[go: up one dir, main page]

EP0363233A1 - Procédé et dispositif de synthèse de la parole par addition-recouvrement de formes d'onde - Google Patents

Procédé et dispositif de synthèse de la parole par addition-recouvrement de formes d'onde Download PDF

Info

Publication number
EP0363233A1
EP0363233A1 EP89402394A EP89402394A EP0363233A1 EP 0363233 A1 EP0363233 A1 EP 0363233A1 EP 89402394 A EP89402394 A EP 89402394A EP 89402394 A EP89402394 A EP 89402394A EP 0363233 A1 EP0363233 A1 EP 0363233A1
Authority
EP
European Patent Office
Prior art keywords
synthesis
period
window
speech
fundamental
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
Application number
EP89402394A
Other languages
German (de)
English (en)
Other versions
EP0363233B1 (fr
Inventor
Christian Hamon
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Orange SA
Original Assignee
France Telecom SA
Etat Francais
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by France Telecom SA, Etat Francais filed Critical France Telecom SA
Publication of EP0363233A1 publication Critical patent/EP0363233A1/fr
Application granted granted Critical
Publication of EP0363233B1 publication Critical patent/EP0363233B1/fr
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

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
    • G10L13/06—Elementary speech units used in speech synthesisers; Concatenation rules
    • G10L13/07—Concatenation rules

Definitions

  • the invention relates to methods and devices for speech synthesis; it relates, more particularly, to the synthesis from a dictionary of sound elements by cutting up the text to be synthesized into microtrames each identified by a serial number of corresponding sound element and by prosodic parameters (information of sound height at the beginning and at the end of the sound element and duration of the sound element), then by adaptation and concatenation of the sound elements by an addition-recovery procedure.
  • the sound elements stored in the dictionary will frequently be diphones, that is to say transitions between phonemes, which makes it possible, for the French language, to be satisfied with a dictionary of approximately 1300 sound elements; however, different sound elements can be used, for example syllables or even words.
  • the prosodic parameters are determined according to criteria relating to the context: the pitch which corresponds to the intonation, depends on the location of the sound element in a word and in the sentence and the duration given to the element. sound is a function of the rhythm of the sentence.
  • This source-duct voice deconvolution allows on the one hand the modification of the value of the fundamental frequency of the voiced sounds, that is to say sounds which have a harmonic structure and are caused by vibration of the vocal cords, and on the other hand, the compression of the data representing the speech signal.
  • the speech synthesis according to the present invention belongs to the second group. It finds a particularly important application in the field of the transformation of a spelling chain (constituted for example by the text supplied by a printer) into a speech signal, for example restored directly or emitted on a normal telephone line.
  • the present invention aims in particular to provide a relatively simple method and allowing acceptable speech reproduction. It starts from the hypothesis that voiced sounds can be considered as the sum of the impulse responses of a filter, stationary for several milliseconds, (corresponding to the vocal tract) excited by a Dirac sequence, that is to say by a "pulse comb", synchronously with the fundamental frequency of the source, that is to say vocal cords, which is reflected in the spectral domain by a harmonic spectrum, the harmonics being spaced from the fundamental frequency and weighted by an envelope having maxima called formants, depending on the transfer function of the vocal tract.
  • the present invention aims to provide a method and a device for concatenating synthesis of waveforms which do not have the above limitation and which make it possible to provide good quality speech, while requiring only a small volume of arithmetic calculations. .
  • the invention notably proposes a method characterized in that: - a windowing centered at the start of each impulse response from the vocal tract to the excitation of the vocal cords (at the start of each voice impulse) can be performed, at least on voiced voices of the sound elements a window having a maximum for said start and an amplitude decreasing to zero at the edge of the window, and - the windowed signals corresponding to each sound element are replaced with a time offset equal to the fundamental synthesis period to be obtained, less than or greater than the original fundamental period according to the prosodic pitch information of the fundamental frequency and a summation of these signals.
  • the width of the window can vary between values less than and greater than twice the original period.
  • the width of the window is advantageously chosen to be approximately twice the original period in the event of an increase in the fundamental period or approximately twice the final period of synthesis in the event of an increase in the fundamental frequency, in order to partially compensate for the energy modifications due to the change in the fundamental frequency, not compensated for by a possible normalization of the energy, taking into account the contribution of each window to the amplitude of the samples of the digital synthesis signal: in the case of a decrease in the fundamental period, the width of the window will therefore be less than twice the original fundamental period. It is undesirable to go below this value.
  • the diphones are memorized with the natural fundamental frequency of the speaker.
  • elementary waveforms With a window of duration equal to two consecutive fundamental periods in the voiced case, elementary waveforms are obtained whose spectrum represents substantially the envelope of the spectrum of the speech signal or short-term broadband spectrum - since this spectrum is obtained by convolution of the harmonic spectrum of the speech signal and the frequency response of the window, which in this case has a bandwidth greater than the distance between harmonics; the temporal redistribution of these elementary waveforms will give a signal having substantially the same envelope as the original signal but a modified distance between harmonics.
  • deaf or unvoiced sounds can be represented by a signal whose shape is similar to that of white noise, but without synchronization of the windowed signals: this is intended to '' homogenize the processing on deaf sounds and voiced sounds, which allows on the one hand the smoothing between sound elements (diphones) and between deaf and voiced phonemes, and on the other hand a modification of the rhythm. There is a problem at the junction between diphones.
  • the synthesis of a phoneme is carried out from two diphones stored in a dictionary, each phoneme being composed of two half-diphones.
  • the sound "é” in “period” for example will be obtained from the second half-diphone of "pai” and the first half-diphone of "air".
  • a phonetic orthographic translation and prosody calculation module (which is not part of the invention) provides, at a given instant, indications identifying: - the phoneme to be restored, of order P - the previous phoneme, of order P-1 - the following phoneme, of order P + 1 and giving the duration to be assigned to the phoneme P as well as the periods at the beginning and at the end ( Figure 1).
  • a first analysis operation which is not modified by the invention, consists in determining, by decoding the names of the phonemes and prosodic indications, the two diphones selected for the phoneme to be used and the voicing.
  • All the available diphones (1300 for example) are stored in a dictionary 10 provided with a table constituting the descriptor 12 and containing the address of the start of each diphone (in number of blocks of 256 bytes) the length of the diphone and the middle of the diphone (these last two parameters being expressed in number of samples from the start) and voicing marks marking the beginning of the response of the vocal tract to the excitation of the vocal cords in the case of a sound voiced (35 in number for example). Dictionaries of diphones meeting these criteria are available, for example, from the National Center for Telecommunications Studies.
  • the diphones are then used in a process of analysis and synthesis shown diagrammatically in FIG. 1. This process will be described assuming that it is implemented in a synthesis device having the constitution shown in FIG. 2, intended to be connected to a host computer, such as the central processor of a personal computer. We will also assume that the sampling frequency giving the representation of the diphones is 16 kHz.
  • the synthesis device (FIG. 2) then comprises a main random access memory 16 which contains a microcomputing program, the dictionary of diphones 10 (that is to say waveforms represented by samples) stored in the order of the addresses of the descriptor, the table 12 constituting the dictionary descriptor, and a Hanning window, sampled for example on 500 points.
  • the random access memory 16 also constitutes micro-frame memory and working memory. It is connected by a data bus 18 and an address bus 20 to an access 22 to the host computer.
  • Each micro-frame emitted to restore a phoneme ( Figure 2) is made up, for each of the two phonemes P and P + 1 which are involved - the serial number of the phoneme, - the value of the period at the start of the phoneme, the value of the period at the end of the phoneme, and - the total duration of the phoneme which can be replaced by the duration of the diphone for the second phoneme.
  • the device also comprises, connected to the buses 18 and 20, a local computing unit 24 and a switching circuit 26.
  • the latter makes it possible to connect a random access memory 28 serving as an output buffer either to the computer or to a controller 30 of digital / analog converter 32 output.
  • the latter attacks a low-pass filter 34, generally limited to 8 kHz, which supplies a speech amplifier 36.
  • the operation of the device is as follows.
  • the host computer (not shown) loads the micro-frames into the table reserved in memory 16, via access 22 and buses 18 and 20, then it commands the start of synthesis to the calculation unit 24
  • This calculation unit searches for the number of the current phoneme P, of the next phoneme P + 1 and of the previous phoneme P-1 in the micro-frame table, using an index stored in the working memory, initialized to 1.
  • the calculating unit searches only for the numbers of the current phoneme and the next phoneme. In the case of the last phoneme, it picks up the number of the previous phoneme and that of the current phoneme.
  • the computing unit loads, into working memory 16, the address of the diphone, its length, its middle as well as the thirty-five voicing marks. It then loads, into a descriptor table of the phoneme, the voicing marks corresponding to the second part of the diphone. Then she searches in the waveform dictionary for the second part of the diphone, which she places in a table representing the signal of the analysis phoneme. The marks kept in the phoneme descriptor table are decremented by the value of the middle of the diphone.
  • This operation is repeated for the second part of the phoneme constituted by the first part of the second diphone.
  • the voicing marks of the first part of the second diphone are added to the voicing marks of the phoneme and incremented by the value of the middle of the phoneme.
  • the calculation unit stores in memory the number of marks of the natural phoneme, equal to the number of voicing marks, then determines the number of periods to be eliminated or added by making the difference between the number of synthesis periods and the number of periods of analysis, difference which is fixed by modifying the tone to be introduced from that corresponding to the dictionary.
  • the calculation unit determines the analysis period selected from the phoneme periods based on the following considerations: the modification of the duration can be considered as the matching, by deformation of the time axis of the synthesis signal, of the n voicing marks of the analysis signal and of the p marks of the synthesis signal, n and p being predetermined integers; - to each of the p marks of the synthesis signal must be associated the mark closest to the analysis signal.
  • the calculation unit determines the number of points to add or delete to the analysis period by making the difference between the latter and the summary period.
  • the width of the analysis window as follows, illustrated in Figure 3: - if the synthesis period is less than the analysis period (lines A and B of Figure 3), the size of the window 38 is twice the synthesis period; - otherwise, the size of the window 40 is obtained by multiplying by two the lowest of the values of the current analysis period and of the previous analysis period (lines C and D).
  • the calculation unit determines a progress step in reading the values of the window, tabulated for example on 500 points, the step then being equal to 500 divided by the size of the window previously calculated. It reads the samples from the previous period and the current period in the signal phoneme 28 signal buffer memory, weights them by the value of the Hanning window 38 or 40 indexed by the number of the current sample multiplied by the step of advancement in the tabulated window and adds, progressively, the calculated values to the buffer of the output signal indexed by the sum of the counter of the current output sample and the search index of the samples of the analysis phoneme. The current output counter is then incremented by the value of the synthesis period.
  • the processing is analogous to the previous one, except that the value of the pseudo-periods (distance between two voicing marks) is never modified: the elimination of pseudo-periods in the center of the phoneme simply decreases the duration of this one.
  • the duration of deaf phonemes is not increased, except by adding zeros in the middle of the "silent" phonemes.
  • Windowing is carried out by period to normalize the sum of the values of the windows applied to the signal: - from the start of the previous period to the end of the previous period, the step forward in reading the tabbed window is (in the case of a tabulation on 500 points) equal to 500 divided by twice the duration of the previous period; - from the start of the current period to the end of the current period, the advancement step in the tabulated window is equal to 500 divided by twice the duration of the current period plus a constant offset of 250 points.
  • the calculation unit stores the last period of the analysis and synthesis phoneme in the buffer memory 28 which allows the transition between phonemes.
  • the counter of the output current sample is decremented by the value of the last synthesis period.
  • the signal thus generated is sent, in blocks of 2,048 samples, to one of two memory spaces reserved for communication between the calculation unit and the controller 30 of the digital / analog converter 32.
  • the controller 30 is activated by the calculation unit and empties this first buffer zone.
  • the calculation unit fills a second buffer zone of 2048 samples.
  • the calculation unit then alternately tests these two buffer zones with a flag to load the digital synthesis signal at the end of each synthesis sequence of a phoneme.
  • the controller 30, at the end of reading of each buffer zone sets the corresponding flag.
  • the controller empties the last buffer zone and sets a flag for the end of synthesis which the host computer can read via the communication access 22.
  • FIGS. 4A-4C show that the temporal transformations of the digital speech signal do not affect the envelope of the synthesis signal, while modifying the distance between harmonics, i.e. the fundamental frequency of the speech signal.
  • the complexity of the calculation remains low: the number of operations per sample is on average two multiplications and two additions for the weighting and the summation of the elementary functions provided by the analysis.
  • the invention is susceptible of numerous variant embodiments and, in particular, as indicated above, a window of width greater than two periods, as shown in FIG. 6, possibly of fixed size, can give acceptable results. .
  • the method of modifying the fundamental frequency on digital speech signals can also be used outside of its application to synthesis by diphones.

