JP2990691B2

JP2990691B2 - 音声合成装置

Info

Publication number: JP2990691B2
Application number: JP63023143A
Authority: JP
Inventors: 典雄須田; 喜正沢田
Original assignee: Meidensha Corp
Current assignee: Meidensha Corp
Priority date: 1988-02-03
Filing date: 1988-02-03
Publication date: 1999-12-13
Anticipated expiration: 2014-12-13
Also published as: JPH01198800A

Description

【発明の詳細な説明】 A.産業上の利用分野本発明は、人間の音声を合成する規則音声合成装置に
関する。

B.発明の概要本発明は、人間の声帯から唇までの声道を複数に分割
した可変断面積の音響管とみなし、これら分割した音響
管の隣り合う２つの音響管を伝搬電流源と音響管断面積
に反比例したサージインピーダンスの並列回路として扱
うと共に、前記伝搬電流の伝搬に遅延回路を持ち、且つ
この遅延回路の定数を可変とすることで同面積を持つ音
響管の長さを変化することに対応させると共に、前記遅
延回路の定数を計算しやすい単位に正規化してブロツク
化し、この遅延ブロツクを音声発生時の断面積変化の少
ない喉側に多く、また変化の大きい唇側に少なく挿入す
るようにして、分割した音響管の個々の等価回路を流れ
る各部の電流値を演算するに必要なメモリ数を増やすこ
となく、自然語に近い音声を得るようにしたものであ
る。

C.従来の技術人工的に音声を合成して出力する電子装置は、最近に
なつて１ないし数チツプの音声認識や音声合成のLSIが
音声情報処理と半導体の大規模集積回路技術により低価
格で実現されるようになり、その使用目的，制約条件に
より種々の方式が提案されている。この音声合成には、
人間の発生した生の音声を録音しておき、これを適当に
結合して文章に編集する録音編集方式と、人間の声を直
接的には利用せず、人間の音声のパラメータだけを抽出
し、音声合成過程で、そのパラメータを制御して人工的
に音声信号を作り出す方法がある。

このパラメータ方式で良質な合成音が得られることで
広く利用されているパーコール（PARCOR）方式がある。

音声を電子計算機で扱う場合、音声波形をある周期毎
にサンプリングして各サンプリング点での音声信号の値
をアナログ／デイジタル変換し、その値を０と１の符号
で表示して行われるが、アナログ信号に忠実な記録をす
るには、ビツト数を増やす必要があるが音声合成信号は
大変多くのメモリーを必要とする。

そこで、この情報量を極力少なくするために各種の高
能率な符号化法が研究開発されている。

その方法の１つとして、１つの音声信号の情報に対
し、最低限の１ビツトとした方式で、デルタ変調方式が
ある。この方式は、１ビツトの使い方として、次にくる
音声信号値が現在の値より高いか低いかを判定して、高
ければ符号“1"、低ければ符号“0"を与え音声信号の符
号化を行うもので、実際のシステム構成としては一定の
振幅ステツプ量（デルタ）を定めておき、誤差が蓄積さ
れないように今までの符号化によつて得られる音声の値
と、入力してくる音声信号との残差信号に対して、符号
化を行う。

このような構成を予測コード化といわれ、線形予測法
（何個か前のサンプル値から予測する）およびパーコー
ル方式（線形予測法の予測係数の代わりにパーコール係
数ｋといわれる偏自己相関関数を用いる）がある。

D.発明が解決しようとする課題前述のように予測コード化を用いたものは、音と音と
の継ぎ目に相当する調音結合が難しいという問題があ
る。例えば母音から子音を経て母音に至る発声におい
て、母音の定常から過渡を経て子音に至りまた母音の過
渡を経て母音の定常音に至る過程で母音と母音の継ぎ目
の音が跡切れ、人間が聞いたときに自然な感じを与えな
い。

また楽器音合成の場合は、音階の継ぎ目が重要である
が合成手法が実際の楽器の音発生の原理と異なるため、
やはり自然な感じが無く、特に残響音において顕著にあ
らわれる。これら両者において自然な音に近付けるため
には、これを構成するメモリや、演算器等の電子部品を
多く必要とし装置が高価になる等の問題がある。

E.課題を解決するための手段及び作用そこで本願の発明者は人間の音の発生や楽器の楽音は
人間の口腔や音響管の長さや断面積等の形状変化によつ
て作り出されるので、これら音響管の音波の伝達を表す
進行波現象を音響管等価回路で解析し、音響管の断面積
がサージインピーダンスに反比例することに着目し、サ
ージインピーダンスを変化させることで断面積を模擬的
に変化させ、サージインピーダンスを連続的変化するこ
とで調音結合をスムーズに行うことができるようにして
人間の発声と同様な音の合成を容易となし音声の自然性
の向上を図るようにした音声合成方式を創案し、先に特
許出願した（特願昭62−91705号、以下先願と称す）。

