JPH09152889A - 話速変換装置 - Google Patents
話速変換装置Info
- Publication number
- JPH09152889A JPH09152889A JP7310242A JP31024295A JPH09152889A JP H09152889 A JPH09152889 A JP H09152889A JP 7310242 A JP7310242 A JP 7310242A JP 31024295 A JP31024295 A JP 31024295A JP H09152889 A JPH09152889 A JP H09152889A
- Authority
- JP
- Japan
- Prior art keywords
- section
- degree
- similarity
- compression
- input
- 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
Landscapes
- Signal Processing Not Specific To The Method Of Recording And Reproducing (AREA)
Abstract
(57)【要約】
【課題】 この発明は、劣化の少ない出力音声が得られ
る話速変換装置を提供することを目的とする。 【解決手段】 入力音声信号を時間軸圧縮伸長処理する
ための時間軸圧縮伸長手段５１を含む話速変換手段４
３、入力音声信号の近傍の波形の類似度を算出する類似
度算出手段６１、および算出された類似度に基づいて話
速変換手段４３を制御する制御手段４２を備えている。
る話速変換装置を提供することを目的とする。 【解決手段】 入力音声信号を時間軸圧縮伸長処理する
ための時間軸圧縮伸長手段５１を含む話速変換手段４
３、入力音声信号の近傍の波形の類似度を算出する類似
度算出手段６１、および算出された類似度に基づいて話
速変換手段４３を制御する制御手段４２を備えている。
Description
【０００１】
【発明の属する技術分野】この発明は、音声信号の話速
を変換する話速変換装置に関し、例えば、映像を伴うレ
ーザディスク、ＶＴＲ、ＴＶ、ＴＶ電話、ディジタルビ
デオディスク等の音声の早聞きまたは遅聞きを行なう音
声再生装置、聴覚障害者のために音声信号をゆっくりし
た聞き取りやすい音声に変換する聴覚補助機能付きラジ
オ、電話機、補聴器、ネイティブスピードで話された英
語音声をゆっくりした聞きやすい音声に変換する英語学
習器、音声の早聞きあるいは遅聞きを行なうテープレコ
ーダー、ステレオシステム、ＣＤプレイヤー、ＭＤプレ
イヤー、音声ガイダンスシステム等に利用される話速変
換装置に関する。
を変換する話速変換装置に関し、例えば、映像を伴うレ
ーザディスク、ＶＴＲ、ＴＶ、ＴＶ電話、ディジタルビ
デオディスク等の音声の早聞きまたは遅聞きを行なう音
声再生装置、聴覚障害者のために音声信号をゆっくりし
た聞き取りやすい音声に変換する聴覚補助機能付きラジ
オ、電話機、補聴器、ネイティブスピードで話された英
語音声をゆっくりした聞きやすい音声に変換する英語学
習器、音声の早聞きあるいは遅聞きを行なうテープレコ
ーダー、ステレオシステム、ＣＤプレイヤー、ＭＤプレ
イヤー、音声ガイダンスシステム等に利用される話速変
換装置に関する。
【０００２】
【従来の技術】入力音声信号を時間軸圧縮伸長処理する
ことにより、音声信号の話速を変換する技術が既に開発
されている。入力音声は、音声区間と非音声区間とに分
けられる。また、音声区間は、母音区間、子音区間およ
び母音区間と子音区間との間の遷移区間に分けられる。
母音区間の音声信号は、周期性があり、時間軸圧縮伸長
処理しても加工時の歪みが少なく再生音声が劣化するこ
とは少ない。しかしがら、子音区間の音声信号は白色雑
音に近い波形であり、時間軸圧縮伸長処理すると加工時
の歪みが多く再生音声が劣化する。
ことにより、音声信号の話速を変換する技術が既に開発
されている。入力音声は、音声区間と非音声区間とに分
けられる。また、音声区間は、母音区間、子音区間およ
び母音区間と子音区間との間の遷移区間に分けられる。
母音区間の音声信号は、周期性があり、時間軸圧縮伸長
処理しても加工時の歪みが少なく再生音声が劣化するこ
とは少ない。しかしがら、子音区間の音声信号は白色雑
音に近い波形であり、時間軸圧縮伸長処理すると加工時
の歪みが多く再生音声が劣化する。
【０００３】
【発明が解決しようとする課題】この発明は、劣化の少
ない出力音声が得られる話速変換装置を提供することを
目的とする。
ない出力音声が得られる話速変換装置を提供することを
目的とする。
【０００４】
【課題を解決するための手段】この発明による話速変換
装置は、入力音声信号を時間軸圧縮伸長処理するための
時間軸圧縮伸長手段を含む話速変換手段、入力音声信号
の近傍の波形の類似度を算出する類似度算出手段、およ
び算出された類似度に基づいて話速変換手段を制御する
制御手段を備えていることを特徴とする。入力音声信号
が無音区間の音声であるか否かを判別する判別手段、お
よび継続長が所定以上の無音区間の音声信号を削除する
手段を設けてもよい。
装置は、入力音声信号を時間軸圧縮伸長処理するための
時間軸圧縮伸長手段を含む話速変換手段、入力音声信号
の近傍の波形の類似度を算出する類似度算出手段、およ
び算出された類似度に基づいて話速変換手段を制御する
制御手段を備えていることを特徴とする。入力音声信号
が無音区間の音声であるか否かを判別する判別手段、お
よび継続長が所定以上の無音区間の音声信号を削除する
手段を設けてもよい。
【０００５】制御手段としては、たとえば、波形の類似
度が小さい入力音声信号ほど、時間軸圧縮伸長手段によ
