CN1166669A - 语音合成的方法和装置 - Google Patents

Abstract

一种能够顾及到频率特性和心理声学的听觉设置频谱加重特性并增大设置频率的自由度的语言合成装置。激励信号ex(n)由合成滤波器12合成，给出一个送往频谱加重滤波器13的合成语音信号。频谱加重滤波器13对合成的语音信号进行频谱加重，并输出得到的频谱加重信号。从输入端21输出的声道参数由参数转换电路23转换成线谱对(LSP)频率，该频率由LSP***电路24***一等间隔线谱对频率，产生被***的LSP频率。频谱加重滤波器13的传递函数根据***的LSP频率确定。

Description

语音合成的方法和装置

本发明涉及一种语音的合成方法和装置，通过产生合成语音信号的合成滤波器进行激励信号的合成。

在采用合成滤波器的语音合成装置中，已经使用过一种直接放在语言合成滤波器之后的后滤波器，以改进语音信号的合成质量。

作为这样的后滤波器，人们知道它具有这些特性：由合成滤波器得到的合成语音的频谱被加重。这种频谱加重的效应可通过连接具有相应于合成滤波器减弱的效率特性的滤波器来实现，这个滤波器是具有近似于平缓的频率特性的与合成滤波器串接的滤波器。

图1是采用LPC合成滤波器102的语音合成装置之简图，该滤波器通过利用线性预测编码(LPC)，进行语音合成。在图1中，激励信号ex(n)和LPC系数{a(i)}(i＝1，2，…N)分别被输送到输入端101、106。LPC合成滤波器102对激励信号ex(n)滤波，产生一个合成的语音信号S1(n)。LPC合成滤波器102的传递函数可由LPC的函数{a(i)}按下列方程(1)表示： $\frac{1}{A\left(z\right)}=\frac{1}{1+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\α}\left[i\right]z^{-i}}$

合成的语音信号S1(n)传送给频谱加重滤波器103进行频谱加重，并拾取做后输出端104的语音信号s2(n)。

把频谱加重滤波器103用作一个传统的后滤波器，LPC合成滤波器102传送函数的极点径向移向原点(0)，产生一个具有与合成滤波器的频率特性相应特性的传送函数。如只对分母处理，剩下小范围加重的摆动，利用摆动调节，按照方程(2)将减弱的特性施加到分子上。 $H\left(z\right)=\frac{A\left({z/g}_n\right)}{A\left({z/g}_d\right)}=\frac{1+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_n^i\mathrm{\α}\left[i\right]z^{-i}}{1+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_d^i\mathrm{\α}\left[i\right]z^{-i}}$ 在此0＜gn＜gd＜1

然而，如果用具有方程(2)所示特性的滤波器进行频谱加重，系数g_n、g_d很难设置，同时，也很难适应频率特性或心理声学的听觉，以致于如果不设置适当的系数，则声音质量将恶化。还有一个问题是，因为频谱加重特性由这两个系数g_n和g_d唯一的确定，所以设置频谱加重特性的自由度降低。

因此，本发明的一个目的在于提供一种语音合成装置，在该装置中，能够考虑到频率特性的调节，很容易地设置频谱加重特性，并具有较大的特性设置自由度。

按照本发明，提供了一种语音合成装置。在该装置中，由合成滤波器合成激励信号，以给出合成的语音信号，该信号经频谱加重并输出。语言合成装置包括***装置，***合成滤波器的响应频率，该频率的一对线性谱线的等间隔频率表示，语音合成装置还包括频谱加重装置，根据***装置***的一对线性谱线频率决定传递函数，***装置对合成的语音信号进行频谱加重。

