JPS6143797A - 音声編集出力方式 - 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】 〔産業上の利用分野〕 本発明は単語、文節、句等の音声メツセージを連結して
別の音声メツセージを編集するための、音声編集出力方
式に関する。

各種の照会、通知を要する業務において、いわゆる音声
応答装置の利用が拡がっている。

音声応答装置は計算機等の出力する音声コード情報を受
信して、該悄頼によって指定されている音声メツセージ
を通信回線等に出力するようにした装置である。

か＼る音声応答装置の、出力音声メソセージを生成する
方式の一つとして、単語、文節、句等の比較的短い音声
メツセージを記憶しておいて、それらの中の必要な音声
メツセージを連結して所要の出力音声メツセージに編集
する方式がある。

又、それら音声メツセージを記憶しておく場合の、音声
情報の方式には、音声を分析してビ・ノチ周波数及び振
幅等からなる音源情ルと、スペクトル包絡情報とを求め
、それらの音声パラメータを音声情報とする方式（例え
ばＰＡＲＣＯＲ方式）が、比較的少ない記憶量で、良好
な音質の音声メツセージを再生し得る方式として知られ
ている。

〔従来の技術〕

第２図吋は前記のような方式の音声応答装置の主要部を
示すブロック図である。

主制御部１は計算機等から入力線２に出力すべき音声メ
ソセージの指令情報を受は取る。この指令情報は、音声
メツセージ記憶部３に保持されている音声メツセージを
指定する音声コードの列からなる。

例えば第１表のような音声メツセージ及びその音声コー
ドがあるとすれば、ｒｌ、２，３，５，４，６　Ｊとい
う指令情報の音声コード列により、「ホンジッノウンヨ
ウハゴゼンクジョリゴゴゴジマデデス（本日の運用は午
前９時より午後５時までです）」というメツセージを指
定する。

主制御部１は受信した音声コード列に従い、各音声コー
ドで定まる記憶アドレスにある音声メンセージ情報を音
声メツセージ記憶部３がら順次読み出して、音声合成部
４へ入力する。

音声メツセージ記憶部３に記憶されている音声メソセー
ジ情報は、例えばＰＡＲＣＯＲ方式の音声分析情報とす
ると、１音声メツセージはフレームと呼ばれる１０〜２
０鴫間隔に原音声からサンプリングしたデータを分析し
たフレーム情報からなり、各フレーム情報は声帯から発
せられる音の情報であって、ピッチ周波数と振幅からな
る音源情報と、その音を変調する声道等の特性をシミュ
レートするフィルタを規定するスペクトル包絡情報とか
らなる。

音声合成部４はこのようなフレーム情報から原音声に近
い音声を合成して出力するように構成された回路からな
り、このような回路は例えば１個の大形集積回路チップ
に構成したものが広く使用されている。

〔発明が解決しようとする問題点〕

一般に、例えば単語の音声を、単独に発声する場合と、
同じ単語を一連のメソセージを構成する一部として発声
する場合とでは、その抑揚等が異なり、それは更にメツ
セージ中の位置によっても異なる。

このために、前記従来の方式のように、単独に発声した
単語、文節、句等の原音声を、そのま＼再生して連結し
たメツセージは、極めて不自然な目庄メツセージとして
聞こえるという問題点がある。

〔問題点を解決するための手段〕

前記の問題点は、単語、文節、句等の音声メツセージを
、スペクトル包絡情報及び音源情報からなる音声パラメ
ータとして保持し、該音声メツセージを結合して別の音
声メツセージを編集するに際し、該音源情報中のピッチ
周波数から話調成分ピッチ周波数を除去したピッチ周波
数情報を生成する手段、該別の音声メツセージの話調成
分ピッチ周波数情報を生成する手段、該生成した話調成
分ピッチ周波情報と上記話調成分を除去したピッチ周波
数情報より、該別の音声メツセージのピッチ周波数情報
を生成する手段を有する本発明の音声編集出力方式によ
って解決される。

〔作用〕

単独に発声される一１１語音声等と、その単語等がメツ
セージの一部として発声される場合とにおいて、前記の
ような相違を生じる主要因は、単語、あるいはメツセー
ジの音源情報におけるピッチ周波数に含まれる話調成分
の相違に基づくことが知られている。

従って、単語等を連結したメソセージを編集する場合に
、この話調成分を単語等から除去し、メツセージの話調
成分を新たに生成して、その各部を各単語等の話調成分
とした、音声パラメータを作成する。

話調成分は実験により、卑語等あるいはそれを連結した
メツセージにおいて、その開始点フレームに対して、あ
るピッチ周波数値を有し、音声の終了点フレームに対し
て、別のあるピッチ周波数値を有し、その間でなだらか
に低下するような周波数値の列で近似できる。従って、
このような近似値を使用することにより、上記の処理は
容易に行うことができ、それによって出力音声メツセー
ジの自然性は格段に改善される。

〔実施例〕

第１図＋ａｌは本発明の−・実施例構成を示すブロック
図、第１図ｆｂ）は前記した話調成分の加除処理を説明
するための、音声のピッチ周波数を示す図である。

第１図（ｂ）は前記と同様のメツセージ「ホンジツノウ
ンヨウハゴゼンクジョリゴゴゴジマデデス」を示し、こ
のメツセージを構成する各語について音声メツセージ記
憶部３に記憶されている音声パラメータの音源ピッチ周
波数を、横軸を時間軸として表示したものが第１図（ｂ
）の■である。

主制御部１０は、従来の主制御部１と同様に、出力音声
メツセージを構成する単語等を指定する音声コード列を
受信する。

本例システムでは、話調成分を音声の継続時間の関数と
して実験的に定まる値により近似するものとする。その
値は、例えば第２表に示すような始点フレームのピッチ
周波数と終点フレームのピッチ周波数とを有し、画周波
数間を直線的に変化するピッチ周波数列である。

主制御部１０は各音声コードに対する音声メツセージの
４１続時間の表及び継続時間に対する話調成分の両端ピ
ッチ周波数を記憶する表（例えば第２表に基づく表）を
保持し、受信した音声コードにより、その音声メツセー
ジの１１！続時間及び話調成分の両端ピッチ周波数（第
１図（ｂ）の■における各線の両端）を索引して音声コ
ードと共に話調成分除去部１１へ順次転送する。

又、受信した全音声コードに対する継続時間の合計を算
出して、合計量ｈ％待時間対する話調成分の両端ピッチ
周波数（第１図（ｂ）の■の綿の両端）を索引して、合
計継続時間と共に話調成分生成部１２に渡す。

話調成分除去部１１は主制御部１０から受信した音声コ
ードによって、音声メツセージ記憶部３から音声パラメ
ータを１フレームづつ読み出し、その音源情報のうちの
ピッチ周波数情報をピッチ演算部１３へ入力し、その他
は直接に音声合成部４へ転送する。

又、主制御部１０から受信した音声継続時間と話調成分
のピッチ周波数から、話調成分を直線とみなして各フレ
ームのピッチ周波数を算出し、これを上記音源のピッチ
周波数と共にピッチ演算部１３に転送する。

同時に、話調成分生成部１２では、話調成分除去部１１
と同様の処理により、合計継続時間に対する話調成分の
各フレームのピッチ周波数を算出して、ピッチ演算部１
３に順次人力する。

ピッチ演、算部１３はそれらの３人力により、例えば〔
音源ピッチ周波数〕−〔単語話調成分ピッチ周波数〕＋
〔メソセージ話調成分ピッチ周波数〕の演算（第１図（
ｂ）の符号で、■−■十〇）を実行して結果のピッチ周
波数（第１図（ｂ）の■）を音声合成部４へ入力する。

音声合成部４はこのピッチ周波数と、話調成分除去部１
１から直接入力される他のパラメータによって、通常の
ように音声合成を実行し音声を出力する。

〔発明の効果〕

以上の説明から明らかなように本発明によれば、音声メ
ツセージを連結して厖集した出力音声の自然性を著しく
改善するので、音声応答装置等の応用領域を拡大する著
しい工業的効果がある。

【図面の簡単な説明】

第１図（ａ）は本発明一実施例構成のブロック図、第１
図（ｂ）はピッチ周波数の処理を説明する図、第２図は
従来の構成例のブロック図である。 図において、 １．１０は主制御部、 ３は音声メツセージ記憶部、 ４は音声合成部、　　　１１は話調成分除去部、１２は
話調成分生成部、　１３はピッチ演算部を示すを示す。 茅　１　日 （ＩＬ＋ （ｂ） 年　２Ｑ

Claims (1)

【特許請求の範囲】
1. 単語、文節、句等の音声メッセージを、スペクトル包絡
   情報及び音源情報からなる音声パラメータとして保持し
   、該音声メッセージを結合して別の音声メッセージを編
   集するに際し、該音源情報中のピッチ周波数から話調成
   分を除去したピッチ周波数情報を生成する手段、該別の
   音声メッセージの話調成分ピッチ周波数情報を生成する
   手段、該生成した話調成分ピッチ周波数情報と上記話調
   成分を除去したピッチ周波数情報より、該別の音声メッ
   セージのピッチ周波数情報を生成する手段を有すること
   を特徴とする音声編集出力方式。