JPH08263260A - テキスト読み上げ方法 - Google Patents

Abstract

(57)【要約】 【目的】 レイアウトを持つテキストの構造を、音声や
サウンドを用いて表現し、ウインドウシステム等の操作
における読み上げ対象テキストの画面上の位置を、音声
やサウンドを用いて表現する。 【構成】 テキスト中の文字のフォント、下線、大きさ
等の文字属性の分類ごとに異なる音質を持つ合成音声を
用いてテキストを読み上げる。文字属性の分類ごとに異
なる音質を持つサウンドを読み上げ音声と同時に出力す
る。テキストの文字属性や位置、状態によって音声によ
って読み上げるか、サウンドを出力するか、音声によっ
て読み上げてサウンドを出力する。テキスト中の現在読
み上げている文字の、テキスト全体に対する相対位置に
対応する音響空間上の位置に、該文字に割り当てられた
音声信号やサウンド信号を定位する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、テキスト情報を読み上
げるテキスト読み上げ方法に係り、複数の文字種やレイ
アウトを持つテキストの構造や、表示画面上のテキスト
位置を表現するテキスト読み上げ方法に関する。

【０００２】

【従来の技術】コンピュータや通信端末等の情報機器の
発達に伴って情報の電子化が進んできた。このような電
子化された情報は、加工や蓄積、伝送、提示等を行うう
えで扱いやすい。また、最近の音声合成技術の進歩によ
って、電子化されたテキスト情報を音声化して読み上げ
ることが可能になった。このような背景の中で、最近、
文章の校正や読み合わせ作業、視覚障害者の情報取得
や、文字の読み取りが困難な状況などに、テキストの音
声による読み上げが利用されている。特に、携帯情報端
末などでは、表示画面が小さく見にくいことや、移動中
には表示を見ることが困難なため、音声によるテキスト
の読み上げが有効になる。

【０００３】一方、パーソナルコンピュータやワークス
テーションの端末制御方法として、近年、マルチウイン
ドウシステムが多く用いられている。このようなシステ
ムにおいては、マウス等のポインティングデバイスを用
いて、ウインドウやアイコンの選択、メニュー操作によ
るコマンド選択、ファイル検索等を行うが、この際に、
ウインドウ名やアイコン名、コマンド種類やファイル名
等を音声で読み上げることによって、ウインドウシステ
ムの操作結果を理解しやすくすることができる。特に、
視覚情報の取得が不可能か、制限のある視覚障害者にと
っては、このような音声による読み上げはウインドウシ
ステムの操作を行うためには不可欠である。

【０００４】従来提案されているテキスト読み上げ方法
としては、例えば、J. Allen, M. S. Hunnicutt and D.
Klatt, "From text to speech: The MITalk system"
（Cambridge University Press, 1987）記載の方法があ
る。これは、テキストを解析し、規則を用いて音声信号
に変換する方法である。また、テキスト中の文の種類等
を判別するために、文の種類によって音声の音質を変更
する方法が考案されている。このような方法として、例
えば、「文章読み上げ装置」（特開昭６２−２１９０６
６）記載の様に、文章中の括弧や引用符などの記号を検
出したときに、読み上げ音声の音質を変化させることに
より、引用文部分等を識別可能にする方法や、「音声出
力装置」（特開昭５６−１０１２４７）記載の様に、文
字ごとに予め読み属性を割り当てておき、その読み属性
に従って音声を規則合成する方法がある。

【０００５】

【発明が解決しようとする課題】ビットマップディスプ
レイ等を用いることによって、テキスト情報に文字の種
類や大きさ、文字飾り等の付加的情報を与え、文書全体
のレイアウトを構造化して視覚的により読み取りやすく
情報を提示することが可能になってきている。ところ
が、このようなディスプレイを想定した付加的情報付き
電子化テキストは、表示画面が小さい場合や表示を見る
ことができない場合には、従来の文章読み上げ方法で
は、複数の文字種や大きさ、文字飾り等の文字属性を含
み、段落分けや、段組み、タイトル等、レイアウトを持
ったテキストの構造を、単調な音声による読み上げのみ
で理解することは困難である。また、マルチウインドウ
システムにおけるウインドウの名称や、メニューのコマ
ンド名等は、画面上の様々な位置に表示されている。こ
のような名称等を音声によって読み上げる場合、従来の
読み上げ方法では、表示位置を判別することができない
という問題があった。

【０００６】本発明の目的は、このようなレイアウトを
持つテキストの構造を、音声やサウンドを用いて表現す
るテキスト読み上げ方法を提供することにある。本発明
のもうひとつの目的は、ウインドウシステム等の操作に
おける読み上げ対象の画面上の位置を、音声やサウンド
を用いて表現するテキスト読み上げ方法を提供すること
にある。

【０００７】

【課題を解決するための手段】テキスト中の文字のフォ
ント、下線、大きさ等の文字属性の分類手段を有し、該
分類ごとに異なる音質を持つ合成音声を用いてテキスト
を読み上げる方法を設けた。

【０００８】また、サウンドの種類や音質、大きさ等を
変えて出力するサウンド生成手段と、テキスト中の文字
のフォント、下線、大きさ等の文字属性の分類手段を有
し、該分類ごとに異なる音質を持つサウンドを読み上げ
音声と同時に出力する方法を設けた。

【０００９】また、テキストから音声を合成する音声合
成手段と、テキストの文字に対応付けてサウンドを生成
するサウンド生成手段と、音声およびサウンドを出力す
る音響出力手段を有し、対象の位置や状態、対象に割り
当てたテキストの文字属性等によって、対象を音声によ
って読み上げるか、サウンドを出力するか、音声によっ
て読み上げてサウンドを出力する方法を設けた。

【００１０】さらに、音声を任意の方向から聞こえるよ
うに提示することが可能な音像定位手段と、現在読み上
げている文字の、視覚的表示におけるテキスト全体に対
する相対的な座標を、音響空間上に写像する手段を有
し、テキスト中の現在読み上げている文字の、テキスト
全体に対する相対位置に対応する音響空間上の位置に、
該文字に割り当てられた音声信号やサウンド信号を定位
する方法を設けた。

【００１１】

【作用】テキスト中の文字のフォント、下線、大きさ等
の文字属性の分類手段を有し、該分類ごとに異なる音質
を持つ合成音声を用いてテキストを読み上げる方法を設
けたことにより、文字の属性を音声の種類で提示できる
ようになる。

【００１２】また、音の音質や大きさを変えて出力する
音出力手段を有し、テキスト中の文字のフォント、下
線、大きさ等の文字属性の分類手段を有し、該分類ごと
に異なる音質を持つ音を読み上げ音声と同時に出力する
方法を設けたことにより、文字の属性を音で提示できる
ようになる。

【００１３】また、テキストから音声を合成する音声合
成手段と、テキストの文字に対応付けてサウンドを生成
するサウンド生成手段と、音声およびサウンドを出力す
る音響出力手段を有し、対象の位置や状態、対象に割り
当てたテキストの文字属性等によって、対象を音声によ
って読み上げるか、サウンドを出力するか、音声によっ
て読み上げてサウンドを出力する方法を設けたことによ
り、対象の位置や状態、対象に割り当てたテキストの文
字属性の違い等を提示できるようになる。

【００１４】さらに、現在読み上げているテキスト中の
文字のテキスト全体に対する相対的な位置を音響空間に
写像し、現在読み上げられている文字のテキスト全体に
対する相対位置に対応した方向から音声やサウンドが聞
こえるように提示する手段を設けたことにより、現在読
み上げられている文字のテキスト全体に対する相対位置
を提示できるようになる。

【００１５】

【実施例】以下、本発明の実施例を図を用いて説明す
る。

【００１６】図１は、本発明の方法を実行するためのハ
ードウエア構成の一実施例である。図１は、音声および
サウンド出力のための音響デバイスを有する典型的なコ
ンピュータシステムの構成を持つ。すわなち、演算を行
うＣＰＵ１０１、演算のためのプログラムおよびデータ
を一時的に保持し、逐次書き換えを行うＲＡＭ１０２、
システム起動プログラム等を格納するＲＯＭ１０３、シ
ステム入出力を制御するためのＩ／Ｏコントローラ１０
４、システムプログラム、アプリケーションプログラ
ム、データ等を保持するための磁気ディスク等のディス
ク装置１０５を有し、これらはシステムバス１０６を介
して命令およびデータ転送を行う。また、Ｉ／Ｏコント
ローラ１０４は、ＣＲＴディスプレイ等の表示デバイス
１０７、マウス、タッチパネル等のポインティングデバ
イス１０８、キーボード等の入力デバイス１０９、デー
タ送受用通信ポート１１０、マイクロフォン、スピーカ
等の音響デバイス１１１をバス１１２を介して制御す
る。

【００１７】このようなハードウェアの標準的制御は、
一般にオペレーティングシステムと呼ばれるソフトウェ
アで行われる。本発明であるテキスト読み上げ方法のア
ルゴリズムは、該ハードウェアおよびオペレーティング
システム上で実行されるソフトウェアとして実現するこ
とが可能である。

【００１８】本方法のアルゴリズムを実行するソフトウ
ェアは、ＲＯＭ１０３またはディスク装置１０５に格納
され、システムの立ち上げ後、必要に応じてＲＡＭ１０
２にロードされて、ＣＰＵ１０１によって実行される。
また、ディスク装置１０５に予め格納されている電子化
テキストや、入力デバイス１０９や、通信ポート１１０
を介して入力されたテキストに対して、本テキスト読み
上げ方法によって生成した音声やサウンドは、音響デバ
イス１１１を通して出力される。このとき、システムの
使用者による制御やテキストの入力に、ポインティング
デバイス１０８や入力デバイス１０９、通信ポート１１
０を用いてもよいし、電子化テキストやその他のデータ
をＣＲＴディスプレイ等の表示デバイス１０７を用いて
表示してもよい。ただし、これらのデバイスは、本発明
であるテキスト読み上げ方法に必須ではない。

【００１９】本実施例は、例えば音響出力デバイスを有
するパーソナルコンピュータやワークステーションを用
いて実現することが可能である。

【００２０】図２は、立体音響出力を行う場合の、本発
明の方法を実現するためのハードウエア構成の一実施例
である。図２において、本発明を用いて生成された立体
音響を用いた音声やサウンドは、立体音響デバイス２０
１から出力される。立体音響デバイスは、たとえば市販
の立体音場創成用高速演算ボードおよび複数スピーカー
を用いることが可能である。

【００２１】以下、本発明であるテキスト読み上げ方法
のアルゴリズムの各処理ブロックの機能について説明す
る。

【００２２】まず、本発明におけるテキスト音声化を実
現する処理部分を示す。図３は、文字属性によって音質
を変える音声規則合成処理ブロックの構成を表す図であ
る。図３において、入力されたテキストは、読み上げ位
置検出処理ブロック３０１において読み上げる文字を検
出し、言語処理ブロック３０２において言語処理され、
韻律生成処理ブロック３０３において、イントネーショ
ンやアクセント等の韻律が決定される。また、音韻生成
処理ブロック３０４は、言語処理結果から音韻系列を生
成する。一方、文字属性抽出処理ブロック３０５は、テ
キストデータの読み上げ位置の文字に付与されている文
字属性を抽出し、音質制御処理ブロック３０６で、予め
文字属性に音声の音色を対応付けておいた音色テーブル
３０７や、話者を対応付けた話者テーブル３０８、文字
サイズに対応付けたレベルテーブル３０９を用いて音質
制御データを作成する。文字属性は、表示または印刷用
に文字属性を持つ電子化テキストには、予め各文字に対
して付与されており、この属性データを用いることによ
って容易に抽出することができる。音響パラメータ生成
処理ブロック３１０は、素片辞書３１１に格納されてい
る素片データを用いて、韻律生成処理ブロック３０３で
作成された韻律データ、音韻生成処理ブロック３０４で
作成された音韻データ、および音質制御処理ブロック３
０６で作成された音質データから実際に音響パラメータ
を生成し、信号生成処理ブロック３１２において音声信
号を生成して出力する。

【００２３】テキストから再生音声情報を合成し、音声
信号を得る手順は、例えば、J. Allen, M. S. Hunnicut
t and D. Klatt, "From text to speech: The MITalk s
ystem"（Cambridge University Press,,1987）に詳細に
記述されている。

【００２４】ただし、テキストから音声を得る方法とし
ては、例えばテキストの単語や文等と、該単語や文を発
声した音声信号を対応付けておき、出現した単語に対し
て音声信号を出力するいわゆる録音再生方法を用いるこ
とも可能である。

【００２５】図４は、図３における音色テーブルの例で
ある。図４では、下線や太字等の文字属性ごとに、音声
の基本周波数の変更や、ローパスフィルタリング等の加
工を行うことによって、文字属性ごとに音声の音色を変
えるために、各文字属性に対して異なる加工方法を対応
付けている。

【００２６】図５は、図３における話者テーブルの例で
ある。図５では、文字の字体ごとに異なる話者を対応付
け、字体が変わった際に話者を変えることによって字体
の違いを表現する。図５における話者インデクスは、図
３の素片辞書に含まれる図６に示すような話者データの
番号を表わし、図３における音質制御処理ブロックは、
抽出された字体に対応する話者を素片辞書から選択す
る。また、図７に示すように、文字属性に対して異なる
話者を対応付け、文字属性の違いを話者の違いで表現し
てもよい。

【００２７】図８は、図３におけるレベルテーブルの例
である。図８では、文字の大きさによって異なるレベル
の音を出力するように、文字サイズと出力レベルを対応
付けることによって文字の大きさの違いを表現する。な
お、出力レベルは、必ずしも文字サイズの差に対して等
比である必要はなく、聴感上の差に合わせたレベルを選
択してもよい。

【００２８】次に、本発明のアルゴリズムにおいてテキ
ストからサウンドを生成する処理部分を示す。図９は、
文字属性ごとに異なる音色のサウンドを出力するサウン
ド生成処理ブロックの構成を表わす図である。図９にお
いて、入力されたテキストに対し、文字属性抽出処理ブ
ロック９０１は、読み上げ位置検出処理ブロック９０２
によって検出されたテキスト中の読み上げ位置の文字に
ついて、図３と同様に入力されたテキストから文字属性
を抽出する。音質制御処理ブロック９０３は、抽出され
た文字属性から、予め文字属性に対応付けておいたサウ
ンドテーブル９０４や図３と同様に図８に示すような文
字サイズに対応付けたレベルテーブル９０５を用いて音
質制御データを作成する。音響パラメータ生成処理ブロ
ック９０６は、サウンドデータ９０７の中から、サウン
ドテーブル９０４によって文字属性に対応付けられたサ
ウンドを選択し、レベルを変更した音響パラメータを生
成する。信号生成処理ブロック９０８は、音響パラメー
タからサウンド信号を生成する。

【００２９】図１０は、図９におけるサウンドテーブル
の例である。文字属性ごとに異なるサウンドを対応付
け、各文字属性に対して異なるサウンドを出力すること
によって文字属性の違いを表現する。

【００３０】図１１は、図９におけるサウンドテーブル
の別の例である。この例では、サウンドとして純音や楽
器音、帯域雑音等を対応付け、音色を基本周波数や中心
周波数を変えることによって変更することができる。こ
の場合は、例えば使用者が音色を変更できるような公知
の入出力インタフェースを用意すれば、各サウンドの音
色を、使用者の好みに合わせて変更することができる。

【００３１】また、図４の音質加工方法や、図５、７に
おける話者、図８のレベル、図１０、１１に示したサウ
ンドについても、使用者の好みに合わせて選択したり、
新たに登録したりできるようにしてもよい。

【００３２】ここで、本発明であるテキスト読み上げ方
法のアルゴリズムを実現する、入力されたテキストから
音声およびサウンドを生成して出力する処理を説明す
る。図１２は、音声およびサウンド出力制御処理の例で
ある。入力されたテキストに対し、先に図３および図９
に示したような音声規則合成処理ブロック１２０１やサ
ウンド生成処理ブロック１２０２によって生成された音
声およびサウンドは、同期制御処理ブロック１２０３に
おいて同期制御され、各文字に対応して同時に出力され
る。ただし、音声規則合成処理ブロック１２０１は、例
えば、J. Allen,M. S. Hunnicutt and D. Klatt, "From
text to speech: The MITalk system"（Cambridge Uni
versity Press, 1987）に記述されているような、文字
属性を考慮しない従来の音声規則合成方法に基づいた手
順で構成されるものであってもよい。

【００３３】一方、図１３は、本発明であるテキスト読
み上げ方法を、立体音響生成手段を用いて実現する立体
音響生成処理の例である。電子化テキストが、構造化文
書のように段組みや文章揃え、行間、インデント等、文
字表示位置を様々に変えることによって視覚的な変化を
表現している場合には、文字を読み上げる際に立体音響
生成手段を用いることによって、このような表示位置の
変化を表現することが可能である。図１３において、入
力されたテキストに対し、文字座標抽出処理ブロック１
３０１は、読み上げ位置検出処理ブロック１３０２によ
って検出されたテキスト中の読み上げ位置の文字につい
て、入力された電子化テキストの、現在読み上げている
文字の表示領域における相対的な座標を抽出する。表示
または印刷用に文字位置を様々に設定された電子化テキ
ストは、予め左右マージンや段幅、行間等の情報を持っ
ているため、この位置データを用いることによって文字
座標を容易に抽出することができる。音像制御処理ブロ
ック１３０３は、抽出された文字座標をもとに、立体音
響空間の対応する位置に音像を写像するための制御を行
う。立体音響生成処理ブロック１３０４は、読み上げ文
字位置に対応する音響空間上の位置に、図１２に示した
音声／サウンド出力制御処理ブロック１３０５において
生成された音声やサウンドが定位するように立体音響を
生成する。信号生成処理ブロック１３０６は、立体的な
空間位置から聞こえる立体音声やサウンド信号を生成し
て出力する。音像の制御、立体音響生成方法について
は、例えば小宮山、「音像制御技術」（テレビジョン学
会誌、 Vol.46, No.9, 1076-1079,1992）記載の空間音
像定位技術を用いて実現することが可能である。

【００３４】なお、本発明であるテキスト読み上げ方法
を実現する処理アルゴリズムを実行するためのテキスト
入力手段には、図１または２で説明した、ディスク装置
１０５に予め格納されている電子化テキストや、入力デ
バイス１０９、通信ポート１１０を介して入力されたテ
キストをロードする公知の方法を用いることができる。
また、本テキスト読み上げ方法によって生成した音声や
サウンド、または立体音響を用いた音声やサウンドは、
公知の方法を用いて音響デバイス１１１や立体音響デバ
イス２０１を通して出力することができる。

【００３５】図１４は、文字属性や段組み等を持つ電子
化テキスト文書の例である。タイトルや章題、本文によ
って文字サイズや字体、斜体や下線等の文字属性が異な
る。また、段組みや段落分けによって、テキストの位置
が設定される。表や図などが含まれる場合は、通常、表
や図をさけて本文を配置するため、そのような条件によ
ってもテキストの配置が異なる。図は、現在表示座標系
において（ｘ１、ｙ１）の位置を読み上げていることを
示している。音の出力は、図１３で説明した方法を用い
て読み上げ位置（ｘ１、ｙ１）に対応する音響空間上の
位置に定位させることによって、表の構造と、項目の位
置を判別することが可能となる。

【００３６】図１５は、図１４に示した文書の文字と文
字属性の対応を示している。このような対応関係を元に
図３、図９における文字属性抽出処理ブロックで、読み
上げる文字の文字属性を抽出する。

【００３７】図１６は、表示位置を音響空間に対応付け
る例である。図は、ＣＲＴディスプレイ装置等の表示空
間１６０１と使用者１６０２を、斜め後方から俯瞰的に
表している。表示空間１６０１上の読み上げる文字１６
０３の座標（ｘ１、ｙ１）を、音響空間１６０４の座標
（ｕ、ｖ）１６０５に対応付け、該文字に割れ当てられ
ている音声やサウンドを該音響空間上に定位する。

【００３８】ここで、音響空間を表示空間と完全に重な
るように配置すれば、表示空間上の対象物の位置と音響
空間上の音像の位置は完全に一致する。また、音響空間
を表示空間より大きくした場合は、相対的に音像定位の
解像度を向上させる効果が得られる。また、表示空間と
音響空間の対応付けは、例えば図１７に示すように、使
用者の両耳の中点を原点１７０１とし、該原点と表示空
間１７０２上の読み上げ位置１７０３の座標を直線で結
んだ延長上の等比位置に、音響空間１７０４の対象物に
対応する音像１７０５の座標を割り当てることによって
行うことが可能である。なお、音響空間への写像は、聴
覚の特性に合せて聴感に合うように変形してもよい。図
１７では、２次元空間を例に説明したが、本対応付けが
３次元空間に容易に拡張できることはいうまでもない。

【００３９】図１８は、電子化テキストの表の例であ
る。表の場合は、予め定められた順番で表中の文字や行
数、列数等を読み上げるが、その際にも、文字属性によ
って音声の音質や話者を変えたり、サウンドを出力す
る。また、音の出力を、図１３で説明した方法を用いて
読み上げ位置（ｘ２、ｙ２）に対応する音響空間上の位
置に定位させることによって、表の構造と、項目の位置
を判別することが可能となる。表示位置の音響空間への
対応付けには、図１４の文書の場合と同様の方法を用い
ることができる。

【００４０】図１９は、図１８に示した表の文字と文字
属性の対応を示している。このような対応関係を元に図
３、図９における文字属性抽出処理ブロックで、読み上
げる文字の文字属性を抽出する。

【００４１】図２０は、電子化テキストの図の例であ
る。図の場合も、予め定められた順番で図中の文字や図
の形状として予め対応付けられた音声等を読み上げる
が、その際にも、文字属性によって音声の音質や話者を
変えたり、サウンドを出力する。また、音の出力を、図
１３で説明した方法を用いて、読み上げ位置（ｘ３、ｙ
３）に対応する音響空間上の位置に定位させることによ
って、図の構造と、図中のテキストの位置を判別するこ
とが可能となる。表示位置の音響空間への対応付けに
は、図１４の文書の場合と同様の方法を用いることがで
きる。

【００４２】図２１は、図２０に示した図の文字と文字
属性の対応を示している。このような対応関係を元に図
３、図９における文字属性抽出処理ブロックで、読み上
げる文字の文字属性を抽出する。

【００４３】なお、読み上げる際に、例えばテキストの
途中に現われる行の変わり目、段の変わり目、ページの
変わり目等、急激に読み上げ位置が変化する部分を検出
して、その時に特定のサウンドを出力するようにすれ
ば、それぞれの行や段、ページの変化等を音の種類によ
っても判別することができる。また、表の読み上げ時に
罫線を越えて次の欄を読み上げる際には、特定のサウン
ドを出力するようにすれば、欄の移動を音の種類によっ
て判別することができる。

【００４４】図２２は、文書のページの違いを立体音響
で表現する例である。図２２に示すように、文書の１ペ
ージの配置をＸ−Ｙ座標、ページ数をＺ座標に対応付
け、読み上げる文字２２０１があるページによって聞こ
えてくる位置を前後移動することによって、現在読み上
げているページを判別することができる。図の例では、
１ページより２ページ、２ページより３ページが使用者
にとって奥にあるように音像を定位させる。

【００４５】また、図２３に示すように、使用者２３０
１の位置を位置センサ２３０２で検出し、読み上げる文
字２３０３の位置に対する使用者の位置の移動に合わせ
て音像を移動させることによって、音像の聞こえる位置
を調整することが可能である。その際に、使用者の移動
距離と、音像の移動距離を故意に変えてもよい。例え
ば、使用者の移動距離より音像の移動距離を相対的に大
きくすれば、使用者が身を乗り出す等の動作をしたとき
に、より大きな音で近くから聞こえるため、使用者の注
意を喚起することができる。

【００４６】図２４は、ウインドウシステムの読み上げ
例である。ウインドウシステムのメニュー操作やコマン
ド、ファイル、ウインドウ、アイコンの選択や移動等の
システム操作に対し、音声やサウンドを出力することに
よって、ウインドウシステムの操作結果を理解しやすく
することができる。ここで、２４０１、２４０２、２４
０３、２４０４、２４０５は、それぞれウインドウ、ア
イコン、メニュー、時計、およびカーソルを示す。２４
０６は、カーソル等でフォルダやファイル等を選択する
ことによってファイル検索や、アプリケーションの実行
等を行うファイルマネージャを表している。また、２４
０７はウインドウ名を表わしている。今、メニュー２４
０３内の「save」コマンドが選択されている。この時、
該コマンドの表示空間上の座標位置（ｘ４、ｙ４）に対
応する音響空間上の位置に該コマンドに割り当てられた
テキストに対応する音声やサウンドを定位することによ
って、コマンドのある位置や内容を判別することができ
る。

【００４７】図２５にウインドウシステムの各構成要素
と音声やサウンドへの対応付けの例を示す。例えば、ウ
インドウについては、ウインドウが表示されているとき
には常に該ウインドウに対応付けられたメロディを出力
し、該ウインドウが選択された際にはメロディの出力と
同時にウインドウ名を読み上る。また、メニューについ
ては、メニュー上でカーソルを移動している際はクリッ
ク音を出力し、カーソルが停止した際には停止した位置
のコマンド名を読み上げる。時計については、カーソル
が時計上に停止した際に柱時計の音を出力し、選択され
た際には時間を読み上げる。ファイルマネージャにおい
て、ファイルについては、カーソル通過時にはパーカッ
ション音、カーソル停止時にはファイル名を読み上げ
る。フォルダについては、カーソル通過時と選択時でサ
ウンドを変える等を行う。このような対応付けによっ
て、ウインドウシステムの構成要素の内容や、位置、状
態を判別することが可能になる。

【００４８】図２６は、World-Wide-Web（ヨーロッパ素
粒子物理学研究所（ＣＥＥＲＮ）で開発されたハイパー
テキスト技術を使った情報サービス）やGopher（ミネソ
タ大学で開発された、計算機ネットワークのリソースを
検索するメニュー式のシステム）のように、テキストが
階層構造を持つハイパーテキストを立体音響で表現する
例である。ハイパーテキストでは、テキスト上にアンカ
ーと呼ばれる呼び出しポイントが用意されており、例え
ばマウス等で該アンカーを選択した際に、予め該アンカ
ーに対応付けられている別のテキストや図、動画、サウ
ンド等が呼び出されて表示される。対応付けは、同一計
算機上のみでなく、ネットワークを介した様々なアクセ
スポイントにリンクすることによって行うことができ
る。図２６において、２６０１は、最も上層のハイパー
テキスト、２６０２は該ハイパーテキスト上のアンカー
を表している。使用者がアンカー２６０２を選択する
と、通常は画面上に新たなテキストや図、動画、サウン
ド等が表示される。２６０３は、このようにして新たに
表示された第２のハイパーテキストである。２６０４は
第２のハイパーテキスト２６０３上のアンカー、２６０
５は、該アンカーの選択によって開かれた第３のハイパ
ーテキストを表している。このような電子化テキストを
読み上げる際には、本発明を用いて、本文とアンカーで
読み上げ方や付与するサウンドを変えることによって、
アンカーの存在が判別できる。また、ハイパーテキスト
の階層を音響空間の奥行き方向に対応付け、使用者がア
ンカーを選択した際に、新たに開かれるハイパーテキス
トの読み上げ音声やテキストに付与されたサウンド、ま
たはアンカーにリンクされたサウンドが、例えばハイパ
ーテキスト上のアンカーのＸ−Ｙ座標を新たなハイパー
テキストやサウンドのＸ−Ｙ平面上の中心とし、奥行き
に対応するＺ軸方向のより手前から聞こえるようにする
ことによって、ハイパーテキストの階層構造を判別する
ことができる。

【００４９】

【発明の効果】テキスト中の文字のフォント、下線、大
きさ等の文字属性の分類ごとに異なる音質を持つ合成音
声を用いてテキストを読み上げることにより、文字の属
性を音声の種類で提示できるようになった。

【００５０】また、テキスト中の文字のフォント、下
線、大きさ等の文字属性の分類ごとに異なる音質を持つ
サウンドを読み上げ音声と同時に出力することにより、
文字の属性をサウンドで提示できるようになった。

【００５１】また、対象の位置や状態、対象に割り当て
たテキストの文字属性等によって、対象を音声によって
読み上げるか、サウンドを出力するか、音声によって読
み上げてサウンドを出力することにより、対象の位置や
状態、対象に割り当てたテキストの文字属性の違い等を
提示できるようになった。

【００５２】さらに、現在読み上げているテキスト中の
文字のテキスト全体に対する相対的な位置を音響空間に
写像し、現在読み上げられている文字のテキスト全体に
対する相対位置に対応した方向から音声やサウンドが聞
こえるように提示する手段を設けたことにより、現在読
み上げられている文字のテキスト全体に対する相対位置
を提示できるようになった。

【００５３】

【図面の簡単な説明】

【図１】本発明の方法を実現するためのハードウエア構
成の一実施例を表すである。

【図２】立体音響出力を行う場合の、ハードウエア構成
の一実施例を表すである。

【図３】音声規則合成処理の例を表す図である。

【図４】音色テーブルの例を表す図である。

【図５】話者テーブルの例を表す図である。

【図６】話者データの例を表す図である。

【図７】文字属性ごとに異なる話者を対応付ける場合の
話者テーブルの例を表す図である。

【図８】レベルテーブルの例を表す図である。

【図９】サウンド生成処理の例を表す図である。

【図１０】サウンドテーブルの例を表す図である。

【図１１】サウンドテーブルの別の例である。

【図１２】音声およびサウンドの出力制御処理の例を表
す図である。

【図１３】立体音響を生成する立体音響生成処理の例を
表す図である。

【図１４】文字属性や段組み等を持つ電子化テキスト文
書の例を表す図である。

【図１５】文書の文字と文字属性の対応を示す例を表す
図である。

【図１６】表示空間上の文字位置の音像を音響空間に定
位する例を表す図である。

【図１７】表示空間の音響空間への対応付けの例を表す
図である。

【図１８】電子化テキストの表の例を表す図である。

【図１９】表の文字と文字属性の対応を示す例を表す図
である。

【図２０】電子化テキストの図の例を表す図である。

【図２１】図の文字と文字属性の対応を示す例を表す図
である。

【図２２】文書のページの違いを立体音響で表現する例
を表す図である。

【図２３】使用者の位置の違いを立体音響で表現する例
を表す図である。

【図２４】ウインドウシステムの読み上げ例を表す図で
ある。

【図２５】ウインドウシステム構成要素の音声／サウン
ド対応例を表す図である。

【図２６】ハイパーテキストを立体音響で表現する例を
表す図である。

【符号の説明】

１０６…システムバス、１１２…バス、１６０１…表示
空間、１６０２…使用者、１６０３…読み上げる文字、
１６０４…音響空間、１６０…座標、１７０１…原点、
１７０２…表示空間、１７０３…読み上げ位置、１７０
４…音響空間、１７０５…音像、２３０１…使用者、２
３０２…位置センサ、２３０３…読み上げる文字、２４
０１…ウインドウ、２４０２…アイコン、２４０３…メ
ニュー、２４０４…時計、２４０５…カーソル、２４０
６…ファイルマネージャ、２４０６…ウインドウ名、２
６０１、２６０３、２６０５…ハイパーテキスト、２６
０２、２６０４…アンカー。

フロントページの続き (72)発明者 菊池 英明 東京都国分寺市東恋ケ窪１丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 ▲高▼橋 寿一 東京都国分寺市東恋ケ窪１丁目280番地 株式会社日立製作所中央研究所内

Claims (6)

【特許請求の範囲】
1. 【請求項１】ディスプレイ上に表示可能な形態の電子化
   テキストを音に変換して出力するテキスト読み上げ方法
   において、上記電子化テキストを構成する情報の属性を
   抽出し、上記属性に対応して予め定められた音質を選択
   し、選択された音質で上記情報を示す音を出力すること
   を特徴とするテキスト読み上げ方法。
2. 【請求項２】請求項１において、上記電子化テキストを
   構成する情報は文字情報であり、上記文字情報の属性に
   応じた音質の音声で上記文字情報を読み上げることを特
   徴とするテキスト読み上げ方法。
3. 【請求項３】請求項２において、上記電子化テキストを
   構成する情報として更に上記文字情報を視覚的に装飾す
   る付加情報を有し、上記付加情報の属性を抽出し、上記
   音声とともに上記付加情報の属性に応じた音響（サウン
   ド）を出力することを特徴とするテキスト読み上げ方
   法。
4. 【請求項４】請求項１において、上記電子化テキストは
   文字情報と上記文字情報を視覚的に装飾する付加情報と
   からなり、上記文字情報から音声を合成してテキストの
   読み上げ音声を出力し、かつ、上記文字情報の文字属性
   を抽出して上記文字属性に予め対応付けられた音質の音
   響を上記音声と同時に出力することを特徴とするテキス
   ト読み上げ方法。
5. 【請求項５】請求項１において、上記電子化テキストは
   予め説明が対応付けられたシンボルを表示情報として有
   し、上記シンボルの音声表現として上記説明を音声で読
   み上げ出力するか、又は上記説明の属性を抽出して該属
   性に応じた音響を出力することを特徴とするテキスト読
   み上げ方法。
6. 【請求項６】請求項１から４のいずれかに記載のテキス
   ト読み上げ方法において、現在読み上げている上記ディ
   スプレイ上に表示されているまたは表示することのでき
   る文字の位置を示す座標を音響空間の位置を規定する他
   の座標に写像し、上記文字の属性に対応付けられた音響
   や音声を上記音響空間上の座標位置に定位させて出力す
   ることを特徴とするテキスト読み上げ方法。