对于摆动调节，最好利用具有频谱加重特性的具有分母和分子的传递函数。频谱加重特性的传递函数之分母和分子最好由两组在***时建立的线性谱线对频率。

图1是典型的传统的语音合成装置框图；

图2是LPC合成滤波器的频率特性和频谱加重滤波器的频率特性之间的关系图；

图3是实施本发明的语音合成装置的方框图；

图4是语音频谱和LPC频率之间的关系图；

图5是说明所给的LPC频率和LPC频率之间的等间隔***；

图6是语音频谱在频谱加重滤波器之前和之后的特例示图。

以下将参考附图对本发明的实施例进行详细的解释。

图3表示实施本发明的语言合成方法和装置的框图；

实施本发明语音合成装置的基本概念在于，在利用频谱加重滤波器13的频谱加重中，从输入端11经合成滤波器12获得的关于合成激励信号的合成的语言信号经过频谱加重滤波器13被***等间隔的LSP频率，还在于频谱加重滤波器13的频率特性按照最后的***的LSP频率而确定，其中合成滤波器12的频率特性以线性频谱对(LSP)频率表示。

参见图3，用于语音合成的激励信号ex(n)被提供给输入端11，同时，用于设置滤波器特性的普通参考输送给输入端21。来自输入端11的激励信号ex(n)传送给合成滤波器12，在那里变成一个合成的语言信号S1(n)，该信号被传送给频谱校正滤波器13。频谱加重滤波器13进行频谱波峰和波谷加重的后滤波，产生频谱加重信号S2(n)，并在输出端14输出。

从输入端21得到的声道参数被传送给参数转换电路22、23。参数转换电路22把输入的声道参数转换成对合成滤波器12的滤波系数，如LPC系数{x[i]}，在此i＝1，2，…N，并且将此系数传送给合成滤波器12。随着[PC系数{2[i]}的使用，合成滤波器12的传递函数1/A(E)变为： $\frac{1}{A\left(z\right)}=\frac{1}{1+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\α}\left[i\right]z^{-i}}---\left(3\right)$

参数转换电路23将输入端21输入的声道参数转换成LSP频率{ω[i]}，在此i＝1，2…N，并且将最后的LSP频率传送给LSP***电路24。LSP***电路把相应于具有平缓的频率特性的LSP频率的等间隔LSP频率***输入的LSP频率{ω[i]}，写出两组***的LSP频率{ωn[i]}，{ωd[i]}传送给LSP-LPC转换电路25。LSP-LPC转换电路25转换两组***的LSP频率{ωn[i]}，{ωd[i]}，用于产生两组LPC系数{αn[i]}，{αd[i]}，这两组系数被传送给频谱加重滤波器13。利用这两种LPC系数{αn[i]}，{αd[i]}，频谱加重滤波器13的传递函数H(z)变为： $H\left(z\right)=\frac{1+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_n\left[i\right]z^{-i}}{1+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_d\left[i\right]z^i}---\left(4\right)$

以下简单地介绍一个LSP频率和LPC频率。LPC系数是利用全极性型IIR(无限脉冲响应)滤波器通过声道的振荡特征近似得到的。另一方面，线性频谱对(LSP)频率是利用声道的振荡频率做为参数得到的。图4显示了声道的语音频谱和LSP频率的关系。

LSP频率{ω[i]}，i＝1，2，3…N，的排列顺序满足下列关系：

    0＜ω[1]ω[2]＜ω[N]＜π           …(5)

图4的例子表示N等于10的LSP频率ω[1]，ω[2]，…ω[10]。另一方面，LSP系数Ci表示如下：

    Ci＝-Cosω[i]，此处i＝1，2，…，N    (6)

图3所示的LSP***电路24把具有平滑频率特性的等间隔LSP频率{iπ/(N+1)}***输入的LSP频率。也即是用图5例中的π/11，2π/11，…10)π/11，采用两组适当的***函数Fn(ω)，Fd(ω)，按照下列方程(7)和(8)产生两组***的LSP频率{ωn(i)][ωd(i)}： $\mathrm{\ωn}\left[i\right]=\{1-\mathrm{Fn}\left(\mathrm{\ω}\right[i\left]\right)\}\mathrm{\ω}\left[i\right]+\mathrm{Fn}\left(\mathrm{\ω}\right[i]\frac{i}{N+1}-\mathrm{\π}$

                                             .....  (7) $\mathrm{\ωd}\left[1\right]=\{1-\mathrm{Fd}\left(\mathrm{\ω}\right[i\left]\right)\}\mathrm{\ω}\left[i\right]+\mathrm{Fd}\left(\mathrm{\ω}\right[i\left]\right)\frac{i}{(N+1}\mathrm{\π}$

                                             .....  (8)此处i＝1，2，…N。

由此得到的两组***的LSP频率{ωn(i)}，{ωd(i)}被图3所示的LSP-LPC转换电路25换成{αn(i)}和{αd(i)}。至于LSP向LPC转换，将由下面对把LSP频率(ω[i])转换成LPC系数{α[i]}作一大致的解释。下列定义为： $A_n\left(z\right)=1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\α}\left[i\right]z^i$

                                               ..... (9)B_n(z)＝z^-(n+1)A_n(1/z)

                                               ..... (10)如果，在部分自相关解析递归式中：

    A_n+1(Z)＝A_n(Z)-K_n+1B(Z)                 …(11)

    B_n(Z)＝Z^-(n+1)A_n(1/Z)                   …(12)在K_n+1设为+1时A_n+1(Z)为P(Z)，K_n+1为-1时A_n+1(Z)为Q(Z)，

    P(Z)＝A_n(Z)-B(Z)                         …(13)

    Q(Z)-A_n(Z)-B(Z)                          …(14)则，

    A_n(Z)＝[P(Z)+Q(Z)]/Z                    …(15)如果P是偶数，则

    P(Z)＝(1-Z^-1)II(1-2Z^-1cosω[i]+Z^-2    …(16)

          i＝2，4，…，p

    P(Z)＝(1-Z^-1)II(1-2Z^-1cosω[i]+Z^-2    …(17)

          i＝1，3，…，P-1因此，如果LSP频率{ω[i]}给定，可从方程(16)和(17)中计算P(Z)和Q(Z)，并从方程(15)中找出LPC系数{α[i]}。

传递给图3所示输入终端21的声道参数可利用LPC系数，LSP系数或PARCOR(部分自相关)系数计算。被合成滤波器12利用的参数可类似地由LPC系数，LSP系数或PARCOR(部分自相关)系数计算。依据这些参数的结合，参数转换电路22、23执行下列参数转换操作：

如果输入的声道参数是LPC系数，把LPC系数转换成LSP频率的LPC-LSP转换电路可用做参数转换电路23。特别的参数转换电路22不同于所用的合成滤波器12类型。如果把利用LPC系数执行语音合成的LPC合成滤波器用做合成滤波器12，则参数转换电路22可省略。如果合成滤波器12是一个利用LSP频率执行语音合成的滤波器，则可使用执行LPC-LSP转换的参数转换电路22，而如果合成滤波器12是一个利用PARCOR系数执行语音合成的滤波器，则可使用执行LPC-PARCOR转换的参数转换电路22。

另一方面，如果输入的声道参数是LSP频率，则参数转换电路23可省去。在这种情况下，如果LPC系数或PARCOR系数被用于合成滤波器12，则参数转换电路22足以执行LSP向LPC的转换或LSP向PARCOR的转换。如果LSP频率被用于合成滤波器12，则参数转换电路22可省去。

如果输入的声道参数是PARCOR系数，则参数转换电路23可以是一个进行PARCOR-LSP转换的电路。在这种情况中，如果LPC系数和LSP系数分别用在合成滤波器12中，则参数转换电路22可以是一个执行PARCOR向LPC转换和PARCOR向LSP转换的合成滤波器，如果PARCOR被采用，则参数转换电路22可省去。

虽然在上述实施例中的频谱加重滤波器13利用LPC系数，但采用LSP或PARCOR系数的频谱加重滤波器13也可使用。在这种情况中，执行为加重滤波器13所需的参数转换的转换电路可用于代替LSP-LPC转换电路25。

