JP6032832B2 - 音声合成装置 - Google Patents
音声合成装置 Download PDFInfo
- Publication number
- JP6032832B2 JP6032832B2 JP2012053799A JP2012053799A JP6032832B2 JP 6032832 B2 JP6032832 B2 JP 6032832B2 JP 2012053799 A JP2012053799 A JP 2012053799A JP 2012053799 A JP2012053799 A JP 2012053799A JP 6032832 B2 JP6032832 B2 JP 6032832B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- announcement
- data
- speech synthesis
- 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 claims description 80
- 238000003786 synthesis reaction Methods 0.000 claims description 62
- 238000000034 method Methods 0.000 claims description 43
- 230000004044 response Effects 0.000 claims description 38
- 238000001228 spectrum Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000001308 synthesis method Methods 0.000 claims description 7
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000005352 clarification Methods 0.000 description 41
- 238000012545 processing Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
Description
<概要>
実施例1では、次のようなアナウンス明瞭化装置について記載する。まず、アナウンスデータを入力として受け付け、合成音声と、インパルス応答波形とを畳み込むことにより予測残響信号を生成する。予測残響信号は元の合成音声と残響レベルや周波数特性について比較される。比較の結果、所定の範囲であると評価された場合には、スピーカ等のデバイスから出力を行う。一方、所定の範囲に収まらない場合には、これをフィードバックし、音声合成を制御する各種パラメータ(ピッチ、ポーズ、話速、パワー等)の調整を行い、再度合成音声を生成して、評価を行う。
図2は、本実施例のアナウンス明瞭化装置における機能ブロックの一例を表す図である。この図にあるように、本実施例の「アナウンス明瞭化装置」(0200)は、「アナウンスデータ取得部」(0201)と、「音声合成部」(0202)と、「インパルス応答波形取得部」(0203)と、「残響付音声生成部」(0204)と、「比較部」(0205)と、「判断部」(0206)と、「制御部」(0207)と、を有する。なお、本実施例のアナウンス明瞭化装置は「データ変換出力部」(0208)と、「出力部」(0209)を有していても良い。「音声合成部」(0202)は「話速、ポーズ、ピッチ、パワー制御手段」(0210)を有していてもよい。
図3は、本実施例のアナウンス明瞭化装置における処理の流れの一例を表すフローチャートである。まず、テキストの取得を行う(ステップS0302)。肉声が入力される場合にはテキストの取得前に肉声をテキスト形式のデータに変換する処理(ステップS0301)を実行する。次に音声合成が実行される(ステップS0303)。ここまでに別途インパルス応答の波形の取得(ステップS0304)を行っておく。次に残響付音声の生成(ステップS0305)を行う。その後、残響付音声と合成されたアナウンス音声を比較する(ステップS0306)。その結果、比較の結果が所定の範囲内か否かの判断を行う(ステップS0307)。範囲内でない場合には、比較結果に応じて音声合成ステップを制御する(ステップS0308)。比較結果が所定の範囲内であった場合には、アナウンス音声をスピーカに対して出力することができる(ステップS0309)。
図4は、上記機能的な各構成要件をハードウエアとして実現した際の、アナウンス明瞭化装置における構成の一例を表す概略図である。この図を利用して本発明の処理におけるそれぞれのハードウエア構成部の働きについて説明する。この図にあるように、本実施例のアナウンス明瞭化装置は、各種演算処理を行う「CPU(中央演算装置)」(0401)と、「揮発性メモリ」(0402)と、「不揮発性メモリ」(0403)と、「D/Aコンバータ」(0404)と、「A/Dコンバータ」(0405)を有している。D/Aコンバータには、「スピーカ」(0406)が接続されている。また、A/Dコンバータには、「マイク」(0407)が接続されている。そしてそれらが「システムバス」(0408)などのデータ通信経路によって相互に接続され、情報の送受信や処理を行う。
以上のように本実施例のアナウンス明瞭化装置によって、合成音声波形にインパルス応答波形を畳み込み、残響付音声を生成可能である。残響付音声と元の合成音声とを比較することで、音声合成の各種パラメータの調整を行うことが可能である。これにより、アナウンスされる環境により適応的なアナウンスを実行可能である。
<概要>
図5は、本実施例のアナウンス明瞭化装置の処理の一例について説明するための概念図である。図5(A)は、ある環境下における音声の周波数スペクトルを示している。図5(B)では、周波数スペクトルの一部を調整し、後続音声をマスクしてしまう周波数帯域の音声を抑制している。このように本実施例のアナウンス明瞭化装置は、周波数スペクトルにおける一定の周波数帯域を抑制または強調することで、残響による影響を低減する処理が可能である。そして、この処理を残響付音声波形に適用し、フィードバックによる最適化を行うことで、アナウンスされる環境に適応的に残響の低減を行うことが可能である。
図6は、本実施例のアナウンス明瞭化装置における機能ブロックの一例を表す図である。この図にあるように、本実施例の「アナウンス明瞭化装置」(0600)は、「アナウンスデータ取得部」(0601)と、「音声合成部」(0602)と、「インパルス応答波形取得部」(0603)と、「残響付音声生成部」(0604)と、「比較部」(0605)と、「判断部」(0606)と、「制御部」(0607)と、を有する。なお、本実施例のアナウンス明瞭化装置は「データ変換出力部」(0608)と、「出力部」(0609)と、を有していてもよい。また、図示していないが、「音声合成部」(0602)は、「話速、ポーズ、ピッチ、パワー制御手段」を有していても良い。本実施例のアナウンス明瞭化装置の特徴は、「音声合成部」(0602)が、「音声スペクトル制御手段」(0611)を新たに有する点である。
図7は、本実施例のアナウンス明瞭化装置における処理の流れの一例を表すフローチャートである。まず、テキストの取得を行う(ステップS0702)。肉声が入力される場合にはテキストの取得前に肉声をテキスト形式のデータに変換する処理(ステップS0701)を実行する。次に音声合成の実行がされる(ステップS0703)。ここまでに別途インパルス応答の波形の取得(ステップS0704)を行っておく。次に残響付音声の生成(ステップS0705)を行う。その後、残響付音声と合成されたアナウンス音声を比較する(ステップS0706)。その結果、比較の結果が所定の範囲内か否かの判断を行う(ステップS0707)。範囲内でない場合には、比較結果に応じて音声合成ステップを制御する(ステップS0708)。また、比較結果に応じて音声スペクトルを制御する(ステップS0709)。比較結果が所定の範囲内であった場合には、アナウンス音声をスピーカに対して出力することができる(ステップS0710)。
図8は、上記機能的な各構成要件をハードウエアとして実現した際の、アナウンス明瞭化装置における構成の一例を表す概略図である。この図を利用して本発明の処理におけるそれぞれのハードウエア構成部の働きについて説明する。この図にあるように、本実施例のアナウンス明瞭化装置は、各種演算処理を行う「CPU(中央演算装置)」(0801)と、「揮発性メモリ」(0802)と、「不揮発性メモリ」(0803)と、「D/Aコンバータ」(0804)と、「A/Dコンバータ」(0805)を有している。D/Aコンバータには、「スピーカ」(0806)が接続されている。また、A/Dコンバータには、「マイク」(0807)が接続されている。そしてそれらが「システムバス」(0808)などのデータ通信経路によって相互に接続され、情報の送受信や処理を行う。
このように、本実施例のアナウンス明瞭化装置は、適応的に音声スペクトルの制御が可能である。これによりアナウンスする環境に合わせ、残響等の影響が少ないアナウンス音声の生成が可能である。
<概要>
図9は本実施例のアナウンス明瞭化装置における処理の一例を表す図である。この図にあるように、音声合成を行う際に、音声素片データベースより素片を選択し、この素片により音声の生成を行う。この素片にはラベルデータが付属しており、種々の条件を記載することが可能である。例えば、「た」の素片に対して、定常部のaを抑制したり、ポーズの指定を行ったり、ピッチ、話速の増減の値を加えたり、後続する素片により制御をするか否かの条件を記載したり、等の種々の情報を付加することができる。このデータに基づき音声素片毎に音声合成のパラメータを調整することにより、明瞭な音声の生成を行うことが可能である。
