JPS58172700A - 音素片編集型音声分析合成方式 - 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】 本発明は、音素片編集型音声分析合成力式に関し、商い
明瞭性、自然性を有する音声合成を可能とするものであ
る。

音素片編集型音声分析合成方式は、音声特に有声音の瞬
接波形間の強い類似性に基いて、原音声信号から代表的
な音素片データをピッチ周期単位で抽出し、抽出した音
素片データを音声合成制御情報に従って複数回繰り返し
ながら順次接続するこＮによって、所望の音声信号を合
成する方式である。

第１図に、音素片編集型音声分析合成方式によって合成
された音声信号波形の一部を示す。第１図は、音素片（
ＰＨＡ）を３回繰り返し、次いで音素片（ＰＨＢ）を接
ｈトシ、この（ＰＨＢ　）を２回繰り返すことによって
得られた音声信号を示している。

音素片編集型音声分析合成方式は、音素片データを音声
合成制御情報に従って順次接続していくことにより音声
信号を合成するので、ＰＡＲＣＯＲ方式、ＬＳＰ方式、
ホルマント合成方式等パラメータ分析合成方式と比較し
て、合成のための手順が簡単で汎用のマイクロプロセッ
サ等を使用して容易に音声合成を実現できるという特長
を有する。

しかしながら、この方式では第１図に示すように音素波
形及びピッチ周期が、相異なる音素片の接続点で急激に
変化するために、音素片の繰り返しによる同期的なノイ
ズ音が発声し、清らかな音声信号を得にくいという問題
点があった。

このような問題点を改善するために、２つの音素片の間
に補間演算により得られる補間音素片を挿入することが
、従来より提案されてきた。

すなわち、音声信号を一定のサンプリング周期でサンプ
リングすることによって和られる音素片データ群の先行
する音素片（ＰＨＡ　）のｉ番目のデータ値をＰＨＡ（
ｉ）　（ｉ　＝　１　、２　、・・・・・・、ＮＡ、　
　たたし、ＮＡはＰＨＡのデータ数）とし、後続する音
素片（ＰＨＥ’）のｉ番目のデータ値をＰＨＢ（ｉ）（
ｉ　＝１．２．・・・・−・ｙＮ１３＋ただし、ＮＢは
ＰＨＨのデータ数）とする時、先行する音素ハ（ＰＨＡ
　）と後続する音素片（ＰＨＢ）の補間音素片（Ｐ）（
Ｉ）・のｉ番目のデータ値Ｐ　ＨＩ　（ｉ）を（１）式
から求めるものである。

ＰＨ’（’）”’ｆ　ｆ　ＰＨＡ（ｉ）、　ＰＨＢ（ｉ
）　ｌ　　・・・・・　　（１）ただし、ｆ（Ａ、Ｂ）
はＡ、Ｂの補間関数を示す。

ここで、２つの音素片データの補間は、線形補間により
求まるものとし、ままた２つの音素片の間に挿入すべき
補間音率片の個数をＭとすわば、第】番目の補間音素片
の工番目のデータ値ＰＨＩ　（ｉ　、　５　）は（２）
式より求められる。

ｐＨ１（ｉ、ｉ　）−（１−工）Ｐ肪ｌ）十土ＰＨＢ（
ｉ）・・・・・・（２）Ｍ＋Ｉ　　　　　　　　　　Ｍ
＋１ 後続する音素片のデータ値Ｐ　ＨＢ　（１）は、（２）
式においてｊ＝＝Ｍ＋１と置くことにより求まるので、
ＰＨＢを広義の意味での補間音素片と呼ぶことにする。

また（３）式で定義されるＭ′を補間繰シ返しと呼ぶこ
とにする。Ｍ′を使えば（２）式は（４）式で表わすこ
とができる。

Ｍ’＝Ｍ＋１　　　　　　・旧・・　（３）ＰＨＩ（ｉ
、ｊ）−（１−）ＰＨＡ（ｉ）＋−Ｌ　ＰＨＢ　（ｉ）
Ｍ’　　　　　Ｍ’ ・・・・・・　（４） ただし、］”’　ｔ　２＋・・・・・・、Ｍ′である。

次に、（４）式において音素片ＰＨＡ（ｉ）及びＰＨＢ
　（ｉ）をフーリエ変換して表わした式を（６）式とす
る。

ｊ　　■ ＰＨＩ（ｉ　、　ｊ）−（１−、、）、ｉ弘ＣＡｋ・・
・・・・　（６） たたし、ＣＡｋ及びＣＢｋは、音素片ＰＨＡ及びＰＨＢ
のに次高調波の周波数スペクトルである。

等サンプル数音素片編集方式音声合成による音声分析合
成方式では、最初にその間を補間すべき音素片の音素片
データに関ＩＪのデータ数を所定のデータ数Ｎに等しく
する。原理的には、異なるピッチ周期をもつ音素片のデ
ータ数を等しくするためにＵ、音素片をサンプリングす
る時のクロック周期を音素片のデータ数が一定になるよ
うに可変しなかＣつサンプリングすれば良い。

