DE102004044649B3 - Speech synthesis using database containing coded speech signal units from given text, with prosodic manipulation, characterizes speech signal units by periodic markings - Google Patents
Speech synthesis using database containing coded speech signal units from given text, with prosodic manipulation, characterizes speech signal units by periodic markings Download PDFInfo
- Publication number
- DE102004044649B3 DE102004044649B3 DE200410044649 DE102004044649A DE102004044649B3 DE 102004044649 B3 DE102004044649 B3 DE 102004044649B3 DE 200410044649 DE200410044649 DE 200410044649 DE 102004044649 A DE102004044649 A DE 102004044649A DE 102004044649 B3 DE102004044649 B3 DE 102004044649B3
- Authority
- DE
- Germany
- Prior art keywords
- speech signal
- prosodic
- period
- manipulation
- signal unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000015572 biosynthetic process Effects 0.000 title claims description 18
- 238000003786 synthesis reaction Methods 0.000 title claims description 17
- 230000000737 periodic effect Effects 0.000 title abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 47
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000003936 working memory Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000001308 synthesis method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000867 larynx Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
- G10L13/10—Prosody rules derived from text; Stress or intonation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/90—Pitch determination of speech signals
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
Description
Die vorliegende Erfindung betrifft ein Verfahren zur integrierten Sprachsynthese.The The present invention relates to a method for integrated speech synthesis.
Zur textbasierten, sprachlichen Informationsausgabe in technischen Anwendungen werden Systeme zur Sprachsynthese eingesetzt. Typische Anwendungen sind stationäre und mobile Telekommunikationssysteme, automatische Auskunftsdienste, Ansagedienste im Bereich Verkehrstelematik, sprachgestützte Bedienterminals, automatische Dolmetschsysteme sowie Vorlesesysteme für Sehbehinderte. Vor allem die beschränkte Displaygröße in typischen mobilen Geräten, wie Mobiltelefon oder PDA, erfordert eine sprachliche Informationsausgabe.to text-based, linguistic information output in technical applications systems are used for speech synthesis. Typical applications are stationary and mobile telecommunication systems, automatic directory inquiry services, announcement services in the field of traffic telematics, voice-based operator terminals, automatic Interpreting systems and reading systems for the visually impaired. Especially the limited Display size in typical mobile devices, like mobile phone or PDA, requires a linguistic information output.
Sprachsynthesesysteme sind sehr unterschiedlich konzipiert, beispielsweise als Text-to-Speech-(TTS) oder Concept-to-Speech-System (CTS). Sie benötigen aber stets einen akustischen Synthesemodul, welcher unter Verwendung einer zuvor aufgezeichneten und segmentierten Sprachsignaleinheiten-Datenbasis oder mittels gespeicherter, sprachlicher Ansteuerparameter ein geschlossenes Sprachsignal generiert. Um eine hohe Verständlichkeit und Natürlichkeit des akustischen Sprachsignals zu erzielen, werden seit den 1990iger Jahren in der Regel konkatenative Syntheseverfahren mittels Verkettung kürzerer Sprachsignaleinheiten verwendet. üblicherweise werden hierbei in einem ersten Schritt die Sprachsignaleinheiten decodiert. Die Decodierung basiert in der Regel auf folgenden klassischen Verfahren aus der Nachrichtentechnik, welche in den Recommendations der International Telecommunication Union beschrieben sind und als Quasi-Standard anzusehen sind:
- – Nichtlineare Kennlinie gemäß a-Law oder u-Law (ITU-T G.711),
- – ADPCM (ITU-T G.721, G.726, G.727).
- Non-linear characteristic according to a-Law or u-Law (ITU-T G.711),
- - ADPCM (ITU-T G.721, G.726, G.727).
