音節セグメントの同定に基づく音声の超極低ビット符号化合成方式の研究

基于音节段识别的语音超低比特编码合成方法研究

• 批准号: 62550243
• 负责人: 中川 聖一
• 金额: $ 1.28万
• 依托单位: Toyohashi University of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for General Scientific Research (C)
• 财政年份: 1987
• 资助国家: 日本
• 起止时间: 1987 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-62550243/
• 关键词: 音声符号化; 分析合成方式; 知的符号化; 超極低ビット符号化; 認識ボコーダ

音声の極低ビット符号化・合成方式として, ベクトル量子化手法をセグメント単位に拡張したセグメント量子化(マトリックス量子化)法が提案され, 150〜200bit/Sの極低ビット符号化で, 明瞭度の優れた合成音が得られている. しかし, これらの手法は従来からの符号化の範ちゅう内のもので, パターン(音声特徴パラメータ・ベクトル)の統計的分布の偏りは(VQ手法を通して)利用しているが, 情報源の内容は積極的には利用されていない. 更に低符号化を実現するには言語に依存した符号化法を導入する必要があった.本研究では, 情報源の内容まで立ち入った音声の超極低ビット符号化法, いわゆる知的符号化・認識符号化(認識ボ.コーダ)に関して新しい方式を提案した.まず初めに, 入力音波を音声分析し, 10msごとにPARCOR係数, ピッチ周波数, パワーを抽出する. これらの特徴パラメータの時系列とあらかじめ作成されている約500個の音節標準パターン(同様な特徴パラメータ時系列)と照合し, 最適な音節系列に変換する. 音節符号化のために9ビット, ピッチ, パワー, 継続時間長はそれぞれ7レベル, 5レベル, 3レベルで表現し, 合計105通り(7ビット)で表現する.合成時には, これらの符号化手続きの逆手順で達成する. つまり, 対応する音節標準パターンの原波形をピッチ, パワー, 継続時間長に従って線形に補間しながら接続し, 合成する.次に, 音節単位への符号化精度を上げるために, HMMをベイズ識別法とを用いたセグメンテーションアルゴリズムを提案した. その結果, ヒューソスティックな継続時間制御を使用して, 音節の繰り返しになっているデータのみの場合95%以上, 音節データに撥音, 長母音, 二重母音を加えた場合93%以上のセグメンテーション率が得られた.

The method of quantization of sound is proposed. The method of extremely low level symbolization of sound is proposed. The method of quantization of sound is proposed. The method of extremely low level symbolization of sound is proposed. The method of quantization of sound is proposed. The method of extremely low level symbolization of sound is proposed. The statistical distribution of sound characteristics is biased towards the utilization of information sources. The content of information sources is actively utilized. The symbolization of speech is necessary. In this study, the content of information source is symbolized by ultra-low-level symbolization of sound, symbolization of knowledge and symbolization of cognition. A new way of thinking about it. Initial sound wave analysis, 10ms About 500 syllables are composed of standard syllables (similar characteristics) and suitable syllables. Syllabic symbolization and 9,, 7, 5, 3 The synthesis time is reversed, and the symbolized hand is reversed. The original waveform of the syllable standard is divided into two parts: the first part is divided into two parts: the second part is divided into two parts: the first part is divided into three parts: the first part is divided into three parts: the second part is divided into four parts: the third part is divided into four parts: the fourth part Second, the syllable unit symbol accuracy is high, HMM identification method is used in the middle of the proposal. As a result, the use of sound time control, syllable inflection, and vowel diacritics was more than 95%, syllable diacritics, long vowels, and double vowels were more than 93%.

项目成果

中川聖一: "確率モデルによる音声認識" 電子情報通信学会, (1988)

Seiichi Nakakawa：“使用概率模型进行语音识别”IEICE，（1988）

橋本泰秀, 中川聖一: 電子情報通信学会, 音声技術報告. SP87-99. 13-18 (1987)

Yasuhide Hashimoto，Seiichi Nakakawa：电子、信息和通信工程师协会，语音技术报告 SP87-18 (1987)。

中川聖一, 安本太一: 日本音響学会, 講演論文集(春季). 1-1-10. 135-136 (1988)

Seiichi Nakakawa、Taichi Yasumoto：日本声学学会，会议记录（春季）1-1-136（1988 年）。