JP2000293187A - データ音声合成装置及びデータ音声合成方法 - Google Patents

Abstract

(57)【要約】 【課題】 利用者が遅延なくテキストの音声合成された
結果を聞くことを可能とし、利用者の意図に応じた音声
ファイルを提供可能としたデータ音声合成装置及びデー
タ音声合成方法を提供する。 【解決手段】 テキストデータベース１２から音声合成
対象のテキストデータを抽出するテキスト入力部１１１
と、データベース１２から抽出した音声合成対象のテキ
ストデータを句点／読点に従い分割するテキスト分割処
理部１１２と、分割した音声合成対象のテキストデータ
毎に音声合成を行う音声合成処理部１１３とを具備す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、データ音声合成装
置及びデータ音声合成方法に関し、特に長いテキスト文
を素早く音声へ合成し読み上げを可能とする場合に好適
なデータ音声合成装置及びデータ音声合成方法に関す
る。

【０００２】

【従来の技術】従来より、テキストデータを音声合成
し、音声ファイル化して音声として出力する技術が開発
されている。従来のテキストデータの音声合成処理の方
式は、テキストデータを音声合成エンジンにそのまま渡
し、音声ファイル化するか、もしくはメモリ内で音声デ
ータ化することを行っていた。

【０００３】しかし、情報量が大きくなりテキストデー
タサイズも大きくなるに伴い、音声合成処理に要する時
間が非常に長くなる。更に遅延が発生するために、利用
者の意図を取り入れながらの動作はできなかった。

【０００４】上記のような音声合成に関する従来例とし
ては、例えば特開平９−３０７６５８号公報に記載の技
術が提案されている。同公報は、電子メールの読み上げ
を簡単な操作で自在に行うことを目的としたものであ
り、所定のフォーマットで記述した応答メッセージを記
憶するメッセージデータファイルを利用し、前記記憶さ
れている応答メッセージの出力指示を入力し、前記入力
した出力指示に応答して対応する応答メッセージを音声
合成出力することを特徴とする情報処理方法が開示され
ている。

【０００５】また、上記のような音声合成に関する他の
従来例としては、例えば特開平１０−１４９２７３号公
報に記載の技術が提案されている。同公報は、電子メー
ルの内容や意味を聞きとりやすい発声を実現することを
目的としたものであり、電子メールを記憶し、前記記憶
している電子メールのテキストを分析し、前記分析され
た結果に従って発声属性を決定し、前記決定された発声
属性に基づいて前記テキストを音声合成することを特徴
とする情報処理方法が開示されている。

【０００６】

【発明が解決しようとする課題】しかしながら、上述し
た従来例においては次のような問題点があった。

【０００７】第一の問題点は、音声合成処理をするテキ
ストデータのサイズが大きいため、長いテキストデータ
の音声合成処理には非常に長い時間がかかる。

【０００８】第二の問題点は、テキストの再生が終わる
まで処理を中断できないもしくは中断することができて
も次のテキストデータの音声合成処理が終了していない
ので再生する準備ができていないため、音声合成処理中
および再生中に利用者の指示を反映させることができな
いことである。

【０００９】本発明の目的は、利用者が遅延なくテキス
トの音声合成された結果を聞くことを可能とし、利用者
の意図に応じた音声ファイルを提供可能としたデータ音
声合成装置及びデータ音声合成方法を提供するものであ
る。

【００１０】

【課題を解決するための手段】本発明は、データの音声
合成を行うデータ音声合成装置において、複数のデータ
を蓄積した蓄積手段と、該蓄積手段から音声合成対象デ
ータを抽出する抽出手段と、該抽出手段で前記蓄積手段
から抽出した前記音声合成対象データを所定の分割条件
に基づき分割する分割手段と、該分割手段で分割した前
記音声合成対象データ毎に音声合成を行う音声合成手段
とを具備することを特徴とする。

【００１１】また、本発明は、データの音声合成を行う
データ音声合成方法において、複数の音声合成対象デー
タを蓄積した蓄積手段から特定の音声合成対象データを
抽出し、該抽出工程で前記蓄積手段から抽出した前記音
声合成対象データを所定の分割条件に基づき分割し、該
分割工程で分割した前記音声合成対象データ毎に音声合
成を行うことを特徴とする。

【００１２】また、本発明のデータ音声合成装置は、図
１を参照しつつ説明すれば、データの音声合成を行うデ
ータ音声合成装置において、複数のデータを蓄積した蓄
積手段（図１の１２）と、該蓄積手段から音声合成対象
データを抽出する抽出手段（図１の１１１）と、該抽出
手段で前記蓄積手段から抽出した前記音声合成対象デー
タを所定の分割条件に基づき分割する分割手段（図１の
１１２）と、該分割手段で分割した前記音声合成対象デ
ータ毎に音声合成を行う音声合成手段（図１の１１３）
とを具備している。

【００１３】［作用］本発明のデータ音声合成装置は、
テキストを分割して音声合成をするように制御してい
る。このため、分割されたテキストの音声合成処理を短
い時間で行うことが可能となり、利用者が遅延なくテキ
ストの音声合成された結果を聞くことができる。また、
音声合成されたデータは利用者の指示を先読みした音声
合成スケジュールに従うように制御している。このた
め、利用者に「次の電子メール」など利用者の意図に応
じた音声ファイルを提供することができる。更に、音声
合成対象データがテキストデータだけでなく、広範なデ
ータを扱うことができるようにしている。このため、利
用者はデータが限定されないという利点を得ることがで
きる。

【００１４】付言すれば、本発明のデータ音声合成装置
は、蓄積手段から抽出した音声合成対象データを句点／
読点などの分割条件に基づき幾つかのデータに分割し、
分割したデータを音声合成して出力する点が特徴であ
り、この点で上記従来例の音声合成方法とは相異するも
のである。

【００１５】

【発明の実施の形態】［第１実施形態］次に、本発明の
第１実施形態について図面を参照して詳細に説明する。

【００１６】（１）構成の説明 図１は本発明の第１実施形態のテキスト音声合成処理シ
ステムの構成例を示すブロック図である。図１におい
て、本発明の第１実施形態のテキスト音声合成処理シス
テムは、音声合成処理装置１１、テキストデータベース
１２、指示装置１３、音声出力装置１４を具備してい
る。更に、音声合成処理装置１１は、テキスト入力部１
１１、テキスト分割処理部１１２、音声合成処理部１１
３を具備している。

【００１７】上記構成を詳述すると、音声合成処理装置
１１は、テキストデータベース１２から抽出したテキス
トの分割を行うと共に、分割したテキスト毎に音声合成
を行い、音声合成したものをファイルとして記憶手段
（図示略）に保存し、読み上げの機会に適宜再生する。
音声合成処理装置１１は、具体的にはコンピュータ内に
音声合成処理をソフトウェアによって行う音声合成エン
ジンに適用した装置である。音声合成処理装置１１のテ
キスト入力部１１１は、指示装置１３からの音声合成指
示に基づきテキストデータベース１２から音声合成対象
のテキストを抽出する。音声合成処理装置１１のテキス
ト分割処理部１１２は、音声合成対象テキストを予め決
められたサイズ内で読点／句点などを区切りに、幾つか
のテキストに分割する。予め決められたサイズとは実使
用では例えば５００ｋバイトを初期値として保持してお
き、５００ｋバイトを越えたところにある読点、句点ま
でというのが分割サイズとなる。この音声合成処理装置
１１の音声合成処理分割処理部１１３は、分割されたテ
キスト毎に音声合成処理を行う。

【００１８】テキストデータベース１２は、具体的には
電子メールサーバに装備されており、テキスト（電子メ
ール）を蓄積している。指示装置１３は、具体的には電
話機の数字ボタンもしくはコンピュータのキーボードで
あり、利用者ＩＤ、パスワード、音声合成指示の入力に
用いる。音声出力装置１４は、具体的には電話機の受話
器もしくはコンピュータに接続されているスピーカであ
り、音声合成処理装置１１で音声合成された音声ファイ
ルを音声出力する。

【００１９】（２）動作の説明 次に、本発明の第１実施形態の動作について図１〜図４
を参照して詳細に説明する。図２は本発明の第１実施形
態の音声合成処理の流れを示すフローチャート、図３は
本発明の第１実施形態の音声合成スケジュールを示す説
明図、図４は本発明の第１実施形態の音声合成処理の具
体例を示す説明図である。

【００２０】最初に、図２のフローチャートを参照して
本発明の第１実施形態の全体の動作について詳細に説明
する。

【００２１】先ず、音声合成処理装置１１のテキスト入
力部１１１は、利用者が指示装置１３から入力した利用
者ＩＤ、パスワード、音声合成指示に基づき、音声合成
対象のテキストの取り出しを行う。テキストはテキスト
データベース１２から参照される（ステップＳ２１）。
次に、テキスト入力部１１１は、テキストの有無を判定
する（ステップＳ２２）。この場合はテキストデータベ
ース１２からテキストが取り出されているため、次に、
テキスト分割処理部１１２は、テキストの分割処理を行
い、分割処理したテキストを音声合成処理部１１３（音
声合成エンジン）に引き渡す（ステップＳ２３）。これ
により、音声合成処理部１１３は、分割されたテキスト
毎に音声合成を行い音声ファイルを作成する（ステップ
Ｓ２４）。

【００２２】音声合成処理部１１３は、作成した音声フ
ァイルを音声出力装置１４を介して音声出力する。これ
により、出来上がった音声ファイルを利用者に音声とし
て聞かせる（ステップＳ２５）。この後、テキスト入力
部１１１は、指示装置１３からの利用者による音声合成
指示が終了したか否か判定する（ステップＳ２６）。次
の利用者指示がある場合は上記ステップＳ２１へ戻り上
記一連の処理を繰り返す。他方、次の利用者指示がない
場合は本処理を終了する。

【００２３】次に、本発明の第１実施形態の具体例につ
いて図４を参照しながら説明する。上記図１に示すよう
に、利用者は指示装置１２（本例では電話機）から音声
合成装置１１に電話をかけて、テキスト（電子メール）
の聞き取り指示を出す。利用者が指示装置１２から利用
者ＩＤ、パスワードを入力すると、音声合成処理装置１
１のテキスト入力部１１１は、テキスト（電子メール）
を電子メールサーバのテキストデータベース１２から取
得する。テキスト分割処理部１１２は、テキスト入力部
１１１で取得したテキスト（電子メール）を句点や読点
に従って分割し、音声合成処理部１１３は、テキスト分
割処理部１１２で分割されたテキスト毎に音声合成処理
を行う。音声合成されたデータは、音声合成のスケジュ
ールに従う。

【００２４】音声合成スケジュールとは、図３に示すよ
うに分割されたテキストを利用者が次に必要になる順番
に配列し、利用者の指示どおりに再生を行うものであ
り、音声合成処理装置１１の音声合成処理部１１３が指
示装置１３からの入力に基づき予め作成し記憶している
ものである。音声合成スケジュールのルールを以下に示
す。

【００２５】テキスト１−分割１を最初に音声合成を行
う。次に利用者が「次のテキスト」を指示したときに即
座に必要になるのはテキスト２−分割１であるため、こ
れを次に音声合成を行う。その次はテキスト１−分割１
の再生時間内でテキスト３−分割１とテキスト１−分割
２の二つの音声合成処理が終了するのなら、テキスト３
−分割１である。しかし、二つの音声合成処理ができな
いときは、先にテキスト１−分割２の音声合成を行う。
この時に音声合成するための時間は、利用者が「早送
り」や「読み飛ばし」を行うことで再生時間が少なくな
ることも考慮にいれなければいけない。このように、音
声合成スケジュールに基づき利用者の行動を先読みして
音声合成処理を行うことで遅延のない処理が可能とな
る。

【００２６】作成された音声ファイルは、順番に利用者
に対して再生する。その間、利用者は「次のメール」
「早送り」「巻き戻し」などの指示を音声合成処理装置
１１に対して送ったりすることが可能であり、その指示
に従って即座に音声ファイルを再生することが可能であ
る。

【００２７】上述した如く、利用者の指示を伝達する指
示装置１３から音声合成処理装置１１のテキスト入力部
１１１へ音声合成を行う指示が与えられると、テキスト
入力部１１１によりテキストデータベース１２から抽出
された長いテキストは、テキスト分割処理部１１２で予
め決められたサイズ内で読点／句点などを区切りに幾つ
かの分割テキストに分けられる。分割されたテキスト
は、音声合成処理部１１３へ次々と引き渡される。小さ
く分割されたテキストの音声合成処理は短い時間で処理
され音声ファイル化され、音声出力装置１４へ音声とし
て出力される。

【００２８】また、上記図３に示したような音声合成ス
ケジュールを採用することで、遅延のない読み上げを可
能とする。「読み飛ばし」や「早送り」や「次のテキス
ト読む」を利用者が指示した場合でも即座に読み上げが
可能となる。

【００２９】以上説明したように本発明の第１実施形態
によれば、テキストを分割して音声合成をするため、分
割されたテキストの音声合成処理を短い時間で行うこと
が可能となり、利用者が遅延なくテキストの音声合成さ
れた結果を聞くことができる。また、音声合成されたデ
ータは利用者の指示を先読みした音声合成スケジュール
に従うため、利用者に「次の電子メール」など利用者の
意図に応じた音声ファイルを提供することができる。

【００３０】［第２実施形態］次に、本発明の第２実施
形態について図面を参照して詳細に説明する。

【００３１】（１）構成の説明 図５は本発明の第２実施形態のテキスト音声合成処理シ
ステムの構成例を示すブロック図である。図５におい
て、本発明の第２実施形態のテキスト音声合成処理シス
テムは、音声合成処理装置５１、汎用データベース５
２、指示装置５３、音声出力装置５４を具備している。
更に、音声合成処理装置５１は、テキスト入力部５１
１、テキスト分割処理部５１２、音声合成処理部５１３
を具備している。更に、テキスト入力部５１１は、デー
タ検索部５１１Ａとテキスト生成部５１１Ｂから構成さ
れている。

【００３２】上記構成において第２実施形態が第１実施
形態と相異する点を説明すると、汎用データベース５２
は、テキスト形式でない通常のデータを蓄積している。
音声合成処理装置５１のデータ検索部５１１Ａは、指示
装置５３からの音声合成指示に基づき汎用データベース
５２から音声合成対象のデータを検索する。音声合成処
理装置５１のテキスト生成部５１１Ｂは、データ検索部
５１１Ａにより検索されたデータに対しマージ等の処理
を行いテキスト化を行う。これ以外の構成は第１実施形
態と同様であり説明を省略する。

【００３３】（２）動作の説明 次に、本発明の第２実施形態の動作について図５〜図７
を参照して詳細に説明する。図６は本発明の第２実施形
態の音声合成処理の流れを示すフローチャート、図７は
本発明の第２実施形態の音声合成処理の具体例を示す説
明図である。

【００３４】最初に、図６のフローチャートを参照して
本発明の第２実施形態の全体の動作について詳細に説明
する。

【００３５】先ず、音声合成処理装置５１のテキスト入
力部５１１のデータ検索部５１１Ａは、利用者が指示装
置５３から入力した利用者ＩＤ、パスワード、音声合成
指示に基づき、汎用データベース５２から音声合成対象
データの検索を行う（ステップＳ６１）。次に、テキス
ト入力部５１１のテキスト生成部５１１Ｂは、データ検
索部５１１Ａで検索したデータをテキスト化する（ステ
ップＳ６２）。次に、テキスト入力部５１１のテキスト
分割処理部５１１Ｂは、テキストの有無を判定する（ス
テップＳ６３）。この場合は汎用データベース５２のデ
ータがテキスト化されているため、次に、テキスト分割
処理部５１２は、テキストの分割処理を行い、分割処理
したテキストを音声合成処理部５１３（音声合成エンジ
ン）に引き渡す（ステップＳ６４）。これにより、音声
合成処理部５１３は、分割されたテキスト毎に音声合成
を行い音声ファイルを作成する（ステップＳ６５）。

【００３６】音声合成処理部５１３は、作成した音声フ
ァイルを音声出力装置５４を介して音声出力する。これ
により、出来上がった音声ファイルを利用者に音声とし
て聞かせる（ステップＳ６６）。この後、テキスト入力
部５１１は、指示装置５３からの利用者による音声合成
指示が終了したか否か判定する（ステップＳ６７）。次
の利用者指示がある場合は上記ステップＳ６１へ戻り上
記一連の処理を繰り返す。他方、次の利用者指示がない
場合は本処理を終了する。

【００３７】次に、第２実施形態と第１実施形態との相
異点を説明する。上記図１に示した第１実施形態のテキ
スト音声合成処理システムでは、元となるテキストが予
め準備されていないと、音声合成処理を行うことができ
ないという側面がある。

【００３８】これに対し、第２実施形態のテキスト音声
合成処理システムでは、音声合成処理装置５１のテキス
ト入力部５１１のデータ検索部５１１Ａによるデータ検
索処理で、汎用データベース５２からデータを検索し
（上記図６のステップＳ６１）、テキスト生成部５１１
Ｂでデータをテキスト化する（図６のステップＳ６２）
ことによって音声合成処理を行い、再生することが可能
となる。

【００３９】次に、本発明の第２実施形態の具体例につ
いて図７を参照しながら説明する。汎用データベース５
２内のデータ構造を仮に以下のような場合を考察する。
［キー：数字列］、［設定値１：数字列］、［設定値
２：数字列］、［参照ＤＢキー：別ＤＢのキー］ 図７では、キー「５４８９」という入力数字列を使って
データの検索を行うと、検索後のデータは「３、４、３
３２１」のようになる。このまま、音声合成処理部５１
３で音声合成処理を行っても利用者にとって理解可能な
音声情報とはならない。そこで、テキスト入力部５１１
のデータ検索部５１１Ａにて汎用データベース５２の検
索を行い、[参照ＤＢキー]の検索を行い、実データを適
用することで利用者に有効な情報として提供することが
できる。

【００４０】別ＤＢにて、キー：「３３２１」で検索さ
れるデータがテキストデータ「タイトル：データベース
の有効活用について…」の場合、利用者に必要なデータ
は「設定値１は３、設定値２は４、タイトル：データベ
ースの有効活用について…」というようなテキストデー
タとなって、利用者に有益な情報を提供することが可能
となる。

【００４１】上述した如く、汎用データベース５２内の
データは、テキストの形式をしていなくても、音声合成
処理装置５１の音声合成処理部５１３に渡るまでに、テ
キスト入力部５１１のデータ検索部５１１Ａ及びテキス
ト生成部５１１Ａにて検索やマージ等の処理を行いテキ
スト化をすれば、音声合成処理部５１３で音声合成が可
能となる。また、指示装置５３からの指示もデータベー
ス操作を含めることが可能である。これにより、固定の
テキストだけでなく動的に生成されるテキストの音声合
成が可能となる。

【００４２】以上説明したように、本発明の第２実施形
態によれば、第１実施形態のように音声合成処理対象デ
ータがテキストデータベース１２のテキストデータだけ
でなく、汎用データベース５２の広範なデータを扱うこ
とができるので、利用者はデータが限定されないという
利点を得ることができる。

【００４３】

【発明の効果】以上説明したように本発明によれば、テ
キストを分割して音声合成をするため、分割されたテキ
ストの音声合成処理を短い時間で行うことが可能とな
り、利用者が遅延なくテキストの音声合成された結果を
聞くことができる。また、音声合成されたデータは利用
者の指示を先読みした音声合成スケジュールに従うた
め、利用者に「次の電子メール」など利用者の意図に応
じた音声ファイルを提供することができる。更に、音声
合成対象データがテキストデータだけでなく、広範なデ
ータを扱うことができるため、利用者はデータが限定さ
れないという利点を得ることができる。

【図面の簡単な説明】

【図１】本発明の第１実施形態のテキスト音声合成処理
システムの構成例を示すブロック図である。

【図２】本発明の第１実施形態の音声合成処理の流れを
示すフローチャートである。

【図３】本発明の第１実施形態の音声合成スケジュール
の例を示す説明図である。

【図４】本発明の第１実施形態の音声合成処理の具体例
を示す説明図である。

【図５】本発明の第２実施形態のテキスト音声合成処理
システムの構成例を示すブロック図である。

【図６】本発明の第２実施形態の音声合成処理の流れを
示すフローチャートである。

【図７】本発明の第２実施形態の音声合成処理の具体例
を示す説明図である。

【符号の説明】

１１、５１ 音声合成処理装置 １２ テキストデータベース １３、５３ 指示装置 １４、５４ 音声出力装置 ５２ 汎用データベース １１１、５１１ テキスト入力部 １１２、５１２ テキスト分割処理部 １１３、５１３ 音声合成処理部 ５１１Ａ データ検索部 ５１１Ｂ テキスト生成部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｈ０４Ｌ 12/58 Ｈ０４Ｌ 11/20 １０１Ｂ Ｈ０４Ｍ 3/50 Ｆターム(参考） 5B089 GA21 GB04 JA31 JB05 KB04 KH14 LB13 5D045 AA20 AB02 5K015 AA00 GA00 GA12 5K030 GA18 HA06 KA04 KA20 LB16 LD17 LE14 9A001 BZ03 FF03 HH18 JJ14 JZ19

Claims (7)

【特許請求の範囲】
1. 【請求項１】 データの音声合成を行うデータ音声合成
   装置において、 複数の音声合成対象データを蓄積した蓄積手段と、該蓄
   積手段から音声合成対象データを抽出する抽出手段と、
   該抽出手段で前記蓄積手段から抽出した前記音声合成対
   象データを所定の分割条件に基づき分割する分割手段
   と、該分割手段で分割した前記音声合成対象データ毎に
   音声合成を行う音声合成手段とを具備することを特徴と
   するデータ音声合成装置。
2. 【請求項２】 更に、前記音声合成対象データの音声合
   成を指示する指示手段と、音声合成結果を音声出力する
   音声出力手段とを具備し、前記抽出手段は、前記指示手
   段からの指示に基づき前記蓄積手段から前記音声合成対
   象データを抽出し、前記分割手段は、前記抽出手段で前
   記蓄積手段から抽出した前記音声合成対象データを句点
   や読点等を区切りに分割し、前記音声合成手段は、前記
   分割手段で分割した前記音声合成対象データ毎に音声合
   成を行い前記音声出力手段から前記音声合成結果を音声
   出力させることを特徴とする請求項１に記載のデータ音
   声合成装置。
3. 【請求項３】 前記音声合成手段は、音声合成スケジュ
   ールに従い前記音声出力手段から前記音声合成結果を音
   声出力させることを特徴とする請求項２に記載のデータ
   音声合成装置。
4. 【請求項４】 前記音声合成スケジュールとは、前記分
   割手段で分割した前記音声合成対象データを利用者が次
   に必要になる順番に配列されたスケジュールであること
   を特徴とする請求項３に記載のデータ音声合成装置。
5. 【請求項５】 前記音声合成対象データは、電子メール
   等のテキストデータであり、前記蓄積手段は、複数の前
   記テキストデータを蓄積することを特徴とする請求項１
   又は２に記載のデータ音声合成装置。
6. 【請求項６】 前記音声合成対象データは、テキスト形
   式でないデータであり、前記蓄積手段は、複数の前記テ
   キスト形式でないデータを蓄積し、前記抽出手段は、更
   に、前記蓄積手段から前記テキスト形式でないデータを
   検索するデータ検索手段と、該データ検索手段で検索し
   た前記テキスト形式でないデータをテキスト化するテキ
   スト生成手段とを具備することを特徴とする請求項１又
   は２に記載のデータ音声合成装置。
7. 【請求項７】 データの音声合成を行うデータ音声合成
   方法において、 複数の音声合成対象データを蓄積した蓄積手段から特定
   の音声合成対象データを抽出する抽出工程と、該抽出工
   程で前記蓄積手段から抽出した前記音声合成対象データ
   を所定の分割条件に基づき分割する分割工程と、該分割
   工程で分割した前記音声合成対象データ毎に音声合成を
   行う音声合成工程とを有することを特徴とするデータ音
   声合成方法。