JPH031200A - 規則型音声合成装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、規則型音声合成装置に関し、特に文字列から
規則に従って音声を合成する型の規則型音声合成装置に
関するものである。

（従来の技術） 文字列から規則にしたがって音声を合成する型の規則型
音声合成装置の構成としては、半単音節あるいは子音や
母音の組合わせなどを単位とする自然音声（アナランサ
等の人間が発声した音声）を分析して作成した音声合成
パラメータｌ／ｉを記憶しておき、入力文字列に対応す
る単位の音声合成パラメータをつなぎ合わせるように編
集し音声を合成するものと、音素の系列などの諸条件に
対してポルマントの変化パターンを生成するホルマント
規則を記憶しておき、前記ホルマント規則を適用して生
成されたホルマントの変化パターンから音声を合成する
ものとに大別される。

第１の従来例である前者の規則型音声合成としては、電
子通信学会論文誌り、Ｊ６１．−Ｄ、Ｎｏ。

１１の８５８ページから８６５ページに掲載された佐藤
による論文、“ＰＡＲＣＯＲ−ＶＣＶ連鎖を用いた音声
合成方式“が知られている。

これは、ｖｃｖ　（ｃは子音、■は母音を表す）すなわ
ち、母音・子音・母音という音韻連鎖を単位とする自然
音声を線形予測法と呼ばれる音声分析法で分析し、パー
コール（ＰＡＲＣＯＲ）係数すなわち偏自己相関と呼ば
れる音声合成パラメータの値を抽出して記憶しておき、
この単位音声のパーコール係数を編集して音声を合成す
るものである。このほかに、音声の単位として、子音・
母音および母音・子音（ＣＶ−ＶＣ）、子音・母音・子
音（ＣＶＣ）などを用いるものがある。

また音声合成パラメータとして、やはり線形予測法で得
られるα（アルファ）パラメータや、エルエスピー（Ｌ
ＳＰ）係数、更により高度な分析法によって得られるＡ
ＲＭＡ　（エイアールエムエイ、またはアルマ）係数な
どを用いるものが知られている。このうちαパラメータ
はＡＲ（エイアール）係数と呼ばれることもあり、ＡＲ
ＭＡパラメータの特別な場合と考えられる。これらのパ
ラメータは、音声のスペクトルを近似するパラメータで
、自然音声から比較的少ない演Ｘ里の分析によって自動
的に値を抽出づることができるうえ、比較的明瞭な合成
音か得られるという利点がある。

なお、音声合成パラメータ゛としては、スペクトルを表
すパラメータのほかに、有声無声などの音源パラメータ
も必要であり、これも分析によって得られる０日本語の
ように音節の種類が少ないときは単０″Ｌ汗声を集め易
いので、よくこの方法が用いられる。

第２の従来例として、前記ホルマント規則から音声を合
成するものの例が、ジエイ・エヌ・ホームズ（Ｊ、Ｎ、
Ｈｏ　１ｍｅｓ＞による著書、スピーチ・シンセシス・
アンド・レコグニション（Ｓｐｅｅｃｈ　　５ｙｎｔｈ
ｅｓｉｓ　　ａｎｄＲｅｃｏｇｎｉｔｉｏｎ：音声合成
と認識）の第６章に示されている。これには、ある音素
から他の音素へのホルマントの変化パターンを生成する
規則の例がいくつか説明されている。

この第２の従来例の場合、合成に必要なデータ量がきわ
めて少なくて済むということのほかに、予め単位音声を
集めなくても合成音声を評価しながら改良することがで
き、フレキシビリティが高いというメリットがある。こ
れは、ホルマントパラメータが声道の共振周波数という
物理的に明確な特徴を有しており、規則に従って制御し
易いためである。英語などのように音節の種類がきわめ
て多いため単位音声が集めきれない場合によくこの方法
か用いられる。

（発明が解決しようとする課題） 第１の従来例によれは、各単位の質のよい自然音声を集
められれば、明瞭な合成音が得られる。

しかし、同じ音素や音節であっても、単位毎に発声して
集めた音と文章中に現れる音はかなり異なるため、合成
音の自然さに欠けるという問題がある１例えば、単音節
などを発声した自然音声を分析したもので文章の音声を
合成すると、−音一音はっきりと発音しているような印
象の合成音になってしまう、もし、文章を発声した自然
音声から単位音声を収り出そうとすると、単位音声の収
集が非常に困難になる。／Ｒ係数などの自動分析で得ら
れるパラメータの変化パターンは規則として記述できる
ようなものでなく、装置の１７Ｆ１発者が合成音を聞き
ながら簡単に調整できるようなものでもない、これは、
これらのパラメータが第２の従来例におけるホルマント
パラメータはど物理的に明確な特徴を持っていないため
である。ＡＲ係数から第２の従来例におけるホルマント
パラメータに変換することも容易ではない。

一方、第２の従来例では、合成実験を繰り返してホルマ
ント規則を逐次改良していくことで、文章音声の自然さ
を改善することができる。しかし、この方法による合成
音は一般に明瞭性か低いという問題がある。特に、子音
は単語や文章全体の了解性にとって重要であるにもかか
わらず、時間が短いうえパワーが小さいので、規則の改
善が龍しいという問題があった。

本発明の目的は、前記二種の従来例のそれぞれの特徴を
活かし、明瞭度が高くかつ自然性の改善のためのフレキ
シビリティが高い規則型音声合成装置を提供することに
ある。

〈課題を解決するための手段） 本発明における規則型音声合成装置は、半量音節あるい
は子音や母音の組合わせなどを単位とする自然音声を分
析して作成した音声合成パラメータ値を記憶する第１の
手段と、予め用意した音素の系列などの諸条件に対して
ホルマントの変化パターンを生成するホルマント規則を
記憶する第２の手段と、前記ホルマント規則を適用しホ
ルマントの変化パターンを生成する第３の手段と、前記
生成されたホルマントの変化パターンのホルマント値か
ら音声合成パラメータ値に変換する第４の手段と、前記
音声合成パラメータ値を補間し編集する第５の手段と、
前記編集された音声合成パラメータに基づいて音声を合
成する第６の手段と、入力された文字情報を解析し前記
自然音声を分析して記憶してある音声合成パラメータ値
と前記ホルマント規則のどれを用いるかを判定する第７
の千−段と、前記第７の手段による判定結果に基づいて
、前記第５の手段に補間編集動作を行なわせるとともに
前記第６の手段に音声合成動作を行なわしめる第８の手
段とを備えて構成される。

（作用） 本発明では、まず、半量音節あるいは子音や母ａの組合
わせなどを単位とする自然音声を分析して作成した音声
合成パラメータ値と、ホルマントの変化パターンを生成
するホルマント規則を用意する。

それぞれに合成した音声を編集しようとすると、母音の
途中などで方式の興なる合成器で合成した音声を接続す
ることは音に不連続が生じてしまうため、単語や文節な
どのポーズがあっても余り不自然でないような単位での
合成しか実現できない。

これでは、各単語などの合成音は前記二種の従来例のそ
れぞれの問題点をそのまま残してしまい、何等の改善効
果が得られない。

そこで、本発明ではホルマントパラメータから音声合成
パラメータに変換する手段を設け、更に音声合成パラメ
ータ値を補間編集する手段、および入力された文字情報
を解析し前記自然音声を分析して記憶してある音声合成
パラメータ値と前記ホルマント規則のどれを用いるかを
判定する手段を設ける。

最も演算量を必要とする音声合成回路は、前記の音声合
成パラメータ値に基づいて合成するもの一種だけ備えれ
ばよい。

以上により、例えば自然音声を分析して得た単位音声の
音声合成パラメータのｍ策で合成してみた音声の母音の
一部が不自然だった場合、そこだけホルマントの変化規
則を設定してみて合成音の自然性を改良するといったこ
とができる。連続した音声の途中であっても、パラメー
タの補間をしてから音声を合成するので、不連続が生じ
ることはない。

（実施例） 次に、図面を用いて本発明の詳細な説明する。

第１図は、本発明の一実施例を示すブロック図である。

パラメータメモリ２には、千生音節あるいは子音や母音
の組合わせなどを単位とする自然音声を分析して作成し
た音声合成パラメータ値を予め記憶させである。同時に
パラメータアドレステーブル３には、各単位音声のアド
レス情報が記憶されている。

一方、ポルマント規則メモリ４には、音素の系列などの
諸条件に対するホルマントの変化パターンを生成するホ
ルマント規則が記憶されている。

このホルマント規則は、装置の開発者が作成して書き込
むものである。ホルマント規則アドレステーブル５はＬ
）−えられた音素の系列などの情報に対応するホルマン
ト規則が記憶されているアドレスが記憶されている。

ホルマントパターン生成回路６は、前記ポルマント規則
に従って、ホルマントの変化パターンを生成する。この
ホルマント変化パターンは、予め設定された時間毎の各
ホルマントの周波数ならびにバンド幅の値や＠幅の値の
時系列である。

パラメータ変換器７は、ホルマントパターン生成回路６
から送られて来るホルマント等のパラメータ値の時系列
を、パラメータメモリ２に記憶してあるのと同一形式の
音声合成パラメータの時系列に変換する。

切り替え条件メモリ１０には、自然音声を分析して記憶
してある音声合成パラメータ値とホルマント規則のどれ
を用いるかを決定する条件と結果を記憶させである。こ
の条件は、単位音声とホルマント規則を作成したときに
決定されるもので、音素の系列を表す文字列が条件とな
り、音声合成パラメータまたはホルマント規則を用いる
という情報が結果である。

文字情報解析器９に合成すべきメツセージの音素系列か
らなる文字列が信号線１２から入力されると、文字情報
解析器９は入力された文字情報を解析し、切り替え条件
メモリ１０に記憶されている条件との比較を行ない、記
憶してある音声合成パラメータ値とホルマント規則のど
ちらを用いるかを判定し結果の情報を制御回路１に送り
、成立した条件に相当する音素列をパラメータアドレス
テーブル３またはホルマント規則アドレステーブル５に
送る。

制御回路１は、文字情報解析器９の判定結果が音声合成
パラメータを用いることを示しているときは、パラメー
タメモリ２に、パラメータアドレステーブル３から送ら
れたアドレスの音声合成パラメータのデータをパラメー
タ補間回路８に送らせる。

一方、制御回路１は、文字情報解析器９の判定結果がホ
ルマント規則を用いることを示しているときは、ホルマ
ント規則メモリ４にホルマント規則アドレステーブル５
のアドレスに記憶されていルホルマント規則をホルマン
トパターン生成回路６に送らせる０次に、ホルマントパ
ターン生成回路６に送られたホルマント規則に従ってホ
ルマントパターンを生成させ、パラメータ変換器７に送
らせる。更に、パラメータ変換器７で変換されたパラメ
ータのデータをパラメータ補間回路８に送らせる。

パラメータ補間回路８では、パラメータメモリ２または
パラメータ変換器７から送られた音声合成パラメータが
補間ならびに編集され、編集のできた音声合成パラメー
タのデータが音声合成回路１１に送られる。補間が必要
なのは各単位音声や規則で生成されたパラメータの時系
列の接続部分であり、これは制御回路ｌから指示される
。

音声合成回路１１では、パラメータ補間回路８から送ら
れる音声合成パラメータの値を用いて音声が合成され、
信号線１３から出力される。

次に第２図を用いてパラメータ変換の一襦成例を説明す
る。本例では、音声合成パラメータとしてはＡＲ係数ま
たはＡＲＭＡ係数を仮定する。

ます、係数テーブル１０１にはホルマント周波数に対し
てその共振の極の偏角のコサインの値が記憶され、バン
ド幅に対して極の半径が記憶されている。そして、逐次
入力されるホルマントとバンド幅の値を与えると、極の
偏角のコサインと半径が係数生成回路１０２に送られる
。

係数生成回路１０２では係数テーブル１０１から送られ
た極の偏角コサインと半径をもとに二次の零回路の係数
か算出される。即ち、−次の係数は極の半径と偏角のコ
サインの積の２倍で、二次の係数は極の半径の二乗であ
る。

零回路フィルタ１０３は、二次の零回路の縦続構成とな
っていて、その係・数は係数生成回路１０２で生成され
送られた値が設定される。

インパルス発生器１０４では単位インパルスが生成され
て、零回路フィルタ１０３に送られる。

このときの零回路フィルタ１０３の出力が順次ＡＲ係数
として出力される。音声合成パラメータがＡＲＭＡであ
る場合には、このホルマントから変換された係数はＡＲ
ＭＡ係数のうちＡＲ部に相当する。これは、第１図の例
ではパラメータ補間回路８に送られることになる。もし
、アンチホルマント（声道の反共振）の規則もある場合
は、その反共振周波数とバンド幅からポルマントと同様
にして変換され、ＡＲＭＡのＭＡ部の係数として出力さ
れる。

（発明の効果） 以上説明したように本発明によれば、分析合成による高
い明瞭性を活かしつつ自然性の改善のためのフレＡ−シ
ビリテイが高い規則型音声合成装置が得られるという効
果がある。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
パラメータ変換器の一例を示す図である。 １・・・制御回路、２・・・パラメータメモリ、３・・
・パラメータアドレステーブル、４・・・ホルマント規
則メモリ、５・・・ホルマント規則アドレステーブル、
６・・・ホルマントパターン生成回路、７・・・パラメ
ータ変換器、８・・・パラメータ補間回路、９・・・文
″４！″情報解析器、１０・・・切り替え条件メモリ、
１１・・・音声合成回路、１０１・・・係数テーブル、
１０２・・・係数生成回路、１０３・・・零回路フィル
タ、１０４・・・インパルス発生器。

Claims (3)

【特許請求の範囲】
1. （１）文字列から規則にしたがって音声を合成する型の
   規則型音声合成装置において、半単音節あるいは子音や
   母音の組合わせなどを単位とする自然音声を分析して作
   成した音声合成パラメータ値を記憶する第１の手段と、
   予め用意した音素の系列などの諸条件に対してホルマン
   トの変化パターンを生成するホルマント規則を記憶する
   第２の手段と、前記ホルマント規則を適用しホルマント
   の変化パターンを生成する第３の手段と、前記生成され
   たホルマントの変化パターンのホルマント値を音声合成
   パラメータ値に変換する第４の手段と、前記音声合成パ
   ラメータ値を補間し編集する第５の手段と、前記編集さ
   れた音声合成パラメータに基づいて音声を合成する第６
   の手段と、入力された文字情報を解析し前記自然音声を
   分析して記憶してある音声合成パラメータ値と前記ホル
   マント規則のどれを用いるかを判定する第７の手段と、
   前記第７の手段による判定結果に基づいて、前記第５の
   手段に補間編集動作を行なわせるとともに前記第６の手
   段に音声合成動作を行なわしめる第８の手段とを備えて
   成ることを特徴とする規則型音声合成装置。
2. （２）前記音声合成パラメータとして、ＡＲ係数または
   ＡＲＭＡ係数を用い、二次の零回路の縦接続構成の零回
   路フィルタと、ホルマントから二次の零回路の係数を算
   出する手段を有し、その係数を前記零回路フィルタの係
   数として設定し、その零回路フィルタのインパルス応答
   をＡＲ係数またはＡＲＭＡ係数のＡＲ部として前記第５
   の手段に送るようにした請求項（１）に記載の規則型音
   声合成装置。
3. （３）前記音声合成パラメータとして、ＡＲＭＡ係数を
   用い、二次の零回路の縦接続構成の零回路フィルタと、
   ホルマントまたはアンチホルマントから二次の零回路の
   係数を算出する手段を有し、その係数を前記零回路フィ
   ルタの係数として設定し、ホルマントに対応する係数を
   設定したときの零回路フィルタのインパルス応答をＡＲ
   ＭＡ係数のＡＲ部とし、アンチホルマントに対応する係
   数を設定したときの前記零回路フィルタのインパルス応
   答をＡＲＭＡ係数のＭＡ部として前記第５の手段に送る
   ようにした請求項（１）に記載の規則型音声合成装置。