JPH06337696A - 速度変換制御装置と速度変換制御方法 - Google Patents
速度変換制御装置と速度変換制御方法Info
- Publication number
- JPH06337696A JPH06337696A JP5151207A JP15120793A JPH06337696A JP H06337696 A JPH06337696 A JP H06337696A JP 5151207 A JP5151207 A JP 5151207A JP 15120793 A JP15120793 A JP 15120793A JP H06337696 A JPH06337696 A JP H06337696A
- Authority
- JP
- Japan
- Prior art keywords
- speed conversion
- section
- voice
- compression
- time
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】速度変換制御にピッチ抽出を行う必要がなく、
音声以外の音が重畳していても速度変換制御ができる速
度変換制御装置を提供すること。 【構成】入力音声の包絡線を抽出する包絡線抽出手段1
00と、包絡線抽出手段100の出力から音声の立ち上
がり部分を検出する立ち上がり検出手段130と、入力
音声から一定区間以上の無音区間を抽出する無音区間抽
出部110と、立ち上がり検出手段100と無音区間抽
出手段110の出力信号に基づき圧縮、伸長率の時間変
化を決定する制御手段140と、制御手段140で圧
縮、伸長率が決定される間の時間を補償する遅延手段1
20と、制御手段120から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段150とを
備える。 【効果】無音区間の直後に存在する音声の立ち上がり部
分を速度変換開始点とすることにより、ピッチ抽出を行
わない。
音声以外の音が重畳していても速度変換制御ができる速
度変換制御装置を提供すること。 【構成】入力音声の包絡線を抽出する包絡線抽出手段1
00と、包絡線抽出手段100の出力から音声の立ち上
がり部分を検出する立ち上がり検出手段130と、入力
音声から一定区間以上の無音区間を抽出する無音区間抽
出部110と、立ち上がり検出手段100と無音区間抽
出手段110の出力信号に基づき圧縮、伸長率の時間変
化を決定する制御手段140と、制御手段140で圧
縮、伸長率が決定される間の時間を補償する遅延手段1
20と、制御手段120から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段150とを
備える。 【効果】無音区間の直後に存在する音声の立ち上がり部
分を速度変換開始点とすることにより、ピッチ抽出を行
わない。
Description
【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、音声速度変換に関する
信号処理分野における速度変換制御装置と速度変換制御
方法に関するものである。
信号処理分野における速度変換制御装置と速度変換制御
方法に関するものである。
【0002】
【従来の技術】従来、一時記録された音声の速度を変化
させると、音声の特徴の一つである基本周波数やホルマ
ントも同時に周波数方向にシフトし、自然性、音韻性が
著しく劣化し明瞭度が悪くなる等の問題があった。これ
を解決するために基本周波数などの音韻性を保ったまま
音声の伸長、圧縮を行う従来の音声の発声速度変換方法
として、例えば特開平1−93795号公報のようなも
のがある。図4はこの従来の音声の発声速度変換方法に
おける音声を伸長する場合の説明図を示すものであり、
900は入力音声を有声/無声/無音区間に分割する区
間分割部、910は有声区間のピッチを求めるピッチ周
期抽出部、920はピッチ周期に基づきピッチ区間を分
割するピッチ区間分割部、930はピッチ区間の繰り返
しを行うピッチ区間延長部、940は無音区間の延長を
行う延長部、950は延長された無音区間、有声区間と
元の無声区間の波形を接続する合成部である。
させると、音声の特徴の一つである基本周波数やホルマ
ントも同時に周波数方向にシフトし、自然性、音韻性が
著しく劣化し明瞭度が悪くなる等の問題があった。これ
を解決するために基本周波数などの音韻性を保ったまま
音声の伸長、圧縮を行う従来の音声の発声速度変換方法
として、例えば特開平1−93795号公報のようなも
のがある。図4はこの従来の音声の発声速度変換方法に
おける音声を伸長する場合の説明図を示すものであり、
900は入力音声を有声/無声/無音区間に分割する区
間分割部、910は有声区間のピッチを求めるピッチ周
期抽出部、920はピッチ周期に基づきピッチ区間を分
割するピッチ区間分割部、930はピッチ区間の繰り返
しを行うピッチ区間延長部、940は無音区間の延長を
行う延長部、950は延長された無音区間、有声区間と
元の無声区間の波形を接続する合成部である。
【0003】以上のように構成された音声の発声速度変
換方法においては音声を伸長する場合、音声が入力され
ると区間分割部900は入力音声を有声/無声/無音区
間に分割し、有声区間はピッチ周期抽出部910へ、無
声区間は合成部950へ、無音区間は延長部940へ伝
達される。ピッチ周期抽出部910は入力された有声区
間のピッチ周期を算出しピッチ区間分割部920へ伝達
する。ピッチ区間分割部920は1ピッチずつ区間分割
し、ピッチ区間延長部930で1ピッチずつ区間分割さ
れたピッチ区間の繰り返しが行われる。延長部940は
無音区間を延長し合成部950へ伝達する。そして最後
に、合成部950は延長された無音区間、有声区間、元
の無声区間の波形を接続し出力する。図5(a)に入力
された原音声波形を図5(b)に伸長された変換波形を
示す。
換方法においては音声を伸長する場合、音声が入力され
ると区間分割部900は入力音声を有声/無声/無音区
間に分割し、有声区間はピッチ周期抽出部910へ、無
声区間は合成部950へ、無音区間は延長部940へ伝