利用上述的语音合成装置，从合成滤波器12中输出的，如图6中a曲线所示的合成语音信号被频谱加重滤波器13转换成如图5中的曲线b所示的频谱的语音信号，也即是频谱的波峰和波谷被加重，从而提高了合成语音的质量。在图4所示的实施例中，频谱加重滤波器13的频率响应通过利用两组LSP频率做为***频率Fn(ω)和Fd(ω)而确定，它相对于频率轴平缓，其中，LSP频率可利用函数Fn(ω)＝0.5和Fd(ω)＝0.3而得到。

LSP频率做为控制频率响应的参数在***特性方面优于LPC系数，如此，可通过***转换的LSP频率，很容易地考虑到频率响应和听觉调节后设置频谱加重特性。另外，通过有选择的选取如图3所示的***函数Fn(ω)、Fd(ω)，可在设置特性方面有很大的自由度。

做为一种改进，一阶大范围加重滤波器可串接在图3所示频谱加重滤波器13的外侧。这种大范围加重滤波器用于对被加重的小范围频率特性作附加的摆动调节。这种一阶大范围加重滤波器的传递函数设置如下：

    B(Z)＝1-μZ^-1    …(18)其中μ＜1。

在合成语音信号的部分自相关中，合成语音信号的前置余项是相关的，一阶部分自相关(PAR(OR)系数K[1]实质上表示语音谱线信号的斜率。基于此，一阶大范围加重滤波器的传递函数最好设置为：

    B(Z)＝1-K[1]Z^-1            …(19)

在方程(19)的情况下，系数K[1]依据合成语音信号而变化，从而适应一阶大范围加重。

Claims (8)

1、一种由合成滤波器合成激励信号、给出合成的语音信号并把经频谱加重的合成语音信号输出的语音合成装置，包括：

***装置，用等间隔的线谱对频率***以线谱对频率表示的合成滤波器的频率响应中；

频谱加重装置，根据从上述***装置得出的被***的线谱对频率来确定传递函数，对合成的语音信号进行频谱加重。

2、根据权利要求1所述的语音合成装置，其特征在于，***装置输出两组被***的线谱对频率，还在于频谱加重装置根据上述两组被***的线谱对频率设置传递函数的分母和分子。

3、根据权利要求1所述的语音合成装置，其特征在于，频谱加重装置从根据被***的线谱对频率确定的传递函数有一个特征函数合成，并且传递函数为B(Z)＝1-μZ^-1其中μ＜1。

4、根据权利要求1所述的语音合成装置，其特征在于，频谱加重装置有一个从根据被***的线谱对频率确定的传递函数合成的特性函数，并且传递函数表示为：

                B(Z)＝1-K[1]Z^-1在此，K[1]是合成的语音信号的一阶部分自相关系数。

5、一种由合成滤波器合成激励信号，给出合成的语音合成信号并把经频谱加重的合成语音信号输出的语音合成方法，包括：

***步骤，用等间隔的线谱对频率***到以线谱对频率表示的合成滤波器的频率响应中；

频谱加重步骤，根据从上述***步骤得出的被***的线谱对频率来确定传递函数，对合成的语音信号进行频谱加重。

6、根据权利要求5所述的语音合成方法，其特征在于，***步骤输出两组被***的线谱对频率，还在于频谱加重步骤根据上述两组被***的线谱对频率设置传递函数的分母和分子。

7、根据权利要求5所述的语音合成方法，其特征在于，频谱加重步骤有一个根据被***的线谱对频率确定的传递函数合成的特征函数，并且传递函数为：

        B(Z)＝1-μZ^-1在此，μ＜1。

8、根据权利要求5所述的语音合成方法，其特征在于，频谱加重步骤有一个从根据被***的线谱对频率确定的传递函数合成的特征函数，并且传递函数为：

        B(Z)＝1-K[1]Z^-1在此，K[1]是合成的语音信号的一阶部分自相关系数。

Images