しかしながら、実際には音素片のサンプリングクロック
周期をピッチ周期に対応して可変することは極めて困難
なので、音素片を一定のサンプリングクロック周期でで
サンプリングした後、例え６１、ＰＲＯＣＥＥＤＩＮＧ
Ｓ　ＯＦ　ＴＨＥ　　ＩＥＥＥ誌の第６９巻第３号（１
９８１年３月）の３００頁から３３１　Ｌ’ＪにＲ，Ｅ
、ＣＲＯＣＨＩＥＲＥとり、Ｒ，ＲＡＢＩＮＥＲによっ
て著わされた［ＩＮＴＥＲＰＯＬＡＴＩＯＮ　ＡＮＤ　
ＤＥＣＩＭＡＴＩＯＮ　ＯＦ　ＤＩＧＩＴＡＬ　　５Ｉ
ＧＮＡＬＳ−ＡＴＵＴＯＲＩＡＬ　ＲＥＶＩＥＷＪとい
う標題の論文の中で詳細に論述されているような方法で
データの補間あるいは間引きを行なってデータ数の増減
を行ない所定のデータ数にする。

このとき、（５）式において音素片ＰＨＡのデータ数Ｎ
Ａと後続する音素片ＰＨＨのデータ数ＮＢは、等サンプ
ル数Ｎとなっているため、（６）式は整理されて次式と
なる。

ＰＨＩ　（ｊ、　ｊ　）−に＝Ｘ、、　ｌ　ＣＡｋたた
し、ΔＣＡＢｋ”　ＣＢｋ−ＣＡｋ　である。

ゆえに、音素片データに関しそのデータ数を所定のデー
タ数Ｎに等しくすることにより、（４）式において、（
６）式に示すごとくその補間された音素片ＰＨＩ（ｉ、
ｊ）は、その高調波スペクトルが線形補間されることが
分かる。

ただし、この時のサンプリング時間τｊは次式にて求め
られる。

τｉ　＝Ｎ　Ｉ　ＮＡ　”Ｍｔ　（ＮＢ−ＮＡ　）　ｌ
　　・・・・・・（ア）この（７）式より求められたサ
ンプリング時間τｊで補間データＰＨＩ（ｉ、ｊ）を構
成することにより、周波数軸上においても線形補間がな
されることになる。

本発明は、上記等サンプル数音素片編集方式音声合成方
式において、より明瞭性の高く、かつ自然性をもった合
成音声構成を目的とした音声合成分析法である。

以下、本発明の詳細な説明を行なう。

自然音声よりピッチ周期単位で抽出された音素ハデータ
列から、各音素片の高調波スペクトルを求めると第２図
となる。第２図において、横軸は自然音声「お確かめＪ
よりピッチ周期単位で抽出した音素片番号、縦軸は、周
波数スペクトルレベル値である。ただし、無声子音（Ｔ
、ＳＨ）は零としである。

１１１ １だ、第２図内に示した番号１〜９は高調波の次数を示
す。

第２図より、各高調波は清らかに変化していることが分
かり、このことを考慮すれば各高調波の極値を求めるこ
とにより求める音素片が見い出される。

第３図に、第２図の各高調波の極値より選択された音素
片を用いて、音声を合成したときの高調波スペクトルの
例を示す。

ただし、選択音素片番号１〜１５は第２図より求めた音
素片の番号である。

合成音声から求めた高調波スペクトル図（第３図）は、
自然音声から求めた高調波スペクトル図（第２図）に非
常に類似しており、実際求めた音素片を用いて合成され
た音声音声も、従来の合成音声に比べて非常に明瞭性が
高く、かつ自然性が良い。

ゆえに、等サンプル数音素片編集方式音声合成において
、まず第１に分析される自然音声からピンチ周期単位で
抽出した音素片データを求め、次にこの求められた音素
片データ列より高調波スペクトル図（例えば第２画）を
求め、さらにこの図より、各高調波の極値を求めこの＠
！仙に対応する音素片を抽出することにより、従来の音
素片編集型音声合成によって合成された合成音声の音質
（明瞭イ／Ｌ及び自然性において）の改善が図れる。

１だ、本発明は音声認識においても自然音ルの持つ個有
な特徴を抽出する大きな要因となり、音１１・認識にお
ける特徴抽出という面でも非常に有効である。

本発明は上記のような構成であり、本発明によれば、合
成音声の明瞭性、自然性が改善される利点を有するもの
である。

【図面の簡単な説明】

第１図は音素片編集型音声分析合成方式における合成音
声信号波形を示す図、第２図は抽出音素片データ列から
求めた高調波スペクトルを示す図、第３図は本発明の音
素片編集型音声分析合成方式により選択した音素片を用
いて合成を合成した場合の高調波スペクトルを示す図で
ある。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名区　
　　ｔ２ｃｈ於ｔ

Claims (1)

【特許請求の範囲】
1. 自然音声信号のピッチ周期単位で求めた音素片データの
   各音゛素片の高調波スペクトルを求めるステップと、音
   素片の各次数の高調波スペクトルの極値を求めるステッ
   プと、所定の極値に対応する１つ又は複数の音素片を選
   択するステップとからなる音素片編集型音声分析合成方
   式。