JP2003208191A

JP2003208191A - 音声合成システム

Info

Publication number: JP2003208191A
Application number: JP2002005501A
Authority: JP
Inventors: Atsushi Shoji; 厚志庄司; Kimimasa Horio; 公正堀尾; Takeo Mori; 竹雄森; Michihiko Seo; 充彦瀬尾
Original assignee: Hitachi ULSI Systems Co Ltd
Current assignee: Hitachi Solutions Technology Ltd
Priority date: 2002-01-15
Filing date: 2002-01-15
Publication date: 2003-07-25

Abstract

(57)【要約】【課題】音声合成により読み上げられることを前提に
文書作成を行うような場合に、書き手による読み方の指
定やカスタマイズが容易に行えるとともに、読み上げら
れる際に書き手の指定どおりの音声合成が可能となる音
声合成システムを提供する【解決手段】文書入力に伴って語句の読み方を示す韻
律情報の入力と、文書データと韻律情報のデータファイ
ル化を行う文書エディタ１２０，１３０を備えた文書編
集装置１００と、生成されたデータファイル１２２，１
３２，１３３に基づいて文書データの音声合成を行うと
ともに、文書データに関連づけられた韻律情報がある場
合には該韻律情報に従った音声合成を行う音声合成手段
２４０、および、韻律情報を表示させずに文書データが
表わす文書のみを表示出力可能な文書エディタ２２０，
２３０を有する文書出力装置２００からなる音声合成シ
ステムである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、音声合成される
ことを前提に文書作成を行うシステムに適用して有用な
技術に関し、例えば複数のユーザ間で音声合成される文
書のやり取りをする場合に利用して特に有用な技術に関
する。

【０００２】

【従来の技術】例えば、電子メールを音声合成により読
み上げて出力するようにしたソフトウェアがある。この
ようなソフトウェアを用いて、音声合成されることを前
提に電子メールをやり取りするような場合には、送信者
はキーボード等から文書入力を行ってメール文を作成送
信する一方、受信者は受け取ったメール文を音声合成プ
ログラムにより音声合成して聞き取る。音声合成プログ
ラムは、一般に、文章がどのような単語から構成されて
いるか、主部と述部の境界はどこにあるかなどの日本語
解析を行った後、各種単語の音声情報を格納した辞書デ
ータを参照しつつ、上記日本語解析の結果として得られ
た言語情報と各単語の音響的特徴とを関連づけながら、
一連の文章の音声合成を行っていく。

【０００３】

【発明が解決しようとする課題】しかしながら、上記の
ような音声合成を前提に電子メールをやり取りする電子
メールシステムでは、辞書データに登録されてない新規
の単語を使った場合には、その単語の発音が正しく行わ
れないという問題がある。また、送信者が語句のイント
ネーションをカスタマイズして相手に読ませたいと思っ
た場合でも、このような欲求を満たすことは非常に困難
であるという課題がある。

【０００４】この発明の目的は、音声合成により読み上
げられることを前提に文書作成を行うような場合に、書
き手による読み方の指定やカスタマイズが容易に行える
とともに、読み上げられる際に書き手の指定どおりの音
声合成が可能となる音声合成システムを提供することに
ある。この発明の前記ならびにそのほかの目的と新規な
特徴については、本明細書の記述および添附図面から明
らかになるであろう。

【０００５】

【課題を解決するための手段】本願において開示される
発明のうち代表的なものの概要を説明すれば、下記のと
おりである。すなわち、文書編集装置において、語句の
韻律情報を文書入力に伴って入力可能とし、これら文書
データと韻律情報とをデータファイル化する一方、文書
出力装置において、文書データの音声合成を行う際にデ
ータファイルに韻律情報がある語句に関しては該韻律情
報に従った音声合成を行わせるようにしたものである。
このような手段によれば、指定した読み方で文書が読み
上げられるように文書を作成することが容易となり、ま
た、その指定どおりに文書が読み上げられることにな
る。

【０００６】

【発明の実施の形態】以下、本発明の好適な実施例を図
面に基づいて説明する。図１は、本発明の実施例の音声
合成システムの概要を説明する図である。この実施例の
音声合成システムは、文書入力を行う編集装置１００
と、文書を表示したり音声出力したりする出力装置２０
０とから構成されるものであり、これら編集装置１００
と出力装置２００とは例えばソフトウェア構成により別
々のパーソナルコンピュータ上に実現される。もちろ
ん、１台のコンピュータ上に編集装置１００と出力装置
２００の両機能が備わるようにしても良い。

【０００７】また、図１の音声合成システムは、その編
集方式と出力方式とが３種類備わったものである。な
お、これら各方式はそれぞれ独立したものであり、３種
類とも備える必要はなく、何れか１種類のみを備えてい
れば本発明に係る音声合成システムとしての機能を果た
す。次に、各方式ごとに説明する。

【０００８】第１の方式は、韻律情報をテキストデータ
形式で文書中に直接挿入して入力し、この韻律情報と文
書データとを含んだデータファイルから文書の表示や音
声合成出力を行うものである。この第１の方式において
編集装置１００では、入力インターフェースおよびデー
タファイル生成手段としての機能を有するエディタ１１
０が用いられ、出力装置２００では文書表示機能などを
有するエディタ２１０が用いられる。この第１方式にお
いては、文書入力はテキストデータや下線などの入力が
可能な汎用のテキストエディタ１１０を用いて行うこと
が出来る。そして、該エディタ１１０を用いた文書入力
中に、音声合成用の辞書に登録されてないような新規の
語句を用いたり、語句の発音をカスタマイズしたい場合
に、韻律情報を後述するようにテキストデータ形式で文
書中に直接入力することで対応する。

【０００９】テキストエディタ１１０は、文書入力が終
わったら、文書データと韻律情報とが一緒にまとめられ
てテキストデータ形式（下線情報も含まれる拡張型のテ
キストデータ形式、又はＨＴＭＬ（Hyper Text Mark-up
language）などを含む）のデータファイル１１２を生
成する。出力装置２００側には、第１の方式に関わるモ
ジュールとして、上記のテキストデータ形式のデータフ
ァイルを扱える汎用的なテキストエディタ２１０や、日
本語音声合成を行う音声合成手段としての日本語処理モ
ジュール２４０や規則合成処理モジュール２６０などが
設けられている。これらテキストエディタ２１０、日本
語処理モジュール２４０、規則合成処理モジュール２６
０はコンピュータにより実現されるソフトウェア構成で
ある。出力装置２００に上記のデータファイル１１２が
受け渡された場合には、先ず、該データファイル１１２
がテキストエディタ２１０に入力されて、文書の表示出
力が行われる。但し、ここで表示出力される内容には文
書データのほか韻律情報も含まれる。

【００１０】また、データファイル１１２はそのまま日
本語処理モジュール２４０にも送られて、該モジュール
２４０により文書中に挿入された韻律情報が文書データ
と分離されるとともに、文書データについて日本語解析
解析が行われる。そして、文法・文節に応じた各単語の
読み韻律記号（読み仮名やアクセントや単語句切りなど
の韻律情報が含まれるデータ）が辞書から抽出され、文
書データの全体が読み韻律記号に変換されていく。そし
て、それにより読み韻律記号データ２５０が生成され
る。この読み韻律記号への変換処理の際、文書中に挿入
された韻律情報がある部分については、その韻律情報が
優先されて読み韻律記号に変換される。その後、出力装
置２００内では、読み韻律記号データ２５０が規則合成
処理モジュール２６０に送られて、読み韻律記号に従っ
た規則的な音声合成が行われる。そして合成された音声
がスピーカ２７０等から出力される。このように、上記
の文書編集や文書出力の方式により、文書入力中に語句
の読み方をユーザにより容易に指定或いはカスタマイズ
できるとともに、そのデータファイルの読み手側におい
て書き手の指定どおりの読み方で音声合成出力すること
が出来る。

【００１１】図２〜図５には、編集装置１００のテキス
トエディタ１１０において韻律情報をテキスト形式で入
力する幾つかの例を示す。図２の例は、単語のアクセン
トを指定する場合を説明するものである。同図に示すよ
うに、例えば、新規の単語「おっはー」などは、通常の
音声合成処理では、１単語としては認識されてもアクセ
ントはどこに有るのか特定されず、同図（Ａ）のよう
に、アクセントのない「オッハー．」と云った読み韻律
記号に変換される。ここで「．」は句切り記号である。
そこで、新規の単語「おっはー」にアクセントを付けた
い場合には、図２（Ｂ）のように、アクセントを付ける
文字の後ろにアクセント記号（例えば「’」）を挿入す
る。そうすることで、音声合成処理において、「オ’ッ
ハー．」と云ったユーザによりアクセント箇所が指定さ
れた読み韻律記号に変換される。

