JPS5912191B2 - 音声合成方式 - Google Patents

Description

【発明の詳細な説明】 本発明は、人間の音声を極めて簡単な構成によ ３５つ
て合成する音声合成方式に係り、特に原音声を所定の分
析によつて各種のデータ（係数等）を集Ｉ！情報処理装
置によつて定めると共に対数圧縮した後アナログ・ディ
ジタル変換してディジタル信号となし、斯るディジタル
信号から音声合成する”易合、対数伸張してダイナミッ
クレンジを広くなし得る音声合成方式に関する。

一般に音声合成は、第１図に示す如く原音声をマイクロ
フォン１によつて電気信号に変換し、低周波増幅器２を
介して音声記録装置３（例えば磁気テープを用いたオー
ディオテープレコーダ）に記録し、該記録された低周波
信号は前記低周波増幅器２を介してローパス・フィルタ
４に加えられて対数圧縮回路５にて対数圧縮され、アナ
ログ・ディジタル（以下Ａ／Ｄと略称する）変換器６に
よつてディジタル化（ＰＣＭ化）する。

斯るディジタル変換されたディジタル信号は、君３図の
音声信号ＶＡから間隔をにてサンプリングして（例えば
２０ｍｓ毎）分析を行つた後各種のデータ即ち現在多く
用いられているパーコール（ＰＡＲＣＯＲ）分析では有
声と無声に関するデータ、振幅データ及びにパラメータ
等を集中情報処理手段として設けたパラメータ記憶装置
Ｌによつて定め、メモリ素子（ドラム、ＲＯＭ等）８に
収納しておく。

そこで前記所定間隔毎に抽出した各種データが必要であ
るから、そのビット（ｂｉｔ）量によつて１秒間に使用
するメモリ容量が定まり、一般的には、２４００ｂｐｓ
） ４８００ｂｐｓ又は９６００ｂｐｓが使用され、そ
の一例として２４００ｂｐｓをとると、ｌ秒間の音声を
発生するのに２４００ｂｉｔのメモリ（各種データを記
憶する）が必要であるということになる。

ここで問題となるのが、前記振幅データフィルタ係数デ
ータとしてのにパラメータ等へのビット配分であるが、
これは今迄の各種の実験や理論に基づいてどのように配
分すれば、最も有効にメモリを使用できるかがある程度
決まつており、それによると前述の２４０Ｏｂｐｓの場
合振幅データヘの割当ては６ｂｉｔである。

従つて人間の音声振幅を６ｂｉｔで量子化（デイジタル
化）するにはダイナミツクレンジの点から無理が生じて
、第１図の通りある程度原音声を圧縮してそれを使つて
振幅データを抽出する必要がある。

この模様を圧縮率を１／２（ＤＢ）にとつた例で第４図
の入出力特性におけるＰとする。第４図中Ｌは線形（リ
ニア）特性の場合、Ｅは伸張の場合である。音声合成す
る場合、そのままの振幅データで合成しても多少ダイナ
ミツクレンジが狭くなつた様に聴感上感じられる。

この場合 １圧縮して各データ（パラメータ）の抽出を行つている
ために、ノイズレベルも上昇している。

２合成音が、多少ダイナミツクレンジが不足となり、不
自然な音になる。

などから考えると、原音声に近づけることがどうしても
要求される。

このことから本発明は、第１図の構成によつて原音声を
デイジタル化し、これより例えばＰＡＲＣＯＲ方式によ
り音声を合成する場合、更に対数伸張回路を設けて前記
欠点を除去した新規な音声合成方式を提供するもので、
以下図面に従つて説明する。

第２図は本発明の音声合成方式を説明するためのプロツ
ク図、第５図イ，口は第２図における各部波形図、第６
図は音声分析における各種データを求める場合の説明波
形図を示す。

第２図において９は雑音発生器、１０はパルス発生器、
１１は前記雑音発生器又はパルス発生器の出力を切換え
て所定の信号を導出する切換手段、１２は増幅段、１３
はデイジタルフイルタ、１４はデイジタルアナログ（Ｄ
／Ａ）変換器、１５は対数伸張回路、１６は低周波増幅
器、１７はスピーカ等の放音手段、７は集中情報処理手
段として設けたパラメータ記憶装置で、前記切換手段１
１増幅段１２及びデイジタルフイルタ１３に各々有声／
無声の切換データ、振幅データ及びフイルタ係数なるデ
ータ信号を供給する構成となつている。ここで人間の音
声を合成する場合、該音声の特徴を表わすデータ（パラ
メータ）としては、先ず音源関係では有声か無声かの情
報、ピッチ周波数及び振幅に関する情報があり、更に人
間の声道の伝達特性を表わすデータとしてＰＡＲＣＯＲ
方式ではｋパラメータが採用されている。