図10は、本実施例のアナウンス明瞭化装置における機能ブロックの一例を表す図である。この図にあるように、本実施例の「アナウンス明瞭化装置」(1000)は、「アナウンスデータ取得部」(1001)と、「音声合成部」(1002)と、「インパルス応答波形取得部」(1003)と、「残響付音声生成部」(1004)と、「比較部」(1005)と、「判断部」(1006)と、「制御部」(1007)と、を有する。なお、本実施例のアナウンス明瞭化装置は「データ変換出力部」(1008)と、「出力部」(1009)を有していても良い。また、図示していないが、「音声合成部」(1002)は、「話速、ポーズ、ピッチ、パワー制御手段」と、「音声スペクトル制御手段」と、を有していてもよい。本実施例のアナウンス明瞭化装置の特徴は、「制御部」(1002)が取得するアナウンスデータには、さらに音声合成の際のパラメータが含まれる点と、「音声合成部」(1002)が「素片パラメータ制御手段」(1012)を有する点である。
図11は、本実施例のアナウンス明瞭化装置における処理の流れの一例を表すフローチャートである。まず、テキストの取得を行う(ステップS1102)。肉声が入力される場合にはテキストの取得前に肉声をテキスト形式のデータに変換する処理(ステップS1101)を実行する。次に音声合成の実行がされる(ステップS1103)。ここまでに別途インパルス応答の波形の取得(ステップS1104)を行っておく。次に残響付音声の生成(ステップS1105)を行う。その後、残響付音声と合成されたアナウンス音声を比較する(ステップS1106)。その結果、比較の結果が所定の範囲内か否かの判断を行う(ステップS1107)。範囲内でない場合には、比較結果に応じて音声合成ステップを制御(ステップS1108)し、比較結果に応じて音声スペクトルを制御する(ステップS1109)。また、次にアナウンスデータを用いて音声合成ステップを制御する(ステップS1110)。比較結果が所定の範囲内であった場合には、アナウンス音声をスピーカに対して出力することができる(ステップS1111)。
図12は、上記機能的な各構成要件をハードウエアとして実現した際の、アナウンス明瞭化装置における構成の一例を表す概略図である。この図を利用して本発明の処理におけるそれぞれのハードウエア構成部の働きについて説明する。この図にあるように、本実施例のアナウンス明瞭化装置は、各種演算処理を行う「CPU(中央演算装置)」(1201)と、「揮発性メモリ」(1202)と、「不揮発性メモリ」(1203)と、「D/Aコンバータ」(1204)と、「A/Dコンバータ」(1205)を有している。D/Aコンバータには、「スピーカ」(1206)が接続されている。また、A/Dコンバータには、「マイク」(1207)が接続されている。そしてそれらが「システムバス」(1208)などのデータ通信経路によって相互に接続され、情報の送受信や処理を行う。
このように、本実施例のアナウンス明瞭化装置は、アナウンスデータを取得した際に、対応する音声素片に付属のラベルデータにアクセスが可能である。これにより、生成するアナウンス内容および生成する環境に最適な、音声合成部のパラメータの調節が可能である。
0201 アナウンスデータ取得部
0202 音声合成部
0203 インパルス応答波形取得部
0204 残響付音声生成部
0205 比較部
0206 判断部
0207 制御部
Claims (15)
- アナウンス内容を示すテキスト形式のデータを含むアナウンスデータを取得するアナウンスデータ取得部と、
取得したアナウンスデータからアナウンス音声を合成する音声合成部と、
スピーカの配置される空間での残響特性値であるインパルス応答波形を取得するインパルス応答波形取得部と、
取得したインパルス応答波形を用いて合成されたアナウンス音声によって生じる残響付音声を生成する残響付音声生成部と、
生成された残響付音声と合成されたアナウンス音声を比較する比較部と、
合成されたアナウンス音声と生成された残響付音声との比較結果が所定の範囲内に収まったか判断する判断部と、
判断結果が所定の範囲内に収まらない場合に、比較部での比較結果に応じて音声合成部を制御する制御部と、
を有する音声合成装置。 - 音声合成部は、話速、ポーズ、ピッチ、パワー制御手段を有する請求項1に記載の音声合成装置。
- 音声合成部は、音声スペクトル制御手段を有する請求項1又は2に記載の音声合成装置。
- 音声合成部は、音声素片に付属するパラメータに基づいて音声合成を制御する素片パラメータ制御手段を有する請求項1から3のいずれか一に記載の音声合成装置。
- 判断結果が所定の範囲内に収まった場合に、合成されたアナウンス音声をスピーカに対して出力する出力部を有する請求項1から4のいずれか一に記載の音声合成装置。
- 肉声をテキスト形式のデータに変換しアナウンスデータ取得部に対して出力するデータ変換出力部をさらに有する請求項1から5のいずれか一に記載の音声合成装置。
