1 / 26

Time Scale Modification （時長調整）

指導教授 : 陳福坤 學生 : 張育豪 南台科技大學 資訊工程系 2008/11/27. Time Scale Modification （時長調整）. Outline. Introduction TSM( Time Scale Modification) OLA( Over-Lap Add ) SOLA( Synchronized Over-Lap Add) WSOLA( Waveform Similarity Over-Lap Add) Conclusion. Introduction.

owen
Télécharger la présentation

Time Scale Modification （時長調整）

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 指導教授:陳福坤 學生:張育豪 南台科技大學 資訊工程系 2008/11/27 Time Scale Modification（時長調整）

  2. Outline Introduction TSM( Time Scale Modification) OLA( Over-Lap Add ) SOLA( Synchronized Over-Lap Add) WSOLA( Waveform Similarity Over-Lap Add) Conclusion

  3. Introduction • 時長調整(TSM)演算法是希望調整聲音撥放速度時，能夠保有原始語者的音調Pitch 。 • 在時長調整演算法的發展過程中，第一次使用是在類比訊號的錄音帶上。 • 快速播放：聲音的時長縮短，相對聲音的音調也跟著變高。 • 慢速播放：聲音的時長變長，其聲音的音調也跟著變的很低沈。

  4. TSM • TSM( Time Scale Modification)時長調整演算法。 • 當聲音長度被縮短時，有一些片段將會被捨棄掉，而當聲音長度被拉長時，則有些片段將會被重覆使用。 • 這些都會造成音框與音框之間的不連續，所以在此使用一些技術來處理此類的問題。

  5. OLA( Over-Lap Add) Y X • OLA是一個基本的TSM演算法。 • 在OLA中，輸入訊號X被分成許多片段訊號來處理。 • 鄰近的兩個音框將會重疊，重疊的區域作適當的淡出淡入加權處理。

  6. OLA(Cont.) N Sa • 首先將X[n]第一組輸入訊號，傳給Y當作第一個輸出訊號。 • 將輸入訊號X[n]以每Sa距離取長度N的訊號。Sa=N/2~N/3

  7. OLA(Cont.) Sa X Y Y X Ss N • Ss=alpha(時長調整因子)*Sa ，得到相對於合成音框的合成時間位置，疊合於Y的目前Ss位置上。 • 因為會有互相疊合的訊號，所以須做淡出淡入加權處理。

  8. OLA(Cont.) 若訊號重疊的區域長度為 L，則最後將第 k 個新進音框融入之前合成訊號的方式為下：

  9. OLA(Cont.) • OLA是使用最基本的疊加法來作時長調整，其時長調整因子是固定的，如此一來會造成合成出來的訊號部分Pitch失真，使得聲音不自然。

  10. SOLA(SynchronizedOLA) • 為了彌補OLA演算法所造成的Pitch失真問題，而發展出來的SOLA演算法。 • SOLA演算法基本上與OLA類似，唯一不同的地方是合成訊號Y，疊加的位置Ss並不固定在alpha*Sa時間位置上，而是在Ss=alpha*Sa+km。

  11. SOLA(Cont.) • km的搜尋位置是在Y的Ss位置左右，在Ss+Smin<Ss<Ss+Smax內搜尋出最佳的km ，使得重疊部分訊號關聯性最大。

  12. SOLA(Cont.) N Sa Sa N N X[n] Y 1.首先將X[n]第一組輸入訊號，傳給Y當作第一個輸出訊號。 2.將輸入訊號X[n]以每Sa距離取長度N的訊號。

  13. SOLA(Cont.) Sa X Y Ss+km N 3.從分析音框X[n]的Sa時間位置與合成音框Y的Ss+km,範圍為[Smin,Smax]，找出最大相關位置。

  14. SOLA(Cont.) 4.將X[n]合成音框移到Y的Ss+km的時間位置。 5.將重疊的區域做淡出淡入的加權處理，再做相加。

  15. SOLA(Cont.) SOLA原時長波形圖 SOLA時長0.5倍波形圖

  16. SOLA(Cont.) SOLA原時長波形圖 SOLA時長兩倍波形圖

  17. SOLA(Cont.) 優點： 　　　將OLA演算法的Pitch失真，降到最低。 缺點： 　　　由於需計算最大交相關位置km ，來決定重疊位置的長度，且每個音框的km位置不同，所需的計算量也不同，因此計算量非常大。

  18. WSOLA(Waveform Similarity OLA) • 為了優化SOLA演算法，隨之發展出WSOLA演算法。 • 在作法上，與SOLA演算法類似，也是使用最大交相關來做運算。 • 與SOLA不同之處是利用輸出訊號Y與輸入訊號X來做交相關來決定出輸入訊號X的位置。

  19. WSOLA(Cont.) Ss X Sover Y S1 O1 if1 1.首先將輸入訊號X取Ss長度複製至Y，當作是輸出訊號。 2.if1是目前合成訊號Y的末端的時間位置，新進音框須疊合於合成音框Y的O1位置上，O1位置的決定是以if1往左Sover=Ss/2的位置上。

  20. Ss Ss X X Sover Sover Y Y S1 O1 if1 S1 O1 if1 WSOLA(Cont.) 3.相對以合成訊號時間位置O1 ，對應於原始聲音訊號時間位置應為S1=1/alpha*O1 。 4.當S1位置決定後，對應到原始訊號S1的位置作上記號並以S1往前或往後Sover長度及為新進音框訊號。

  21. WSOLA(Cont.) Ss X Y S1 O1 if1 5.再對已定的新進音框附近，搜尋出最佳新進音框訊號X[n] ，再與合成訊號Y重疊部分(O1到if1)，作淡出淡入加權處理。

  22. WSOLA(Cont.) SOLA原時長波形圖 SOLA時長0.5倍波形圖

  23. WSOLA(Cont.) SOLA原時長波形圖 SOLA時長兩倍波形圖

  24. Conclusion 計算量： OLA<WSOLA<SOLA

  25. 研究方向 • 減少其運算量以及保持原語音品質 • 運用在低運算量的裝置上，如：PDA上面。

  26. THANK YOU

More Related