JPS5913758B2 - 音声合成方法 - Google Patents

Description

【発明の詳細な説明】 本発明はＰＡＲＣＯＲ形音声合成方法に関するものであ
る。

１５ＰＡＲＣＯＲ型の音声分析合成方法は、音声を分析
して得られるＰＡＲＣＯＲ係数、ピッチ情報、振幅情報
及び有声、無声の判別情報を全て２進数で表わすデジタ
ル信号で取扱うことができ、これ等の情報は半導体メモ
リーに記憶させることがで２０きる。

また２進数で表わされた情報を電話回線を利用して伝送
することもできる。音声を分析して音声の特徴パラメー
タを抽出する場合、音声を短時間間隔に区切つて分析を
行なう。

この短時間区間は一般に分析フレームあるい２５は単に
フレームと呼ばれ、この１フレームからＰＡＲＣＯＲ係
数、ピッチ情報、振幅情報・及び有声無声の判別情報が
抽出される。そして１フレーム当りの情報は例えば９６
ビットの情報量で転送される。この情報量は１フレーム
の時間を２０３０ｍｓｅｃとすると４８００ビット／秒
の情報量となり、１フレームの時間を１０ｍｓｅｃとす
ると９６００ビット／秒の情報量となる。音声を分析し
て得た音声パラメータに基ずいて音声を合成する音声合
成装置は、合成する際に用３５いられる情報量によつて
合成音声の質が決定される。

例えば音声分析によつて得られた音声パラメータを４８
００ビット／秒の情報量で伝送する場合と、９６００ピ
ツト／秒の情報量で伝送する場合とでは、明らかに９６
００ビツト／秒の情報量で伝送する方が音質は良い。し
かし、たとえばデジタル電話などでは、回線が比較的空
いている場合は音質の良い９６００ビツト／秒でも、回
線が混んでくると音質を多少犠牲にしてでも４８００ビ
ツト／秒を使う方が回線の利用効率が上がる。また音声
情報を半導体メモリ等の記憶装置に記憶させる場合には
、音質を優先するか、記憶容量を優先するかによつて使
用する情報量が違つてくる。従来の音声合成装置は処理
できる単位時間当りの情報量が固定されており、異なつ
た情報量で表わされた音声情報を処理することができな
い。例えば９６００ビツト／秒の情報量を扱う音声合成
装置では４８００ビツト／秒の情報量で表わされる音声
情報を処理することができない。従つて電話回線の混み
具合によつて伝送する情報量を変えるということができ
ず、また記憶装置を用いる場合も音質を優先するか、音
声の容量を優先するか応用先に応じて音声合成装置を選
択しなければならなかつた。本発明の目的は上記した従
来技術の欠点をなくし、音声合成装置の統一化をはかる
ことにより量産性を向上させ、安価な音声合成装置を提
供するにある。

本発明は、音声パラメータの１フレーム（合成のための
時間間隔）当たりの情報量を変えずにフレーム時間を可
変とすることによつて単位時間当たりの音声パラメータ
情報量を可変とし音声合成装置を共通化しようとするも
のである。

以下本発明になる音声合成装置を図に示す実施例によつ
て説明する。

第１図は本発明の音声合成装置の一実施例を示し、第２
図は第１図の音声合成装置の音声パラメータの入力タイ
ミングを示すタイムチヤートの一例、第３図は入力タイ
ミングを発生するカウンタ部を示す。これらの図を用い
て本発明の具体的な一実施例を説明する。本実施例はＰ
ＡＲＣＯＲ形音声合成装置であるがＰＡＲＣＯＲ形音声
合成の原理は公知であるのでここではその説明を省略す
る。

第１図において１は音声パラメータが記憶される記憶装
置、２は記憶装置１から出力すべき音声パラメータのア
ドレスを指定し、音声合成の開始及び終了、音声パラメ
ータの転送レートの指定等を行なう制御装置である。

記憶装置１は例えば半導体メモリで構成され、これに記
憶される音声パラメータは音声の振幅を表わす振幅情報
、声帯の基本振動周波数に相当するピツチ情報、１０個
の偏自己相関係数が記憶される。記憶装置１に記憶され
る情報は１フレーム当り振幅情報７ビツト、ピツ５−清
報７ビツト、１０個の偏自己相関係数が８２ビツト合計
９６ビツトの情報量で記憶されている。制御装置２は例
えばマィクロコンピユータで構成され、記憶装置１に記
憶されている音声パラメータを記憶装置１から順次出力
させるために、出力すべき音声パラメータのアドレス指
定、音声合成の開始及び終了等の制御信号を出力し、こ
の制御信号は記憶装置１に供給される。記憶装置１は制
御装置２の制御信号に従つて記憶された音声パラメータ
を振幅、ピツチ、偏自己相関係数の順にシリアルに読み
出し、これをインタフエース論理部３へ供給する。イン
タフエース論理部３は制御装置２から出力される制御指
令信号を受信し、この制御指令信号に従つて記憶装置１
から供給される音声パラメータから振幅情報、ピツチ情
報、偏自己相関係数を分離し、ピツチ情報から有声音か
無声音かを判別して有声音の場合にはパルス発生器を駆
動し、無声音の場合には雑音発生器を駆動する。そして
さらに有声音の場合にはピツチ清報に基ずいてパルス発
生器のパルスの周期を変える。インタフエース論理部３
はさらに振幅情報に基ずいてパルス発生器あるいは雑音
発生器の出力信号の振幅を制御し、これを音源信号とし
て偏自己相関係数と共にデジタルフイルタ４に供給する
。デジタルフイルタ４は１０段の格子型フイルタで構成
され、１個の格子型フイルタは２個の乗算器と、１個の
減算器、１個の加算器、１個の遅延回路及び１個の損失
回路を備えている。そしてインタフエース論理部３から
供給された１０個の偏自己相関係数はデジタルフイルタ
４の１０段の格子型フイルタにそれぞれ供給され、デジ
タルフイルタ４で音源信号と偏自己相関係数が乗算され
、デジタル音声符号が合成される。デジタルフイルタ４
で合成されたデジタル音声符号はデジタルアナログ変換
器５に供給され、デジタルアナログ変換器５でデジタル
音声符号はアナログ信号に変換される。そしてこのアナ
ログ信号はスピーカ６に供給されて再生される。記憶装
置１に記憶される音声パラメータは１フレーム当り９６
ビツトで構成され、１フレームの時間は２０ｍｓｅｃに
選ばれている。

従つて１秒間の音声を合成する場合、インタフエース論
理部３は４８００ビツトの情報を転送する。合成音の質
を向上させるためには単位時間当りの情報量を多くすれ
ばよく、１フレーム当りの情報量９６ビツトは変えずに
１フレームの時間を１０ｍｓｅｃに選ぶと、１秒当り９
６００ビツトの情報量となり合成音の質を向上させるこ
とができる。即ち１フレーム当りのビツト数を変えずに
フレーム周期を変えるだけで、単位時間当りの音声パラ
メータの転送量を変えることができる。第２図は第１図
に示す音声合成装置の音声パラメータの入力タイミング
を示すタイムチヤートであり、１フレームを２０ｍｓｅ
ｃとした場合と、１フレームを１０ｍｓｅｃとした場合
とを示す。

いずれも１フレーム当りの情報量は９６ビツトであるが
、フレーム周期を１／２にすると１秒間に転送する情報
量は２倍となる。従つて電話回線の混雑の度合、必要と
する合成音の質に応じて音声分析、音声合成の１フレー
ムの時間を２０ｍｓｅｃにするか、１０ｍｓｅｃにする
か選択すればよい。また音声合成装置も入力または記憶
された音声パラメータのフレーム周期に合せて音声パラ
メータの取り込み周期が切換えられるようにすれば、９
６００ビツト／秒の情報量と４８００ビツト／秒の情報
量を切換えに処理することができる。記憶装置１には１
フレーム当り９６ビツトで１フレームの時間が２０ｍｓ
ｅｃの場合の音声パラメータと、１フレーム当り９６ビ
ツトで１フレームの時間が１０ｍｓｅｃの場合の音声パ
ラメータがそれぞれ一緒に記憶されるか、あるいはいず
れか一方の音声パラメータが選択されて記憶されている
。

また電話回線等を通して他から音声パラメータが転送さ
れて来る場合には、記憶装置１にはその時時に使用され
る転送量、即ち４８００ビツト／秒あるいは９６００ビ
ツト／秒の情報量で表わされた音声パラメータが記憶さ
れる。インタフエース論理部３は記憶装置１から供給さ
れる音声パラメータの単位時間当りの転送量に応じて、
情報を取り込むタイミングを変えなければならない。

インタフエース論理部３は記憶装置１から音声パラメー
タを１．２ｍｓｅｃで取り込み、この取り込み動作は第
２図に示すタイムチヤートにおいて１フレームの最後の
２．５ｍｓｅｃの時間のうちに次のフレームの音声パラ
メータを取り込む。従つて１０ｍｓｅｃあるいは２０ｍ
ｓｅｃごとに音声パラメータを取り込むための同期信号
を発生する必要がある。カウンタ部１７は、このインタ
フエース論理部３が情報を取り込むための必要な入力タ
イミング信号を発生しており、その入力タイミング信号
はカウンタ部１７の出力端子１６からインタフエース論
理部３に供給されている。カウンタ部１７の出力信号で
ある入力タイミング信号の周期はスイツチ部１２で切換
えられ、音声パラメータの単位時間当りの転送量の違い
に応じて変化させられる。スイツチ１２はその可動接点
がカウンタ部１７に接続され、２個の固定接点のうち一
方の固定接点は外部の電源Ｖｃｃに接続され、他方の固
定接点はカウンタ部１７に接続されている。そして可動
接点を外部の電源Ｖｃｃに接続するとカウンタ部１７か
らは１０ｍｓｅｃごとに入力タイミング信号が出力され
、９６００ビツト／秒の情報量に対処する。また可動接
点をカウンタ部１７に接続するとカウンタ部１７からは
２０ｍｓｅｃごとに入力タイミング信号が出力され４８
００ビツト／秒の情報量に対処する。どのように音声パ
ラメータのビツト配分は全く変化なく、フレーム周期を
変えることだけで音声パラメータの転送量が切換えられ
たことになる。

音声パラメータが入力された後の動作は音声パラメータ
の値とは独立に、常に音声合成動作を行なつており、音
声パラメータが入力されると、デジタルフイルタ４の入
力が新しい値となり、次々とデジタル音声符号を合成し
ていく。デジタル音声符号はデジタルアナログ変換器５
によりアナログ音声信号に変換される。このアナログ信
号でスピーカを駆動し、合成音声が出力される。第３図
は第１図に示す音声パラメータ入力同期信号発生用のカ
ウンタ１７の実施例を示すものである。第３図において
、７は８段のバイナリカウンタでクロツク入力端子８よ
り１２．５μＳｅｃのクロツクが加えられている。ＡＮ
Ｄ回路９はカウンタ７が２００すなわち２．５ｍｓｅｃ
がカウントするとカウンタ７をりセツトする働きを持つ
。カウンタ１１は３段のバイナリカウンタでＡＮＤ回路
９の出力すなわち２．５ｍｓｅｃのクロツクが加えられ
ている。ＡＮＤ回路１０はカウンタ７が９６すなわち音
声パラメータ情報量９６ビツトを１２．５μおきにシリ
アルに取り込むのに必要な時間間隔をカウントするとフ
リツプフロツプ１３をりセツトする。ＡＮＤ回路１５に
はフリツプフロツプ１３より音声パラメータ入力時間間
隔が、１４より１２．５μＳｅｃのクロツクが与えられ
る。またカウンタ１１のそれぞれのフリツブフロツプか
らも出力がＡＮＤ回路１５に加えられている。但し４８
００ビツト／秒の情報量すなわち１フレーム２０ＴｒＬ
ｓｅｃの時はスイツチ１２は４８００側に接続される。
このような回路において、まず音声バラメータの転送量
が４８００ビツト／秒の場合について説明する。この場
合にはスイツチ１２の可動接点はカウンタ１１に接続さ
れている。そしてカウンタ７は入力端子８から供給され
るクロツクパルスを順次カウントし、２００個のクロツ
クパルスをカウントすると、ＡＮＤ回路９の入力端子に
接続されているカウンタ７の出力端子は全てハイレベル
となつでゝ１７を出力する。この結果、ＡＮＤ回路９の
出力はハイレベルとなつてゞ １ ″を出力しカウンタ
７をりセツトする。即ちＡＮＤ回路９はカウンタ７が入
力端子８から供給されるクロツクパルスを２００個カウ
ントするごとにゞ １７出力を出す。これは時間間隔に
して２．５ｍｓｅｃごとにＡＮＤ回路９から″１ ″出
力が出力されることになる。カウンタ１１はＡＮＤ回路
９の出力をカウントし、ＡＮＤ回路９の出力を８個カウ
ントすると、３個のフリツプフロツプのＱ出力端子は全
てハイレベルとなつでゝ １！′を出力する。即ち２．
５ｍｓｅｃごとに出力されるＡＮＤ回路９の出力を８個
カウントして２０ｍｓｅｃとなるとＡＮＤ回路１５にハ
イレベルの信号を供給する。またフリツプフロツプ回路
１３の入力端子にはＡＮＤ回路９の出力信号が供給され
ており、フリツプフロツプ回路１３はＡＮＤ回路９の出
力信号でセツト状態となり、その出力端子はハイレベル
となつて″１″の出力信号を出力する。またＡＮＤ回路
１５には入力端子１４からクロツクパルスが供給されて
いる。従つてＡＮＤ回路１５の５個の入力端子が全てハ
イレベルになる時点はカウンタ１１の第３段目のフリツ
プフロツプ回路の出力端子Ｑがハイレベルとなつた時、
即ちカウンタ部１７が動作を開始してから２０ｍｓｅｃ
後となる。カウンタ１１の３個のフリツプフロツプは８
個のパルスをカウントするとりセツトされて再び１から
パルスをカウントするため、ＡＮＤ回路１５の全ての入
力端子がハイレベルとなるのは２０ｍｓｅｃごととなり
、この時ＡＮＤ回路１５の出力端子１６からハイレベル
即ぢ１１″の出力が出力される。出力端子１６に現われ
た信号は第１図のインタフエース論理部３に供給され、
インタフエース論理部３は出力端子１６にゞ１１出力が
現われている期間に記憶装置１から音声パラメータを取
り込む。ＡＮＤ回路１０の全ての入力端子は、第１のカ
ウンタ７が入力端子８から供給されるクロツクパルスを
９６個カウントした時、即ちカウンタ７がカウントを開
始してから１．２ｍｓｅｃ経過した時にハイレベルとな
り、その出力端子に１１７の信号を出力する。

