JPS6060079B2 - アナログ信号合成装置 - Google Patents

Description

【発明の詳細な説明】 本発明は音声等のアナログ信号の合成装置に関し、合成
アナログ信号の品質を高めることを目的とするものであ
る。

一般に音素片即ち単語、音節、あるいはこれより更に短
い音声セグメントを結合編集して合成された音声信号（
単語、句、話声）の品質は音声の構成単位である音素片
の接続部の処理によつて決まると言える。

例えば接続部に発生する波形の急激な変化、即ち波形の
不連続性は高調波ノイズの原因となり、合成音のＳ／Ｎ
を低下させ、明瞭度を落す。又、声帯振動の基本周波数
であるピッチ周波数の変動は合成音声の自然性を劣化さ
せることも知られている。ピッチ周波数の変化に対して
人間の聴覚はきわめて敏感であり（検知限は０．１％と
言われる）、結合された音素片のピッチ周波数が不連続
な場合、合成音声は聞きづらい不自然なものとなる。本
発明は、音素片波形のパターンを認識して自然な形で各
音声片を結合することにより高品質の合成音を得ること
を可能とするものである。

音素片波形としては、自然音声からたとえばピッチ区間
毎に切り出したものを用いたり、別の音声合成装置で一
素片分を合成したものを取り出したりして用いる方法が
あるが、本発明は比較的短時間の、具体的には数拾〜数
百ミリ秒の音素片を、接続部に於ける波形の不連続及び
ピッチ周波数の変動なしに結合する方法を明らかにする
。即ち、かかる短時間の音素片は、相隣る音素片の少な
くとも結合部については波形が類似しているはずであり
、従つて、各音素片の時間軸をそれぞれ若干修正するこ
とにより、接続部はなめらかに結合して行くことが出来
る。本発明は結合される音素片の接続部について、波形
の類似度を信号のレベルの形で把握し、これにもとづき
音素片の時間軸に適当な時間的修正を施こすものである
。本発明の詳細な説明について、以下音声の時間軸変換
装置をその具体的実施例として説明する。

第１図は従来の時間軸伸長装置を例示するブロック図で
ある。同図に於て端子１は音声入力端子、２は出力端子
、３及び４はいずれもＮビットの例えばＢＢＤなどのア
ナログシフトレジスタ、５は低域通過フィルタ（ＬＰＦ
）である。６，７，８及び９はアナログスイッチであり
、入力端子１からアナログシフトレジスタ３或いは牡Ｌ
ＰＦ５を経て出力端子２に至る音声信号をスイッチ制御
する。

かつ、これらアナログスイッチは、アナログシフトレジ
スタ３，４の書込クロック回路１０をＭＮ（但しＭＮは
整数、ｍについては後述する）分周する分周回路１１の
Ｑ及びＯ出力によつて図示の如く開閉制御される。アナ
ログシフトレジスタ３及び４はクロック回路１０及び分
周回路１１のＱ，′Ｑ出力のＡＮＤゲート１２及び１３
により０Ｒゲート１４及び１５を介して交互に書込みク
ロック制御され、又、読出しクロック回路１６及び分周
回路１１のＱ，′Ｑ出力のＡＮＤゲート１７及び１８に
より同じく０Ｒゲート１４及び１５を介して交互に読出
しクロック制御される。即ち、例えば入力端子に与えら
れた時間軸がｍ倍（ｍ〉１）に圧縮された音声信号（か
かる圧縮信号は、例えばテープレコーダの再生速度を録
音速度のｍ倍にすることにより得られる）は、分周回路
１１のＱ出力が１のとき、アナログスイッチ８を経てア
ナログシフトレジスタ４に書込まれる。該シフトレジス
タのビット数はＮであり、これに対しＭＮ個のサンプリ
ング列が入力音声信号として順次入力を完了したとき、
分周回路１１のＱ出力は反転してＯとなり、スイッチ８
を閉じる。同時に該分周回路のＯ出力は１となり、スイ
ッチ６を開いて、同様にアナログシフトレジスタ３に書
行みを行なう。このとき図の構成から明らかなように、
アナログシフトレジスタ４は読出しクロック回路１６に
よりクロックされて、同様にＯ出力により制御されてい
るスイッチ９を経て読み出される。アナログシフトレジ
スタ３への書き込み期間中、別のアナログシフトレジス
タ４はこのように読み出しを行ない、続いて分周回路１
１のＱ，Ｏ出力が反転すると、再びアナログシフトレジ
スタ４が書込み、３が読出しを行なう。ここで書込みク
ロック回路１０のクロック周波数をｆ１、読出しクロッ
ク回路１６のクロック周波数をＦ２としたとき、となる
ように、各クロック周波数を決めれば、時間軸はｍ倍に
伸長され、音声入力端子１に入力した圧縮音声は、出力
端子２に時間軸が復元されてあられれる。

