JP2002358090A - 音声合成方法、音声合成装置及び記録媒体 - Google Patents
音声合成方法、音声合成装置及び記録媒体Info
- Publication number
- JP2002358090A JP2002358090A JP2002077096A JP2002077096A JP2002358090A JP 2002358090 A JP2002358090 A JP 2002358090A JP 2002077096 A JP2002077096 A JP 2002077096A JP 2002077096 A JP2002077096 A JP 2002077096A JP 2002358090 A JP2002358090 A JP 2002358090A
- Authority
- JP
- Japan
- Prior art keywords
- formant
- window function
- pitch
- waveform
- voice
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/027—Concept to speech synthesisers; Generation of natural phrases from machine-based concepts
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Electrophonic Musical Instruments (AREA)
Abstract
(57)【要約】
【課題】音質が良いと同時に、声質などを柔軟に変化さ
せることができる音声合成方法、音声合成装置及び記録
媒体を提供することを目的とする。 【解決手段】ピッチ周期の情報に従ってピッチ波形を重
畳することにより音声信号を生成する音声合成方法、音
声合成装置及び記録媒体であって、前記ピッチ波形は、
複数のホルマント波形の和によって生成され、概ホルマ
ント波形は、ホルマント周波数の正弦波に窓関数をかけ
ることによって生成されることを特徴とする。
せることができる音声合成方法、音声合成装置及び記録
媒体を提供することを目的とする。 【解決手段】ピッチ周期の情報に従ってピッチ波形を重
畳することにより音声信号を生成する音声合成方法、音
声合成装置及び記録媒体であって、前記ピッチ波形は、
複数のホルマント波形の和によって生成され、概ホルマ
ント波形は、ホルマント周波数の正弦波に窓関数をかけ
ることによって生成されることを特徴とする。
Description
【０００１】
【発明の属する技術分野】本発明はテキスト音声合成に
関し、特に音韻記号列、ピッチ、音韻継続時間長などの
情報から音声信号を生成する音声合成に関する。
関し、特に音韻記号列、ピッチ、音韻継続時間長などの
情報から音声信号を生成する音声合成に関する。
【０００２】
【従来の技術】任意の文章から人工的に音声信号を作り
出すことをテキスト音声合成という。通常このテキスト
音声合成システムは、言語処理部、音韻処理部、音声信
号生成部の３つの段階から構成される。
出すことをテキスト音声合成という。通常このテキスト
音声合成システムは、言語処理部、音韻処理部、音声信
号生成部の３つの段階から構成される。
【０００３】入力されたテキストはまず言語処理部にお
いて形態素解析や構文解析などが行われ、次に音韻処理
部においてアクセントやイントネーションの処理が行わ
れて音韻記号列、ピッチパターン（声の高さの変化パタ
ーン）、音韻継続時間長などの情報が出力される。最後
に、音声信号生成部すなわち音声合成器では音韻記号
列、ピッチパターン、音韻継続時間長などの情報から音
声信号を合成する。
いて形態素解析や構文解析などが行われ、次に音韻処理
部においてアクセントやイントネーションの処理が行わ
れて音韻記号列、ピッチパターン（声の高さの変化パタ
ーン）、音韻継続時間長などの情報が出力される。最後
に、音声信号生成部すなわち音声合成器では音韻記号
列、ピッチパターン、音韻継続時間長などの情報から音
声信号を合成する。
【０００４】このような任意の音韻記号列を合成するこ
とができる合成器の原理は、母音をＶ、子音をＣで表す
と、ＣＶ、ＣＶＣ、ＶＣＶなどの基本となる小さな単位
の特徴パラメータ（音声素片）を記憶し、ピッチや継続
時間長を制御して接続することにより音声を合成するも
のである。
とができる合成器の原理は、母音をＶ、子音をＣで表す
と、ＣＶ、ＣＶＣ、ＶＣＶなどの基本となる小さな単位
の特徴パラメータ（音声素片）を記憶し、ピッチや継続
時間長を制御して接続することにより音声を合成するも
のである。
【０００５】このような音声合成器において音声素片の
情報から所望のピッチパターンや継続時間長の音声信号
を生成する方法として、ＰＳＯＬＡ法（Pitch-Synchron
ousOverlap-add）が良く知られている。例えば、音声素
片として記憶されている音声波形のピッチ周期をＰＳＯ
ＬＡ法を用いて所望のピッチ周期に変換する方法が特開
平８−２０２３９５「ピッチ変換方法およびその装置」
に開示されている。
情報から所望のピッチパターンや継続時間長の音声信号
を生成する方法として、ＰＳＯＬＡ法（Pitch-Synchron
ousOverlap-add）が良く知られている。例えば、音声素
片として記憶されている音声波形のピッチ周期をＰＳＯ
ＬＡ法を用いて所望のピッチ周期に変換する方法が特開
平８−２０２３９５「ピッチ変換方法およびその装置」
に開示されている。
【０００６】図１８はＰＳＯＬＡ法を用いて入力音声信
号１０１のピッチ周期を変更し、出力音声信号１０４を
生成する原理を表している。まず、入力音声信号１０１
にピッチ分析を行ってピッチ周期を求める。そして、ピ
ッチ周期の２倍程度の窓長をもつ窓関数をピッチに同期
した位置で入力音声信号１０１にかけることによってピ
ッチ波形１０３を生成する。次に、所望のピッチ周期間
隔でピッチ波形１０３を重ね合わせることによってピッ
チ周期が変更された出力音声信号１０４を生成する。
号１０１のピッチ周期を変更し、出力音声信号１０４を
生成する原理を表している。まず、入力音声信号１０１
にピッチ分析を行ってピッチ周期を求める。そして、ピ
ッチ周期の２倍程度の窓長をもつ窓関数をピッチに同期
した位置で入力音声信号１０１にかけることによってピ
ッチ波形１０３を生成する。次に、所望のピッチ周期間
隔でピッチ波形１０３を重ね合わせることによってピッ
チ周期が変更された出力音声信号１０４を生成する。
【０００７】このＰＳＯＬＡ法を音声合成器に応用する
場合、入力音声信号１０１があらかじめ記憶されている
音声素片に相当し、出力音声信号１０４が合成音声信号
に相当する。ＰＳＯＬＡ法による合成音声はピッチ周期
の変更の度合いが小さい場合、ピッチ周期の変更による
音質劣化が小さく音質がよいことが知られている。
場合、入力音声信号１０１があらかじめ記憶されている
音声素片に相当し、出力音声信号１０４が合成音声信号
に相当する。ＰＳＯＬＡ法による合成音声はピッチ周期
の変更の度合いが小さい場合、ピッチ周期の変更による
音質劣化が小さく音質がよいことが知られている。
【０００８】また、音声合成器の別の方式としてホルマ
ント合成方式がある。ホルマント合成方式は人間の発声
機構を模擬するモデルであり、声帯から発生する信号を
モデル化した音源信号で声道の特性をモデル化するフィ
ルタを駆動することにより音声信号を生成する。一例と
して特開平７−１５２３９６「音声合成装置」に、ホル
マント合成方式を用いた音声合成器が開示されている。
ント合成方式がある。ホルマント合成方式は人間の発声
機構を模擬するモデルであり、声帯から発生する信号を
モデル化した音源信号で声道の特性をモデル化するフィ
ルタを駆動することにより音声信号を生成する。一例と
して特開平７−１５２３９６「音声合成装置」に、ホル
マント合成方式を用いた音声合成器が開示されている。
【０００９】図１９は、ホルマント合成方式によって音
声信号を生成する原理を表している。共振器２１、２
２、２３の縦続接続によって構成される声道フィルタを
所望のピッチ周期間隔で配置されたパルス列２０７で駆
動して合成音声２０８を生成する。共振器２１の周波数
特性２０４はホルマント周波数Ｆｌとホルマント帯域幅
Ｂｌによって決定される。同様に、共振器２２の周波数
特性２０５はホルマント周波数Ｆ２とホルマント帯域幅
Ｂ２によって、共振器２３の周波数特性２０６はホルマ
ント周波数Ｆ３とホルマント帯域幅Ｂ３によって決定さ
れる。
声信号を生成する原理を表している。共振器２１、２
２、２３の縦続接続によって構成される声道フィルタを
所望のピッチ周期間隔で配置されたパルス列２０７で駆
動して合成音声２０８を生成する。共振器２１の周波数
特性２０４はホルマント周波数Ｆｌとホルマント帯域幅
Ｂｌによって決定される。同様に、共振器２２の周波数
特性２０５はホルマント周波数Ｆ２とホルマント帯域幅
Ｂ２によって、共振器２３の周波数特性２０６はホルマ
ント周波数Ｆ３とホルマント帯域幅Ｂ３によって決定さ
れる。
【００１０】このように、ホルマント合成方式ではホル
マント周波数と帯域幅の組み合わせによって、合成音声
の音韻（／ａ／，／ｉ／，／ｕ／など）や声質（男声、
女声など）が決定される。そのため、音声素片の情報は
波形ではなくホルマント周数と帯域幅の値の組み合とな
っている。ホルマント合成方式は、音韻や声質と直接関
係するパラメータを制御することができるため、声質を
変化させるなど柔軟な制御が可能であるという利点があ
る。
マント周波数と帯域幅の組み合わせによって、合成音声
の音韻（／ａ／，／ｉ／，／ｕ／など）や声質（男声、
女声など）が決定される。そのため、音声素片の情報は
波形ではなくホルマント周数と帯域幅の値の組み合とな
っている。ホルマント合成方式は、音韻や声質と直接関
係するパラメータを制御することができるため、声質を
変化させるなど柔軟な制御が可能であるという利点があ
る。
【００１１】
【発明が解決しようとする課題】上述したように、ＰＳ
ＯＬＡ法はピッチ周期の変更量が小さい範囲では、比較
的音質が良いものの変更の範囲が大きくなると音質が劣
化するという問題がある。
ＯＬＡ法はピッチ周期の変更量が小さい範囲では、比較
的音質が良いものの変更の範囲が大きくなると音質が劣
化するという問題がある。
【００１２】人間が発声する音声は同じ音韻でもピッチ
周期が変化するとそのスペクトル包絡が変化するのに対
して、ＰＳＯＬＡ法ではこの変化をモデル化できないこ
とが劣化の原因となっている。また、音声素片の接続部
でスペクトルの不連続が生じた場合に、平滑化処理を行
うことによってスペクトルに歪みが生じて音質が劣化す
るという問題がある。さらに、波形そのものを音声素片
としているため声質を変化させることが難しく柔軟性に
欠ける。
周期が変化するとそのスペクトル包絡が変化するのに対
して、ＰＳＯＬＡ法ではこの変化をモデル化できないこ
とが劣化の原因となっている。また、音声素片の接続部
でスペクトルの不連続が生じた場合に、平滑化処理を行
うことによってスペクトルに歪みが生じて音質が劣化す
るという問題がある。さらに、波形そのものを音声素片
としているため声質を変化させることが難しく柔軟性に
欠ける。
【００１３】一方、ホルマント合成方式は柔軟性はある
ものの、モデルの精度が悪いという問題がある。つま
り、ホルマント周波数と帯域幅だけでは実際の音声信号
のスペクトルの微細な構造を表現することができず、音
質が悪く肉声感（人間らしさ）に欠ける。
ものの、モデルの精度が悪いという問題がある。つま
り、ホルマント周波数と帯域幅だけでは実際の音声信号
のスペクトルの微細な構造を表現することができず、音
質が悪く肉声感（人間らしさ）に欠ける。
【００１４】本発明は以上の事情を考慮してなされたも
のであり、音質が良いと同時に声質などを柔軟に変化さ
せることができる音声合成器を提供することを目的とす
る。
のであり、音質が良いと同時に声質などを柔軟に変化さ
せることができる音声合成器を提供することを目的とす
る。
【００１５】
【課題を解決するための手段】そこで上記課題を解決す
るために本発明の音声合成方法では、ピッチ周期の情報
に従ってピッチ波形を重畳することにより音声信号を生
成する音声合成方法において、ホルマント周波数の正弦
波に窓関数をかけることによって複数のホルマント波形
を生成し、これら複数のホルマント波形の和によって前
記ピッチ波形を生成することことを特徴とするものであ
る。
るために本発明の音声合成方法では、ピッチ周期の情報
に従ってピッチ波形を重畳することにより音声信号を生
成する音声合成方法において、ホルマント周波数の正弦
波に窓関数をかけることによって複数のホルマント波形
を生成し、これら複数のホルマント波形の和によって前
記ピッチ波形を生成することことを特徴とするものであ
る。
【００１６】また、本発明の音声合成装置では、ピッチ
パターン、音韻継続時間長及び音韻記号列が入力され、
ピッチ周期の情報にしたがって生成されるピッチマーク
に、ピッチ波形生成部により形成されたピッチ波形を重
畳することにより音声信号を生成する音声合成装置にお
いて、前記ピッチ波形生成部は音声素片の単位毎にホル
マントパラメータが記憶されている記憶部と、前記ピッ
チパターン、前記音韻継続時間長及び前記音韻記号列を
参照として、前記ピッチマークに対応する１フレーム分
の前記ホルマントパラメータを前記記憶部より選択して
読み出すパラメータ選択部と、前記読み出されたホルマ
ント周波数の正弦波を生成する正弦波生成部と、この生
成された正弦波に前記選択された窓関数をかけることに
よりホルマント波形を生成する掛け算器と、これらホル
マントをそれぞれ加算する加算器とを具備することをす
ることを特徴とするものである。
パターン、音韻継続時間長及び音韻記号列が入力され、
ピッチ周期の情報にしたがって生成されるピッチマーク
に、ピッチ波形生成部により形成されたピッチ波形を重
畳することにより音声信号を生成する音声合成装置にお
いて、前記ピッチ波形生成部は音声素片の単位毎にホル
マントパラメータが記憶されている記憶部と、前記ピッ
チパターン、前記音韻継続時間長及び前記音韻記号列を
参照として、前記ピッチマークに対応する１フレーム分
の前記ホルマントパラメータを前記記憶部より選択して
読み出すパラメータ選択部と、前記読み出されたホルマ
ント周波数の正弦波を生成する正弦波生成部と、この生
成された正弦波に前記選択された窓関数をかけることに
よりホルマント波形を生成する掛け算器と、これらホル
マントをそれぞれ加算する加算器とを具備することをす
ることを特徴とするものである。
【００１７】また、本発明の記録媒体では、ピッチ周期
の情報に従ってピッチ波形を重畳することにより音声信
号を生成する音声合成方法を実現するプログラムを記録
した記録媒体において、ホルマント周波数の正弦波に窓
関数をかけることによって複数のホルマント波形を生成
し、これら複数のホルマント波形の和によって前記ピッ
チ波形を生成する音声合成方法を実現するプログラムを
記録したことを特徴とする音声合成方法を記録すること
を特徴とするものである。
の情報に従ってピッチ波形を重畳することにより音声信
号を生成する音声合成方法を実現するプログラムを記録
した記録媒体において、ホルマント周波数の正弦波に窓
関数をかけることによって複数のホルマント波形を生成
し、これら複数のホルマント波形の和によって前記ピッ
チ波形を生成する音声合成方法を実現するプログラムを
記録したことを特徴とする音声合成方法を記録すること
を特徴とするものである。
【００１８】
【発明の実施の形態】以下、図面を参照して本発明の一
実施形態を説明する。図１は本発明の一実施形態に係る
音声合成方法を実現する音声合成装置の構成を示すブロ
ック図である。音声合成装置にはピッチパターン３０
６、音韻継続時間長３０７、音韻記号列３０８が入力さ
れ、合成音声信号３０５が出力される。本実施形態の音
声合成装置は無声音合成部３２と有声音合成部３１より
構成され、それぞれが出力する無声音声信号３０４と有
声音声信号３０３とを加算することによって合成音声信
号３０５を生成する。
実施形態を説明する。図１は本発明の一実施形態に係る
音声合成方法を実現する音声合成装置の構成を示すブロ
ック図である。音声合成装置にはピッチパターン３０
６、音韻継続時間長３０７、音韻記号列３０８が入力さ
れ、合成音声信号３０５が出力される。本実施形態の音
声合成装置は無声音合成部３２と有声音合成部３１より
構成され、それぞれが出力する無声音声信号３０４と有
声音声信号３０３とを加算することによって合成音声信
号３０５を生成する。
【００１９】無声音合成部３２は、音韻継続時間長３０
７と音韻記号列３０８を参照して主に当該音素が無声子
音や有声摩擦音である場合に無声音声信号３０４を生成
する。無声音合成部３２は、ＬＰＣ合成フィルタを白色
雑音で駆動する方法など、公知の技術で実現することが
可能である。
７と音韻記号列３０８を参照して主に当該音素が無声子
音や有声摩擦音である場合に無声音声信号３０４を生成
する。無声音合成部３２は、ＬＰＣ合成フィルタを白色
雑音で駆動する方法など、公知の技術で実現することが
可能である。
【００２０】また、有声音合成部３１はピッチマーク生
成部３３、ピッチ波形生成部３４、波形重畳部３５から
構成される。ピッチマーク生成部３３はピッチパターン
３０６と音韻継続時間長３０７を参照して、図２に示さ
れるようなピッチマーク３０２を生成する。ピッチマー
ク３０２はピッチ波形３０１を重畳する位置を表すもの
であり、ピッチマークの間隔がピッチ周期に対応する。
ピッチ波形生成部はピッチパターン３０６、音韻継続時
間長３０７、音韻記号列３０８を参照して、図２に示さ
れるようにピッチマーク３０２のそれぞれに対応するピ
ッチ波形３０１を生成する。波形重畳部３５はピッチマ
ーク３０２で示される位置に、対応するピッチ波形３０
１を重畳することによって有声音声信号３０３を生成す
る。
成部３３、ピッチ波形生成部３４、波形重畳部３５から
構成される。ピッチマーク生成部３３はピッチパターン
３０６と音韻継続時間長３０７を参照して、図２に示さ
れるようなピッチマーク３０２を生成する。ピッチマー
ク３０２はピッチ波形３０１を重畳する位置を表すもの
であり、ピッチマークの間隔がピッチ周期に対応する。
ピッチ波形生成部はピッチパターン３０６、音韻継続時
間長３０７、音韻記号列３０８を参照して、図２に示さ
れるようにピッチマーク３０２のそれぞれに対応するピ
ッチ波形３０１を生成する。波形重畳部３５はピッチマ
ーク３０２で示される位置に、対応するピッチ波形３０
１を重畳することによって有声音声信号３０３を生成す
る。
【００２１】次に、図１のピッチ波形生成部の構成につ
いて詳しく説明する。
いて詳しく説明する。
【００２２】図３はピッチ波形生成部３４の一実施形態
の構成を示すブロック図である。ピッチ波形生成部３４
は、ホルマントパラメータ記憶部４１、パラメータ選択
部４２、正弦波生成部（４３、４４、４５）より構成さ
れる。ホルマントパラメータ記憶部４１には音声素片の
単位毎にホルマントパラメータが記憶されている。
の構成を示すブロック図である。ピッチ波形生成部３４
は、ホルマントパラメータ記憶部４１、パラメータ選択
部４２、正弦波生成部（４３、４４、４５）より構成さ
れる。ホルマントパラメータ記憶部４１には音声素片の
単位毎にホルマントパラメータが記憶されている。
【００２３】図４は音韻／ａ／の素片のホルマントパラ
メータの例を表している。この例では、／ａ／の素片は
３フレームから構成され、各フレームは３つのホルマン
トから構成されている。各ホルマントの特徴を表すパラ
メータとしてホルマント周波数、ホルマント位相、窓関
数が記憶されている。
メータの例を表している。この例では、／ａ／の素片は
３フレームから構成され、各フレームは３つのホルマン
トから構成されている。各ホルマントの特徴を表すパラ
メータとしてホルマント周波数、ホルマント位相、窓関
数が記憶されている。
【００２４】ホルマントパラメータ選択部４２はピッチ
波形生成部３４に入力されるピッチパターン３０６、音
韻継続時間長３０７、音韻記号列３０８を参照して、ピ
ッチマーク３０２に対応する１フレーム分のホルマント
パラメータ４０１をホルマントパラメータ記憶部４１よ
り選択して読み出す。
波形生成部３４に入力されるピッチパターン３０６、音
韻継続時間長３０７、音韻記号列３０８を参照して、ピ
ッチマーク３０２に対応する１フレーム分のホルマント
パラメータ４０１をホルマントパラメータ記憶部４１よ
り選択して読み出す。
【００２５】ホルマントパラメータ４０１はホルマント
番号１に対応するパラメータがホルマント周波数４０
２、ホルマント位相４０３、窓関数４１１として出力さ
れ、同様に、ホルマント番号２に対応するパラメータが
ホルマント周波数４０４、ホルマント位相４０５、窓関
数４１２として、さらにホルマント番号３に対応するパ
ラメータがホルマント周波数４０６、ホルマント位相４
０７、窓関数４１３として出力される。
番号１に対応するパラメータがホルマント周波数４０
２、ホルマント位相４０３、窓関数４１１として出力さ
れ、同様に、ホルマント番号２に対応するパラメータが
ホルマント周波数４０４、ホルマント位相４０５、窓関
数４１２として、さらにホルマント番号３に対応するパ
ラメータがホルマント周波数４０６、ホルマント位相４
０７、窓関数４１３として出力される。
【００２６】正弦波生成部４３はホルマント周波数４０
２とホルマント位相４０３に従って正弦波４０８を出力
する。正弦波４０８は窓関数４１１によって窓掛け処理
が行われホルマント波形４１４が生成される。ホルマン
ト周波数４０２をω、ホルマント位相４０３をφ、窓関
数４１１をｗ（ｔ）で表すと、ホルマント波形ｙ（ｔ）
は次の式で表される。
２とホルマント位相４０３に従って正弦波４０８を出力
する。正弦波４０８は窓関数４１１によって窓掛け処理
が行われホルマント波形４１４が生成される。ホルマン
ト周波数４０２をω、ホルマント位相４０３をφ、窓関
数４１１をｗ（ｔ）で表すと、ホルマント波形ｙ（ｔ）
は次の式で表される。
【００２７】 ｙ（ｔ）：＼Ｖ（ｔ）・ｓｉｎ（ωｔ＋φ） 同様に、正弦波生成部４４はホルマント周波数４０４と
ホルマント位相４０５に従って正弦波４０９を出力し、
窓関数４１２による窓掛け処理を経てホルマント波形４
１５が生成される。正弦波生成部４５はホルマント周波
数４０６とホルマント位相４０７に従って正弦波４１０
を出力し、窓関数４１３による窓掛け処理を経てホルマ
ント波形４１６が生成される。
ホルマント位相４０５に従って正弦波４０９を出力し、
窓関数４１２による窓掛け処理を経てホルマント波形４
１５が生成される。正弦波生成部４５はホルマント周波
数４０６とホルマント位相４０７に従って正弦波４１０
を出力し、窓関数４１３による窓掛け処理を経てホルマ
ント波形４１６が生成される。
【００２８】さらに、ピッチ波形３０１はホルマント波
形（４１４、４１５、４１６）をそれぞれ加算すること
によって生成される。
形（４１４、４１５、４１６）をそれぞれ加算すること
によって生成される。
【００２９】正弦波、窓関数、ホルマント波形、ピッチ
波形の例を図６に示す。また、これらの波形のパワース
ペクトルを図７に示す。図６では横軸が時間、縦軸が振
幅を、図７では横軸が周波数、縦軸が振幅を表してい
る。
波形の例を図６に示す。また、これらの波形のパワース
ペクトルを図７に示す。図６では横軸が時間、縦軸が振
幅を、図７では横軸が周波数、縦軸が振幅を表してい
る。
【００３０】正弦波は鋭いピークを持つ線スペクトルと
なり、窓関数は低域に集中したスペクトルとなってい
る。時間領域での窓掛け（掛け算）は周波数領域では畳
み込みに相当するため、ホルマント波形のスペクトルは
窓関数のスペクトルを正弦波の周波数の位置に平行移動
した形状となっている。そのため、正弦波の周波数や位
相を制御することによってピッチ波形のホルマントの中
心周波数や位相を変化させることができ、窓関数の形状
を制御することによってピッチ波形のホルマントのスペ
クトル形状を変化させることができる。
なり、窓関数は低域に集中したスペクトルとなってい
る。時間領域での窓掛け（掛け算）は周波数領域では畳
み込みに相当するため、ホルマント波形のスペクトルは
窓関数のスペクトルを正弦波の周波数の位置に平行移動
した形状となっている。そのため、正弦波の周波数や位
相を制御することによってピッチ波形のホルマントの中
心周波数や位相を変化させることができ、窓関数の形状
を制御することによってピッチ波形のホルマントのスペ
クトル形状を変化させることができる。
【００３１】このように、ホルマント毎にその中心周波
数や位相、スペクトル形状を独立に制御することが可能
であるため柔軟性の高いモデルであると言える。また同
時に、窓関数の形状によってスペクトルの微細な構造を
表現することが可能であるため、肉声のスペクトル構造
を高精度に近似することができ肉声感のある音声を合成
することが可能である。
数や位相、スペクトル形状を独立に制御することが可能
であるため柔軟性の高いモデルであると言える。また同
時に、窓関数の形状によってスペクトルの微細な構造を
表現することが可能であるため、肉声のスペクトル構造
を高精度に近似することができ肉声感のある音声を合成
することが可能である。
【００３２】次に、本発明のピッチ波形生成部３４の第
２の実施形態を図８を参照して説明する。図３と相対応
する部分に同一の参照符号を付して相違点を中心に説明
すると、本実施形態では窓関数が基底関数展開されてお
り、ホルマントパラメータとして窓関数を記憶する代わ
りに重み係数の組が記憶されている。そして、新たに付
加された窓関数生成部５６において重み係数の組から窓
関数を生成する。
２の実施形態を図８を参照して説明する。図３と相対応
する部分に同一の参照符号を付して相違点を中心に説明
すると、本実施形態では窓関数が基底関数展開されてお
り、ホルマントパラメータとして窓関数を記憶する代わ
りに重み係数の組が記憶されている。そして、新たに付
加された窓関数生成部５６において重み係数の組から窓
関数を生成する。
【００３３】ホルマントパラメータ記憶部５１に記憶さ
れているホルマントパラメータの例を図５に示す。この
例では３つの基底関数の重み和に窓関数が展開されてお
り、窓関数重み係数のセットとして３つの係数の組が記
憶されている。パラメータ選択部４２は選択されたホル
マントパラメータ（ホルマント周波数、ホルマント位
相、窓関数重み係数）５０１の中でホルマント周波数
（４（）２，４０４，４０６）、ホルマント位相（４０
３，４０５，４０７）が正弦波生成部（４３，４４，４
５）へ、窓関数重み係数セット（５１７、５１８、５１
９）が窓関数生成部５６へ出力される。
れているホルマントパラメータの例を図５に示す。この
例では３つの基底関数の重み和に窓関数が展開されてお
り、窓関数重み係数のセットとして３つの係数の組が記
憶されている。パラメータ選択部４２は選択されたホル
マントパラメータ（ホルマント周波数、ホルマント位
相、窓関数重み係数）５０１の中でホルマント周波数
（４（）２，４０４，４０６）、ホルマント位相（４０
３，４０５，４０７）が正弦波生成部（４３，４４，４
５）へ、窓関数重み係数セット（５１７、５１８、５１
９）が窓関数生成部５６へ出力される。
【００３４】窓関数生成部５６は、重み係数セット（５
１７、５１８、５１９）にしたがって、窓関数（５１
１、５１２、５１３）をそれぞれ生成する。重み係数セ
ットをそれぞれａ１，ａ２，ａ３とし、基底関数をｂ１
（ｔ），ｂ２（ｔ），ｂ３（ｔ）とすると、窓関数Ｗ
（ｔ）は次式で表される。
１７、５１８、５１９）にしたがって、窓関数（５１
１、５１２、５１３）をそれぞれ生成する。重み係数セ
ットをそれぞれａ１，ａ２，ａ３とし、基底関数をｂ１
（ｔ），ｂ２（ｔ），ｂ３（ｔ）とすると、窓関数Ｗ
（ｔ）は次式で表される。
【００３５】ｗ（ｔ）＝ａ１・ｂ１（ｔ）十ａ２・ｂ２
（ｔ）十ａ３・ｂ３（ｔ）なお、基底関数としてはＤＣ
Ｔ基底などを用いても良いし、窓関数をＫＬ展開するこ
とによって生成された基底関数を用いても良い。本実施
形態では、基底の次数を３としたが、次数はいくつでも
良い。窓関数を基底関数展開することによって、ホルマ
ントパラメータ記憶部の記憶容量が削減されるという利
点がある。
（ｔ）十ａ３・ｂ３（ｔ）なお、基底関数としてはＤＣ
Ｔ基底などを用いても良いし、窓関数をＫＬ展開するこ
とによって生成された基底関数を用いても良い。本実施
形態では、基底の次数を３としたが、次数はいくつでも
良い。窓関数を基底関数展開することによって、ホルマ
ントパラメータ記憶部の記憶容量が削減されるという利
点がある。
【００３６】次に、本発明のピッチ波形生成部３４の第
３の実施形態を図９を参照して説明する。図３と相対応
する部分に同一の参照符号を付して相違点を中心に説明
すると、本実施形態ではパラメータ変形部６７が新たに
付加されており、ピッチパタ一ン３０６に従ってホルマ
ントパラメータが変化する点が異なっている。
３の実施形態を図９を参照して説明する。図３と相対応
する部分に同一の参照符号を付して相違点を中心に説明
すると、本実施形態ではパラメータ変形部６７が新たに
付加されており、ピッチパタ一ン３０６に従ってホルマ
ントパラメータが変化する点が異なっている。
【００３７】パラメータ変形部６７は、ホルマント周波
数４０２、ホルマント位相４０３、窓関数４１１、ホル
マント周波数４０４、ホルマント位相４０５、窓関数４
１２、ホルマント周波数４０６、ホルマント位相４０
７、窓関数４１３を、ピッチパターン３０６に従って変
化させて、ホルマント周波数７２０、ホルマント位相７
２１、窓関数７１７、ホルマント周波数７２２、ホルマ
ント位相７２３、窓関数７１８、ホルマント周波数７２
４、ホルマント位相７２５、窓関数７１９をそれぞれ出
力する。全てのパラメータを変化させるようにしても良
いし、一部のパラメータのみを変化させるようにしても
よい。
数４０２、ホルマント位相４０３、窓関数４１１、ホル
マント周波数４０４、ホルマント位相４０５、窓関数４
１２、ホルマント周波数４０６、ホルマント位相４０
７、窓関数４１３を、ピッチパターン３０６に従って変
化させて、ホルマント周波数７２０、ホルマント位相７
２１、窓関数７１７、ホルマント周波数７２２、ホルマ
ント位相７２３、窓関数７１８、ホルマント周波数７２
４、ホルマント位相７２５、窓関数７１９をそれぞれ出
力する。全てのパラメータを変化させるようにしても良
いし、一部のパラメータのみを変化させるようにしても
よい。
【００３８】図１０はピッチ周期に応じてホルマント周
波数を制御する場合の制御関数の例を示している。この
ような制御関数は音韻ごとに設定しても良いし、あるい
はフレーム毎、ホルマント番号毎に設定して使い分ける
ようにしても良い。
波数を制御する場合の制御関数の例を示している。この
ような制御関数は音韻ごとに設定しても良いし、あるい
はフレーム毎、ホルマント番号毎に設定して使い分ける
ようにしても良い。
【００３９】また、ホルマント周波数そのものではなく
入カホルマント周波数と出カホルマント周波数の差分値
や比の値を制御する制御関数を用いても良い。
入カホルマント周波数と出カホルマント周波数の差分値
や比の値を制御する制御関数を用いても良い。
【００４０】図１１はピッチ周期に応じたゲインを窓関
数に乗じてホルマントのパワーを制御するための制御関
数を表している。このように、ピッチ周期に応じてパラ
メータを変化させることによりピッチ周期の変化による
音声のスペクトルの変化をモデル化することが可能とな
り、声の高さによらず高音質な合成音声を生成すること
ができる。
数に乗じてホルマントのパワーを制御するための制御関
数を表している。このように、ピッチ周期に応じてパラ
メータを変化させることによりピッチ周期の変化による
音声のスペクトルの変化をモデル化することが可能とな
り、声の高さによらず高音質な合成音声を生成すること
ができる。
【００４１】また、パラメータ変形部６７に音韻記号列
３０８を入力するようにして、先行あるいは後続の音韻
の種類に従ってホルマントパラメータを変化させるよう
にしても良い。これにより、音韻環境による音声のスペ
クトルの変化をモデル化することが可能となり、音質を
向上させることができる。
３０８を入力するようにして、先行あるいは後続の音韻
の種類に従ってホルマントパラメータを変化させるよう
にしても良い。これにより、音韻環境による音声のスペ
クトルの変化をモデル化することが可能となり、音質を
向上させることができる。
【００４２】さらに、パラメータ変形部６７に外部から
入力される声質情報３０９に従ってパラメータを変化さ
せるようにしても良い。これにより、様々な声質の合成
音声を生成することが可能となる。
入力される声質情報３０９に従ってパラメータを変化さ
せるようにしても良い。これにより、様々な声質の合成
音声を生成することが可能となる。
【００４３】図１２はホルマント周波数を変化させるこ
とによって声の太さを変える場合の制御関数の例を示し
ている。（ａ）の制御関数を用いて全てのホルマント周
波数を変換すれば、ホルマントが高域にシフトすること
により細い声が生成され、（ｂ）の場合はやや細い声と
なる。反対に、（ｄ）の制御関数を用いると、ホルマン
ト周波数が低域にシフトすることにより、太い声が生成
され、（ｃ）の場合はやや太い声となる。
とによって声の太さを変える場合の制御関数の例を示し
ている。（ａ）の制御関数を用いて全てのホルマント周
波数を変換すれば、ホルマントが高域にシフトすること
により細い声が生成され、（ｂ）の場合はやや細い声と
なる。反対に、（ｄ）の制御関数を用いると、ホルマン
ト周波数が低域にシフトすることにより、太い声が生成
され、（ｃ）の場合はやや太い声となる。
【００４４】次に、本発明のピッチ波形生成部３４の第
４の実施形態を図１３を参照して説明する。図３と相対
応する部分に同一の参照符号を付して相違点を中心に説
明すると、本実施形態ではパラメータ平滑化部７７が新
たに付加されており、各ホルマントパラメータの時間的
な変化がなめらかになるようにパラメータを平滑化する
点が異なっている。
４の実施形態を図１３を参照して説明する。図３と相対
応する部分に同一の参照符号を付して相違点を中心に説
明すると、本実施形態ではパラメータ平滑化部７７が新
たに付加されており、各ホルマントパラメータの時間的
な変化がなめらかになるようにパラメータを平滑化する
点が異なっている。
【００４５】パラメータ平滑化部７７は、ホルマント周
波数４０２、ホルマント位相４０３、窓関数４１１、ホ
ルマント周波数４０４、ホルマント位相４０５、窓関数
４１２、ホルマント周波数４０６、ホルマント位相４０
７、窓関数４１３を、それぞれ平滑化して、ホルマント
周波数８２０、ホルマント位相８２１、窓関数８１７、
ホルマント周波数８２２、ホルマント位相８２３、窓関
数８１８、ホルマント周波数８２４、ホルマント位相８
２５、窓関数８１９をそれぞれ出力する。全てのパラメ
ータを平滑化するようにしても良いし、一部のパラメー
タのみを平滑化するようにしても良い。
波数４０２、ホルマント位相４０３、窓関数４１１、ホ
ルマント周波数４０４、ホルマント位相４０５、窓関数
４１２、ホルマント周波数４０６、ホルマント位相４０
７、窓関数４１３を、それぞれ平滑化して、ホルマント
周波数８２０、ホルマント位相８２１、窓関数８１７、
ホルマント周波数８２２、ホルマント位相８２３、窓関
数８１８、ホルマント周波数８２４、ホルマント位相８
２５、窓関数８１９をそれぞれ出力する。全てのパラメ
ータを平滑化するようにしても良いし、一部のパラメー
タのみを平滑化するようにしても良い。
【００４６】図１４はホルマントの平滑化の例を示して
いる。×で表されるのが平滑化前のホルマント周波数４
０２、４０４、４０６であり、先行あるいは後続のフレ
ームの対応するホルマント周波数との変化がなめらかに
なるように平滑化を行って○で表される平滑化されたホ
ルマント周波数８２０、８２２、８２４がそれぞれ生成
される。
いる。×で表されるのが平滑化前のホルマント周波数４
０２、４０４、４０６であり、先行あるいは後続のフレ
ームの対応するホルマント周波数との変化がなめらかに
なるように平滑化を行って○で表される平滑化されたホ
ルマント周波数８２０、８２２、８２４がそれぞれ生成
される。
【００４７】また、音声素片の接続部において、ホルマ
ントの対応がとれないような場合に、図１５（ａ）の×
で表されるようにホルマント周波数４０４に対応するホ
ルマントが消滅してしまうことが起りうる。この場合、
スペクトルに大きな不連続が生じて音質が劣化するため
○で表されるように、ホルマントを付加してホルマント
周波数８２２を生成する。この際、図１５（ｂ）に表さ
れるようにホルマント周波数８２２に対応する窓関数８
１８のパワーを減衰させるようにしてホルマントのパワ
ーの不連続が生じないようにする。
ントの対応がとれないような場合に、図１５（ａ）の×
で表されるようにホルマント周波数４０４に対応するホ
ルマントが消滅してしまうことが起りうる。この場合、
スペクトルに大きな不連続が生じて音質が劣化するため
○で表されるように、ホルマントを付加してホルマント
周波数８２２を生成する。この際、図１５（ｂ）に表さ
れるようにホルマント周波数８２２に対応する窓関数８
１８のパワーを減衰させるようにしてホルマントのパワ
ーの不連続が生じないようにする。
【００４８】図１６は窓関数位置の平滑化の例を示して
いる。窓関数４１１のピーク位置がフレーム間でなめら
かに変化するように窓関数位置の平滑化を行って、窓関
数８１７を生成している。この他にも、窓関数の形状
や、窓関数のパワーの平滑化を行っても良い。
いる。窓関数４１１のピーク位置がフレーム間でなめら
かに変化するように窓関数位置の平滑化を行って、窓関
数８１７を生成している。この他にも、窓関数の形状
や、窓関数のパワーの平滑化を行っても良い。
【００４９】上述した本発明の実施形態ではホルマント
数３の場合について説明したが、ホルマント数はいくつ
であっても良く、フレーム毎にホルマント数が変化して
も良い。
数３の場合について説明したが、ホルマント数はいくつ
であっても良く、フレーム毎にホルマント数が変化して
も良い。
【００５０】また、本発明の実施形態の正弦波生成部は
正弦波を出力するものとして説明したが、線スペクトル
に近いパワースペクトルを持つ波形であれば完全な正弦
波でなくとも良い。例えば、計算量を削減する目的で計
算精度を落としたり、テーブル化した場合は誤差のため
に完全な正弦波とはならない場合がある。
正弦波を出力するものとして説明したが、線スペクトル
に近いパワースペクトルを持つ波形であれば完全な正弦
波でなくとも良い。例えば、計算量を削減する目的で計
算精度を落としたり、テーブル化した場合は誤差のため
に完全な正弦波とはならない場合がある。
【００５１】また、ホルマント波形のスペクトルは、必
ずしも音声信号のスペクトルの山の部分を表現するとは
限らず、複数のホルマント波形の和であるピッチ波形の
スペクトルが音声のスペクトルを表現するものである。
ずしも音声信号のスペクトルの山の部分を表現するとは
限らず、複数のホルマント波形の和であるピッチ波形の
スペクトルが音声のスペクトルを表現するものである。
【００５２】本発明の実施形態としてテキスト音声合成
における合成器について説明したが、本発明の他の実施
形態として音声符号化における復号化器がある。すなわ
ち、符号化器では音声信号からホルマント周波数、ホル
マント位相、窓関数などのホルマントパラメータとピッ
チ周期などを分析によって求め、それらを符号化して伝
送あるいは蓄積し、復号化器では、ホルマントパラメー
タとピッチ周期を復号化して上述した合成器と同様に音
声信号を再生することが可能である。
における合成器について説明したが、本発明の他の実施
形態として音声符号化における復号化器がある。すなわ
ち、符号化器では音声信号からホルマント周波数、ホル
マント位相、窓関数などのホルマントパラメータとピッ
チ周期などを分析によって求め、それらを符号化して伝
送あるいは蓄積し、復号化器では、ホルマントパラメー
タとピッチ周期を復号化して上述した合成器と同様に音
声信号を再生することが可能である。
【００５３】上述した音声合成は、記録媒体に格納され
たプログラムに従ってコンピュータをプログラム制御す
ることにより行うことができる。このプログラム制御を
図１７を参照して説明する。
たプログラムに従ってコンピュータをプログラム制御す
ることにより行うことができる。このプログラム制御を
図１７を参照して説明する。
【００５４】図１７（ａ）は音声合成処理のフローチャ
ートを示しており、図１７（ｂ）は音声合成処理の内の
有声音声生成処理のフローチャートを示しており、図１
７（ｃ）は図１７（ｂ）の有声音声生成処理のピッチ波
形生成処理のフローチャートを示している。
ートを示しており、図１７（ｂ）は音声合成処理の内の
有声音声生成処理のフローチャートを示しており、図１
７（ｃ）は図１７（ｂ）の有声音声生成処理のピッチ波
形生成処理のフローチャートを示している。
【００５５】図１７（ａ）における音声合成処理におい
ては、ピッチパターン３０６、音韻継続時間長３０７お
よび音韻記号列３０８を入力する（Ｓ１１）。ピッチパ
ターン３０６、音韻継続時間長３０７および音韻記号列
３０８に基づいて有声音声信号３０３を生成する（Ｓ１
２）。音韻継続時間長３０７および音韻記号列３０８を
参照して無声音声信号３０４を生成する（Ｓ１３）。有
声音声信号と無声音声信号とを加算して合成音声信号３
０５を生成する（Ｓ１４）。
ては、ピッチパターン３０６、音韻継続時間長３０７お
よび音韻記号列３０８を入力する（Ｓ１１）。ピッチパ
ターン３０６、音韻継続時間長３０７および音韻記号列
３０８に基づいて有声音声信号３０３を生成する（Ｓ１
２）。音韻継続時間長３０７および音韻記号列３０８を
参照して無声音声信号３０４を生成する（Ｓ１３）。有
声音声信号と無声音声信号とを加算して合成音声信号３
０５を生成する（Ｓ１４）。
【００５６】図１７（ｂ）における有声音声生成処理で
は、ピッチパターン３０６と音韻継続時間長３０７とを
参照してピッチマーク３０２を生成する（Ｓ２１）。ピ
ッチパターン３０６、音韻継続時間長３０７および音韻
記号列３０８を参照してピッチマーク３０２にそれぞれ
対応するピッチ波形３０１を生成する（Ｓ２２）。ピッ
チマーク３０２で示される位置に対応するピッチ波形３
０１を重畳し、有声音声を生成する（Ｓ２３）。
は、ピッチパターン３０６と音韻継続時間長３０７とを
参照してピッチマーク３０２を生成する（Ｓ２１）。ピ
ッチパターン３０６、音韻継続時間長３０７および音韻
記号列３０８を参照してピッチマーク３０２にそれぞれ
対応するピッチ波形３０１を生成する（Ｓ２２）。ピッ
チマーク３０２で示される位置に対応するピッチ波形３
０１を重畳し、有声音声を生成する（Ｓ２３）。
【００５７】図１７（ｃ）におけるピッチ波形生成処理
においては、ピッチパターン３０６、音韻継続時間長３
０７および音韻記号列３０８を参照してピッチマーク３
０２に対応する１フレーム分のホルマントパラメータ４
０１をホルマントパラメータ記憶部４１より選択する
（Ｓ３１）。選択したホルマントパラメータ４０１のホ
ルマント番号に対応するホルマント周波数とホルマント
位相に従って複数の正弦波が生成される（Ｓ３２）。複
数の正弦波を窓関数により窓掛けを行ってホルマント波
形４１４，４１５，４１６を生成する（Ｓ３３）。これ
らホルマント波形を加算してピッチ波形を生成する（Ｓ
３４）。
においては、ピッチパターン３０６、音韻継続時間長３
０７および音韻記号列３０８を参照してピッチマーク３
０２に対応する１フレーム分のホルマントパラメータ４
０１をホルマントパラメータ記憶部４１より選択する
（Ｓ３１）。選択したホルマントパラメータ４０１のホ
ルマント番号に対応するホルマント周波数とホルマント
位相に従って複数の正弦波が生成される（Ｓ３２）。複
数の正弦波を窓関数により窓掛けを行ってホルマント波
形４１４，４１５，４１６を生成する（Ｓ３３）。これ
らホルマント波形を加算してピッチ波形を生成する（Ｓ
３４）。
【００５８】
【発明の効果】以上説明したように本発明によれば、ホ
ルマント毎にホルマント周波数、ホルマント形状を独立
に制御するため、ピッチ周期や声質の違いによる音声の
スペクトル変化を表現することが可能となり、高い柔軟
性を実現することができる。あるいは、窓関数の形状に
よってホルマントのスペクトルの微細な構造を表現する
ため、肉声感のある高音質な合成音を生成することがで
きる。
ルマント毎にホルマント周波数、ホルマント形状を独立
に制御するため、ピッチ周期や声質の違いによる音声の
スペクトル変化を表現することが可能となり、高い柔軟
性を実現することができる。あるいは、窓関数の形状に
よってホルマントのスペクトルの微細な構造を表現する
ため、肉声感のある高音質な合成音を生成することがで
きる。
【図１】本発明の一実施形態に係る音声合成器のブロッ
ク図。
ク図。
【図２】ピッチ波形の重畳による有声音声の生成を示す
模式図。
模式図。
【図３】本発明の一実施形態に係るピッチ波形生成部の
ブロック図。
ブロック図。
【図４】ホルマントパラメータの例を示す模式図。
【図５】ホルマントパラメータの例を示す模式図。
【図６】正弦波、窓関数、ホルマント波形、ピッチ波形
の例を示す模式図。
の例を示す模式図。
【図７】正弦波、窓関数、ホルマント波形、ピッチ波形
のパワースペクトルの例を示す模式図。
のパワースペクトルの例を示す模式図。
【図８】本発明の一実施形態に係るピッチ波形生成部の
ブロック図。
ブロック図。
【図９】本発明の一実施形態に係るピッチ波形生成部の
ブロック図。
ブロック図。
【図１０】ホルマント周波数の制御関数の例を示す模式
図。
図。
【図１１】ホルマントゲインの制御関数の例を示す模式
図。
図。
【図１２】声質変換のためのホルマント周波数マッピン
グ関数の例を示す模式図
グ関数の例を示す模式図
【図１３】本発明の一実施形態に係るピッチ波形生成部
のブロック図。
のブロック図。
【図１４】ホルマント周波数の平滑化の例を示す模式
図。
図。
【図１５】ホルマント周波数の平滑化の例を示す模式
図。
図。
【図１６】窓関数位置の平滑化の例を示す模式図。
【図１７】本発明の音声合成器の処理を示すフローチャ
ートである。
ートである。
【図１８】従来のＰＳＯＬＡ法による音声合成を示す模
式図。
式図。
【図１９】従来のホルマント合成器のブロック図。
３１…有声音合成部 ３２…無声音合成部 ３３…ピッチマーク生成部 ３４…ピッチ波形生成部 ３５…波形重畳部 ４１、５１…ホルマントパラメータ記憶部 ４２…パラメータ選択部 ４３、４４、４５…正弦波生成部 ５６…窓関数生成部 ６７…パラメータ変形部 ７７…パラメータ平滑化部
Claims (17)
- 【請求項１】ピッチ周期の情報にしたがってピッチ波形
を重畳することにより音声信号を生成する音声合成方法
において、ホルマント周波数の正弦波に窓関数をかける
ことによって複数のホルマント波形を生成し、これら複
数のホルマント波形の和によって前記ピッチ波形を生成
することを特徴とする音声合成方法。 - 【請求項２】前記窓関数は複数の基底関数の重み付き加
算によって生成されることを特徴とする請求項１記載の
音声合成方法。 - 【請求項３】前記ホルマント波形のパワー、前記窓関数
の形状、前記窓関数の位置、前記ホルマント周波数のう
ち少なくとも１つが前記ピッチ周期に応じて変化するこ
とを特徴とする請求項１記載の音声合成方法。 - 【請求項４】前記ホルマント波形のパワー、前記窓関数
の形状、前記窓関数の位置、前記ホルマント周波数のう
ち少なくとも１つが少なくとも先行または後続の音韻の
種類に応じて変化することを特徴とする請求項１記載の
音声合成方法。 - 【請求項５】前記ホルマント波形のパワー、前記窓関数
の形状、前記窓関数の位置、前記ホルマント周波数のう
ち少なくとも１つが与えられた声質の情報に応じて変化
することを特徴とする請求項１記載の音声合成方法。 - 【請求項６】前記ホルマント周波数、前記ホルマント波
形のパワー、前記窓関数の形状、前記正弦波の位相、前
記窓関数の位置のうち少なくとも１つが少なくとも先行
または後続のピッチ波形の対応するホルマントの、ホル
マント周波数、ホルマント波形のパワー、窓関数の形
状、正弦波の位相、窓関数の位置のうち少なくとも１つ
に応じて変化することを特徴とする請求項１記載の音声
合成方法。 - 【請求項７】前記ホルマント周波数、前記ホルマント波
形のパワー、前記窓関数の形状、前記正弦波の位相、前
記窓関数の位置のうち少なくとも１つが少なくとも先行
または後続のピッチ波形の対応するホルマントの有無に
応じて変化することを特徴とする請求項１記載の音声合
成方法。 - 【請求項８】ピッチパターン、音韻継続時間長及び音韻
記号列が入力され、ピッチ周期の情報にしたがって生成
されるピッチマークに、ピッチ波形生成部により形成さ
れたピッチ波形を重畳することにより音声信号を生成す
る音声合成装置において、前記ピッチ波形生成部は音声
素片の単位毎にホルマントパラメータが記憶されている
記憶部と、前記ピッチパターン、前記音韻継続時間長及
び前記音韻記号列を参照として、前記ピッチマークに対
応する１フレーム分の前記ホルマントパラメータを前記
記憶部より選択して読み出すパラメータ選択部と、前記
読み出されたホルマント周波数の正弦波を生成する正弦
波生成部と、この生成された正弦波に前記選択された窓
関数をかけることによりホルマント波形を生成する掛け
算器と、これらホルマントをそれぞれ加算する加算器と
を具備することを特徴とする音声合成装置。 - 【請求項９】前記窓関数は前記記憶部に記憶されている
ことを特徴とする請求項８記載の音声合成装置。 - 【請求項１０】前記記憶部に窓関数の重み係数が記憶さ
れており、この重み係数が導入され基底関数の重み付け
加算によって前記窓関数を生成する窓関数生成部とを具
備することを特徴とする請求項８記載の音声合成装置。 - 【請求項１１】前記選択されたホルマントパラメータを
前記ピッチ周期に応じて変化させるパラメータ変形部を
設けたことを特徴とする請求項８記載の音声合成装置。 - 【請求項１２】前記選択されたホルマントパラメータを
先行または後続の音韻の情報に応じて変化させるパラメ
ータ変形部を設けたことを特徴とする請求項８記載の音
声合成装置。 - 【請求項１３】前記選択されたホルマントパラメータを
与えられた声質に応じて変化させるパラメータ変形部を
設けたことを特徴とする請求項８記載の音声合成装置。 - 【請求項１４】前記選択されたホルマントパラメータを
時間的な変化を滑らかにするパラメータ平滑化部を設け
たことを特徴とする請求項８記載の音声合成装置。 - 【請求項１５】ピッチ周期の情報に従ってピッチ波形を
重畳することにより音声信号を生成する音声合成方法を
実現するプログラムを記録した記録媒体において、ホル
マント周波数の正弦波に窓関数をかけることによって複
数のホルマント波形を生成し、これら複数のホルマント
波形の和によって前記ピッチ波形を生成する音声合成方
法を実現するプログラムを記録したことを特徴とする音
声合成方法を記録した記録媒体。 - 【請求項１６】ホルマント周波数、ホルマント位相およ
び窓関数を表す多数のホルマントパラメータを記憶装置
に格納させる命令と、ピッチパターン、音韻継続時間長
及び音韻記号列に従って前記ホルマントパラメータから
所定のホルマントパラメータを選択させる命令と、選択
されたホルマントパラメータに対応するホルマント周波
数およびホルマント位相に基づいて複数の正弦波を生成
させる命令と、複数のホルマント波形を生成するため前
記選択されたホルマントパラメータに対応する窓関数と
前記正弦波とを乗算させる命令と、複数のピッチ波形を
生成するために前記ホルマント波形を加算させる命令
と、音声信号を生成するためにピッチ周期に従って前記
ピッチ波形を重畳させる命令とを含む音声合成プログラ
ム。 - 【請求項１７】前記窓関数を生成するために重み係数に
よって重み付けされた規定関数を加算させる命令を含む
請求項１６記載の音声合成プログラム。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002077096A JP3732793B2 (ja) | 2001-03-26 | 2002-03-19 | 音声合成方法、音声合成装置及び記録媒体 |
| KR10-2002-0016033A KR100457414B1 (ko) | 2001-03-26 | 2002-03-25 | 음성합성방법, 음성합성장치 및 기록매체 |
| EP02252159A EP1246163B1 (en) | 2001-03-26 | 2002-03-26 | Speech synthesis method and speech synthesizer |
| CNB021080496A CN1185619C (zh) | 2001-03-26 | 2002-03-26 | 语音合成方法和语音合成装置 |
| DE60205421T DE60205421T2 (de) | 2001-03-26 | 2002-03-26 | Verfahren und Vorrichtung zur Sprachsynthese |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001-87041 | 2001-03-26 | ||
| JP2001087041 | 2001-03-26 | ||
| JP2002077096A JP3732793B2 (ja) | 2001-03-26 | 2002-03-19 | 音声合成方法、音声合成装置及び記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002358090A true JP2002358090A (ja) | 2002-12-13 |
| JP3732793B2 JP3732793B2 (ja) | 2006-01-11 |
Family
ID=26612017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002077096A Expired - Fee Related JP3732793B2 (ja) | 2001-03-26 | 2002-03-19 | 音声合成方法、音声合成装置及び記録媒体 |
Country Status (5)
| Country | Link |
|---|---|
| EP (1) | EP1246163B1 (ja) |
| JP (1) | JP3732793B2 (ja) |
| KR (1) | KR100457414B1 (ja) |
| CN (1) | CN1185619C (ja) |
| DE (1) | DE60205421T2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005004105A (ja) * | 2003-06-13 | 2005-01-06 | Sony Corp | 信号生成装置及び信号生成方法 |
| US7596497B2 (en) | 2003-06-13 | 2009-09-29 | Sony Corporation | Speech synthesis apparatus and speech synthesis method |
| US8175881B2 (en) | 2007-08-17 | 2012-05-08 | Kabushiki Kaisha Toshiba | Method and apparatus using fused formant parameters to generate synthesized speech |
| JP2013205697A (ja) * | 2012-03-29 | 2013-10-07 | Toshiba Corp | 音声合成装置、音声合成方法、音声合成プログラムならびに学習装置 |
| JP2017173606A (ja) * | 2016-03-24 | 2017-09-28 | カシオ計算機株式会社 | 電子楽器、楽音発生装置、楽音発生方法及びプログラム |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6950799B2 (en) * | 2002-02-19 | 2005-09-27 | Qualcomm Inc. | Speech converter utilizing preprogrammed voice profiles |
| AU2003254398A1 (en) * | 2002-09-10 | 2004-04-30 | Leslie Doherty | Phoneme to speech converter |
| JP2004294816A (ja) * | 2003-03-27 | 2004-10-21 | Yamaha Corp | 携帯端末装置 |
| JP2005234337A (ja) * | 2004-02-20 | 2005-09-02 | Yamaha Corp | 音声合成装置、音声合成方法、及び音声合成プログラム |
| JP5275102B2 (ja) | 2009-03-25 | 2013-08-28 | 株式会社東芝 | 音声合成装置及び音声合成方法 |
| CN107924678B (zh) * | 2015-09-16 | 2021-12-17 | 株式会社东芝 | 语音合成装置、语音合成方法及存储介质 |
| CN108257613B (zh) * | 2017-12-05 | 2021-12-10 | 北京小唱科技有限公司 | 修正音频内容音高偏差的方法及装置 |
| CN108597527B (zh) * | 2018-04-19 | 2020-01-24 | 北京微播视界科技有限公司 | 多声道音频处理方法、装置、计算机可读存储介质和终端 |
| CN110189743B (zh) * | 2019-05-06 | 2024-03-08 | 平安科技（深圳）有限公司 | 波形拼接中的拼接点平滑方法、装置及存储介质 |
| CN114648974B (zh) * | 2020-12-17 | 2025-02-18 | 南京理工大学 | 基于语音雷达和深度学习的语音合成方法及系统 |
-
2002
- 2002-03-19 JP JP2002077096A patent/JP3732793B2/ja not_active Expired - Fee Related
- 2002-03-25 KR KR10-2002-0016033A patent/KR100457414B1/ko not_active Expired - Fee Related
- 2002-03-26 DE DE60205421T patent/DE60205421T2/de not_active Expired - Lifetime
- 2002-03-26 EP EP02252159A patent/EP1246163B1/en not_active Expired - Lifetime
- 2002-03-26 CN CNB021080496A patent/CN1185619C/zh not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005004105A (ja) * | 2003-06-13 | 2005-01-06 | Sony Corp | 信号生成装置及び信号生成方法 |
| US7596497B2 (en) | 2003-06-13 | 2009-09-29 | Sony Corporation | Speech synthesis apparatus and speech synthesis method |
| US8175881B2 (en) | 2007-08-17 | 2012-05-08 | Kabushiki Kaisha Toshiba | Method and apparatus using fused formant parameters to generate synthesized speech |
| JP2013205697A (ja) * | 2012-03-29 | 2013-10-07 | Toshiba Corp | 音声合成装置、音声合成方法、音声合成プログラムならびに学習装置 |
| JP2017173606A (ja) * | 2016-03-24 | 2017-09-28 | カシオ計算機株式会社 | 電子楽器、楽音発生装置、楽音発生方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| DE60205421D1 (de) | 2005-09-15 |
| EP1246163B1 (en) | 2005-08-10 |
| JP3732793B2 (ja) | 2006-01-11 |
| DE60205421T2 (de) | 2006-04-20 |
| EP1246163A2 (en) | 2002-10-02 |
| CN1378199A (zh) | 2002-11-06 |
| CN1185619C (zh) | 2005-01-19 |
| KR20020076144A (ko) | 2002-10-09 |
| EP1246163A3 (en) | 2003-08-13 |
| KR100457414B1 (ko) | 2004-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3408477B2 (ja) | フィルタパラメータとソース領域において独立にクロスフェードを行う半音節結合型のフォルマントベースのスピーチシンセサイザ | |
| JP4705203B2 (ja) | 声質変換装置、音高変換装置および声質変換方法 | |
| KR940002854B1 (ko) | 음성 합성시스팀의 음성단편 코딩 및 그의 피치조절 방법과 그의 유성음 합성장치 | |
| JP4469883B2 (ja) | 音声合成方法及びその装置 | |
| JP5159325B2 (ja) | 音声処理装置及びそのプログラム | |
| JPH031200A (ja) | 規則型音声合成装置 | |
| JP3732793B2 (ja) | 音声合成方法、音声合成装置及び記録媒体 | |
| Erro et al. | Weighted frequency warping for voice conversion. | |
| US7251601B2 (en) | Speech synthesis method and speech synthesizer | |
| JP3450237B2 (ja) | 音声合成装置および方法 | |
| US20090326951A1 (en) | Speech synthesizing apparatus and method thereof | |
| JP2018077283A (ja) | 音声合成方法 | |
| JP2904279B2 (ja) | 音声合成方法および装置 | |
| JP5175422B2 (ja) | 音声合成における時間幅を制御する方法 | |
| CN100508025C (zh) | 合成语音的方法和设备及分析语音的方法和设备 | |
| JP3727885B2 (ja) | 音声素片生成方法と装置及びプログラム、並びに音声合成方法と装置 | |
| JP2002244693A (ja) | 音声合成装置および音声合成方法 | |
| JP2008299266A (ja) | 音声合成装置および音声合成方法 | |
| JP2003330482A (ja) | 基本周波数パターン生成方法、基本周波数パターン生成装置、音声合成方法、音声合成装置、基本周波数パターン生成プログラムおよび音声合成プログラム | |
| JPH11224096A (ja) | 音声合成方法及び音声合成装置 | |
| JPH0836397A (ja) | 音声合成装置 | |
| JP3967571B2 (ja) | 音源波形生成装置、音声合成装置、音源波形生成方法およびプログラム | |
| Bonada et al. | Improvements to a sample-concatenation based singing voice synthesizer | |
| Lavner et al. | Voice morphing using 3D waveform interpolation surfaces and lossless tube area functions | |
| Min et al. | A hybrid approach to synthesize high quality Cantonese speech |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050309 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050712 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050912 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20051011 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051013 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081021 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091021 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |