JPH0511794A - 音声合成装置 - Google Patents

Abstract

(57)【要約】 【目的】 合成音声の韻律をユーザの意図した通りに容
易にかつ忠実に変更可能である。 【構成】 音韻生成部４では、韻律生成部１からの音韻
韻律情報に基づき合成音声を生成し合成音声バッファ５
に格納するが、このように生成された合成音声がユーザ
の意図したものでない場合、ユーザは、自分の意図する
通りの話し方で、同じ内容を発声する。この音声は、音
声入力部６により取込まれ、マッチング部７では、取込
まれた入力音声と合成音声バッファ５に格納されている
合成音声とのマッチングを行ない、音韻継続時間長伸縮
部８では合成音声の韻律が入力音声の韻律と合うよう
に，すなわちユーザの意図した通りのものとなるように
合成音声の韻律を変更する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音韻と韻律を表わす情
報に基づいて音声を合成する音声合成装置に関する。

【０００２】

【従来の技術】従来、日本語テキストを音声に変換する
音声合成装置として、例えば電子音声発声装置「音次
郎」が知られている。この音声合成装置では、音韻と韻
律を表わす中間記号列をエディタによりユーザが変更で
きる機能を有しており、このような機能をもたせること
により、文書の話し方を変化させることができる。例え
ば、発音やアクセントを変更したい文節だけにエスケー
プシーケンスを挿入することにより、この文節の発音や
アクセントを変えることができる。

【０００３】

【発明が解決しようとする課題】しかしながら、上述し
た従来の音声合成装置では、話し方を変えるのに特殊な
記号列レベルでの変更を必要としていたので、話し方に
多くのバリエーションをもたせることができず、また、
ユーザにとっては特殊な記号列を理解しなければならな
かった。このため、合成音声の韻律，すなわち話し方を
ユーザの意図するように容易にかつ忠実に変更すること
ができず、豊かな表現力を付加することができないとい
う欠点があった。

【０００４】本発明は、合成音声の韻律をユーザの意図
した通りに容易にかつ忠実に変更することができて、豊
かな表現力を付加することの可能な音声合成装置を提供
することを目的としている。

【０００５】

【課題を解決するための手段】上記目的を達成するため
に本発明は、音韻韻律情報に基づいて合成音声を生成す
る合成音声生成手段と、ユーザの音声を取込む音声入力
手段と、合成音声生成手段によって生成された合成音声
と音声入力手段で取込まれた入力音声とをマッチングさ
せ、合成音声の韻律が入力音声の韻律と合うように合成
音声の韻律を変更する韻律変更手段とを備えていること
を特徴としている。

【０００６】また、さらに、合成音声の韻律の変更範囲
を指定，設定する変更範囲設定手段が設けられ、変更範
囲設定手段に変更範囲が設定されているときには、前記
韻律変更手段は、設定された変更範囲の合成音声の韻律
のみを変更するようになっていることを特徴としてい
る。

【０００７】また、さらに、入力された漢字仮名混じり
文字列を音韻韻律情報列に変換する変換手段と、漢字仮
名混じり文字列と音韻韻律情報列との対応関係を記憶す
る対応記憶手段とが設けられ、前記変更範囲設定手段
は、漢字仮名混じり文字列が入力されて漢字仮名混じり
文字列上での位置範囲が指定されたときに、前記対応記
憶手段を参照して、漢字仮名混じり文字列上で指定され
た位置範囲に対応する音韻韻律情報列上での位置範囲を
割り出し、これを変更範囲として設定するようになって
いることを特徴としている。

【０００８】

【作用】上記のような構成の音声合成装置では、音韻韻
律情報に基づき合成音声を生成するが、このように生成
された合成音声がユーザの意図したものでない場合、ユ
ーザは、自分の意図する通りの話し方で、同じ内容を発
声する。この音声は、音声入力手段により取込まれ、韻
律変更手段では、取込まれた入力音声と合成音声とをマ
ッチングさせ、合成音声の韻律が入力音声の韻律と合う
ように，すなわちユーザの意図した通りのものとなるよ
うに合成音声の韻律を変更する。

【０００９】さらに、変換範囲設定手段が設けられてい
る場合には、合成音声の一部の韻律だけを変更すること
ができる。すなわち、ユーザが例えば音韻韻律情報列の
位置範囲を指定すると、変更範囲設定手段ではこれを変
更範囲として設定し、この場合、韻律変更手段は、設定
された変更範囲の合成音声の韻律のみを変更する。

【００１０】さらに、漢字仮名混じり文字列を音韻韻律
情報列に変換する変換手段と、漢字仮名混じり文字列と
音韻韻律情報列との対応関係を記憶する対応記憶手段と
が設けられている場合には、変更範囲設定手段は、漢字
仮名混じり文字列上で位置範囲が指定されたときに、対
応記憶手段を参照して、漢字仮名混じり文字列上で指定
された位置範囲に対応する音韻韻律情報列上での位置範
囲を割り出し、これを変更範囲として設定する。

【００１１】

【実施例】以下、本発明の実施例を図面に基づいて説明
する。図１は本発明に係る音声合成装置の第１の実施例
の構成図である。第１の実施例の音声合成装置は、音韻
韻律情報列の入力により、音韻記号を抽出するととも
に、個々の音韻に対する継続時間長やピッチパターンを
計算しこれを韻律情報として生成する韻律生成部１と、
韻律生成部１において抽出，生成された音韻記号および
韻律情報が格納される韻律情報バッファ２と、音韻記号
を基に音声素片データベース３を検索して音韻パラメー
タを生成するとともに、韻律情報として得られた音韻継
続時間長に合せて音声素片の伸縮，補間を行なったり、
ピッチパターンに合せてピッチ変化を行なって音声を合
成する音韻生成部４と、音韻生成部４において生成され
た合成音声が格納される合成音声バッファ５とを有し、
さらに、ユーザの音声を入力音声として取込む音声入力
部６と、音声入力部６により取込まれた入力音声と合成
音声バッファ５に格納されている合成音声とのマッチン
グを行ないマッチングパスを求めるマッチング部７と、
韻律情報バッファ２に格納されている個々の音韻の継続
時間長をマッチング部７により求められたマッチングパ
スに沿って伸縮し、その結果を音韻生成部４に与える音
韻継続時間長伸縮部８とを備えている。

【００１２】次にこのような構成における音声合成装置
の動作を説明する。先づ、音韻韻律情報列が韻律生成部
１に入力すると、韻律生成部１では、個々の音韻に対す
る継続時間長やピッチパターンを計算し、その結果と音
韻記号を韻律情報バッファ２へ出力する。音韻生成部４
では、韻律情報バッファ２に格納されている音韻記号を
基に音声素片データベース３を検索して音韻パラメータ
を生成し、さらに、音韻継続時間長に合せて音声素片の
伸縮や補間を行ない、ピッチパターンに合せてピッチを
変化させる。これらの結果から音声が合成され、生成さ
れた合成音声は、合成音声バッファ５に格納される。

【００１３】ところで、このようにして生成された合成
音声が、ユーザの意図した話し方と異なる場合、ユーザ
は自分の意図する通りの話し方で、同じ内容を発声す
る。音声入力部６はユーザの音声を取込み、これをマッ
チング部７へ送り、マッチング部７では入力音声と合成
音声のマッチングを行なう。なお、マッチングに際して
は、入力音声と合成音声との時間軸を整合させる必要が
あり、このため、マッチング部７では、例えば入力音声
に対し動的な時間軸の伸縮を施こし、入力音声の時間軸
と合成音声の時間軸とを整合させた上で、入力音声と合
成音声とのマッチングを行ない、マッチングパスを求
め、これを音韻継続時間長伸縮部８へ渡す。音韻継続時
間長伸縮部８では、韻律生成部１で計算されて韻律情報
バッファ２に格納されている個々の音韻の継続時間長を
マッチングパスに沿って伸縮し、変更する。そして、そ
の結果を音韻生成部４に送る。これにより、音韻生成部
４では、変更された韻律情報（音韻の継続時間長）に基
づいて、再度、合成音声を生成し、合成音声を変更す
る。

【００１４】図２は入力音声と合成音声とのマッチング
を行なってマッチングパスを求め、これに沿って合成音
声の音韻継続時間長を変更する様子を模式的に示したも
のである。図２を参照すると、マッチング部７では、時
間軸ｔの整合をとった状態で入力音声ＩＶと合成音声Ａ
Ｖとのマッチングを行ない、マッチングパスＭＰを求め
る。音韻継続時間長伸縮部８において合成音声ＡＶの音
韻継続時間長をマッチングパスＭＰに沿って変更する
と、音韻生成部４においては合成音声ＡＶの韻律を変更
した結果の合成音声ＢＶが生成される。

【００１５】すなわち、合成音声ＡＶの韻律がユーザの
意図した韻律と異なっている場合でも、ユーザの意図す
る話し方のサンプルとしてユーザが入力音声ＩＶを入力
すると、この入力音声ＩＶと合成音声ＡＶとのマッチン
グによりマッチングパスＭＰが求められ、このマッチン
グパスＭＰに沿って合成音声ＡＶの韻律が合成音声ＢＶ
のように変更される。図２において、入力音声ＩＶと変
更後の合成音声ＢＶとを比べればわかるように、変更後
の合成音声ＢＶのリズムは入力音声ＩＶのリズムとほぼ
同じになり、合成音声の韻律をユーザの意図した通りの
ものに忠実に変更することができる。すなわち、ユーザ
の話し方を韻律パラメータのレベルで再現できて、合成
音声に極めて豊かな表現力を付加することが可能とな
る。さらにこの場合、ユーザは、自分の意図した通りの
話し方で音声を入力するだけで良く、従来のように特殊
な記号列レベルでの変更を必要としないので、合成音声
の変更を極めて容易に行なうことができる。

【００１６】図３は本発明に係る音声合成装置の第２の
実施例の構成図である。なお、図３において図１と同様
の箇所には同じ符号を付している。この第２の実施例で
は、さらに、合成音声の韻律についてこれを変更したい
範囲をユーザに指定させ、指定された範囲の韻律のみを
変更することを意図している。このため、図３の音声合
成装置にはさらに、音韻韻律情報列の一部分を変更範囲
として指定可能な変更範囲設定部１０と、変更範囲内の
情報，例えばこの範囲における音韻の個数，波形のポイ
ント数，音韻パラメータのフレーム数などの情報が格納
される変更範囲レジスタ１１とが設けられている。

【００１７】このような構成では、音韻生成部４により
生成された合成音声のうちで、その一部の範囲のみがユ
ーザの意図した話し方と異なる場合、ユーザは、合成音
声のうちで、意図した話し方と異なっている部分範囲の
みを変更対象として指定することができる。このような
処理を行なわせたい場合、ユーザは、合成音声の韻律に
ついて変更したい範囲を例えば画面上のカーソルなどを
使って音韻韻律情報列上の位置により指定する。変更範
囲設定部１０ではカーソルなどによって指定された音韻
韻律情報列上の位置範囲を変更範囲として設定し、この
範囲内の情報を韻律情報バッファ２から取得し、音韻の
個数，波長のポイント数，音韻パラメータのフレーム数
などの単位に換算して変更範囲レジスタ１１に格納す
る。

【００１８】次いで、ユーザは音声入力部６に意図した
話し方で音声を入力するが、この場合、ユーザは、合成
音声の全範囲にわたって入力音声を入力する必要はな
く、変更したい部分範囲についてのみ音声を入力すれば
良い。この部分範囲に対応した音声が入力され、これを
音声入力部６が取込むと、マッチング部７では、変更範
囲レジスタ１１を参照して、合成音声のうちで指定され
た部分範囲のもののみを取出し、これを入力音声とマッ
チングしマッチングパスを求める。次いで、音韻継続時
間長伸縮部８では、変更範囲レジスタ１１を参照して、
合成音声の指定された部分範囲の韻律をマッチングパス
に沿って変更し、音韻生成部４に与える。音韻生成部４
では、指定された部分範囲の韻律情報に基づいて、再度
合成音声を生成し、合成音声を変更する。

【００１９】このように第２の実施例では、変更範囲の
部分指定が可能であるので、ユーザは合成音声のうちの
この部分範囲に対応した音声のみを入力音声として入力
するだけで良く、最小限の労力によって適切な変更が可
能となる。

【００２０】図４は本発明に係る音声合成装置の第３の
実施例の構成図である。なお、図４において図１，図３
と同様の箇所には同じ符号を付している。この第３の実
施例では、漢字仮名混じり文字列の入力によって、音韻
韻律記号列を生成してこれを韻律生成部１に与えるとと
もに、漢字仮名混じり文字列上で合成音声の変更範囲の
指定を可能にすることを意図している。このため、図４
の音声合成装置にはさらに、入力された漢字仮名混じり
文字列を音韻，韻律の情報に変換する日本語解析部２０
と、漢字仮名混じり文字列と音韻韻律情報列との対応関
係を記憶する記号列対応バッファ２１とが設けられ、こ
の場合、変更範囲設定部１０は、漢字仮名混じり文字列
上での範囲が指定されたとき、記号列対応バッファ２１
を参照し、漢字仮名混じり文字列で指定された位置範囲
に対応した音韻韻律情報列上の位置範囲を割り出し、音
韻韻律情報列上での位置範囲を変更範囲として設定する
よう構成されている。

【００２１】このような構成では、漢字仮名混じり文字
列が入力すると、日本語解析部２０では、漢字仮名混じ
り文字列を形態素解析や係り受け解析などの処理によっ
て音韻韻律情報列に変換する。また、漢字仮名混じり文
字列と音韻韻律情報列との間で、どの部分文字列がどの
部分記号列に対応するかという対応関係を求め、これを
記号列対応バッファ２１に格納する。韻律生成部１に
は、日本語解析部２０により解析された結果の音韻韻律
情報列が入力し、これに基づき、韻律生成部１では、上
述したと同様に、音韻記号を抽出しまた韻律情報を生成
して、韻律情報バッファ２に格納する。音韻生成部４で
は、韻律情報バッファ２に格納されている情報を基に音
声を合成する。

【００２２】このようにして生成された合成音声の一部
の韻律がユーザの意図したものでない場合には、第２の
実施例で述べたと同様に、ユーザは、合成音声の韻律の
変更範囲を例えば画面上のカーソルなどを使って指定す
るが、この際、第３の実施例では、ユーザは、変更範囲
を漢字仮名混じり文字列上の位置により指定することか
できる。すなわち、画面上のカーソルなどを使って、ユ
ーザが漢字仮名混じり文字列上の位置範囲を指定する
と、変更範囲設定部１０では、漢字仮名混じり文字列上
の位置範囲に対応した音韻韻律情報列上の位置範囲を記
号列対応バッファ２１を参照して割出し、これを変更範
囲として設定する。このようにして音韻韻律情報列上の
位置範囲を割出し、これを変更範囲として設定した後、
変更範囲設定部１０は、この範囲内の情報を韻律情報バ
ッファ２から取得し、音韻の個数，波形のポイント数，
音韻パラメータのフレーム数などの単位に換算して変更
範囲レジスタ１１に格納する。

【００２３】次いで、ユーザが変更したい部分範囲につ
いてのみ、話し方のサンプルとして音声を入力すると、
第２の実施例において説明したと同様の処理がなされ、
合成音声をユーザの意図した通りのものに変更すること
ができる。

【００２４】このように、第３の実施例では、変更範囲
の設定の際、ユーザは、漢字仮名混じり文字列上で変更
したい位置範囲を指定できるので、第２の実施例のよう
に音韻韻律情報列上で位置範囲を指定する場合に比べ
て、より容易にかつより明確に範囲を指定することがで
きて、合成音声の韻律をより一層解り易く簡単に変更す
ることが可能となる。

【００２５】なお、上述の各実施例において、マッチン
グ部７と音韻継続時間長伸縮部８とを１つの韻律変更手
段としてとらえることができる。この場合、韻律変更手
段は、上記各実施例のように、マッチング部７でマッチ
ング結果，すなわちマッチングパスを得た後、これに基
づき、音韻継続時間長伸縮部８において合成音声の韻律
を入力音声の韻律に合うよう伸縮させても良いし、これ
のかわりに、例えばマッチングパスのような最終的なマ
ッチング結果を待たずにマッチングの都度、変更処理を
行なうような種々の構成のものに変形することもでき
る。

【００２６】

【発明の効果】以上に説明したように本発明によれば、
合成音声の韻律を変更したい場合、ユーザは自分の意図
する話し方で音声を入力するだけで良く、この場合、入
力音声と合成音声とのマッチングにより、合成音声の韻
律は入力音声の韻律と合うように変更されるので、合成
音声の韻律をユーザの意図した通りに容易にかつ忠実に
変更することができて、豊かな表現力を付加することが
できる。

【００２７】さらに、変更範囲の部分指定を可能とする
ことによって、最小限の労力で適切な変更ができる。

【００２８】さらに、変更範囲の指定を漢字仮名混じり
文字列上で行なうことを可能とすることによって、より
解り易く簡単に変更ができる。

【図面の簡単な説明】

【図１】本発明に係る音声合成装置の第１の実施例の構
成図である。

【図２】入力音声と合成音声とのマッチングを行ない、
合成音声の韻律を変更する様子を模式的に示す図であ
る。

【図３】本発明に係る音声合成装置の第２の実施例の構
成図である。

【図４】本発明に係る音声合成装置の第３の実施例の構
成図である。

【符号の説明】

１ 韻律生成部 ２ 韻律情報バッファ ３ 音声素片データベース ４ 音韻生成部 ５ 合成音声バッファ ６ 音声入力部 ７ マッチング部 ８ 音韻継続時間長伸縮部 １０ 変更範囲設定部 １１ 変更範囲レジスタ ２０ 日本語解析部 ２１ 記号列対応バッファ

Claims (3)

【特許請求の範囲】
1. 【請求項１】 音韻韻律情報に基づいて合成音声を生成
   する合成音声生成手段と、ユーザの音声を取込む音声入
   力手段と、合成音声生成手段によって生成された合成音
   声と音声入力手段で取込まれた入力音声とをマッチング
   させ、合成音声の韻律が入力音声の韻律と合うように合
   成音声の韻律を変更する韻律変更手段とを備えているこ
   とを特徴とする音声合成装置。
2. 【請求項２】 請求項１記載の音声合成装置において、
   さらに、合成音声の韻律の変更範囲を指定，設定する変
   更範囲設定手段が設けられ、変更範囲設定手段に変更範
   囲が設定されているときには、前記韻律変更手段は、設
   定された変更範囲の合成音声の韻律のみを変更するよう
   になっていることを特徴とする音声合成装置。
3. 【請求項３】 請求項２記載の音声合成装置において、
   さらに、漢字仮名混じり文字列を音韻韻律情報列に変換
   する変換手段と、漢字仮名混じり文字列と音韻韻律情報
   列との対応関係を記憶する対応記憶手段とが設けられ、
   前記変更範囲設定手段は、漢字仮名混じり文字列が入力
   されて漢字仮名混じり文字列上での位置範囲が指定され
   たときに、前記対応記憶手段を参照して、漢字仮名混じ
   り文字列上で指定された位置範囲に対応する音韻韻律情
   報列上での位置範囲を割り出し、これを変更範囲として
   設定するようになっていることを特徴とする音声合成装
   置。