読出しクロック周波数Ｆ２は、当然、必要な出力音声周
波数帯域に対しナイキストのサンプリング定理を満たす
ように決められる。上述の如き従来装置に於ては、アナ
ログシフトレジスタ３及び４を交互に出力する音素片の
接続タイミングは、書き込みクロック１０をＭＮ分周す
る分周回路１１の出力によりＭＮ／ｆ１秒毎に自動的に
決められるため、従つて第５図に図示するように音素片
の接続部に不連続な波形変化とピッチ周波数の変動とが
発生する。尚、第４図ａは先行音素片の後端を示す図面
、第４図ｂは後続音素片の先端を示す図面である。前記
の如く、このような音素片の接続部に於ける波形やピッ
チの不連続は音質や明瞭度をいちじるしく低下させる。
次にこのような従来装置の欠点を改良できる本発明の内
容について第２図のブロック図と共に説明する。同図に
於いて、１０３及び１０４はアナログスイッチ１０６，
１０７，１０８及び１０９によつて開閉制御されるアナ
ログシフトレジスタ、１１０及び１１６はそれぞれ周波
数ｆ１および・Ｆ２のクロック回路、１１１はＭＮ分周
回路であり、これらの構成は第１図の従来装置と同じで
ある。本発明は、前述の如く接続する音素片の接続部に
ついて時間的修正を加えるのであるが、これをＲＯＭｌ
２Ｏによりプログラムされたコンピユータ（演算処理装
置）ＣＰＵｌ２ｌにより行なう。計数回路（カウンター
）１２２は各周期毎に音素片の先端及び後端を計数し、
Ｉ／０ボート１２３を経てＣＰＵｌ２ｌにタイミング指
示する回路、Ａ／Ｄ変換器１２４はクロック回路１１０
からのコンバートコマンド信号に従つて入力信号をディ
ジタル変換する回路、及びＣＰＵｌ２ｌに縦続するする
記憶回路１２５はこれらＡ／Ｄ変換されたディジタルコ
ード信号を記憶すると同時に、ＣＰＵｌ２ｌの演算処理
結果を一時保存する機能をあわせ有している。１２６は
コンパレータである。

１２７はＡＮＤゲートであり、コンパレータ１２６の出
力と、クロック回路１１０からのコンバートコマンド信
号との論理積出力を作り出す。

まず、ＣＰＵｌ２ｌは計数回路１２２の出力にもとづき
、入力クロックの最後部よりＭ個のサンプルをＡ／Ｄ変
換器１２４によりディジタル化して■／０ボート１２３
から読み込み、記憶回路１２５に保存する。次に分周回
路１１１の出力が反転すると、ＣＰＵｌ２ｌは同様に計
数回路１２２の出力にもとづき、入力クロックの前端か
ら（Ｍ＋ｒ）個のサンプルを読みこむ。引き続きＣＰＵ
ｌ２ｌはＲＯＭｌ２Ｏのプログラムにもとづき、入力さ
れた音素片の後端と、その後に続く音素片の類似性を演
算するのであるが、これには各サンプリング列の二乗誤
差を計算するのが良い。−音素片の後端のサンプリング
数列をＸｐ（ｐ＝１，２，３，・・Ｍ）、後続の音素片
の前端サンプリング数列をＹ，（ｐ＝１，２，３，・・
，Ｍ＋ｒ）としたとき、２つの波形間の二乗誤差はであ
られされる！″こＴＬはサンプリング波形Ｘ２に対して
ＹｐをＫ個だけずらせて重ね合わせたときの類似度をあ
られすものである。

しかしながら、（２）式にもとづく演算処理は実際には
膨大な計算ステップ数となり、短時間で（少なくとも数
１０ミリ秒の間で）計算するには、高性能のコンピュー
タによらねばならない。

もともと（２）式は振巾やレベルの異なる２つの波形の
相関をしらべるものであつて、その為標準偏差σＸ，σ
Ｙで波形を正規化し、更に平均レベルＸ，Ｙとの差につ
いて二乗和をとることにより誤差を計算している。とこ
ろで本発明の音声の合成装置の場合、取扱う音素片は時
間的に近似した波形であり、従つて、振巾、レベル共あ
る程度類似しているとみて良い。この場合２つの波形間
の差は（２）式にかわつて ！５ − を計算しても良い。

しかも本発明の場合は２つの波形の類似度が最大のタイ
ミングを把握すれば良いのであり、従つて、（３）式は
更に次の（４）式に換えられる。即ち、これは各対応す
るサンプリング値の差の絶対値を積分したものであり、
これが極小となるＫを知ることにより接続タイミングが
決定される。

即ち演算処理装置１２１はＥＫをＫ＝０，１，・・ｒに
ついてそれぞれ計算し、これが最も小さくなるＫを決定
する。さて、先行音素片と後続音素片は既述の如く時間
的に近接した波形であり、振巾およびレベルとも極めて
類似した場合について第３図に音素片接続部近傍の波形
を示す。

尚、第３図ａは先行音素片の後端を示す図面、第３図ｂ
は後続音素片の先端を示す図面、第３図ｃはタイミング
チャートを示す図面である。第３図に示すように、先行
音素片の後端Ｍ個のサンプル列は後続音素片の先頭より
ｋ個ずれた部分から重ね合せるのが最も誤差が小いと言
う事になる。即ち、先行音素片の後端部Ｍ個のサンプル
列が再生出力されたあと、続いて後続音素片の先頭より
（ｋ＋Ｍ＋２）番目のサンプルが再成出力されれば、本
音声合成装置は理想的に作用する事となる。しかし実際
の音声の入力″信号は時々刻々と変化しくおり、先行音
素片と後続音素片は時間的に近接した波形ではあるが、
全く同じ波形ではない。この場合の一例として先行音素
片の後端部波形に較べて、後続音素片の先端部の波形が
わずかにピッチ周波数が高い場合を第４図に図示する。
（４）式で与えられるＥｋの最小となるｋを第４図ｂに
示したが、図から明らかな通り、先行音素片の後端Ｍ個
のサンプルと後続音素片の先頭より（ｋ＋１）個目から
Ｍ個のサンプルは、わずかにピッチ周波数が異るため、
先行音素片最後端のサンプリング値ＸＭと後続音素片の
先頭から（Ｋ＋Ｍ＋１）番目のサンプリング値（Ｙ８＋
Ｍ＋１）は電圧レベルが異なる。このようにレベル差の
ある部分で先行音素片と後続音素片を接続することは避
けた方がよい。そのため、本発明においては、先づ（４
）式で与えられるＥＫが最小となるＫを算出し、後続音
素片の先頭から（Ｋ＋Ｍ＋１）番目付近の若干個数のサ
ンプルのサンプリング値（例えばＹＫ，Ｍ．．ＹＫ＋Ｍ
＋１、ＹＫ＋Ｍ＋２の３つのサンプリング値）と先行音
素片最後端のサンプリング値ＸＭを比較し、ＸＭの値に
最も近い値のサンプリング値に対応する後続音素片の先
頭からの番号を（Ｋ″＋Ｍ＋１）番目としたときのＫ″
を求める。即ち第４図においては、Ｋを算出して与えら
れる後続音素片の先頭から（Ｋ＋Ｍ）、（Ｋ＋Ｍ＋１）
、（Ｋ＋Ｍ＋２）番目のサンプリング値（ＹＡ−１）、
（ＹＡ）、（ＹＡ＋１）（但しＡ＝Ｋ＋Ｍ＋１）の中で
（ＸＭ）に最も近い値、即ちＹ＾−１の先頭からの番号
（Ｋ＋Ｍ）を（Ｋ″＋Ｍ＋１）番目としたときのｋ″を
求めると、ｋ＋Ｍ＝ｋ″＋Ｍ＋１となり、従つて、ｋ″
＝ｋ−１となる。このような処理により求められたｋ″
を用いると、先行音素片の後端Ｍ個のサンプル列は後続
音素片の先頭からｋ″個ずれた部分から重ね合わせる．
のが最も誤差が少いということになる。

そこで演算処理装置１２１は後続音素片の先頭より（ｋ
″＋Ｍ＋Ｎ）をとり込み、Ｉ／Ｏボートを通じてＡＮＤ
ゲート１１２あるいは１１３を制御し、書き込みクロッ
クを停止する。アナログシフトレジ．スタ１０３あるい
は１０４の容量はＮであるから従つて該アナログシフト
レジスタには、図示の如く（ｋ″＋Ｍ＋１）番目からＮ
ビットが記憶され、次の読み出しタイミングに順次読み
出されるのであるが、以上の説明から明らかな通り、先
行音素一片の最後端Ｍサンプルと後続音素片のｋ″＋１
番目からのＭサンプルとが最も誤差が少なく重なるので
、従つて音素片はまつたく自然な形で音素片が引き続き
出力される。前述の通り後続音素片は（ｋ″＋Ｍ＋Ｎ）
サンプルがアナログメモリーに取り込まれるのであるが
、このうちの最後尾からＭサンプルが同様にＡ／Ｄ変換
器１２牡１／Ｏボート１２３を経てＣＰＵｌ２ｌの記憶
装置１２５に保存される。これは更に続く音素片の先頭
から（Ｍ＋ｒ）個のサンプルとの類似性を調べて接続す
る為に必要である。以上の処理のタイムチャートを第３
図Ｃに図示する。ここで重要なことはアナログシフトレ
ジスタ１０３あるいは１０４はＮ・ビットであり、従つ
て、これ以上のビット（Ｍ＋ｋ″＋Ｎ）のサンプルが読
み込まれても、記憶されるのはうしろからＮビットだけ
であるということである。音素片の時間長は少なくとも
数１０ミリ秒であるが、（４）式で示したＥＫの計算は
きわめて少ないステップで処理でき、低速のいわゆるマ
イクロコンピュータが利用できる。

尚、第５図には第１図の従来方式による時間軸伸長装置
の再生音声波形を、第６図には本発明方式（第２図およ
び第４図）による同再生音声波形を２００Ｈｚの正弦波
単一信号について実際に処理したデータを示してある。

これら両データはｍ＝２、ｆ１＝４０ＫＨｚ．，ｆ２＝
２０ＫＨｚ．．Ｎ＝７６８なる条件で測定したものであ
る。上述においては音声の時間軸伸長装置を具体例とし
て説明したが、記憶手段として前述の如きアナログシフ
トレジスタを使用する代りにＲＡＭを使用してもよく、
その際にはアナログの音声波形をＡ／Ｄ変換器でディジ
タル信号に変換してからＲＡＭに入力し、ＲＡＭ出力は
Ｄ／Ａ変換器でアナログ信号に変換するという慣用技術
を使用することは言うまでもない。

このように本発明の技術は各種の音声や音響等のアナロ
グ信号の合成装置に利用可能であることは言うまでもな
い。このように本発明の装置は先行および後続アナログ
信号素片の接続部について、先行アナログ信号素片の後
端部のサンプリング値と後続アナログ信号素片のサンプ
リング値との差の絶対値の積分値が最小となり、更に接
続部について波形の連続性が保たれるよう重ね合わせる
べく時間軸の修正を行なうものである。

更に詳説すると、本発明は記憶手段に記憶された先行ア
ナログ信号素片の後端部近傍と後続アナログ信号素片の
先端部近傍の波形の類似性を比較し、先行アナログ信号
素片と後続アナログ信号素片が最も滑めらかに接続され
るよう後続アナログ信号素片をクロック出力することで
ある。即ち、先行アナログ信号素片の後端部近傍のデー
タと後続アナログ信号素片の先端部近傍のデータとを相
対的にシフトさせて比較し、先行アナログ信号素片に後
続アナログ信号素片が最も滑めらかに接続されるよう後
続アナログ信号素片のデータを記憶手段からクロック出
力する。従つて従来装置の如き接続部のアナログ信号波
形の不連続やピッチ周波数の変動等の無い合成アナログ
信号を得ることができる。

【図面の簡単な説明】

第１図は従来のアナログ信号合成装置を示すブロック・
ダイヤグラム、第２図は本発明のアナログ信号合成装置
を示すブロック・ダイアグラム、第３図および第４図は
本発明を説明するための図面、第５図は従来の装置の特
性を示す図面、第６図は本発明の装置の特性を示す図面
である。 １０３，１０４・・・アナログ信号の記憶装置、１２１
・・・演算処理装置。

Claims (1)

【特許請求の範囲】
1. １ アナログ信号波形から抽出されたアナログ信号素片
   波形を用いて編集合成するアナログ信号合成装置であつ
   て、（ａ）クロックに従つてアナログ入力信号をサンプ
   リングして記憶する記憶装置と、（ｂ）前記入力信号の
   サンプリングにより得られた先行アナログ信号素片の後
   端部近傍のサンプリング値と後続アナログ信号素片の先
   端部近傍のサンプリング値とに基づき順次両サンプリン
   グ値のレベル差を演算して該レベル差の絶対値の合計を
   計算し、且つ対応サンプリングデータを順次シフトさせ
   て前記レベル差の絶対値の合計の計算操作をそのシフト
   の都度行ない、該計算操作による計算値のうち計算値が
   最小となるサンプリングデータのシフト量を選定し、而
   して該シフト量により前記先行アナログ信号素片の最後
   端に続いて出力される前記後続アナログ信号素片のサン
   プルを前記シフト量計算による第１サンプルとし、後続
   アナログ信号素片の前記第１サンプルを含む該第１サン
   プル近傍の若干個のサンプリング値と前記先行アナログ
   信号素片の最後端のサンプリング値とを比較し、前記先
   行アナログ信号素片の最後端のサンプリング値に最も近
   い値の前記後続アナログ信号素片のサンプルを第２サン
   プルとして選定し、該第２サンプルが先行アナログ信号
   素片の最後端のサンプルに続いて出力されるよう後続の
   接続アナログ信号素片の時間軸を調整すべく前記記憶装
   置をクロック制御するようプログラムされた演算処理装
   置とを備えることを特徴とするアナログ信号素片編集型
   のアナログ信号合成装置。