In einem zweiten Schritt werden auf die resultierenden Sprachsignaleinheiten bestimmte suprasegmentale – insbesondere prosodische – Zielparameter, wie der Grundfrequenzverlauf, die Segmentdauern oder der Intensitätsverlauf nachträglich aufgeprägt. In einem dritten Schritt werden die Verkettungsstellen zwischen den Sprachsignaleinheiten mittels einer Filterung bzw. Glättung einander angepasst. Der zweite und dritte Verarbeitungsschritt erfolgen konventionell mit folgenden Syntheseverfahren:
- – Time-Domain
Pitch-Synchronous Overlap-and-Add (TD-PSOLA). Dieses Verfahren wurde
1988 bzw. 1989 unter verschiedenen Namen durch die France Telecom
angemeldet und später patentiert
(
EP 0 363 233 B1 US 005327498 A DE 689 19 673 T2 - – Multiband
Resynthesis Overlap-and-add (MBROLA) vormalig Multiband Resynthesis Pitch-Synchronous
Overlap-and-Add (MBR-PSOLA). Dieses Verfahren wurde 1997 unter anderem Namen
durch Thierry Dutoit et al. angemeldet sowie patentiert (
US 005987413 A DE 697 20 861 T2
- - Time Domain Pitch-Synchronous Overlap-and-Add (TD-PSOLA). This process was filed in 1988 and 1989 under different names by France Telecom and later patented (
EP 0 363 233 B1 US 005327498 A DE 689 19 673 T2 - - Multiband resynthesis overlap-and-add (MBROLA) formerly multiband resynthesis pitch-synchronous overlap-and-add (MBR-PSOLA). This method was named in 1997 by Thierry Dutoit et al. registered and patented (
US 005987413 A DE 697 20 861 T2
Nachteilig bei diesen Verfahren zur prosodischen Manipulation ist, dass aufgrund der sequentiellen Abfolge der Verarbeitungsschritte bei der Sprachsynthese, ein hoher Bedarf an Speicher- und Rechenleistungskapazitäten erforderlich wird. Dies erschwert einen breiten Einsatz von Sprachsynthesesystemen im Bereich integrierter Technologien. Außerdem führt die sequentielle Sprachsignalverarbeitung zu einer reduzierten Hörqualität, da jeder Verarbeitungsschritt potentiell zu einer Signalverschlechterung beiträgt.adversely in these methods for prosodic manipulation is that due the sequential sequence of processing steps in speech synthesis, a high demand for memory and computing power capacities is required becomes. This makes a wide use of speech synthesis systems difficult in the field of integrated technologies. In addition, the sequential voice signal processing leads to a reduced listening quality, since every processing step potentially contributes to signal degradation.
Ein
weiteres Verfahren zur prosodischen Manipulation ist aus der Druckschrift
Ein weiteres Verfahren zur koartikulationsgerechten Konkatination von Audiosegmenten ist in der Druckschrift WO 00/11647 A1 offenbart. Hierbei werden Informationen zu Koartikulationseffekten oder Sprachstilen (u.a. Flüstern, Betonung, emotionaler Ausdruck) in codierter Form zusammen mit den entsprechenden Audiosegmenten gespeichert, um so bei der Auswahl der Audiosegmentbereiche nur solche zu wählen, die den übergeordneten Koartikulationseigenschaften der zeitlich vor- und/oder nachgelagerten Audiosegmentbereichen entsprechen. Es werden demzufolge Informationen bezüglich der Prosodie, übergeordneten Koartikulationen und Übergangsfunktionen in codierter Form mit abgespeichert, um bei einer späteren Verwendung eine zusätzliche Verbesserung der Sprachqualität erzielen zu können.Another method for coarticulation-compatible concatination of audio segments is disclosed in the publication WO 00/11647 A1. Here, information on Koartikulationseffekten or speech styles (including whispering, stress, emotional expression) are stored in coded form together with the corresponding audio segments, so as to select in the selection of the audio segment areas only those that the parent Koartikulationseigenschaften the temporally upstream and / or downstream Correspond to audio segment ranges. Consequently, information relating to the prosody, superordinate co-articulations and transition functions is stored in coded form in order to be used in later use additional improvement in voice quality.