達される。ピッチ周期抽出部910は入力された有声区
間のピッチ周期を算出しピッチ区間分割部920へ伝達
する。ピッチ区間分割部920は1ピッチずつ区間分割
し、ピッチ区間延長部930で1ピッチずつ区間分割さ
れたピッチ区間の繰り返しが行われる。延長部940は
無音区間を延長し合成部950へ伝達する。そして最後
に、合成部950は延長された無音区間、有声区間、元
の無声区間の波形を接続し出力する。図5(a)に入力
された原音声波形を図5(b)に伸長された変換波形を
示す。
【0004】しかしながら、入力音声を一定の倍率で伸
長すると出力音声のデータ量は増えるので、全体の音声
の出力時間は伸長倍率に応じて長くなる。また、画像や
***の動きとのタイミングのずれが時間が経つにつれて
次第に大きくなる。そこで上記のような画像や***の動
きとのタイミングのずれが時間が経つにつれて増大する
のを防ぐ方法として、従来の音声速度変換の制御方法と
して次のようなものが報告されている(日本音響学会講
演論文集I p.349 平成4年10月)。図6にこの従来
の音声速度変換の制御方法の説明図を示す。以下、図6
に示す音声速度変換の制御方法の動作の説明をする。ま
ず、(1)のポーズは無音区間が250msec以上の区間
とし、その直後に続く有声/無声の開始点をフレーズの
開始点とする。 (2)フレーズの開始点から3つの有
声区間のうち最高ピッチ周波数をPitch_maxとする。
(3)第1有声区間の開始点(V_st)における話速の伸
長倍率をrsとする。 (4)V_st から、2000msec まで
の範囲で、話速の伸長倍率をrsからreまで変化させ
る。 (5)第n有声区間の(n≧k)における平均ピ
ッチ周波数がPitch(n)がPitch_maxの70%より大き
いときのみ第n有声区間の伸長倍率を(rs−0.1) と
する。それ以外の時の伸長倍率reとする。(6)V2_st
から、2000msecまでの範囲で、話速の伸長倍率を(rs-
0.1)からreまで変化させる。(7)次のポーズまで順
次(5)、(6)を繰り返す。
長すると出力音声のデータ量は増えるので、全体の音声
の出力時間は伸長倍率に応じて長くなる。また、画像や
***の動きとのタイミングのずれが時間が経つにつれて
次第に大きくなる。そこで上記のような画像や***の動
きとのタイミングのずれが時間が経つにつれて増大する
のを防ぐ方法として、従来の音声速度変換の制御方法と
して次のようなものが報告されている(日本音響学会講
演論文集I p.349 平成4年10月)。図6にこの従来
の音声速度変換の制御方法の説明図を示す。以下、図6
に示す音声速度変換の制御方法の動作の説明をする。ま
ず、(1)のポーズは無音区間が250msec以上の区間
とし、その直後に続く有声/無声の開始点をフレーズの
開始点とする。 (2)フレーズの開始点から3つの有
声区間のうち最高ピッチ周波数をPitch_maxとする。
(3)第1有声区間の開始点(V_st)における話速の伸
長倍率をrsとする。 (4)V_st から、2000msec まで
の範囲で、話速の伸長倍率をrsからreまで変化させ
る。 (5)第n有声区間の(n≧k)における平均ピ
ッチ周波数がPitch(n)がPitch_maxの70%より大き
いときのみ第n有声区間の伸長倍率を(rs−0.1) と
する。それ以外の時の伸長倍率reとする。(6)V2_st
から、2000msecまでの範囲で、話速の伸長倍率を(rs-
0.1)からreまで変化させる。(7)次のポーズまで順
次(5)、(6)を繰り返す。
【0005】
【発明が解決しようとする課題】しかしながら、上記の
ような構成では、音声の速度変換制御を行うのに音声の
有声/無声/無音区間の弁別に加えて、ピッチ周波数の
抽出を行わなければならない。ニュースのアナウンサー
の音声のようなS/Nが高い音声であればピッチ周波数
の抽出は容易であるが、S/Nの悪い環境、例えば音楽
や背景雑音を含んだ音声ではピッチ抽出の誤差が増大
し、うまく処理ができないという課題を有していた。
ような構成では、音声の速度変換制御を行うのに音声の
有声/無声/無音区間の弁別に加えて、ピッチ周波数の
抽出を行わなければならない。ニュースのアナウンサー
の音声のようなS/Nが高い音声であればピッチ周波数
の抽出は容易であるが、S/Nの悪い環境、例えば音楽
や背景雑音を含んだ音声ではピッチ抽出の誤差が増大
し、うまく処理ができないという課題を有していた。
【0006】本発明はかかる従来の速度変換方法の課題
を考慮し、速度変換制御にピッチ抽出を行う必要がな
く、音声以外の音が重畳していても速度変換制御ができ
る速度変換制御装置及び方法を提供することを目的とす
る。
を考慮し、速度変換制御にピッチ抽出を行う必要がな
く、音声以外の音が重畳していても速度変換制御ができ
る速度変換制御装置及び方法を提供することを目的とす
る。
【0007】
【課題を解決するための手段】本発明は、入力信号から
音声の立ち上がり部分を検出する立ち上がり検出手段
と、入力音声から一定区間以上の無音区間を抽出する無
音区間抽出部と、立ち上がり検出手段と無音区間抽出手
段の出力信号に基づき圧縮、伸長率の時間変化を決定す
る制御手段と、制御手段で圧縮、伸長率が決定される間
の時間を補償する遅延手段と、制御手段から出力される
圧縮、伸長率で入力信号を圧縮、伸長する音声速度変換
手段とを備えた速度変換制御装置である。
音声の立ち上がり部分を検出する立ち上がり検出手段
と、入力音声から一定区間以上の無音区間を抽出する無
音区間抽出部と、立ち上がり検出手段と無音区間抽出手
段の出力信号に基づき圧縮、伸長率の時間変化を決定す
る制御手段と、制御手段で圧縮、伸長率が決定される間
の時間を補償する遅延手段と、制御手段から出力される
圧縮、伸長率で入力信号を圧縮、伸長する音声速度変換
手段とを備えた速度変換制御装置である。
【0008】また、本発明の速度変換制御方法における
第1の発明においては、第1の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第1
の無音区間より時刻的に後に現れる第2の無音区間の開
始点を速度変換終了点とし、圧縮、伸長率の変化を表す
関数f(t)の速度変換開始時刻から速度変換終了時刻
までの時間積分がゼロとなるように関数f(t)を設定
する構成とする。
第1の発明においては、第1の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第1
の無音区間より時刻的に後に現れる第2の無音区間の開
始点を速度変換終了点とし、圧縮、伸長率の変化を表す
関数f(t)の速度変換開始時刻から速度変換終了時刻
までの時間積分がゼロとなるように関数f(t)を設定
する構成とする。
【0009】また、本発明の速度変換制御方法における
第2の発明においては、第1の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第1
の無音区間より時刻的に後に現れる第2の無音区間の終
了点点を速度変換終了点とし、或は第2の無音区間が、
速度変換開始点から第2の無音区間の開始点までの時間
長t1よりも長い場合は第2の無音区間をt1とし、圧
縮、伸長率の変化を表す関数g(t)の速度変換開始時
刻から速度変換終了時刻までの時間積分がゼロとなるよ
うに関数g(t)を設定する構成とする。
第2の発明においては、第1の無音区間の直後に存在す
る音声の立ち上がり部分を速度変換開始時刻とし、第1
の無音区間より時刻的に後に現れる第2の無音区間の終
了点点を速度変換終了点とし、或は第2の無音区間が、
速度変換開始点から第2の無音区間の開始点までの時間
長t1よりも長い場合は第2の無音区間をt1とし、圧
縮、伸長率の変化を表す関数g(t)の速度変換開始時
刻から速度変換終了時刻までの時間積分がゼロとなるよ
うに関数g(t)を設定する構成とする。
【0010】また、本発明の速度変換制御装置における
第2の発明においては、入力信号から音声の立ち上がり
部分を検出する立ち上がり検出手段と、入力音声の短区
間平均パワーを算出する短区間平均パワー演算手段と、
短区間平均パワー演算手段から出力される短区間平均パ
ワーに基づいて閾値を決定するしきい値決定手段と、短
区間平均パワー演算手段から出力される短区間平均パワ
ーとしきい値決定手段から出力される閾値を比較する比
較手段と、立ち上がり検出手段と比較手段の出力信号に
基づき圧縮、伸長率の時間変化を決定する制御手段と、
制御手段で圧縮、伸長率が決定される間の時間を補償す
る遅延手段と、制御手段から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段とを備えた
速度変換制御装置である。
第2の発明においては、入力信号から音声の立ち上がり
部分を検出する立ち上がり検出手段と、入力音声の短区
間平均パワーを算出する短区間平均パワー演算手段と、
短区間平均パワー演算手段から出力される短区間平均パ
ワーに基づいて閾値を決定するしきい値決定手段と、短
区間平均パワー演算手段から出力される短区間平均パワ
ーとしきい値決定手段から出力される閾値を比較する比
較手段と、立ち上がり検出手段と比較手段の出力信号に
基づき圧縮、伸長率の時間変化を決定する制御手段と、
制御手段で圧縮、伸長率が決定される間の時間を補償す
る遅延手段と、制御手段から出力される圧縮、伸長率で
入力信号を圧縮、伸長する音声速度変換手段とを備えた
速度変換制御装置である。
【0011】
【作用】本発明は上述した構成により、入力音声の無音
区間と音声の立ち上がり部分を検出し、無音区間の直後
の音声の立ち上がり部分で音声速度変換を開始し音声の
伸長を行い、第2の無音区間内で音声の圧縮を終了す
る。そして、圧縮、伸長率の変化を表す関数f(t)の
速度変換開始時刻から終了時刻までの時間積分をゼロと
することにより各速度変換終了時刻での原音声との時間
的なタイミングのずれを生じないようにすることができ
る。
区間と音声の立ち上がり部分を検出し、無音区間の直後
の音声の立ち上がり部分で音声速度変換を開始し音声の
伸長を行い、第2の無音区間内で音声の圧縮を終了す
る。そして、圧縮、伸長率の変化を表す関数f(t)の
速度変換開始時刻から終了時刻までの時間積分をゼロと
することにより各速度変換終了時刻での原音声との時間
的なタイミングのずれを生じないようにすることができ
る。
【0012】
【実施例】以下、本発明の速度変換制御装置の一実施例
について、図面を参照しながら説明する。
について、図面を参照しながら説明する。
【0013】図1は本発明の第1の実施例における速度
変換制御装置の構成図を示すものであって、100は入
力音声の包絡線を抽出する包絡線抽出部、110は入力
音声中の予め定められた一定区間以上の無音区間を抽出
する無音区間抽出部、120は速度変換制御パラメータ
ーが決定される間の時間だけ入力音声を遅延する遅延
部、130は、包絡線抽出部100の結果に基づき、入
力信号の立ち上がりを検出する立ち上がり検出部、14
0は無音区間抽出部110より伝達される無音区間と立
ち上がり検出部130より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する制御部であ
る。150は音声速度変換部であり、制御部140から
伝達される圧縮、伸長率に基づき、遅延部120から入
力される信号の圧縮、伸長を行う。
変換制御装置の構成図を示すものであって、100は入
力音声の包絡線を抽出する包絡線抽出部、110は入力
音声中の予め定められた一定区間以上の無音区間を抽出
する無音区間抽出部、120は速度変換制御パラメータ
ーが決定される間の時間だけ入力音声を遅延する遅延
部、130は、包絡線抽出部100の結果に基づき、入
力信号の立ち上がりを検出する立ち上がり検出部、14
0は無音区間抽出部110より伝達される無音区間と立
ち上がり検出部130より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する制御部であ
る。150は音声速度変換部であり、制御部140から
伝達される圧縮、伸長率に基づき、遅延部120から入
力される信号の圧縮、伸長を行う。
【0014】以上のように構成された本実施例の速度変
換制御装置について、以下その動作を説明する。
換制御装置について、以下その動作を説明する。
【0015】入力音声は包絡線抽出部100、無音区間
抽出部110、遅延部120へ伝達される。包絡線抽出
部100は入力音声の包絡線を抽出し、立ち上がり検出
部130へ出力する。無音区間抽出部110は予め定め
られた一定区間以上の無音区間を抽出し制御部140へ
伝達する。遅延部120は速度変換制御パラメーターで
ある信号の圧縮、伸長率が決定するまでの処理時間分の
遅延を行う。包絡線抽出部100から伝達された信号は
立ち上がり検出部130へ入力され信号の立ち上がりを
検出し音声の立ち上がり部分として制御部140へ出力
する。図3(a)に入力音声波形を、図3(b)に検出
された立ち上がり部分の波形を示す。次に、制御部14
0は無音区間抽出部110より伝達される無音区間と立
ち上がり検出部130より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する。150は
音声速度変換部であり、制御部140から伝達される圧
縮、伸長率に基づき、遅延部120から入力される信号
の圧縮、伸長を行う。
抽出部110、遅延部120へ伝達される。包絡線抽出
部100は入力音声の包絡線を抽出し、立ち上がり検出
部130へ出力する。無音区間抽出部110は予め定め
られた一定区間以上の無音区間を抽出し制御部140へ
伝達する。遅延部120は速度変換制御パラメーターで
ある信号の圧縮、伸長率が決定するまでの処理時間分の
遅延を行う。包絡線抽出部100から伝達された信号は
立ち上がり検出部130へ入力され信号の立ち上がりを
検出し音声の立ち上がり部分として制御部140へ出力
する。図3(a)に入力音声波形を、図3(b)に検出
された立ち上がり部分の波形を示す。次に、制御部14
0は無音区間抽出部110より伝達される無音区間と立
ち上がり検出部130より伝達される信号の立ち上がり
部分に基づき音声の圧縮、伸長率を決定する。150は
音声速度変換部であり、制御部140から伝達される圧
縮、伸長率に基づき、遅延部120から入力される信号
の圧縮、伸長を行う。
【0016】以上のように本実施例によれば、入力音声
を包絡線抽出部100、無音区間抽出部110、遅延部
120へ伝達し、包絡線と無音区間と抽出し、立ち上が
り検出部130で包絡線の立ち上がり部分を検出する。
そして、制御部140で無音区間と立ち上がり部分に基
づき音声の圧縮、伸長率を決定することにより、ピッチ
周波数の検出を行う必要がないので音楽や背景雑音等の
音声以外の音が重畳してS/Nが劣化している場合も圧
縮、伸長率を決定する速度変換制御装置を構成すること
ができる。
を包絡線抽出部100、無音区間抽出部110、遅延部
120へ伝達し、包絡線と無音区間と抽出し、立ち上が
り検出部130で包絡線の立ち上がり部分を検出する。
そして、制御部140で無音区間と立ち上がり部分に基
づき音声の圧縮、伸長率を決定することにより、ピッチ
周波数の検出を行う必要がないので音楽や背景雑音等の
音声以外の音が重畳してS/Nが劣化している場合も圧
縮、伸長率を決定する速度変換制御装置を構成すること
ができる。
【0017】本発明の第1の実施例における速度変換制
御方法について以下、説明する。図3(c)に検出され
た無音区間の直後に存在する音声の立ち上がり部分を示
す。図3(d)、図3(d’)は決定された速度変換パ
ラメーターである信号の圧縮、伸長率を示すものであ
る。図3(d)、(d’)に示すように、まず、無音区
間の直後に存在する音声の立ち上がり部分を速度変換開
始点Dとし、次に現れる第2の無音区間の開始点を速度
変換終了点Eとする。そして、予め決められた伸長率
(ポイントA,A’)で変換を開始し、予め決められた
圧縮率(ポイントB,B’)で終了する。速度変換開始
点A,A’から速度変換終了点B,B’の間は直線また
は、滑らかに変化するものであり、ADC(A’D
C’)で囲まれる面積とBEC(B’EC’)で囲まれ
る面積が等しくなるもの、つまり圧縮、伸長率の変化を
表す関数f(t)の速度変換開始時刻から速度変換終了
時刻までの時間積分をゼロとするものであればよい。こ
の関数f(t)は例えば、速度変換開始点から速度変換
終了点まで時間の半分の時間で圧縮、伸長率がゼロにな
るような時定数を算出することにより容易に得ることが
できる。そして、無音区間の直後に存在する音声の立ち
上がり部分が現れたら速度変換開始点として上記の方法
を繰り返す。
御方法について以下、説明する。図3(c)に検出され
た無音区間の直後に存在する音声の立ち上がり部分を示
す。図3(d)、図3(d’)は決定された速度変換パ
ラメーターである信号の圧縮、伸長率を示すものであ
る。図3(d)、(d’)に示すように、まず、無音区
間の直後に存在する音声の立ち上がり部分を速度変換開
始点Dとし、次に現れる第2の無音区間の開始点を速度
変換終了点Eとする。そして、予め決められた伸長率
(ポイントA,A’)で変換を開始し、予め決められた
圧縮率(ポイントB,B’)で終了する。速度変換開始
点A,A’から速度変換終了点B,B’の間は直線また
は、滑らかに変化するものであり、ADC(A’D
C’)で囲まれる面積とBEC(B’EC’)で囲まれ
る面積が等しくなるもの、つまり圧縮、伸長率の変化を
表す関数f(t)の速度変換開始時刻から速度変換終了
時刻までの時間積分をゼロとするものであればよい。こ
の関数f(t)は例えば、速度変換開始点から速度変換
終了点まで時間の半分の時間で圧縮、伸長率がゼロにな
るような時定数を算出することにより容易に得ることが
できる。そして、無音区間の直後に存在する音声の立ち
上がり部分が現れたら速度変換開始点として上記の方法
を繰り返す。
【0018】以上のように本実施例によれば、無音区間
の直後に存在する音声の立ち上がり部分を速度変換開始
点とすることで連続音声の語頭を伸長することができ
る。そして、次に現れる第2の無音区間の開始点を速度
変換終了点とし、圧縮、伸長率の変化を表す関数f
(t)の速度変換開始時刻から速度変換終了時刻までの
時間積分をゼロとすることで速度変換開始点から速度変
換終了点までに要する音声の再生時間は原音と変わらな
い速度変換制御方法を構成することができる。
の直後に存在する音声の立ち上がり部分を速度変換開始
点とすることで連続音声の語頭を伸長することができ
る。そして、次に現れる第2の無音区間の開始点を速度
変換終了点とし、圧縮、伸長率の変化を表す関数f
(t)の速度変換開始時刻から速度変換終了時刻までの
時間積分をゼロとすることで速度変換開始点から速度変
換終了点までに要する音声の再生時間は原音と変わらな
い速度変換制御方法を構成することができる。
【0019】次に、本発明の第2の実施例における速度
変換制御方法について以下、説明する。図3(e)は決
定された速度変換パラメーターである信号の圧縮、伸長
率を示すものである。図3(e)に示すように、まず、
無音区間の直後に存在する音声の立ち上がり部分を速度
変換開始点とし、次に現れる第2の無音区間の終了点を
速度変換終了点とする。但し、第2の無音区間が速度変
換開始点から第2の無音区間の開始点までの時間長t1
よりも長い場合は第2の無音区間をt1とする。そし
て、予め決められた伸長率(ポイントF)で変換を開始
し、予め決められた圧縮率(ポイントG)で終了する。
速度変換開始点Fから速度変換終了点Gの間は直線また
は、滑らかに変化するものであり、AJHで囲まれる面
積とGKHで囲まれる面積が等しくなるものであればよ
い。この関数f(t)は例えば、速度変換開始点から速
度変換終了点まで時間の半分の時間で圧縮、伸長率がゼ
ロになるような時定数を算出することにより容易に得る
ことができる。そして、無音区間の直後に存在する音声
の立ち上がり部分が現れたら速度変換開始点として上記
の方法を繰り返す。
変換制御方法について以下、説明する。図3(e)は決
定された速度変換パラメーターである信号の圧縮、伸長
率を示すものである。図3(e)に示すように、まず、
無音区間の直後に存在する音声の立ち上がり部分を速度
変換開始点とし、次に現れる第2の無音区間の終了点を
速度変換終了点とする。但し、第2の無音区間が速度変
換開始点から第2の無音区間の開始点までの時間長t1
よりも長い場合は第2の無音区間をt1とする。そし
て、予め決められた伸長率(ポイントF)で変換を開始
し、予め決められた圧縮率(ポイントG)で終了する。
速度変換開始点Fから速度変換終了点Gの間は直線また
は、滑らかに変化するものであり、AJHで囲まれる面
積とGKHで囲まれる面積が等しくなるものであればよ
い。この関数f(t)は例えば、速度変換開始点から速
度変換終了点まで時間の半分の時間で圧縮、伸長率がゼ
ロになるような時定数を算出することにより容易に得る
ことができる。そして、無音区間の直後に存在する音声
の立ち上がり部分が現れたら速度変換開始点として上記
の方法を繰り返す。
【0020】以上のように本発明の制御方法における第
2の実施例によれば、速度変換終了点を第2の無音区間
の終了点、又は第2の無音区間が、速度変換開始点から
第2の無音区間の開始点までの時間長t1よりも長い場
合は第2の無音区間をt1とし、速度変換開始点Fから
速度変換終了点Gの間は直線または、滑らかに変化する
ものであり、圧縮、伸長率の変化を表す関数g(t)の
速度変換開始時刻から速度変換終了時刻までの時間積分
をゼロとすることにより、速度変換開始点から音声が伸
長される区間をより長くすることができる。
2の実施例によれば、速度変換終了点を第2の無音区間
の終了点、又は第2の無音区間が、速度変換開始点から
第2の無音区間の開始点までの時間長t1よりも長い場
合は第2の無音区間をt1とし、速度変換開始点Fから
速度変換終了点Gの間は直線または、滑らかに変化する
ものであり、圧縮、伸長率の変化を表す関数g(t)の
速度変換開始時刻から速度変換終了時刻までの時間積分
をゼロとすることにより、速度変換開始点から音声が伸
長される区間をより長くすることができる。
【0021】なお、速度変換終了点を第2の無音区間の
開始点、又は第2の無音区間の終了点としたが第2の無
音区間内の他の場所でもよいし、速度変換開始点から速
度変換終了点の間を直線、又は滑らかに変化する連続曲
線で接続したが、短区間毎に徐々に圧縮、伸長率が変化
したり、音声中での短い無音区間で不連続になってもよ
い。
開始点、又は第2の無音区間の終了点としたが第2の無
音区間内の他の場所でもよいし、速度変換開始点から速
度変換終了点の間を直線、又は滑らかに変化する連続曲
線で接続したが、短区間毎に徐々に圧縮、伸長率が変化
したり、音声中での短い無音区間で不連続になってもよ
い。
【0022】図2は本発明の第2の実施例における速度
変換制御装置の構成図を示すものである。図2におい
て、100は入力音声の包絡線を抽出する包絡線抽出
部、200は、入力音声の平均パワーを求める短区間平
均パワー演算部、120は速度変換制御パラメーターが
決定される間の時間だけ遅延する遅延部、130は入力
信号の立ち上がりを検出する立ち上がり検出部、210
はスイッチ、220はスイッチ210が押されている時
に短区間平均パワー演算部200から伝達される平均パ
ワーに基づいて平均パワーの閾値を決定し記憶するしき
い値決定部、230は短区間平均パワーとしきい値を比
較する比較部、140は比較部230より伝達される平
均パワーがしきい値以下の区間と立ち上がり検出部13
0より伝達される信号の立ち上がり部分に基づき音声の
圧縮、伸長率を決定する。150は音声速度変換部であ
り、制御部140から伝達される圧縮、伸長率に基づ
き、遅延部120から入力される信号の圧縮、伸長を行
う。
変換制御装置の構成図を示すものである。図2におい
て、100は入力音声の包絡線を抽出する包絡線抽出
部、200は、入力音声の平均パワーを求める短区間平
均パワー演算部、120は速度変換制御パラメーターが
決定される間の時間だけ遅延する遅延部、130は入力
信号の立ち上がりを検出する立ち上がり検出部、210
はスイッチ、220はスイッチ210が押されている時
に短区間平均パワー演算部200から伝達される平均パ
ワーに基づいて平均パワーの閾値を決定し記憶するしき
い値決定部、230は短区間平均パワーとしきい値を比
較する比較部、140は比較部230より伝達される平
均パワーがしきい値以下の区間と立ち上がり検出部13
0より伝達される信号の立ち上がり部分に基づき音声の
圧縮、伸長率を決定する。150は音声速度変換部であ
り、制御部140から伝達される圧縮、伸長率に基づ
き、遅延部120から入力される信号の圧縮、伸長を行
う。
【0023】以上のように構成された第2の実施例の速
度変換制御装置について、以下その動作を説明する。
度変換制御装置について、以下その動作を説明する。
【0024】入力音声は包絡線抽出部100、短区間平
均パワー演算部200、遅延部120へ伝達される。包
絡線抽出部100は入力音声の包絡線を抽出し、立ち上
がり検出部130へ出力する。短区間平均パワー演算部
200は予め定められた区間毎、例えば25msec毎
に入力音声信号の平均パワーを求め比較部230へ伝達
する。また、スイッチ210が押されているときのみし
きい値決定部220へも伝達する。しきい値決定部22
0はスイッチ210が押されて短区間平均パワー演算部
200から短区間平均パワーのデータが伝達されている
間、伝達された短区間平均パワーのデータの平均を算出
し、この平均の3dB上を閾値として記憶する。スイッ
チ210が押されてない時、しきい値決定部220は前
の閾値を保持する。比較部230は短区間平均パワー演
算部200から出力される短区間平均パワーとしきい値
決定部220から出力される閾値を比較し、閾値より小
さな区間を無音区間として出力する。遅延部120は速
度変換制御パラメーターである信号の圧縮、伸長率が決
定するまでの処理時間分の遅延を行う。包絡線抽出部1
00から伝達された信号は立ち上がり検出部130へ入
力され信号の立ち上がりを検出し音声の立ち上がり部分
として制御部140へ出力する。図3(a)に入力音声
波形を、図3(b)に検出された立ち上がり部分の波形
を示す。次に、制御部140は比較部230より伝達さ
れる無音区間と立ち上がり検出部130より伝達される
信号の立ち上がり部分に基づき音声の圧縮、伸長率を決
定する。150は音声速度変換部であり、制御部140
から伝達される圧縮、伸長率に基づき、遅延部120か
ら入力される信号の圧縮、伸長を行う。
均パワー演算部200、遅延部120へ伝達される。包
絡線抽出部100は入力音声の包絡線を抽出し、立ち上
がり検出部130へ出力する。短区間平均パワー演算部
200は予め定められた区間毎、例えば25msec毎
に入力音声信号の平均パワーを求め比較部230へ伝達
する。また、スイッチ210が押されているときのみし
きい値決定部220へも伝達する。しきい値決定部22
0はスイッチ210が押されて短区間平均パワー演算部
200から短区間平均パワーのデータが伝達されている
間、伝達された短区間平均パワーのデータの平均を算出
し、この平均の3dB上を閾値として記憶する。スイッ
チ210が押されてない時、しきい値決定部220は前
の閾値を保持する。比較部230は短区間平均パワー演
算部200から出力される短区間平均パワーとしきい値
決定部220から出力される閾値を比較し、閾値より小
さな区間を無音区間として出力する。遅延部120は速
度変換制御パラメーターである信号の圧縮、伸長率が決
定するまでの処理時間分の遅延を行う。包絡線抽出部1
00から伝達された信号は立ち上がり検出部130へ入
力され信号の立ち上がりを検出し音声の立ち上がり部分
として制御部140へ出力する。図3(a)に入力音声
波形を、図3(b)に検出された立ち上がり部分の波形
を示す。次に、制御部140は比較部230より伝達さ
れる無音区間と立ち上がり検出部130より伝達される
信号の立ち上がり部分に基づき音声の圧縮、伸長率を決
定する。150は音声速度変換部であり、制御部140
から伝達される圧縮、伸長率に基づき、遅延部120か
ら入力される信号の圧縮、伸長を行う。
【0025】以上のように本発明の速度変換制御装置に
おける第2の本実施例によれば、入力音声を包絡線抽出
部100、短区間平均パワー演算部200、遅延部12
0へ伝達し、包絡線抽出部100で抽出された包絡線の
出力は立ち上がり抽出部130へ伝達され、包絡線の立
ち上がり部分を検出する。また、短区間平均パワー演算
部200で求められた短区間平均パワーはスイッチ21
0が押されるとしきい値決定部220へ伝達され閾値の
更新を行うことができる。そして、比較部230で短区
間平均パワーと閾値を比較し、短区間平均パワーが閾値
以下の区間を無音区間することにより、環境が変化して
もスイッチ210を押すことにより閾値の更新ができる
ため、無音区間が容易に得られる。このため、環境が変
化しても速度変換制御ができる。
おける第2の本実施例によれば、入力音声を包絡線抽出
部100、短区間平均パワー演算部200、遅延部12
0へ伝達し、包絡線抽出部100で抽出された包絡線の
出力は立ち上がり抽出部130へ伝達され、包絡線の立
ち上がり部分を検出する。また、短区間平均パワー演算
部200で求められた短区間平均パワーはスイッチ21
0が押されるとしきい値決定部220へ伝達され閾値の
更新を行うことができる。そして、比較部230で短区
間平均パワーと閾値を比較し、短区間平均パワーが閾値
以下の区間を無音区間することにより、環境が変化して
もスイッチ210を押すことにより閾値の更新ができる
ため、無音区間が容易に得られる。このため、環境が変
化しても速度変換制御ができる。
【0026】なお、速度変換制御装置の上記第1、2の
実施例において、音声の立ち上がりを検出する前処理と
して、包絡線抽出部100を用いたが、積分器、低域通
過フィルタ、パワー包絡のようなものでも良い。
実施例において、音声の立ち上がりを検出する前処理と
して、包絡線抽出部100を用いたが、積分器、低域通
過フィルタ、パワー包絡のようなものでも良い。
【0027】なお、本発明の各手段は、コンピュータを
用いてソフトウェア的に実現し、あるいはそれら各機能
を有する専用のハード回路を用いて実現する事が出来
る。
用いてソフトウェア的に実現し、あるいはそれら各機能
を有する専用のハード回路を用いて実現する事が出来
る。
【0028】
【発明の効果】以上述べたところから明らかなように、
本発明によれば、無音区間の直後に存在する音声の立ち
上がり部分を速度変換開始点とすることにより、ピッチ
抽出を行わないので、音楽や背景雑音が重畳しS/Nが
劣化した音声中でも語頭の推定が行える。
本発明によれば、無音区間の直後に存在する音声の立ち
上がり部分を速度変換開始点とすることにより、ピッチ
抽出を行わないので、音楽や背景雑音が重畳しS/Nが
劣化した音声中でも語頭の推定が行える。
【0029】また、第2の無音区間内に速度変換終了点
を設け圧縮、伸長率の変化を表す関数f(t)の速度変
換開始時刻から速度変換終了時刻までの時間積分をゼロ
とすることにより、速度変換終了時刻での原音声とのタ
イミングのずれは生じない速度変換制御装置を構成する
ことができ、その実用的効果は大きい。
を設け圧縮、伸長率の変化を表す関数f(t)の速度変
換開始時刻から速度変換終了時刻までの時間積分をゼロ
とすることにより、速度変換終了時刻での原音声とのタ
イミングのずれは生じない速度変換制御装置を構成する
ことができ、その実用的効果は大きい。
【図1】本発明の第1の実施例における速度変換制御装
置の構成図である。
置の構成図である。
【図2】本発明の第2の実施例における速度変換制御装
置の構成図である。
置の構成図である。
【図3】本発明における速度変換制御装置と速度変換制
御方法の説明図である。
御方法の説明図である。
【図4】従来の音声の発声速度変換方法の説明図であ
る。
る。
【図5】従来の音声速度変換の音声波形図である。
【図6】従来の音声速度変換の制御方法の説明図であ
る。
る。
100 包絡線抽出部 110 無音区間抽出部 120 遅延部 130 立ち上がり検出部 140 制御部 150 音声速度変換部 200 短区間平均パワー演算部 210 スイッチ 220 しきい値設定部 230 比較部 900 区間分割部 910 ピッチ周期抽出部 920 ピッチ区間分割部 930 ピッチ区間延長部 940 延長部 950 合成部
Claims (6)
- 【請求項1】入力信号における音声の立ち上がり部分を
検出する立ち上がり検出手段と、前記入力音声から一定
区間以上の無音区間を抽出する無音区間抽出部と、前記
立ち上がり検出手段と前記無音区間抽出手段の出力信号
に基づき圧縮、伸長率の時間変化を決定する制御手段
と、前記制御手段で圧縮、伸長率が決定されるまでの時
間を補償する遅延手段と、前記制御手段から出力される
圧縮、伸長率で、前記遅延手段から出力された入力信号
を圧縮、伸長する音声速度変換手段とを備えたことを特
徴とする速度変換制御装置。 - 【請求項2】第1の無音区間の直後に存在する音声の立
ち上がり部分を速度変換開始時刻とし、前記第1の無音
区間より時刻的に後に現れる第2の無音区間の開始点を
速度変換終了点とし、圧縮、伸長率の変化を表す関数f
(t)の速度変換開始時刻から速度変換終了時刻までの
時間積分がゼロとなるように関数f(t)を設定するこ
とを特徴とする速度変換制御方法。 - 【請求項3】第1の無音区間の直後に存在する音声の立
ち上がり部分を速度変換開始時刻とし、前記第1の無音
区間より時刻的に後に現れる第2の無音区間の終了点を
速度変換終了点とし、圧縮、伸長率の変化を表す関数g
(t)の速度変換開始時刻から速度変換終了時刻までの
時間積分がゼロとなるように関数g(t)を設定するこ
とを特徴とする速度変換制御方法。 - 【請求項4】第1の無音区間の直後に存在する音声の立
ち上がり部分を速度変換開始時刻とし、前記第2の無音
区間が、速度変換開始点から第2の無音区間の開始点ま
での時間長t1よりも長い場合は前記第2の無音区間長
をt1とすることを特徴とする請求項3記載の速度変換
制御方法。 - 【請求項5】入力信号における音声の立ち上がり部分を
検出する立ち上がり検出手段と、前記入力音声の短区間
平均パワーを算出する短区間平均パワー演算手段と、前
記短区間平均パワー演算手段から出力される短区間平均
パワーに基づいて閾値を決定するしきい値決定手段と、
前記短区間平均パワー演算手段から出力される短区間平
均パワーと前記しきい値決定手段から出力される閾値を
比較する比較手段と、前記立ち上がり検出手段と前記比
較手段の出力信号に基づき圧縮、伸長率の時間変化を決
定する制御手段と、前記制御手段で圧縮、伸長率が決定
される間の時間を補償する遅延手段と、前記制御手段か
ら出力される圧縮、伸長率で、前記遅延手段からの出力
信号を圧縮、伸長する音声速度変換手段とを備えたこと
を特徴とする速度変換制御装置。 - 【請求項6】立ち上がり検出手段は、前記入力信号につ
いて包絡抽出手段によって抽出された包絡線信号を利用
して立ち上がりを検出するものであることを特徴とする
請求項1又は5記載の速度変換制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5151207A JPH06337696A (ja) | 1993-05-28 | 1993-05-28 | 速度変換制御装置と速度変換制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5151207A JPH06337696A (ja) | 1993-05-28 | 1993-05-28 | 速度変換制御装置と速度変換制御方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH06337696A true JPH06337696A (ja) | 1994-12-06 |
Family
ID=15513583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP5151207A Pending JPH06337696A (ja) | 1993-05-28 | 1993-05-28 | 速度変換制御装置と速度変換制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH06337696A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006077626A1 (ja) * | 2005-01-18 | 2006-07-27 | Fujitsu Limited | 話速変換方法及び話速変換装置 |
JP2008058956A (ja) * | 2006-07-31 | 2008-03-13 | Matsushita Electric Ind Co Ltd | 音声再生装置 |
WO2009040950A1 (ja) | 2007-09-28 | 2009-04-02 | Fujitsu Limited | 音信号制御装置 |
US20160205481A1 (en) * | 2012-01-27 | 2016-07-14 | Brett Anthony Swanson | Feature-based level control |
-
1993
- 1993-05-28 JP JP5151207A patent/JPH06337696A/ja active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006077626A1 (ja) * | 2005-01-18 | 2006-07-27 | Fujitsu Limited | 話速変換方法及び話速変換装置 |
JPWO2006077626A1 (ja) * | 2005-01-18 | 2008-06-12 | 富士通株式会社 | 話速変換方法及び話速変換装置 |
JP4630876B2 (ja) * | 2005-01-18 | 2011-02-09 | 富士通株式会社 | 話速変換方法及び話速変換装置 |
US7912710B2 (en) | 2005-01-18 | 2011-03-22 | Fujitsu Limited | Apparatus and method for changing reproduction speed of speech sound |
JP2008058956A (ja) * | 2006-07-31 | 2008-03-13 | Matsushita Electric Ind Co Ltd | 音声再生装置 |
WO2009040950A1 (ja) | 2007-09-28 | 2009-04-02 | Fujitsu Limited | 音信号制御装置 |
JP5141689B2 (ja) * | 2007-09-28 | 2013-02-13 | 富士通株式会社 | 音信号制御装置 |
US8634697B2 (en) | 2007-09-28 | 2014-01-21 | Futjitsu Limited | Sound signal control device and method |
US20160205481A1 (en) * | 2012-01-27 | 2016-07-14 | Brett Anthony Swanson | Feature-based level control |
US9780747B2 (en) * | 2012-01-27 | 2017-10-03 | Cochlear Limited | Feature-based level control using loudness growth functions |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6205420B1 (en) | Method and device for instantly changing the speed of a speech | |
EP1380029B1 (en) | Time-scale modification of signals applying techniques specific to determined signal types | |
JP2000511651A (ja) | 記録されたオーディオ信号の非均一的時間スケール変更 | |
WO1998049673A1 (fr) | Procede et dispositif destines a detecter des parties vocales, procede de conversion du debit de parole et dispositif utilisant ce procede et ce dispositif | |
JP2000322099A (ja) | オーディオ信号の時間軸圧伸方法及び装置 | |
JP2612868B2 (ja) | 音声の発声速度変換方法 | |
JP2001051700A (ja) | マルチトラック音源信号の時間軸圧伸方法及び装置 | |
JPH1091189A (ja) | 発声速度変換装置 | |
JPH06337696A (ja) | 速度変換制御装置と速度変換制御方法 | |
JP3379348B2 (ja) | ピッチ変換器 | |
JP3378672B2 (ja) | 話速変換装置 | |
JP3373933B2 (ja) | 話速変換装置 | |
JP3081469B2 (ja) | 話速変換装置 | |
KR100359988B1 (ko) | 실시간 화속 변환 장치 | |
JP3357742B2 (ja) | 話速変換装置 | |
JPH0713596A (ja) | 音声速度変換方法 | |
JP6313619B2 (ja) | 音声信号処理装置及びプログラム | |
JPH08254992A (ja) | 話速変換装置 | |
JPH0777999A (ja) | 音声時間軸圧縮伸長方法 | |
JPS60262200A (ja) | スペクトルパラメ−タ補間方法 | |
JPH09146587A (ja) | 話速変換装置 | |
JPS61269198A (ja) | 音声合成方式 | |
KR100384898B1 (ko) | 발화속도 조절기능을 이용한 음성/영상의 동기화 방법 | |
JP2001134299A (ja) | 話速変換装置 | |
JP2006038956A (ja) | 音声速度遅延装置及び方法 |