[其他]數字語音音調變換的方法及裝置

無效

• 申請號: 87100209
• 申請日: 1987-01-10
• 公開（公告）號: CN87100209A
• 公開（公告）日: 1987-10-21
• 發明（設計）人: 潘建平;胡南鐘;杜根源;曹彬石;黃昭鳴
• 申請（專利權）人: 上海工業大學
• 主分類號: G10L5/04
• 分類號: G10L5/04
• 代理公司: 上海工業大學專利事務所
• 代理人: 陶鑫良,賈澤才

本方法及裝置結構屬于語音音調變換技術。

用不同于錄音速度的放音速度回放語音，不僅使語音的時間長度發生變化，而且也使語音頻譜發生移動;頻譜移動的效應使語音的音調變化和語音的可懂度下降。用語音音調變換技術可使這種語音的音調得以恢復。另外在幻想劇和兒童劇中常需特殊的音調效果，采用本變換技術可改變原語音的音調，使其達到正常人發音以外的音調效果。

世界各國語言大多可用四、五十個語音音素來描述，一個單詞由若干個音素組成。語音的聲音按激勵形式不同可分為二類：第一類是準周期音，即濁音，當氣流通過聲門使聲帶發生振動，就產生準周期音，其周期由聲帶振動頻率決定，男子頻率為80～200Hz，女子頻率為150～300Hz，兒童頻率為200～350Hz，這一頻率稱為基頻，人的發音音調與它密切有關;另一類是非周期音，即清音和摩擦音等，聲道在某處壓縮，迫使空氣以高速沖過壓縮部分而產生湍流，發出非周期的，頻率分量豐富的音素。聲道的形狀決定了聲道的頻率特性，改變聲道形狀就產生不同的音素。

語音音素主要取決于聲道的形狀和聲帶的振動及振動頻率。在發一個準周期音時，聲帶的振動頻率和聲道的形狀是基本不變的，圖1（b）畫出了三個準周期的音素波形，從圖中看出，每一音素有一定的時間長度，這長度稱為音素長度，在音素長度內音素的波形是基本不變的，具有波形相似性。人的發音器管機理決定了聲道改變的速率小于聲帶振動的頻率，這就說明了一個音素長度內包含有若干個波形周期。語音音素中有一部分屬于短音音素，另一部分是屬于長音音素。以前對音素長度的大量統計發明，音素長度在30～300ms范圍內。同一人在不同時刻或不同的人發某一音素時的音素長度也是有差異的，這種小范圍內的差異并不影響聽覺效應。從圖1（b）中看出，在兩音素之間有一個音素過渡段，這一過渡段稱為音素過渡，它是由發音系統中聲道等參數發生改變的暫態過程所引起的，這一暫態過程在幾至幾十毫秒內完成，這一過程中波形參數與前后音素波形的參數設有固定的對應關系，音素過渡各種形式的失真會嚴重影響語音的自然度。

語音音調變換是通過語音波形在時域中擴展或壓縮來實現的。設一語音的時間函數為f（t），其頻譜函數為F（ω），則它們之間的付里葉變換關系式為

〔f（t）〕＝F（ω） （1）

根據付里葉變換的尺度反比性質有

〔f（Kt）〕＝ 1/(K) F（ (ω)/(K) ） （2）

上式表明，當K是大于1的正實數時，表示語音在時域上壓縮了K倍，而在頻域上則擴展了K倍，語音音調提升了K倍;當K是小于1的正實數時，表示語音在時域上擴展了1/K倍，而在頻域上則壓縮了1/K倍，語音音調降低了1/K倍。要實現語音在總的時間長度上保持不變的情況下進行音調變換，需將語音信號波形在時間上分成一幀一幀地進行處理，當進行降低音調的變換時，在每一幀內將被變換的波形在時間上擴展1/K倍，再將部分波形刪除，當K＝1/2時，刪除的波形為被變換波形幀的二分之一，用時域波形擴展法和刪除法的結合使降低音調變換后的語音在時間長度上保持不變，如圖1（C）所示。當進行提升音調的變換時，在每一幀內將被變換的波形在時間上壓縮K倍，再將部分波形插入，當K＝3/2時，插入的波形為被變換波形幀的二分之一，用時域波形壓縮法和插入法的結合使提升音調變換后的語音在時間長度上保持不變，如圖2（c）所示。當被變換的語音是未被壓縮或擴展時的原波形時，經音調變換后的語音將提升或降低原音調;當被變換的語音是用不同于錄音速度的放音速度回放的波形時，經音調變換后的語音可使變速回放的語音音調得以恢復，而變換后語音的時間長度為變速回放語音的時間長度。

傳統實現音調變換方法的裝置其主要結構有兩種：一種是用模擬可變延時線實現;另一種是先用A/D轉換器將模擬語音信號轉換為數字信號，一幀一幀地寫入隨機寄存器內，再用D/A轉換器以不同于A/D轉換器的轉換速率依照一定的讀出方式將這些數字信號數據從隨機寄存器內一幀一幀地讀出。