JPH09127970A - 合成音声の音声特性を修正するための方法と装置 - Google Patents

Abstract

(57)【要約】 【課題】 本発明は、音声合成器システムに関し、特
に、合成音声の音響的特性を制御する会話型グラフィッ
ク・ユーザー・インターフェイスを利用する音声合成器
システムに関する。 【解決手段】 本発明は、会話が他グラフィック・ユー
ザー・インターフェイスを用いて音声パラメーター値を
処理しテキスト−音声合成器に送信する。テキスト−音
声合成器は、テスト発声、即ち、合成すべきサンプルテ
キストをグラフィック・ユーザー・インターフェイスか
ら受信される現在の音声パラメーター値に従って変更さ
れた基本合成音声を用いて音声にほとんど直ちに変換す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声合成器システ
ムに関し、特に、合成音声の音響的特性を制御する会話
型グラフィック・ユーザー・インターフェイスを利用す
る音声合成器システムに関する。

【０００２】

【従来の技術】ほとんどのテキスト−音声合成器システ
ムは、１つの基本的な男性及び女性の合成音声を提供す
る。基本合成音声の音響的特性を変えることにより、新
しい音声を作り出すことができることは知られている。
この新しい音声は、基本音声から人の年齢及び／あるい
は性別から明らかなようにシミュレーションされた音声
特性を持っている。最近まで、この知識により提供され
る新しい音声を作るためのポテンシャルは、現在のテキ
スト−音声合成器システムにより完全には活用されてい
なかった。

【０００３】クン・シャン・リン、アルバ・Ｅ・ヘンダ
ーソン、及びジーン・Ａ・フランツは、米国特許番号
４，６２４，０１２に合成音声の音声特性を変更するた
めの方法と装置を開示した。その方法は、ピッチ期間、
声道モデル、及び音声レートのような選択された音響特
性を各音声パラメーターに分離することに基づいてい
る。これらの音声パラメーターは、変更され、元の音声
と再結合され、元の音声とは異なる音響的特性を持つ修
正された合成音声を作り出す。

【０００４】米国特許番号４，６２４，０１２に開示さ
れた発明と同様に、ベル研テキスト−音声合成器は、ユ
ーザーが合成音声の音響的特性を制御する音声パラメー
ターを処理することを可能とする。ベル研テキスト−音
声合成器システムでは、ユーザーは、エスケープ・シー
ケンスを用いて音声パラメーターを修正することができ
る。エスケープ・シーケンスは、１以上の音声パラメー
ターを変更すべき方法をベル研テキスト−音声合成器に
示すアスキーコードからなる。少なくとも、以下の音声
パラメーターは、ベル研テキスト−音声合成器システム
で制御可能である。即ち、３つのピッチパラメーター、
レート、声道のフロントヘッドとバックヘッド、及び帯
気音である。

【０００５】上記の音声パラメーターを処理することに
より、新しい音声の連続体が基本合成音声から作られる
ことができる。特定の音声を作り出すためには、ユーザ
ーは、望ましい音質をどの特定の組合せが達成するかを
確認する前に、音声パラメーターの種々の組合せに関し
て時間のかかる実験プロセスを行わなければならないこ
とがしばしばであった。実験は、ユーザーがテキスト−
音声合成器と基本音声を音声パラメーターが修正する方
法とになれていれば、実現される。

【０００６】現在のテキスト−音声合成器システムの能
力を完全に活用するして、仮想的な制限のない音声を作
り出すために、簡単で効率的に音声パラメーターの種々
の組合せの効果を活用する技術が必要である。従って、
本発明の目的は、会話型グラフィック・ユーザー・イン
ターフェイスを利用する音声パラメーターの新しい組合
せを実現するための方法とシステムを提供することであ
る。

【０００７】

【発明の概要】本発明は、簡単で効率的に音声パラメー
ターの新しい組合せを活用するための必要性を満足する
方法とシステムに導かれる。その方法は、基本合成音声
の音響的特性を制御する音声パラメーターを処理するた
めのグラフィック・ユーザー・インターフェイスを利用
する。その方法は、（１）グラフィック・ユーザー・イ
ンターフェイスを作成し表示することと、（２）グラフ
ィック・ユーザー・インターフェイスを通して現在の音
声パラメーター値を修正することと、（３）テキスト・
ストリングを形成することと、（４）テキスト−音声合
成器にテキスト・ストリングを出力することとからな
る。テキスト・ストリングは、基本合成音声の対応する
音響的特性の変化をテキスト−音声合成器に示す現在の
音声パラメーター値を含んでいる。テキスト・ストリン
グは、また、テスト発声とエスケープコードを含んでい
る。テスト発声は、テキスト−音声合成器により音声に
変換されるべきテキストを表す。エスケープコードは、
テキスト−音声合成器に、変更すべき特定の音響的特性
を示す。