【００１２】図３の例は、１つのアクセントを有する単
語句切りを指定する場合を説明するものである。新規の
単語「ｉモード」などは、通常の音声合成処理では
「ｉ」と「モード」の２つの単語として認識されるた
め、同図（Ａ）のように「ア’イ／モ’ード．」と２つ
に単語句切りされ２つのアクセントが付された読み韻律
記号に変換される。ここで「／」は単語句切り記号であ
る。そこで、複数の単語と認識される語句を１単語と認
識させたい場合には、図３（Ｂ）のように、１単語と認
識させたい語句に装飾記号としての下線を付す。そうす
ることで、音声合成処理において、「ア’イモード．」
と云ったユーザにより１単語に指定された読み韻律記号
に変換される。

【００１３】図４の例は、図３の例に読み方の修正も加
えた場合を説明するものである。単語「ＩＴ革命」など
は、通常の音声合成処理では「ＩＴ」と「革命」の２単
語として認識され、さらに、「ＩＴ」は「イット」など
と間違った発音で認識されるため、同図（Ａ）のように
「イ’ット／カクメー」と云った読み韻律記号に変換さ
れる。そこで、間違った発音に認識される語の読み方を
修正する場合には、図４（Ｂ）のように、単語の後ろに
その読み仮名を括弧でくくって挿入する。それにより、
ユーザ指定の読み仮名でその単語の音声合成処理が行わ
れることとなる。また、図４（Ｂ）の例では、下線を付
すことで１単語に認識させることも行っているので、結
果として「アイティーカ’クメー」と云った読み韻律記
号に変換される。なお、「革命」の第１アクセントは、
アクセント記号を入力することで付けることもできる
が、ここでは、接頭語付き単語として辞書登録された
「革命」のアクセントが付されている。

【００１４】図５の例は、語句に様々な韻律パラメータ
を指定する場合を説明するものである。単語や句に、音
の高低、音の大小、音の長さ（出力時間長）などの韻律
パラメータを指定する場合には、図５（イ）〜（ホ）の
ように、単語や句の後に韻律パラメータの指定用に予め
設定されている記号や文字を括弧にくくって挿入して行
う。韻律パラメータ用に設定されている文字としては、
例えば、音の長さを表わす「早く」「遅く」、音の高低
を表わす「高く」「低く」、音の大小を表わす「大き
く」「小さく」、音を大きく且つ長くする「強調」など
がある。そして、文書入力時に上記の記号を単語の後に
付すことで韻律パラメータの指定を行う。このような指
定が行われている場合、図５（イ）〜（ニ）のように、
音声合成処理により韻律パラメータ付きの読み韻律記号
に変換される。図中の「Ｓ」「Ｐ」「Ｆ」「Ｖ」が韻律
パラメータの種類、数字はそのパラメータ値を示してい
る。

【００１５】また、複数の単語が集まった句に韻律パラ
メータを設定する場合には、図５（ホ）のように、鉤括
弧で句を区切ってその後に韻律パラメータの記号を挿入
する。この場合、音声合成処理により複数単語に韻律パ
ラメータが掛かった読み韻律記号への変換が行われる。
図中の「＞」は複数単語の場合に韻律パラメータの指定
範囲の終りを示す記号である。以上のように、テキスト
エディタ１１０において文書入力中に韻律情報の入力を
行うことが出来る。

【００１６】次に、第２方式について説明する。第２方
式は、韻律情報の入力を文書入力方式と異なるコマンド
選択により文書入力中に行い、文書データと韻律情報と
が別の形態にまとめられた専用のデータファイルとして
取り扱われるようにしたものである。この第２方式にお
いて、編集装置１００側では、入力インターフェースお
よびデータファイル生成手段としての機能を有する専用
エディタ１２０が用いられ、出力装置２００側では出力
インターフェースとしての機能を有する専用エディタ２
２０が用いられる。

【００１７】図６には、上記専用エディタ１２０におい
て韻律情報が入力されるところの画像図を示す。専用エ
ディタ１２０では、文書入力に加えて、書式やフォント
など様々な拡張情報を付加することが可能な汎用の文書
編集モジュールとほぼ同様のものである。この実施例の
専用エディタ１２０は、文書データに付加することが可
能な拡張情報として、さらに語句の韻律情報が含まれる
ものである。韻律情報の入力は、図６に示すように、韻
律情報を付加する語句を選択した後、専用エディタ１２
０に備わるメニュー１２５の中から韻律情報挿入コマン
ド１２６を選択することで行う。そして、このコマンド
選択により出現する吹出し表示１２７の中に図２〜図５
に示したような読み韻律記号を入力する。

