JPH07319497A - 音声合成装置 - Google Patents
音声合成装置Info
- Publication number
- JPH07319497A JPH07319497A JP6108761A JP10876194A JPH07319497A JP H07319497 A JPH07319497 A JP H07319497A JP 6108761 A JP6108761 A JP 6108761A JP 10876194 A JP10876194 A JP 10876194A JP H07319497 A JPH07319497 A JP H07319497A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- unit
- waveform
- parameter
- phoneme
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 音声の自然性を確保しつつ音声合成に必要と
なる自然音声データの格納量を減らして処理時間の短縮
を図る構成の音声合成装置を提供する。 【構成】 入力文字列を前処理部１２で音韻単位に分割
し、選択基準パラメタ設定部１３で最適素片の選択基準
となる韻律パラメタ（選択基準パラメタ）を設定する。
素片選択部１４では、素片ファイル管理部１５を介して
各音韻単位に対応する波形素片が存在するか否かを検索
し、存在するときは選択基準パラメタとの誤差が最小と
なる波形素片を選択抽出する。他方、波形素片が存在し
ないときは、当該音韻単位に対応する単音節を最適素片
とみなして単音節ファイルから選択抽出する。選択した
波形素片又は単音節の韻律パラメタを素片変形部１６で
変形した後、素片接続部で順次結合して入力文字列に対
応する合成音声を得る。
なる自然音声データの格納量を減らして処理時間の短縮
を図る構成の音声合成装置を提供する。 【構成】 入力文字列を前処理部１２で音韻単位に分割
し、選択基準パラメタ設定部１３で最適素片の選択基準
となる韻律パラメタ（選択基準パラメタ）を設定する。
素片選択部１４では、素片ファイル管理部１５を介して
各音韻単位に対応する波形素片が存在するか否かを検索
し、存在するときは選択基準パラメタとの誤差が最小と
なる波形素片を選択抽出する。他方、波形素片が存在し
ないときは、当該音韻単位に対応する単音節を最適素片
とみなして単音節ファイルから選択抽出する。選択した
波形素片又は単音節の韻律パラメタを素片変形部１６で
変形した後、素片接続部で順次結合して入力文字列に対
応する合成音声を得る。
Description
【０００１】
【産業上の利用分野】本発明は音声合成装置に関し、特
に、合成パラメタとして自然音声から切り出して得た波
形素片と韻律パラメタが既知の単音節とを用いて、入力
文字列から合成音声を生成する音声合成装置に関する。
に、合成パラメタとして自然音声から切り出して得た波
形素片と韻律パラメタが既知の単音節とを用いて、入力
文字列から合成音声を生成する音声合成装置に関する。
【０００２】
【従来の技術】図６は、従来の一般的な音声合成装置の
機能ブロック図の一例を示す図であり、６１は入力端
子、６２は前処理部、６３は選択基準パラメタ設定部、
６４は素片選択部、６５１は素片パラメタテーブル、６
５２は素片ファイル、６６は素片変形部、６７は素片接
続部、６８は出力端子である。
機能ブロック図の一例を示す図であり、６１は入力端
子、６２は前処理部、６３は選択基準パラメタ設定部、
６４は素片選択部、６５１は素片パラメタテーブル、６
５２は素片ファイル、６６は素片変形部、６７は素片接
続部、６８は出力端子である。
【０００３】この構成の音声合成装置において、音素記
号及びアクセント記号からなる入力文字列は、入力端子
６１から入力された後に前処理部６２において音韻単位
に分割される。選択基準パラメタ設定部６３では、分割
された音韻単位とアクセント記号とから、選択基準パラ
メタ（平均ピッチ周波数・ピッチ傾斜・時間長・平均パ
ワ）を設定し、素片選択部６４に出力する。なお、上記
選択基準パラメタは、合成パラメタである波形素片の選
択基準として用いる韻律パラメタである。
号及びアクセント記号からなる入力文字列は、入力端子
６１から入力された後に前処理部６２において音韻単位
に分割される。選択基準パラメタ設定部６３では、分割
された音韻単位とアクセント記号とから、選択基準パラ
メタ（平均ピッチ周波数・ピッチ傾斜・時間長・平均パ
ワ）を設定し、素片選択部６４に出力する。なお、上記
選択基準パラメタは、合成パラメタである波形素片の選
択基準として用いる韻律パラメタである。
【０００４】素片ファイル６５２には、小説や随筆等の
自然音声から切り出して得た複数の波形素片が格納され
ており、素片パラメタテーブル６５１には、各波形素片
の韻律パラメタが格納されている。素片選択部６４は、
上記選択基準パラメタに基づいて素片パラメタテーブル
６５１を検索し、音韻連接に対する最適素片をそれぞれ
素片ファイル６５２から選択するものである。素片変形
部６６では、素片選択部６４で選択された最適素片を前
記選択基準パラメタに一致するよう適宜素片の変形処理
を施す。素片接続部６７では、変形された素片をそれぞ
れ入力文字列にしたがって接続し、出力端子６８を通じ
て出力する。
自然音声から切り出して得た複数の波形素片が格納され
ており、素片パラメタテーブル６５１には、各波形素片
の韻律パラメタが格納されている。素片選択部６４は、
上記選択基準パラメタに基づいて素片パラメタテーブル
６５１を検索し、音韻連接に対する最適素片をそれぞれ
素片ファイル６５２から選択するものである。素片変形
部６６では、素片選択部６４で選択された最適素片を前
記選択基準パラメタに一致するよう適宜素片の変形処理
を施す。素片接続部６７では、変形された素片をそれぞ
れ入力文字列にしたがって接続し、出力端子６８を通じ
て出力する。
【０００５】
【発明が解決しようとする課題】ところで、上述の音声
合成処理の際に、音韻単位に対応する波形素片が素片フ
ァイル６５２に存在しないと、当該音韻単位についての
音声が生成されない。従って、自然な合成音声を得るた
めには、合成対象となる文字列の語彙に対応する波形素
片を少なくとも１つは用意しておく必要がある。しかし
ながら、任意度の高い語彙について合成音声処理を行う
場合に、対応する全ての波形素片を予め素片ファイル６
５２に用意し、その韻律パラメタを解析しておくことは
困難であり、音声品質の向上に一定の限界があった。素
片ファイル６５２に新たに波形素片を追加することもで
きるが、いずれの場合もかなり大量の波形素片を収集す
る必要があり、多大な労力を要する問題があった。
合成処理の際に、音韻単位に対応する波形素片が素片フ
ァイル６５２に存在しないと、当該音韻単位についての
音声が生成されない。従って、自然な合成音声を得るた
めには、合成対象となる文字列の語彙に対応する波形素
片を少なくとも１つは用意しておく必要がある。しかし
ながら、任意度の高い語彙について合成音声処理を行う
場合に、対応する全ての波形素片を予め素片ファイル６
５２に用意し、その韻律パラメタを解析しておくことは
困難であり、音声品質の向上に一定の限界があった。素
片ファイル６５２に新たに波形素片を追加することもで
きるが、いずれの場合もかなり大量の波形素片を収集す
る必要があり、多大な労力を要する問題があった。
【０００６】また、上述のように素片ファイル６５２に
大量の波形素片を格納すると必然的にファイル容量が大
きくなる。そのため、合成処理に要する時間がそのファ
イル容量に比例して増大するという問題もあった。
大量の波形素片を格納すると必然的にファイル容量が大
きくなる。そのため、合成処理に要する時間がそのファ
イル容量に比例して増大するという問題もあった。
【０００７】本発明は上記問題点を解消し、音声合成に
必要となる自然音声データの量を減らして処理時間の短
縮を図ることができ、しかも自然な合成音声が得られる
構成の音声合成装置を提供することを目的とする。
必要となる自然音声データの量を減らして処理時間の短
縮を図ることができ、しかも自然な合成音声が得られる
構成の音声合成装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】本発明が提供する音声合
成装置は、少なくとも、音声に対応する入力文字列を音
韻単位に分割する前処理部と、自然音声より切り出した
複数の波形素片と各波形素片の韻律パラメタとを格納し
てなる素片情報格納手段と、複数の単音節と各単音節の
韻律パラメタとを格納してなる単音節情報格納手段と、
前記分割された音韻単位に対応する波形素片が前記素片
情報格納手段に存在するか否かを検索し、存在するとき
は予め素片選択基準として定めた韻律パラメタとの誤差
が最小となる韻律パラメタに対応する波形素片を選択抽
出し、他方、存在しないときは当該音韻単位に対応する
単音節を前記単音節情報格納手段より選択抽出する素片
選択手段と、抽出された波形素片又は単音節を前記入力
文字列の順に接続して合成音声を生成する素片接続部
と、を有することを特徴とする。つまり、波形素片及び
単音節の２種のパラメタを複合的な合成パラメタとして
用いる。
成装置は、少なくとも、音声に対応する入力文字列を音
韻単位に分割する前処理部と、自然音声より切り出した
複数の波形素片と各波形素片の韻律パラメタとを格納し
てなる素片情報格納手段と、複数の単音節と各単音節の
韻律パラメタとを格納してなる単音節情報格納手段と、
前記分割された音韻単位に対応する波形素片が前記素片
情報格納手段に存在するか否かを検索し、存在するとき
は予め素片選択基準として定めた韻律パラメタとの誤差
が最小となる韻律パラメタに対応する波形素片を選択抽
出し、他方、存在しないときは当該音韻単位に対応する
単音節を前記単音節情報格納手段より選択抽出する素片
選択手段と、抽出された波形素片又は単音節を前記入力
文字列の順に接続して合成音声を生成する素片接続部
と、を有することを特徴とする。つまり、波形素片及び
単音節の２種のパラメタを複合的な合成パラメタとして
用いる。
【０００９】本発明が提供する他の構成の音声合成装置
は、上記音声合成装置において、更に、前記素片選択手
段で選択抽出した波形素片又は単音節の韻律パラメタを
変形せしめて前記素片選択基準として定めた韻律パラメ
タとの誤差を零値に近づける素片変形部を設け、この変
形された韻律パラメタの波形素片又は単音節を前記素片
接続部に導く構成としたことを特徴とする。
は、上記音声合成装置において、更に、前記素片選択手
段で選択抽出した波形素片又は単音節の韻律パラメタを
変形せしめて前記素片選択基準として定めた韻律パラメ
タとの誤差を零値に近づける素片変形部を設け、この変
形された韻律パラメタの波形素片又は単音節を前記素片
接続部に導く構成としたことを特徴とする。
【００１０】なお、前記誤差は、好ましくは、前記選択
基準として定めた韻律パラメタと抽出された個々の韻律
パラメタとの差分を各韻律パラメタの変動幅で除した値
の２乗の和とする。
基準として定めた韻律パラメタと抽出された個々の韻律
パラメタとの差分を各韻律パラメタの変動幅で除した値
の２乗の和とする。
【００１１】
【作用】本発明の音声合成装置では、入力文字列を前処
理部で音韻単位に分割し、個々の音韻単位に対する波形
素片の選択基準となる韻律パラメタ（選択基準パラメ
タ）を設定する。この選択基準パラメタは、例えば所望
の平均ピッチ周波数、ピッチ傾斜、時間長、平均パワで
ある。素片選択手段においては、まず、各音韻単位に対
応する波形素片が素片情報格納手段に存在するか否かを
検索する。存在するときは、これを該素片情報格納手段
より選択抽出する。複数存在するときは、例えば選択基
準パラメタと各波形素片の韻律パラメタとの間で２乗誤
差を計算し、その２乗誤差が最小となる波形素片を選択
抽出する。他方、波形素片が存在しないときは、当該音
韻単位に対応する単音節を最適素片とみなして単音節情
報格納手段より選択抽出する。このようにして選択した
波形素片又は単音節を、素片接続手段が入力文字列に従
って音韻単位毎に順次結合し、合成音声を生成する。
理部で音韻単位に分割し、個々の音韻単位に対する波形
素片の選択基準となる韻律パラメタ（選択基準パラメ
タ）を設定する。この選択基準パラメタは、例えば所望
の平均ピッチ周波数、ピッチ傾斜、時間長、平均パワで
ある。素片選択手段においては、まず、各音韻単位に対
応する波形素片が素片情報格納手段に存在するか否かを
検索する。存在するときは、これを該素片情報格納手段
より選択抽出する。複数存在するときは、例えば選択基
準パラメタと各波形素片の韻律パラメタとの間で２乗誤
差を計算し、その２乗誤差が最小となる波形素片を選択
抽出する。他方、波形素片が存在しないときは、当該音
韻単位に対応する単音節を最適素片とみなして単音節情
報格納手段より選択抽出する。このようにして選択した
波形素片又は単音節を、素片接続手段が入力文字列に従
って音韻単位毎に順次結合し、合成音声を生成する。
【００１２】本発明の他の構成の音声合成装置では、上
記素片選択手段で選択抽出した波形素片又は単音節の韻
律パラメタを変形せしめ、素片選択基準として定めた韻
律パラメタとの誤差を零値に近づける。そして変形され
た韻律パラメタの波形素片又は単音節を素片接続部に導
く。これにより合成音声の韻律が調整される。
記素片選択手段で選択抽出した波形素片又は単音節の韻
律パラメタを変形せしめ、素片選択基準として定めた韻
律パラメタとの誤差を零値に近づける。そして変形され
た韻律パラメタの波形素片又は単音節を素片接続部に導
く。これにより合成音声の韻律が調整される。
【００１３】
【実施例】以下、図面を参照して本発明の実施例を詳細
に説明する。図１は、本発明の一実施例に係る音声合成
装置の機能ブロック図であり、１１は入力端子、１２は
前処理部、１３は選択基準パラメタ設定部、１４は素片
選択部、１５は素片ファイル管理部、１６は素片変形
部、１７は素片接続部、１８は出力端子である。素片選
択部１４と素片ファイル管理部とで本発明の素片選択手
段を構成する。素片ファイル管理部１５を除く各部の機
能は、基本的には図６に示した従来装置のものと同様な
ので、その詳細な説明は省略する。
に説明する。図１は、本発明の一実施例に係る音声合成
装置の機能ブロック図であり、１１は入力端子、１２は
前処理部、１３は選択基準パラメタ設定部、１４は素片
選択部、１５は素片ファイル管理部、１６は素片変形
部、１７は素片接続部、１８は出力端子である。素片選
択部１４と素片ファイル管理部とで本発明の素片選択手
段を構成する。素片ファイル管理部１５を除く各部の機
能は、基本的には図６に示した従来装置のものと同様な
ので、その詳細な説明は省略する。
【００１４】図２に、本実施例の素片ファイル管理部１
５の構成例を示す。この素片ファイル管理部１５は、音
韻情報管理テーブル２２、素片ファイル２４１、素片パ
ラメタテーブル２３１、単音節パラメタテーブル２３
２、単音節ファイル２４２、及び、図示を省略したファ
イル制御部（ＣＰＵ）から成る。なお、ＣＰＵ、素片フ
ァイル２４１、及び、素片パラメタテーブル２３１を含
んで本発明の素片情報格納手段を構成し、同様に、ＣＰ
Ｕ、単音節ファイル２４２、及び、単音節パラメタテー
ブル２３２を含んで本発明の単音節情報格納手段を構成
する。
５の構成例を示す。この素片ファイル管理部１５は、音
韻情報管理テーブル２２、素片ファイル２４１、素片パ
ラメタテーブル２３１、単音節パラメタテーブル２３
２、単音節ファイル２４２、及び、図示を省略したファ
イル制御部（ＣＰＵ）から成る。なお、ＣＰＵ、素片フ
ァイル２４１、及び、素片パラメタテーブル２３１を含
んで本発明の素片情報格納手段を構成し、同様に、ＣＰ
Ｕ、単音節ファイル２４２、及び、単音節パラメタテー
ブル２３２を含んで本発明の単音節情報格納手段を構成
する。
【００１５】素片ファイル２４１には、音韻単位に、予
め音韻環境等を考慮して単語・文章から切り出された素
片が複数個格納されている。これに対し、単音節ファイ
ル２４２には、５０音や連母音等の単音節がそのまま格
納されている。これら両ファイル２４１，２４２に格納
された波形素片及び単音節が、それぞれ後述の複合的な
合成パラメタとして用いられる。音韻情報管理テーブル
２２には、個々の音韻単位に属する素片ファイル２４１
中の波形素片数が、例えば数値データとして記述されて
いる。また、素片パラメタテーブル２３１には、各波形
素片の韻律パラメタがそれぞれ格納され、単音節パラメ
タテーブル２３２には、各単音節の韻律パラメタが格納
されている。これらテーブル２３１，２３２の内容例を
図３、図４に示す。
め音韻環境等を考慮して単語・文章から切り出された素
片が複数個格納されている。これに対し、単音節ファイ
ル２４２には、５０音や連母音等の単音節がそのまま格
納されている。これら両ファイル２４１，２４２に格納
された波形素片及び単音節が、それぞれ後述の複合的な
合成パラメタとして用いられる。音韻情報管理テーブル
２２には、個々の音韻単位に属する素片ファイル２４１
中の波形素片数が、例えば数値データとして記述されて
いる。また、素片パラメタテーブル２３１には、各波形
素片の韻律パラメタがそれぞれ格納され、単音節パラメ
タテーブル２３２には、各単音節の韻律パラメタが格納
されている。これらテーブル２３１，２３２の内容例を
図３、図４に示す。
【００１６】図３は、／ｋａ／に関する素片パラメタテ
ーブル２３１の内容例であり、３０はテーブル名、３１
はファイル番号、３２は素片抽出環境、３３は平均ピッ
チ周波数、３４はピッチ傾斜、３５は継続時間、３６は
平均パワである。テーブル名３０は、例えば素片抽出環
境３２のインデックスとして機能させる。「＃ｋａー」
は、自然音声（単語・文章）の先頭にある音韻が／か／
で、アクセントの付与されていないものを意味する。フ
ァイル番号３１は、素片ファイル２４１中のファイル識
別符号であり、素片選択部１４において選択の対象とな
る。素片抽出環境３２は、波形素片の抽出可能な単語を
示すものである。図示の例では、「＃ｋａー」の波形素
片が「＃ｋａｋａｅｒｕ＃」等の単語から抽出可能であ
ることを示している。各素片抽出環境に対応する韻律パ
ラメタ３３〜３６は、波形切り出しの際に解析された値
であり、固定的な数値データである。
ーブル２３１の内容例であり、３０はテーブル名、３１
はファイル番号、３２は素片抽出環境、３３は平均ピッ
チ周波数、３４はピッチ傾斜、３５は継続時間、３６は
平均パワである。テーブル名３０は、例えば素片抽出環
境３２のインデックスとして機能させる。「＃ｋａー」
は、自然音声（単語・文章）の先頭にある音韻が／か／
で、アクセントの付与されていないものを意味する。フ
ァイル番号３１は、素片ファイル２４１中のファイル識
別符号であり、素片選択部１４において選択の対象とな
る。素片抽出環境３２は、波形素片の抽出可能な単語を
示すものである。図示の例では、「＃ｋａー」の波形素
片が「＃ｋａｋａｅｒｕ＃」等の単語から抽出可能であ
ることを示している。各素片抽出環境に対応する韻律パ
ラメタ３３〜３６は、波形切り出しの際に解析された値
であり、固定的な数値データである。
【００１７】また、図４は、単音節パラメタテーブル２
３２の内容例であり、４１はファイル番号、４２は単音
節、４３は平均ピッチ周波数、４４はピッチ傾斜、４５
は継続時間、４６は平均パワである。ファイル番号４１
は、単音節ファイル２４２中のファイル識別符号であ
り、上記ファイル番号３１と同様、素片選択部１４にお
いて選択の対象となる。単音節４２は、単音節ファイル
２４２中に格納された単音節に対応するものである。図
示の例では、ａ，ｉ，・・・ｗａ等、１１０個の単音節
が単音節ファイル２４２に格納されていることを示して
いる。この単音節の種類はできるだけ多い方が好まし
い。なお、各単音節に対応する韻律パラメタ４３〜４６
は、予め解析された固定的な数値データである。
３２の内容例であり、４１はファイル番号、４２は単音
節、４３は平均ピッチ周波数、４４はピッチ傾斜、４５
は継続時間、４６は平均パワである。ファイル番号４１
は、単音節ファイル２４２中のファイル識別符号であ
り、上記ファイル番号３１と同様、素片選択部１４にお
いて選択の対象となる。単音節４２は、単音節ファイル
２４２中に格納された単音節に対応するものである。図
示の例では、ａ，ｉ，・・・ｗａ等、１１０個の単音節
が単音節ファイル２４２に格納されていることを示して
いる。この単音節の種類はできるだけ多い方が好まし
い。なお、各単音節に対応する韻律パラメタ４３〜４６
は、予め解析された固定的な数値データである。
【００１８】次に、上記構成の音声合成装置における音
声合成処理の内容を説明する。音韻記号及びアクセント
記号から成る入力文字列は、入力端子１１から入力され
た後に、前処理部１２において音韻単位に分割される。
本実施例における音韻単位とは、／ａ／や／ｋａ／など
の音韻の他に、素片接続の滑らかさを考慮して／ａｉ／
などの連母音や、／ａＮ／などの複合音節を含むものと
する。選択基準パラメタ設定部１３では、分割された音
韻単位に対応する最適な波形素片（最適素片）の選択基
準となる韻律パラメタ、即ち選択基準パラメタを設定す
る。この実施例では、選択基準パラメタとして上述の平
均ピッチ周波数、ピッチ傾斜、時間長、平均パワの全て
を使用するが、この選択基準パラメタは、合成音声の韻
律条件に応じて適宜変更しても良い。
声合成処理の内容を説明する。音韻記号及びアクセント
記号から成る入力文字列は、入力端子１１から入力され
た後に、前処理部１２において音韻単位に分割される。
本実施例における音韻単位とは、／ａ／や／ｋａ／など
の音韻の他に、素片接続の滑らかさを考慮して／ａｉ／
などの連母音や、／ａＮ／などの複合音節を含むものと
する。選択基準パラメタ設定部１３では、分割された音
韻単位に対応する最適な波形素片（最適素片）の選択基
準となる韻律パラメタ、即ち選択基準パラメタを設定す
る。この実施例では、選択基準パラメタとして上述の平
均ピッチ周波数、ピッチ傾斜、時間長、平均パワの全て
を使用するが、この選択基準パラメタは、合成音声の韻
律条件に応じて適宜変更しても良い。
【００１９】素片選択部１４では、素片ファイル２４１
に属する波形素片または単音節ファイル２４２に属する
単音節の各韻律パラメタと上記選択基準パラメタとを用
いて音韻単位毎の最適素片をそれぞれ選択する。この素
片選択部１４の詳細な動作を、図５を参照して具体的に
説明する。ここで図５は、本発明における素片選択部１
４の動作原理を示すフローチャートであり、Ｓは、各処
理ステップを表す。
に属する波形素片または単音節ファイル２４２に属する
単音節の各韻律パラメタと上記選択基準パラメタとを用
いて音韻単位毎の最適素片をそれぞれ選択する。この素
片選択部１４の詳細な動作を、図５を参照して具体的に
説明する。ここで図５は、本発明における素片選択部１
４の動作原理を示すフローチャートであり、Ｓは、各処
理ステップを表す。
【００２０】まず、音韻情報管理テーブル２２を参照し
て音韻単位毎の波形素片数を求める（Ｓ３１）。そし
て、この求めた波形素片数によって以下のように選択処
理の内容を決定する（Ｓ３２）。波形素片数が０、つま
り存在しないときは、当該音韻単位に対応する単音節を
最適素片とみなして選択する（Ｓ３３１）。例えば、音
韻単位／ｄｉ／に対応する波形素片が存在しないとき
は、単音節パラメタテーブル２３２を検索し、ファイル
番号１１０（図４参照）の単音節ｄｉを自動的に最適素
片とみなす。他方、波形素片数が０でないときは、上記
選択基準パラメタと当該波形素片の韻律パラメタとを用
いて最適素片を選択する（Ｓ３３２）。波形素片数が１
の場合は、その波形素片を最適素片とする。波形素片が
２以上の場合の選択手法は、任意のものを用いて良い
が、例えば、選択基準パラメタと各韻律パラメタとの間
で２乗誤差を計算し、その２乗誤差が最小となるものを
最適素片とすれば、より選択基準パラメタに近い韻律パ
ラメタの最適素片が得られる利点がある。このようにし
て選択した最適素片に対応するファイル及びその韻律パ
ラメタを、素片変形部に出力する（Ｓ３４）。
て音韻単位毎の波形素片数を求める（Ｓ３１）。そし
て、この求めた波形素片数によって以下のように選択処
理の内容を決定する（Ｓ３２）。波形素片数が０、つま
り存在しないときは、当該音韻単位に対応する単音節を
最適素片とみなして選択する（Ｓ３３１）。例えば、音
韻単位／ｄｉ／に対応する波形素片が存在しないとき
は、単音節パラメタテーブル２３２を検索し、ファイル
番号１１０（図４参照）の単音節ｄｉを自動的に最適素
片とみなす。他方、波形素片数が０でないときは、上記
選択基準パラメタと当該波形素片の韻律パラメタとを用
いて最適素片を選択する（Ｓ３３２）。波形素片数が１
の場合は、その波形素片を最適素片とする。波形素片が
２以上の場合の選択手法は、任意のものを用いて良い
が、例えば、選択基準パラメタと各韻律パラメタとの間
で２乗誤差を計算し、その２乗誤差が最小となるものを
最適素片とすれば、より選択基準パラメタに近い韻律パ
ラメタの最適素片が得られる利点がある。このようにし
て選択した最適素片に対応するファイル及びその韻律パ
ラメタを、素片変形部に出力する（Ｓ３４）。
【００２１】例えば、図３におけるファイル番号０７４
１に属する波形素片が最適素片とされた場合には、当該
ファイル番号に対応するファイルを素片ファイル２４１
より抽出して出力するとともに、その韻律パラメタ３３
〜３６を出力する。同様に、図４におけるファイル番号
１１０に属する単音節ｄｉが最適素片とみなされた場合
には、当該ファイル番号に対応するファイルを単音節フ
ァイル２４２より抽出して出力するとともに、その韻律
パラメタ４３〜４６を出力する。
１に属する波形素片が最適素片とされた場合には、当該
ファイル番号に対応するファイルを素片ファイル２４１
より抽出して出力するとともに、その韻律パラメタ３３
〜３６を出力する。同様に、図４におけるファイル番号
１１０に属する単音節ｄｉが最適素片とみなされた場合
には、当該ファイル番号に対応するファイルを単音節フ
ァイル２４２より抽出して出力するとともに、その韻律
パラメタ４３〜４６を出力する。
【００２２】素片変形部１６では、素片選択部１４から
導かれたファイルの韻律パラメタを、上記選択基準パラ
メタに近づくように変形処理を施す。この変更処理は、
ファイル内容が波形素片の場合は従来の一般的な手法を
用いることができる。他方、単音節の場合には、例え
ば、その韻律パラメタの時間長を対応する選択基準パラ
メタの時間長に近づくように間引き又は補間する処理と
なる。他の韻律パラメタについてもピッチ制御や周波数
制御等によって変形処理が可能である。このように単音
節の韻律パラメタについても変形処理を行うのは、単純
に単音節ファイル２４２から該当する単音節を抽出して
接続しただけでは合成音声の自然性向上が図れないため
であり、また、波形素片との代替性をより完全に担保す
るためでもある。
導かれたファイルの韻律パラメタを、上記選択基準パラ
メタに近づくように変形処理を施す。この変更処理は、
ファイル内容が波形素片の場合は従来の一般的な手法を
用いることができる。他方、単音節の場合には、例え
ば、その韻律パラメタの時間長を対応する選択基準パラ
メタの時間長に近づくように間引き又は補間する処理と
なる。他の韻律パラメタについてもピッチ制御や周波数
制御等によって変形処理が可能である。このように単音
節の韻律パラメタについても変形処理を行うのは、単純
に単音節ファイル２４２から該当する単音節を抽出して
接続しただけでは合成音声の自然性向上が図れないため
であり、また、波形素片との代替性をより完全に担保す
るためでもある。
【００２３】素片接続部１７では、前記素片変形部１６
で変形された波形素片又は単音節を、入力文字列に従っ
て音韻単位毎に順次結合することによって合成音声を生
成する。以上のような一連の処理を経て、出力端子１８
には、入力文字列に対応した、抜けの無い自然な合成音
声が出力される。
で変形された波形素片又は単音節を、入力文字列に従っ
て音韻単位毎に順次結合することによって合成音声を生
成する。以上のような一連の処理を経て、出力端子１８
には、入力文字列に対応した、抜けの無い自然な合成音
声が出力される。
【００２４】このように、本実施例によれば、分割され
た音韻単位に対応する波形素片が存在しない場合でも、
対応する適切な単音節を選択して音声合成を行うことが
できる。従って、従来のように、全ての音韻単位に対し
て波形素片を予め用意する必要がなく、少ない自然音声
データからでも音声合成を行うことができる。
た音韻単位に対応する波形素片が存在しない場合でも、
対応する適切な単音節を選択して音声合成を行うことが
できる。従って、従来のように、全ての音韻単位に対し
て波形素片を予め用意する必要がなく、少ない自然音声
データからでも音声合成を行うことができる。
【００２５】
【発明の効果】以上の説明から明らかなように、本発明
の音声合成装置は、波形素片及び単音節の２種のパラメ
タを複合的な合成パラメタとして用い、音韻単位に対応
する波形素片が素片情報格納手段に存在するときは、予
め素片選択基準として定めた韻律パラメタとの誤差が最
小となる韻律パラメタに対応する波形素片を選択抽出
し、他方、存在しないときは当該音韻単位に対応する単
音節を単音節情報格納手段より選択抽出し、抽出された
波形素片又は単音節を入力文字列の順に接続する構成な
ので、合成対象となる語彙が増加した場合でも、語彙に
対応する波形素片を新たに追加することなく、予め作成
した自然音声データ、即ち波形素片と単音節、及びその
韻律パラメタのみを用いて、抜けのない自然な合成音声
を生成することができる。しかも、上述のように自然音
声データの追加を必要としないので、ファイル容量を小
さくすることができる。これにより、簡素で低コスト、
且つ、音声合成処理時間が短縮されて一定時間内に高品
質な合成音声を生成する構成の音声合成装置を実現する
ことができる。
の音声合成装置は、波形素片及び単音節の２種のパラメ
タを複合的な合成パラメタとして用い、音韻単位に対応
する波形素片が素片情報格納手段に存在するときは、予
め素片選択基準として定めた韻律パラメタとの誤差が最
小となる韻律パラメタに対応する波形素片を選択抽出
し、他方、存在しないときは当該音韻単位に対応する単
音節を単音節情報格納手段より選択抽出し、抽出された
波形素片又は単音節を入力文字列の順に接続する構成な
ので、合成対象となる語彙が増加した場合でも、語彙に
対応する波形素片を新たに追加することなく、予め作成
した自然音声データ、即ち波形素片と単音節、及びその
韻律パラメタのみを用いて、抜けのない自然な合成音声
を生成することができる。しかも、上述のように自然音
声データの追加を必要としないので、ファイル容量を小
さくすることができる。これにより、簡素で低コスト、
且つ、音声合成処理時間が短縮されて一定時間内に高品
質な合成音声を生成する構成の音声合成装置を実現する
ことができる。
【００２６】また、本発明の他の構成に係る音声合成装
置は、上記素片選択部で選択された波形素片又は単音節
の韻律パラメタを変形して素片選択の基準となる韻律パ
ラメタに近付ける素片変形部を設け、この変形された波
形素片等を接続して合成音声を生成するようにしたの
で、所望の韻律の合成音声を高速に生成することが可能
となる。
置は、上記素片選択部で選択された波形素片又は単音節
の韻律パラメタを変形して素片選択の基準となる韻律パ
ラメタに近付ける素片変形部を設け、この変形された波
形素片等を接続して合成音声を生成するようにしたの
で、所望の韻律の合成音声を高速に生成することが可能
となる。
【図１】本発明の一実施例に係る音声合成装置の機能ブ
ロック図。
ロック図。
【図２】本実施例の音声合成装置における素片ファイル
管理部の構成図。
管理部の構成図。
【図３】上記素片ファイル管理部を構成する素片パラメ
タテーブルの内容説明図。
タテーブルの内容説明図。
【図４】上記素片ファイル管理部を構成する単音節パラ
メタテーブルの内容説明図。
メタテーブルの内容説明図。
【図５】本実施例の音声合成装置における素片選択部の
動作を示すフローチャート。
動作を示すフローチャート。
【図６】従来の音声合成装置の機能ブロック図
１２ 前処理部 １３ 選択基準パラメタ設定部 １４ 素片選択部 １５ 素片ファイル管理部 １６ 素片変形部 １７ 素片接続部 ２２ 音韻情報管理テーブル ２３１ 素片パラメタテーブル ２３２ 単音節パラメタテーブル ２４１ 素片ファイル ２４２ 単音節ファイル
Claims (3)
- 【請求項１】 音声に対応する入力文字列を音韻単位に
分割する前処理部と、 自然音声より切り出した複数の波形素片と各波形素片の
韻律パラメタとを格納する素片情報格納手段と、 複数の単音節と各単音節の韻律パラメタとを格納する単
音節情報格納手段と、 前記分割された音韻単位に対応する波形素片が前記素片
情報格納手段に存在するか否かを検索し、存在するとき
は予め素片選択基準として定めた韻律パラメタとの誤差
が最小となる韻律パラメタに対応する波形素片を選択抽
出し、他方、存在しないときは当該音韻単位に対応する
単音節を前記単音節情報格納手段より選択抽出する素片
選択手段と、 抽出された波形素片又は単音節を前記入力文字列の順に
接続して合成音声を生成する素片接続部と、 を少なくとも有することを特徴とする音声合成装置。 - 【請求項２】 請求項１記載の音声合成装置において、 前記素片選択手段で選択抽出した波形素片又は単音節の
韻律パラメタを変形せしめて前記素片選択基準として定
めた韻律パラメタとの誤差を零値に近づける素片変形部
を設け、この変形された韻律パラメタの波形素片又は単
音節を前記素片接続部に導く構成としたことを特徴とす
る音声合成装置。 - 【請求項３】 請求項１又は２記載の音声合成装置にお
いて、 前記誤差は、前記選択基準として定めた韻律パラメタと
抽出された個々の韻律パラメタとの差分を各韻律パラメ
タの変動幅で除した値の２乗の和であることを特徴とす
る音声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6108761A JPH07319497A (ja) | 1994-05-23 | 1994-05-23 | 音声合成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6108761A JPH07319497A (ja) | 1994-05-23 | 1994-05-23 | 音声合成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07319497A true JPH07319497A (ja) | 1995-12-08 |
Family
ID=14492837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6108761A Pending JPH07319497A (ja) | 1994-05-23 | 1994-05-23 | 音声合成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07319497A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5950152A (en) * | 1996-09-20 | 1999-09-07 | Matsushita Electric Industrial Co., Ltd. | Method of changing a pitch of a VCV phoneme-chain waveform and apparatus of synthesizing a sound from a series of VCV phoneme-chain waveforms |
| US6035272A (en) * | 1996-07-25 | 2000-03-07 | Matsushita Electric Industrial Co., Ltd. | Method and apparatus for synthesizing speech |
| US6125346A (en) * | 1996-12-10 | 2000-09-26 | Matsushita Electric Industrial Co., Ltd | Speech synthesizing system and redundancy-reduced waveform database therefor |
| KR100403293B1 (ko) * | 1999-07-23 | 2003-10-30 | 코나미 가부시키가이샤 | 음성합성방법, 음성합성장치 및 음성합성프로그램을기록한 컴퓨터판독 가능한 매체 |
| WO2004109660A1 (ja) * | 2003-06-04 | 2004-12-16 | Kabushiki Kaisha Kenwood | 音声データを選択するための装置、方法およびプログラム |
| WO2004109659A1 (ja) * | 2003-06-05 | 2004-12-16 | Kabushiki Kaisha Kenwood | 音声合成装置、音声合成方法及びプログラム |
| JP2005018036A (ja) * | 2003-06-05 | 2005-01-20 | Kenwood Corp | 音声合成装置、音声合成方法及びプログラム |
| US7139712B1 (en) | 1998-03-09 | 2006-11-21 | Canon Kabushiki Kaisha | Speech synthesis apparatus, control method therefor and computer-readable memory |
-
1994
- 1994-05-23 JP JP6108761A patent/JPH07319497A/ja active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6035272A (en) * | 1996-07-25 | 2000-03-07 | Matsushita Electric Industrial Co., Ltd. | Method and apparatus for synthesizing speech |
| US5950152A (en) * | 1996-09-20 | 1999-09-07 | Matsushita Electric Industrial Co., Ltd. | Method of changing a pitch of a VCV phoneme-chain waveform and apparatus of synthesizing a sound from a series of VCV phoneme-chain waveforms |
| US6125346A (en) * | 1996-12-10 | 2000-09-26 | Matsushita Electric Industrial Co., Ltd | Speech synthesizing system and redundancy-reduced waveform database therefor |
| US7139712B1 (en) | 1998-03-09 | 2006-11-21 | Canon Kabushiki Kaisha | Speech synthesis apparatus, control method therefor and computer-readable memory |
| KR100403293B1 (ko) * | 1999-07-23 | 2003-10-30 | 코나미 가부시키가이샤 | 음성합성방법, 음성합성장치 및 음성합성프로그램을기록한 컴퓨터판독 가능한 매체 |
| WO2004109660A1 (ja) * | 2003-06-04 | 2004-12-16 | Kabushiki Kaisha Kenwood | 音声データを選択するための装置、方法およびプログラム |
| WO2004109659A1 (ja) * | 2003-06-05 | 2004-12-16 | Kabushiki Kaisha Kenwood | 音声合成装置、音声合成方法及びプログラム |
| JP2005018036A (ja) * | 2003-06-05 | 2005-01-20 | Kenwood Corp | 音声合成装置、音声合成方法及びプログラム |
| EP1630791A4 (en) * | 2003-06-05 | 2008-05-28 | Kenwood Corp | SPEECH SYNTHESIS DEVICE, SPEECH SYNTHESIS METHOD, AND PROGRAM |
| US8214216B2 (en) | 2003-06-05 | 2012-07-03 | Kabushiki Kaisha Kenwood | Speech synthesis for synthesizing missing parts |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS62160495A (ja) | 音声合成装置 | |
| US20060100878A1 (en) | Synthesis-based pre-selection of suitable units for concatenative speech | |
| US6035272A (en) | Method and apparatus for synthesizing speech | |
| US6212501B1 (en) | Speech synthesis apparatus and method | |
| KR20060008330A (ko) | 음성 합성 장치, 음성 합성 방법 및 프로그램 | |
| JPH07319497A (ja) | 音声合成装置 | |
| US7089187B2 (en) | Voice synthesizing system, segment generation apparatus for generating segments for voice synthesis, voice synthesizing method and storage medium storing program therefor | |
| van Rijnsoever | A multilingual text-to-speech system | |
| JP2004258660A (ja) | 音声合成方法および装置 | |
| JPH09319391A (ja) | 音声合成方法 | |
| JP3515406B2 (ja) | 音声合成方法及び装置 | |
| JPH06318094A (ja) | 音声規則合成装置 | |
| JPH1195796A (ja) | 音声合成方法 | |
| JP3626398B2 (ja) | テキスト音声合成装置、テキスト音声合成方法及びその方法を記録した記録媒体 | |
| JPH07140996A (ja) | 音声規則合成装置 | |
| JPH08234793A (ja) | Ｖｃｖ連鎖波形を接続する音声合成方法およびその装置 | |
| JP4414864B2 (ja) | 録音編集・テキスト音声合成併用型音声合成装置、録音編集・テキスト音声合成併用型音声合成プログラム、記録媒体 | |
| JP2880507B2 (ja) | 音声合成方法 | |
| Niimi et al. | Synthesis of emotional speech using prosodically balanced VCV segments. | |
| JPH0358100A (ja) | 規則型音声合成装置 | |
| JPH09230893A (ja) | 規則音声合成方法及び音声合成装置 | |
| Zervas et al. | A Greek TTS based on Non uniform unit concatenation and the utilization of Festival architecture | |
| JP3522005B2 (ja) | 音声合成装置 | |
| JP3314106B2 (ja) | 音声規則合成装置 | |
| JP2005241789A (ja) | 素片接続型音声合成装置及び方法、並びに音声素片データベースの作成方法 |