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)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

La synthèse de parole est effectuée à partir d'éléments tels que des diphones. On effectue, au moins sur les sons voisés des éléments sonores, une analyse par fenêtrage sensiblement centrée sur le début de chaque réponse impulsionnelle du conduit vocal à l'excitation des cordes vocales à l'aide d'une fenêtre de filtrage présentant une amplitude décroissant jusqu'à zéro aux bords de la fenêtre de largeur au moins égale à deux fois la période fondamentale d'origine ou deux fois la période fondamentale de synthèse, on replace les signaux résultant du fenêtrage correspondant à chaque élément sonore, avec un décalage temporel de ceux-ci égal à la période fondamentale de synthèse, inférieure ou supérieure à la période fondamentale d'origine, suivant l'information prosodique concernant la fréquence de synthèse, on effectue la synthèse par sommation des signaux ainsi décalés.

Description

  • L'invention concerne les procédés et dispositifs de synthèse de la parole ; elle concerne, plus particu­lièrement, la synthèse à partir d'un dictionnaire d'éléments sonores par découpage du texte à synthétiser en microtrames identifiées chacune par un numéro d'ordre d'élément sonore correspondant et par des paramètres prosodiques (information de hauteur de son au début et à la fin de l'élément sonore et durée de l'élément sono­re), puis par adaptation et concaténation des éléments sonores par une procédure d'addition-recouvrement.
  • Les éléments sonores stockés dans le diction­naire seront fréquemment des diphones, c'est-à-dire des transitions entre phonèmes, ce qui permet, pour la langue française, de se contenter d'un dictionnaire d'environ 1300 éléments sonores ; on peut cependant utiliser des éléments sonores différents, par exemple des syllabes ou même des mots. Les paramètres prosodi­ques sont déterminés en fonction de critères portant sur le contexte : la hauteur de son qui correspond à l'intonation, dépend de l'emplacement de l'élément sonore dans un mot et dans la phrase et la durée donnée à l'élément sonore est fonction du rythme de la phrase.
  • Il faut rappeler au passage que les méthodes de synthèse de la parole se subdivisent en deux groupes. Celles qui utilisent un modèle mathématique du conduit vocal (synthèse par prédiction linéaire, synthèse à formants et synthèse à transformée de Fourier rapide) font intervenir une déconvolution de la source et de la fonction de transfert du conduit vocal et exigent en général une cinquantaine d'opérations arithmétiques par échantillon numérique de la parole avant conversion numérique-analogique et restitution.
  • Cette déconvolution source-conduit vocal permet d'une part la modification de la valeur de la fréquence fondamentale des sons voisés, c'est-à-dire des sons qui ont une structure harmonique et sont provoqués par vibration des cordes vocales, et d'autre part la com­pression des données représentant le signal de parole.
  • Celles qui appartiennent au second groupe de procédés utilisent la synthèse dans le domaine temporel par concaténation de formes d'onde. Cette solution a l'avantage de la flexibilité d'emploi et de la possi­bilité de réduire considérablement le nombre d'opéra­tions arithmétiques par échantillons. En contrepartie, elle ne permet pas de réduire le débit nécessaire à la transmission autant que les méthodes basées sur un modèle mathématique. Mais cet inconvénient disparaît lorsqu'on recherche essentiellement une bonne qualité de restitution sans être gêné par la nécessité de trans­mettre des données sur un canal étroit.
  • La synthèse de parole suivant la présente invention appartient au second groupe. Elle trouve une application particulièrement importante dans le domaine de la transformation d'une chaîne orthographique (cons­tituée par exemple par le texte fourni par une impri­mante) en un signal de parole, par exemple restitué directement ou émis sur une ligne téléphonique normale.
  • On connait déjà (Diphone synthesis using an overlap-add technique for speech waveforms concatenation, CHARPENTIER et al, ICASSP 1986, IEEE-IECEJ-ASJ International Conference on Acoustics Speech and Signal Processing, pages 2 015-2 018)un procédé de synthèse de parole à partir d'éléments sonores utilisant une technique d'addition-recouvrement de signaux à court-terme. Mais il s'agit de signaux à court-terme de synthèse, avec normalisation du recouvrement des fenêtres de synthèse, obtenus par un processus très complexe :
    - analyse du signal original par fenêtrage synchrone du voisement ;
    - transformée de Fourier du signal à court-terme ;
    - détection d'enveloppe ;
    - homothétie de l'axe fréquentiel sur le spectre de la source ;
    - pondération du spectre modifié de la source par l'enveloppe du signal d'origine ;
    - transformée de Fourier inverse.
  • La présente invention vise notamment à fournir un procédé relativement simple et permettant une reproduction acceptable de la parole. Elle part de l'hypothèse qu'on peut considérer les sons voisés comme la somme des réponses impulsionnelles d'un filtre, stationnaire durant plusieurs millisecondes, (correspondant au conduit vocal) excité par une suite de Dirac, c'est-à-dire par un "peigne d'impulsions", de façon synchrone de la fréquence fondamentale de la source, c'est-à-dire des cordes vocales, ce qui se traduit dans le domaine spectral par un spectre harmonique, les harmoniques étant espacés de la fréquence fondamentale et pondérés par une enveloppe présentant des maxima appelés formants, dépendant de la fonction de transfert du conduit vocal.
  • On a déjà proposé (Micro-phonemic method of speech synthesis, Lucaszewic et al, ICASSP 1987, IEEE, pages 1426-1429) d'effectuer une synthèse de parole où la diminution de la fréquence fondamentale des sons voisés, lorsqu'elle est nécessaire pour respecter des données prosodiques, est effectuée par insertion de zéros, les microphonèmes stockés devant alors obliga­toirement correspondre à la hauteur maximale possible du son à restituer, ou bien (brevet US 4 692 941) de diminuer de la même manière par insertion de zéros la fréquence fondamentale, et d'augmenter celle-ci en diminuant la taille de chaque période. Ces deux méthodes introduisent sur le signal de parole des distorsions non négligeables lors de la modification de la fréquence fondamentale.
  • La présente invention vise à fournir un procédé et un dispositif de synthèse à concaténation de formes d'onde ne présentant pas la limitation ci-dessus et permettant de fournir une parole de bonne qualité, tout en ne nécessitant qu'un faible volume de calculs arithmétiques.
  • Dans ce but, l'invention propose notamment un procédé caractérisé en ce que :
    - on effectue, au moins sur les sons voisés des éléments sonores, un fenêtrage centré sur le début de chaque réponse impulsionnelle du conduit vocal à l'excitation des cordes vocales (ce début pouvant être mémorisé dans un dictionnaire) à l'aide d'une fenêtre présentant un maximum pour ledit début et une amplitude décroissant jusqu'à zéro au bord de la fenêtre, et
    - on replace les signaux fenêtrés correspondant à chaque élément sonore avec un décalage temporel égal à la période fondamentale de synthèse à obtenir, inférieur ou supérieur à la période fondamentale d'origine suivant l'information prosodique de hauteur de la fréquence fon­damentale et on effectue une sommation de ces signaux.
  • Ces opérations constituent la procédure de re­couvrement puis addition des formes d'onde élémentaires obtenues par fenêtrage du signal de parole.
  • En général, on utilisera des éléments sonores constitués par des diphones.
  • La largeur de la fenêtre peut varier entre des valeurs inférieures et supérieures à deux fois la pé­riode d'origine. Dans l'exemple de mise en oeuvre qui sera décrit plus loin, la largeur de la fenêtre est choisie avantageusement égale à environ deux fois la période d'origine en cas d'augmentation de la période fondamentale ou environ deux fois la période finale de synthèse en cas d'augmentation de la fréquence fondamen­tale, afin de compenser partiellement les modifications d'énergie dues au changement de la fréquence fondamen­tale, non compensées par une normalisation possible de l'énergie, tenant compte de la contribution de chaque fenêtre à l'amplitude des échantillons du signal numérique de synthèse : dans le cas d'une diminution de la période fondamentale, la largeur de la fenêtre sera donc inférieure à deux fois la période fondamentale d'origine. Il est peu souhaitable de descendre au dessous de cette valeur.
  • Du fait qu'il est possible de modifier la valeur de la fréquence fondamentale dans les deux sens, les diphones sont mémorisés avec la fréquence fondamentale naturelle du locuteur.
  • Avec une fenêtre de durée égale à deux périodes fondamentales consécutives dans le cas voisé, on obtient des formes d'onde élémentaires dont le spectre représen­te sensiblement l'enveloppe du spectre du signal de parole ou spectre à court terme large bande -du fait que ce spectre est obtenu par convolution du spectre harmo­nique du signal de parole et de la réponse fréquentielle de la fenêtre, qui dans ce cas possède une largeur de bande supérieure à la distance entre harmoniques- ; la redistribution temporelle de ces formes d'onde élémen­taires donnera un signal possédant sensiblement la même enveloppe que le signal d'origine mais une distance entre harmoniques modifiée.
  • Avec une fenêtre de durée supérieure à deux pé­riodes fondamentales, on obtient des formes d'onde élémentaires dont le spectre est encore harmonique, ou spectre à court terme bande étroite -du fait que cette fois-ci la réponse fréquentielle de la fenêtre est moins large que la distance entre harmoniques- ; la redistri­bution temporelle de ces formes d'onde élémentaires donnera un signal possédant, comme le signal de synthèse précédent, sensiblement la même enveloppe que le signal d'origine à ceci près qu'on aura introduit des termes de réverbération (signaux dont le spectre possède une amplitude moindre, une phase différente, mais la même forme que le spectre d'amplitude du signal d'origine), dont l'effet ne sera audible qu'au delà de largeurs de fenêtre d'environ trois périodes, cet effet de réverbé­ration ne dégradant pas la qualité du signal de synthèse lorsque son amplitude est faible.
  • On peut notamment utiliser une fenêtre de Han­ning, bien que d'autres formes de fenêtre soient éga­lement acceptables.
  • Le traitement défini ci-dessus peut également être appliqué aux sons dits sourds ou non voisés, pou­vant être représentés par un signal dont la forme s'apparente à celle d'un bruit blanc, mais sans synchronisation des signaux fenêtrés : ceci a pour but d'homogénéiser le traitement sur les sons sourds et les sons voisés, ce qui permet d'une part le lissage entre éléments sonores (diphones) et entre phonèmes sourds et voisés, et d'autre part une modification du rythme. Il se pose un problème à la jonction entre diphones. Une solution pour écarter cette difficulté consiste à omettre l'extraction de formes d'onde élémentaires à partir des deux périodes fondamentales adjacentes de transition entre diphones (dans le cas des sons sourds, les marques de voisement sont remplacées par des marques posées arbitrairement) : on pourra soit définir une troisième fonction d'onde élémentaire en calculant la moyenne des deux fonctions d'onde élémentaires extraites de part et d'autre du diphone, soit utiliser la procé­dure d'addition-recouvrement directement sur ces deux fonctions d'onde élémentaires.
  • L'invention sera mieux comprise à la lecture de la description qui suit d'un mode particulier de mise en oeuvre de l'invention, donné à titre d'exemple non limitatif. La description se réfère aux dessins qui l'accompagnent, dans lesquels :
    • - la Figure 1 est un graphe destiné à illustrer la synthèse de la parole par concaténation de diphones et modification des paramètres prosodiques dans le domaine temporel, conformément à l'invention ;
    • - la Figure 2 est un schéma synoptique montrant une constitution possible du dispositif de synthèse, implanté sur un calculateur hôte ;
    • - la Figure 3 montre, à titre d'exemple, comment on modifie les paramètres prosodiques d'un signal natu­rel, dans le cas d'un phonème particulier ;
    • - les Figures 4A, 4B et 4C sont des graphiques destinés à montrer des modifications spectrales appor­tées à des signaux de synthèse voisés, la Figure 4A montrant le spectre d'origine, la Figure 4B le spectre avec diminution de la fréquence fondamentale et la Figure 4C le spectre avec augmentation de cette fréquence ;
    • - la Figure 5 est un graphique montrant un prin­cipe d'atténuation des discontinuités entre diphones ;
    • - la Figure 6 est un schéma montrant le fenêtrage sur plus de deux périodes.
  • La synthèse d'un phonème est effectuée à partir de deux diphones stockés dans un dictionnaire, chaque phonème étant composé de deux demi-diphones. Le son "é" dans "période" par exemple sera obtenu à partir du second demi-diphone de "pai" et du premier demi-diphone de "air".
  • Un module de traduction orthographique phoné­tique et de calcul de la prosodie (qui ne fait pas partie de l'invention) fournit à un instant donné, des indications identifiant :
    - le phonème à restituer, d'ordre P
    - le phonème précédent, d'ordre P-1
    - le phonème suivant, d'ordre P+1
    et donnant la durée à affecter au phonème P ainsi que les périodes au début et à la fin (Figure 1).
  • Une première opération d'analyse, qui n'est pas modifiée par l'invention, consiste à déterminer, par décodage du nom des phonèmes et des indications proso­diques, les deux diphones retenus pour le phonème à utiliser et le voisement.
  • Tous les diphones disponibles (au nombre de 1300 par exemple) sont mémorisés dans un dictionnaire 10 muni d'une table constituant le descripteur 12 et contenant l'adresse du début de chaque diphone (en nombre de blocs de 256 octets) la longueur du diphone et le milieu du diphone (ces deux derniers paramètres étant exprimés en nombre d'échantillons à partir du début) et des marques de voisement repérant le début de la réponse du conduit vocal à l'excitation des cordes vocales dans le cas d'un son voisé (au nombre de 35 par exemple). Des diction­naires de diphones répondant à ces critères sont dispo­nibles par exemple auprès du Centre National d'Etudes des Télécommunications.
  • Les diphones sont alors utilisés dans un processus d'analyse et de synthèse schématisé sur la Figure 1. On décrira ce processus en supposant qu'il est mis en oeuvre dans un dispositif de synthèse ayant la constitution montrée en figure 2, destiné à être relié à un calculateur hôte, tel que le processeur central d'un ordinateur personnel. On supposera également que la fréquence d'échantillonnage donnant la représentation des diphones est de 16 kHz.
  • Le dispositif de synthèse (Figure 2) comporte alors une mémoire vive principale 16 qui contient un micro-programme de calcul, le dictionnaire de diphones 10 (c'est-à-dire des formes d'onde représentées par des échantillons) rangés dans l'ordre des adresses du descripteur, la table 12 constituant le descripteur de dictionnaire, et une fenêtre de Hanning, échantillonnée par exemple sur 500 points. La mémoire vive 16 constitue également mémoire de micro-trame et mémoire de travail. Elle est reliée par un bus de données 18 et un bus d'adresses 20 à un accès 22 au calculateur hôte.
  • Chaque micro-trame émise pour restituer un phonème (Figure 2) est constituée, pour chacun des deux phonèmes P et P+1 qui interviennent
    - du numéro d'ordre du phonème,
    - de la valeur de la période au début du phonème, de la valeur de période à la fin du phonème, et
    - de la durée totale du phonème pouvant être remplacée par la durée du diphone pour le second phonème.
  • Le dispositif comprend encore, reliés aux bus 18 et 20, une unité de calcul locale 24 et un circuit d'aiguillage 26. Ce dernier permet de relier une mémoire vive 28 servant de tampon de sortie soit vers le calcu­lateur, soit vers un contrôleur 30 de convertisseur numérique/analogique 32 de sortie. Ce dernier attaque un filtre passe-bas 34, généralement limité à 8 kHz, qui alimente un amplificateur de parole 36.
  • Le fonctionnement du dispositif est le suivant.
  • Le calculateur hôte (non représenté) charge les micro-trames dans le tableau réservé en mémoire 16, par l'intermédiaire de l'accès 22 et des bus 18 et 20, puis il commande le début de synthèse à l'unité de calcul 24. Cette unité de calcul recherche le numéro du phonème courant P, du phonème suivant P+1 et du phonème précé­dent P-1 dans le tableau de micro-trames, à l'aide d'un index mémorisé dans la mémoire de travail, initialisée à 1. Dans le cas du premier phonème, l'unité de calcul vient chercher uniquement les numéros du phonème courant et du phonème suivant. Dans le cas du dernier phonème, elle vient chercher le numéro du phonème précédent et celui du phonème courant.
  • Dans le cas général, un phonème est constitué de deux demi-diphones ; l'adresse de chaque diphone est recherchée par adressage matriciel dans le descripteur du dictionnaire par la formule suivante :
    numéro du descripteur de diphone =
    numéro du 1er phonème+ (numéro du 2ème phonème-1)*nombre de diphones
    • Sons voisés
  • L'unité de calcul charge, en mémoire de travail 16, l'adresse du diphone, sa longueur, son milieu ainsi que les trente-cinq marques de voisement. Elle charge ensuite, dans un tableau descripteur du phonème, les marques de voisement correspondant à la deuxième partie du diphone. Puis elle recherche, dans le dictionnaire de formes d'onde, la deuxième partie du diphone, qu'elle place dans un tableau représentant le signal du phonème d'analyse. Les marques conservées dans le tableau descripteur du phonème sont décrémentées de la valeur du milieu du diphone.
  • Cette opération est répétée pour la deuxième partie du phonème constituée par la première partie du deuxième diphone. Les marques de voisement de la première partie du deuxième diphone sont ajoutées aux marques de voisement du phonème et incrémentées de la valeur du milieu du phonème.
  • Dans le cas des sons voisés, l'unité de calcul, à partir des paramètres prosodiques (durée, période début et période fin du phonème) détermine alors le nombre de périodes nécessaire à la durée du phonème, suivant la formule :
    nombre de périodes=2*durée du phonème / (période début+période fin)
  • L'unité de calcul range en mémoire le nombre de marques du phonème naturel, égal au nombre de marques de voisement, puis détermine le nombre de périodes à éliminer ou à ajouter en effectuant la différence entre le nombre de périodes de synthèse et le nombre de périodes d'analyse, différence qui est fixée par la modification de tonalité à introduire à partir de celle qui correspond au dictionnaire.
  • Pour chaque période de synthèse retenue, l'unité de calcul détermine ensuite la période d'analyse retenue parmi les périodes du phonème à partir des considéra­tions suivantes :
    - la modification de la durée peut être considérée comme la mise en correspondance, par déformation de l'axe des temps du signal de synthèse, des n marques de voisement du signal d'analyse et des p marques du signal de synthèse, n et p étant des entiers prédé­terminés ;
    - à chacune des p marques du signal de synthèse doit être associée la marque la plus proche du signal d'analyse.
  • La duplication ou, au contraire, l'élimination de périodes également réparties sur tout le phonème modifie la durée de celui-ci.
  • Il faut noter qu'on n'aura pas à extraire une forme d'onde élémentaire à partir des deux périodes adjacentes de transition entre diphones : l'opération d'addition-recouvrement des fonctions élémentaires extraites des deux dernières périodes du premier diphone et des deux premières périodes du deuxième diphone permet le lissage entre ces diphones comme le montre la figure 5.
  • Pour chaque période de synthèse, l'unité de calcul détermine le nombre de points à ajouter ou à supprimer à la période d'analyse en effectuant la différence entre cette dernière et la période de synthèse.
  • Comme on l'a indiqué plus haut, il est avanta­geux de choisir la largeur de la fenêtre d'analyse de la façon suivante, illustrée en Figure 3 :
    - si la période de synthèse est inférieure à la période d'analyse (lignes A et B de la Figure 3), la taille de la fenêtre 38 est le double de la période de synthèse ;
    - dans le cas contraire, la taille de la fenêtre 40 est obtenue en multipliant par deux la plus faible des valeurs de la période d'analyse courante et de la période d'analyse précédente (lignes C et D).
  • L'unité de calcul détermine un pas d'avancement dans la lecture des valeurs de la fenêtre, tabulée par exemple sur 500 points, le pas étant alors égal à 500 divisé par la taille de la fenêtre précédemment calculée. Elle lit dans la mémoire tampon de signal du phonème d'analyse 28 les échantillons de la période précédente et de la période courante, les pondère par la valeur de la fenêtre de Hanning 38 ou 40 indexée par le numéro de l'échantillon courant multiplié par le pas d'avancement dans la fenêtre tabulée et ajoute, au fur et à mesure, les valeurs calculées à la mémoire tampon du signal de sortie indexé par la somme du compteur de l'échantillon courant de sortie et de l'index de recherche des échantillons du phonème d'analyse. Le compteur de sortie courant est ensuite incrémenté de la valeur de la période de synthèse.
    • Sons sourds (non voisés)
  • Pour les phonèmes sourds, le traitement est analogue au précédent, excepté que la valeur des pseudo-périodes (distance entre deux marques de voisement) n'est jamais modifiée : l'élimination de pseudo-périodes au centre du phonème diminue simplement la durée de celui-ci.
  • On n'augmente pas la durée de phonèmes sourds, excepté par addition de zéros au milieu des phonèmes "silence".
  • Le fenêtrage s'effectue par période pour norma­liser la somme des valeurs des fenêtres appliquées au signal :
    - du début de la période précédente à la fin de la période précédente, le pas d'avancement dans la lecture de la fenêtre tabulée est (dans le cas d'une tabulation sur 500 points) égal à 500 divisé par deux fois la durée de la période précédente ;
    - du début de la période courante à la fin de la période courante, le pas d'avancement dans la fenêtre tabulée est égal à 500 divisé par deux fois la durée de la période courante plus un décalage constant de 250 points.
  • A la fin du calcul du signal d'un phonème de synthèse, l'unité de calcul range la dernière période du phonème d'analyse et de synthèse dans la mémoire tampon 28 qui permet la transition entre phonèmes. Le compteur de l'échantillon courant de sortie est décrémenté de la valeur de la dernière période de synthèse.
  • Le signal ainsi généré est envoyé, par blocs de 2048 échantillons, dans un de deux espaces mémoire reservés à la communication entre l'unité de calcul et le contrôleur 30 du convertisseur numérique/analogique 32. Dès que le premier bloc est chargé dans la première zone tampon, le contrôleur 30 est activé par l'unité de calcul et vide cette première zone tampon. Pendant ce temps, l'unité de calcul remplit une deuxième zone tampon de 2048 échantillons. L'unité de calcul vient ensuite alternativement tester ces deux zones tampons grâce à un drapeau pour y charger le signal numérique de synthèse à la fin de chaque séquence de synthèse d'un phonème. Le contrôleur 30, en fin de lecture de chaque zone tampon, positionne le drapeau correspondant. En fin de synthèse, le contrôleur vide la dernière zone tampon et positionne un drapeau de fin de synthèse que le cal­culateur hôte peut lire via l'accès de communication 22.
  • L'exemple de spectre de signal de parole voisé d'analyse et de synthèse illustré en Figures 4A-4C montre que les transformations temporelles du signal numérique de parole n'affectent pas l'enveloppe du signal de synthèse, tout en modifiant la distance entre harmoniques, c'est-à-dire la fréquence fondamentale du signal de parole.
  • La complexité du calcul reste faible : le nombre d'opérations par échantillon est en moyenne de deux multiplications et deux additions pour la pondération et la sommation des fonctions élémentaires fournies par l'analyse.
  • L'invention est susceptible de nombreuses variantes de réalisation et, en particulier, comme on l'a indiqué plus haut, une fenêtre de largeur supérieure à deux périodes, comme le montre la Figure 6, éventuel­lement de taille fixe, peut donner des résultats acceptables.
  • On peut aussi utiliser le procédé de modifica­tion de la fréquence fondamentale sur des signaux numériques de parole en dehors de son application à la synthèse par diphones.

Claims (5)

1. Procédé de synthèse de parole à partir d'éléments sonores (mots, syllabes, diphones ...) caractérisé en ce que :
- on effectue, au moins sur les sons voisés des éléments sonores, une analyse par fenêtrage sensiblement centré sur le début de chaque réponse impulsionnelle du conduit vocal à l'excitation des cordes vocales à l'aide d'une fenêtre de filtrage présentant une amplitude dé­croissant jusqu'à zéro aux bords de la fenêtre dont la largeur est au moins égale à deux fois la période fonda­mentale d'origine ou deux fois la période fondamentale de synthèse,
- on replace les signaux résultant du fenêtrage correspondant à chaque élément sonore, avec un décalage temporel de ceux-ci égal à la période fondamentale de synthèse, inférieure ou supérieure à la période fonda­mentale d'origine, suivant l'information prosodique concernant la fréquence fondamentale de synthèse,
- on effectue la synthèse par sommation des signaux ainsi décalés.
2. Procédé de synthèse de parole selon la reven­dication 1, caractérisé en ce qu'on réalise un diction­naire d'éléments sonores, par exemple de diphones, on découpe le texte à synthétiser en micro-trames identi­fiées chacune par le numéro de l'élément sonore corres­pondant (diphone) et au moins une information prosodi­que, constituée au moins par la valeur de la fréquence fondamentale en début et en fin d'élément et par la durée de l'élément.
3. Procédé de synthèse de parole selon l'une des revendications 1 et 2, caractérisé en ce que la largeur de la fenêtre est égale à deux fois la période d'origine en cas de diminution de la fréquence fondamentale ou deux fois la période finale de synthèse en cas d'augmen­tation de la fréquence fondamentale.
4. Procédé de synthèse de parole selon l'une des revendications 1 à 3, caractérisé en ce que la fenêtre est une fenêtre de Hanning.
5. Dispositif de synthèse de parole par mise en oeuvre du procédé selon la revendication 1, caractérisé en ce qu'il comprend, reliés à des bus (18,20) : une mémoire vive principale (16) qui contient un micro-programme de calcul, un dictionnaire de diphones (10) constitués de formes d'onde représentées par des échantillons rangés dans l'ordre des adresses d'un descripteur (12) de dictionnaire, et une fenêtre de Hanning échantillonnée, ladite mémoire vive (16) constituant également mémoire de micro-trame et mémoire de travail ; une unité de calcul locale (24) et un circuit d'aiguillage (26) permettant de relier une mémoire vive (28) servant de tampon de sortie soit vers l'unité de calcul, soit vers un contrôleur (30) de convertisseur numérique/analogique (32) de sortie attaquant un filtre passe-bas (34) qui alimente un amplificateur de parole (36).
EP89402394A 1988-09-02 1989-09-01 Procédé et dispositif de synthèse de la parole par addition-recouvrement de formes d'onde Expired - Lifetime EP0363233B1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR8811517 1988-09-02
FR8811517A FR2636163B1 (fr) 1988-09-02 1988-09-02 Procede et dispositif de synthese de la parole par addition-recouvrement de formes d'onde

Publications (2)

Publication Number Publication Date
EP0363233A1 true EP0363233A1 (fr) 1990-04-11
EP0363233B1 EP0363233B1 (fr) 1994-11-30

Family

ID=9369671

Family Applications (1)

Application Number Title Priority Date Filing Date
EP89402394A Expired - Lifetime EP0363233B1 (fr) 1988-09-02 1989-09-01 Procédé et dispositif de synthèse de la parole par addition-recouvrement de formes d'onde

Country Status (9)

Country Link
US (2) US5327498A (fr)
EP (1) EP0363233B1 (fr)
JP (1) JP3294604B2 (fr)
CA (1) CA1324670C (fr)
DE (1) DE68919637T2 (fr)
DK (1) DK175374B1 (fr)
ES (1) ES2065406T3 (fr)
FR (1) FR2636163B1 (fr)
WO (1) WO1990003027A1 (fr)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2683367A1 (fr) * 1991-11-06 1993-05-07 Korea Telecommunication Procedes de codage de segments de paroles et de commande de hauteur pour des systemes de synthese de la parole.
US5479564A (en) * 1991-08-09 1995-12-26 U.S. Philips Corporation Method and apparatus for manipulating pitch and/or duration of a signal
EP0702352A1 (fr) * 1994-09-13 1996-03-20 AT&T Corp. Appareil et procédé pour effectuer la synthèse phonémique
US5611002A (en) * 1991-08-09 1997-03-11 U.S. Philips Corporation Method and apparatus for manipulating an input signal to form an output signal having a different length
WO1998000835A1 (fr) * 1996-07-03 1998-01-08 Telia Ab (Publ) Procede servant a effectuer la synthese de consonnes sourdes
WO1999033050A2 (fr) * 1997-12-19 1999-07-01 Koninklijke Philips Electronics N.V. Elimination de la periodicite d'un signal audio allonge
US6298322B1 (en) 1999-05-06 2001-10-02 Eric Lindemann Encoding and synthesis of tonal audio signals using dominant sinusoids and a vector-quantized residual tonal signal
EP1970894A1 (fr) 2007-03-12 2008-09-17 France Télécom Procédé et dispositif de modification d'un signal audio
US7529672B2 (en) 2002-09-17 2009-05-05 Koninklijke Philips Electronics N.V. Speech synthesis using concatenation of speech waveforms
US7912708B2 (en) 2002-09-17 2011-03-22 Koninklijke Philips Electronics N.V. Method for controlling duration in speech synthesis
US8326613B2 (en) 2002-09-17 2012-12-04 Koninklijke Philips Electronics N.V. Method of synthesizing of an unvoiced speech signal

Families Citing this family (207)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0527529B1 (fr) * 1991-08-09 2000-07-19 Koninklijke Philips Electronics N.V. Procédé et appareil pour manipuler la durée d'un signal audio physique et support de données contenant une représentation d'un tel signal audio physique
FR2689667B1 (fr) * 1992-04-01 1995-10-20 Sagem Recepteur de bord d'aide a la navigation d'un vehicule automobile.
US5613038A (en) * 1992-12-18 1997-03-18 International Business Machines Corporation Communications system for multiple individually addressed messages
US5490234A (en) * 1993-01-21 1996-02-06 Apple Computer, Inc. Waveform blending technique for text-to-speech system
US6122616A (en) * 1993-01-21 2000-09-19 Apple Computer, Inc. Method and apparatus for diphone aliasing
JP2782147B2 (ja) * 1993-03-10 1998-07-30 日本電信電話株式会社 波形編集型音声合成装置
JPH0736776A (ja) * 1993-07-23 1995-02-07 Reader Denshi Kk 線形フィルタ処理した複合信号の発生装置及び発生方法
US6502074B1 (en) * 1993-08-04 2002-12-31 British Telecommunications Public Limited Company Synthesising speech by converting phonemes to digital waveforms
US5987412A (en) * 1993-08-04 1999-11-16 British Telecommunications Public Limited Company Synthesising speech by converting phonemes to digital waveforms
SE516521C2 (sv) * 1993-11-25 2002-01-22 Telia Ab Anordning och förfarande vid talsyntes
US5970454A (en) * 1993-12-16 1999-10-19 British Telecommunications Public Limited Company Synthesizing speech by converting phonemes to digital waveforms
US5787398A (en) * 1994-03-18 1998-07-28 British Telecommunications Plc Apparatus for synthesizing speech by varying pitch
JP3093113B2 (ja) * 1994-09-21 2000-10-03 日本アイ・ビー・エム株式会社 音声合成方法及びシステム
IT1266943B1 (it) * 1994-09-29 1997-01-21 Cselt Centro Studi Lab Telecom Procedimento di sintesi vocale mediante concatenazione e parziale sovrapposizione di forme d'onda.
US5694521A (en) * 1995-01-11 1997-12-02 Rockwell International Corporation Variable speed playback system
NZ304418A (en) * 1995-04-12 1998-02-26 British Telecomm Extension and combination of digitised speech waveforms for speech synthesis
US6591240B1 (en) * 1995-09-26 2003-07-08 Nippon Telegraph And Telephone Corporation Speech signal modification and concatenation method by gradually changing speech parameters
BE1010336A3 (fr) * 1996-06-10 1998-06-02 Faculte Polytechnique De Mons Procede de synthese de son.
US5751901A (en) 1996-07-31 1998-05-12 Qualcomm Incorporated Method for searching an excitation codebook in a code excited linear prediction (CELP) coder
US5832441A (en) * 1996-09-16 1998-11-03 International Business Machines Corporation Creating speech models
US5950162A (en) * 1996-10-30 1999-09-07 Motorola, Inc. Method, device and system for generating segment durations in a text-to-speech system
US5915237A (en) * 1996-12-13 1999-06-22 Intel Corporation Representing speech using MIDI
US6377917B1 (en) 1997-01-27 2002-04-23 Microsoft Corporation System and methodology for prosody modification
US5924068A (en) * 1997-02-04 1999-07-13 Matsushita Electric Industrial Co. Ltd. Electronic news reception apparatus that selectively retains sections and searches by keyword or index for text to speech conversion
US6020880A (en) * 1997-02-05 2000-02-01 Matsushita Electric Industrial Co., Ltd. Method and apparatus for providing electronic program guide information from a single electronic program guide server
US6130720A (en) * 1997-02-10 2000-10-10 Matsushita Electric Industrial Co., Ltd. Method and apparatus for providing a variety of information from an information server
KR100269255B1 (ko) * 1997-11-28 2000-10-16 정선종 유성음 신호에서 성문 닫힘 구간 신호의 가변에의한 피치 수정방법
JP3902860B2 (ja) * 1998-03-09 2007-04-11 キヤノン株式会社 音声合成制御装置及びその制御方法、コンピュータ可読メモリ
DE19837661C2 (de) * 1998-08-19 2000-10-05 Christoph Buskies Verfahren und Vorrichtung zur koartikulationsgerechten Konkatenation von Audiosegmenten
DE19861167A1 (de) * 1998-08-19 2000-06-15 Christoph Buskies Verfahren und Vorrichtung zur koartikulationsgerechten Konkatenation von Audiosegmenten sowie Vorrichtungen zur Bereitstellung koartikulationsgerecht konkatenierter Audiodaten
US6178402B1 (en) 1999-04-29 2001-01-23 Motorola, Inc. Method, apparatus and system for generating acoustic parameters in a text-to-speech system using a neural network
JP2001034282A (ja) * 1999-07-21 2001-02-09 Konami Co Ltd 音声合成方法、音声合成のための辞書構築方法、音声合成装置、並びに音声合成プログラムを記録したコンピュータ読み取り可能な媒体
AU7991900A (en) * 1999-10-04 2001-05-10 Joseph E. Pechter Method for producing a viable speech rendition of text
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
WO2002023523A2 (fr) * 2000-09-15 2002-03-21 Lernout & Hauspie Speech Products N.V. Synchronisation rapide de la forme d'onde pour la concatenation et la modification a echelle de temps de la parole
US7280969B2 (en) * 2000-12-07 2007-10-09 International Business Machines Corporation Method and apparatus for producing natural sounding pitch contours in a speech synthesizer
US7683903B2 (en) 2001-12-11 2010-03-23 Enounce, Inc. Management of presentation time in a digital media presentation system with variable rate presentation capability
US6950798B1 (en) * 2001-04-13 2005-09-27 At&T Corp. Employing speech models in concatenative speech synthesis
JP3901475B2 (ja) * 2001-07-02 2007-04-04 株式会社ケンウッド 信号結合装置、信号結合方法及びプログラム
ITFI20010199A1 (it) 2001-10-22 2003-04-22 Riccardo Vieri Sistema e metodo per trasformare in voce comunicazioni testuali ed inviarle con una connessione internet a qualsiasi apparato telefonico
US7546241B2 (en) * 2002-06-05 2009-06-09 Canon Kabushiki Kaisha Speech synthesis method and apparatus, and dictionary generation method and apparatus
US8145491B2 (en) * 2002-07-30 2012-03-27 Nuance Communications, Inc. Techniques for enhancing the performance of concatenative speech synthesis
DE60305944T2 (de) 2002-09-17 2007-02-01 Koninklijke Philips Electronics N.V. Verfahren zur synthese eines stationären klangsignals
EP1628288A1 (fr) * 2004-08-19 2006-02-22 Vrije Universiteit Brussel Procédé et système pour la synthèse de son
DE102004044649B3 (de) * 2004-09-15 2006-05-04 Siemens Ag Verfahren zur integrierten Sprachsynthese
JP5032314B2 (ja) * 2005-06-23 2012-09-26 パナソニック株式会社 オーディオ符号化装置、オーディオ復号化装置およびオーディオ符号化情報伝送装置
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US7633076B2 (en) 2005-09-30 2009-12-15 Apple Inc. Automated response to and sensing of user activity in portable devices
US20070106513A1 (en) * 2005-11-10 2007-05-10 Boillot Marc A Method for facilitating text to speech synthesis using a differential vocoder
CN101490740B (zh) * 2006-06-05 2012-02-22 松下电器产业株式会社 声音合成装置
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
JP4805121B2 (ja) * 2006-12-18 2011-11-02 三菱電機株式会社 音声合成装置、音声合成方法及び音声合成プログラム
EP2135231A4 (fr) * 2007-03-01 2014-10-15 Adapx Inc Système et procédé d'apprentissage dynamique
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US8706496B2 (en) * 2007-09-13 2014-04-22 Universitat Pompeu Fabra Audio signal transforming by utilizing a computational cost function
US9053089B2 (en) 2007-10-02 2015-06-09 Apple Inc. Part-of-speech tagging using latent analogy
US8620662B2 (en) 2007-11-20 2013-12-31 Apple Inc. Context-aware unit selection
US10002189B2 (en) 2007-12-20 2018-06-19 Apple Inc. Method and apparatus for searching using an active ontology
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8065143B2 (en) 2008-02-22 2011-11-22 Apple Inc. Providing text input using speech data and non-speech data
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US8464150B2 (en) 2008-06-07 2013-06-11 Apple Inc. Automatic language identification for dynamic text processing
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US8768702B2 (en) 2008-09-05 2014-07-01 Apple Inc. Multi-tiered voice feedback in an electronic device
US8898568B2 (en) 2008-09-09 2014-11-25 Apple Inc. Audio user interface
US8583418B2 (en) 2008-09-29 2013-11-12 Apple Inc. Systems and methods of detecting language and natural language strings for text to speech synthesis
US8712776B2 (en) 2008-09-29 2014-04-29 Apple Inc. Systems and methods for selective text to speech synthesis
US8676904B2 (en) 2008-10-02 2014-03-18 Apple Inc. Electronic devices with voice command and contextual data processing capabilities
US9959870B2 (en) 2008-12-11 2018-05-01 Apple Inc. Speech recognition involving a mobile device
US8862252B2 (en) 2009-01-30 2014-10-14 Apple Inc. Audio user interface for displayless electronic device
US8380507B2 (en) 2009-03-09 2013-02-19 Apple Inc. Systems and methods for determining the language to use for speech generated by a text to speech engine
US10255566B2 (en) 2011-06-03 2019-04-09 Apple Inc. Generating and processing task items that represent tasks to perform
US10540976B2 (en) 2009-06-05 2020-01-21 Apple Inc. Contextual voice commands
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
EP2451076B1 (fr) * 2009-06-29 2018-10-03 Mitsubishi Electric Corporation Dispositif de traitement de signal audio
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US8682649B2 (en) 2009-11-12 2014-03-25 Apple Inc. Sentiment prediction from textual data
US8600743B2 (en) 2010-01-06 2013-12-03 Apple Inc. Noise profile determination for voice-related feature
US8381107B2 (en) 2010-01-13 2013-02-19 Apple Inc. Adaptive audio feedback system and method
US8311838B2 (en) 2010-01-13 2012-11-13 Apple Inc. Devices and methods for identifying a prompt corresponding to a voice input in a sequence of prompts
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US8977584B2 (en) 2010-01-25 2015-03-10 Newvaluexchange Global Ai Llp Apparatuses, methods and systems for a digital conversation management platform
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US8713021B2 (en) 2010-07-07 2014-04-29 Apple Inc. Unsupervised document clustering using latent semantic density analysis
US8719006B2 (en) 2010-08-27 2014-05-06 Apple Inc. Combined statistical and rule-based part-of-speech tagging for text-to-speech synthesis
US8719014B2 (en) 2010-09-27 2014-05-06 Apple Inc. Electronic device with text error correction based on voice recognition data
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US10515147B2 (en) 2010-12-22 2019-12-24 Apple Inc. Using statistical language models for contextual lookup
US8781836B2 (en) 2011-02-22 2014-07-15 Apple Inc. Hearing assistance system for providing consistent human speech
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
WO2012160767A1 (fr) * 2011-05-25 2012-11-29 日本電気株式会社 Dispositif de génération d'informations de fragment, dispositif de composition audio, procédé de composition audio et programme de composition audio
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
US20120310642A1 (en) 2011-06-03 2012-12-06 Apple Inc. Automatically creating a mapping between text data and audio data
US8812294B2 (en) 2011-06-21 2014-08-19 Apple Inc. Translating phrases from one language into another using an order-based set of declarative rules
JPWO2013014876A1 (ja) * 2011-07-28 2015-02-23 日本電気株式会社 素片処理装置、素片処理方法および素片処理プログラム
US8706472B2 (en) 2011-08-11 2014-04-22 Apple Inc. Method for disambiguating multiple readings in language conversion
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US8762156B2 (en) 2011-09-28 2014-06-24 Apple Inc. Speech recognition repair using contextual information
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US8775442B2 (en) 2012-05-15 2014-07-08 Apple Inc. Semantic search using a single-source semantic model
US10417037B2 (en) 2012-05-15 2019-09-17 Apple Inc. Systems and methods for integrating third party services with a digital assistant
US10019994B2 (en) 2012-06-08 2018-07-10 Apple Inc. Systems and methods for recognizing textual identifiers within a plurality of words
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
US8744854B1 (en) 2012-09-24 2014-06-03 Chengjun Julian Chen System and method for voice transformation
US8935167B2 (en) 2012-09-25 2015-01-13 Apple Inc. Exemplar-based latent perceptual modeling for automatic speech recognition
DE212014000045U1 (de) 2013-02-07 2015-09-24 Apple Inc. Sprach-Trigger für einen digitalen Assistenten
US9977779B2 (en) 2013-03-14 2018-05-22 Apple Inc. Automatic supplementation of word correction dictionaries
US9733821B2 (en) 2013-03-14 2017-08-15 Apple Inc. Voice control to diagnose inadvertent activation of accessibility features
US10642574B2 (en) 2013-03-14 2020-05-05 Apple Inc. Device, method, and graphical user interface for outputting captions
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
US10572476B2 (en) 2013-03-14 2020-02-25 Apple Inc. Refining a search based on schedule items
US10652394B2 (en) 2013-03-14 2020-05-12 Apple Inc. System and method for processing voicemail
AU2014227586C1 (en) 2013-03-15 2020-01-30 Apple Inc. User training by intelligent digital assistant
WO2014168730A2 (fr) 2013-03-15 2014-10-16 Apple Inc. Gestion d'interruptions dépendante du contexte
US9922642B2 (en) 2013-03-15 2018-03-20 Apple Inc. Training an at least partial voice command system
US10748529B1 (en) 2013-03-15 2020-08-18 Apple Inc. Voice activated device for use with a voice-based digital assistant
WO2014144579A1 (fr) 2013-03-15 2014-09-18 Apple Inc. Système et procédé pour mettre à jour un modèle de reconnaissance de parole adaptatif
WO2014197336A1 (fr) 2013-06-07 2014-12-11 Apple Inc. Système et procédé pour détecter des erreurs dans des interactions avec un assistant numérique utilisant la voix
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197334A2 (fr) 2013-06-07 2014-12-11 Apple Inc. Système et procédé destinés à une prononciation de mots spécifiée par l'utilisateur dans la synthèse et la reconnaissance de la parole
WO2014197335A1 (fr) 2013-06-08 2014-12-11 Apple Inc. Interprétation et action sur des commandes qui impliquent un partage d'informations avec des dispositifs distants
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
JP6259911B2 (ja) 2013-06-09 2018-01-10 アップル インコーポレイテッド デジタルアシスタントの２つ以上のインスタンスにわたる会話持続を可能にするための機器、方法、及びグラフィカルユーザインタフェース
EP3008964B1 (fr) 2013-06-13 2019-09-25 Apple Inc. Système et procédé d'appels d'urgence initiés par commande vocale
AU2014306221B2 (en) 2013-08-06 2017-04-06 Apple Inc. Auto-activating smart responses based on activities from remote devices
US10296160B2 (en) 2013-12-06 2019-05-21 Apple Inc. Method for extracting salient dialog usage from live data
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
WO2015184186A1 (fr) 2014-05-30 2015-12-03 Apple Inc. Procédé d'entrée à simple énoncé multi-commande
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
DE102014114845A1 (de) * 2014-10-14 2016-04-14 Deutsche Telekom Ag Verfahren zur Interpretation von automatischer Spracherkennung
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US10015030B2 (en) * 2014-12-23 2018-07-03 Qualcomm Incorporated Waveform for transmitting wireless communications
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
WO2017129270A1 (fr) 2016-01-29 2017-08-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Appareil et procédé pour améliorer une transition d'une partie de signal audio cachée à une partie de signal audio suivante d'un signal audio
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179588B1 (en) 2016-06-09 2019-02-22 Apple Inc. INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback
US11450339B2 (en) * 2017-10-06 2022-09-20 Sony Europe B.V. Audio file envelope based on RMS power in sequences of sub-windows
US10594530B2 (en) * 2018-05-29 2020-03-17 Qualcomm Incorporated Techniques for successive peak reduction crest factor reduction

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4692941A (en) 1984-04-10 1987-09-08 First Byte Real-time text-to-speech conversion system

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4398059A (en) * 1981-03-05 1983-08-09 Texas Instruments Incorporated Speech producing system
US4833718A (en) * 1986-11-18 1989-05-23 First Byte Compression of stored waveforms for artificial speech
US4852168A (en) * 1986-11-18 1989-07-25 Sprague Richard P Compression of stored waveforms for artificial speech

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4692941A (en) 1984-04-10 1987-09-08 First Byte Real-time text-to-speech conversion system

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CHARPENTIER ET AL.: "Diphone synthesis using an overlap-add technique for speech waveforms concatenation", ICASSP 1986, IEEE-IECEJ-ASJ INTERNATIONAL CONFERENCE ON ACOUSTICS SPEECH AND SIGNAL PROCESSING, 1986, pages 2 015 - 2 018
ICASSP 82 - IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, Paris, 3-5 mai 1982, vol. 3, pages 1597-1600, IEEE, New York, US; J.L. COURBON et al.: "Sparte: a text-to-speech machine using synthesis by diphones" *
ICASSP 86, (IEEE-IECEJ-ASJ INTERNATIONAL) CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, Tokyo, 7-11 avril 1986, vol. 3, pages 1705-1708, IEEE, New York, US; J. MAKHOUL et al.: "Time-scale modification in medium to low rate speech coding" *
ICASSP 86, (IEEE-IECEJ-ASJ INTERNATIONAL) CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, Tokyo, 7-11 avril 1986, vol. 3, pages 2015-2018, IEEE, New York, US; F.J. CHARPENTIER et al.: "Diphone synthesis using an overlap-add technique for speech waveforms concatenation" *
ICASSP 87 - IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, Dallas, 6-9 avril 1987, vol. 3, pages 1426-1429, IEEE, New York, US; K. LUKASZEWICZ et al.: "Microphonemic method of speech synthesis" *
IEEE TRANSACTIONS ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING ,vol. ASSP-27, no. 2, avril 1979, pages 121-133, IEEE, New York, US; D. MALAH: "Time-domain algorithms for harmonic bandwidth reduction and time scaling of speech signals" *
LUCASZEWIC ET AL.: "Micro-phonemic method of speech synthesis", ICASSP 1987, IEEE, 1987, pages 1426 - 1429

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5479564A (en) * 1991-08-09 1995-12-26 U.S. Philips Corporation Method and apparatus for manipulating pitch and/or duration of a signal
US5611002A (en) * 1991-08-09 1997-03-11 U.S. Philips Corporation Method and apparatus for manipulating an input signal to form an output signal having a different length
FR2683367A1 (fr) * 1991-11-06 1993-05-07 Korea Telecommunication Procedes de codage de segments de paroles et de commande de hauteur pour des systemes de synthese de la parole.
ES2037623A2 (es) * 1991-11-06 1993-06-16 Korea Telecommunication Metodo y dispositivo de sintesis del habla.
GR920100488A (el) * 1991-11-06 1993-07-30 Korea Telecommunication Κωδικοποιησις τμηματων λογου και μεθοδος βηματικου ελεγχου για συστηματα συνθεσεως λογου.
BE1005622A3 (fr) * 1991-11-06 1993-11-23 Korea Telecomm Authority Methodes de codage de segments du discours et de reglage du pas pour des systemes de synthese de la parole.
EP0702352A1 (fr) * 1994-09-13 1996-03-20 AT&T Corp. Appareil et procédé pour effectuer la synthèse phonémique
US5633983A (en) * 1994-09-13 1997-05-27 Lucent Technologies Inc. Systems and methods for performing phonemic synthesis
WO1998000835A1 (fr) * 1996-07-03 1998-01-08 Telia Ab (Publ) Procede servant a effectuer la synthese de consonnes sourdes
US6112178A (en) * 1996-07-03 2000-08-29 Telia Ab Method for synthesizing voiceless consonants
WO1999033050A2 (fr) * 1997-12-19 1999-07-01 Koninklijke Philips Electronics N.V. Elimination de la periodicite d'un signal audio allonge
WO1999033050A3 (fr) * 1997-12-19 1999-09-10 Koninkl Philips Electronics Nv Elimination de la periodicite d'un signal audio allonge
US6298322B1 (en) 1999-05-06 2001-10-02 Eric Lindemann Encoding and synthesis of tonal audio signals using dominant sinusoids and a vector-quantized residual tonal signal
US7529672B2 (en) 2002-09-17 2009-05-05 Koninklijke Philips Electronics N.V. Speech synthesis using concatenation of speech waveforms
US7912708B2 (en) 2002-09-17 2011-03-22 Koninklijke Philips Electronics N.V. Method for controlling duration in speech synthesis
US8326613B2 (en) 2002-09-17 2012-12-04 Koninklijke Philips Electronics N.V. Method of synthesizing of an unvoiced speech signal
EP1970894A1 (fr) 2007-03-12 2008-09-17 France Télécom Procédé et dispositif de modification d'un signal audio

Also Published As

Publication number Publication date
DE68919637T2 (de) 1995-07-20
FR2636163A1 (fr) 1990-03-09
JPH03501896A (ja) 1991-04-25
US5327498A (en) 1994-07-05
DK107390D0 (da) 1990-05-01
FR2636163B1 (fr) 1991-07-05
CA1324670C (fr) 1993-11-23
DE68919637D1 (de) 1995-01-12
WO1990003027A1 (fr) 1990-03-22
ES2065406T3 (es) 1995-02-16
US5524172A (en) 1996-06-04
DK175374B1 (da) 2004-09-20
JP3294604B2 (ja) 2002-06-24
DK107390A (da) 1990-05-30
EP0363233B1 (fr) 1994-11-30

Similar Documents

Publication Publication Date Title
EP0363233B1 (fr) Procédé et dispositif de synthèse de la parole par addition-recouvrement de formes d'onde
US12020687B2 (en) Method and system for a parametric speech synthesis
McLoughlin Applied speech and audio processing: with Matlab examples
FR2553555A1 (fr) Procede de codage de la parole et dispositif pour sa mise en oeuvre
Owren et al. Measuring emotion-related vocal acoustics
EP1593116B1 (fr) Procédé pour le traitement numérique différencié de la voix et de la musique, le filtrage de bruit, la création d'effets spéciaux et dispositif pour la mise en oeuvre dudit procédé
JPH0677200B2 (ja) デジタル化テキストの音声合成用デジタルプロセッサ
BE1010336A3 (fr) Procede de synthese de son.
Xie et al. Noisy-to-noisy voice conversion framework with denoising model
US20060178873A1 (en) Method of synthesis for a steady sound signal
EP0595950B1 (fr) Procede et dispositif de reconnaissance de la parole en temps reel
CN1111811C (zh) 计算机语音信号的发音合成方法
JP2001034284A (ja) 音声合成方法及び装置、並びに文音声変換プログラムを記録した記録媒体
EP1846918B1 (fr) Procede d'estimation d'une fonction de conversion de voix
Glinski Diphone speech synthesis based on a pitch-adaptive short-time Fourier transform
JP4872690B2 (ja) 音声合成方法、音声合成プログラム、音声合成装置
Kumari et al. 20Conversion of English Text-to-Speech (TTS) Using Indian Speech Signal
JPH0258640B2 (fr)
Kawa et al. Development of a text-to-speech system for Japanese based on waveform splicing
JPH11109992A (ja) 音声素片データベースの作成方法、音声合成方法、音声素片データベース、音声素片データベース作成装置および音声合成装置
CN1257271A (zh) 用于中文语音合成的连音处理装置
Rahman Pitch shifting of voices in real-time
Naveena et al. Extraction of Prosodic Features to Automatically Recognize Tamil Dialects
JPH028320B2 (fr)
Strong et al. Formant estimation from linear prediction spectra and their second derivatives

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): BE DE ES GB IT NL SE

17P Request for examination filed

Effective date: 19900813

17Q First examination report despatched

Effective date: 19920526

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: FRANCE TELECOM

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): BE DE ES GB IT NL SE

REF Corresponds to:

Ref document number: 68919637

Country of ref document: DE

Date of ref document: 19950112

ITF It: translation for a ep patent filed
GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 19950109

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2065406

Country of ref document: ES

Kind code of ref document: T3

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed
REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: ES

Payment date: 20080924

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IT

Payment date: 20080913

Year of fee payment: 20

Ref country code: NL

Payment date: 20080827

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20080827

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20081002

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: BE

Payment date: 20080829

Year of fee payment: 20

Ref country code: SE

Payment date: 20080826

Year of fee payment: 20

REG Reference to a national code

Ref country code: GB

Ref legal event code: PE20

Expiry date: 20090831

BE20 Be: patent expired

Owner name: S.A. *FRANCE TELECOM

Effective date: 20090901

NLV7 Nl: ceased due to reaching the maximum lifetime of a patent

Effective date: 20090901

EUG Se: european patent has lapsed
REG Reference to a national code

Ref country code: ES

Ref legal event code: FD2A

Effective date: 20090902

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20090831

Ref country code: NL

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20090901

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: ES

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20090902