る圧縮の度合いまたは伸長の度合いが小さくなるよう
に、話速変換手段を制御するものが用いられる。
度が小さい入力音声信号ほど、時間軸圧縮伸長手段によ
る圧縮の度合いまたは伸長の度合いが小さくなるよう
に、話速変換手段を制御するものが用いられる。
【０００６】また、制御手段としては、たとえば、波形
の類似度が大きい入力音声信号ほど、時間軸圧縮伸長手
段による圧縮の度合いまたは伸長の度合いが大きくなる
ように、話速変換手段を制御するものが用いられる。
の類似度が大きい入力音声信号ほど、時間軸圧縮伸長手
段による圧縮の度合いまたは伸長の度合いが大きくなる
ように、話速変換手段を制御するものが用いられる。
【０００７】また、制御手段としては、たとえば、算出
された類似度に基づいて、入力音声信号を、母音区間、
子音区間、母音区間と子音区間との間の遷移区間および
雑音区間に分類し、母音区間の入力音声に対しては圧縮
または伸長の度合いを大きくして圧縮伸長処理を行なう
ように、子音区間の入力音声に対しては圧縮または伸長
の度合いを小さくして圧縮伸長処理を行なうように、遷
移区間の入力音声に対しては時間軸圧縮伸長手段による
圧縮または伸長の度合いを中程度にして圧縮伸長処理を
行なうように、雑音区間の入力音声に対しては削除する
ように、話速変換手段を制御するものが用いられる。
された類似度に基づいて、入力音声信号を、母音区間、
子音区間、母音区間と子音区間との間の遷移区間および
雑音区間に分類し、母音区間の入力音声に対しては圧縮
または伸長の度合いを大きくして圧縮伸長処理を行なう
ように、子音区間の入力音声に対しては圧縮または伸長
の度合いを小さくして圧縮伸長処理を行なうように、遷
移区間の入力音声に対しては時間軸圧縮伸長手段による
圧縮または伸長の度合いを中程度にして圧縮伸長処理を
行なうように、雑音区間の入力音声に対しては削除する
ように、話速変換手段を制御するものが用いられる。
【０００８】また、制御手段としては、たとえば、算出
された類似度に基づいて、入力音声信号を、母音区間、
子音区間、母音区間と子音区間との間の遷移区間に分類
し、分類した母音区間内、子音区間内、または母音区間
と子音区間との間の遷移区間内において、類似度が大き
いときは該区間の圧縮または伸長の度合いが大きくなる
ように、類似度が小さいときは、該区間の圧縮または伸
長の度合いが小さくなるように、話速変換手段を制御す
るものが用いられる。
された類似度に基づいて、入力音声信号を、母音区間、
子音区間、母音区間と子音区間との間の遷移区間に分類
し、分類した母音区間内、子音区間内、または母音区間
と子音区間との間の遷移区間内において、類似度が大き
いときは該区間の圧縮または伸長の度合いが大きくなる
ように、類似度が小さいときは、該区間の圧縮または伸
長の度合いが小さくなるように、話速変換手段を制御す
るものが用いられる。
【０００９】入力音声の近傍の波形の類似度が小さいほ
ど、入力音声波形に周期性がなく白色雑音に近いと考え
られる。したがって、近傍の類似度が小さい入力音声ほ
ど、時間軸圧縮伸長処理手段の圧縮または伸長の度合い
を小さくすることによって、再生音声の劣化を防止する
ことができる。
ど、入力音声波形に周期性がなく白色雑音に近いと考え
られる。したがって、近傍の類似度が小さい入力音声ほ
ど、時間軸圧縮伸長処理手段の圧縮または伸長の度合い
を小さくすることによって、再生音声の劣化を防止する
ことができる。
【００１０】
【発明の実施の形態】以下、図面を参照して、この発明
の実施の形態について説明する。
の実施の形態について説明する。
【００１１】図１は、話速変換装置の構成を示してい
る。
る。
【００１２】話速変換装置は、音声信号入力部４１、区
間判別部４２、信号処理部４３、音声メモリ４４および
音声信号出力部４６を備えている。信号処理部４３は、
時間軸圧縮伸長部５１、削除部５２等を備えている。区
間判別部４２は、波形類似度算出部６１、継続長算出部
６２および区間分類部６３を備えている。
間判別部４２、信号処理部４３、音声メモリ４４および
音声信号出力部４６を備えている。信号処理部４３は、
時間軸圧縮伸長部５１、削除部５２等を備えている。区
間判別部４２は、波形類似度算出部６１、継続長算出部
６２および区間分類部６３を備えている。
【００１３】音声信号入力部４１は、たとえば、増幅
部、Ａ／Ｄ変換部、フレームメモリ等を備えている。音
声信号入力部４１に入力された信号は、増幅された後、
ディジタル信号に変換されて、フレームメモリに格納さ
れる。音声信号入力部４１の出力は、区間判別部４２お
よび信号処理部４３に送られる。この実施例では、話速
変換装置にアナログ信号が入力される場合を示したが、
ＩＣメモリ等から読み出されたディジタル信号を話速変
換装置に入力するようにしてもよい。この場合には、音
声信号入力部４１にＡ／Ｄ変換部を設ける必要はない。
部、Ａ／Ｄ変換部、フレームメモリ等を備えている。音
声信号入力部４１に入力された信号は、増幅された後、
ディジタル信号に変換されて、フレームメモリに格納さ
れる。音声信号入力部４１の出力は、区間判別部４２お
よび信号処理部４３に送られる。この実施例では、話速
変換装置にアナログ信号が入力される場合を示したが、
ＩＣメモリ等から読み出されたディジタル信号を話速変
換装置に入力するようにしてもよい。この場合には、音
声信号入力部４１にＡ／Ｄ変換部を設ける必要はない。
【００１４】区間判別部４２では、入力音声信号の近傍
の波形の類似度に基づいて、入力音声を分類し、分類結
果を信号処理部４３に送る。入力音声信号は、音声区間
と非音声区間とからなる。音声区間には、母音区間、子
音区間および母音から子音または子音から母音の遷移区
間がある。非音声区間には、定常雑音区間および非定常
雑音区間からなる雑音区間と、無音区間とがある。
の波形の類似度に基づいて、入力音声を分類し、分類結
果を信号処理部４３に送る。入力音声信号は、音声区間
と非音声区間とからなる。音声区間には、母音区間、子
音区間および母音から子音または子音から母音の遷移区
間がある。非音声区間には、定常雑音区間および非定常
雑音区間からなる雑音区間と、無音区間とがある。
【００１５】母音区間においては、音声信号波形は周期
性のある波形となるため、近傍の波形の類似度は大きく
なる。子音区間においては、音声信号波形は白色雑音に
近い波形となるため、近傍の波形の類似度は小さくな
る。また、子音から母音への遷移期間および母音から子
音への遷移期間においては、近傍の波形の類似度は母音
区間の場合の類似度と子音区間の場合の類似度との中間
となる。
性のある波形となるため、近傍の波形の類似度は大きく
なる。子音区間においては、音声信号波形は白色雑音に
近い波形となるため、近傍の波形の類似度は小さくな
る。また、子音から母音への遷移期間および母音から子
音への遷移期間においては、近傍の波形の類似度は母音
区間の場合の類似度と子音区間の場合の類似度との中間
となる。
【００１６】定常雑音区間においては、音声信号波形は
周期性のある波形となるため、近傍の波形の類似度は大
きくなるが、その継続時間が母音区間に比べて長くな
る。非定常雑音区間においては、近傍の波形の類似度は
小さくなるが、その継続時間が子音区間に比べて長くな
る。
周期性のある波形となるため、近傍の波形の類似度は大
きくなるが、その継続時間が母音区間に比べて長くな
る。非定常雑音区間においては、近傍の波形の類似度は
小さくなるが、その継続時間が子音区間に比べて長くな
る。
【００１７】波形類似度算出部６１は、まず、近傍の波
形の類似度を算出し、類似度を大、中、小の３段階に分
類する。継続長算出部６２では、判定された類似度の状
態の継続時間が算出される。区間分類部６３は、波形類
似度算出部６１による分類結果および継続長算出部６２
によって算出された継続時間に基づいて、入力音声信号
を、定常雑音区間、非定常雑音区間、母音区間、遷移区
間、子音区間に分類し、その分類結果を信号処理部４３
に送る。
形の類似度を算出し、類似度を大、中、小の３段階に分
類する。継続長算出部６２では、判定された類似度の状
態の継続時間が算出される。区間分類部６３は、波形類
似度算出部６１による分類結果および継続長算出部６２
によって算出された継続時間に基づいて、入力音声信号
を、定常雑音区間、非定常雑音区間、母音区間、遷移区
間、子音区間に分類し、その分類結果を信号処理部４３
に送る。
【００１８】つまり、類似度が中の場合には、当該入力
音声信号は、遷移区間であると判定する。類似度が大で
ありかつその状態の継続時間が所定時間以内であれば、
当該入力音声信号は、母音区間であると判定する。類似
度が大でありかつその状態の継続時間が所定時間より長
いときには、当該入力音声信号は、定常雑音区間である
と判定する。類似度が小でありかつその状態の継続時間
が所定時間以内であれば、当該入力音声信号は、子音区
間であると判定する。類似度が小でありかつその状態の
継続時間が所定時間より長いときには、当該入力音声信
号は、非定常雑音区間であると判定する。
音声信号は、遷移区間であると判定する。類似度が大で
ありかつその状態の継続時間が所定時間以内であれば、
当該入力音声信号は、母音区間であると判定する。類似
度が大でありかつその状態の継続時間が所定時間より長
いときには、当該入力音声信号は、定常雑音区間である
と判定する。類似度が小でありかつその状態の継続時間
が所定時間以内であれば、当該入力音声信号は、子音区
間であると判定する。類似度が小でありかつその状態の
継続時間が所定時間より長いときには、当該入力音声信
号は、非定常雑音区間であると判定する。
【００１９】近傍の波形の類似度の算出方法としては、
次のような方法が用いられる。
次のような方法が用いられる。
【００２０】（１）波形間の振幅の差分または差分の２
乗を算出する方法 この場合には、差分量が大きいほど類似度は小さくな
る。
乗を算出する方法 この場合には、差分量が大きいほど類似度は小さくな
る。
【００２１】（２）波形間の振幅の差分の平均値または
平均値の２乗を算出する方法 この場合には、差分の平均値が大きいほど類似度は小さ
くなる。
平均値の２乗を算出する方法 この場合には、差分の平均値が大きいほど類似度は小さ
くなる。
【００２２】（３）波形間の相互相関値を算出する方法 この場合には、相互相関値が大きいほど類似度は大きく
なる。信号波形ｘ（ｔ）と、信号波形ｙ（ｔ）との間の
相互相関関数Ｒ（τ）は、たとえば、次の数式１に基づ
いて算出される。
なる。信号波形ｘ（ｔ）と、信号波形ｙ（ｔ）との間の
相互相関関数Ｒ（τ）は、たとえば、次の数式１に基づ
いて算出される。
【００２３】
【数１】
【００２４】（４）周波数分析によって波形間のスペク
トルの差分値または差分値の２乗を算出する方法。この
場合には、差分量が大きいほど類似度は小さくなる。
トルの差分値または差分値の２乗を算出する方法。この
場合には、差分量が大きいほど類似度は小さくなる。
【００２５】（５）周波数分析によって信号のエネルギ
ー（パワー）の波形間の差分値または差分値の２乗を算
出する方法。この場合には、差分量が大きいほど類似度
は小さくなる。
ー（パワー）の波形間の差分値または差分値の２乗を算
出する方法。この場合には、差分量が大きいほど類似度
は小さくなる。
【００２６】信号処理部４３では、次のような処理が行
なわれる。
なわれる。
【００２７】（Ａ）まず、話速変換装置がＶＴＲ等の再
生装置に用いられており、高速で再生された音声の話速
を遅くする場合について説明する。
生装置に用いられており、高速で再生された音声の話速
を遅くする場合について説明する。
【００２８】（１）区間判別部４２によって定常雑音区
間または非定常雑音区間であると判定された入力音声信
号は削除部５２によって削除される。
間または非定常雑音区間であると判定された入力音声信
号は削除部５２によって削除される。
【００２９】（２）区間判別部４２によって遷移区間で
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、再生速度倍率ｎによって決められた基準圧
縮率αで圧縮処理される。基準圧縮率αｏは、再生速度
倍率をｎとして１／ｎ以上に設定される。ＶＴＲの２倍
速再生時に、入力音声信号を圧縮率１／２で圧縮した場
合には、２ピッチ周期が１ピッチ周期に間引かれ、出力
音声は標準音声速度の２倍となる。ただし、音程は元の
ままとなる。
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、再生速度倍率ｎによって決められた基準圧
縮率αで圧縮処理される。基準圧縮率αｏは、再生速度
倍率をｎとして１／ｎ以上に設定される。ＶＴＲの２倍
速再生時に、入力音声信号を圧縮率１／２で圧縮した場
合には、２ピッチ周期が１ピッチ周期に間引かれ、出力
音声は標準音声速度の２倍となる。ただし、音程は元の
ままとなる。
【００３０】再生速度が２倍速である場合には、基準圧
縮率αｏは、１／２以上の値、たとえば、２／３に設定
される。つまり、３ピッチ周期が２ピッチ周期に間引か
れる。この場合には、出力音声速度は、標準音声速度の
３／２倍となる。ただし、音程は元のままとなる。
縮率αｏは、１／２以上の値、たとえば、２／３に設定
される。つまり、３ピッチ周期が２ピッチ周期に間引か
れる。この場合には、出力音声速度は、標準音声速度の
３／２倍となる。ただし、音程は元のままとなる。
【００３１】（３）区間判別部４２によって母音区間で
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準圧縮率αｏより小さい圧縮率αｓで圧
縮処理される。つまり、母音区間と判定された入力音声
は、遷移区間と判定された入力音声に比べて、圧縮の度
合いが大きくされる。したがって、母音区間と判定され
た入力音声に対する出力音声速度は、遷移区間と判定さ
れた入力音声に対する出力音声に比べて速くなる。
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準圧縮率αｏより小さい圧縮率αｓで圧
縮処理される。つまり、母音区間と判定された入力音声
は、遷移区間と判定された入力音声に比べて、圧縮の度
合いが大きくされる。したがって、母音区間と判定され
た入力音声に対する出力音声速度は、遷移区間と判定さ
れた入力音声に対する出力音声に比べて速くなる。
【００３２】（４）区間判別部４２によって子音区間で
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準圧縮率αｏより大きい圧縮率αｓで圧
縮処理される。つまり、子音区間と判定された入力音声
は、遷移区間と判定された入力音声に比べて、圧縮の度
合いが小さくされる。したがって、子音区間と判定され
た入力音声に対する出力音声速度は、遷移区間と判定さ
れた入力音声に対する出力音声に比べて遅くなる。
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準圧縮率αｏより大きい圧縮率αｓで圧
縮処理される。つまり、子音区間と判定された入力音声
は、遷移区間と判定された入力音声に比べて、圧縮の度
合いが小さくされる。したがって、子音区間と判定され
た入力音声に対する出力音声速度は、遷移区間と判定さ
れた入力音声に対する出力音声に比べて遅くなる。
【００３３】（Ｂ） 話速変換装置が聴覚補助装置に用
いられており、標準速度で再生された音声の話速を遅く
させる場合について説明する。
いられており、標準速度で再生された音声の話速を遅く
させる場合について説明する。
【００３４】（１）区間判別部４２によって定常雑音区
間または非定常雑音区間であると判定された入力音声信
号は削除部５２によって削除される。
間または非定常雑音区間であると判定された入力音声信
号は削除部５２によって削除される。
【００３５】（２）区間判別部４２によって遷移区間で
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準伸長率βｏで伸長処理される。基準伸
長率βｏは、たとえば、３／２に設定される。つまり、
２ピッチ周期が３ピッチ周期に伸長される。この場合に
は、出力音声速度は、標準音声速度の２／３倍となる。
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準伸長率βｏで伸長処理される。基準伸
長率βｏは、たとえば、３／２に設定される。つまり、
２ピッチ周期が３ピッチ周期に伸長される。この場合に
は、出力音声速度は、標準音声速度の２／３倍となる。
【００３６】（３）区間判別部４２によって母音区間で
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準伸長率βｏより大きい伸長率β１で伸
長処理される。β１は、たとえば、２／１に設定され
る。つまり、１ピッチ周期が２ピッチ周期に伸長され、
この場合の出力音声速度は、標準音声速度の１／２倍と
なる。つまり、母音区間と判定された入力音声は、遷移
区間と判定された入力音声に比べて、伸長の度合いが大
きくされる。したがって、母音区間と判定された入力音
声に対する出力音声速度は、遷移区間と判定された入力
音声に対する出力音声に比べて遅くなる。
あると判定された入力音声信号は、時間軸圧縮伸長部５
１によって、基準伸長率βｏより大きい伸長率β１で伸
長処理される。β１は、たとえば、２／１に設定され
る。つまり、１ピッチ周期が２ピッチ周期に伸長され、
この場合の出力音声速度は、標準音声速度の１／２倍と
なる。つまり、母音区間と判定された入力音声は、遷移
区間と判定された入力音声に比べて、伸長の度合いが大
きくされる。したがって、母音区間と判定された入力音
声に対する出力音声速度は、遷移区間と判定された入力
音声に対する出力音声に比べて遅くなる。
【００３７】（４）区間判別部４２によって子音区間で
あると判定された入力音声は、時間軸圧縮伸長部５１に
よって、基準伸長率βｏより小さい伸長率β２で伸長処
理される。つまり、子音区間と判定された入力音声は、
遷移区間と判定された入力音声に比べて、伸長の度合い
が小さくされる。したがって、子音区間と判定された入
力音声に対する出力音声速度は、遷移区間と判定された
入力音声に対する出力音声に比べて速くなる。
あると判定された入力音声は、時間軸圧縮伸長部５１に
よって、基準伸長率βｏより小さい伸長率β２で伸長処
理される。つまり、子音区間と判定された入力音声は、
遷移区間と判定された入力音声に比べて、伸長の度合い
が小さくされる。したがって、子音区間と判定された入
力音声に対する出力音声速度は、遷移区間と判定された
入力音声に対する出力音声に比べて速くなる。
【００３８】以上、ＶＴＲ等の高速再生と聴覚補助装置
の例について説明した。上記実施の形態では、分類した
母音区間内、子音区間内および母音区間と子音区間との
間の遷移区間内では、圧縮・伸長の度合いは一定とし
た。しかし、該母音区間内、子音区間内または母音区間
と子音区間との間の遷移区間内において、該区間内の波
形の類似度に基づいて圧縮・伸長の度合いを変更しても
よい。
の例について説明した。上記実施の形態では、分類した
母音区間内、子音区間内および母音区間と子音区間との
間の遷移区間内では、圧縮・伸長の度合いは一定とし
た。しかし、該母音区間内、子音区間内または母音区間
と子音区間との間の遷移区間内において、該区間内の波
形の類似度に基づいて圧縮・伸長の度合いを変更しても
よい。
【００３９】すなわち、ＶＴＲ等の高速再生時には、該
区間内で算出された波形の類似度が大きければ、圧縮の
度合いを大きくし、類似度が小さければ圧縮の度合いを
小さくする。聴覚補助用途では、該区間内で算出された
類似度が大きければ、伸長の度合いを大きくし、類似度
が小さければ伸長の度合いを小さくする。
区間内で算出された波形の類似度が大きければ、圧縮の
度合いを大きくし、類似度が小さければ圧縮の度合いを
小さくする。聴覚補助用途では、該区間内で算出された
類似度が大きければ、伸長の度合いを大きくし、類似度
が小さければ伸長の度合いを小さくする。
【００４０】時間軸圧縮伸長部５１で用いられる時間軸
圧縮伸長法としては、たとえば、ポインタ移動制御によ
る重複加算法（Pointer Interval Control Overlap and
Add: PICOLA)、TDHS(Time Domain Harmonic Scaling)
法等がある。
圧縮伸長法としては、たとえば、ポインタ移動制御によ
る重複加算法（Pointer Interval Control Overlap and
Add: PICOLA)、TDHS(Time Domain Harmonic Scaling)
法等がある。
【００４１】ＰＩＣＯＬＡを用いて、入力信号（時間軸
圧縮伸長部５１への入力音声データ）を圧縮率２／３で
圧縮する方法について、図２を用いて簡単に説明する。
まず、入力信号からピッチ周期が抽出される。抽出され
たピッチ周期をＴｐとする。波形Ａに対しては、１から
０へ直線的に向かう重み（重み関数Ｋ１）がつけられ
て、波形Ａ’が作成される。波形Ｂに対しては０から１
に向かう重み（重み関数Ｋ２）がつけられて、波形Ｂ’
が作成される。
圧縮伸長部５１への入力音声データ）を圧縮率２／３で
圧縮する方法について、図２を用いて簡単に説明する。
まず、入力信号からピッチ周期が抽出される。抽出され
たピッチ周期をＴｐとする。波形Ａに対しては、１から
０へ直線的に向かう重み（重み関数Ｋ１）がつけられ
て、波形Ａ’が作成される。波形Ｂに対しては０から１
に向かう重み（重み関数Ｋ２）がつけられて、波形Ｂ’
が作成される。
【００４２】そして、これらの波形Ａ’およびＢ’が加
え合わされ、長さＴｐの波形Ａ’＊Ｂ’が作成される。
これらの重みは、波形Ａ’＊Ｂ’の前後の接続点での連
続性を保つためにつけられている。次に、ポインタが、
圧縮率に基づいて決定される長さである３Ｔｐ分だけ移
動され、同様な操作が行われる。これにより、３つの波
形Ａ、Ｂ、Ｃから２つの波形Ａ’＊Ｂ’とＣとが得られ
る。このようにして、３ピッチ周期分の信号が、２ピッ
チ周期分の信号に圧縮される。
え合わされ、長さＴｐの波形Ａ’＊Ｂ’が作成される。
これらの重みは、波形Ａ’＊Ｂ’の前後の接続点での連
続性を保つためにつけられている。次に、ポインタが、
圧縮率に基づいて決定される長さである３Ｔｐ分だけ移
動され、同様な操作が行われる。これにより、３つの波
形Ａ、Ｂ、Ｃから２つの波形Ａ’＊Ｂ’とＣとが得られ
る。このようにして、３ピッチ周期分の信号が、２ピッ
チ周期分の信号に圧縮される。
【００４３】信号処理部４３の出力は、音声メモリ４４
に一旦蓄積された後、音声信号出力部４６に送られて出
力される。音声信号出力部４６は、Ｄ／Ａ変換部を備え
ている。音声メモリ４４から音声信号出力部４６に送ら
れてきたディジタル信号は、アナログ信号に変換されて
音声信号出力部４６から出力される。この実施例では、
話速変換装置から音声信号をアナログ信号として出力す
る場合を示したが、話速変換装置から音声信号をディジ
タル信号として出力するようにしてもよい。この場合に
は、音声信号出力部４６にＤ／Ａ変換部を設ける必要は
ない。
に一旦蓄積された後、音声信号出力部４６に送られて出
力される。音声信号出力部４６は、Ｄ／Ａ変換部を備え
ている。音声メモリ４４から音声信号出力部４６に送ら
れてきたディジタル信号は、アナログ信号に変換されて
音声信号出力部４６から出力される。この実施例では、
話速変換装置から音声信号をアナログ信号として出力す
る場合を示したが、話速変換装置から音声信号をディジ
タル信号として出力するようにしてもよい。この場合に
は、音声信号出力部４６にＤ／Ａ変換部を設ける必要は
ない。
【００４４】なお、話速変換装置の入出力信号が共にア
ナログ信号である場合には、音声信号出力部４６内のＤ
／Ａ変換部のサンプリング周波数は、標準サンプリング
周波数ｆSOに設定され、音声信号入力部４１内のＡ／Ｄ
変換部のサンプリング周波数は、再生速度倍率をｎとす
ると、ｎ・ｆSOに設定される。したがって、高速再生時
においても、出力音声の音程は元の音程となる。
ナログ信号である場合には、音声信号出力部４６内のＤ
／Ａ変換部のサンプリング周波数は、標準サンプリング
周波数ｆSOに設定され、音声信号入力部４１内のＡ／Ｄ
変換部のサンプリング周波数は、再生速度倍率をｎとす
ると、ｎ・ｆSOに設定される。したがって、高速再生時
においても、出力音声の音程は元の音程となる。
【００４５】また、話速変換装置の入出力信号が共にデ
ィジタル信号である場合には、再生速度倍率をｎとする
と、音声信号出力部４６から出力されるデータの出力速
度に対して、音声信号入力部４１に入力されるデータの
入力速度は、ｎ倍となるように設定される。したがっ
て、高速再生時においても、出力音声の音程は元の音程
となる。
ィジタル信号である場合には、再生速度倍率をｎとする
と、音声信号出力部４６から出力されるデータの出力速
度に対して、音声信号入力部４１に入力されるデータの
入力速度は、ｎ倍となるように設定される。したがっ
て、高速再生時においても、出力音声の音程は元の音程
となる。
【００４６】なお、非音声区間内に無音区間が存在する
か否かを判別するようにしてもよい。そして、継続長が
所定長以上の無音区間の音声信号を削除するようにして
もよい。このようにすると、音声メモリの蓄積量の増加
が抑えられ、メモリのオーバーフローを低減できるとい
う利点がある。
か否かを判別するようにしてもよい。そして、継続長が
所定長以上の無音区間の音声信号を削除するようにして
もよい。このようにすると、音声メモリの蓄積量の増加
が抑えられ、メモリのオーバーフローを低減できるとい
う利点がある。
【００４７】無音区間であるか否かの判定は、音声信号
入力部４１からの所定数の音声データのパワー平均が所
与のしきい値より小さいか否かによって行われる。つま
り、パワー平均が所与のしきい値より小さければ、無音
区間と判定される。
入力部４１からの所定数の音声データのパワー平均が所
与のしきい値より小さいか否かによって行われる。つま
り、パワー平均が所与のしきい値より小さければ、無音
区間と判定される。
【００４８】より具体的に説明すると、音声信号入力部
４１からの所定数の音声データの平均パワー値Ｐが計算
される。この平均パワー値Ｐは、サンプリングされた所
定数の各音声データの振幅をｉ0 ，ｉ1 ，…ｉN -1（Ｎ
は所定数の音声データ数）とすると、次の数式２によっ
て算出される。
４１からの所定数の音声データの平均パワー値Ｐが計算
される。この平均パワー値Ｐは、サンプリングされた所
定数の各音声データの振幅をｉ0 ，ｉ1 ，…ｉN -1（Ｎ
は所定数の音声データ数）とすると、次の数式２によっ
て算出される。
【００４９】
【数２】
【００５０】なお、継続長が所定長未満の無音区間は、
類似度を計算した後、話速変換してもよいし、ある決め
られた圧縮伸長率で話速変換してもよい。
類似度を計算した後、話速変換してもよいし、ある決め
られた圧縮伸長率で話速変換してもよい。
【００５１】
【発明の効果】この発明によれば、劣化の少ない出力音
声が得られる。
声が得られる。
【図１】話速変換装置の概略構成を示す構成図である。
【図２】ＰＩＣＯＬＡを用いた時間軸圧縮伸長法を説明
するための模式図である。
するための模式図である。
４１ 音声信号入力部 ４２ 区間判別部 ４３ 信号処理部 ４４ 音声メモリ ４６ 音声信号出力部 ５１ 時間軸圧縮伸長部 ５２ 削除部 ６１ 波形類似度算出部 ６２ 継続長算出部 ６３ 区間分類部
Claims (6)
- 【請求項１】 入力音声信号を時間軸圧縮伸長処理する
ための時間軸圧縮伸長手段を含む話速変換手段、 入力音声信号の近傍の波形の類似度を算出する類似度算
出手段、および算出された類似度に基づいて話速変換手
段を制御する制御手段、 を備えていることを特徴とする話速変換装置。 - 【請求項２】 制御手段は、波形の類似度が小さい入力
音声信号ほど、時間軸圧縮伸長手段による圧縮の度合い
または伸長の度合いが小さくなるように、話速変換手段
を制御するものである請求項１に記載の話速変換装置。 - 【請求項３】 制御手段は、波形の類似度が大きい入力
音声信号ほど、時間軸圧縮伸長手段による圧縮の度合い
または伸長の度合いが大きくなるように、話速変換手段
を制御するものである請求項１に記載の話速変換装置。 - 【請求項４】 制御手段は、算出された類似度に基づい
て、入力音声信号を、母音区間、子音区間、母音区間と
子音区間との間の遷移区間および雑音区間に分類し、母
音区間の入力音声に対しては圧縮または伸長の度合いを
大きくして圧縮伸長処理を行なうように、子音区間の入
力音声に対しては圧縮または伸長の度合いを小さくして
圧縮伸長処理を行なうように、遷移区間の入力音声に対
しては時間軸圧縮伸長手段による圧縮または伸長の度合
いを中程度にして圧縮伸長処理を行なうように、雑音区
間の入力音声に対しては削除するように、話速変換手段
を制御するものである請求項１に記載の話速変換装置。 - 【請求項５】 制御手段は、算出された類似度に基づい
て、入力音声信号を、母音区間、子音区間、母音区間と
子音区間との間の遷移区間に分類し、分類した母音区間
内、子音区間内、または母音区間と子音区間との間の遷
移区間内において、類似度が大きいときは該区間の圧縮
または伸長の度合いが大きくなるように、類似度が小さ
いときは、該区間の圧縮または伸長の度合いが小さくな
るように、話速変換手段を制御するものである請求項１
に記載の話速変換装置。 - 【請求項６】 入力音声信号が無音区間の音声であるか
否かを判別する判別手段、および継続長が所定以上の無
音区間の音声信号を削除する手段を備えている請求項
１、２、３、４および５のいずれかに記載の話速変換装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7310242A JPH09152889A (ja) | 1995-11-29 | 1995-11-29 | 話速変換装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7310242A JPH09152889A (ja) | 1995-11-29 | 1995-11-29 | 話速変換装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09152889A true JPH09152889A (ja) | 1997-06-10 |
Family
ID=18002893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7310242A Pending JPH09152889A (ja) | 1995-11-29 | 1995-11-29 | 話速変換装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09152889A (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998021710A1 (fr) * | 1996-11-11 | 1998-05-22 | Matsushita Electric Industrial Co., Ltd. | Convertisseur de rapidite de reproduction de sons |
| WO1998041976A1 (fr) * | 1997-03-14 | 1998-09-24 | Nippon Hoso Kyokai | Procede et dispositif permettant de modifier la vitesse des sons vocaux |
| WO2003019535A1 (fr) * | 2000-02-28 | 2003-03-06 | Linguamaster Corporation | Structure de donnees, procede de production, procede de lecture, procede d'enregistrement, support d'enregistrement et procede de distribution de donnees vocales, et procede de lecture de donnees multimedia |
| WO2007086365A1 (ja) * | 2006-01-24 | 2007-08-02 | Matsushita Electric Industrial Co., Ltd. | 変換装置 |
| KR100802186B1 (ko) * | 1999-10-26 | 2008-02-11 | 소니 가부시끼 가이샤 | 재생속도 변환장치 및 방법 |
| JP2015001632A (ja) * | 2013-06-17 | 2015-01-05 | 富士通株式会社 | 音声処理装置、音声処理方法および音声処理プログラム |
| US20210375265A1 (en) * | 2019-03-19 | 2021-12-02 | Samsung Electronics Co., Ltd. | Electronic device and method of controlling speech recognition by electronic device |
-
1995
- 1995-11-29 JP JP7310242A patent/JPH09152889A/ja active Pending
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998021710A1 (fr) * | 1996-11-11 | 1998-05-22 | Matsushita Electric Industrial Co., Ltd. | Convertisseur de rapidite de reproduction de sons |
| US6115687A (en) * | 1996-11-11 | 2000-09-05 | Matsushita Electric Industrial Co., Ltd. | Sound reproducing speed converter |
| WO1998041976A1 (fr) * | 1997-03-14 | 1998-09-24 | Nippon Hoso Kyokai | Procede et dispositif permettant de modifier la vitesse des sons vocaux |
| US6205420B1 (en) | 1997-03-14 | 2001-03-20 | Nippon Hoso Kyokai | Method and device for instantly changing the speed of a speech |
| KR100802186B1 (ko) * | 1999-10-26 | 2008-02-11 | 소니 가부시끼 가이샤 | 재생속도 변환장치 및 방법 |
| WO2003019535A1 (fr) * | 2000-02-28 | 2003-03-06 | Linguamaster Corporation | Structure de donnees, procede de production, procede de lecture, procede d'enregistrement, support d'enregistrement et procede de distribution de donnees vocales, et procede de lecture de donnees multimedia |
| WO2007086365A1 (ja) * | 2006-01-24 | 2007-08-02 | Matsushita Electric Industrial Co., Ltd. | 変換装置 |
| US8073704B2 (en) | 2006-01-24 | 2011-12-06 | Panasonic Corporation | Conversion device |
| JP5096932B2 (ja) * | 2006-01-24 | 2012-12-12 | パナソニック株式会社 | 変換装置 |
| JP2015001632A (ja) * | 2013-06-17 | 2015-01-05 | 富士通株式会社 | 音声処理装置、音声処理方法および音声処理プログラム |
| US9672809B2 (en) | 2013-06-17 | 2017-06-06 | Fujitsu Limited | Speech processing device and method |
| US20210375265A1 (en) * | 2019-03-19 | 2021-12-02 | Samsung Electronics Co., Ltd. | Electronic device and method of controlling speech recognition by electronic device |
| US11854527B2 (en) * | 2019-03-19 | 2023-12-26 | Samsung Electronics Co., Ltd. | Electronic device and method of controlling speech recognition by electronic device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6205420B1 (en) | Method and device for instantly changing the speed of a speech | |
| EP0829851B1 (en) | Voice speed converter | |
| JPH09152889A (ja) | 話速変換装置 | |
| US6085157A (en) | Reproducing velocity converting apparatus with different speech velocity between voiced sound and unvoiced sound | |
| JP3308567B2 (ja) | ディジタル音声処理装置及びディジタル音声処理方法 | |
| JPS5982608A (ja) | 音声の再生速度制御方式 | |
| JP3249567B2 (ja) | 話速変換方法および装置 | |
| JP2001184100A (ja) | 話速変換装置 | |
| JP3378672B2 (ja) | 話速変換装置 | |
| JPH09147472A (ja) | 映像・音声再生装置 | |
| JPH09146587A (ja) | 話速変換装置 | |
| JPH08146985A (ja) | 話速制御システム | |
| JP3081469B2 (ja) | 話速変換装置 | |
| JP2000099097A (ja) | 信号再生装置及び方法、音声信号再生装置、並びに、音声信号の速度変換方法 | |
| JP3357742B2 (ja) | 話速変換装置 | |
| JPH07191695A (ja) | 話速変換装置 | |
| JPH10214098A (ja) | 音声変換玩具 | |
| JP2001222300A (ja) | 音声再生装置および記録媒体 | |
| JP2867744B2 (ja) | 音声再生装置 | |
| JPH0854895A (ja) | 再生装置 | |
| JPH08202391A (ja) | 話速変換装置 | |
| JPH0573089A (ja) | 音声再生方法 | |
| JPH08211894A (ja) | 音声通信機および音声通信システム | |
| JPH10133678A (ja) | 音声再生装置 | |
| KR100359988B1 (ko) | 실시간 화속 변환 장치 |