JPS6021098A - 音声合成方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （技術分野） 本発明は、自然有声音における１ピツチの音声素片と対
応づけられる波形のサンプル時系列を表現するデータを
素片単位として記憶しておき、合成すべ声音声に関する
入力情報に応じて作成された素片単位選択情報の系列に
従ってその素片単位を編集再生することによって音声を
合成する方法に関し、特に、前記入力情報に応じて作成
されるピッチ周期の系列と前記素片単位選択情報の系列
とを、良好な音韻性と良好な韻律性を保持しつつ対応づ
けるようにしだ音声合成方法に関する。

（従来技術） 汎用的な目的で大量のＷｒ：　’竹、もしくは人名、会
社名、地名といった任意の音声の出力を必要とする装置
の要求が高１っている。音声の波形を観測すると、母音
などの有声音の区間ではよく似た波形がくシ返されてい
るのがわかる。この周期をピッチ周期と呼び、この１つ
の周期内の波形をピッチ単位の音声素片（以下音素とい
う）という。この音素の内容の変化が音韻性を表わし、
この周期の変化の時間的・やターンがアクセントを与え
、韻律性の一要素を衣わす。１１音などの有声音区間で
はｅｌとんど同じ形の波形が繰シ返され、同じ種類の音
声では似た形の波形が現われる。従って、音声中に現わ
れる波形の中で音声を作シ上げるだめに必要な特徴的音
素波形を記憶装置に蓄積し、この基本的な音素波形を編
集することによって任意の連続した音声を合成できると
考えられる。又、日本語の任意の文章は基本的に百数十
種の単音節で表わすことができる。波形領域の合成にお
いて、記憶装置に格納された音声単位を素材としてこれ
らの韻律を適正に制御するためには声の高さ、振幅及び
時間長を制御情報の辞書の指示に従って変化させながら
連続音声全作り上げていく必要がある。任意語粟音声合
成方法における音声の基本単位としては記憶容量と部律
性については音声素片を用いた方がよく、音韻的には単
音節レベルより大きい単位が優れていると考えられてい
る。この理由から音韻的には単音節をｍＩＩ御単位とし
、韻律の上では音声素片を制御単位とする方法が提案さ
ている。すなわち、記憶装置に記録されている音声素片
を単音節をゾロツクとしてその内部で順次的に配列して
おく方法である。この方法においては音声素片が単音節
ごとに時系列で連続に取シ出されることによって音韻性
が保たれ、また、韻律の制御にあたって音声素片を単位
として用いることができる。

（従来技術の問題点） ところで、このような波形領域の音声データを用いた任
意語葉合成方式ではピッチを制御することによって１つ
の問題が生じる。

自然音声から切シ出して記憶装置内に格納されたある単
音節波形が第１図（、）のごとくｎ個の音素の時系列で
構成されているとする。また、簡単のため、これらのｎ
個の音素がすべてＰなるピッチ周期を持つとすればこの
’ｌ′１１１　Ｍ）の時間長ＰＨＬａはＰＸｎで与えら
れる。合成音に自然性を持たせるためには、この単音節
が用いられる状況に応じてこれらの音素に各々適正なピ
ッチ変化が与えられなければならないが、音声のピッチ
の変化幅はがなり大きく、女性音声の場合、最短ピッチ
と最長ピッチの間にはｌオクターブ以上の差がある。従
って、例えば第１図（ａ）の音素データを用いてその標
準的な場合の棒のピッチでこの単音節を合成したとする
と合成波形は第１図（ｂ）のように々シ、その継続時間
ＰＨＬｂもＡとなる。

すなわち、ピッチ制御を行うことによって継続時間もそ
れに比例して変化する。本来ピッチの変化は声帯振動周
期の変化を表わし、継続時間の変化は声道形状の変化状
況を表わすものと考えられ、互いに多少の関係はあるも
ののほぼ分離し／こものと見なせる。従って、ピッチを
変化させたとしても継続時間に対するその他の変化要因
がない限シ継続時間は一定に保たれるべきであって、こ
のように音韻の継続時間が適正でない合成音はテンＩの
乱れ、タイミングやリズムの不整を印象づける。

また、ピッチ制御による影響は継続時間の変化のみでは
なく、音韻性にも大きな影響を及ぼす。すなわち、第１
図（、）においては時間長ＰＨＬａＯ間で移り変わって
いた音韻の変化状況が第１図（ｂ）においてはその半分
の時間内ＰＨＬｂで集約されてしまう。

従来、この種の合成装置ではピッチ制御による継続時間
への影響は一般的にあまシ考慮されていない。これに対
して、音節内の後端部の素片をくシ返し用いたシ、削除
してしまったシすることによって音節全体の継続時間だ
けは一定に保つ方式は見られるが、これとても音節内の
音韻の変化速度という点では何ら解決するものではない
、（発明の目的） 本発明は、波形領域の基本単位として、自然的有声音の
ｌピ、チ単位の音声素片すなわち音素もしくはそれを汲
換して減衰波形としだものを採用して、そのザンノル時
系列を再生し得るデータを素片単位として記憶しておく
形式のものに属する。

また、本発明は、合成すべき音声に関する入力情報に基
づいてそれぞれ作成されるピッチ周期の系列と素片単位
選択情報の系列とを、実時間もしくは計算時間のサンプ
ルクロックで測定される時間軸上において、それぞれ独
立に設定する形式のものに属する。

本発明の目的は、前記時間軸上における葉片単位選択情
報とピッチ周期との設定を、素片単位選択情報はそれに
対応した素片単位のサンプル数に対応した数のサンプル
クロックを計数する毎に更新し、又、ピッチ周期はそれ
に対応した数のサンプルクロックを計数する毎に更新し
、これによって、合成音の音韻性と韻律性、特に継続時
間とを互いに独立に保持させることにあり、また、それ
に伴って生じる波形つなぎ目の不連続性を複数の再生チ
ャンネルを設けることによって回避することにある。

（発明の概要） 本発明の概要を第２図〜第４図を用いて説明する。

第２図と第３図は、合成すべき音声に関する入力情報に
基づいて１つの単音節が選択された場合につ、いて、そ
の単音節における音素系列ＥＬｉと前記入力情報に基づ
いて作成されたピッチ周期の系列ＰＴｊとの対応関係を
示すものである。

なお、□第２図及び第３図における各音素ＥＬ□は標準
的自然有声音のエビ、チ長に相当するものであシ、同じ
音素が連続する場合においても、異なった番号ｉで区別
して示している。各音素ＥＬｉは、その系列の示す順に
、サンプルクロックで測定される時間軸上において、１
個ずつ選択して設定され、すなわち先行音素ＥＬｉ、−
［のサンプル数に対応した数のサンプルクロックを計数
する毎に次の音素ＥＬｉを選択して設定する。従って、
その時間軸上における単音節継続１侍間１）ＩＩＬｌ、
及び音素ＥＬｉの配列は、予め記憶している標準的単音
節のそれを再現する。各ピッチ周期ＰＴｊは、先行ピッ
チ周期ＰＴｊ−１に対応した数のサンプルクロックを計
数する毎に更新設定される。そして、合成出力は、ピッ
チ周期ＰＴｊの更新毎にり。、ｔｌ、・”ｎｔｍ−１に
、その時点ｔｊで設定されている音素ＰＨｉが選択され
、それらの音素が結合されることによって作成される。

第２図は、標準的なものとして採用した音素ＥＬ□の音
素長（従って標準的音素のピッチ周期）よシも、合成す
べき音声のピッチ周期が長い場合を示しておシ、例えば
音素ＥＬ３の再生を行わないことによって、音韻性、特
に単音節継続時間ＰＨＬ。

と韻律性特にピッチ周期の系列との独自性を保つ。

第３図は、音素ＰＨｉの音素長よシも合成出力のピッチ
周期が短かい場合について示しておシ、例えは音素ＥＬ
１　、　ＥＬ４を重複して再生することによって音韻性
と韻律性との独自性を保つ。

１　第４図は、再生した各音素の重畳方法を示すもので
＝ｓｂ、複数の再生チャンネルを用意しておき、ピッチ
周期の更新と同期して順次循環的に１つのチャンネルを
指定し、その指定チャンネルにおいて所定の音素ＥＬｉ
のサンプルを再生し、その後金ての再生チャンネルの出
力を重畳させることによって、合成出力における隣接音
素間あるいは隣接単音節間におけるつなぎ目の不連続性
を回避する。

（実施例） 次に、第５図〜第９図を用・いて、実施例について説明
する。

第５図は、音声合成装置を示すブロッーク図であシ、第
６図はマイクロプロセッサ１が実行する機能及び制御手
順を示すフローチャートである。合成すべき音声に関す
る入力情報は、適当なポーズ等を伴って語句毎に単音節
を示す文字コードの系列の形式で、タイシライタ２から
マイクロプロセッサ１に入力される。韻律メモリ部３に
は、入力語句に関するアクセント型、イントネーション
形、及び継続時間などの韻律制御情報並びに単音１１ｊ
情報とが記憶されていて、これらがマイクロプロセッサ
１によって検索され、入力情報に応じて単音節情報の系
列とピッチ周期の系列ＰＴｊが作成される。又、単音節
情報は単音節メモリ４における各単音節の先頭アドレス
を指定する単音節選択情報と単音部長とからなるように
作成される。音節メモリ４には、単音節を１ブロツクと
してその単音節を構成する素片単位の遠択情報の系列を
記憶している。素片単位選択情報は、素片メモリ５にお
ける各素片単位の先頭アドレスを指定する情報で記憶し
ている。素片メモリ５には、標準的な任意の音素を再生
するに必要な素片単位を記憶していて、素片単位はＤＰ
ＣＭ等の適当な圧縮毒技術によって作成され、又、全て
の素片単位は１２８サンプルなる予め定められた一定長
のサンプル時系列を再生できるデータ量で記憶している
。波形再生器６は、採用した圧縮技術に対応した構成と
なっており、素片単位のデータに基づいてそれに対応し
たサンプル時系列を再生するものであり、合成出力での
ピッチ周期が短かくても１２８個のサンプルを再生でき
るように４チヤンネルの再生チャンネルＲＧ１〜ＲＧ４
を設けている。波形再生は、サングルクロックの割込起
動によって設定される実時間の時間軸上において、ピッ
チ周期の系列ＰＴユと素片単位選択情報の系列とを対応
設定し、ピッチ周期の更新毎に時間軸上で対応した素片
単位選択情報の素片単位ＥＬｊを選択し、同じくピッチ
周期の更新毎に順次循環的に１つの再生チャンネルを選
択することによって再生すべき素片単位と再生チャンネ
ルを対応させ、全ての再生チャンネルにおいて１サンプ
ルずつ再生させ、これを重畳させることによって実行さ
れる。

第７図〜第９図はマイクロプロセッサ１が実行する波形
可成のフローを示すものである。

第７図は、波形再生のフローを示すものであシ、初期設
定されかつ後述の如く更新される４チャンネル分のアド
レス変数ＡＤｊ〜ＡＤ４を用意しておき、ステップ５Ｐ
ＩＩにおいて第１アドレス笈数ＡＤｉで素片メモリ５の
アドレスを指定して１つの素片単位の１つのデータを読
み出し、そのデータを波形再生器６の第１再生チヤンネ
ルＲＧ１へ送り、１つのサンプルを再生させる。ステッ
プ５Ｐ１２〜５Ｐ１４では、それぞれ第２〜第４アドレ
ス変数ＡＤ２〜ＡＤ４で素片メモリ５のアドレスを指定
し、それぞれ対応した第２〜第４再生チヤンネルＲＧ２
〜ＲＧ４でそれぞれ１つのサンプルを再生させる。ステ
ップ３Ｐ１５では、全ての再生チャンネルＲＧ１〜ＲＧ
４の出力すなわち４サンプルを加算して重畳することに
よって合成出力の１サンプルを再生し出力する。サンプ
ルクロックの割込起動毎に１サングルずつ再生すること
によって合成出力を再生する。

