JPH03276194A - テキスト・音声変換装置 - 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、文字コードよりなる文章データ（これを「テ
キスト」という）等を入力してそれを音声に変換して出
力するテキスト・音声変換装置に関するものである。

（従来の技術） 従来、このような分野の技術としては特開平１−１１９
８２２号公報に記載されるものがあった。

従来、音声合成装置には、文字情報を入力してそれを音
声に変換して出力する文字・音声変換装置つまりテキス
ト・音声変換装置や、音声をメモリ等に蓄積しておきそ
れを再生する音声蓄積・再生型音声合成装置等があった
。後者の装置は蓄積された音声のみを生成するため、そ
の出力語常に制限を受けるが、前者の装置は入力された
文字情報を音声に変換して出力するため、出力語嘗の制
限がないことから、後者の装置にとって代わる技術とし
て種々の利用分野での応用が期待できる。

この種の装置の一例を第２図に示す。

第２図は、前記文献等に記載された従来のテキスト・音
声変換装置の一構成例を示すブロック図である。

ホストコンピュータ１の出力側に接続されたテキスト・
音声変換装置１０は、インタフェース部１１、テキスト
解析部１２、音声合成部１３、及びスピーカ１４より構
成されている。

この装置では、ホストコンピュータ１からテキストが出
力されると、そのテキストがインタフェース部１１を介
してテキスト解析部１２に与えられる。テキスト解析部
１２では、入力されたテキストを、単語毎に区分化し、
各単語の読み、アクセント、及び文章全体の抑揚を表す
イントネーション記号等の、文章を音声として読み上げ
るために必要な音韻、韻律記号列を生成し、音声合成部
１３へ送る。音声合成部１３では、音韻、韻律記号列を
基に入力文章、つまり入力テキストに対応する音声を合
成し、スピーカ１４より出力する。

（発明が解決しようとする課題） しかしながら、上記構成の装置では、次のような課題が
あった。

従来の文章を読み上げるテキスト・音声変換装置では、
構成が簡単で、回路規模が小さく、低コストであるとい
う利点を有しているため、種々の用途に使われている。

しかし、この種のテキスト・音声変換装置が、日常使わ
れる漢字かな混じり文章を解析し、完全な読み、アクセ
ント、及びイントネーション等を得ることは現状では不
可能に近い。また、正確な音韻、韻律記号列を得るため
には、意味解析を含めた非常に高度な解析を必要とし、
それによって装置構成の複雑化と、それによる回路規模
の大型化及びコスト高を招くという問題が生じる。その
ため、文章を読み上げる従来のテキスト・音声変換装置
では、テキスト解析結果である音韻、１律記号列に、多
くの場合、単語の読み、アクセント、あるいは文章のイ
ントネーションに誤りを含んでおり、ユーザの期待通り
の合成音を得ることが困難であった。その上、テキスト
を入力して装置内部で自動的に解析を行い、音声として
読み上げる従来のテキスト・音声変換装置では、ユーザ
が意図するように合成音を細かく調整することは不可能
であり、装置による解析に基づくお仕着せの合成音に甘
んじなければならず、未だ技術的に十分満足のゆくもの
が得られなかった。

本発明は、前記従来技術が持っていた課題として、ユー
ザが独自に調整した読みや、アクセント、イントネーシ
ョン、息つぎ等を持った所望の合成音を簡単な構成で得
ることが困難である点について解決したテキスト・音声
変換装置を提供するものである。

（課題を解決するための手段） 本発明は前記課題を解決するために、漢字かな混じり文
章データを解析してその文章データに対する音韻、韻律
記号列を生成するテキスト解析部と、前記音韻、韻律記
号列に基づき前記文章データに対応する合成音声を出力
する音声合成部とを、備えたテキスト・音声変換装置に
おいて、モード設定部及び制御部を設けたものである。

ここで、モード設定部は、前記文章データを前記テキス
ト解析部へ入力するテキスト・音声変換モード、前記テ
キスト解析部で生成された音韻、韻律記号列を文字コー
ドの形式で外部へ出力する音韻、韻律記号列出力モード
、及び外部からの音韻、韻律記号列を直接前記音声合成
部へ入力する音韻、韻律記号列合成モードのいずれか一
つのモードを、外部から設定する機能を有している。ま
た、制御部は、前記モード設定部で設定されたモード状
態を判定し、その判定結果に基づき、前記文章データ及
び音韻、韻律記号列の入、出力を制御する機能を有して
いる。

（作　用） 本発明によれば、以上のようにテキスト・音声変換装置
を構成したので、外部からの指定によってモード設定部
で、テキスト・音声変換モードと、音韻、韻律記号列出
力モードと、音韻、韻律記号列合成モードとのいずれか
一つのモードを選択すると、制御部では、その設定され
たモード状態を判定し、その判定結果に基づき、前記テ
キスト及び音韻、韻律記号列の入、出力を制御する。

例えば、テキスト・音声変換モードが設定されると、制
御部は、テキストを入力し、それをテキスト解析部に与
えて解析を行わせ、その解析結果より音声合成部から合
成音声を出力させる。音韻、韻律記号列出力モードが設
定されると、制御部は、テキストを入力してそのテキス
トをテキスト解析部で解析させ、そのテキスト解析部で
生成される音韻、韻律記号列を文字コードの形式で外部
に出力する。また、音韻、韻律記号列合成モードが設定
されると、制御部は、外部から入力した音韻、韻律記号
列を直接、音声合成部へ入力し、その音声合成部から合
成音声を出力させる。

このように、３つのモードを外部からの指定によって選
択できる構成になっているため、テキスト解析結果であ
る音韻、韻律記号列をユーザが自由に変更でき、それに
よって所望の合成音が簡単な構成で得られる。従って、
前記課題を解決できるのである。

（実施例） 第１図は、本発明の一実施例を示すテキスト・音声変換
装置の構成ブロック図である。

このテキスト・音声変換装置２０は、演算及び制御機能
を有するホストコンピュータ１の出力側に接続されるも
ので、そのホストコンピュータ１と装置内部との間の信
号の授受を行うインタフェース部２１と、単語の読み、
アクセント位置、品詞情報等が格納されたＲＯＭ　（リ
ード・オンリ・メモリ）等からなる単語辞書メモリ２２
とを、備えている。この単語辞書メモリ２２には、テキ
スト解析部３０が接続されている。

テキスト解析部３０は、単語辞書メモリ２２の内容を参
照して入力テキストを解析し、単語の読み、アクセント
位置、文章の抑揚を表すイントネーション記号等、文章
データを音声として合成するために必要な音韻、韻律記
号列を生成するものである。このテキスト解析部３０は
、テキストを単語毎に分割する単語分割処理手段３１、
分割された各単語の読みを付与する読み付与処理手段３
２、アクセントを付与するアクセント付与処理手段３３
、及びポーズやイントネーションを設定するポーズ・イ
ントネーション設定手段３４等で、構成されている。

また、このテキスト・音声変換装置２０には、モード設
定部４０が設けられ、そのモード設定部４０とテキスト
解析部３０には、制御部５０が接続されている。制御部
５０の出力側には、音声合成部６０を介してスピーカ６
１が接続されている。

モード設定部４０は、テキストをテキスト解析部３０へ
入力するテキスト・音声変換モードと、テキスト解析部
３０で生成された音韻、韻律記号列を文字コードの形式
で外部のホストコンピュータ１へ出力する音韻、韻律記
号列出力モードと、外部のホストコンピュータ１からの
音韻、韻律記号列を直接音声合成部６０へ入力する音韻
、韻律記号列合成モードとの、３つのモードのいずれか
一つを外部から設定する機能を有している。このモード
設定部４０は、例えば切換スイッチを有し、手動によっ
てモードの切換えを行うか、あるいはホストコンピュー
タ１からのコマンド（命令）を、インタフェース部２１
及び制御部５０を介して受けとることによってモードの
切換えを行う機能を有している。

制御部５０は、モード設定部４０で設定されたモード状
態を判定するモード判定手段５１と、入出力選択手段５
２とを、備えている。入出力選択手段５２は、モード判
定手段５１の判定結果に基づき、インタフェース部２１
からのテキストまたは音韻、韻律記号列の入力、テキス
ト解析部３０で生成された音韻、韻律記号列のインタフ
ェース部２１への出力、ざらにテキスト解析部３０の出
力またはインタフェース部２１の出力を音声合成部６０
へ送る入出力機能を有している。

音声合成部６０は、入力された音韻、韻律記号列に基づ
き、文章データに対応する合成音声をスピーカ６０へ出
力する機能を有している。

次に、動作を説明する。

例えば、手動により、予めモード設定部４０でモード設
定を行うものとして、以下の動作説明を行う。

モード設定部４０によりテキスト・音声変換モードを設
定した場合、テキスト・音声変換装置２０では、ホスト
コンピュータ１からのテキストを、インタフェース部２
１を介して制御部５０に入力する。制御部５０ｋｍおい
て、モード判定手段５１は、モード設定部４０における
モード状態を判定し、テキスト・音声変換モードである
ことを判定する。すると、その判定結果に基づき、入出
力選択手段５２が、インタフェース部２１から受は取っ
たテキストをテキスト解析部３０へ送る。

テキスト解析部３０において、単語分割処理手段３１は
、単語辞書メモリ２２の内容を参照して入力されたテキ
ストを単語毎に分割する。この分割された各単語に対し
て、読み付与処理手段３２によって各単語の読みが付与
され、アクセント付与処理手段３３によってアクセント
が付与され、ざらにポーズ・イントネーション設定手段
３４により、ポーズや文章全体の抑揚を表すイントネー
ション記号の設定等が行われ、音韻、＠律記号列が生成
されて入出力選択手段５２に送られる。

入出力選択手段５２は、モード判定手段５１の出力に基
づき、テキスト解析部３０から出力された音韻、韻律記
号列を音声合成部６０へ送る。音声合成部６０は、受は
取った音韻、韻律記号列に基づき、音声を合成してスピ
ーカ６１より出力する。

次に、モード設定部４０により、音韻、韻律記号列出力
モードを設定した場合の動作を説明する。

音韻、韻律記号列出力モードでは、前記のテキスト・音
声変換モードと同様に、ホストコンピュータ１からのテ
キストを、インタフェース部２１を介して制御部５０に
入力する。制御部５０内のモード判定手段５１は、モー
ド設定部４０におけるモード状態を判定し、音韻、韻律
記号列出力モードであることを判定すると、その判定結
果を入出力選択手段５２に与える。入出力選択手段５２
は、インタフェース部２１から受は取ったテキストをテ
キスト解析部３０へ送る。すると、テキスト解析部３０
では、前記と同様にして入力されたテキストの解析を行
い、音韻、韻律記号列を生成し、それを入出力選択手段
５２へ送る。

入出力選択手段５２では、テキスト解析部３０の解析に
よって得られた、文字コードの形式で表現された音韻、
韻律記号列を、インタフェース部２１を介してホストコ
ンピュータ１へ送出する。

ホストコンピュータ１では、インタフェース部２１から
受は取った音韻、韻律記号列をファイル化しておくこと
により、例えば通常のエディタ（ソースプログラムの編
集、修正を行うプログラム）で、容易に修正可能となる
。

また、モード設定部４０により、音韻、韻律記号列合成
モードを設定した場合の動作を説明する。

この音韻、韻律記号列合成モードは、例えばユーザによ
って所望の合成音を得られるように、エディタ等で修正
された音韻、韻律記号列を用いて音声の合成を行うモー
ドである。このモードでは、ホストコンピュータ１より
出力された音韻、韻律記号列をインタフェース部２１を
介して制御部５０に入力する。制御部５０内のモード判
定手段５１は、モード設定部４０におけるモート状態を
判定し、音韻、韻律記号列合成モードであることを判定
すると、その判定結果を入出力選択手段５２に与える。

入出力選択手段５２では、インタフェース部２１から受
は取った音韻、韻律記号列を、テキスト解析部３０を通
さずに直接、音声合成部６０へ送り、その音声合成部６
０で合成音を発生させる。

本実施例では、次のような利点を有している。

本実施例では、通常のテキスト（漢字かな混じり文章デ
ータ）を入力して音声に変換する機能に加え、テキスト
解析部３０で解析された途中結果である音韻、韻律記号
列を文字コードの形式でホストコンピュータ１へ出力す
る機能と、そのホストコンビュータコから音韻、韻律記
号列を入力してこれを直接音声に変換する機能を設け、
これら３つの機能を外部からの指定によってモード設定
部４０及び制御部５０で選択できるようにしている。そ
のため、装置によるテキスト解析結果に基づく合成音声
の出力が行えると共に、テキスト解析結果である音韻、
韻律記号列に対して、ユーザが独自に調整した読みや、
アクセント、イントネーション、息つぎ等を持った所望
の合成音を得ることができる。しかも、本発明では、モ
ード設定部４０及び制御部５０を追加するだけで良いた
め、装置の構成が簡単になり、それによって回路規模の
小型化及び低コスト化が図れる。

なお、本発明は図示の実施例に限定されず、種々の変形
が可能である。例えば、テキスト解析部３０やあるいは
制御部５０等に他の処理手段を付加したり、あるいはそ
れらを個別回路で構成する他に、コンピュータのプログ
ラムＩＩＩＩＩ１等で実行する構成にする等、種々の変
形が可能である。

（発明の効果） 以上詳細に説明したように、本発明によれば、テキスト
・音声変換モードと音韻、韻律記号列出力モードと音韻
、韻律記号列合成モードとを設定するモード設定部を設
け、ざらにそのモード設定部の出力に基づき、文章デー
タ及び音韻、韻律記号列の入、出力を制仰する制御部と
を設けている。

そのため、モード設定部により、テキスト・音声変換モ
ードを設定すると、通常の漢字かな混じり文章を入力し
て音声に変換することができる。また、モード設定部に
より、音韻、韻律記号列出力モードを設定すると、テキ
スト解析部で生成された音韻、韻律記号列が、文字コー
ドの形式で制御部を介して外部へ出力される。これによ
り、ユーザ等は、テキスト解析結果である音韻、韻律記
号列を自由に変更することができる。そして、音韻、韻
律記号列合成モードをモード設定部で設定した後、ユー
ザ等が変更した音韻、韻律記号列を外部から入力すれば
、ユーザ等が独自に調整した読みや、アクセント、イン
トネーション、息つぎ等を持った所望の合成音を得るこ
とができる。

しかも、本発明では、モード設定部及び制御部を追加す
るだけで実現できるため、装置の構成が簡単になり、そ
れによって回路規模の小型化及び低コスト化という効果
も期待できる。

【図面の簡単な説明】

第１図は本発明の実施例を示すテキスト・音声変換装置
の構成ブロック図、第２図は従来のテキスト・音声変換
装置の構成ブロック図である。 １・・・・・・ホストコンピュータ、２０・・・・・・
テキスト・音声変換装置、２１・・・・・・インタフェ
ース部、２２・・・・・・単語辞書メモリ、３０・・・
・・・テキスト解析部、４０・・・・・・モード設定部
、５０・・・・・・制御部、５１・・・・・・モード判
定手段、５２・・・・・・入出力選択手段、６０・・・
・・・音声合成部、６１・・・・・・スピーカ。

Claims (1)

1. 【特許請求の範囲】 漢字かな混じり文章データを解析してその文章データに
   対する音韻、韻律記号列を生成するテキスト解析部と、
   前記音韻、韻律記号列に基づき前記文章データに対応す
   る合成音声を出力する音声合成部とを、備えたテキスト
   ・音声変換装置において、 前記文章データを前記テキスト解析部へ入力するテキス
   ト・音声変換モード、前記テキスト解析部で生成された
   音韻、韻律記号列を文字コードの形式で外部へ出力する
   音韻、韻律記号列出力モード、及び外部からの音韻、韻
   律記号列を直接前記音声合成部へ入力する音韻、韻律記
   号列合成モードのいずれか一つのモードを外部から設定
   するモード設定部と、 前記モード設定部で設定されたモード状態を判定しその
   判定結果に基づき前記文章データ及び音韻、韻律記号列
   の入、出力を制御する制御部とを、設けたことを特徴と
   するテキスト・音声変換装置。