【００１８】なお、吹出し表示１２７の中に読み韻律記
号を直接入力するのではなく、ユーザに判り易く規定し
た記号体系を用いて韻律情報を入力するようにしても良
い。また、コマンド選択の仕方や韻律情報入力用の表示
（吹出し表示１２７）などは種々の方式に変更可能であ
る。そして、専用エディタ１２０において文書の入力が
完了されると、専用エディタ１２０により文書データ
（「漢字かな混じり文」）と韻律情報とが別形態で且つ
韻律情報がどの語句のものか対応づけられた状態でデー
タファイル化され、専用のデータファイル１２２が生成
される。

【００１９】出力装置２００側では、上記データファイ
ル１２２を受け取った場合に、該データファイル１２２
の形式に対応した専用エディタ２２０を用いて、韻律情
報を省いた文書のみの表示出力が可能である。なお、語
句を指定することで、その語句に付加された韻律情報が
吹出し表示されるなど、特殊な方法で韻律情報が表示さ
れる機能を付加しても良い。また、出力装置２００側で
は、データファイル１２２が日本語処理モジュール２４
０にも送られて、文書の日本語解析や言語情報に関連し
た各単語の読み韻律記号の抽出等が行われ、文書データ
の全体が読み韻律記号に変換されていく。そして、読み
韻律記号データ２５０が生成される。上記読み韻律記号
の変換の際、データファイル１２２内に含まれる韻律情
報に対応づけられた語句については、その韻律情報が優
先されて変換処理が行われる。その後、この読み韻律記
号２５０が規則合成処理モジュール２６０に送られて、
読み韻律記号に従った規則的な音声合成が行われ、その
合成音声がスピーカ２７０等から出力される。

【００２０】以上のように、この第２方式においても、
文書入力中に語句の読み方をユーザにより容易に指定或
いはカスタマイズできるとともに、そのデータファイル
の読み手側において書き手の指定どおりの読み方で音声
合成出力することが出来る。また、読み手側で文書を表
示する際に、読み方を示す韻律情報が表示されないよう
に出来るので、見た目上も自然で好ましい。

【００２１】第３方式は、データファイルの形式が第２
方式のものと異なり、その他韻律情報の入力の仕方など
は第２方式のものと同様のものである。この第３方式に
おいて編集装置１００側では入力インターフェースおよ
びデータファイル生成手段としての機能を有する専用エ
ディタ１３０が用いられ、出力装置２００側では出力イ
ンターフェースとしての機能を有する専用エディタ２３
０が用いられる。この第３方式においては、専用エディ
タ２３０を用いた文書データの入力方法や韻律情報の入
力方法は図６に示したものと同様である。他方、この第
３方式において専用エディタ２３０により生成されるデ
ータファイルは、文書データや書式情報などが格納され
たテキストデータファイル１３２と、韻律情報が文書デ
ータの語句に対応づけられて格納された韻律データファ
イル１３３と、２個のデータファイルである。

【００２２】出力装置２００側では、これら２個のデー
タファイル１３２，１３３を受け取ると、専用エディタ
２３０によりテキストデータファイル１３２の処理を行
って文書の表示出力を行う一方、日本語処理モジュール
２４０にテキストデータファイル１３２と韻律データフ
ァイル１３３の両方を入力して、第２方式と同様に音声
合成処理を行う。そして、同様にスピーカー２７０等か
ら合成音声の出力が行われる。以上のように、上記実施
例の音声合成システムによれば、文書を音声合成で読み
上げることを前提に文書を書く場合に、書き手側の意図
した読み方を文書入力中に容易に指定し、読み手側にお
いてもこの指定に従って音声合成されるようにすること
が出来る。

【００２３】なお、図１の例では、書き手側に編集装置
１００が備わり、読み手側に出力装置２００が備わるシ
ステム構成を示したが、書き手側と読み手側の両者にそ
れぞれ編集装置１００と出力装置２００とが備わるよう
にシステムを構成し、音声合成用の文書のやり取りを双
方向で行えるようにするのが一般的である。そして、こ
のように構成された場合には、ユーザが作成した文書を
自分で音声合成して耳で確認しながら文書作成や読み方
の指定を進めることも可能となる。

【００２４】以上本発明者によってなされた発明を実施
例に基づき具体的に説明したが、本発明は上記実施例に
限定されるものではなく、その要旨を逸脱しない範囲で
種々変更可能であることはいうまでもない。例えば、音
声合成の手法として、文書の日本語解析の後に辞書デー
タを用いて読み韻律記号へ変換し、その後、読み韻律記
号を規則的に音声合成するといった手法を示したが、書
き手が入力した韻律情報が反映されるような音声合成の
仕方であれば、どのような方法によるものであっても良
い。また、実施例で具体的に示した韻律情報の入力の仕
方についても、文書入力に伴ってユーザが容易に入力で
きるものであれば、様々に変更可能である。