- アナウンスデータには、さらに音声合成の際のパラメータが含まれる請求項1から6のいずれか一に記載の音声合成装置。
- 音声合成装置に、アナウンス内容を示すテキスト形式のデータを含むアナウンスデータを取得するアナウンスデータ取得ステップと、
取得したアナウンスデータからアナウンス音声を合成する音声合成ステップと、
スピーカの配置される空間での残響特性値であるインパルス応答波形を取得するインパルス応答波形取得ステップと、
取得したインパルス応答波形を用いて合成されたアナウンス音声によって生じる残響付音声を生成する残響付音声生成ステップと、
生成された残響付音声と合成されたアナウンス音声を比較する比較ステップと、
合成されたアナウンス音声と生成された残響付音声との比較結果が所定の範囲内に収まったか判断する判断ステップと、
判断結果が所定の範囲内に収まらない場合に、比較ステップでの比較結果に応じて音声合成ステップを制御する制御ステップと、
を実行させるための音声合成プログラム。
- アナウンス内容を示すテキスト形式のデータを含むアナウンスデータを取得するアナウンスデータ取得ステップと、
取得したアナウンスデータからアナウンス音声を合成する音声合成ステップと、
スピーカの配置される空間での残響特性値であるインパルス応答波形を取得するインパルス応答波形取得ステップと、
取得したインパルス応答波形を用いて合成されたアナウンス音声によって生じる残響付音声を生成する残響付音声生成ステップと、
生成された残響付音声と合成されたアナウンス音声を比較する比較ステップと、
合成されたアナウンス音声と生成された残響付音声との比較結果が所定の範囲内に収まったか判断する判断ステップと、
判断結果が所定の範囲内に収まらない場合に、比較ステップでの比較結果に応じて音声合成ステップを制御する制御ステップと、
を有する音声合成方法。 - 音声合成ステップは、話速,ポーズ,ピッチ,パワー制御サブステップを有する請求項9に記載の音声合成方法。
- 音声合成ステップは、音声スペクトル制御サブステップを有する請求項9又は10に記載の音声合成方法。
- 音声合成ステップは、音声素片に付属するパラメータに基づいて音声合成を制御する素片パラメータ制御サブステップを有する請求項9から11のいずれか一に記載の音声合成方法。
- 判断結果が所定の範囲内に収まった場合に、合成されたアナウンス音声をスピーカに対して出力する出力ステップを有する請求項9から12のいずれか一に記載の音声合成方法。
- 肉声をテキスト形式のデータに変換しアナウンスデータ取得ステップに対して出力するデータ変換出力ステップをさらに有する請求項9から13のいずれか一に記載の音声合成方法。
- アナウンスデータには、さらに音声合成の際のパラメータが含まれ、制御ステップは前記パラメータを用いて音声合成ステップを制御するテキスト制御サブステップを有する請求項9から14のいずれか一に記載の音声合成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012053799A JP6032832B2 (ja) | 2012-03-09 | 2012-03-09 | 音声合成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012053799A JP6032832B2 (ja) | 2012-03-09 | 2012-03-09 | 音声合成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013186428A JP2013186428A (ja) | 2013-09-19 |
JP6032832B2 true JP6032832B2 (ja) | 2016-11-30 |
Family
ID=49387868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012053799A Expired - Fee Related JP6032832B2 (ja) | 2012-03-09 | 2012-03-09 | 音声合成装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6032832B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2551499B (en) * | 2016-06-17 | 2021-05-12 | Toshiba Kk | A speech processing system and speech processing method |
CN107134276A (zh) * | 2017-07-06 | 2017-09-05 | 大连华锐重工集团股份有限公司 | 一种可编程式智能语音播报***及方法 |
CN116645954B (zh) * | 2023-07-27 | 2023-11-17 | 广东保伦电子股份有限公司 | 一种采用ai拟声的ip广播*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4774255B2 (ja) * | 2005-08-31 | 2011-09-14 | 隆行 荒井 | 音声信号処理方法、装置及びプログラム |
JP5627241B2 (ja) * | 2008-01-21 | 2014-11-19 | パナソニック株式会社 | 音声信号処理装置および方法 |
-
2012
- 2012-03-09 JP JP2012053799A patent/JP6032832B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013186428A (ja) | 2013-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2483364C2 (ru) | Схема аудиокодирования/декодирования с переключением байпас | |
KR100915733B1 (ko) | 음성 신호들의 대역폭의 인공 확장을 위한 방법 및 장치 | |
KR100574031B1 (ko) | 음성합성방법및장치그리고음성대역확장방법및장치 | |
CN101578657B (zh) | 一种衰减因子的获取方法和获取装置 | |
KR101668401B1 (ko) | 오디오 신호를 인코딩하기 위한 방법 및 장치 | |
EP0993670B1 (en) | Method and apparatus for speech enhancement in a speech communication system | |
KR100905585B1 (ko) | 음성신호의 대역폭 확장 제어 방법 및 장치 | |
EP1252621A1 (en) | System and method for modifying speech signals | |
JPWO2011004579A1 (ja) | 声質変換装置、音高変換装置および声質変換方法 | |
KR20190117725A (ko) | 잡음 환경에 적응적인 음성 신호 처리방법 및 장치 | |
JPWO2005106850A1 (ja) | 階層符号化装置および階層符号化方法 | |
JP2017161917A (ja) | 平均符号化レートを制御するためのシステムおよび方法 | |
US20230178084A1 (en) | Method, apparatus and system for enhancing multi-channel audio in a dynamic range reduced domain | |
JPS60107700A (ja) | エネルギ正規化および無声フレーム抑制機能を有する音声分析合成システムおよびその方法 | |
JP6032832B2 (ja) | 音声合成装置 | |
US20100153099A1 (en) | Speech encoding apparatus and speech encoding method | |
JP3360423B2 (ja) | 音声強調装置 | |
JP4433668B2 (ja) | 帯域拡張装置及び方法 | |
JP6333043B2 (ja) | 音声信号処理装置 | |
GB2336978A (en) | Improving speech intelligibility in presence of noise | |
EP1944761A1 (en) | Disturbance reduction in digital signal processing | |
JPH02293900A (ja) | 音声合成装置 | |
JP3869823B2 (ja) | 音声の周波数特性の等化装置 | |
KR20030076596A (ko) | 저비트율 씨이엘피용 펄스여기에 고주파 노이즈를도입하는 시스템 및 방법 | |
CN116110424A (zh) | 一种语音带宽扩展方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150306 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160415 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161024 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6032832 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |