JPH05313685A - 文章読み上げ装置 - Google Patents

Abstract

(57)【要約】 【目的】 文章中の登場人物に合わせて会話文の読み上
げ音声を切り替えることが可能な文章読み上げ装置を実
現する。これにより、教育用、ハンディキャップ用、お
よび印刷校正用として適用すれば、極めて有効となる。 【構成】 検出した会話文に対して、入力された文章を
言語解析した結果より、会話文を発話した発話者の属性
に関する情報を推定して、予め用意してある複数の話者
から採取した音声ファイルを、推定された発話者情報に
基づいて選択し、会話文にそれぞれ割り当てる。これに
より、人手を介することなく、最適な音質の話者として
文章を読み上げることができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文章中に含まれる会話
文に対して、文章解析で得られる情報をもとにその会話
文を発話するのに適当な音質の音声に自動的に切り換え
ることが可能な文章読み上げ装置に関するものである。

【０００２】

【従来の技術】従来より、音声合成技術を使用した文章
読み上げ装置が実用化されている。音声合成装置には、
アナウンサが発声した文を録音し、それを分析手法によ
り低ビットに圧縮、記録し、さらに出力時にこれを再生
する方式と、入力する仮名に対応して単音を組み合わ
せ、アクセントとイントネ−ションを重畳する規則合成
方式とがある。前者の方式は、音声応答装置の出力とし
て利用され、プッシュホンのＰＢ入力と組み合わせて利
用されている。また後者の方式は、日本語や英語の文章
から直接音声に変換する技術が開発されている（音声出
力装置として、例えば、『電子情報通信ハンドブック』
昭和63年3月30日(株)オ−ム社発行、pp.1203〜1206,pp.
1687〜1689参照)。これらの文章読み上げ装置は、通
常、音声ファイルを１つしか備えていないものが多い
が、複数の音声ファイルを使用するものとしては、男性
と女性の２種類の音声ファイルを用意して、それらを手
動で入力文章に割り当てることにより、合成音声を出力
させるものがある。この文章読み上げ装置において、入
力文章に男女の音声ファイルを割り当てる方法は、予め
入力文章中に文章の読み上げに使用する男女の各音声フ
ァイルを指定するコマンドを挿入して、読み上げ装置が
処理単位毎に文章の読み上げを行う際に、そのコマンド
を検出することにより使用する音声ファイルの選択を行
うというものである。

【０００３】

【発明が解決しようとする課題】しかしながら、従来の
文章読み上げ装置において、複数の音声ファイルを使用
して文章を読み上げる場合には、各文に対して、読み上
げに使用する音声ファイルを人手により指定しなければ
ならず、極めて面倒であった。このように、従来の音声
合成技術を用いた文章読み上げ装置では、文章の内容に
応じて読み上げる音声の質、例えば男性、女性、成年、
子供等に自動的に変えることは不可能であった。本発明
の目的は、このような従来の課題を解決し、文章中に含
まれる会話文を、その会話文を発話するのに適当な音質
の音声を使用して、自動的に切り換える機能を備えた文
章読み上げ装置を提供することにある。

【０００４】

【課題を解決するための手段】上記目的を達成するた
め、本発明の文章読み上げ装置は、入力された漢字かな
交じり文に対して、句点（。）で区切られた文を解析単
位として言語解析を行い、複数種類の単語辞書から得ら
れた音韻情報および韻律情報から音声を合成する文章読
み上げ装置において、入力された文章中のカギカッコを
キ−に会話文を検出して切り出し、会話文を記憶する会
話文検出手段と、会話文を発声するために適当な発話者
の性別、年令、文章中の他の発話者との同一性等を解析
することにより、発話者の属性を入力文章中から推定す
る発話者属性推定手段と、推定手段により推定された発
話者の性質に基づき、それぞれの会話文に適当な性質の
音声を予め用意された複数の音声ファイルから選択し
て、選択された音声ファイルを会話文毎に割り当てる音
声ファイル指定手段とを具備したことを特徴としてい
る。

【０００５】

【作用】本発明においては、特に小説、童話、脚本等の
会話文を含んだ文章の読み上げに際して、読み上げる文
章を解析することにより、文章に含まれる会話文の発話
者の属性を推定し、推定された属性の話者と一致する属
性の話者の音声ファイルを、用意された複数の音声ファ
イルの中から選択して会話文に割り当て、複数の話者の
音声ファイルから合成された会話文音声を生成する。こ
れにより、人手により使用する音声ファイルを指定せず
に、自動的に指定することができ、かつ文章中の登場人
物に合わせて会話文の読み上げ音声を切り換えることに
より、文章を読み上げることができる。具体的には、入
力文章を解析する場合、入力文章中に含まれる会話文は
カギカッコ（『 』）により会話文が括られている
ので、先ず（ａ）カギカッコを検出することにより、文
章中の会話文を全て抽出する。このようにして、発話者
の違いにより異なった音声ファイルを与える会話文の抽
出が可能となる。次に、（ｂ）検出した会話文の文解析
結果とその前後の文脈解析の結果と文章全体の言語解析
の結果から、会話文毎の発話者の属性を推定する。会話
文の解析とその前後の文の文脈解析の結果と文章全体の
言語解析の結果を統合することにより、省略された話者
情報の推定、複数の会話文の発話者の同定を含めて、発
話者の属性を推定することができる。次に、（ｃ）推定
された会話文毎の発話者の属性情報をもとに、予め用意
されている複数の異なる属性の話者から採取された音声
ファイルを会話文毎に割り当てる。このようにして、文
毎に人間が読み上げに使用される音声ファイルを指定し
なくても、文章内の会話文に対して適当な話者の音声フ
ァイルを割り当てることができる。本発明は、特に教育
用、ハンディキャップ用、あるいは印刷校正用等に極め
有用である。

【０００６】

【実施例】以下、本発明の実施例を、図面により詳細に
説明する。図１は、本発明の一実施例を示す文章読み上
げ装置のブロック図である。図１に示す文章読み上げ装
置１は、入力された漢字かな交じり文章を、合成音声に
より読み上げるものである。装置の内部には、入力端子
２から入力された文章を解析して、会話文を検出する会
話文検出部３と、検出された会話文に対して、文章全体
の解析結果、会話文の前後の解析結果、および会話文の
解析の結果から発話者の属性を推定する発話者属性推定
部４と、推定された発話者の属性に最も近い人間の音声
ファイルを、装置内に用意されている音声ファイル８か
ら選択し、選択された音声ファイル８を指定するコマン
ドを入力文章中の該当する会話文の直前に挿入する音声
ファイル指定部５と、入力文章を１文ずつ切り出して、
文単位で形態素解析や統語解析を行い、文を単語単位に
分割し、品詞情報、読み情報および韻律パタ−ン情報を
単語毎に付与し、挿入された音声ファイル指定コマンド
を検出する言語解析部６と、切り出された単語に付加さ
れている読み情報と韻律パタ−ン情報とから単語にパラ
メ−タの合成に必要な韻律情報を与える韻律付与部７
と、それぞれ異なった属性を持った話者から採取された
複数の音声ファイル８と、複数の音声ファイル８を管理
して、言語解析部６が検出した音声ファイル８の指定情
報に従って、特徴パラメ−タの合成に使用する音声ファ
イル８を切り替える音声ファイル切り替え部９と、韻律
付与部７からの情報と音声ファイル指定部５が指定した
音声ファイル８を使用して特徴パラメ−タを合成する特
徴パラメ−タ合成部１０と、合成された特徴パラメ−タ
を使用して音声を生成する合成音声発声器１１と、生成
された合成音声を出力する出力端子１２とから構成され
る。

【０００７】図１の構成により、文章読み上げ装置で
は、人手により使用音声ファイルを指定せずに、文章中
の会話文の発話者の違いに応じて、読み上げ音声を切り
替えることが可能となる。図１において、先ず、入力端
子２から漢字かな交じり文章が入力されると、会話検出
部３がその文章中に含まれる会話文を検出し、検出され
た会話文がどのような発話者により発話されたかを、発
話者属性推定部４が推定する。音声ファイル指定部５で
は、発話者属性推定部４から送られた発話者属性情報
と、自身が内蔵のメモリに格納されている音声ファイル
提供話者属性情報テ−ブルとに基づいて、会話文の読み
上げに使用するのに最も適当な音声ファイル８を決定す
る。そして、入力された文章の会話文の直前に、その音
声ファイル８をその会話文の読み上げ音声の合成に使用
することを指定するコマンドを挿入する。次の言語解析
部６では、入力文章を文単位で解析し、文を構成する単
語の読み情報、アクセント型情報等を韻律付与部７に送
出するとともに、文章中に含まれる音声ファイル指定コ
マンドを検出して、音声ファイル切り替え部９に送出す
る。韻律付与部７では、単語の読み情報、アクセント型
情報等を使用して合成に使用する韻律情報を特徴パラメ
−タ合成部１０に送出する。特徴パラメ−タ合成部１０
では、音声ファイル切り替え部９が指定した音声ファイ
ル８と韻律付与部７が提供した韻律情報を使用して特徴
パラメ−タの合成を行い、合成音声発声器１１に送出す
る。合成音声発声器１１は、合成された特徴パラメ−タ
を使用して読み上げ文音声の合成を行い、出力端子１２
から読み上げ音声を出力する。

【０００８】図２は、図１における会話文検出部および
発話者属性推定部の詳細構成図である。先ず、会話文検
出部３は、入力された漢字かな交じり文章から、文章終
了記号『。』をキ−に文単位に切り出して、文番号を与
える入力文切り出し部１３と、カギカッコをキ−に、会
話文を検出する会話文抽出部１４と、抽出された会話文
を１文ずつメモリに記憶する会話文保持部１５から構成
されている。また、発話者属性推定部４は、入力文章全
体を単語辞書１６、文法辞書１７および人間関係理解用
ル−ル１８を使用して言語解析を行い、文章中に登場す
る人物とその関係に関する情報を抽出する入力文章解析
部１９と、単語辞書１６、文法辞書１７および発話理解
用ル−ル２０を使用して、会話文自体を言語解析し、発
話者に関する情報を抽出する会話文解析部２１と、単語
辞書１６、文法辞書１７および発話状況理解用ル−ル２
２を使用して会話文の前後の文を言語解析し、会話文の
発話者に関する情報を抽出する会話文脈解析部２３と、
入力文章解析部１９、会話文解析部２１および会話文脈
解析部２３の送出する情報から、属性推定ル−ル２４を
使用して、会話文の発話者の属性を推定する属性推定部
２５とから構成されている。

【０００９】図３は、図１における音声ファイル指定部
の詳細構成図である。音声ファイル指定部３は、文章読
み上げ装置に備えられた複数の音声ファイル８を指示す
る番号およびその音声ファイル８を提供した話者の属性
を備えた音声ファイル提供話者属性情報テ−ブル２６
と、音声ファイル提供話者属性情報テ−ブル２６を使用
して、発話属性推定部４が送出した会話文の発話者属性
情報に最も近い属性を持った話者の音声ファイル８を検
知する最適音声ファイル検索部２７と、見つけ出された
最適音声ファイル８を特徴パラメ−タの合成に使用する
ことを指定するために、最適音声ファイル検索部２７が
見つけ出した最適音声ファイル８を指示する番号を入力
文章中の会話文の頭に挿入する音声ファイル指定コマン
ド挿入部２８とから構成されている。

【００１０】図４、図５、図６および図７は、図１にお
ける会話文検出部、発話者属性推定部および音声ファイ
ル指定部の処理動作の流れ図である。ここでは、一例と
して、入力文章中の会話文が会話文検出部３により検出
された文の発話者の属性が、発話者属性推定部４により
推定され、推定された属性から、音声ファイル指定部５
がその会話文の合成に最も適当な音声ファイル８を選択
し、入力文章中の会話文の前に、その音声ファイル８を
音響パラメ−タの合成に使用することを指定するコマン
ドを挿入する動作を示している。図４は、入力文章と会
話文検出部３の詳細動作を示す図である。入力文章とし
ては、昔、アルプスの高原に、・・・・・『よくやって
くれたね。ほんとにありがとう。これから先、どんな時
でも、ぼくらは一緒だよ。』・・・・・である。会話文
検出部３では、入力文章切り出し部１３が文００１，文
０１８，文０１９，文０２０等の行番号を挿入するとと
もに、会話文抽出部１４が会話文マ−カで囲まれた『
』の会話文を取り出し、会話文記憶部（保持
部）１５に格納する。

【００１１】図５および図６は、発話者属性推定部４の
詳細動作を示す図である。発話者属性推定部４の入力文
章解析部１８は、言語解析を実行し、文章中の人物とそ
の関係情報を抽出する。ここでは、ハンス、少年が抽出
されている。次に、会話文脈解析部２２は、会話文の前
後の文を言語解析して、会話文の発話者に関する情報を
抽出する。ここでは、会話文の前の文である文０１８
と、会話文の後の文である文０２０が解析されている。
次に、会話文解析部２０は、会話文自体を言語解析し
て、発話者に関する情報を抽出する。ここでは、文０１
９の会話文の中のぼくらはと一緒だよとを抽出してい
る。そして、入力文章解析部１８と会話文脈解析部２２
と会話文解析部２０の抽出情報は、次の属性推定部２４
に送られる。図６に示す属性推定部２４では、入力文章
解析部１８から、登場人物として、ハンスという名前の
少年である年令が判定され、会話文脈解析部２２から、
文０１８の主体はハンスで発話行為は話しかけることで
あり、文０２０の主体は年日であり、発話行為はないこ
とが判定され、会話文解析部２０から、文０１９の会話
文では、自称をぼくらと言っていることが判定された。
これらの話者属性推定情報は、次の音声ファイル指定部
５に送出される。図７は、音声ファイル指定部５の詳細
動作を示す図である。音声ファイル指定部５では、発話
者属性推定部４からの話者属性推定情報を基に総合して
判断が行われる。ここでは、性別は男性、年令は少年で
あることから、音声ファイルナンバ−＃００５（属性：
男性、少年）が選択され、入力文章の会話文の前に、音
声ファイル指定コマンドが挿入された。

【００１２】

【発明の効果】以上説明したように、本発明によれば、
検出された会話文に対して、入力された文章を言語解析
した結果より、会話文を発話した発話者の属性に関する
情報を推定して、予め用意された複数の話者から採取さ
れた音声ファイルを、推定された発話者情報に基づいて
選択して、各会話文に割り当てるので、人手を介すこと
なく、その会話文に最適な音質で読み上げることができ
る。従って、教育用、ハンディキャップ用、および印刷
校正用として適用すれば、極めて有効である。

【００１３】

【図面の簡単な説明】

【図１】本発明の一実施例を示す文章読み上げ装置の全
体ブロック図である。

【図２】図１における会話文検出部および発話者属性推
定部の詳細ブロック図である。

【図３】図１における音声ファイル指定部の詳細ブロッ
ク図である。

【図４】本発明における入力文章と会話文検出部の動作
例を示す図である。

【図５】本発明における発話者属性推定部の動作例を示
す図である。

【図６】図５と同じく、発話者属性推定部の属性推定部
の動作例を示す図である。

【図７】本発明における音声ファイル指定部の動作例を
示す図である。

【符号の説明】

１ 文章読み上げ装置 ２ 入力端子 ３ 会話文検出部 ４ 発話者属性推定部 ５ 音声ファイル指定部 ６ 言語解析部 ７ 韻律付与部 ８ 音声ファイル ９ 音声ファイル切り替え部 １０ 特徴パラメ−タ合成部 １１ 合成音声発声器 １２ 出力端子 １３ 入力文章切り出し部 １４ 会話文抽出部 １５ 会話文保持部 １６ 単語辞書 １７ 文法辞書 １８ 人間関係理解用ル−ル １９ 入力文章解析部 ２０ 発話理解用ル−ル ２１ 会話文解析部 ２２ 発話状況理解用ル−ル ２３ 会話文脈解析部 ２４ 属性推定ル−ル ２５ 属性推定部 ２６ 音声ファイル提供話者属性情報テ−ブル ２７ 最適音声ファイル検索部 ２８ 音声ファイル指定コマンド挿入部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 入力された漢字かな交じり文に対して、
   句点（。）で区切られた文を解析単位として言語解析を
   行い、複数種類の単語辞書から得られた音韻情報および
   韻律情報から音声を合成する文章読み上げ装置におい
   て、入力された文章中のカギカッコをキ−に会話文を検
   出して切り出し、該会話文を記憶する会話文検出手段
   と、該会話文を発声するために適当な発話者の性別、年
   令、文章中の他の発話者との同一性等を解析することに
   より、発話者の属性を入力文章中から推定する発話者属
   性推定手段と、該推定手段により推定された発話者の性
   質に基づき、それぞれの会話文に適当な性質の音声を予
   め用意された複数の音声ファイルから選択して、選択さ
   れた音声ファイルを会話文毎に割り当てる音声ファイル
   指定手段とを具備したことを特徴とする文章読み上げ装
   置。