【０００８】現在の音声パラメーター値を修正すること
は、グラフィック・ユーザー・インターフェイス内のリ
ストボックスから名前の付いた音声を選択することによ
り、あるいはグラフィック・ユーザー・インターフェイ
ス内のパラメーター・スケールのいずれかの組合せを処
理することにより、達成されてもよい。リストボックス
内の名前の付いた音声は、ユーザーにより選択されると
き現在の音声パラメーター値として割り当てられる関連
する音声パラメーター値を持つ。グラフィック・ユーザ
ー・インターフェイスは、以下の処理可能なパラメータ
ー・スケールを持つ。即ち、３つのピッチ、声道のフロ
ントヘッドとリアーヘッド、レート及び帯気音である。
パラメーター・スケール内のスライダーの位置は、現在
の音声パラメーター値を決定する。

【０００９】上記方法を実行するための音声合成器シス
テムは、基本合成音声の音響的特性を変更するように動
作するテキスト−音声合成器を持つ。音声合成器システ
ムは、音声パラメーターを処理するための実行手段と出
力手段を具備する。実行手段は、グラフィック・ユーザ
ー・インターフェイスを含んでいる。グラフィック・ユ
ーザー・インターフェイスは、パラメーター・スケール
と形成手段を含んでいる。パラメーター・スケールは、
現在の音声パラメーター値を変更するためにユーザーか
らの入力に応答する。パラメーター・スケール内のスラ
イダーを処理することにより、ユーザーは現在の音声パ
ラメーター値を修正することができる。現在の音声パラ
メーターの値は、パラメーター・スケール内のスライダ
ーの位置により決定される。形成手段は、現在の音声パ
ラメーター値を含むテキスト・ストリングを作り出すよ
うに動作する。これらの値は、基本合成音声の対応する
音響的特性における変化をテキスト−音声合成器に示
す。テキスト・ストリングは、また、テスト発声とエス
ケープコードを含んでもよい。出力手段は、実行手段か
らテキスト−音声合成器にテキスト・ストリングを送信
する。テキスト−音声合成器を起動し、テキスト−音声
合成器が前記出力手段からテキストを受信するように動
作するための開始手段が音声合成器システム内に含まれ
ることができる。

【００１０】本発明は、音声に変換されるべきダイアロ
グ・スクリプトを準備するためのダイアログ処理手段を
含むという長所がある。ダイアログ処理手段は、（１）
ダイアログ・スクリプト内に話者の名前を検出し、
（２）名前の付いた音声のライブラリー内の名前の付い
た音声に対して検出された話者の名前をマッチさせ、
（３）前記検出された話者の名前をエスケープ・シーケ
ンスで置き換えることにより前記ダイアログ・スクリプ
トを修正し、（４）修正されたダイアログ・スクリプト
をテキスト−音声合成器に出力するように動作する。ラ
イブラリー内の名前の付いた音声は、関連する音声パラ
メーター値を持つ。エスケープ・シーケンスは、エスケ
ープコードと関連する音声パラメーター値からなるアス
キーコードである。エスケープコードは、変更すべき特
定の音響的特性をテキスト−音声合成器に示す。関連す
る音声パラメーター値は、基本合成音声の音響特性の変
化をテキスト−音声合成器に示す。

【００１１】本発明のこれらと他の特徴、観点、及び長
所は、以下の説明、特許請求の範囲の記載、及び添付図
面を参照してよりよく理解されよう。

【００１２】

【発明の実施の形態】図１に示されるように、コンピュ
ーターベースの音声合成器システム０２の例示的な実施
例が示され、それは処理ユニット０７、表示画面端末０
８、入力装置、例えばキーボード１０、及びマウス１２
を備えている。処理装置０７は、プロセッサ０４とメモ
リ０６を含んでいる。マウス１２は、ポジティブオン位
置とポジティブオフ位置を有し、音声合成システム０２
に信号を発生するためのスイッチ１３を備えている。画
面０８、キーボード１０、ポインティング装置１２は表
示装置として統合的に知られている。本発明の好適実施
例では、音声合成器システム０２は、コンピューター・
オペレーティング・システムとしてＵＮＩＸ（登録商
標）を使用し、ユーザーとグラフィック・ユーザー・イ
ンターフェイスとの間のインターフェイスを提供するた
めのウインドウ・システムとしてＸ Ｗｉｎｄｏｗ（登
録商標）を使用する。ＵＮＩＸとＸ Ｗｉｎｄｏｗは、
音声合成システム０２のメモリ０６にあるいは音声合成
システム０２に接続された中央コンピューター（図示せ
ず）のメモリに常駐しているように見いだされる。

【００１３】Ｘ Ｗｉｎｄｏｗは、クライアント／サー
バー・アーキテクチャーとして説明されるものの周辺で
設計されている。この用語は、サーバーと呼ばれるある
コンピューター・プログラムとクライアントと呼ばれる
他のコンピューター・プログラムとの間の協同的データ
処理を規定する。Ｘ ｗｉｎｄｏｗは、表示サーバーで
あり、それは、表示を制御するタスクを扱うプログラム
である。グラフィック・ユーザー・インターフェイス
（「ＧＵＩ」とも呼ばれる）はクライアントであり、そ
れらは、キーボード１０及び／あるいはマウス１２から
の入力を受け、出力を画面０８に送信するために表示装
置へのアクセスを得るために必要なプログラムである。
Ｘ Ｗｉｎｄｏｗは、ＧＵＩが表示装置上に直接演算を
実行することができないので、ＧＵＩにデータ処理サー
ビスを提供する。Ｘ Ｗｉｎｄｏｗを通して、ＧＵＩ
は、表示装置と会話をすることが可能である。Ｘ Ｗｉ
ｎｄｏｗとＧＵＩは、メッセージを交換することにより
互いに通信する。Ｘ Ｗｉｎｄｏｗは、イベントモデル
と呼ばれるものを使用する。ＧＵＩは、予め決められた
エリアにおけるマウス１２のクリックあるいはキーボー
ド１０を介して入力される情報のようなＧＵＩに関係す
るイベントをＸ ｗｉｎｄｏｗに知らせ、その後、関係
するイベントのいずれかが起きるのを待つ。そのような
生起時に、Ｘ ｗｉｎｄｏｗはＧＵＩに知らせ、ＧＵＩ
はデータを処理することができる。

【００１４】本発明は、グラフィック・ユーザー・イン
ターフェイスであり、音声合成器システム０２のメモリ
あるいは中央コンピューターのメモリに常駐している。
インターフェイスは、音声パラメーターに関する実験を
容易にするための会話手段を提供し、そのパラメーター
は合成された音声の音響的特性を制御する。本発明は、
Ｔｃｌ−Ｔｋ言語で書かれ、Ｔｃｌ−Ｔｋパッケージと
共に提供される標準的なウインドウ化シェルとともに動
作する。Ｔｃｌは、アプリケーションを制御し拡張する
ための単純なスクリプト言語である（その名前は、”ツ
ール・コマンド・言語”による）。ＴｋはＣコードに変
わって、Ｔｃｌスクリプトにモチーフ”ルック・アンド
・フィール”を持つユーザーインターフェイスを構築す
るためのコマンドを持つコアＴｃｌファシリティを拡張
するＸ ｗｉｎｄｏｗツールキットである。モチーフ”
ルック・アンド・フィール”は、Ｏｐｅｎ Ｓｏｆｔｗ
ａｒｅ Ｆｏｕｎｄａｔｉｏｎにより定義され、当業者
に知られているＸ ｗｉｎｄｏｗのための標準的な”ル
ック・アンド・フィール”を規定する。ＴｃｌとＴｋ
は、Ｃ手順のライブラリとして実行され、多くのアプリ
ケーションで使用可能である。ＴｃｌとＴｋは、１９９
４年アジソン・ウェズリー・出版社から発行されたジョ
ン・Ｋ・オースターハウト著による”ＴｃｌとＴｋツー
ルキット”に詳細に述べられている。

【００１５】本発明の好適実施例では、ＵＮＩＸのマル
チタスクとパイプの特徴を利用して音声パラメーターに
関する実験を容易にするために有効な順次的フィードバ
ックを提供する効率的な音声合成器システムを作り出
す。マルチタスクの特徴により、１以上のアプリケーシ
ョン・プログラムが同じコンピューターシステム上で同
時に走ることが可能とされる。パイプの特徴は、マルチ
タスクを含み、あるプログラムの出力が他のプログラム
への入力として直接通されることを可能とする。Ｔｃｌ
スクリプト言語は、これら２つのＵＮＩＸの特徴を利用
して他のプログラムと通信するためのメカニズムを提供
する。この実施例では、（Ｔｃｌ言語で書かれた）本発
明のプログラムがＵＮＩＸパイプを通して同時に走って
いるベル研のテキスト−音声合成器プログラムと通信す
る。ベル研のテキスト−音声合成器プログラムは、音声
合成システム０２のメモリあるいは中央コンピューター
のメモリに常駐している。

【００１６】図２に示されるように、本発明は、ＵＮＩ
Ｘパイプを使用して、一連のエスケープ・シーケンスか
らなるテキスト・ストリングとテスト発声をベル研テキ
スト−音声合成器に送る。エスケープ・シーケンスは、
一対のエスケープコードと、関連する音声パラメーター
値からなるアスキーコードである。エスケープコードと
パラメーター値は、ベル研テキスト−音声合成器に、ど
の音声パラメーターがセットされるべきかどの値が音声
パラメーターの各々に割り当てられるべきかを識別す
る。テスト発声は、ベル研テキスト−音声合成器により
音声に変換されるべきテキストを表す。テキスト・スト
リングの受信時に、ベル研テキスト−音声合成器は、エ
スケープ・シーケンスに従って変更される基本合成音声
を用いてテスト発声を音声に変換するであろう。本発明
のインターフェイスを通して、ユーザーは、それらがベ
ル研テキスト−音声合成器に手動で入力されるべきなら
ば通常かかる時間で音声パラメーターの結合を探すこと
ができる。ユーザーがベル研テキスト−音声エスケープ
・シーケンスを実際に扱っているという事実は全体に透
明である。

【００１７】図３、図５から図８は、データをベル研テ
キスト−音声合成器に処理するための本発明により利用
されるステップのシーケンスを示すフローチャートであ
る。図３は、本発明のグラフィック・ユーザー・インタ
ーフェイスのメインルーチンを示し、図５から図８は、
メインルーチンにより検出され処理される音声パラメー
ターの変更方法を示す。プログラムは、図３に示される
ように、ステップ３ａの初期化プロセスで始まる。表示
が発生され、ユーザーホームディレクトリー内のデフォ
ルトの初期化ファイルが各音声パラメーターの現在値を
設定するために使用される。ステップ３ａは、また、Ｔ
ｃｌオープンコマンドとコマンド・ライン・引数を用い
てパイプラインを作り出す。パイプラインは、本発明が
ベル研テキスト−音声合成器に直接データを送ることを
可能とする。

【００１８】本発明の例示的実施例は、Ｘ Ｗｉｎｄｏ
ｗを通して図４に示される本発明のグラフィック・ユー
ザー・インターフェイスを発生するためにＴｋツールキ
ットを用いて書かれている。Ｔｋは、モチーフ”ルック
・アンド・フィール”つきの”ウィジェット”と呼ばれ
るレディーメードのコントロールの組を実行する。表示
装置２０は、以下のコントロールからなる。即ち、パラ
メーター・スケール２２、名前を付けられた音声のスク
ロール可能リスト２４、男性音声ボタン２６ａ、女性音
声ボタン２６ｂ、テスト発声を入力するための入力ボッ
クス２８、”セイ・イット”ボタン３０、及び表示ボッ
クス３２である。（表示ボックス３２を除いて）コント
ロールのいずれかを実行することは、現在の音声パラメ
ーター値あるいはテスト発声に変化を引き起こす。図３
のステップ３ｂは、これらの変化のいずれかを検出す
る。

【００１９】パラメーター・スケール２２は、Ｔｋスケ
ールウィジェットとボタンウィジェットを用いて作られ
る。パラメーター・スケール２２は、以下の音声パラメ
ーターの現在値を修正するための手段を提供する。即
ち、ピッチＴ、ピッチＲ、ピッチＢ、レート、フロント
ヘッド、バックヘッド、及び帯気音である。パラメータ
ー・スケール２２の各々は、ベル研テキスト−音声合成
器の受け入れ可能なレンジに従う値の組の範囲内で処理
可能である。付加的なスケールは、他の音声パラメータ
ーを処理するための表示装置２０に含まれてもよい。各
パラメーター・スケール２２は、スライダー２２ａ、”
−”ボタン２２ｂ、”＋”ボタン２２ｃを持っている。
パラメーター・スケール２２は、対応するパラメーター
・スケール２２の範囲内のスライダー２２ａの相対的位
置に対応するスケール値２２ｄを表示する。スライダー
２２ａが再配置される度に、スケールウィジェットは、
現在の音声パラメーター値がスケール値２２ｄで更新さ
せられるＴｃｌコマンドを評価する。スライダー２２ａ
を再配置することは、現在の音声パラメーター値を変更
する効果を持つ。本発明のグラフィック・ユーザー・イ
ンターフェイスは、マウス１２、ジョイスティックある
いは他の同様な装置でスライダー２２ａを再配置するこ
とにより、”−”ボタン２２ｂと”＋”ボタン２２をク
リックしあるいは選択することにより、スライダー２２
ａをドラッグすることにより、スケール２２内をクリッ
クすることによりスケール値を変更するための３つの技
術を提供する。これらのアクションのいずれも、本発明
のグラフィック・ユーザー・インターフェイスに関連す
るイベントの生起をトリガーする。

【００２０】”−”ボタン２２ｂと”＋”ボタン２２ｃ
は、Ｔｃｌバインドコマンドによりパラメーター・スケ
ール２２にリンクされる。ステップ５ａで、図５に示さ
れるように、”−”ボタン２２ｂと”＋”ボタン２２ｃ
のいずれかをクリックすると、対応するパラメーター・
スケール２２は、ステップ５ｂで予め決められた増加分
左か右へ再配置させられる。スライダー２２ａをドラッ
グし、あるいはパラメーター・スケール２２内をクリッ
クすることは、スライダー２２ａが再配置されられるよ
うにする。

【００２１】いずれかのパラメーター・スケール２２が
再配置されるときにはいつでも、ステップ５ａから５ｃ
におけるように、再配置されたパラメーター・スケール
２２の現在スケール値２２っで現在音声パラメーター値
を更新することが必要となる。これは、ステップ５ｄに
よりなされ、ステップ３ｂにより検出される。他に、本
発明は、望ましい数字をタイプ入力することによりユー
ザーが現在の音声パラメーター値を変更するためのエン
トリーボックスを持つグラフィック・ユーザー・インタ
ーフェイスを利用することができる。

【００２２】スクロール可能リスト２４は、Ｔｋリスト
ボックスで作られ、名前の付けられた音声として格納さ
れる前に作られた音声の集まりを提供する。これらの名
前の付けられた音声は、システムデフォルト初期化ファ
イルからあるいはユーザーデフォルト初期化ファイルか
らステップ３ａでリスト２４にロードされる。デフォル
ト初期化ファイルは、名前の付けられた音声と、関連す
る音声パラメーター値とを含んでいる。ユーザーは、マ
ウス１２で１つをダブルクリックすることによりリスト
２４から名前の付いた音声を選択することができる。Ｔ
ｃｌバインドコマンドは、ダブルクリック動作にＴｃｌ
スクリプトをリンクするために使用される。名前の付い
た音声が選択されるとき、Ｔｃｌスクリプトは図６のス
テップ６ａと６ｂにより示されるように、選択された名
前の付いた音声と関連する音声パラメーター値が現在音
声パラメーター値として割り当てられるようにする。こ
れは、音声パラメーター値の前に形成された組を再コー
ルするためのクイックメカニズムを提供する。スライダ
ー２２ａは、続いて、現在の音声パラメーター値を反映
するように再配置される。この変化は、図３のステップ
３ｂにより検出される。

【００２３】ほとんどの市販のテキスト−音声合成器の
ように、ベル研テキスト−音声合成器は、１つの基本的
な男性及び女性の話者を提供する。本発明は、Ｔｋ無線
ボタンウィジェットで作られるボタン２６ａあるいは２
６ｂのいずれかをクリックすることにより基本音声とし
て二人の話者の内の一方をユーザーが選択することを可
能とする。選択された基本音声の音響特性は、現在の音
声パラメーター値に従って変更される。ユーザーが基本
音声を変更するとき、基本音声の性に対する現在音声パ
ラメーター値がステップ８ｂで続いて更新される。メイ
ンルーチンのステップ３ｂはこの変化を検出する。

【００２４】図３を参照して、入力ボックス２８は、Ｔ
ｋエントリーウィジェットで作られ、ユーザーがテスト
発声を入力すること、即ち、ベル研テキスト−音声合成
器に音声変換を希望するテキストを入力することを可能
とする。入力ボックス２８への何らかの変更（あるいは
テスト発声）はステップ３ｂで検出される。

【００２５】ユーザーが修正された合成音声を聞く準備
ができているとき、彼あるいは彼女は、フォーカスを入
力ボックス２８に合わせ、あるいはマウス１２を使用し
て”セイ・イット”ボタン３０をクリックするときキー
ボード１０上でキャリッジリターンを押す。これらの動
作のいずれも、イベントをトリガーし、他のＴｃｌスク
リプトが実行させられるようにする。このＴｃｌスクリ
プトは、入力ボックス２８からのテスト発声が続くエス
ケープ・シーケンスのシリーズからなるテキスト・スト
リングを形成し、図２と図３のステップ３ｃに示される
ように、ＵＮＩＸパイプを介して、ベル研テキスト−音
声合成器に送信する。Ｔｃｌスクリプトは、先ず、エス
ケープコードと関連する音声パラメーター値を対にし、
その後、それらを集めてストリングにしてエスケープ・
シーケンスシリーズを形成する。テキスト・ストリング
がベル研テキスト−音声合成器により受信されると、テ
スト発声は、音声に変換され、選択された基本音声に関
して音声パラメーターの新しい組の効果に関して有効に
即時フィードマックをユーザーに提供する。

【００２６】表示ボックス３２は、エスケープ・シーケ
ンスのシリーズを示し、本発明のグラフィック・ユーザ
ー・インターフェイスによりベル研テキスト−音声合成
器へ最終的に送信される。帯気音以外の基本音声のエス
ケープ・シーケンスと各音声パラメーターは、エスケー
プ・シーケンスのシリーズに含まれる。現在のベル研テ
キスト−音声合成器は、エスケープコードによりコント
ロールされる帯気音を認めていない。帯気音への変化
は、ベル研テキスト−音声合成器をオープンするコマン
ド・ライン・引数を通して本発明により扱われる。通
常、ベル研テキスト−音声合成器だけが、帯気音に対す
る現在の音声パラメーターが変更されなければ、セッシ
ョン当たりオープンされている。これが起きたとき、現
在の帯気音値を用いるベル研テキスト−音声合成器に対
する他のパイプラインがオープンされる。図７に示され
るように、ステップ７ａのユーザーが”セイ・イット”
ボタン３０をダブルクリックし、あるいはキャリッジリ
ターンを押すと、本発明は、ステップ７ｂで、テキスト
・ストリングのベル研テキスト−音声合成器への最後の
送信から帯気音のパラメーター値が変更されたかどうか
を判定する。変更されていなければ、本発明はステップ
７ｄに進み、現在のベル研テキスト−音声合成器にテキ
スト・ストリングを通す。変更があれば、本発明は、ス
テップ７ｄに進む前にステップ７ｃに進む。ステップ７
ｃでは、本発明は、現在のベル研テキスト−音声合成器
に対するパイプラインを閉じ、帯気音のための現在のパ
ラメーター値を用いて他のものをオープンする。

【００２７】本発明は、ユーザーが新たに作られた名前
の付いた音声として音声パラメーター値を格納すること
を可能とする長所がある。本発明は、図４に示される”
新音声の名前”というタイトルのエントリーボックス３
４を提供して、音声パラメーター値の新しい組を名前の
付いた音声として記録する。この新しい名前の付いた音
声は、リスト２４に続いて追加され、その関連する音声
パラメーター値付でデフォルトの初期化ファイルに格納
される。

【００２８】本発明の他の実施例はコンパニオンプリプ
ロセッサを含んでいる。この実施例は、本発明のインタ
ーフェイスで作られる名前の付いて音声の長所を持つ。
一旦いくつかの音声が作られ、格納されると、それら
は、ダイアログ・スクリプトあるいは他のアプリケーシ
ョンを処理するために使用可能である。話者の名前と発
声を持つダイアログ・スクリプトの例が図１０に示され
る。ステップ９ｂと９ｃでは、プリプロセッサは、カッ
コで囲われたスピーカーの名前をフィルターし、それら
を話者の名前とマッチする名前の付いた音声と関連する
音声パラメーター値を用いて形成されたエスケープ・シ
ーケンスで置換する。エスケープ・シーケンスと発声
は、ステップ９ｄでベル研テキスト−音声合成器に出力
され、音声に変換される。その結果は、異なる音声で対
話を成立させる。音声ファイルが話者の名前とマッチす
る名前の付いた音声を持っていなければ、デフォルトの
他の名前の付いた音声が使用され、あるいは、プログラ
ムは他の名前の付いた音声をユーザーに薦める。

【００２９】簡単に、効率的に、音声パラメーターの種
々の組の効果を発揮する技術がここに提供された。本発
明は、ベル研テキスト−音声合成器システムを参照して
かなり詳細に説明されたが、上記の発明は合成音声の音
響的特性を制御する音声パラメーターを処理するため
に、エスケープコード（あるいは同様な手段）を利用す
る同様なテキスト−音声合成器と共に使用することが可
能である。従って、特許請求の範囲の記載の制御信号と
範囲は、個々に含まれる実施例の記述により制限される
ものではない。

【図面の簡単な説明】

【図１】グラフィック・ユーザー・インターフェイスを
用いて合成音声の音響的特性を制御するパラメーターを
処理する音声合成器システムを示す図である。

【図２】グラフィック・ユーザー・インターフェイスと
テキスト−音声合成器間の通信プロセスを示す図であ
る。

【図３】テキスト−音声合成器にデータを処理するため
に、本発明により利用されるグラフィック・ユーザー・
インターフェイスのフローチャートを示す図である。

【図４】パラメーターを処理するためにグラフィック・
ユーザー・インターフェイスにより生成される表示例を
示す図である。

【図５】図４に示されるパラメーター・スケールへの変
更を処理するためのフローチャートを示す図である。

【図６】図４に示されるスクロール可能リストから選択
された名前の付いた音声と関連する音声パラメーター値
をロードするためのフローチャートを示す図である。

【図７】テキスト−音声合成器へのグラフィック・ユー
ザー・インターフェイスによる最後の送信から帯気音の
音声パラメーター値が修正されたかどうかを判定するた
めのフローチャートを示す図である。

【図８】選択された基本音声の変化を検出するためのフ
ローチャートを示す図である。

【図９】ダイアログ・スクリプトを処理するために、本
発明により利用されるコンパニオンプリプロセッサのた
めのフローチャートを示す図である。

【図１０】図９に示されるコンパニオンプリプロセッサ
による音声へ変換可能なダイアログ・スクリプトの例を
示す図である。

【符号の説明】

０４ プロセッサ ０６ メモリ ０８ スクリーン １０ キーボード １２ マウス

Claims (20)

【特許請求の範囲】
1. 【請求項１】 グラフィック・ユーザー・インターフェ
   イスを利用して基本合成音声の音響的特性を制御する音
   声パラメーターの新たな組合せを作る方法であって、 前記グラフィック・ユーザー・インターフェイスを作成
   して表示することと、 前記グラフィック・ユーザー・インターフェイスを通し
   て現在の音声パラメーター値を修正することと、前記現
   在の音声パラメーター値の修正は、前記基本合成音声の
   対応する音響的特性の変化をテキスト−音声合成器に示
   し、 テキスト・ストリングを形成することと、前記テキスト
   ・ストリングは、前記現在の音声パラメーター値を含
   み、及び前記テキスト・ストリングを前記テキスト−音
   声合成器に出力することとを具備する方法。
2. 【請求項２】 前記テキスト・ストリングは、テスト発
   声を含み、前記テスト発声は、前記テキスト−音声合成
   器により音声に変換されるべきテキストを表す請求項１
   に記載の方法。
3. 【請求項３】 前記現在の音声パラメーター値を修正す
   るステップは、前記グラフィック・ユーザー・インター
   フェイスのパラメーター・スケールのいずれかの組合せ
   を処理するステップを更に具備する請求項１に記載の方
   法。
4. 【請求項４】 前記現在の音声パラメーター値を修正す
   るステップは、 前記グラフィック・ユーザー・インターフェイス内の調
   整手段を取扱うことと、前記調整手段は、スケール値の
   範囲内で取り扱い、 前記スケール値の範囲内で前記調整手段の位置に基づい
   てスケール値を決定することと、及び前記現在の音声パ
   ラメーター値として前記スケール値を割り当てることと
   を具備する請求項１に記載の方法。
5. 【請求項５】 前記現在の音声パラメーター値を修正す
   るステップは、ピッチ、フロントヘッド、リアーヘッ
   ド、レート及び帯気音を制御するため、前記グラフィッ
   ク・ユーザー・インターフェイス内のパラメーター・ス
   ケールのいずれの組合せも取り扱うことをさら具備し、
   前記パラメーター・スケール内の調整手段の位置は、前
   記現在の音声パラメーター値を決定する請求項１に記載
   の方法。
6. 【請求項６】 前記現在の音声パラメーター値を修正す
   ることは、前記グラフィック・ユーザー・インターフェ
   イス内のリストボックスから関連する音声パラメーター
   値を持つ名前の付いた音声を選択し、前記関連する音声
   パラメーター値を前記現在の音声パラメーター値として
   割り当てることを更に具備する請求項１に記載の方法。
7. 【請求項７】 前記テキスト・ストリングは、エスケー
   プコードを含み、前記エスケープコードは、対応する現
   在の音声パラメーター値と対とされ、前記エスケープコ
   ードは、変更すべき特定の音響的特性を前記テキスト−
   音声合成器に示す請求項１に記載の方法。
8. 【請求項８】 前記グラフィック・ユーザー・インター
   フェイスから前記テキスト・ストリングを受信するため
   に前記テキスト−音声合成器を開くことを更に具備する
   請求項１に記載の方法。
9. 【請求項９】 前記現在の音声パラメーター値を名前の
   付いた音声として記録することを更に具備する請求項１
   に記載の方法。
10. 【請求項１０】 グラフィック・ユーザー・インターフ
    ェイスを利用して基本合成音声の音響的特性を制御する
    音声パラメーターの新たな組合せを作る方法であって、 第一のクラスの音声パラメーター値と第二のクラスの音
    声パラメーター値を修正することと、前記第一のクラス
    の音声パラメーター値と前記第二のクラスの音声パラメ
    ーター値は、前記基本合成音声の対応する音響的特性の
    変化をテキスト−音声合成器に示し、 コマンド・ライン・引数を含むコマンド・ストリングで
    テキスト−音声合成器を開くことと、 テキスト・ストリングを形成することと、前記テキスト
    ・ストリングは、前記第二のクラスの音声パラメーター
    値の現在値を含み、及び前記テキスト・ストリングを前
    記テキスト−音声合成器に出力することとを具備する方
    法。
11. 【請求項１１】 前記テキスト−音声合成器を開くステ
    ップは、前記第一のクラスの音声パラメーター値の現在
    値と、前記第一のクラスの音声パラメーター値の前の値
    との間の変化を検出することを具備する請求項１０に記
    載の方法。
12. 【請求項１２】 前記第一のクラスの音声パラメーター
    値の現在値と前記第一のクラスの音声パラメーター値の
    前の値との間に変化が検出されたならば、前記第一のク
    ラスの音声パラメーター値の現在値を用いて形成される
    コマンドライン引数を含むコマンドストリングで他のテ
    キスト−音声合成器が開かれる請求項１１に記載の方
    法。
13. 【請求項１３】 前記テキスト−音声合成器は、前記第
    一のクラスの音声パラメーター値の現在値と前記第一の
    クラスの音声パラメーター値の前の値との間に変化が検
    出されたならば、閉じられる請求項１１に記載の方法。
14. 【請求項１４】 前記テキスト・ストリングは、テスト
    発声を含み、前記テスト発声は、前記テキスト−音声合
    成器により音声に変換されるべきテキストを表す請求項
    １０に記載の方法。
15. 【請求項１５】 前記現在の音声パラメーター値を修正
    するステップは、前記グラフィック・ユーザー・インタ
    ーフェイス内のパラメーター・スケールのいずれの組合
    せも取り扱うことをさら具備し、前記パラメーター・ス
    ケール内のスライダーの位置は、前記第一のクラスの音
    声パラメーター値と前記第二のクラスの音声パラメータ
    ー値の現在値を決定する請求項１０に記載の方法。
16. 【請求項１６】 基本合成音声の音強敵特性を修正する
    ように動作するテキスト−音声合成器を有する音声合成
    器システムであって、 前記基本合成音声の前記音響的特性を制御する音声パラ
    メーターを処理するための手段と、前記処理するための
    手段は、グラフィック・ユーザー・インターフェイスを
    含み、前記グラフィック・ユーザー・インターフェイス
    は、ユーザーからの入力に応答するパラメーター・スケ
    ールであって、現在の音声パラメーター値を変更するた
    めのパラメーター・スケールと、及び前記基本合成音声
    の対応する音響的特性の変化を前記テキスト−音声合成
    器に示す前記現在の音声パラメーター値を利用してテキ
    スト・ストリングを作り出すように動作する形成手段
    と、及び前記処理手段から前記テキスト・ストリングを
    送信するための出力手段とを具備する音声合成器システ
    ム。
17. 【請求項１７】 前記形成手段は、エスケープコードを
    利用して前記テキスト・ストリングを作り出すように更
    に動作し、前記テキスト・ストリングは、前記エスケー
    プコードと対応する前記現在の音声パラメーター値の対
    からなり、前記エスケープコードは、変更すべき特定の
    音響的特性を前記テキスト−音声合成器に示す請求項１
    ６に記載の音声合成器システム。
18. 【請求項１８】 前記グラフィック・ユーザー・インタ
    ーフェイスは、テスト発声を入力するための入力手段を
    更に具備し、前記テスト発声は、前記テキスト−音声合
    成器により音声に変換されるべきテキストを表し、前記
    形成手段は、前記テスト発声を利用して前記テキスト・
    ストリングを作り出すように動作する請求項１６に記載
    の音声合成器システム。
19. 【請求項１９】 前記テキスト−音声合成器を起動する
    ための手段を更に具備し、前記テキスト−音声合成器
    は、前記出力手段から前記テキスト・ストリングを受信
    するように動作する請求項１６に記載の音声合成器シス
    テム。
20. 【請求項２０】 音声に変換されるべきダイアログスク
    リプトを準備するためのダイアログ処理手段を更に具備
    し、前記ダイアログ処理手段は、 前記ダイアログ・スクリプト内で話者の名前を検出する
    ための手段と、 名前の付いた音声のライブラリー内の名前の付いた音声
    に対して検出された話者の名前をマッチさせるための手
    段と、前記名前の付いた音声の前記ライブラリー内の前
    記名前の付いた音声は、関連する音声パラメーター値を
    持ち、前記関連する音声パラメーター値は、前記基本合
    成音声の音響的特性の変化を前記テキスト−音声合成器
    に示し、 エスケープ・シーケンスで前記検出された話者の名前を
    置き換えることにより前記ダイアログ・スクリプトを修
    正するための手段と、前記エスケープ・シーケンスは、
    エスケープコードと、前記関連する音声パラメーター値
    からなり、前記エスケープコードは、前記テキスト−音
    声合成器に変えるべき特定の音響的特性を示し、及び、
    前記ダイアログ・スクリプトの修正された位置を前記テ
    キスト−音声合成器に出力するための手段とを具備する
    請求項１６に記載の音声合成器システム。