する。こ
のような音声信号をＡＤＰＣＭ　（適応差動パルス符号
変調）方式でコード化すると、音声信号の非定常的な変
動に対して良好に追従した状態でコード化することがで
きる。

即ち、ＡＤＰＣＭ方式は、１つ前のサンプリング時点に
おける量子化幅（ステップ幅）Δ７−１に、その時の量
子化器の出力によって決まる係数Ｍ、−９を乗じたもの
を、現サンプリング時点における量子化幅Δ、とするも
のである。つまり、Δ、−Δ＠−Ｉ　ＸＭＩＩ−１・・
・・・・・・・（１１１６進表示のＡＤＰＣＭコードと
コード値と量子化幅係数との関係を次表に示す。

この表におけるコード値°Ｉ゛は音声信号のレベル“０
”に対応する。これが一般的には無音データである。

“０”レベルとなるＡＤＰＣＭコード列は、０．８．０
．８．・・・・・・・・・、０．８である。無音データ
が例えば１０回連続すると、１０個目の無音データにつ
いての量子化幅Δ１゜は、１個目の量子化幅をΔ、とし
て、式（１）から、となる。このような無音データの次
に（る単語データの先頭コードがＯ”〜１３″または′
８゛〜“Ｂ”であると、先頭データの量子化幅Δ１１は
、Δ＠ｌ＝ｏ、９ＸΔ、。ζＧ、　３４９Δ、　　・・
・・・・・・・（３）と、著しく小さくなる。

このように量子化幅が時系列的に影響を受けるＡＤＰＣ
Ｍ方式で無音データを単語データに接続する場合、その
接続の前後で量子化幅を一致させる必要がある。

しかしながら、従来の単純なＡＤＰＣＭ方式には、次の
ような問題点がある。

ＡＤＰＣＭコードで表現されたデータは、伸長時に量子
化幅が系列的に影響を受ける。そのため、単なる′０”
レベルデータを無音データとして扱い、この無音データ
を単語の接続に使用すると、無音データに続く単語デー
タのレベルが著しく小さくなってしまう。

即ち、伸長差分データをｄｎ、量子化幅をΔｎ、コード
値をＡとすると、ｄｎ冨ΔｎＸＡ　　　　　　　・・・・・・・・・・・
・・・・・・・・・・＋４）であるが、無音域をもＡＤ
ＰＣＭコードで表現すると、量子化幅Δｎが小さいため
、コード値Ａが大きくなる。

そのため、無音データとして単純に“０”レベルデータ
を与えると、式（４）と矛盾することになる。

その結果、無音データに後続する単語データの先頭レベ
ルが実際のレベルよりもかなり小さくなってしまう。

例えば、音声単語「きょうは」と音声単語「よい」と音
声単語「てんきてず」とを、通常の会話と同様に合成す
る場合、無音を“−”で表すとして、〔きょうは−よい−てんきです〕のように音声単語と音声単語との間に無音を挿入した状
態でデータを接続することが好ましい。

しかし、無音“−”のデータ列において、前記のように
最終の無音コードの量子化幅Δ１゜が非常に小さいと、
後続の音声単語「よい」や［てんきアす１のキ領１−ト
′の！ヱル６巨八−４礒（革？　♂７１＼太くなり、接
続すべき無音データと単語データの量子化幅が不一致と
なるため、「よ」や「て」が聞こえにくくなる。

ことに先頭データに低レベル部をもつ単語（例えば、さ
行の単語などの摩擦音）の場合には、無音データの影響
で単語レベルが著しく小さくなり、聞こえなくなってし
まう。

一例を挙げると、音声単語「わたしは」と無音「−」と
音声単語「せんせいです」とを接続して音声合成すると
、「せんせいてす」の先頭の「せ」の先頭データのレベ
ルが著しく低くなって、「せ」自体が不明確となり、例
えば、〔わたしは−んせいです〕のように聞こえるといった具合である。

（発明の目的）本発明は、このような事情に鑑みてなされたものであっ
て、無音データと単語データとの接続を良好に行い、自
然なかたちでの音声合成ができるとともに、無音データ
の記憶に必要な記憶容量を少なくできる音声単語編集方
式を提供することを目的とする。

（発明の構成と効果）本発明は、このような目的を達成するために、次のよう
な構成をとる。

即ち、本発明の音声単語編集方式は、ＡＤＰＣＭ方式に
よる録音時に単語データと後続の単語データとの間の無
音域について、この無音域の継続時間ｔを１を超える数
値Ｘで除算した時間ｔ　／　ｘの期間にわたって前記無
音域のデータを無音データとしてセットし、この無音デ
ータと単語データとの接続時に無音データをほぼ前記時
間ｔの間繰り返し出力するようにしたことを特徴とする
ものである。

即ち、本発明は、単語を録音するときに、無音域の一部
分をＡＤＰＣＭコード化することなく、生のかたちのデ
ータとして採用し、これを音声合成のための無音データ
としたものである。

この構成による作用は、次の通りである。

無音データとして無音域の一部分（ｔ／Ｘ）を採用し、
音声合成時にこの無音データをほぼ時間た無音データの
最終のデータの量子化幅が後続の音声単語の量子化幅と
ほぼ一致することになる。

以上の例から明らかなように、本発明によれば、次のよ
うな効果が発揮される。

（ｉ）音声単語について量子化幅が時系列的に影響を受
けるＡＤＰＣＭ方式を採用しであるにもかかわらず、さ
行の単語などの摩擦音のように先頭データに低レベル部
をもつ単語の場合でも、無音データと単語データとの接
続を良好なものとし、自然な文章のつながったものとし
て明瞭に聞き取れる音声にすることができる。

また、単語データが録音データであるため、録音環境が
比較的悪いところで採取した単語であっても、接続その
ものは自然なものになる。

（ｉｉ　）無音データを表現するコードがノイズである
ため、その平均レベルは１０″であり、どの区間（ｔ／
Ｘ）を採用してもよい、そして、このように採用された
無音データは、一般の単語データに比べて短いものであ
り、かつ、その無音データを繰り返し利用するため、無
音データについての記憶容量を少なくすることができる
。

（実施例の説明）以下、本発明を図面に示す実施例に基づいて詳細に説明
する。第１図は本発明の実施例に係る音声単語編集方式
のブロック図である。

図において、■はマイクロホン、２は、マイクロホン１
から入力した音声のアナログ信号をデジタル信号に変換
するＡ／Ｄコンバータ、３は、Ａ／Ｄコンバータ２から
入力した音声デジタル信号をＡＤＰＣＭによって振幅が
大きい程強く圧縮するＡＤＰＣＭ圧縮手段、４は、ＡＤ
ＰＣＭ圧縮手段３からのデータについて有音（音声単語
）と無音とに分離する有音／無音分離手段である。ＡＤ
ＰＣＭ圧縮手段３および有音／無音分離手段４が音声分
析用制御手段５を構成している。

６はメモリであり、有音（音声単語）データのメモリエ
リア６ａと、無音データのメモリエリア６ｂとを有して
いる。

７は、ひと主と生幻のｔ杏企成すＡための−；皇のプロ
グラムデータを、複数の文ごとに格納したテーブルであ
る。例えば、「火災が発生した。ｖ！急に避難せよ、」
というひとまとまりの警報文を合成するためのプログラ
ムデータ、その他の文を合成するためのプログラムデー
タが格納されている。

８は、テーブル７から一連のプログラムデータを読み出
し、そのプログラムデータに基づいてメモリエリア６ａ
およびメモリエリア６ｂから要求された単語データおよ
び無音データを読み出す放送文選択手段である。この放
送文選択手段８は、警報出力手段９その他の出力手段に
接続され、選択された出力手段からの指令信号によって
前記の読み出し制御を司るように構成されている。

１０は、メモリエリア６ａおよびメモリエリア６ｂから
読み出した単語データおよび無音データを、ＡＤＰＣＭ
によって振幅が大きい程強く伸長するＡＤＰＣＭ伸長手
段である。放送文選択手段８とＡＤＰＣＭ伸長手段１０
とが音声合成用制御手段１１を構成している。

ｌ２はＡＤＰＣＭ伸長手段１０から順次的に出力された
単語データおよび無音データをアナログ信号に変換する
Ｄ／Ａコンバータ、１３はＤ／Ａコンバータ１２に接続
されたスピーカである。

次に、この実施例の動作を第２図のタイムチャートに基
づいて説明する。第２図の（Ａ）は音声データの波形図
、（Ｂ）はＡＤＰＣＭコードの波形図、（Ｃ）は（Ａ）
の一部分を拡大した波形図である。

録音時において、マイクロホン１から入力された音声信
号がＡ／Ｄコンバータ２によってデジタル信号に変換さ
れ、ＡＤＰＣＭ圧縮手段３によって所定の圧縮を受ける
。圧縮された信号は、有音／無音分離手段４により有音
（単語データ）と無音データとに分離される。

分離された単語データは、メモリエリア６ａに記憶され
、無音データはメモリエリア６ｂに記憶される。

このときメモリエリア６ｂに対する書き込み指令信号は
、無音域が継続する期間ｔのＸ分のｌの期間だけ入力さ
れる。従って、メモリエリア６ｂには無音域の期間ｔ　
／　ｘにわたる生のデータ（コード化されていないデー
タ）が記憶される。

次に、音声を合成する場合の動作を説明する。

例えば、警報出力手段９から放送文選択手段８に指令信
号が与えられると、放送文選択手段８は、テーブル７か
ら一連のプログラムデータを読み出し、そのプログラム
データに基づいてメモリエリア６ａおよびメモリエリア
６ｂから要求された単語データおよび無音データを順次
的に読み出す。

即ち、例えば、「火災が一発生した。−緊急に一避難せ
よ、」というひとまとまりの警報文を合成するための単
語データおよび無音データを読み出し、順次的に合成す
る。このとき無音データは、時間ｔの間、（ｔ／Ｘ）分
のデータがＸ回にわたって繰り返し読み出される。

このように合成した単語データおよび無音データのデー
タ列は、ＡＤＰＣＭ伸長手段１０によって、振幅が大き
い程強く伸長され、接続の良好な状態で復元化される。

復元化されたデータ列は、Ｄ／Ａコンバータ１２によっ
てアナログ信号に変換されたのち、スピーカ１３から音
声となって出力される。

以上のように、量子化幅が時系列的に影響を受けるＡＤ
ＰＣＭ方式を採用し、ＡＤＰＣＭコードで表現された音
声単語データ間に、生のかたちの無音データを挿入した
状態で、これらのデータを接続するものであるから、さ
行の単語などの摩擦音のように先頭データに低レベル部
をもつ単語の場合でも、無音データと単語データとの接
続を良好なものとし、明瞭に聞き取れる音声にすること
ができる。

【図面の簡単な説明】

波形図、（Ｂ）は図（Ａ）とタイミングを合わせたＡＤ
ＰＣＭコードの波形図、（Ｃ）は図（Ａ）の一部分を拡
大した波形図である。

Claims

【特許請求の範囲】

（１）ＡＤＰＣＭ方式による録音時に単語データと後続
の単語データとの間の無音域について、この無音域の継
続時間ｔを１を超える数値ｘで除算した時間ｔ／ｘの期
間にわたって前記無音域のデータを無音データとしてセ
ットし、この無音データと単語データとの接続時に無音
データをほぼ前記時間ｔの間繰り返し出力する音声単語
編集方式。