次に音声波形を音源によつて励振された声道の出力と考
え、声道の特性は受動的で線形なものと仮定して、第６
図に示す音声波形を線形予測分析して、前記音源の入力
をε（ｎ）、出力をＸ（ｎ）とすると、入力ε（ｎ）か
ら出力Ｘ（ｎ）への伝達関数Ｈ（ｚ）はｚ変換すると、
次式で表わされる。

上式でσは定数を示す。

これよりサンプリング間隔ｔを求めると、前述のように
２０ｍｓの値が適当と考えられる。

次に人間の音声信号を第１図の構成において対数圧縮回
路５にて対数圧縮する場合、上限周波数を４ＫＨｚの８
５％即ち３．４ＫＨｚにしておく。これは第１図におい
て折返し雑音を防止する働きを有するフイルタ４の帯域
に等しい。サンプリング周波数は前記４ＫＨｚの２倍で
ある８ＫＨｚ即ち周期は１２５μｓが最適であることか
らこの値が採用されている。第２図において、前記第１
図の構成で音声分析の結果得られた切換データによつて
第５図イに示す雑音発生器９からのホワイトノズルと、
第５図口に示すパルス発生器１０からのパルスを適宜切
換え、増幅段２への振幅データ及びデイジタルフイルタ
４へのｋパラメータに相当する信号をパラメータ記憶装
置Ｌによつて与えることによりＤ／Ａ変換器１４を介し
て低周波信号が得られ、音声分析時対数圧縮された分、
対数伸張回路１５にて第４図の特性Ｅに示す通り対数伸
張されて元に戻されることになるので、前述のノイズレ
ベルの上昇を抑制できると共にダイナミツクレンジの不
足も防止できる。

以上の通り本発明によれば、音声分析時対数圧縮して求
めた各種データの利用によつて音声合成を行う場合、対
数伸張を行うことにより元に戻すことができ、原音声に
より近似でき、本発明方式によればメモリ容量が多くな
ることなく、極めて自然な合成音が得られ、種々の制御
、警報等に本発明方式の応用はかなり広い。

【図面の簡単な説明】

第１図及び第２図は、本発明の音声合成方式を説明する
ためのプロツク図、第３図は原音声の波形図、第４図は
本発明の方式を説明するための対数圧縮、対数伸張特性
を表わす入出力特性図、第５図イ，口は第１図における
各部波形図、第６図は音声分析時のための説明波形図を
示す。 主な図番の説明、５・・・・・・対数圧縮回路、６・・
・・・・Ａ／Ｄ変換器、Ｉ・・・・・・パラメータ記憶
装置、８・・・・・・メモリ素子、９・・・・・・雑音
発生器、１０・・・・・・パルス発生器、１１・・・・
・・切換手段、１２・・・・・・増幅段、１３・・・・
・・デイジタルフイルタ、１４・・・・・・Ｄ／Ａ変換
器、１５・・・・・・対数伸張回路、１６・・・低周波
増幅器、１７・・・・・・放音手段。

Claims (1)

【特許請求の範囲】
1. １ 雑音発生器及びパルス発生器の出力側に接続された
   切換手段と、該切換手段の出力端に順次接続された増幅
   段、ディジタルフィルタ、デイジタル・アナログ変換器
   、対数伸張回路、低周波増幅器及び放音手段と、前記切
   換手段、増幅段及びディジタルフィルタに接続された集
   中情報処理手段とより成り、原音声を前記集中情報処理
   手段により予め対数圧縮して音声分析を行い、前記切換
   手段、増幅段及びディジタルフィルタの各々の切換デー
   タ、振幅データ、フィルタ係数データを定めると共に対
   数圧縮し、前記各データを各々前記手段、増幅段及びデ
   ィジタルフィルタに印加し、前記対数伸張回路によつて
   、ディジタル・アナログ変換回路の出力を対数伸張し、
   放音手段より低周波信号を発生させることを特徴とした
   音声合成方式。