本発明は、この先願の発明を基に成されたもので、特
に音声発生時の人間の声道や唇の動きによる断面積変化
を分析した結果、すべての発声で声道の奥（喉の奥）は
あまり変化せず、口の中、唇の先が大きく変化すること
がわかつた。本発明はこの結果に着目し、人間の声道を
模擬した音響管の断面積を喉の奥に相当する部分を粗に
分割し、唇に相当する部分を密にして制御することによ
り、データ数を増すことなく音質の良い音声を合成する
装置を提供しようとするものである。

F.実施例先ず、本願の基礎となる先願の発明の概要を説明す
る。

音声発生時の声道の断面積変化は、例えば「ア」の発
声の場合は、喉の奥が狭く口唇が開いた状態で肺から押
し出される呼気で声帯が呼気を断続的に開閉して声道
（音響管）の中で反射を繰り返して出てくる音波が
「ア」の音声波形となつて出てくる。「イ」は喉の方が
広く口唇の先が狭いと「イ」の音声波形が出力される。

このように口の恰好で周波数が決まり、口の恰好を模
擬すれば「ア」なり「イ」が発声される。口の恰好は音
響管の断面積で模擬でき、また音響管の断面積の変化
は、サージアドミツタンスの変化で模擬できる。従つ
て、サージアドミツタンスを変化すれば口の恰好が模擬
できる。サージアドミツタンスの変化は、電気回路上極
めて容易に可変できるので電気信号によつて様々な音声
を合成することができる。第２図（ア）は断面積A₁,A₂
…A_nと異なる断面積をもつた音響管S₁〜S_nを接続して声
道を模擬したものである。同図（イ）はその音響インピ
ーダンスを電気回路のLC回路に置き換えたもので、各音
響管を１個のLC線路とし、全体を集中線路のｎ−１の電
気回路としたものである。また第２図（ウ）は進行波等
価モデル図を示す。第２図（イ）において、T₁〜T_nは、
各音響管S₁〜S_nのサージインピーダンス成分よりなる回
路要素を示している。本発明は基本的には、これら第２
図（イ），（ウ）の回路を適用して、これに供給するイ
ンパルス電流と各回路要素T₁〜T_nのサージインピーダン
スを変化させることによつて、音響管モデルの音源波と
各音響管の断面積とを変化させることに対応させ、最終
段の回路要素T_nから出力される電流をスピーカ等の発声
部に供給することによつて、音響管モデルから得られる
音声を模擬的に作り出すようにしたものである。

具体的には、第２図（ウ）に示すように、上記の電気
回路と等価な回路を想定し、この等価回路における電流
源の電流を時間に対して変化させると共に、後述するよ
うに演算式中には音響管の断面積比が導入されるので、
各断面積A₁〜A_nを時間に対して変化させ、これによつて
各部の電流値を演算により求めてる。同図においてＰは
電流源、Z₀は電流源のインピーダンス、Z₁〜Z_nは夫々回
路要素T₁〜T_nのサージインピーダンス、Z_Lは放射インピ
ーダンス、i_0A〜i_(n-1)A,i_1B〜i_nB、a_0A〜a_(n-1)A,a_1B
〜a_nBは各々記号の該当する電流路の電流、W_0A〜W
_(n-1)A,W_1B〜W_nBは電流源、I_0A〜I_(n-1)Aは後進波電
流、I_1B〜I_nBは前進波電流を示す。この等価回路におい
ては、例えば回路要素T₁〜T_nの結合部分に着目すると、
回路要素T₁中をT₂に向つて流れる電流I_1Bに対応させた
電流源W_1Bと、回路要素T₂中をT₁に向つて流れる電流I_1A
に対応させた電流源W_1Aとを想定し、電流I_1Bが回路要素
T₁,T₂の境界にてT₁へ反射される反射波電流i_1BとT₂への
透過する透過波電流a_1Aとに分かれ、また電流I_1Aが回路
要素T₂,T₁の境界にてT₂へ反射される反射波電流i_1AとT₁
へ透過する透過波電流a_1Bとに分かれることを等価的に
表わしたものである。