Ein
weiteres Verfahren zur prosodischen Manipulation ist in der Druckschrift
Eine Aufgabe der vorliegenden Erfindung ist es daher, ein Verfahren anzugeben, mit dem eine integrierte Sprachsynthese ermöglicht wird, um somit den erforderlichen Speicherplatz und die benötigte Rechenleistung zu reduzieren.A The object of the present invention is therefore to specify a method with which an integrated speech synthesis is made possible, thus the required Storage space and the required computing power to reduce.
Eine weitere Aufgabe der vorliegenden Erfindung ist es, ein Verfahren anzugeben, mit dem auf ein Sprachsignal bestimmte suprasegmentale – vor allem prosodische – Zielparameter, wie der Grundfrequenzverlauf (Sprechmelodie), die Segmentdauer (rhythmische Struktur) oder der Intensitätsverlauf (Lautstärke) möglichst Speicherplatz und Rechenleistung sparend aufgeprägt werden können.A Another object of the present invention is a method specify with the suprasegmentale specific to a speech signal - especially prosodic - target parameters, as the fundamental frequency response (speech melody), the segment duration (rhythmic Structure) or the intensity curve (volume) as possible Memory and computing power can be impressed saving.
Erfindungsgemäß wird diese Aufgabe durch ein Verfahren mit den in Anspruch 1 angegebenen Merkmalen und ein Computerprogrammprodukt mit den in Anspruch 13 angegebenen Merkmalen gelöst. Vorteilhafte Weiterbildungen der vorliegenden Erfindung sind in den abhängigen Ansprüchen angegeben.According to the invention this Task by a method having the features specified in claim 1 and a computer program product as recited in claim 13 Characteristics solved. advantageous Further developments of the present invention are specified in the dependent claims.
Gemäß der vorliegenden Erfindung werden in einer Datenbasis codierte Sprachsignaleinheiten aus einem vorgebbaren Text gefunden. Anschließend wird eine prosodische Manipulation der codierten Sprachsignaleinheiten vorgenommen. Anfang und Ende einer Periodenlänge einer uncodierten Sprachsignaleinheit sind durch Periodenmarkierungen in der codierten Sprachsignaleinheit gekennzeichnet und die prosodische Manipulation erfolgt synchron zu den Periodenmarkierungen.According to the present Invention are in a database coded speech signal units Found a predefinable text. Subsequently, a prosodic Manipulation of the coded speech signal units made. Beginning and End of a period length an uncoded speech signal unit are by period marks in the coded speech signal unit and the prosodic Manipulation takes place synchronously with the period markings.
Entsprechend einer vorteilhaften Weiterbildung der vorliegenden Erfindung erfolgt die prosodische Manipulation während einer Decodierung durch einen Decodieralgorithmus. Durch die parallel ausgeführten Algorithmen kann die Rechenkomplexität erheblich reduziert werden, wodurch eine schnellere Verarbeitung ermöglicht wird. Außerdem entfällt die Zwischenspeicherung von Synthesezuständen der Sprachsignaleinheiten an Modulgrenzen, woraus eine Senkung des dynamischen Speicherplatzbedarfs und eine weitere Reduzierung der Rechenkomplexität resultiert.Corresponding an advantageous development of the present invention takes place the prosodic manipulation during a decoding by a decoding algorithm. Through the parallel executed Algorithms can significantly reduce the computational complexity, allowing for faster processing. In addition, caching is eliminated of synthetic states the speech signal units at module boundaries, resulting in a reduction of the dynamic storage space requirements and a further reduction of the computational complexity results.
Entsprechend einer weiteren vorteilhaften Weiterbildung der vorliegenden Erfindung wird der Decodieralgorithmus als Adaptive-Multi-Rate-Narrowband-(AMR-NB)-Algorithmus und/oder als Adaptive-Multi-Rate-Wideband-(AMR-WB)-Algorithmus ausgeführt. Die Verwendung dieser speicheroptimierten, skalierbaren Codierungs-/Decodierungsalgorithmen ermöglicht eine starke und variable Kompression der Sprachsignaleinheiten-Datenbasis, wobei die Struktur der Sprachsignaleinheiten weitgehend irrelevant ist.Corresponding a further advantageous embodiment of the present invention For example, the decoding algorithm is an Adaptive Multi-Rate Narrowband (AMR-NB) algorithm and / or as an adaptive multi-rate wideband (AMR-WB) algorithm. The Use of these memory-optimized, scalable encoding / decoding algorithms allows a strong and variable compression of the speech signal unit database, the structure of the speech signal units is largely irrelevant is.
Eine erste Möglichkeit die Periodenmarkierungen der codierten Sprachsignaleinheit zu bestimmen, ist die Berechnung aus der Pitch-Verzögerung. Die Pitch-Verzögerung gibt den Abstand vom Anfang/Ende einer Blocklänge des Decodieralgorithmus zum Anfang/Ende einer Periode an. Aus der Differenz der Abtastzeitpunkte am Anfang einer Blocklänge und der zugehörigen Pitch-Verzögerungen erhält man die Periodenmarkierungen.A first option to determine the period marks of the coded speech signal unit is the calculation from the pitch lag. The pitch delay gives the distance from the beginning / end of a block length of the decoding algorithm to the beginning / end of a period. From the difference of sampling times at the beginning of a block length and the associated Pitch lags receives one the period marks.
Eine zweite Möglichkeit ist, die Periodenmarkierungen der uncodierten Sprachsignaleinheiten beim Codierungsvorgang den codierten Sprachsignaleinheiten aufzuprägen. Die Periodenmarkierungen der uncodierten Sprachsignaleinheiten können beispielsweise mit Hilfe eines Laryngographsignals ermittelt werden. Mit einem Laryngograph kann man die periodischen Anteile eines Sprachsignals durch Messungen des elektrischen Widerstands am Kehlkopf eines Sprechers bestimmen. Des weiteren können die Periodenmarkierungen der uncodierten Sprachsignaleinheiten mit einem Pitch- Tracking Algorithmus bestimmt werden. Dieser ermittelt periodische Strukturen innerhalb eines Sprachsignalsegments mit einer speziellen Autokorrelationsfunktion.A second option is the period marks of the uncoded speech signal units in Imprint encoding process the coded speech signal units. The Period markers of the uncoded speech signal units may be, for example be determined by means of a laryngograph signal. With a Laryngograph one can see the periodic parts of a speech signal by measurements of the electrical resistance at the larynx of a speaker determine. Furthermore, you can the period marks of the uncoded speech signal units with be determined by a pitch tracking algorithm. This determined periodic structures within a speech signal segment with a special autocorrelation function.
Eine dritte Möglichkeit ist die Verwendung von einheitlichen Periodenlängen der codierten Sprachsignaleinheiten. Diese werden durch eine Vereinheitlichung der Periodenlängen der uncodierten Sprachsignaleinheiten vor dem Codiervorgang erhalten. Diese periodenmarkenfreie und äquidistante Abspeicherung der Sprachsignaleinheiten führt zu einer weiteren Reduktion des Speicherbedarfs und der Rechenzeit.A third possibility is the use of uniform period lengths of coded speech signal units. These are characterized by a standardization of the period lengths of received uncoded speech signal units before the encoding process. This period mark-free and equidistant Storing the speech signal units leads to a further reduction the memory requirement and the computing time.
Eine weitere vorteilhafte Wirkung ergibt sich, wenn die einheitlichen Periodenlängen der codierten Sprachsignaleinheiten mit der Blocklänge des Decodieralgorithmus übereinstimmen. Hierdurch laufen Decodierung und proiodische Manipulation vollsynchron ab, woraus eine weitere Verringerung der Rechenzeit resultiert.A further advantageous effect arises when the uniform period lengths the coded speech signal units with the block length of Decoding algorithm match. As a result, decoding and periodic manipulation are fully synchronized from which a further reduction of the computing time results.
Gemäß einer weiteren Ausbildung der vorliegenden Erfindung wird die für die prosodische Manipulation vorzunehmende Änderung der Periodenlänge der codierten Sprachsignaleinheiten mit einem Overlap-and-Add Verfahren im Frequenz- oder Zeitbereich durchgeführt. Hierbei teilt man beispielsweise das zu manipulierende Sprachsignalsegment durch eine Fensterung in Abschnitte auf, setzt die Abschnitte zeitversetzt zusammen und addiert die überlappenden Abtastwerte.According to a further embodiment of the present invention, the change of the period length of the coded speech signal units to be undertaken for the prosodic manipulation is carried out with an overlap-and-add method in the frequency or time domain. Here you divide beispielswei By segmenting the speech signal segment to be manipulated by windowing, the segments are time-shifted and add the overlapping samples.
Weitere Verfahren zur prosodischen Manipulation sind Resampling-Verfahren oder ein Auffüllen mit Nullwerten bzw. einem Beschneiden der codierten Sprachsignaleinheiten. Die Flexibilität bei der Auswahl eines Verfahrens zur prosodischen Manipulation der codierten Sprachsignaleinheiten hat die vorteilhafte Wirkung, dass je nach qualitativer Anforderung die notwendige Modifikation der Periodenlänge durch ein daran angepasstes Verfahren erfolgen kann.Further Methods for prosodic manipulation are resampling procedures or a padding with Zero values or a truncation of the coded speech signal units. The flexibility in the selection of a method for prosodic manipulation of coded speech signal units has the advantageous effect that depending on the qualitative requirement the necessary modification of the period length by a procedure adapted to it.
Bei der Ausführung des erfindungsgemäßen Computerprogrammprodukts wird eine prosodische Manipulation von codierten Sprachsignaleinheiten vorgenommen, wenn das Steuerungsprogramm in der Programmablaufsteuerungseinrichtung abläuft.at the execution of the computer program product according to the invention a prosodic manipulation of coded speech signal units is performed, if the control program in the program scheduler expires.
Die vorliegende Erfindung wird nachfolgend an einem Ausführungsbeispiel anhand der Zeichnungen näher erläutert. Es zeigtThe The present invention will become more apparent from an embodiment closer to the drawings explained. It shows
Als Codierungs-/Decodierungsverfahren (Codec) werden in diesem Ausführungsbeispiel die zwischen 1999 und 2000 von der ETSI/3GPP standardisierten Codec-Verfahren Adaptive Multi-Rate Narrowband (AMR-NB) bzw. Adaptive Multi-Rate Wideband (AMR-WB, G.722.2) verwendet. Beide Verfahren basieren auf dem Verfahren Algebraic Code Excited Linear Prediction (ACELP, ITU-T G.723.1).When Coding / decoding methods (codec) are used in this embodiment the codec procedures standardized between 1999 and 2000 by the ETSI / 3GPP Adaptive Multi-Rate Narrowband (AMR-NB) or Adaptive Multi-Rate Wideband (AMR-WB, G.722.2). Both methods are based on the method Algebraic Code Excited Linear Prediction (ACELP, ITU-T G.723.1).
Der AMR-NB-Codec verarbeitet Signale mit einer Bandbreite von 8 kHz und ermöglicht acht verschiedene Kompressionsstufen bzw. Datenraten. Bei der Decodierung werden die hierfür benötigten Informationen paketweise an den Decoder übertragen. Aus diesen Informationen werden ein Residualsignal und Filterkoeffizienten für ein Synthesefilter extrahiert. Anhand des Residualsignals und der Filterkoeffizienten kann das Sprachsignal synthetisiert werden.Of the AMR NB codec processes signals with a bandwidth of 8 kHz and allows eight different compression levels or data rates. In the decoding Be the one for this required Transfer information in packets to the decoder. From this information become a residual signal and filter coefficients for a synthesis filter extracted. Based on the residual signal and the filter coefficients the speech signal can be synthesized.