【００２５】以上の説明では主として本発明者によって
なされた発明をその背景となった利用分野である音声合
成出力されることを前提に複数のユーザ間で文書をやり
取りするような場面に使用される音声合成システムにつ
いて説明したが、この発明はそれに限定されるものでな
く、例えば、音声合成信号又は合成音声データを作成す
るために用いられる音声合成システムなど広く利用する
ことができる。

【００２６】

【発明の効果】本願において開示される発明のうち代表
的なものによって得られる効果を簡単に説明すれば下記
のとおりである。すなわち、本発明に従うと、文書を音
声合成で読み上げることを前提に文書を書く場合に、書
き手側の意図した読み方を文書入力中に容易に指定する
ことが可能で、且つ、読み手側において書き手の指定に
従った読み方で音声合成することが出来るという効果が
ある。

【図面の簡単な説明】

【図１】本発明の実施例の音声合成システムを説明する
概要図である。

【図２】テキスト形式で韻律情報を入力する第１例を説
明する図である。

【図３】テキスト形式で韻律情報を入力する第２例を説
明する図である。

【図４】テキスト形式で韻律情報を入力する第３例を説
明する図である。

【図５】テキスト形式で韻律情報を入力する第４例を説
明する図である。

【図６】音声合成システムの専用エディタで韻律情報を
入力するところを示す表示例である。

【符号の説明】

１００編集装置１１０テキストエディタ１１２データファイル１２０，１３０専用エディタ１２２，１３２，１３３データファイル２００出力装置２２０，２３０専用エディタ２４０日本語処理モジュール２６０規則合成処理モジュール

───────────────────────────────────────────────────── フロントページの続き (72)発明者堀尾公正東京都小平市上水本町５丁目22番１号株式会社日立超エル・エス・アイ・システムズ内 (72)発明者森竹雄東京都小平市上水本町５丁目22番１号株式会社日立超エル・エス・アイ・システムズ内 (72)発明者瀬尾充彦東京都小平市上水本町５丁目22番１号株式会社日立超エル・エス・アイ・システムズ内Ｆターム(参考） 5D045 AB02

Claims

【特許請求の範囲】

【請求項１】文書入力に伴って語句の読み方を示す韻
律情報を入力する入力インターフェース、および、入力
された文書データのデータファイル化および文書データ
に関連づけた上記韻律情報のデータファイル化を行うデ
ータファイル生成手段を有する文書編集装置と、上記文書データと韻律情報のデータファイルに基づいて
文書データの音声合成を行うとともに、文書データに関
連づけられた韻律情報がある場合には該韻律情報に従っ
た音声合成を行う音声合成手段、および、上記文書デー
タと韻律情報のデータファイルに基づき上記韻律情報を
表示させずに上記文書データが表わす文書のみを表示出
力可能な出力インターフェースとを有する文書出力装置
と、を備えていることを特徴とする音声合成システム。
【請求項２】文書入力に伴って語句の読み方を示す韻
律情報を文書入力と同じ形式で入力する入力インターフ
ェース、および、入力された文書データと上記韻律情報
とを一体的に且つテキストデータ形式でデータファイル
化するデータファイル生成手段を有する文書編集装置
と、上記文書データと韻律情報のデータファイルに基づき当
該文書データと韻律情報とを分離して文書データの音声
合成を行うとともに韻律情報が付加された語句がある場
合には該韻律情報に従った音声合成を行う音声合成手段
を有する文書出力装置と、を備えていることを特徴とする音声合成システム。
【請求項３】上記韻律情報には、上記入力インターフ
ェースにおいて語句に装飾記号を付すことで入力され、
連続して上記装飾記号が付された語句を１つのアクセン
トを有する単語とみなすアクセント区切情報が含まれる
ことを特徴とする請求項２記載の音声合成システム。
【請求項４】上記韻律情報には、上記入力インターフ
ェースにおいて文字にアクセント記号を付すことで入力
され、該アクセント記号が付された文字にアクセントを
置くことを示すアクセント情報が含まれることを特徴と
する請求項２又は３に記載の音声合成システム。
【請求項５】上記韻律情報には語句の発音韻律を韻律
パラメータに従った韻律とする韻律パラメータ情報が含
まれ、該韻律パラメータ情報は上記入力インターフェー
スにおいて語句の前又は後に上記韻律パラメータを付加
することで入力されることを特徴とする請求項２〜４の
何れかに記載の音声合成システム。