次に演算について説明する。

先ず第２図（ウ）の第１段目の電流源Ｐを含むブロツ
クは、第２図（エ）に示すように２つの回路の重ね合わ
せと考えることができる。従つて電流源Ｐの電圧をＶと
おくと、同図の電流a₁,a₂は夫々（１），（２）式で表
わされ、この結果電流a_0Aは（３）式で表わされる。

a₁＝V/Z₀＋Z₁ ……（１） a₂＝Z₀/Z₀＋Z₁・I_oA ……（２） a_0A＝a₁＋a₂＝1/Z₀＋Z₁（Ｖ＋Z₀・I_0A） …（３）今、初めて等価回路中に電流を供給していくとする
と、I_0Aを零とすることによりa_0Aが求まる。そしてこの
値を基にして順次に演算が実行される。図中左端に位置
する１段目のブロツク及び２段目のブロツクの電流値の
演算式を例にとると、以下の（４）〜（12）式のように
表わされる。

a₀′_Ａ＝1/Z₀＋Z₁（Ｖ′＋Z₀・I_0A） ……（４） i₀′_Ａ＝a₀′_Ａ−I_0A ……（５） I₀′_Ａ＝i₁′_Ｂ＋a₁′_Ｂ ……（６） a₁′_Ｂ＝S_1B（I_1B＋I_1A） ……（７） i₁′_Ｂ＝a₁′_Ｂ−I_1B ……（８） I₁′_Ｂ＝i₀′_Ａ＋a₀′_Ａ ……（９） a₁′_Ａ＝S_1A（I_1B＋I_1A） ……（10） i₁′_Ａ＝a₁′_Ａ−I_1B ……（11） I₁′_Ａ＝i₂′_Ｂ＋a₂′_Ｂ ……（12）このような計算を進めていくと、最終段のブロツクに
関する演算式は（13）〜（15）式のように表わされる。

a_n′_Ｂ＝Z_L/Z_n＋Z_L・I_nB ……（13） i_n′_Ｂ＝a_n′_Ｂ−I_nB I_n′_Ｂ＝i_(n-1)A＝a_(n-1)A ……（14）こうして最終段の音響管S_nより発せられる音波に対応
する電流i_nBが求められる。ただしS_1B、S_1Aは各々互に
隣接する音響管の断面積比で表わされる係数であり、夫
々（15），（16）式で表わされる。

S_1B＝A₁/A₁＋A₂ ……（15） S_1A＝A₂/A₁＋A₂ ……（16）１段目から最終段目までのブロツクの電流値の一連の
演算は瞬時に実行され、これら演算が所定のタイミング
をとつて次々に行われていく。ここに上記の（４）〜
（14）式において、ダツシユの付いた値は時刻ｔにおけ
る演算値、ダツシユの付かない値は時刻ｔにおける演算
の１回前における演算により求めた演算値である。こう
して求めたデジタル値であるi_nBをデジタル／アナログ
変換してアナログ電流を作り、この電流をスピーカー等
に供給することにより音声を得る。

次に音波の伝搬速度を考えると、これは長さｌでLCを
持つた電線路にインパルスを印加した時の過渡現象に似
ている。

即ち第３図に示すようにLCを有する線路を等価的に表
すと第４図のようになる。ここで両端部からみたサージ
インピーダンスZ₀₁,Z₀₂は、となる。

ここで相手から到達してきた進行波を等価的な電流源
と考えると、となり電流は中間にｎ個の遅延回路ブロツクZ_Dがあれ
ば、ｎ時間後に出力される。即ち左側の回路で発生した
ものがτ時間後右側に到達したということになる。

I₂は送り管側の電流となる。但し、デイジタル計算においては、電圧または
電流を細分割するのでV₁,V₂は計測時刻ｔにおける電
圧，τは経過時間を示している。

第４図では、L,C回路にインパルスを印加すれば、τ
時間後に出力管側に出る。そしてτ時間前到達されたも
のは相手にも到達しているということを等価的に表して
いる。線路の長さｌを１にするということは、遅延ブロ
ツクZ_Dを正規化して１にすることで計算し易くなる。ｌ
を3cmに刻む場合は遅延ブロツクZ_Dを３ブロツクにすれ
ばよい。

第２図（ア）を人間の声道は男性で約17cmなので、1c
m刻みで17本の音響管で模擬すれば、A₁から入つた波形
は、半周期の電流を10に分割しその△ｔを10μsecとす
れば、170μsecかかつてA_n側から出てくる。

したがつて、音響管S₁〜S_nの断面積A₁〜A_nの変化に対
応した演算処理を演算処理装置で行い、音響管S₁〜S_nの
個々の等価回路を流れる各部の電流値を計算するに必要
なA₁〜A_nに対応するインピーダンスZ₁〜Z_nの値をテーブ
ルとして有するメモリと、当該等価回路の各部の電流値
を演算する演算手段と、この等価回路とは相隣接する等
価回路の電流値を用いて電流値を演算する演算手段とを
備えて演算処理を行えば音声信号が得られ、その出力を
D/A変換してスピーカに出力すればスピーカより音声と
して出力される。

このように1cm刻みで17本の音響管を模擬して等価回
路を作れば、上記のように計算がしやすく、また普通の
音声が得られるが、より人間の声（自然語）に近い音声
を得ようとすれば音響管を更に細分割し、それぞれの自
然語に対応した声道の断面積変化を模擬しなければなら
ない。しかしこのようにすれば、計算も複雑となり、ま
た演算処理装置のメモリも厖大なものとなる。

そこで、人間の発声のメカニズムを検討し、声道や
口、唇の断面積変化を分析した結果、すべての発声音に
おいて、声道の奥（喉の奥）の方はほとんど変化せず、
口に近づくにつれて変化が大きくなり、唇の部分が最も
変化が大きいことがわかつた。

本発明はこの点に着目し、喉の奥に相当する音響管の
分割を粗にし、唇に相当する部分の音響管の分割を密に
した等価回路により演算処理することにより、メモリー
数を増加することなく人間により近い音声を得るように
したものである。

第１図（ア）は、第２図（ア）に対応した本発明の音
響管モデル図、第１図（イ）は、その進行波等価モデル
図を示し、第２図と同一のものは同じ符号を付し、また
は省略してある。

今、例えば、1cm刻みで17本の音響管に分割して模擬
した場合は、第１図（ア）に示すように、喉の奥に相当
する音響管S₁〜S₄を4cm刻みとした１本の音響管とみな
しこの間は同一のデータで制御するようにする。同様に
口に近づくに従つてS₅〜S₇を3cm,S₈〜S₉を2cm刻み、以
下1cm刻みというように順次刻みを短かくし、口および
唇に相当する音響管S₁₂〜S₁₇部分は例えば1cm,0.5cm又
は0.2cmというように声道の断面積変化の大きい部分に
相当する音響管を細分割する。

具体的には、前述した遅延ブロツクZ_Dを1cm刻みを１
に正規化し、この遅延ブロツクZ_Dを第１図（イ）に示す
ように隣り合う２つの音響管の等価回路の間に挿入す
る。4cm刻みの場合は遅延ブロツクZ_Dを４個挿入し、音
響管S₁に相当する演算のみを行ないS₂〜S₄の演算は行わ
ずタイミングをづらすだけとする。従つて音響管S₂〜S₄
の演算に要するメモリは不用となる。同様に3cm刻みの
場合は遅延ブロツクZ_Dを３個挿入し、また0.5cm刻みの
場合は1/2個挿入して演算のスピード速める。このよう
にすることによつて喉に近い方の可変断面積音響管の分
割数を減らしても自然語に近い音声合成が得られ、また
喉に近い方で減らした分を唇の方で増やせば、メモリを
増やすことなくより自然語に近い音声を得ることができ
る。

G.発明の効果以上のように本発明は、人間の声帯から唇までの声道
を複数に分割した可変断面積の音響管とみなし、これら
分割した音響管の隣り合う２つの音響管を伝搬電流源と
音響管断面積に反比例したサージインピーダンスの並列
回路として扱うと共に、前記伝搬電流の伝搬に遅延回路
を持ち、且つこの遅延回路の定数を可変とすることで同
面積を持つ音響管の長さを変化することに対応させると
共に、前記遅延回路の定数を計算しやすい単位に正規化
してブロツク化し、この遅延ブロツクを音声発生時の断
面積変化の少ない喉側に多く、また変化の大きい唇側に
少なく挿入するようにしたので、音響管S₁〜S_nの個々の
等価回路の各部に流れる電流値を計算するに必要なS₁〜
S_nに対応するインピーダンスZ₁〜Z_nの値を有するメモリ
を増やすことなく、音響管の断面積変化を人間の声道の
変化に近づけることができ自然語に近い音声が得られ
る。

【図面の簡単な説明】

第１図は、本発明を説明するための音響管およびその電
気回路等価モデル図、第２図は音響管の電気回路等価モ
デル図、第３図は音声伝搬を電気的に模擬した電気回路
図、第４図は第３図の等価回路図を示す。 S₁〜S₁₇……可変断面積の音響管、Z_D……遅延回路ブロ
ツク、Z₁,Z₂,Z_n……サージインピーダンス、Z_O……音源
インピーダンス、Z_L……放射インピーダンス。

Claims

(57)【特許請求の範囲】

【請求項１】音源波モデル、声道モデルに基づいて電流
値を演算し音声を合成する音声合成装置であって、声道モデルは、Ｎ段の音響管モデル、複数の遅延ブロッ
クを備え、各段の音響管モデルは、断面積に対応したインピーダン
スに基づいて電流値を演算し、１段目の音響管モデルは、音源波モデルに接続され、Ｎ段目の音響管モデルは、その演算した電流値を発生部
に供給し、遅延ブロックは、その個数が音源波モデル側に近いほど
多く音響管モデル間に設けられたことを特徴とする音声
合成装置。