JPH09179576A

JPH09179576A - 音声合成方法

Info

Publication number: JPH09179576A
Application number: JP7333322A
Authority: JP
Inventors: Takehiko Kagoshima; 岳彦籠嶋; Masami Akamine; 政巳赤嶺; Kimio Miseki; 公生三関; Masahiro Oshikiri; 正浩押切; Ko Amada; 皇天田; Akinobu Yamashita; 明延山下
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1995-12-21
Filing date: 1995-12-21
Publication date: 1997-07-11

Abstract

(57)【要約】【課題】テキスト音声合成において合成音声の声質を任
意に変更することができる音声合成方法を提供する。【解決手段】合成単位セット記憶部１３に記憶された複
数の音声合成単位の情報から選択された情報１０６を音
声信号生成部１２で接続することによって合成音声信号
１０７を生成するに際し、音声入力部２１から音声信号
２０１を入力し、この音声信号に従って音声分析部２３
で複数の音声合成単位の情報２０４を生成して合成単位
セット記憶部１３に記憶し、これを用いて合成音声信号
１０７を生成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はテキスト音声合成シ
ステムにおいて、音韻記号列、ピッチおよび音韻継続時
間長などの情報から合成音声信号を生成する音声合成方
法に関する。

【０００２】

【従来の技術】任意の文章（テキスト）から人工的に音
声信号を作り出すことをテキスト音声合成という。通
常、テキスト音声合成システムは、図１２に示されるよ
うに言語処理部１０、音韻処理部１１および音声信号生
成部１２の３つの構成要素からなる。

【０００３】入力されたテキスト１０１は、まず言語処
理部１０において形態素解析や構文解析などが行われ、
次に韻律処理部１１においてアクセントやイントネーシ
ョンの処理が行われて、音韻記号列１０３、音韻継続時
間長１０４およびピッチパターン１０５などの情報が出
力される。最後に、音声信号生成部１２において合成単
位セット記憶部１３に記憶されている音節、音素および
１ピッチ区間などの基本となる小さな単位（音声合成単
位）の特徴パラメータを音韻記号列１０３、音韻継続時
間長１０４およびピッチパターン１０５などの情報に従
って選択し、これらをピッチや継続時間長を制御して接
続することにより合成音声信号１０７を生成する。

【０００４】このようにして生成される合成音声の声質
（個人性）は、主に音声合成単位である特徴パラメータ
によって決定される。このため、テキスト音声合成にお
いて複数の異なる声質の音声を合成する必要がある場合
は、図１３に示されるようにそれぞれの声質に対応する
複数の合成単位セット記憶部１３，１４を用意し、これ
らを切替えて使用することによって異なる声質の合成音
声信号１０７を生成している。

【０００５】一方、複数の合成単位セットを記憶するこ
となく様々な声質の音声を合成する方法としては、ピッ
チパターンを変化させる方法や、合成音声信号にフィル
タをかけることによって音質を変化させる方法などがあ
る。

【０００６】前者のピッチパターンを変化させる方法
は、図１４に示されるように韻律処理部１５にピッチ平
均値情報１０９を入力してピッチパターンの平均値を変
えることによって声の高さを変えたり、抑揚の大きさ情
報１１０を入力してピッチの変化の幅を変えることによ
って抑揚の強さを変えるものである。後者のフィルタを
用いる方法は、図１５に示されるようにフィルタ特性情
報１１１に従って特性を制御できるフィルタ部１６によ
って合成音声信号１０７の低域や高域を強調することで
合成音声の音質を変えるものである。

【０００７】

【発明が解決しようとする課題】上記のような従来の音
声合成方法では、任意の声質の合成音声を生成できない
という問題がある。すなわち、複数の合成単位セットを
記憶する方法では、合成単位セットの数を増やすことに
よって複数種類の声質の音声を合成することが可能とな
るが、任意の声質の音声を合成することは実質的に不可
能であり、また多数の合成単位セットを記憶することは
必要なメモリ容量が増大してコスト高となるという問題
がある。

【０００８】また、ピッチパターンを変化させる方法で
は、イントネーションやアクセントは変化しても、本質
的には合成音声の声質、すなわち個人性までも変化させ
ることはできない。フィルタによって合成音声の声質を
変化させる場合、声が明るくなる／暗くなるという程度
の変化は可能であるが、やはり個人性を変化させること
はできない。個人性の情報は、単にホルマントの振幅だ
けでなく、ホルマントの中心周波数や幅などにも存在す
るためである。

【０００９】本発明は、上記の問題点を解決すべくなさ
れたもので、テキスト音声合成において合成音声の声質
を任意に変更することができる音声合成方法を提供する
ことを目的とする。

【００１０】

【課題を解決するための手段】上記の課題を解決するた
め、本発明は複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、音声信号および声質情報の少なく
とも一方に従って、合成音声信号の生成に必要な複数の
音声合成単位の情報を生成または加工するようにしたも
のであり、具体的には次の態様をとることを特徴とす
る。

【００１１】（１）音声信号を入力し、この音声信号に
従って複数の音声合成単位の情報を生成する。このよう
にして音声信号に従って生成された音声合成単位の情報
を記憶しておき、これを用いて合成音声信号を生成すれ
ば、合成音声の声質は音声信号を入力した話者の声質と
同じとなるので、話者が変わることによって合成音声の
声質が変化することになる。

【００１２】（２）音声信号を入力し、この音声信号に
従って予め記憶した複数の音声合成単位の情報を加工す
る。このように既存の音声合成単位の情報を入力された
音声信号に従って加工し、これを用いて合成音声信号を
生成すれば、やはり合成音声の声質は音声信号を入力し
た話者の声質と同じとなり、話者が変わることによって
合成音声の声質が変化する。

【００１３】（３）声質情報を入力し、この声質情報に
従って予め記憶した複数の音声合成単位の情報を加工す
る。ここで、声質情報とは合成音声の声質を指定する情
報である。この声質情報に従って既存の音声合成単位の
情報を加工し、これを用いて合成音声信号を生成すれ
ば、合成音声の声質は声質情報に従って変化することに
なる。

【００１４】（４）音声信号および声質情報を入力し、
音声信号によって複数の音声合成単位の情報を生成する
と共に、声質情報に従って複数の音声合成単位の情報を
加工する。このように音声合成単位の情報を音声信号に
従って生成した後、声質情報に従った加工を行い、これ
を用いて合成音声信号を生成すれば、合成音声の声質は
入力された音声信号および声質情報の両方に従ってさら
に多彩に変化する。

【００１５】（５）音声信号および声質情報を入力し、
これらの音声信号および声質情報に従って予め記憶した
複数の音声合成単位の情報を加工する。この場合も、合
成音声の声質は入力された音声信号および声質情報の両
方に従って多彩に変化することになる。

【００１６】（６）複数の声質情報を記憶し、この声質
情報に従って予め記憶した音声合成単位の情報を加工す
る。このようにすると、複数の声質に対応した合成単位
の情報を記憶しておく場合よりも少ないメモリ容量で、
複数種類の声質の合成音声が得られる。

【００１７】（７）複数の声質情報を記憶し、これら複
数の声質情報を補間することによって生成された声質情
報に従って音声合成単位の情報を加工する。このように
すると、複数の声質情報によって与えられる複数の声質
を混ぜたような多彩な声質の合成音声が得られる。

【００１８】本発明においては、複数の音声合成単位の
情報を加工する際に、全ての音声合成単位について行っ
てもよいが、声質の情報が主として含まれる母音を含む
音声合成単位についてのみ加工を行うようにしてもよ
い。また、音声合成単位の情報の加工は、例えば振幅の
マッピングと周波数のマッピングの少なくとも一方をス
ペクトル情報に対して行われる。

【００１９】

【発明の実施の形態】

（第１の実施形態）図１に、本発明の第１の音声合成方
法を適用した第１の実施形態に係る音声合成装置の構成
を示す。この音声合成装置は、言語処理部１０、音韻処
理部１１、音声信号生成部１２および合成単位セット記
憶部１３を有する図１２に示した従来の音声合成装置
に、音声入力部２１、音声認識部２２および音声分析部
２３が追加された構成となっている。

【００２０】この音声合成装置の基本動作は、従来と同
様である。すなわち、入力されたテキスト１０１は、ま
ず言語処理部１０において形態素解析や構文解析などが
行われ、次に言語処理部１０からの解析結果１０２に基
づき韻律処理部１１においてアクセントやイントネーシ
ョンの処理が行われて、音韻記号列１０３、音韻継続時
間長１０４およびピッチパターン１０５などの情報が出
力される。そして、音声信号生成部１２において合成単
位セット記憶部１３に記憶されている音節、音素および
１ピッチ区間などの基本となる小さな単位（音声合成単
位）の特徴パラメータが音韻記号列１０３、音韻継続時
間長１０４およびピッチパターン１０５などの情報に従
って選択され、これらがピッチや継続時間長の制御がな
された後に接続されることにより、合成音声信号１０７
が生成される。

【００２１】次に、本実施形態の特徴的な構成について
説明すると、まず音声入力部２１は例えば話者の発生し
た音声をマイクロフォンにより電気信号に変換し、さら
に増幅などの適当な処理を経て音声信号２０１として出
力するように構成されるか、または外部機器から供給さ
れた音声信号をそのままあるいは適当な処理を施して入
力する構成となっている。

【００２２】音声認識部２２は、音声入力部２１から入
力された音声信号２０１と音韻記号との対応付けを行う
と同時に、入力された音声信号２０１に対応する音韻記
号で示される音韻に対応する区間を決定して、音韻記号
２０２および音韻境界時刻情報２０３を出力する。

【００２３】音声分析部２３は、音声認識部２２から入
力される音韻境界時刻情報２０３と音韻記号２０２に従
って、音声入力部２１からの音声合成単位となる区間の
音声信号２０１を分析して、音声合成単位の特徴パラメ
ータ２０４を出力する。

【００２４】そして、音声分析部２３から出力される特
徴パラメータ２０４が音声合成単位の情報として合成単
位セット記憶部１３に記憶される。特徴パラメータの例
としては、ＬＰＣ係数と残差波形の対などがある。ま
た、この他にもホルマントやケプストラムなどの様々な
パラメータを用いることも可能である。

【００２５】以上のような構成の音声合成装置におい
て、本実施形態では音声入力部２１により予め全ての音
声合成単位を含む音声信号２０１を入力して、全ての音
声合成単位の特徴パラメータを合成単位セット記憶部１
３に記憶させた後に、テキスト合成処理を行う。この場
合、合成音声信号１０７をスピーカにより再生して得ら
れる合成音声の声質は、合成単位セットを生成するため
に音声入力部２１により入力された音声と同様の声質と
なる。合成音声の声質を変えたい場合は、目標とする声
質の話者の音声を用いて再び音声合成単位セットを生成
し直せば良い。

【００２６】このように、本実施形態によるとテキスト
音声合成において音声入力部２１により音声信号を入力
する話者の声質に合わせた任意の声質の合成音声を生成
することができる。

【００２７】（第２の実施形態）図２に、本発明の音声
合成方法を適用した第２の実施形態に係る音声合成装置
の構成を示す。図２において、図１と同じ参照番号を付
した要素は図１と同じ機能を有するものとして説明を省
略する。

【００２８】本実施形態は、話者が発声すべき音韻記号
を呈示する音韻呈示部２８を設け、この音韻呈示部２８
により呈示された音韻記号で示される音韻を話者が発声
することによって音声入力部２１から入力される音声信
号を音声分析部２３に入力するようにしたものである。
音韻呈示部２８は、例えば音韻記号をディスプレイで可
視表示するものであってもよいし、またスピーカを通し
て音声で呈示するものを用いることも可能である。

【００２９】本実施形態によると、第１の実施形態と同
様の効果が得られるほか、音声分析部２３では音声入力
部２１から入力される音声信号の音韻が分かっているた
め、図１における音声認識部２２を除いた構成とするこ
とができる。音声認識装置の認識率が現状では未だ十分
に高くないことを考えると、本実施形態は合成単位セッ
ト記憶部１３に記憶する合成単位セットの信頼性を高め
る上で有効である。

【００３０】（第３の実施形態）図３に、本発明の音声
合成方法を適用した第３の実施形態に係る音声合成装置
の構成を示す。図３において、図１と同じ参照番号を付
した要素は図１と同じ機能を有するものとして説明を省
略する。

【００３１】本実施形態では、図１の構成に加えてスペ
クトル比較部２４、合成単位情報変換部２５およびもう
一つの合成単位セット記憶部２７が設けられている。第
１の合成単位セット記憶部２６には予め定められた音声
合成単位の特徴パラメータが記憶されており、この特徴
パラメータを加工することによって声質を変換した特徴
パラメータが第２の合成単位セット記憶部２７に記憶さ
れる。

【００３２】スペクトル比較部２４は、音声入力部２１
からの音声信号２０１を音声分析部２３で分析して得ら
れる特徴パラメータ２０４のスペクトルパラメータのパ
ワースペクトルと、第１の合成単位セット記憶部２６に
記憶されている特徴パラメータ２０５の中のスペクトル
パラメータのパワースペクトルとを比較して、変換パラ
メータ２０６を出力する。合成単位情報変換部２５は、
スペクトル比較部２４からの変換パラメータ２０６に基
づいて特徴パラメータ２０７を変換することにより、声
質を変換した音声合成単位の特徴パラメータ２０８を出
力し、これを第２の合成単位セット記憶部２７に記憶す
る。

【００３３】合成単位情報変換部２５の処理は、例えば
スペクトルパラメータに対する周波数や振幅のマッピン
グによって実現することができる。この場合、スペクト
ル比較部２４は周波数や振幅のマッピング関数を変換パ
ラメータ２０６として出力する。ｆを周波数とすると、
特徴パラメータ２０５の中のパワースペクトルｓ（ｆ）
から特徴パラメータ２０４の中のパワースペクトルｓ′
（ｆ）への変換は、次式で表される。

【００３４】ｓ′（ｆ）＝ｍ（ｓ（ω（ｆ）））（１）ただし、ω（）は周波数のマッピングを表す関数であ
り、ｍ（）は振幅のマッピングを表す関数である。

【００３５】例えば、ｓ（ｆ），ｓ′（ｆ）が図４
（ａ），（ｂ）でそれぞれ表されるとする。ここでＦ
₁ ，Ｆ₂ ，Ｆ′₁ ，Ｆ′₂ はホルマント周波数であり、
Ｐ₁ ，Ｐ₂，Ｐ′₁ ，Ｐ′₂ は対応するホルマントのパ
ワーである。この場合、変換パラメータ２０６に対応す
る周波数のマッピング関数ω（）はそれぞれＦ₁ を
Ｆ′₁に、Ｆ₂ をＦ′₂ にマッピングするような関数で
あり、振幅のマッピング関数ｍ（）はそれぞれＰ₁ を
Ｐ′₁ に、Ｐ₂ をＰ′₂ にマッピングするような関数で
ある。これらの関数ω（）およびｍ（）の例を図５
（ａ），（ｂ）にそれぞれ示す。

【００３６】本実施形態において、音声合成単位情報変
換部２５での特徴パラメータの変換については、例えば
全ての音声合成単位について対応する変換パラメータを
求めて、各特徴パラメータ毎に異なる変換を行うことも
可能であり、また音声合成単位を幾つかのクラスに分類
して１つのクラスに対しては共通の変換パラメータを求
めて変換を行うことも可能である。例えば、複数のパワ
ースペクトルｓ_i （ｆ），（ｉ＝１，２，３，…，Ｎ）
を対応するパワースペクトルｓ′_i （ｆ），（ｉ＝１，
２，３，…，Ｎ）に変換する共通のマッピング関数ω
（），ｍ（）は、公知の最適化手法を用いて次式で
表される変換の誤差関数Ｅ（ω，ｍ）を最小化すること
によって求められる。

【００３７】

【数１】

【００３８】ただし、ｆｓはサンプリング周波数であ
る。なお、声質の情報は主に母音に含まれるため、母音
を含む音声合成単位についてのみ特徴パラメータの変換
を行い、その他の合成単位については変換を行わずにそ
のまま用いることによって声質を変換することも可能で
ある。このようにすれば、合成単位情報変換部２５での
処理量を減らすことができる。

【００３９】また、合成単位情報変換部２５において次
式のような変換を行うことも可能である。ｓ′（ｆ）＝ｇ（ｆ）ｓ（ω（ｆ））（３）これは、振幅の変換を関数ｇ（ｆ）との積で実現した例
である。

【００４０】本実施形態では、第１の合成単位セット記
憶部２６に予め記憶されていた音声合成単位セットと、
声質を変換することによって生成され第２の合成単位セ
ット記憶部２７に記憶された音声合成単位セットのいず
れも、音声信号生成部１２で音声合成単位の特徴パラメ
ータ１０６として使用することができる。従って、合成
音声の声質を指定する声質選択情報１０８に従って第１
の合成単位セット記憶部２６と第２の合成単位セット記
憶部２７とを切り替えて用いることにより、多様な声質
で音声合成を行うことが可能である。

【００４１】また、本実施形態を第２の実施形態と同様
に音韻呈示部を設けて音声認識部を用いない構成に変形
することも可能である。（第４の実施形態）図６に、本発明の音声合成方法を適
用した第４の実施形態に係る音声合成装置の構成を示
す。図６において、図３と同じ参照番号を付した要素は
図３と同じ機能を有するものとして説明を省略する。

【００４２】第３の実施形態では、予め声質を変換した
音声合成単位セットを作って記憶したが、本実施形態で
は声質情報を変換パラメータの形で記憶しておき、音声
合成の際、その都度特徴パラメータの変換を行って音声
信号生成部に供給するようにしたものである。

【００４３】すなわち、本実施形態では図３における声
質を変換した音声合成単位セットを記憶するための第２
の合成単位セット記憶部２７を除去し、代りに変換パラ
メータ記憶部３２が設けられている。この変換パラメー
タ記憶部３２は、スペクトル比較部２４で得られた変換
パラメータ３０８を記憶しており、音声合成を行う際に
使用する音声合成単位に対応した変換パラメータ２０６
を出力する。合成単位情報変換部２５は、この変換パラ
メータ２０６に基づき特徴パラメータ２０７を変換して
特徴パラメータ２０８を出力し、音声信号生成部１２に
供給する。

【００４４】本実施形態によると、図３における声質変
換した音声合成単位を記憶する合成単位セット記憶部２
７のメモリ量より変換パラメータ記憶部３２のメモリ量
が格段に小さくて済むことから、第３の実施形態と比較
して音声合成装置に必要なメモリ量を削減することがで
きる。

【００４５】（第５の実施形態）図７に、本発明の音声
合成方法を適用した第４の実施形態に係る音声合成装置
の構成を示す。図７において、図３と同じ参照番号を付
した要素は図３と同じ機能を有するものとして説明を省
略する。

【００４６】本実施形態では、声質入力部３１、変換パ
ラメータ生成部３０、変換パラメータ記憶部３６および
変換パラメータ入出力部３７が設けられている。声質入
力部３１は、ユーザが分かる尺度で合成音声の質をどの
ように変換するかを指定する声質情報３０１を出力す
る。ユーザが分かる尺度とは、例えば「明るい声で／暗
い声で」、「太い声で／細い声で」、「子供の声で／大
人の声で」などがあり、この他にも様々な尺度がある。
変換パラメータ生成部３０は、声質情報３０１に従って
声質変換を行うように変換パラメータ３０２を生成す
る。

【００４７】変換パラメータ記憶部３６は、変換パラメ
ータ３０２および変換パラメータ入出力部３７より入力
された変換パラメータ３１０を記憶し、声質選択情報３
０６に従って変換パラメータ３０９を出力する。変換パ
ラメータ入出力部３７は、記憶されている変換パラメー
タ３１１を外部に出力したり、あるいは外部から変換パ
ラメータ３１０を入力するものであり、例えば磁気記憶
装置、ＣＤ−ＲＯＭなどの記憶装置、またはネットワー
クなどとのインタフェースによって実現されるものであ
る。

【００４８】このように本実施形態によれば、声質入力
部３１からの種々の方法の指示により入力された声質情
報３０１に基づいて変換パラメータ生成部３０で生成さ
れた変換パラメータ３０２を用いて所望の声質の音声を
合成することが可能であるとともに、生成された変換パ
ラメータ３０２を変換パラメータ記憶部３６に記憶し、
外部との変換パラメータの入出力が可能な構成とするこ
とによって、生成した変換パラメータを他のユーザに提
供したり、逆に他のユーザが生成した変換パラメータを
用いて声質変換を行うことも可能である。

【００４９】（第６の実施形態）図８に、本発明の音声
合成方法を適用した第６の実施形態に係る音声合成装置
の構成を示す。図８において、図１および図７と同じ参
照番号を付した要素は図１および図７と同じ機能を有す
るものとして説明を省略する。

【００５０】本実施形態は、入力音声に対して声質の変
化のさせ方を指定することにより、所望の声質の合成素
片セットを生成するものである。すなわち、音声入力部
２１から入力される音声信号１０１を音声分析部２３で
分析して得られる特徴パラメータ２０４を合成単位情報
変換部２５に入力し、声質入力部３１から入力される声
質情報３０１に基づいて、変換パラメータ生成部３０で
生成された変換パラメータ３０２に従って合成単位情報
変換部２５で声質を変換した音声合成単位の特徴パラメ
ータ２０８を生成し、これを合成単位セット記憶部１３
に記憶する。

【００５１】このように本実施形態によれば、音声合成
単位の特徴パラメータ２０４を音声信号２０１に従って
生成した後、声質情報３０１に従った加工を行い、これ
を用いて合成音声信号１０７を生成することにより、合
成音声の声質を入力された音声信号２０１および声質情
報３０１の両方に従って多彩に変化させることができ
る。

【００５２】（第７の実施形態）図９に、本発明の音声
合成方法を適用した第７の実施形態に係る音声合成装置
の構成を示す。図９において、図２および図７と同じ参
照番号を付した要素は図２および図７と同じ機能を有す
るものとして説明を省略する。

【００５３】本実施形態は、第１の合成単位セット記憶
部２６に予め記憶されている音声合成単位の特徴パラメ
ータ２０７を合成単位情報変換部２５で入力された音声
信号２０１の声質に近くなるように変換を行った後に、
この変換された特徴パラメータ３０３に対して、もう一
つの合成単位情報変換部３３において声質入力部３１か
らの声質情報３０１により指定した声質変換を行うこと
によって、所望の声質の合成素片セットである特徴パラ
メータ２０８を生成し、第２の合成単位セット記憶部２
７に記憶するようにしたものである。従って、本実施形
態によっても第６の実施形態と同様に、合成音声の声質
を入力された音声信号２０１および声質情報３０１の両
方に従って多彩に変化させることができる。

【００５４】（第８の実施形態）図１０に、本発明の音
声合成方法を適用した第８の実施形態に係る音声合成装
置の構成を示す。図１０において、図３と同じ参照番号
を付した要素は図３と同じ機能を有するものとして説明
を省略する。

【００５５】変換パラメータ記憶部３６は予め幾つかの
声質に対応する変換パラメータを記憶しており、声質選
択情報３０６に従って選択された変換パラメータ３０２
を出力する。本実施形態によれば、予め複数の声質に対
応する音声合成単位セットを記憶しておくよりも少ない
メモリ量で同様の声質変換を実現することができる。ま
た、本実施形態の変形として声質に対応するサンプル音
声を記憶して、それらの音声を呈示できる構成とし、声
質を選択させることも可能である。

【００５６】（第９の実施形態）図１１に、本発明の音
声合成方法を適用した第９の実施形態に係る音声合成装
置の構成を示す。図１１において、図１０と同じ参照番
号を付した要素は図１０と同じ機能を有するものとして
説明を省略する。

【００５７】変換パラメータ記憶部３４は声質選択情報
３０５に従って複数の変換パラメータ３１２を選択して
出力する。変換パラメータ補間部３５は、これら複数の
変換パラメータ３１２について重み係数３０７に従って
補間を行って変換パラメータ３０２を出力する。本実施
形態によれば、予め変換パラメータが記憶されている幾
つかの声質を任意の割合で混ぜ合わせたような声質の音
声を合成することが可能である。

【００５８】

【発明の効果】以上説明したように、本発明の音声合成
方法によれば、音声信号や声質情報を入力し、音声信号
の声質と同様の声質の音声、あるいは声質情報で指定さ
れた声質の音声を合成することが可能であり、テキスト
音声合成において合成音声の声質を任意に変更すること
ができる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態に係る音声合成装置の
構成を示すブロック図

【図２】本発明の第２の実施形態に係る音声合成装置の
構成を示すブロック図

【図３】本発明の第３の実施形態に係る音声合成装置の
構成を示すブロック図

【図４】同実施形態における入力音声を分析して得られ
る特徴パラメータおよび記憶されている特徴パラメータ
中のスペクトルのパワースペクトルの例を示す図

【図５】同実施形態における変換パラメータに対応する
周波数および振幅のマッピング関数の例を示す図

【図６】本発明の第４の実施形態に係る音声合成装置の
構成を示すブロック図

【図７】本発明の第５の実施形態に係る音声合成装置の
構成を示すブロック図のブロック図

【図８】本発明の第６の実施形態に係る音声合成装置の
構成を示すブロック図のブロック図

【図９】本発明の第７の実施形態に係る音声合成装置の
構成を示すブロック図のブロック図

【図１０】本発明の第８の実施形態に係る音声合成装置
の構成を示すブロック図のブロック図

【図１１】本発明の第９の実施形態に係る音声合成装置
の構成を示すブロック図のブロック図

【図１２】従来の音声合成装置の構成を示すブロック図

【図１３】従来の複数の音声合成単位セットを記憶する
ことによって合成音声の声質を変える音声合成装置の構
成を示すブロック図

【図１４】従来のピッチパターンを変化させることによ
って合成音声の声質を変える音声合成装置の構成を示す
ブロック図

【図１５】従来のフィルタによって声質を変える音声合
成装置の構成を示すブロック図

【符号の説明】

１０…言語処理部１１…韻律処理部１２…音声信号生成部１３，１４…合成単位セット記憶部１５…韻律処理部１６…フィルタ部２１…音声入力部２２…音声認識部２３…音声分析部２４…スペクトル比較部２５…合成単位情報変換部２６，２７…合成単位セット記憶部２８…音韻呈示部３０…変換パラメータ生成部３１…音声入力部３２…変換パラメータ記憶部３３…合成単位情報変換部３４…変換パラメータ記憶部３５…変換パラメータ補間部３６…変換パラメータ記憶部３７…変換パラメータ入出力部１０１…入力テキスト１０２…解析データ１０３…音韻記号列１０４…音韻継続時間長１０５…ピッチパターン１０６…音声合成単位の特徴パラメータ１０７…合成音声信号１０８…声質変換情報２０１…音声信号２０２…音韻記号２０３…音韻境界時刻情報２０４，２０５…特徴パラメータ２０６…変換パラメータ２０７，２０８…特徴パラメータ３０１…声質情報３０２…変換パラメータ３０３…特徴パラメータ３０５，３０６…声質選択情報３０７…重み係数３０８，３０９，３１０，３１１，３１２…変換パラメ
ータ

───────────────────────────────────────────────────── フロントページの続き (72)発明者押切正浩神奈川県川崎市幸区小向東芝町１番地株式会社東芝研究開発センター内 (72)発明者天田皇神奈川県川崎市幸区小向東芝町１番地株式会社東芝研究開発センター内 (72)発明者山下明延神奈川県川崎市幸区小向東芝町１番地株式会社東芝研究開発センター内

Claims

【特許請求の範囲】

【請求項１】複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、音声信号を入力し、この音声信号に従って複数の音声合
成単位の情報を生成することを特徴とする音声合成方
法。
【請求項２】複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、音声信号を入力し、この音声信号に従って予め記憶した
複数の音声合成単位の情報を加工することを特徴とする
音声合成方法。
【請求項３】複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、声質情報を入力し、この声質情報に従って予め記憶した
複数の音声合成単位の情報を加工することを特徴とする
音声合成方法。
【請求項４】複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、音声信号および声質情報を入力し、前記音声信号によっ
て複数の音声合成単位の情報を生成すると共に、前記声
質情報に従って複数の音声合成単位の情報を加工するこ
とを特徴とする音声合成方法。
【請求項５】複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、音声信号および声質情報を入力し、これらの音声信号お
よび声質情報に従って予め記憶した複数の音声合成単位
の情報を加工することを特徴とする音声合成方法。
【請求項６】複数の音声合成単位の情報から選択された
情報を接続することによって合成音声信号を生成する音
声合成方法において、複数の声質情報を記憶し、この声質情報に従って予め記
憶した音声合成単位の情報を加工することを特徴とする
音声合成方法。
【請求項７】記憶した複数の音声合成単位の情報から選
択された情報を接続することによって合成音声信号を生
成する音声合成方法において、複数の声質情報を記憶し、これら複数の声質情報を補間
することによって生成された声質情報に従って音声合成
単位の情報を加工することを特徴とする音声合成方法。