振幅スペクトルからの音声合成法におけるピッチ変換法.PDFVIP

社団法人電子情報通信学会 信学技報 THEINSTITUTEOFELECTRONICS， TECHNICALREPORTOFlEICE・ INFORMATIONANDCOlIWUNICATIONENGINEERS SP99-89（1999-10） 振幅スペクトルからの音声合成法におけるピッチ変換法 東弘人，川又政征 東北大学大学院工学研究科電子工学専攻 〒980-8579仙台市青葉区荒巻字青葉O5 E-mail:higaSi＠mk,ecei､tohoku・acjp あらまし本報告では，振幅スペクトルからの音声合成法を利用した音質劣化の少ないピッチ変換法を提案する． 本方式ではまず，サンプリング変換を用いて周波数スケーリングを行なうことでピッチ周波数を変更する．その後， サンプリング変換した音声に対して，振幅スペクトル系列のスペクトル包絡特性を原音声の特性に復元する．最後に， 変更された振幅スペクトル系列から，原音声の音声速度と等しくなるように音声を合成する．本方式で得られるピッ チ変換音声は，変換倍率が約0.8倍から2.0倍の範囲では，かなり原音声の音質を保存している． キーワードピッチ変換，LSEE-MSTFTMアルゴリズム，サンプリング変換，振幅スペクトル，スペクトル包絡 AMethodofPitchModificationbySpeechSynthesisfromShort-TimeFburier BansfbrmMagnitude HirotoHIGASHI,MasayukiKAWAMA1rA DepartmentofElectronicEngineering,GraduateSchoolofEngineering,TbhokuUniversity Aoba戸yamaO5,Sendai980-8579,Japan E-mail:higasi＠mk・ecei・tohoku､acjp Ab8tractThispaperproposesamethodofpitchmodificationusingthespeechsynthesismethodfromshort- timeFburiertransfbrm(STFT)magnitude､Themethodmodifiesfirstthepitchfrequencybyfrequencyscaling usingsamplingrateconversion・FbrthespeechwhoseSamplingrateisconverted，spectralenvelopesofSTFTs magnitudearerestoredtotheonesoforiginalspeech・Finally,aspeechissynthe8izedfromthemodifiedSTFT magnitudebuttheframeshiftratefbrsynthesisissetsothatthe8ynthesisspeechrateequa1stotheoriginalone・ There8ultingpitchmodifiedspeechcanpreserveverywellthequajityoforiginalspeechovertherange0.8-2.0of rateconversion． keywordspitchmodification,LSEEMSTFTMalgorithm,samplingrateconversion， STFTmagnitude,spectralenvelope －25－ 1まえがき 近年，音声に含まれる個人性を変換する試みとして， 声質変換技術が盛んに研究されている．スペクトル包絡