JPS6152480B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は音声分析合成装置に関する。

従来、音声波形の周波数スペクトル包絡が冗長
性を持つことに着目し、分析側においてスペクト
ル包絡を近似する特徴パラメータ（例えば線形予
測係数（LPC））と声帯等における励振源に対応
した音源パラメータ（ピツチ周期等）を音声波形
より抽出し、合成側において、前記分析側で得ら
れた前記スペクトル包絡を表わすパラメータ値と
音源パラメータ値を用いて合成波形を生成する音
声分析合成方式が知られている。また、前述の方
式の一つとして分析側で線形予測係数および音源
パラメータとして、ピツチ周期データの他に前記
線形予測係数を用いて入力音声波形を逆フイルタ
リングして得られる予測残差波形の位相特性のみ
をあらかじめ定められた値（例えば零）に変更し
て得られる波形を音源波形として抽出し、合成側
では前記線形予測係数、ピツチ周期データ、およ
び前記音源波形を用いて合成波形を生成する方式
が知られている。この分析合成方式は下記参照資
料(1)に詳しいのでここでは詳しい説明は省く。

特願 昭49―132295「音声素片抽出装置」…(1)
前記の従来方式は入力音声が有声の場合にはある
一定の位相特性（例えば零）としてインパルス波
形に近いものを音源波形として生成し、無声の場
合には位相の値をランダムにして白色雑音に近い
波形を音源波形として生成するものである。しか
しながら、前記方式は有声、無声を二値的に判別
して音源波形を切り替えるため判別エラーが生じ
た際には合成された波形が急激に変化し、合成音
声の品質を大きく劣化させるおそれがある。特に
有声無声の判別を正確に行なうことは困難である
ので前記の音質劣化を生じる可能性は大きい。

本発明の目的は、有声、無声の判別エラーに伴
ない音源波形が急激に変化することにより生ずる
合成音声の品質劣化を防ぎ比較的高品質な合成音
声を生成する音声分析合成装置を提供することに
ある。

本発明になる装置は、音声波形より線形予測係
数を抽出する手段と、前記音声波形を前記線形予
測係数を用いて逆フイルタリングし予測残差波形
を算出する手段と、前記音声波形より自己相関係
数等の有声（あるいは無声）の程度を表わす制御
パラメータを算出する手段と、前記予測残差波形
の周波数スペクトルの位相特性を前記有声の程度
を表わす制御パラメータにより制御して音源波形
を生成する手段とから構成されている。

本発明の特徴は、分析部において自己相関係数
等の音声波形の有声（あるいは無声）の程度を表
わすパラメータ値を算出し、前記予測残差波形の
位相特性を有声度が高い時にはインパルスの位相
特性（零）に近い値とし、有声度が低い時には白
色雑音の位相特性（ランダム）となるように連続
的に制御したものを音源波形として生成すること
にある。

その結果、本発明によれば従来の有声および無
声を二値的に類別する方式において生ずる合成音
の音質の劣化を防ぐことが可能である。

有声（無声）の程度を表わすパラメータとして
は、音声波形の自己相関係数が相関の強い有声部
において比較的大きな値となり、相関の弱い無声
部において比較的小さくなることを利用して、例
えば１次（遅れ）の自己相関係数値を用いること
ができる。

また、予測残差波形の周波数スペクトルの位相
制御方式としては、例えば位相の周波数スペクト
ルを低い周波数領域においては零とし、高い周波
数領域ではランダムな値として、前記二つの周波
数領域の境界の周波数を前記１次の自己相関係数
値が大きい時には高くし、小さい時には低くする
方式を用いて実現できる。前記のごとく位相特性
を制御すればインパルス音源と白色雑音源との中
間的な波形を音源波形として生成することがで
き、従来の方式における、有声、無声の二者択一
方式に比較して近似のよい合成波形が得られ有声
無声判別エラーによつて生ずる音質劣化を軽減で
きることは明らかである。

次に図面を参照して本発明を詳細に説明する。

図は本発明の一実施例を示すブロツク図であ
る。

まず、音声波形が音声波形入力端子３を介して
分析部１内の予測係数抽出回路４と逆フイルタ回
路５と自己相関算出回路９とピツチ抽出回路１０
とに入力される。予測係数抽出回路４は前記音声
波形のピツチ周期程度の時間区間内における線形
予測係数を算出し、逆フイルタ回路５に制御デー
タとして出力するとともに予測係数データ出力端
子１１より出力する。逆フイルタ回路５は前記線
形予測係数を用いて前記音声波形に対して逆フイ
ルタリングを行ない予測残差波形を算出し高速フ
ーリエ変換回路６に出力する。高速フーリエ変換
回路６は前記予測残差波形に対してフーリエ変換
を行ない振巾スペクトル、および位相スペクトル
を位相特性正規化回路７に出力する。一方、自己
相関算出回路９は前記音声波形の１次（時間遅れ
が１タイムスロツト）の自己相関々数値を算出し
位相特性正規化回路７に制御データとして出力す
る。位相特性正規化回路７は前記位相スペクトル
の値を前記１次の自己相関々数値により制御し
（１次の自己相関々数値が小さい場合には位相ス
ペクトラムのより多くの周波数成分に対する位相
値をランダムな値とする）、前記振巾スペクトル
値とともに高速逆フーリエ変換回路８に出力す
る。高速逆フーリエ変換回路８は前記振巾スペク
トルと、変更された位相スペクトルラムを用いて
フーリエ逆変換を行ない音源波形を生成し、音源
波形データ出力端子１２より出力する。以上の処
理と並行してピツチ抽出回路１０は前記音声波形
よりピツチ周期を算出しピツチデータ出力端子１
３より出力する。

また、合成部２において合成回路１４は分析部
１より予測係数データ出力端子１１、音源波形デ
ータ出力端子１２、ピツチデータ出力端子１３を
介してそれぞれ出力される前記線形予測係数、音
源波形およびピツチ周期を用いて合成音声波形を
算出し合成波形出力端子１５を介して出力する。

以上の説明においては有声（無声）の程度を表
わすパラメータとして（入力）音声波形の自己相
関々数値を用いたが、前記予測残差波形の自己相
関係数値を用いて実施しても同様の効果が得られ
ることは明らかである。また、自己相関係数の最
大値を検出することによりピツチ周期の抽出を行
なう方式において、前記自己相関係数の最大値が
有声（無声）の程度を表わす（有声の時に大きく
無声の時に小さい）ことを利用して、前記１次の
自己相関係数のかわりに用いても同様の効果が得
られることは明らかである。

さらに、前記の実施例においては分析部におい
て位相を制御された音源波形の生成を行なうもの
として説明したが、分析部より合成に伝送される
予測係数データ等を用いて合成において音源波形
を生成することも可能である。

【図面の簡単な説明】

図は本発明の一実施例を示すロツク図であり、
１は分析、２は合成、３は音声波形入力端子、４
は予測係数抽出回路、５は逆フイルタ回路、６は
高速フーリエ変換回路、７は位相特性正規化回
路、８は高速逆フーリエ変換回路、９は自己相関
算出回路、１０はピツチ抽出回路、１１は予測係
数データ出力端子、１２は音源波形データ出力端
子、１３はピツチデータ出力端子、１４は合成回
路、１５は合成波形出力端子である。

Claims (1)

【特許請求の範囲】
1. １ 音声波形より抽出された線形予測係数と、前
   記音声波形を前記線形予測係数により逆フイルタ
   リングして得られる予測残差波形の周波数スペク
   トルの位相特性を変更して得られる波形を合成部
   における音源波形として用いる音声分析合成装置
   において、前記音声波形より自己相関係数等の有
   声（あるいは無声）の程度を表わす制御パラメー
   タを抽出する手段と、前記制御パラメータに従つ
   て前記位相特性を制御することにより得られる波
   形を音源波形として生成する手段とを有すること
   を特徴とする音声分析合成装置。