JPH0667685A - 音声合成装置 - Google Patents
音声合成装置Info
- Publication number
- JPH0667685A JPH0667685A JP4224478A JP22447892A JPH0667685A JP H0667685 A JPH0667685 A JP H0667685A JP 4224478 A JP4224478 A JP 4224478A JP 22447892 A JP22447892 A JP 22447892A JP H0667685 A JPH0667685 A JP H0667685A
- Authority
- JP
- Japan
- Prior art keywords
- time
- voice
- parameter
- character string
- utterance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Document Processing Apparatus (AREA)
Abstract
(57)【要約】
【目的】 本発明は文字列からなるテキストを音声に変
換して発声する音声合成装置に関し、自然さを失わずに
決められた時間でぴったり発声が終了するようにした音
声合成装置を実現することを目的とする。 【構成】 音韻変換部１とパラメータ計算部２と音声合
成部３と音声波形合成部４とよりなる、文書の文字列の
読み上げを行う音声合成装置において、発声時間を指定
する入力手段10と、伸縮処理部11とを備え、伸縮処理部
11は、パラメータ計算部２において計算した、時間に関
するパラメータを変化させ、文字列の読み上げが、指定
された発声時間で行われるように構成する。
換して発声する音声合成装置に関し、自然さを失わずに
決められた時間でぴったり発声が終了するようにした音
声合成装置を実現することを目的とする。 【構成】 音韻変換部１とパラメータ計算部２と音声合
成部３と音声波形合成部４とよりなる、文書の文字列の
読み上げを行う音声合成装置において、発声時間を指定
する入力手段10と、伸縮処理部11とを備え、伸縮処理部
11は、パラメータ計算部２において計算した、時間に関
するパラメータを変化させ、文字列の読み上げが、指定
された発声時間で行われるように構成する。
Description
【０００１】
【産業上の利用分野】本発明は文字列からなるテキスト
を音声に変換して発声する音声合成装置に関する。
を音声に変換して発声する音声合成装置に関する。
【０００２】マルチメディア技術が発達し、文書を音声
で出力することができるようになったが、より自然な発
声、より容易な指定方法がプレゼンテーションの分野で
要求されている。具体的には、発声速度ではなく発声時
間での指定が求められる。
で出力することができるようになったが、より自然な発
声、より容易な指定方法がプレゼンテーションの分野で
要求されている。具体的には、発声速度ではなく発声時
間での指定が求められる。
【０００３】
【従来の技術】図４は従来システムの構成ブロック図で
ある。音韻変換部１は、入力された漢字かなまじり文で
書かれた文書ファイルを、音韻辞書によりかな文字列に
直し、音韻列とする。これはワープロのかな漢字変換の
逆操作に相当する。
ある。音韻変換部１は、入力された漢字かなまじり文で
書かれた文書ファイルを、音韻辞書によりかな文字列に
直し、音韻列とする。これはワープロのかな漢字変換の
逆操作に相当する。
【０００４】これにアクセント辞書により、単語を構成
する音韻列にアクセント情報を付加し、さらに、文法解
析により単語間のつながりによる連結の強さを考慮した
休止時間情報、およびイントネーション情報を付加し
て、合成文字列とする。
する音韻列にアクセント情報を付加し、さらに、文法解
析により単語間のつながりによる連結の強さを考慮した
休止時間情報、およびイントネーション情報を付加し
て、合成文字列とする。
【０００５】合成文字列は、音節を表すカタカナと、呼
気段落、フレーズ、アクセント句を現す区切り記号と、
アクセント記号、鼻濁化記号、無声化記号等よりなる。
パラメータ計算部２は、音声合成部３の前処理として、
合成文字列を数値パラメータに変換する。この中には、
各音韻要素の継続時間（時間パラメータ）が含まれる。
これは標準の発声速度における値である。
気段落、フレーズ、アクセント句を現す区切り記号と、
アクセント記号、鼻濁化記号、無声化記号等よりなる。
パラメータ計算部２は、音声合成部３の前処理として、
合成文字列を数値パラメータに変換する。この中には、
各音韻要素の継続時間（時間パラメータ）が含まれる。
これは標準の発声速度における値である。
【０００６】音声合成部３は、数値パラメータを一定の
合成規則（例えばＰＡＲＣＯＲ方式）により変換合成し
てパラメータ時系列データとする。パラメータ時系列デ
ータは一定時間単位（フレーム）毎の値を並べたもの
で、音声波形合成部４でこれを音声波形に変換する。
合成規則（例えばＰＡＲＣＯＲ方式）により変換合成し
てパラメータ時系列データとする。パラメータ時系列デ
ータは一定時間単位（フレーム）毎の値を並べたもの
で、音声波形合成部４でこれを音声波形に変換する。
【０００７】図５に入力テキストから数値パラメータに
変換されるまでの各処理段階のデータの例を示す。図５
（Ａ）は入力テキストである。これを音韻変換部１で処
理して、結果として得られる合成文字列が図５（Ｂ）で
ある。これをパラメータ計算部２で処理した結果、図５
（Ｃ）に示すような、パラメータ時系列データの前段階
の数値パラメータが得られる。図において、pause の欄
は無音の時間を、ｃの欄は子音の時間を、v は母音の時
間を表す。
変換されるまでの各処理段階のデータの例を示す。図５
（Ａ）は入力テキストである。これを音韻変換部１で処
理して、結果として得られる合成文字列が図５（Ｂ）で
ある。これをパラメータ計算部２で処理した結果、図５
（Ｃ）に示すような、パラメータ時系列データの前段階
の数値パラメータが得られる。図において、pause の欄
は無音の時間を、ｃの欄は子音の時間を、v は母音の時
間を表す。
【０００８】数値パラメータを音声合成部で処理してパ
ラメータ時系列データとし、パラメータ時系列データを
音声波形合成部４で処理し、アナログデータとしての音
声を得、スピーカ等により音声として出力する。
ラメータ時系列データとし、パラメータ時系列データを
音声波形合成部４で処理し、アナログデータとしての音
声を得、スピーカ等により音声として出力する。
【０００９】発声時間を変えたいときは音声波形合成部
４でフレーム時間を変えることにより発声速度を変えて
いた。
４でフレーム時間を変えることにより発声速度を変えて
いた。
【００１０】
【発明が解決しようとする課題】従来技術では発声速度
を変えることはできたが、決められた時間で発声が終了
するようにはできなかった。
を変えることはできたが、決められた時間で発声が終了
するようにはできなかった。
【００１１】本発明は文書全体または文章単位に時間を
指定することにより、自然さを失わずに決められた時間
でぴったり発声が終了するようにした音声合成装置を実
現することを目的としている。
指定することにより、自然さを失わずに決められた時間
でぴったり発声が終了するようにした音声合成装置を実
現することを目的としている。
【００１２】
【課題を解決するための手段】図１は本発明の原理ブロ
ック図である。従来の音声合成装置に対して、発声時間
を指定する入力手段10、数値パラメータの内の時間パラ
メータを変更する伸縮処理部11とを備える。
ック図である。従来の音声合成装置に対して、発声時間
を指定する入力手段10、数値パラメータの内の時間パラ
メータを変更する伸縮処理部11とを備える。
【００１３】
【作用】標準の時間パラメータにより発声するときの発
声時間は、各音韻要素の時間パラメータを合計すること
により求められる。これをｔとし、指定された発声時間
をＴとすると、Ｔ／ｔが伸縮率であり、伸縮処理部11
は、この値を各音韻要素の時間パラメータに乗ずること
により、伸縮処理済時間パラメータとする。この伸縮処
理済時間パラメータを含む数値パラメータを音声合成部
４に渡すことにより発声時間を指定の時間に合わせるこ
とができる。
声時間は、各音韻要素の時間パラメータを合計すること
により求められる。これをｔとし、指定された発声時間
をＴとすると、Ｔ／ｔが伸縮率であり、伸縮処理部11
は、この値を各音韻要素の時間パラメータに乗ずること
により、伸縮処理済時間パラメータとする。この伸縮処
理済時間パラメータを含む数値パラメータを音声合成部
４に渡すことにより発声時間を指定の時間に合わせるこ
とができる。
【００１４】ところで、人間が発声する場合、発声速度
を変化させたとき、一律に変化するのではなく、例え
ば、音声を有音区間と無音区間とに分けたとき、無音区
間の方が伸縮率が大きいように、音声の構成要素の種類
によって伸縮率が異なることは経験上判っていることで
ある。
を変化させたとき、一律に変化するのではなく、例え
ば、音声を有音区間と無音区間とに分けたとき、無音区
間の方が伸縮率が大きいように、音声の構成要素の種類
によって伸縮率が異なることは経験上判っていることで
ある。
【００１５】従って、自然さを保つためには全体を同じ
伸縮率で変化させるのではなく、構成要素の種類による
伸縮率の違いを考慮して時間パラメータの値を決めるこ
とが望ましい。
伸縮率で変化させるのではなく、構成要素の種類による
伸縮率の違いを考慮して時間パラメータの値を決めるこ
とが望ましい。
【００１６】標準発声時間を構成要素の種類毎に区分
し、それぞれの時間パラメータの合計をｔ1 ，ｔ2 ，ｔ
3 ，・・・・とすると、 ｔ＝ｔ1 ＋ｔ2 ＋ｔ3 ＋・・・・・・ 構成要素の種類毎の伸縮率を、１＋ｋ1 ，１＋ｋ2 ，１
＋ｋ3 ，・・・・・とし、それらの相互関係を定めてお
く。
し、それぞれの時間パラメータの合計をｔ1 ，ｔ2 ，ｔ
3 ，・・・・とすると、 ｔ＝ｔ1 ＋ｔ2 ＋ｔ3 ＋・・・・・・ 構成要素の種類毎の伸縮率を、１＋ｋ1 ，１＋ｋ2 ，１
＋ｋ3 ，・・・・・とし、それらの相互関係を定めてお
く。
【００１７】例えば、ｋ1 ：ｋ2 ：ｋ3 ：・・・・ ＝
ａ：ｂ：ｃ：・・・・・とすると、指定発声時間は、 Ｔ＝（１＋ｋ1 ）ｔ1 ＋（１＋ｋ2 ）ｔ2 ＋（１＋ｋ3 ）ｔ3 ＋・・・ ＝ｔ＋ｋ1 ・ｔ1 ＋ｋ2 ・ｔ2 ＋ｋ3 ・ｔ3 ＋・・・・ ＝ｔ＋ｋ1 ・ｔ1 ＋ｂ・ｋ1 ・ｔ2 ／ａ＋ｃ・ｋ1 ・ｔ3 ／ａ・・・ ＝ｔ＋ｋ1 （ａ・ｔ1 ＋ｂ・ｔ2 ＋ｃ・ｔ3 ＋・・・・）／ａ 従って、 ｋ1 ＝（Ｔ−ｔ）・ａ／（ａ・ｔ1 ＋ｂ・ｔ2 ＋ｃ・ｔ3 ＋・・・・） ｋ2 ＝ｂ・ｋ１／ａ ｋ3 ＝ｃ・ｋ１／ａ ・・・・・・・・・ ・・ により、構成要素の種類毎の伸縮率が求められる。
ａ：ｂ：ｃ：・・・・・とすると、指定発声時間は、 Ｔ＝（１＋ｋ1 ）ｔ1 ＋（１＋ｋ2 ）ｔ2 ＋（１＋ｋ3 ）ｔ3 ＋・・・ ＝ｔ＋ｋ1 ・ｔ1 ＋ｋ2 ・ｔ2 ＋ｋ3 ・ｔ3 ＋・・・・ ＝ｔ＋ｋ1 ・ｔ1 ＋ｂ・ｋ1 ・ｔ2 ／ａ＋ｃ・ｋ1 ・ｔ3 ／ａ・・・ ＝ｔ＋ｋ1 （ａ・ｔ1 ＋ｂ・ｔ2 ＋ｃ・ｔ3 ＋・・・・）／ａ 従って、 ｋ1 ＝（Ｔ−ｔ）・ａ／（ａ・ｔ1 ＋ｂ・ｔ2 ＋ｃ・ｔ3 ＋・・・・） ｋ2 ＝ｂ・ｋ１／ａ ｋ3 ＝ｃ・ｋ１／ａ ・・・・・・・・・ ・・ により、構成要素の種類毎の伸縮率が求められる。
【００１８】従って、各構成要素の種類に応じて 1 ＋
ｋ1 ，１＋ｋ2 ，１＋ｋ3 ，・・を、各音韻要素の時間
パラメータに乗じて、伸縮処理後の時間パラメータを得
る。さらに、図２に示すように全体の伸縮率Ｔ／ｔが１
から離れるほど、構成要素の種類による伸縮率の変動は
大きくなる。従って上記のａ，ｂ，ｃ・・・の値をＴ／
ｔに対してテーブルにしておき、その値を使ってｋ１，
ｋ２，ｋ３，・・・の計算をすれば、より自然さを保っ
た伸縮が行える。
ｋ1 ，１＋ｋ2 ，１＋ｋ3 ，・・を、各音韻要素の時間
パラメータに乗じて、伸縮処理後の時間パラメータを得
る。さらに、図２に示すように全体の伸縮率Ｔ／ｔが１
から離れるほど、構成要素の種類による伸縮率の変動は
大きくなる。従って上記のａ，ｂ，ｃ・・・の値をＴ／
ｔに対してテーブルにしておき、その値を使ってｋ１，
ｋ２，ｋ３，・・・の計算をすれば、より自然さを保っ
た伸縮が行える。
【００１９】
【実施例】以下に本発明の実施例を説明する。前述の例
「朝早く、バンガローに電報が届いた。」を約２倍およ
び１／２倍にしたときの計算例を示す。
「朝早く、バンガローに電報が届いた。」を約２倍およ
び１／２倍にしたときの計算例を示す。
【００２０】標準の時間パラメータを合計すると３６３
５であり、構成要素の種類を「無音」「母音」「子音」
の３つに区分すると、ｔ１＝１１００，ｔ２＝１９６
５，ｔ３＝５７０である。
５であり、構成要素の種類を「無音」「母音」「子音」
の３つに区分すると、ｔ１＝１１００，ｔ２＝１９６
５，ｔ３＝５７０である。
【００２１】ａ：ｂ：ｃ＝７：３：０ とすると、 Ｔ＝７０００ （約２倍）と指定した場合。 ｋ１＝（7000-3635)・7 ／(7・1100＋ 3・1965＋ 0・57
0)＝1.733 ｋ２＝0.743 ｋ３＝0 よって、伸縮率は、無音2.73倍，母音1.74倍，子音１倍
となる。
0)＝1.733 ｋ２＝0.743 ｋ３＝0 よって、伸縮率は、無音2.73倍，母音1.74倍，子音１倍
となる。
【００２２】これらの伸縮率により変更した時間パラメ
ータを図３（Ａ）に示す。 Ｔ＝２０００ （約１／２倍）と指定した場合。 ｋ１＝（2000-3635)・7 ／(7・1100＋ 3・1965＋ 0・57
0)＝-0.842 ｋ２＝-0.361 ｋ３＝0 よって、伸縮率は、無音0.16倍，母音0.64倍，子音１倍
となる。ここで、伸縮率が一定値より小さくなった場合
はその値とする。例えば無音の伸縮率は０を最低値とす
る。
ータを図３（Ａ）に示す。 Ｔ＝２０００ （約１／２倍）と指定した場合。 ｋ１＝（2000-3635)・7 ／(7・1100＋ 3・1965＋ 0・57
0)＝-0.842 ｋ２＝-0.361 ｋ３＝0 よって、伸縮率は、無音0.16倍，母音0.64倍，子音１倍
となる。ここで、伸縮率が一定値より小さくなった場合
はその値とする。例えば無音の伸縮率は０を最低値とす
る。
【００２３】これらの伸縮率により変更した時間パラメ
ータを図３（Ｂ）に示す。なお、発声時間は文書全体の
時間を指定してもよいし、文章単位で指定できるように
してもよい。文章単位で指定する場合は文書の中に時間
指定コマンドを埋め込む形にすればよい。
ータを図３（Ｂ）に示す。なお、発声時間は文書全体の
時間を指定してもよいし、文章単位で指定できるように
してもよい。文章単位で指定する場合は文書の中に時間
指定コマンドを埋め込む形にすればよい。
【００２４】プレゼンテーション時間を文書全体の時間
として指定し、特に強調したい文章を個別に指定するこ
とができるようにすれば、より効果的である。
として指定し、特に強調したい文章を個別に指定するこ
とができるようにすれば、より効果的である。
【００２５】
【発明の効果】以上、詳細に説明したように、本発明に
よれば、指定時間にちょうど収まる文書読み上げ装置を
実現することができる。また読み上げ時間を指定するこ
とにより発声速度が変えられても発声の自然さが保たれ
る。
よれば、指定時間にちょうど収まる文書読み上げ装置を
実現することができる。また読み上げ時間を指定するこ
とにより発声速度が変えられても発声の自然さが保たれ
る。
【図１】本発明の原理ブロック図である。
【図２】音声の構成要素の種類毎の伸縮率の相対変化を
示す。
示す。
【図３】本発明の実施例による伸縮処理後の時間パラメ
ータの例を示す。
ータの例を示す。
【図４】従来システムの構成ブロック図である。
【図５】入力テキストから数値パラメータに変換される
までのデータ例。
までのデータ例。
１ 音韻変換部 ２ パラメータ計算部 ３ 音声合成部 ４ 音声波形合成部 10 発声時間指定手段 11 伸縮処理部
Claims (3)
- 【請求項１】 文書を音韻辞書によりかな文字列等に直
して音韻列とし、アクセント情報、休止時間情報、イン
トネーション情報等を付加して、合成文字列とする音韻
変換部（１）と、 合成文字列を、標準発声時における、時間に関するパラ
メータを含む数値パラメータに変換するパラメータ計算
部（２）と、 数値パラメータに変換された合成文字列を、一定の規則
により変換合成してパラメータ時系列データとする音声
合成部（３）と、 パラメータ時系列データを変換してアナログ音声信号と
する音声波形合成部（４）とよりなる、文書の文字列の
読み上げを行う音声合成装置において、 発声時間を指定する入力手段（10）と、 伸縮処理部（11）とを備え、 伸縮処理部（11）は、パラメータ計算部（２）において
計算した、時間に関するパラメータを変化させ、 文字列の読み上げが、指定された発声時間で行われるよ
うにすることを特徴とする音声合成装置。 - 【請求項２】 発声される音声の構成要素の種類毎に、
時間に関するパラメータの変化率を変える請求項１記載
の音声合成装置。 - 【請求項３】 標準発声時間と指定された発声時間との
比率に応じて、音声の構成要素の種類毎に時間に関する
パラメータの変化率の比を変化させる請求項２記載の音
声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4224478A JPH0667685A (ja) | 1992-08-25 | 1992-08-25 | 音声合成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4224478A JPH0667685A (ja) | 1992-08-25 | 1992-08-25 | 音声合成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0667685A true JPH0667685A (ja) | 1994-03-11 |
Family
ID=16814429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4224478A Withdrawn JPH0667685A (ja) | 1992-08-25 | 1992-08-25 | 音声合成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0667685A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009013875A1 (ja) * | 2007-07-24 | 2009-01-29 | Panasonic Corporation | 文字情報提示装置 |
| JP2009085697A (ja) * | 2007-09-28 | 2009-04-23 | Kenwood Corp | 車載器 |
| EP2461320A1 (en) | 2010-12-02 | 2012-06-06 | Yamaha Corporation | Speech synthesis information editing apparatus |
-
1992
- 1992-08-25 JP JP4224478A patent/JPH0667685A/ja not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009013875A1 (ja) * | 2007-07-24 | 2009-01-29 | Panasonic Corporation | 文字情報提示装置 |
| JP5093239B2 (ja) * | 2007-07-24 | 2012-12-12 | パナソニック株式会社 | 文字情報提示装置 |
| US8370150B2 (en) | 2007-07-24 | 2013-02-05 | Panasonic Corporation | Character information presentation device |
| JP2009085697A (ja) * | 2007-09-28 | 2009-04-23 | Kenwood Corp | 車載器 |
| EP2461320A1 (en) | 2010-12-02 | 2012-06-06 | Yamaha Corporation | Speech synthesis information editing apparatus |
| CN102486921A (zh) * | 2010-12-02 | 2012-06-06 | 雅马哈株式会社 | 语音合成信息编辑设备 |
| US9135909B2 (en) | 2010-12-02 | 2015-09-15 | Yamaha Corporation | Speech synthesis information editing apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH086591A (ja) | 音声出力装置 | |
| JPH031200A (ja) | 規則型音声合成装置 | |
| JPH0632020B2 (ja) | 音声合成方法および装置 | |
| US6829577B1 (en) | Generating non-stationary additive noise for addition to synthesized speech | |
| van Rijnsoever | A multilingual text-to-speech system | |
| Javkin et al. | A multilingual text-to-speech system | |
| JPS5972494A (ja) | 規則合成方式 | |
| JPH05281984A (ja) | 音声合成方法および装置 | |
| JP3397406B2 (ja) | 音声合成装置及び音声合成方法 | |
| JP2703253B2 (ja) | 音声合成装置 | |
| JP3522005B2 (ja) | 音声合成装置 | |
| JP3034554B2 (ja) | 日本語文章読上げ装置及び方法 | |
| KR970003093B1 (ko) | 고품질 한국어 문장음성 변환을 위한 합성단위(cdu)작성방법 | |
| JPH0358100A (ja) | 規則型音声合成装置 | |
| JPH03245192A (ja) | 外国語単語の発音決定方法 | |
| Datta et al. | Epoch Synchronous Overlap Add (ESOLA) | |
| JP2977236B2 (ja) | 音声合成装置 | |
| JP2675883B2 (ja) | 音声合成方式 | |
| JPH06149283A (ja) | 音声合成装置 | |
| JPH01321496A (ja) | 音声合成装置 | |
| JPH08160983A (ja) | 音声合成装置 | |
| JPH01244499A (ja) | 音声素片ファイル作成装置 | |
| Heggtveit | An overview of text-to-speech synthesis | |
| Hogan | Speech interfaces: session introduction | |
| Teranishi | A speech synthesis system by rule in Japanese |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19991102 |