PSOLA
概要
[編集]PSOLAを採用した音声処理ではスペクトル包絡/フォルマントを保ったまま音高や持続時間(テンポ)を変更できる。
PSOLAは次の3つの段階からなる[3]。
- 分析: 信号を短い区間の集合へ変換[4]。区間長は可変、短時間でのピッチに同期（Pitch-Synchronous）[5]
- 変換: 区間ごとあるいは区間単位で操作
- 再合成: 重畳加算（OverLap-Add）
分析では、対象の音声波形がもつ周期(ピッチ)と同期した分析窓を用い[6]、互いにオーバーラップした短い断片/区間（基本周期の2倍程度[6]）に分割する。
変換例として、信号のピッチを下げるには断片を互いに遠ざけ、ピッチを上げるには互いに近付けて断片を再配置する。断片を離す/重ねる結果として信号長/持続時間が変化するため、次の補正を行う[6]。信号の持続時間を長くするには 引き続き同じ断片を複数回繰り返し、短くするには いずれかの断片を間引きする。
変換された断片は重畳加算で結合され信号が再合成される。
PSOLAを採用しかつ操作が時間領域でおこなわれるアルゴリズムはTD-PSOLAと総称され、また周波数領域でおこなわれるアルゴリズムはFD-PSOLAと総称される[7]。
利用
[編集]PSOLAは様々な目的で利用される。以下はその一例である：
脚注
[編集]注釈
[編集]出典
[編集]- ↑
a pitch-synchronous overlap-add (PSOLA) approach ... In this paper, we first present the common PSOLA framework
(Moulines 1990, pp. 453–454) - ↑ 板橋秀一 (2005), 音声工学, 森北出版, p. 169, ISBN 9784627828117
- ↑
The PSOLA synthesis scheme involves the three following steps: an analysis of the original speech waveform ... modifications brought to this intermediate representation ... the synthesis of the modified signal from the modified intermediate representation
(Moulines 1990, p. 454) - ↑
consists of a sequence of short-term signals
(Moulines 1990, p. 454) - ↑
at a pitch-synchronous rate on the voiced portions of the signal and at a constant rate on the unvoiced portions.
(Moulines 1990, pp. 454–455) - 1 2 3 R. Kortekaas; A. Kohlrausch (1997), “Psychoacoustical Evaluation of the Pitch-Synchronous Overlap-and-Add Speech-Waveform Manipulation Technique Using Single-Formant Stimuli”, Journal of the Acoustical Society of America (JASA) 101 (4): 2202–2213
- ↑
The modifications of the speech signal are performed either in the frequency domain (FD-PSOLA) ... or directly in the time domain (TD-PSOLA)
(Moulines 1990, p. 453) - ↑
a family of methods for modifying the prosody of natural speech ... are used to improve the voice quality of text-to-speech systems based on the concatenation of elementary speech units,
(Moulines 1990, p. 453)
参考文献
[編集]- Moulines, Eric (1990). “Pitch-synchronous waveform processing techniques for text-to-speech synthesis using diphones”. Speech Communication. 9 (5–6): 453–467. doi:10.1016/0167-6393(90)90021-Z.
- Eric Moulines; Jean Laroche (February 1995), “Non-parametric techniques for pitch-scale and time-scale modification of speech”, Speech Communication 16 (2), doi:10.1016/0167-6393(94)00054-E
関連項目
[編集]外部リンク
[編集]- Changing Pitch with PSOLA for Voice Conversion (英語)
- A thesis that discusses PSOLA with diagrams (PDF, 英語); 35ページ参照(PDF上の44ページ目)
