JPS5853348B2 - speech synthesizer - Google Patents

Description

【発明の詳細な説明】 この発明は、音声の特徴を低ビットな情報量で表現して
伝送あるいはメモリに蓄積し、これらの情報から原音声
と同程度の音声を合成することを可能とする音声合成器
に関するものである。[Detailed Description of the Invention] This invention makes it possible to represent the characteristics of a voice with a low bit amount of information, transmit it or store it in a memory, and synthesize a voice of the same level as the original voice from this information. It concerns a speech synthesizer.

音声の特徴を低ビットの情報量で表現し、それから音声
を合成する方式としては、部分自己相関係数による合成
方式とホルマント合成方式とがある。Methods for expressing speech characteristics with a low bit amount of information and then synthesizing speech include a synthesis method using partial autocorrelation coefficients and a formant synthesis method.

前者の方式は部分自己相関係数を乗算の係数としてもつ
合成フィルタに、音源信号を通すことによって、音声を
合成することができる。In the former method, speech can be synthesized by passing the sound source signal through a synthesis filter having a partial autocorrelation coefficient as a multiplication coefficient.

部分自己相関係数は、音声波形を分析することによって
得られ、その絶対値がすべて１より小さいという条件が
成り立てば、合成フィルタは安定であるという特徴をも
つ。The partial autocorrelation coefficients are obtained by analyzing the speech waveform, and if the condition that all of their absolute values are smaller than 1 is satisfied, the synthesis filter is stable.

部分自己相関係数は、比較的少ない情報量で音声合成が
できる反面、パラメータの種類によるスペクトル感度の
差が大きく、補間特性も悪い。Although the partial autocorrelation coefficient allows speech synthesis with a relatively small amount of information, it has large differences in spectral sensitivity depending on the type of parameter and has poor interpolation characteristics.

このためパラメータの補間によって音声とは別の雑音を
発生することがある。Therefore, interpolation of parameters may generate noise that is different from voice.

また部分自己相関係数は、ホルマント周波数などの物理
特性に対応していないため、規則による制御を行うのに
見通しが悪く、例えば得られている部分自己相関係数を
処理して原音声よりも周波数が高い音声を合成すること
が困難であり、規則合成には不向きなパラメータである
。In addition, partial autocorrelation coefficients do not correspond to physical characteristics such as formant frequency, so it is difficult to control them based on rules. For example, by processing the obtained partial autocorrelation coefficients, It is difficult to synthesize high-frequency speech, and this parameter is not suitable for regular synthesis.

これに対しホルマント合成方式は、ホルマント周波数と
そのバンド幅をパラメータとして音声を合成する方式で
あり、パラメータの量子化ピット数が少くて済むという
特徴をもつ。On the other hand, the formant synthesis method is a method for synthesizing speech using the formant frequency and its bandwidth as parameters, and has the characteristic that the number of parameter quantization pits can be small.

またパラメータの物理的な対応が得やすいことにおいて
は優れているが、ホルマント周波数を抽出するためには
パラメータの大局的な動特性や統計的な性質を利用する
必要があり完全自動抽出が困難であるという欠点をもつ
。Although it is excellent in that it is easy to obtain physical correspondences between parameters, in order to extract formant frequencies, it is necessary to use global dynamic characteristics and statistical properties of parameters, making complete automatic extraction difficult. It has the disadvantage of being.

この発明は、これらの欠点を解決するため、音声のスペ
クトル包絡情報を、ホルマントに類似した周波数領域の
パラメータで表現したもので、これらのパラメータ抽出
には、ホルマント抽出における不確実な判断過程をさけ
ることができ、完全自動抽出ができ、これらのパラメー
タにより音源信号が入力されるフィードバックループに
含マレる***振回路の***振周波数を設定することによ
り、原音声に近い音声を再生できる特徴を有し、その目
的は少ない情報量で音声を合成することにある。In order to solve these drawbacks, this invention expresses the spectral envelope information of speech using frequency domain parameters similar to formants, and extracts these parameters by avoiding the uncertain judgment process in formant extraction. It has the feature of being able to reproduce sound close to the original sound by setting the anti-resonance frequency of the anti-resonance circuit included in the feedback loop where the sound source signal is input using these parameters. However, its purpose is to synthesize speech using a small amount of information.

以下図面を用いてこの発明による音声合成器の実施例を
参照して説明しよう。DESCRIPTION OF THE PREFERRED EMBODIMENTS An embodiment of a speech synthesizer according to the present invention will be described below with reference to the drawings.

音源信号発生器１１よりの音源信号が、フィードバック
ループに***振回路を含むスペクトル包絡形成部１２に
供給される。A sound source signal from a sound source signal generator 11 is supplied to a spectral envelope forming section 12 including an anti-resonance circuit in a feedback loop.

音源信号発生器１１には入力端子１４から例えばピッチ
、有声音、無声音の区別などを示す情報が一定時間ごと
に供給され、これ等に基づいて音源発生器１１で、音声
の特徴に応じた音源信号が発生される。The sound source signal generator 11 is supplied from an input terminal 14 with information indicating, for example, pitch, voiced sound, voiceless sound, etc., at regular intervals, and based on this, the sound source signal generator 11 selects a sound source according to the characteristics of the sound. A signal is generated.

一方、入力端子１４からの入力信号中の音声のスペクト
ル包絡情報を表わす信号は、パラメータ復号器１５に送
られ、スペクトル包絡形成部１２の制御パラメータ、つ
まり***振周波数を制御する信号に変換される。On the other hand, a signal representing the audio spectrum envelope information in the input signal from the input terminal 14 is sent to the parameter decoder 15 and converted into a signal for controlling the control parameter of the spectrum envelope forming section 12, that is, the anti-resonance frequency. .

これらのパラメータは必要に応じてパラメータ補間器１
６に送られ、スペクトル包絡がなめらかに変化するよう
に一定時間ごとに補間値が計算される。These parameters are determined by parameter interpolator 1 as needed.
6, and interpolated values are calculated at regular intervals so that the spectrum envelope changes smoothly.

補間されたパラメータによりスペクトル包絡形成部１２
の***振周波数が制御される。The spectral envelope forming unit 12 uses the interpolated parameters.
The anti-resonant frequency of is controlled.

***振回路１２の出力はディジタルアナログ変換器１７
を経て合成音声のアナログ出力が出力端子１８に得られ
る。The output of the anti-resonant circuit 12 is a digital-to-analog converter 17.
An analog output of the synthesized voice is obtained at the output terminal 18 through the.

なお音源信号発生器１１に供給する一部の信号もパラメ
ータ補間器１６により補間することもできる。Note that some of the signals supplied to the sound source signal generator 11 can also be interpolated by the parameter interpolator 16.

音源信号発生器１１及びスペクトル包絡形成部１２は例
えば第２図に示すように構成される。The sound source signal generator 11 and the spectrum envelope forming section 12 are configured as shown in FIG. 2, for example.

音源信号発生器１１は従来より知られているものを用い
ることができ、例えば端子１４ａから音の高さを示すピ
ッチ周期信号がフレーム周期毎に入力されてピッチレジ
スタ２０に格納される。A conventionally known sound source signal generator 11 can be used. For example, a pitch period signal indicating the pitch of the sound is input from the terminal 14a every frame period and stored in the pitch register 20.

端子１４ｂからは補間された振幅信号が入力されて音源
振幅回路２１に格納される。An interpolated amplitude signal is input from the terminal 14b and stored in the sound source amplitude circuit 21.

音声の有声、無声に関する情報は端子１４ｃ及び１４ｄ
から入力される。Information regarding voiced and unvoiced audio is provided through terminals 14c and 14d.
Input from

端子２２からの標本化周波数のパルスが計数回路２３で
カウントされ、このカウント数はピッチレジスタ２０の
内容と比較器２４で比較される。Pulses at the sampling frequency from the terminal 22 are counted by a counting circuit 23, and this count is compared with the contents of the pitch register 20 by a comparator 24.

有声音の場合は端子１４ｃからの信号によりデート回路
２５が開けられ、比較器２４の一致出力がゲート回路２
５を経てゲート回路２６に供給されてこれを開き、音源
振幅回路２１の内容がインパルス的に加算器２７に入力
される。In the case of a voiced sound, the date circuit 25 is opened by the signal from the terminal 14c, and the coincidence output of the comparator 24 is sent to the gate circuit 2.
5, the signal is supplied to a gate circuit 26, which is opened, and the contents of the sound source amplitude circuit 21 are inputted into an adder 27 in an impulse manner.

その後ゲート回路２５の分岐出力が遅延回路２８を通じ
て計数回路２３へ供給され、カウント数は零にリセット
される。Thereafter, the branch output of the gate circuit 25 is supplied to the counting circuit 23 through the delay circuit 28, and the count number is reset to zero.

従はつピッチレジスタ２０にセットされたピッチ周期ご
とにその時の音源振幅回路２１の振幅値が加算器２７へ
供給される。For each pitch period set in the secondary pitch register 20, the amplitude value of the sound source amplitude circuit 21 at that time is supplied to the adder 27.

一方、無声音の場合には端子２２のパルスにより擬似ラ
ンダム信号発生回路２８が駆動されており、この回路２
８からのランダムパルスによりゲート回路２９が開られ
、このゲート回路２９を通じて音源振幅回路２１の内容
がゲート回路３１へ供給される。On the other hand, in the case of unvoiced sound, the pseudo random signal generating circuit 28 is driven by the pulse at the terminal 22;
A random pulse from 8 opens a gate circuit 29, and the contents of the sound source amplitude circuit 21 are supplied to the gate circuit 31 through this gate circuit 29.

ゲート回路３１は端子１４ｄの無声音を示す信号により
開られ、その出力は加算器２７に入力される。The gate circuit 31 is opened by a signal indicating an unvoiced sound at the terminal 14d, and its output is input to the adder 27.

このようにして加算器２１から音源信号が得られる。In this way, the sound source signal is obtained from the adder 21.

この音源信号は必要に応じて増幅器３２で増幅された後
、スペクトル包絡形成部１２に入力される。This sound source signal is amplified by an amplifier 32 as necessary, and then input to the spectrum envelope forming section 12.

スペクトル包絡形成部１２は例えば出力をそのまま帰還
するループ３３と、***振回路を経て帰還するループ３
４と備えている。The spectral envelope forming section 12 includes, for example, a loop 33 that feeds back the output as it is, and a loop 3 that feeds back the output via an anti-resonance circuit.
It is equipped with 4.

即ち増幅器３２の出力は加算器３５に供給されて加算器
３６の出力と加算され、加算器３５の出力はスペクトル
包絡形成部１２の出力として端子３１へ供給されると共
に加算器３６へ帰還されてループ３３が構成される。That is, the output of the amplifier 32 is supplied to the adder 35 and added to the output of the adder 36, and the output of the adder 35 is supplied to the terminal 31 as the output of the spectral envelope forming section 12 and is fed back to the adder 36. A loop 33 is configured.

また***振回路として二つの回路３８．３９が設けられ
、その各入力側は出力端子３γに接続され各出力側は加
算器４１の入力側に接続され、その出力は圭剰算器４２
を通じて加算器３６へ保給される。Further, two circuits 38 and 39 are provided as anti-resonance circuits, each input side of which is connected to the output terminal 3γ, each output side connected to the input side of the adder 41, and the output thereof is connected to the output terminal 3γ of the adder 41.
The signal is maintained through the adder 36.

***振回路３８．３９を通じて帰還ループ３４が構成さ
れる。A feedback loop 34 is constructed through anti-resonant circuits 38, 39.

***振回路３８．３９はその伝送特性が複素平面上の単
位円上に複数個の零点をもつものが用いられる。Anti-resonant circuits 38 and 39 are used whose transmission characteristics have a plurality of zero points on a unit circle on a complex plane.

***振回路３８．３９はそれぞれ１次、２次のフィルタ
の多段縦続接続として構成でき、これ等はデジタルフィ
ルタとして作る場合は、例えば第３図Ａに示すように１
サンプル周期の遅延回路４３と、これにより遅延された
ものと遅延されないものとを加算する加算器４５とによ
る１次フィルタ、また第３図Ａに示すように、遅延回路
４３を２段通じたものと通じないものとを加算器４５で
加算した２次フィルタ、更に第３図Ｃに示すように遅延
回路４３を通じて乗算器４６でｃｏｓωｉの乗算がされ
たものと、遅延回路４３を２段通じたものと、遅延され
ないものとを加算器４５で加算した２次フィルタなどを
用いることができる。The anti-resonance circuits 38 and 39 can each be configured as a multi-stage cascade connection of first-order and second-order filters, and when these are made as digital filters, for example, as shown in FIG.
A first-order filter consisting of a sample period delay circuit 43 and an adder 45 that adds the delayed and non-delayed signals, or a filter having two stages of delay circuits 43 as shown in FIG. 3A. A second-order filter is added with an adder 45, and a second-order filter is added with an adder 45, and as shown in FIG. It is possible to use a second-order filter in which the adder 45 adds the delay signal and the non-delay signal using the adder 45.

なお、第３図Ａ、Ｂ及びＣにそれぞれ示したフィルタの
伝達関数はそれぞれ１±Ｚ−１，１−Ｚ−２及び１−２
ｃｏｓｏ７Ｚ−” ＋Ｚ２である。The transfer functions of the filters shown in FIGS. 3A, B, and C are 1±Z-1, 1-Z-2, and 1-2, respectively.
coso7Z-” +Z2.

これ等フィルタの縦続接続のみならず、更に高次のフィ
ルタを用いてもよい。In addition to cascading these filters, higher-order filters may also be used.

第１図のパラメータ補間器１６により補間された制御パ
ラメータは第２図の端子４６．４７を通じて***振回路
３８．３９に与えられる。The control parameters interpolated by the parameter interpolator 16 of FIG. 1 are applied to the anti-resonant circuit 38.39 through the terminal 46.47 of FIG.

制御パラメータは***振周波数を示すもので、***振回
路３８．３９における乗算器４６の乗数ω・が制御され
る。The control parameter indicates the anti-resonance frequency, and the multiplier ω· of the multiplier 46 in the anti-resonance circuits 38 and 39 is controlled.

***振周波数においては、***振回路の出力は零になる
。At the anti-resonant frequency, the output of the anti-resonant circuit is zero.

したがって***振回路３８゜３９に入力される***振周
波数が接近すると、加算器４１の出力は零に近くなり、
帰還回路のループゲインは１に近くなる。Therefore, when the anti-resonant frequencies input to the anti-resonant circuits 38 and 39 approach each other, the output of the adder 41 becomes close to zero,
The loop gain of the feedback circuit is close to 1.

よって出力端子３γには強い共振特性が現れる。Therefore, a strong resonance characteristic appears at the output terminal 3γ.

つまり***振回路を通じない帰還ループ３３で発振が生
じ、その共振出力は***振回路３８．３９の帰還量で制
御され、かつ***振回路３８．３９の***振周波に応じ
て周波数特性が制御される。In other words, oscillation occurs in the feedback loop 33 that does not pass through the anti-resonant circuit, and its resonant output is controlled by the feedback amount of the anti-resonant circuit 38, 39, and the frequency characteristics are controlled according to the anti-resonant frequency of the anti-resonant circuit 38, 39. Ru.

第４図には、次数が偶数で１０の場合のスペクトル包絡
形成部１２の構成例を示す。FIG. 4 shows an example of the configuration of the spectral envelope forming section 12 when the order is even number 10.