そしてＡＮＤ回路１０のハイレベルの出力はフリツプフ
ロツプ回路１３のりセツト入力端子に供給されフリツプ
フロツブ回路１３をりセツト状態にする。従つてフリツ
プフロツプ回路１３はＡＮＤ回路９の出力でセツト状態
になつてから１、２ｍ８ｅＣ経過後にりセツト状態にな
り、その出力はローレベルの″″０″出力となる。これ
によりＡＮＤ回路１５の出力は″′Ｏ″となり、インタ
フエース論理部３の情報取り込み動作は終了する。従つ
てインタフエース論理部３はＡＮＤ回路１５の出力がハ
イレベルとなつている１．２ｍｓｅｃの期間に１２．５
μＳｅｃのパルス信号を９６個取り込み、これを音声パ
ラメータを取り込む同期信号とする。次に音声パラメー
タの転送量が９６００ビツト／秒の場合について説明す
る。

この場合には切換スイツチ１２の可動接点は９６００側
に接続され、外部電源の正電圧Ｖｃｃがスイツチ１２に
供給される。この電圧はＡＮＤ回路１５の入力端子に供
給される。従つてＡＮＤ回路１５の全ての入力端子が・
・イレベルとなる時はカウンタ１１の第１及び第２のフ
リツプフロツプの出力端子Ｑがそれぞれ・・イレベルと
なつてゞ１″信号が出力された時となる。即ちＡＮＤ回
路９の出力信号を２．５ｍｓｅｃおきに数えて第４番目
と第８番目の期間にＡＮＤ回路１５の出力端子１６にゞ
１〃の信号が出力される。出力端子１６がハイレベルに
なる時間間隔は１０ｍｓｅｃとなり、インタフエース論
理部３は１０ｍｓｅｅ間隔で１フレーム当り９６ビツ卜
の音声パラメータを取り込む。このようにしてフレーム
期間設定と音声パラメータ入力同期信号発生を独立させ
ることにより、フレーム期間を変えても同期信号発生の
タイミング間隔と同期信号のパルスの数は変わらない。
したがつてこの同期信号に従つて音声パラメータを取り
込めば１フレームあたりのビツト数はそのままで、１秒
あたりの情報量が変更できる。以上説明したように本発
明によれば従来音声パラメータの転送量の違いにより、
異つた装置が必要とされていたものが同一装置で異つた
転送量のデータを受信することができ、量産性を向上さ
せた音声合成装置を提供することができる。

【図面の簡単な説明】

第１図は本発明による音声合成装置の一実施例を示すプ
ロツク図、第２図は第１図の音声パラメータの入力タイ
ミングを示すタイムチヤート、第３図は本発明による音
声パラメータ入力同期信号発生用のカウンタの実施例を
示すプロツク図である。 １・・・・・・音声パラメータ記憶装置、２・・・・・
・制御装置、３・・・・・・インタフエース論理部、４
・・・・・・デジタルフイルタ、５・・・・・・デジタ
ルアナログ変換器、６・・・・・・スピーカ、７・・・
・・・８段バイナリカウンタ、１１・・・・・・３段バ
イナリカウンタ、１２・・・・・・パラメータ情報量切
換スイツチ。

Claims (1)

1. 【特許請求の範囲】 １ 自然音声より一定時間間隔ごとに波形を切り出し、
   切り出されたそれぞれの波形から抽出されたｎ個の偏自
   己相関係数をもとに一定時間間隔でフィルタを変化させ
   て音声を合成し出力する音声合成方法において、ｎ個の
   偏自己相関係数を含む音声パラメータの量子化ビット配
   分を変えずに、偏自己相関係数を抽出する際の波形の切
   り出し間隔と合成の際の間隔を同時に可変することによ
   つて単位時間あたりの合成のために使用する情報量を可
   変することを特徴とする音声合成方法。 ２ 前記合成の時間間隔と音声パラメータを取り込む時
   間間隔を独立にカウンタで指定して音声を合成すること
   を特徴とする特許請求の範囲第１項に記載された音声合
   成方法。