JPS595917B2 - オンセイゴウセイソウチ - Google Patents

Description

【発明の詳細な説明】 本発明は音声合成装置とくに線形予測係数またはそれと
等価な偏自己相関係数を使用した音声合成装置の改良に
関するものである。

音声応答装置の実用化につれて、応答可能な語の種類（
語い）の多い応答装置の開発が強く要求されてきた。

これに答えて線形予測係数またはそれと等価な偏自己相
関係数を使用した音声合成方式が開発された。しカルこ
の方式では、音源をパルスとランダム雑音でおきかえた
ことによつて品質が劣化している。

本発明の目的は上述の欠点を改良し、その出力音声の歪
をできるだけ少なくする音声合成装置を提供することに
ある。

本発明は上記目的を達成するため、音声波形から線形予
測係数もしくは偏自己相関係数を抽出した後の波形いわ
ゆる予測残差波形を音源として用いるものである。

残差波形は、その１例を第１図（下側）に示すように、
原音声（上側に示す）がほぼ周期的な有声音区間におい
ては、その周期に応じたパルス状の成分と、その背景に
ある非周期成分（純粋の予測誤差成分）とからなる。

また原音声が非周期的な無声子音区間においては、ほぼ
ランダムな予測誤差成分のみからなる。

さて、周期成分を持つ有声音区間では、その周期性は原
音声波形におけるよりも顕著である。このことは周期（
いわゆるピッチ周期）の検出に利用されており、残差波
形の相関にもとづくピッチ周期の検出が現在もつとも信
頼のおけるピッチ周期検出法となつていることからも立
証される。そこで次のように考える。ハ 分析時間幅Ｔ
秒で音声波形を分析し、線形予測係数もしくは偏自己相
関係数を抽出する。

２）抽出された係数にしたがつて、予測誤差として残差
波形を抽出する。

３）残差波形の相関からその周期性を検出する。

ずらせ時間をにとしたとき、に＝０の次に大きな正規化
残差相関となるにの時間をに。とする。ｒｏにおける残
差相関が、あらかじめ設定したいき値θより大きいとき
は、有声音とみなしに。をその周期とする。相関値がθ
より小さいときは無声音とみなす。（θとしては０．１
程度とすればよい）４）残差波形に基づいてＲ。

間の代表的な残差波形を求め記録する。５）合成に当つ
ては有声音区間ではこのＲ。

秒間の残差波形をＴ秒間くりかえし使用する。Ｒ．Ｏの
定義によつて、もし有声音の場合には、このＴ秒間は周
期Ｒ。

の音源で合成することになる。無声音区間では通常の合
成と同じくランダム雑音を入力として使用する。６）こ
の無声音源は、分析時において抽出されている音源強度
によつて制御されることはいうまでもない。

Ｔとして１０〜２０ミリ秒、ＲＯとして男性の場合平均
６〜８ミリ秒、女性の場合３．３ミリ秒とすれば、上記
の処置によつて、残差波形の情報は男性の場合：２０／
（６〜８）〜１／３〜１／２女性の場合：（２０〜１０
）／３．３〜１／６〜１／３に軽減される。

音声波形の直接的なピツチ周期区分伝送の実験において
も１／６程度まで圧縮可能なことが実験的に示されてい
る。

したがつて残差波形の場合もほぼ同程度の圧縮は可能と
考えられる。上記の原理にもとづく残差波形を抽出する
実施例を第２図のプロツク図によつて説明する。

合成すべき単語の音声波形１００は前置増幅器１低域も
しくは帯域済波器２をへて適切なレベルに増幅、帯域制
限された後、Ａ／Ｄ変換器３によつてデイジタル信号に
変換され、一且バツフアメモリ一４に記憶される。１単
語波形のデイジタル入力化が完了すると、そのデータの
先頭からＴｆ！＞間のデータが分析レジスター５に読み
出され、線形予測係数分析回路６によつて線形予測係数
｛α１｝１＝１〜ｐが抽出され制御情報メモリー１２に
記憶される。

ｐは８〜１２にとれば十分である。線形予測係数は入力
データの相関係数｛δｊ｝（ｊ＝０〜ｐ）を係数とする
次の連立１次方程式（Ｙｕｌｅ−Ｗａｌｋｅｒの方程式
）をとくことによつて与えられる。

ただし上式でδ−ｋ＝δｋ（ｋ＝１，〜ｐ）とおくこと
ができる。

ここでδｋは分析すべきデータを｛Ｘｔ＋１｝，ｉ＝１
〜ｎとするときで与えられる。

抽出された予線係数｛α，｝にもとづいて、次式によつ
て予測残差Ｒｔが計算され、残差波形レジスター７に記
憶される。

一方この残差波形から、その相関が相関回路８によつて
計算され、その最大値を最大値検出回路９で検出してピ
ッチ周期τ。

を決定しいき値回路１０によつて分析区間の有声か無声
かが判定され、有声の場合、残差波形の中から先頭から
のτ。秒間のデータが制御情報メモリー１２に記憶され
る。これと同時に残差波形の平均強度が強度抽出回路１
２によつて計算され、いき値回路１０の出力（有声／無
声の別）とともにメモリー１２に記憶される。以下この
分析過程をくりかえして、全単語区間の波形を合成に必
要な制御情報に変換してメモリー１２に順次記憶してい
く。

結局、制御情報メモリー１２の中では、Ｔ秒毎に第４図
に示すような情報が記憶されていく。

区間番号Ｎ：４００有声／無声の別：４０１（１：有声
、０：無声）音源強度Ａ：４０２（有声音区間のときは
Ｏ）ピツチ周期τ。

：４０３線形予測係数｛α１｝：４０４，ｉ＝１〜ｐ残
差波形｛Ｒｔ｝：４０５，ｔ＝１，〜τ（無声音のとき
は無し） その情報量は、平均 ８＋１＋８＋８＋８Ｘ１２＋８Ｘ３０＝３６１セツト、
Ｔとして１０ミリ秒とすれば３６．１ｋビツト／秒くＴ
として２０ミリ秒とすれば１８．５ｋビツト／秒。

したがつて音声波形の直接記録にくらべて前者で約１／
２．５、後者で１／５の情報圧縮となつている。

ピツチ周期については記録されている残差波形の終りに
特殊なエンドマークを記録しておき、それを検出するこ
とによつて合成側で検出することもできる。この方法を
使えば一秒間に８００ビツトの節約となる。次に本発明
の実施例を第３図をもとに説明する。

制御情報メモリー１２と同じものを２１とする。主計算
機よりの出力指令２００は一且バツフアメモリ一２２に
記憶され、その内容を解読して読み出し制御回路２３を
介して必要な情報がメモリー２１からよみ出される。ま
ず線形予測係数｛α１｝はレジスター２４に、ピツチ周
期τ。

はレジスター２５に、残差波形｛ｒ１｝はレジスター２
７に、音源強度Ａはレジスター２８にセツトされる。有
声音の場合には、Ａ＝０であり、ランダムノイズ発生器
３０の出力は振幅制御の掛算器２９でＯにセツトされ、
残差波形２０１のみが入力として合成回路３１に加えら
れる。

シフトレジスター２７にセツトされている残差波形を何
回くりかえして合成回路３１に加えるかは、ピツチ周期
τ。と分析時間Ｔとの関係できまるが、この制御は残差
よみ出し制御回路２６とレジスター２５の内容τ。によ
つて制御される。無声音の場合には、残差波形はなく、
ランダムノイズ発生器３０の出力が音源強度Ａで制御さ
れて波形２０２として合成回路３１に加えられる。

合成回路３１の出力２０３はＤ／Ａ変換器３２によつて
アナログ信号に変換され、低域済波器３３によつて余分
な周波数成分を除去され、増幅器３４で増幅されて応答
すべき回線に音声波形３００として出力される。１０な
いし２０ｍ秒ごとに、各種制御情報は更新され、合成は
連続的に行なわれる。

線形予測係数による合成回路３１の詳細を第３図に示す
。

音源としての残差波形２０１または強度を制御されたラ
ンダムノイズ２０２は加算器８０に加えられる。一方過
去の出力波形のサンプル値は１サンプル周期△Ｔ秒（１
０ｋＨｚサンプリングならば１０−１ミリ秒）毎のおく
れ回路４１，４２，・・・４９，４ｎをへて振幅制御回
路５１，５２，・・・５９，５ｎに加えられ、線形予測
係数α１，α２，・・・α。：７１，７２，・・・７９
，７ｎで制御され、加算器６２，・・・，６９，６ｎに
よつて加え合されて入力側へＦｅｅｄｂａｃｋされ、加
算器８０ｂで入力と加え合されて新しい出力２０３とな
り出力される。この関係を数式的に表現すれば 以上の説明は線形予測係数を例にとつて説明したが、こ
れと等価な偏自己相関係数についても分析、合成回路の
構成が異なるのみで全く同じに考えることができる。

本発明にもとづく実施の結果の１例を次に示す。

第５図はｐ−１２の偏自己相関係数分析、合成の例であ
り、（ａ）は原音声波形、（ｂ）はその時の残差波形（
有声音の例）、（ｃ）はこれを一周期分の残差波形のく
りかえしでおきかえたもの、（ｄ）は（ｃ）による合成
結果である。（ａ）と（ｄ）を比較してほとんど差のな
いことからも高品質の音声が再生されていることがうか
がわれる。

以上の説明ではピツチ周期は残差波形の相関から求める
場合を示したが、原音声の相関から検出してもよいこと
は明らかである。

この場合、有声音、無声音の分離その他は、すでに述べ
た方法に従えばよい。本発明によれば、有声音の合成に
おいては音源として、あらかじめ記憶しておいた所定の
残差波形を用いているので、任意の内容の音声を歪の少
ない自然な形で合成することができる。

【図面の簡単な説明】

第１図は線形予測係数分析における予測誤差としての残
差波形の例、第２図は残差波形を求めるプロツク図、第
３図は本発明の実施例の音声合成回路のプロツク図、第
４図は合成のための制御情報の記憶内容の説明図、第５
図は本発明実施結果の１例である。

Claims (1)

1. 【特許請求の範囲】 １ 線形予測係数または偏自己相関係数を用いた音声合
   成装置において、ピッチ区間分の所定の残差波形を記憶
   する手段と、ランダムノイズ発生手段とを備え、有声音
   合成においては上記残差波形を、無声音合成においては
   上記ランダムノイズ発生手段の出力を、それぞれ音源と
   して使用することを特徴とする音声合成装置。 ２ 上記特許請求の範囲１の記載において、上記残差波
   形を記憶する手段は、一定時間毎に残差波形または源音
   声の相関によつて波形を有声音区間と、無声音区間に分
   け、上記有声音区間でピッチ周期を検出し、上記残差波
   形の中から最初のピッチ周期区間分のみを記憶すること
   を特徴とする音声合成装置。