出力端子３γより直接帰還されるものは***振回路３８
゜３９の各終段の加算器にそれぞれ供給した場合である
。What is directly fed back from the output terminal 3γ is an anti-resonance circuit 38
This is the case where the signal is supplied to each final stage adder of .degree.39.

***振回路３８．３９においてω１〜ω、。θ１〜θ、
が***振周波数であり、音声のスペクトル包絡情報を特
徴づける。In the anti-resonant circuit 38.39, ω1 to ω,. θ1~θ,
is the anti-resonant frequency, which characterizes the spectral envelope information of the voice.

これらのパラメータとスペクトル包絡特性とは第５図に
示すような関係があり、隣接するパラメータの近さでス
ペクトルの共振４性が表現できる。These parameters and the spectral envelope characteristics have a relationship as shown in FIG. 5, and the four-dimensional resonance of the spectrum can be expressed by the proximity of adjacent parameters.

これらのパラメータはＯ〈θ１〈ω１〈θ２〈ω２〈θ
３〈ω３〈θ４〈ω４ル八〈ω、〈πの順序関係があり
、逆にこの関係が満たされれば、スペクトル包絡形成部
１２は安定であるという特徴をもつ。These parameters are O〈θ1〈ω1〈θ2〈ω2〈θ
There is an ordering relationship of 3〈ω3〈θ4〈ω4〉8〈ω,〈π, and conversely, if this relationship is satisfied, the spectral envelope forming section 12 is characterized as being stable.

つまり***振回路を１個のみ用いてはループが安定し難
い場合があるが、２個を並列に設け、その***振周波数
を先に示した関係にすると、安定なものを容易に得るこ
とができる。In other words, it may be difficult to stabilize the loop if only one anti-resonance circuit is used, but if two anti-resonance circuits are installed in parallel and their anti-resonance frequencies are in the relationship shown above, a stable loop can be easily obtained. can.

第４図において１次及び２次フィルタの順序は任意でも
よく、また次数は奇数でもよく任意に定められる。In FIG. 4, the order of the primary and secondary filters may be arbitrary, and the order may be an odd number or may be arbitrarily determined.

等価変換により誘導される構成によるフィルタ形式も可
能であり、つまり例えば１次フィルタ及び２次フィルタ
の２段縦続接続の代りに１個の３次フィルタを用いるこ
ともできる。Filter types with configurations derived from equivalent transformations are also possible, ie for example a third-order filter can be used instead of a two-stage cascade of a first-order filter and a second-order filter.

更にデジタルフィルタは遅延、加算、乗算動作によりｐ
波を行うものであり、いわゆる計算機を用いて演算処理
によりフィルタ作用を行わせることができる。Furthermore, digital filters use delay, addition, and multiplication operations to
The filter effect can be performed by arithmetic processing using a so-called computer.

つまり、端子３７の信号を演算処理して、加算器４１乃
至は加算器３５へ供給するようにしてもよい。That is, the signal at the terminal 37 may be subjected to arithmetic processing and then supplied to the adder 41 to the adder 35.

第５図から理解されるようにθ１〜θ６．ω１〜ω、を
選定することにより、スペクトルの包絡線を変更するこ
とが容易であり、例えば合成しようとする音声をスペク
トル分析し、そのホルマント周波数付近に隣接するθと
ωとを接近して位置させればよく、スペクトルの共振特
性の対応も得やすい。As understood from FIG. 5, θ1 to θ6. By selecting ω1 to ω, it is easy to change the envelope of the spectrum. For example, by spectral analysis of the speech to be synthesized, the positions of θ and ω that are adjacent to each other near the formant frequency can be easily changed. Therefore, it is easy to obtain correspondence with the resonance characteristics of the spectrum.

スペクトル包絡線は比較的複雑であるが、例えば１０個
程度の共振両派数で表現でき、必要とする情報は僅かで
ある。Although the spectral envelope is relatively complex, it can be expressed by, for example, about 10 resonant fractions, and only a small amount of information is required.

したがってこの音声合成器は部分自己相関係数による音
声合成とホルマント合成の両者の長所を備えるものであ
り、これを利用して少ない情報量で音声を合成したり、
規則による音声合成を行なうことができる。Therefore, this speech synthesizer has the advantages of both speech synthesis using partial autocorrelation coefficients and formant synthesis, and can be used to synthesize speech with a small amount of information.
Speech synthesis based on rules can be performed.

以上説明したようにこの発明は、音声のスペクトル包絡
情報をホルマントに類似した周波数領域のパラメータで
表現しているため、パラメータとスペクトル情報との直
観点な対応が得やすい。As explained above, in the present invention, since the spectral envelope information of speech is expressed by frequency domain parameters similar to formants, it is easy to obtain a direct correspondence between the parameters and the spectral information.

及び補間特性に優れているなどの利点があり、このため
従来の方法より、より少ない情報量で音声を表現でき、
それだけ音声の伝送を少ない情報で行うことができ、ま
た音声情報を小さい記憶容量のメモリに蓄積できる。It has advantages such as excellent interpolation characteristics, and therefore can express speech with less information than conventional methods.
Accordingly, voice transmission can be performed with less information, and voice information can be stored in a memory with a small storage capacity.

またすでに説明した実施例を用いれば原音声と同程度の
品質の音声を合成できる。Furthermore, by using the embodiments already described, it is possible to synthesize speech of the same quality as the original speech.

したがって音声の狭帯域伝送を行って経済的な通信を実
現させたり、音声を利用した各種サービスにおけるメモ
リ容量の有効利用、音声認識などに応用できる。Therefore, it can be applied to narrowband voice transmission to realize economical communication, effective use of memory capacity in various voice-based services, voice recognition, etc.

【図面の簡単な説明】[Brief explanation of the drawing]

第１図はこの発明の音声合成器を示す構成図、第２図は
第１図の音源信号発生器及びスペクトル包絡形成部の一
例を示すブロック図、第３図はスペクトル包絡形成部を
構成する１次または２次フィルタの例を示す図、第４図
はスペクトル包絡形成部の具体例を示す図、第５図は反
共振周波数とスペクトル包絡との対応関係の例を示す図
である。 １１：音源信号発生器、１２ニスベクトル包絡形威部、
１４：入力端子、１５：パラメータ復号器、１６：パラ
メータ補間器、３８ 、３９ ：***振回路、４６．４
７：***振周波数制御端子。FIG. 1 is a block diagram showing a speech synthesizer of the present invention, FIG. 2 is a block diagram showing an example of the sound source signal generator and spectral envelope forming section shown in FIG. 1, and FIG. 3 is a block diagram showing an example of the spectral envelope forming section. FIG. 4 is a diagram showing an example of a first-order or second-order filter, FIG. 4 is a diagram showing a specific example of a spectral envelope forming section, and FIG. 5 is a diagram showing an example of the correspondence between an anti-resonant frequency and a spectral envelope. 11: Sound source signal generator, 12 Varnish vector envelope form Ibu,
14: Input terminal, 15: Parameter decoder, 16: Parameter interpolator, 38, 39: Anti-resonance circuit, 46.4
7: Anti-resonance frequency control terminal.

Claims (1)

【特許請求の範囲】[Claims] １ 音源信号がスペクトル包絡形成部に入力され、その
スペクトル包絡形成部は複素平面上の単位円上に複数個
の零点をもつ伝送特性の***振回路がフィードバックル
ープに含まれ、この***振回路の***振周波数を制御す
ることによって音声のスペクトル包絡特性が変化され、
音声が合成されることを特徴とする音声合成器。1. A sound source signal is input to a spectral envelope forming section, and the spectral envelope forming section includes an anti-resonant circuit with a transmission characteristic having a plurality of zero points on a unit circle on a complex plane in a feedback loop, and the anti-resonant circuit of this anti-resonant circuit By controlling the anti-resonance frequency, the spectral envelope characteristics of the voice are changed,
A speech synthesizer characterized in that speech is synthesized.