Der AMR-WB-Codec verarbeitet Signale mit einer Bandbreite von 16 kHz und funktioniert analog dem AMR-NB-Codec. Wie oben beschrieben, wird das Sprachsignal durch Filtern des Residualsignals mit den Filterkoeffizienten in diesem Fall bei einer Bandbreite von 12,8 kHz synthetisiert. Anschließend wird das Signal auf eine Bandbreite von 16 kHz umgetastet.Of the AMR-WB codec processes signals with a bandwidth of 16 kHz and works in the same way as the AMR NB codec. As described above, the speech signal is filtered by filtering the residual signal with the Filter coefficients in this case at a bandwidth of 12.8 kHz synthesized. Subsequently, will the signal is keyed to a 16 kHz bandwidth.
Gemäß der vorliegenden Erfindung werden die Decodieralgorithmen AMR-NB bzw. AMR-WB so modifiziert, dass bereits während der Decodierung eine prosodische Manipulation von Sprachsignaleinheiten erfolgt. Die prosodische Manipulation erfolgt dabei direkt vor dem Filtern durch Manipulation des Residualsignals und synchron zu den Periodenmarkierungen, die Anfang und Ende der Periodenlänge einer Sprachsignaleinheit kennzeichnen. Hierzu muss das ursprüngliche Residualsignal mit konstanter Blocklänge (n = 40) zwischengepuffert werden, um die variablen Signallängen entsprechend den Periodenlängen zu generieren.According to the present Invention, the decoding algorithms AMR-NB and AMR-WB are modified that already during the decoding a prosodic manipulation of speech signal units he follows. The prosodic manipulation takes place directly before the Filter by manipulating the residual signal and in sync with the Period markers, the beginning and end of the period length of a Mark the speech signal unit. For this, the original must Residual signal with constant block length (n = 40) buffered be to the variable signal lengths according to the period lengths to generate.
In
dem in
Bei
dem in
In
Claims (13)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200410044649 DE102004044649B3 (en) | 2004-09-15 | 2004-09-15 | Speech synthesis using database containing coded speech signal units from given text, with prosodic manipulation, characterizes speech signal units by periodic markings |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200410044649 DE102004044649B3 (en) | 2004-09-15 | 2004-09-15 | Speech synthesis using database containing coded speech signal units from given text, with prosodic manipulation, characterizes speech signal units by periodic markings |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102004044649B3 true DE102004044649B3 (en) | 2006-05-04 |
Family
ID=36202095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE200410044649 Expired - Fee Related DE102004044649B3 (en) | 2004-09-15 | 2004-09-15 | Speech synthesis using database containing coded speech signal units from given text, with prosodic manipulation, characterizes speech signal units by periodic markings |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102004044649B3 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008028765A1 (en) * | 2008-06-17 | 2009-12-24 | Wladimir Baran | Arterial blood pressure measuring device for use by e.g. blind person, has timer providing delay using additional command of processor, where command is registered in program for functioning of device |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68919637T2 (en) * | 1988-09-02 | 1995-07-20 | France Telecom | Method and device for speech synthesis by covering and summing waveforms. |
DE19503419A1 (en) * | 1995-02-03 | 1996-08-08 | Bosch Gmbh Robert | Method and device for outputting digitally coded traffic reports using synthetically generated speech |
WO2000011647A1 (en) * | 1998-08-19 | 2000-03-02 | Christoph Buskies | Method and device for the concatenation of audiosegments, taking into account coarticulation |
US6195632B1 (en) * | 1998-11-25 | 2001-02-27 | Matsushita Electric Industrial Co., Ltd. | Extracting formant-based source-filter data for coding and synthesis employing cost function and inverse filtering |
DE69720861T2 (en) * | 1996-06-10 | 2004-02-05 | Faculté Polytechnique de Mons | Methods of sound synthesis |
-
2004
- 2004-09-15 DE DE200410044649 patent/DE102004044649B3/en not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68919637T2 (en) * | 1988-09-02 | 1995-07-20 | France Telecom | Method and device for speech synthesis by covering and summing waveforms. |
DE19503419A1 (en) * | 1995-02-03 | 1996-08-08 | Bosch Gmbh Robert | Method and device for outputting digitally coded traffic reports using synthetically generated speech |
DE69720861T2 (en) * | 1996-06-10 | 2004-02-05 | Faculté Polytechnique de Mons | Methods of sound synthesis |
WO2000011647A1 (en) * | 1998-08-19 | 2000-03-02 | Christoph Buskies | Method and device for the concatenation of audiosegments, taking into account coarticulation |
US6195632B1 (en) * | 1998-11-25 | 2001-02-27 | Matsushita Electric Industrial Co., Ltd. | Extracting formant-based source-filter data for coding and synthesis employing cost function and inverse filtering |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008028765A1 (en) * | 2008-06-17 | 2009-12-24 | Wladimir Baran | Arterial blood pressure measuring device for use by e.g. blind person, has timer providing delay using additional command of processor, where command is registered in program for functioning of device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4237563C2 (en) | Method for synthesizing speech | |
DE602004007786T2 (en) | METHOD AND DEVICE FOR QUANTIZING THE GAIN FACTOR IN A VARIABLE BITRATE BROADBAND LANGUAGE CODIER | |
EP1825461B1 (en) | Method and apparatus for artificially expanding the bandwidth of voice signals | |
DE69521955T2 (en) | Method of speech synthesis by chaining and partially overlapping waveforms | |
DE60122203T2 (en) | METHOD AND SYSTEM FOR GENERATING CONFIDENTIALITY IN LANGUAGE COMMUNICATION | |
DE69620399T2 (en) | VOICE SYNTHESIS | |
DE60006271T2 (en) | CELP VOICE ENCODING WITH VARIABLE BITRATE BY MEANS OF PHONETIC CLASSIFICATION | |
DE60214358T2 (en) | TIME CALENDAR MODIFICATION OF SIGNALS WITH SPECIFIC PROCEDURE ACCORDING TO DETERMINED SIGNAL TYPE | |
DE69535723T2 (en) | METHOD AND DEVICE FOR LANGUAGE CODING WITH REDUCED, VARIABLE BITRATE | |
DE60219351T2 (en) | SIGNAL MODIFICATION METHOD FOR EFFICIENT CODING OF LANGUAGE SIGNALS | |
DE60012198T2 (en) | ENCODING THE CORD OF THE SPECTRUM BY VARIABLE TIME / FREQUENCY RESOLUTION | |
DE69915830T2 (en) | IMPROVED METHODS FOR RECOVERING LOST DATA FRAMES FOR AN LPC BASED, PARAMETRIC LANGUAGE CODING SYSTEM. | |
DE69727895T2 (en) | Method and apparatus for speech coding | |
DE19610019C2 (en) | Digital speech synthesis process | |
DE69900786T2 (en) | VOICE CODING | |
DE60128479T2 (en) | METHOD AND DEVICE FOR DETERMINING A SYNTHETIC HIGHER BAND SIGNAL IN A LANGUAGE CODIER | |
DE69713712T2 (en) | Speech encoder with sinus analysis and fundamental frequency control | |
DE69524890T2 (en) | Parametric speech coding | |
DE60309651T2 (en) | Method for speech coding by means of generalized analysis by synthesis and speech coder for carrying out this method | |
DE69612958T2 (en) | METHOD AND DEVICE FOR RESYNTHETIZING A VOICE SIGNAL | |
DE69615870T2 (en) | Speech encoder with features extracted from current and previous frames | |
DE69629485T2 (en) | COMPRESSION SYSTEM FOR REPEATING TONES | |
DE19861167A1 (en) | Method and device for concatenation of audio segments in accordance with co-articulation and devices for providing audio data concatenated in accordance with co-articulation | |
DE69703233T2 (en) | Methods and systems for speech coding | |
DE102004044649B3 (en) | Speech synthesis using database containing coded speech signal units from given text, with prosodic manipulation, characterizes speech signal units by periodic markings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8100 | Publication of the examined application without publication of unexamined application | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |