JPH0419800A - 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、定型文中置き換え可能な単語たる可変語の合
成音声と、置き換え不可能な固定語の合成音声とを組み
合わせて出力する音声合成装置に関するものである。

［従来の技術］ 音声合成には録音編集方式、パラメータ編集方式、テキ
スト合成方式の３種類がある。

この録音編集方式やパラメータ編集方式（以後、この二
つの方式を合わせて録音編集的方式と称する）は合成音
の品質は高いが、予め出力させたい音声に対応する自然
音声を録音して（圧縮して）記憶させる作業が必要であ
る。

テキスト合成方式の場合はその作業が必要であり、文字
列を入力さえすれば任意の音声が出力できるが、現状の
技術レベルでは合成音声の品質が低い。

ここで、出力音声の内容が定型文で、しかも定型文の中
の一部の単語が例えば人名のように色々と変わるような
音声合成を行う音声合成装置をまず録音編集的方式のみ
で実現することを考えてみる。この場合上記のように色
々と変わる単語を可変語、定型文から可変語を除いた語
句を固定語と呼ぶことにすると、出力音声を記憶させる
最も単純な方法は各可変語に対応した全ての定型文を記
憶することであるが、このようにすると記憶容量が大き
くなってしまうという問題がある。

この点を解消するために、各固定語の音声データと、各
可変語の音声データとを第４図に示すように固定語音声
データファイル１と、可変語音声データファイル２とに
より予め記憶し、固定語と可変語とを順次選択する選択
信号を入力した録音編集的合成部３はこの選択信号に基
づいて、固定語の音声データと、可変語の音声データと
を各音声データファイル１．２から読み出すことにより
合成を行ってスピーカ４より合成音声を出力させること
が考えられる。

この場合は一般に韻律の自然性が悪くなるが、可変語の
韻律情報を固定語の韻律情報に合わせて合成することに
より自然性を向上させることができる。

しかしこの方法の欠点は可変語に関しては予め記憶され
ている可変語の音声しか出力できないことである。

そこで第５図に示すように固定語の選択信号と、出力し
たい可変語の文字列信号とからなる出力音声指示信号を
入力し、固定語、／′可変語分１ｌｌｔ部５により出力
音声信号を選択信号と、文字列信号とに振り分け、選択
信号に基づいて録音編集的合成部３が、固定語音声デー
タファイル１より固定語の音声データを読み出して固定
語の音声合成を行い、一方可変語に対応する文字列信号
をテキスト合成部６に入力してテキスト合成を行い、夫
々で合成された音声をデマルチアレフサ７により加算す
ることで定型文の音声をスピーカ４より出力させる方法
が考えられる。

し発明が解決しようとする課題］ この第５図従来例の場合、音声合成装置として固定語の
合成のための録音編集的合成部３と、可変語の合成のた
めのテキスト合成部６とを必要とし、そのため回路規模
が大きくなるという問題があり、また固定語の合成音声
の品質と可変語の合成音声の品質との差が大き過ぎて、
合成音声が不自然となるという問題がある。

本発明は上述の問題点に鑑みて為されたもので、その目
的とするところは回路規模が小さく、しかも固定語の合
成音声の品質と可変語の合成音声の品質との差が小さく
、高品質な音声合成が行え且つ製作コストも安価な音声
合成装置を提供するにある。

［課題を解決するための手段］ 本発明は上述の目的を達成するために、請求項１記載の
発明では、語句の変更が無い固定語と、変更が可能な単
語からなる可変語とを組み合わせて定型文の音声を出力
する音声合成装置において固定語の出力音声を標準パタ
ーンに基づいてベクトル量子化若しくはマトリクス量子
化に対応して形成した符号を記憶せる記憶手段を備える
とともに、テキスト合成の合成単位と標準パターンとの
対応表と可変語の文字列のテキスト合成により得られる
音韻情報、韻律情報とから生成せる可変語の符号と、上
記記憶手段から抽出される符号とを復号合成するボゴー
ダを備えたことを特徴とするものである。

請求項２記載の発明は予め生成した可変語の符号を記憶
せる記憶手段を備え、この記憶手段から可変語の符号を
抽出してボゴーダへ与えるようになっている。

［作用］ 請求項１記載の発明は、固定語の合成と、可変語の合成
が共通のボゴーダにより行え、そのため回路規模の縮小
化が図れ、しかも固定語の合成音声の品質と、可変語の
合成音声の品質との差を小さくすることができ、結果高
品質の合成音声が得られるとともに低コスト化が図れる
。

請求項２記載の発明は音声合成装置にテキスト合成部が
不要となって、回路規模を一層小さくすることができ、
結果音声合成装置の小型、軽量化ととともに、−層のコ
スト低減が図れる。

［実施例］ 以下本発明を実施例により説明する。

第１図は本実施例の全体構成を示しており、この実施例
では固定語の合成も、可変語の合成も共通のマトリクス
量子化ＬＰＧボゴーダ８を用いて行うもので、このマト
リクス量子化ＬＰＣボゴーダ８を用いる方式は、まず第
２図＜ａ）に示すように学習時に、音声波形を線形予測
分析手段９で線形予測分析を行って得られたスペクトル
パラメータの時系列をその時間的変化に基づいてセグメ
ント化手段１０でセグメント化し、各セグメントを再標
本化手段１１で再標本化してマトリクス量子化手段１２
によりマトリクス表現とし、このマトリクス表現された
ものを標準パターンとしてコードブック１３を作成し、
符号化時に、このコードブック１３の標準パターンの時
系列を示すスペクトルと、セグメント長、ピッチとから
符号化手段１４により符号化を図るのである。

復号、合成は第２図（ｂ）に示すように復号手段１５に
上記生成された符号を取り込んで復号し、その後線形予
測合成手段１６にて合成音声波形を得る。このマトリク
ス量子化ＬＰＣボゴーダ方式％式％ １９８４）のｒ時間空間スペクトルパタンによる極低ビ
ット音声符号化」　白木善尚、誉田雅彰」に示されるよ
うな公知を方式である。　ここで本実施例では固定語の
合成音声に対する原音声と可変語のためのテキスト合成
部６が記憶している合成単位に対する原音声を同一話者
の音声とし、まずこの話者が発生した多量の音声から上
記方式による標準パターンを抽出して上記コードブック
１３を作成して、次に同じ音声からテキスト合成時に用
いる合成単位（ＣＶ音節）のファイルを生成する。そし
て各合成単位に対してスペクトルのみに間して符号化を
行い、即ち各合成単位に対する標準パターンの時系列を
求めて、合成単位−標準パターン対応表１７を作成して
おく。

一方固定語の合成系においては出力音声を上記標準パタ
ーンにより上記方式に基づいて符号化を行って、生成し
た符号を予め固定語音声データファイル１８として適宜
記憶手段に記憶させておく。

上記可変語の合成系において設けられるテキスト合成部
６は、入力する文字列信号から文章解析部１９と、韻律
情報生成部２０とにより生成した音韻情報と、韻律情報
とに従って上記方式によるマトリクス量子化ＬＰＣボゴ
ーダ用符号生成部２１にて符号を生成するようになって
いる。スペクトルに関しては、音韻情報から得られる合
成単位の系列に基づいて前述の合成単位−標準パターン
対応表１７から標準パターンの時系列を求め、ピッチに
関しては、韻律情報に基づいて生成されるピッチパター
ンを各セグメント化 で表現できる形に変換する。セグメント長に関しては、
韻律情報中の音韻長さについてのデータによる各合成単
位の伸縮方法に基づいて各セグメント長を求める。通常
は各合成単位の定常部が伸縮されるので、その定常部に
対応したセグメント（標準パターン）の長さを求めて符
号化することになる。

さて実施例では外部から入力する出力音声指示信号は可
変語指定するための文字列信号と、固定語を選択するた
めの選択信号とを発生順に並べて形成されており、この
出力音声指示信号から文字列信号、選択信号に振り分け
るのが固定語／可変語分離部２２で、該固定語／可変語
分離部２２て振り分けられた選択信号により指定された
固定語の音声データ、つまり符号を固定語音声データフ
ァイル１８から抽出するのか音声データ抽出部２３であ
る。

而して所定の定型文の音声合成を行う場合に当たっては
、所定の固定語を指定する番号と、可変語を指定する文
字列とを、出力される順番に並べた出力音声指示信号を
音声合成装置へ与えれば良く、与えられた信号は固定語
／可変語分離部２２により、選択信号としての番号信号
と、文字列信号とに振り分けられて、音声データ抽出部
２３又はテキスト合成部６へ送られ、固定語については
固定語音声データファイル１から選択信号により指定さ
れて抽出さた符号が、可変語についてはマトリクス量子
化ＬＰＣボゴーダ用符号生成部２１により生成された符
号が出力して、デマルチプレクサ７を介してマトリクス
量子化ＬＰＧボゴーダ８へ送られて復号、合成されスピ
ーカ４より合成音声が発せられることになる。尚マトリ
クス量子化ＬＰＧボゴーダ８の合成部８ｂ、コードブッ
ク８ａは第２図（ｂ）の線形予測合成手段１６及び復号
化手段１５に対応するものである。

このように本実施例装置では固定語も、可変語も同じ方
式のマトリクス量子化ＬＰＣボゴーダ８の合成部８ｂで
合成することができ、しかも使用するマトリクス量子化
ＬＰＣボゴーダ８に用いるコードブック８ａの標準パタ
ーンのための音声パラメータファイルと、テキスト合成
部６で用いる合成単位のための音声パラメータファイル
とが共有化できるため規模を一層小さくでき、また固定
語の合成音声の品質と可変語の合成音声の品質との差が
小さくなる。従って実施例での固定語と可変語の違いは
テキスト合成部６の韻律情報生成の不完全さと合成単位
作成法の不完全さのみになる。

尚上記テキスト合成部６を音声合成装置とじては内蔵せ
ず、第３図（ａ）に示すように可変語音声データファイ
ル作成装置Ａとして別に備え、この可変語音声データフ
ァイル作成装置Ａにより可変語の音声データ、つまり符
号を予め作成して適宜記憶手段を用いて可変語音声デー
タファイル２５として記憶しておき、この可変語音声デ
ータファイル２５を第３図（ｂ）に示すように音声合成
装置に備えるようにしてもよい。この場合、予め登録さ
れた音声しか出力できないが、共通の音声データ抽出部
２３°で固定語音声データファイル１８或は可変語音声
データファイル２４から選択信号で指定される音声デー
タ、つまり符号を抽出することができ、結果第１図実施
例のデマルチプレクサ７が不要となるなめ、回路構成が
一層簡晧化できてコストの低減及び小型、軽量化が図れ
る。

またユーザが簡単に可変語を追加登録することも可能で
ある。

尚上記各実施例ではマトリクス量子化を用いているが、
セグメント化とベクトル量子化若しくはマトリクス量子
化を用いた符号化であれば他の符号化方式、例えば波形
型セグメントボコーダ方式ような符号化方式でも勿論良
い。

［発明の効果コ 請求項１記載の発明は固定語の出力音声を標準パターン
に基づいてベクトル量子化若しくはマトリクス量子化に
対応して形成した符号を記憶せる記憶手段を備えるとと
もに、テキスト合成の合成単位と標準パターンとの対応
表と可変語の文字列のテキスト合成により得られる音韻
情報、韻律情報とから生成せる可変語の符号と、上記記
憶手段から抽出される符号とを復号合成するボゴーダ備
えているから、固定語の合成と、可変語の合成が共通の
ボゴーダにより行え、そのため回路規模の縮小化が図れ
、しかも固定語の合成音声の品質と、可変語の合成音声
の品質との差を小さくすることができ、結果高品質で、
低コストの音声合成装置を実現できるという効果がある
。

請求項２記載の発明は予め生成した可変語の符号を記憶
せる記憶手段を備え、この記憶手段から可変語の符号を
抽出してボゴーダへ与えるようになっている音声合成装
置にテキスト合成部が不要となって、回路規模を一層小
さくすることができ、結果音声合成装置の小型、軽量化
ととともに、コスト低減が図れるどう効果を奏する。

【図面の簡単な説明】

第１図は本発明の実施例の回路構成図、第２図（ａ）は
同上のマトリクス量子化ＬＰＣボゴーダの符号化の説明
用回路構成図、第２区（ｂ）は同上のマトリクス量子化
ＬＰＣホゴーダの復号化の説明用回路構成図、第３図（
ａ）は本発明の別の実施例に使用する可変語音声データ
ファイル作成装置の回路構成図、第３図（ｂ）は同上の
回路構成図、第４図は従来例の回路構成図、第５図は別
の従来例の回路構成図である。 ６はテキスト合成部、７はデマルチプレクサ、８はマト
リクス量子化ＬＰＧボゴーダ、１８は固定語データファ
イル、１つは文章解析部、２０は韻律情報生成部、２１
はマトリクス量子化ＬＰＧボゴーダ用符号生成部、２２
は固定後／可変語分離部、２３は音声データ抽出部であ
る。

Claims (2)

【特許請求の範囲】
1. （１）語句の変更が無い固定語と、変更が可能な単語か
   らなる可変語とを組み合わせて定型文の音声を出力する
   音声合成装置において、固定語の出力音声を標準パター
   ンに基づいてベクトル量子化若しくはマトリクス量子化
   に対応して形成した符号を記憶せる記憶手段を備えると
   ともに、テキスト合成の合成単位と標準パターンとの対
   応表と可変語の文字列のテキスト合成により得られる音
   韻情報、韻律情報とから生成せる可変語の符号と、上記
   記憶手段から抽出される符号とを復号合成するボゴーダ
   を備えて成ることを特徴とする音声合成装置。
2. （２）予め生成した可変語の符号を記憶せる記憶手段を
   備え、この記憶手段から可変語の符号を抽出してボゴー
   ダへ与えて成ることを特徴とする請求項１記載の音声合
   成装置。