第８図は、サングルクロックの時間軸上で、素片単位選
択情報を設定するフローチャートを示すものである。

第７図において、サンプルクロ、りの割込によって起動
され、ステ、プ５Ｔ２１において現在処理中の単音節が
残存しているか判定される。単音部長変数ＰＨ７＝　０
ならばステ、ゾ５Ｐ２２において、単音節番号をインク
レメントシて先に作成されている単音節情報の系列から
次の１１′Ｌ音節情報を取り出し、ステップ５Ｐ２３に
おいてその単音部長ＰＨＬａを単音部長変数ＰＨ，４ヘ
コードし、又、その単音節選択情報すなわち単音節先頭
アドレスを単音節メモリ４のアドレス変数ＡＤ、にロー
ドする。続いて、ステップ５Ｐ２４　、５Ｐ２５におい
て、その％頭アドレスで単音節メモリ４のアドレスを指
定して素片単位ＥＬｉの先頭アドレスを読み出し、それ
を素片メモリ５のアドレス変数ＡＤｅヘワードする。こ
のステップＳＰ　２５において、１つの単音節における
最初の素片単位選択情報がザンブルクロ、りと対応して
設定されたことになる。また、ステップ５Ｐ２６におい
て現在処理中の素片単位ＥＬｊの残存長が判断され、素
片長髪数ＥＬｔ＝　Ｏならば、ステップ５Ｔ２７におい
てアドレス変数ＡＤ、の内容をインクレメントして次の
アドレスを指定し、ステップ５Ｐ２４゜５Ｐ２５を経て
、１つの単音節における次の素片単位ＥＬｊ＋１の先頭
アドレスすなわち次の素片単位選択情報がサイプルクロ
、りの時間軸上に設定される。ステップ５Ｐ２８．５Ｐ
２９は素片長をサンプルクロックの時間軸上で計数する
過程でアシ、全ての素片単位のサンプル数は同一の１２
８個にしているので、ステ、ノ５Ｐ２８で素片長変数Ｅ
ＬＡとして１２８をロードし、ステップＳＰ　２９にお
いてサンプルクロ、りと同期してデクレメントすること
によって実行され、また、ステップ５Ｐ３０では、同じ
くサンプルクロックと同期して単音部長変数ＰＨ６をデ
クレメントしておく。

第９図は、ピッチ周期を実時間上で設定し、且つ同時的
に素片メモリ５か′ら読み出される４個の素片単位を所
定の再生チャンネルＲＧｊ〜ＲＧ４へ対応づけるフロー
を示す。第９図を参照するに、サンプルクロックで割込
起動がかけられる毎に、ステップ５Ｐ４０において現在
設定中のピッチ周期ＰＴｊの残存長が判定され、ピッチ
周期変数ｐ’ｒｔ−〇ならば、ステツノ５Ｐ４１〜５Ｐ
４３の処理後、ステップ４４においてピッチ番号Ｊをイ
ンクレメントして先に作成さ−れているピッチ周期系列
から次のピンチ周期ＰＴｊを取シ出し、ステラｆｓＰ４
５においてそれをピッチ周期変数ＰＨ６−＼ロードし、
又、ステップＳＰ　４６においてサンゾルクロックと同
期してそのピッチ周期変数ＰＨ，６をデクレメントする
ことによって、サンプルクロックの時間軸上で各ピッチ
周期ＰＴｊを設定する。ピッチ周期ＰＴｊの更新と同期
して実行されるステップ５Ｐ−４−，１〜４３において
、まずステップＳＰ　４１において４チヤンネル指定値
ＣＨをインクレメントすることによって順次循環的に１
つのチャンネルを選択し、ステ、プＳＰ　４２で素片メ
モリ５の４チャンネル分のアドレス変数ＡＤｊ〜ＡＤ４
のなかから前記指定値ＣＨに対応するアドレス変数ＡＤ
ｃｈを選択し、ステ、ゾ５Ｐ４３では現在設定されてい
る素片単位ＥＬ□の選択情報すなわち素片単位の先頭ア
ドレスを示すアドレス変数ＡＤ、をその選−板されたチ
ャンネルのアドレス変数ＡＤｏｈヘロードすることによ
って、各素片単位を各チャンネルに割シ当てる。ステッ
プ５Ｐ４７において、各チャンネルのアドレス変数ＡＤ
１〜ＡＤ４をそれぞれインクレメントすることによって
、各アドレス変数ＡＤ１〜ＡＤ４は、それぞれ異なった
素片単位であってしかも異なった順番のサンプルを再生
するデータを、サンプルクロックと同Ｘ１ｊＬ−ｃ順次
アドレスしていくことができる。

上記実施例においては、実時間のサンプルクロックを採
用しているために、アドレス変数を４個だけ用意してｌ
サンプルずつ再生できるようにしているが、計算時間の
サンプルクロ、りを基準にして再生する場合には、ピッ
チ周期の更新毎にその時間軸で対応した素片単位の全て
のデータを対応した再生チャンネルに読み出して再生さ
せ、各再生チャンネルにおける再生サンプル時系列を一
度記憶させ、その後、１μｒ接先行ピ、チ周期のものに
対して後続隣接ピッチ族ｊυ」のサンプル時系列がピッ
チ周期労連れた関係にあるサンプル同志を加算すること
によっても合成波形を得ることができる。又、素片単位
から再生されるサンプルの個数すなわち素片長を一定に
していない場合にも、単音節メモリに素片単位選択情報
と共に素片長を記憶しておき、素片長変数として定数の
代わシにその素片長をロードするようにすることによっ
て対応できる。

（発明の効果） 以上の説明から明らかなように、本発明は、合成時に与
えられたピッチ周期に対しそれぞれに応じた音素片の選
択を行うため、任意のピッチ制御に対して合成音の継続
時間および音韻性が常に良好に保たれ、波形領域の任意
語零合成装置において自然な合成音を得ることができる
。

【図面の簡単な説明】

第１図は、波形領域合成における音韻性と韻律性との対
応関係を示す説明図、第２図と第３図は本発明における
音素とピッチ周期との対応関係を示す説明図。第４図は
本発明における波形重畳の関係を示す説明図、第５図は
本発明の一実施例を示すプロ、り図、第６図はその全体
フローを示す図、・第７図〜第９図はその一部詳細フロ
ーを示す図である。 １・・・マイクロプロセ、す、２・・・タイプライタ、
３・・・韻律メモリ部、４・・・単音節メモリ部、５・
・・素片メモリ部、６・・・波形再生器。 手続補正書（師） ５８．１１．　１ 昭和　年　月　日 特許庁長官　殿 １　事件の表示 昭和５８年　特　ａ′ｒ　ｉ第１２７９９９号２、発明
の名称 音声合成方法 ３　補正をする者 事件との関係　特許出願人 ５、補正の対象　明細書中「発明の詳細な説明」の欄す
る。

Claims (1)

1. 【特許請求の範囲】 ａ）自然有声音における１ピッチ単位の音声素片と対応
   づけられる波形のサンプル時系列を表現するデータを素
   片単位として記憶しておき、ｂ）素片単位に基づいて波
   形のサンプル時系列を再生する複数の再生チャンネルを
   用意しておき、Ｃ）合成すべき音声に関する人力情報に
   基づいて作成されるピッチ周期の系列を実時間もしくは
   計算時間のサンプルクロックで測定される時間軸上で監
   視して、その時間軸上で設定されている１つのピッチ周
   期に対応した数のサンプルクロックを計数する毎に前記
   ピッチ周期系列における次のピッチ周期を更新設定し、 ｄ）合成すべき音声に関する前記入力情報に基づいて作
   成される素片ヱ）１位選択（ｒＪ報の系列を前記時間軸
   上で監視して、その時間軸上で設定されている１つの素
   片単位選択情報に対応した素片単位におけるサンゾル個
   数に対応した数のサンプルクロックを計数する毎に、前
   記素片単位選択情報系列における素片単位選択情報を更
   新設定し、ｅ）ピッチ周期の更新と同期して前記時間軸
   上で対応する素片単位選択情報を選択し且っピッチ周期
   の更新と同期して前記再生チャンネルの１つを順次循環
   的に選択することによって各素片単位選択情報と各再生
   チャンネルとを対応させ、ｆ）各再生チャンネルにそれ
   ぞれ対応した各素片単位選択情報の素片単位を与えてそ
   れぞれサンプル時系列を再生させ、 ｇ）全ての再生チャンネルのサンプル時系列を重畳させ
   、その重畳サンプル時系列に基づいて音声出力を発生さ
   せることを特徴とした音声合成方法。