JPH09265299A - テキスト読み上げ装置 - Google Patents

Abstract

(57)【要約】 【課題】 テキスト読み上げ装置においてユーザが読み
上げ動作の制御を随意行うことが難しい。 【解決手段】 透明なタッチパネル（入力器１２）がデ
ィスプレイ（表示器１０）の画面上に一体に構成された
表示入力デバイス２を用い、操作者が表示器１０に表示
された文字列に沿って入力器１２を指などのポインタで
なぞるトレース動作を行う。入力器１２からトレース動
作に基づいて得られる入力信号１４は入力信号処理部４
２においてポインタの位置データ５０、移動速度データ
５２、圧力データ５４が得られ、それぞれ読み上げ対象
文節、発話速度、音量（又はアクセント強度）というパ
ラメータに対応づけられる。規則合成部８は指定された
文節に対して、発話速度、音量を表すパラメータを反映
して合成を行うことにより、操作者の意図に沿った了解
性の高い合成音声が容易に得られる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は操作の容易なマン・
マシンインターフェースを有したテキスト読み上げ装置
に関する。

【０００２】

【従来の技術】従来よりテキスト読み上げ装置は、印
刷、出版などの業務において、文章中の誤字、脱字等の
誤りを検出、修正する編集作業に用いられている。例え
ば特開昭５９−１２７１４８号公報には、入力された文
章の検査、修正作業のためテキストを読み上げる装置が
記載されている。

【０００３】従来の装置は、表示装置とは別個に設けら
れたキーボード、マウスなどの入力装置を用いて操作さ
れる。例えば、文字の入力だけでなく、装置から出力さ
れる音声の発話速度、声の大きさ・強さなどの条件の設
定、文章の飛ばし読み、後戻り、繰り返しの指定は、キ
ーボードから行ったり、マウスを操作して画面上のカー
ソルを所定の位置に移動させるといった操作により行わ
れている。つまり、指定された文章範囲は、基本的に一
定の上記条件で一方的に読み上げられるものであり、そ
の停止や読み上げ条件の変更を行うためには、上記キー
ボード等の入力装置を別途操作する必要がある。

【０００４】また、文の韻律的特徴は単語構成、文型な
どによって多様に変化する。このため、自然な音声での
読み上げには、規則合成方式が適している。規則合成方
式は、文の上記韻律的特徴を規則により表現する高度な
合成方式である。ちなみに音声は、音色、基本周波数の
高さ、及び強度の３要素に分解して捉えることができ
る。つまり音声は基本周波数とその逓倍周波数の音波成
分によって構成される周波数スペクトルを有し、音色は
この周波数スペクトルの包絡形状に依存する。またピッ
チはこの基本周波数であり音の高さを定める。ピッチの
時間的変動はピッチパタンにより表される。強度は音声
の振幅として捉えられる。

【０００５】

【発明が解決しようとする課題】しかし、一般に規則合
成方式による合成音声は自然音声より了解性が低いた
め、ユーザは、装置によって一方的に読み上げられる合
成音声を長時間受聴することに、多大な集中力を必要と
しまた苦痛を強いられるという問題があった。上記合成
音声の了解性を向上させるためには、ユーザが随意、読
み上げ動作の開始／停止、条件変更を行えることが望ま
しい。しかしこれらを上記従来の入力装置で操作するこ
とは困難であるか、高度の習熟を要する。そのため、視
覚に障害を有するユーザや計算機操作に不慣れなユーザ
は、テキスト読み上げ装置を操作することが極めて困難
であるという問題点があった。

【０００６】本発明は上記問題点を解決し、容易に操作
できるマン・マシンインターフェースを有したテキスト
読み上げ装置を提供し、文章校正支援など従来からの用
途における作業効率化を実現することのほか、表示され
たテキストを読むことが困難な視覚に障害を有した者の
読書などを支援する装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】本発明に係るテキスト読
み上げ装置は、テキストデータを文字列として画面に表
示しこの画面上の指示物体の接触点を表す位置情報を出
力する表示入力手段と、前記位置情報に基づいて前記指
示物体によりなぞられた文字列部分を特定するトレース
特定手段と、この文字列部分に対応する音声を前記テキ
ストデータに基づき合成する音声合成手段と、この合成
された音声を出力する音声出力手段と、を有することを
特徴とする。

【０００８】本発明によれば、表示入力手段の画面に表
示された文字列をなぞると、表示入力手段はなぞられた
位置を検知して位置情報として出力する。この位置情報
がテキストデータに対応づけられ、文字列のなぞられた
部分が音声合成され音声出力される。画面をなぞる指示
物体は、例えば操作者の指やペンなどのポインタであ
る。表示入力手段は、例えば指から受ける接触圧や静電
的相互作用や光学的相互作用などにより、指示物体によ
り指し示された位置を検出する。表示入力手段は例え
ば、タッチパネルを用いて実現することができる。「な
ぞる」という、対象である文字列に直接に働きかける行
為は我々が日常行っているような自然な行為であり、操
作者が自在に装置を制御することができる。

【０００９】本発明に係るテキスト読み上げ装置におい
ては、前記音声合成手段は、前記位置情報に基づいて前
記接触点の移動速度を求める速度検出手段と、この移動
速度に応じて前記音声の発話速度を制御する発話速度制
御手段と、を有することを特徴とする。本発明によれ
ば、操作者は指示物体の移動速度を調節することにより
自己の望む発話速度を自然に得ることができ、出力され
る音声の了解性が高まる。

【００１０】本発明に係るテキスト読み上げ装置におい
ては、前記表示入力手段は前記指示物体から受ける圧力
を表す圧力情報を出力し、前記音声合成手段は前記圧力
信号に応じて前記音声の音量を制御する音量制御手段を
有すること、を特徴とする。本発明によれば、表示入力
手段は指示物体から受ける圧力を検知することができ
る。操作者は指示物体による画面への圧力を調節するこ
とにより、合成音声の強弱を制御することができ、出力
される音声の了解性が高まる。

【００１１】

【発明の実施の形態】以下、本発明の実施の形態である
テキスト読み上げ装置を図面を参照して説明する。この
テキスト読み上げ装置は、テキストを表示する表示器と
ポインティングを検知する入力器とが一体化された表示
入力デバイスを有し、そのデバイスに表示された文字列
を指などでなぞると、そのなぞられた部分の文字列を音
声合成により読み上げるという基本機能を有するもので
ある。図１は、この基本機能を説明する原理図である。
ここでは表示入力デバイスとして透明なタッチパネルが
ディスプレイの画面上に一体的に構成され、その画面が
図示されている。ディスプレイ画面上には文字列が複数
行に渡って表示されている。指１がディスプレイ画面上
の透明なタッチパネルに接触しながら、文字列のある行
を水平右向きにトレースすると、本装置はそのトレース
された文字列に対応する合成音声を出力する。以下、こ
の機能を実現する装置の具体的構成を説明する。

【００１２】図２は本実施形態に係るテキスト読み上げ
装置のブロック構成図である。本装置は、表示入力デバ
イス２、朗読インターフェースドライバ４、言語処理部
６及び規則合成部８という４つのブロックを含んでい
る。

【００１３】表示入力デバイス２は、朗読インターフェ
ースドライバ４から出力されたテキストデータを表示す
る表示器１０と、この表示器１０と一体に構成され指示
物体によるその画面に対する接触点を検知する入力器１
２とを備えている。本装置は具体的には表示入力デバイ
ス２として上記の画面上に透明なタッチパネルを備えた
ディスプレイを用いている。すなわち、ディスプレイが
表示器１０であり、タッチパネルが入力器１２である。
このタッチパネルは、指やペンなどの指示物体（ポイン
タ）により接触された点の位置情報とその接触圧情報と
を表す入力信号１４を出力する。なお、表示入力デバイ
ス２には、入力器に上記タッチパネルの代わりにタブレ
ットを用いたものなども可能である。ちなみに、このタ
ブレットは、スタイラスと称される入力用ペンが指し示
す位置を電磁的な方法や光学的な方法などにより検出す
る装置である。

【００１４】朗読インターフェースドライバ４は、上記
表示入力デバイス２、言語処理部６及び規則合成部８間
に位置するものであり、これらの間におけるデータの変
換や演算といった一群の処理を行う。本装置において基
本となるデータは、文章バッファ２０に格納されたテキ
ストデータである。このテキストデータは、図示しない
キーボードなどの入力装置から入力されたり、または電
子化テキストデータを記録された記録媒体から読み込ま
れる。この文章バッファ２０のテキストデータは言語処
理部６及び表示処理部２２にて利用される。

【００１５】言語処理部６は、文章バッファ２０からの
日本語テキストを言語解析し、その日本語テキストの
「読み」を表す情報に、音声合成処理に必要な文節の境
界、アクセントの位置、ポーズの位置、母音の無声化と
いった韻律情報を加えた音韻記号列を生成する。この音
韻記号列は、音韻記号列バッファ２４に蓄積される。

【００１６】規則合成部８は、朗読インターフェースド
ライバ４から出力されるパラメータを基に、音声の規則
合成を行う。詳細は後述する。

【００１７】続いて朗読インターフェースドライバ４を
説明する。表示処理部２２は表示入力デバイス２に対す
る出力処理を行う。すなわち表示処理部２２は、文章バ
ッファ２０から表示器１０の例えば一画面分に相当する
テキストデータを読み込み、テキスト画面データ２６に
変換して表示器１０に出力する。なお、表示処理部２２
は、文章バッファ２０中のどの部分が表示器１０のどこ
に表示されているかを示す表示範囲情報２８を音韻記号
出力処理部４０に出力し、後述する音韻記号出力処理部
４０はトレース特定処理をこの情報を用いて行うことと
してもよい。

【００１８】入力信号処理部４２内の位置判定器４４、
速度判定器４６、圧力判定器４８は表示入力デバイス２
からの入力信号１４を受け、それぞれ、表示器１０上で
のポインタによる接触点の位置データ５０、移動速度デ
ータ５２及び圧力データ５４を求め出力する。つまり、
入力信号１４が含む位置情報、接触圧情報から、接触点
の画面上での座標、圧力値が抽出され、またこの座標の
時間的な変化から移動速度が演算により生成される。位
置判定器４４は、ポインタの座標そのものを位置データ
５０として出力してもよいが、本装置では接触圧情報か
らポインタの画面への接触を検知しポインタが連続して
接触している間において、位置情報から行方向（水平方
向）の変位成分のみ抽出し、これを位置データ５０とし
て出力する。すなわちポインタの移動が垂直方向の変位
成分を有していても、位置データ５０の垂直方向の座標
は固定したままで変化させない。これは、人間にとって
細かい文字列をそれから逸れずに正確にトレースするこ
とは難しいからであり、この機能は特に、目の不自由な
者やお年寄りが操作する場合に有効である。垂直方向の
座標は、ポインタを画面から一旦離して他の行を接触す
ることにより変更される。なお、入力信号処理部４２
は、ポインタの行からの逸脱を、アラームや、なぞられ
る文字列から生成される合成音声をフェードアウトする
ことなどによって操作者に知らせても良い。また、後述
するように画面上にボタンを設けこれをダブルクリック
するなどによって操作を行う場合には、入力信号処理部
４２から出力される位置データ５０や圧力データ５４な
どは、図示しないテキスト読み上げ装置制御部に渡さ
れ、ボタン操作の有無の判定などに利用される。

【００１９】位置データ５０は上記音韻記号出力処理部
４０に入力される。音韻記号出力処理部４０は、表示器
１０上においてポインタによりなぞられた（トレースさ
れた）文字列部分が文章バッファ２０に与えられたテキ
ストデータ中のどの位置であるかを、位置データ５０か
ら特定する。このとき必要に応じて、音韻記号出力処理
部４０は、表示処理部２２から表示範囲情報２８といっ
た情報を得たり、図示しないテキスト読み上げ装置制御
部から表示処理部２２に対し与えられる表示範囲指定の
情報を得る構成とされる。なぞられた文節に対応する音
韻記号列を音韻記号列バッファ２４から取り出し、規則
合成部８に出力する。また本装置では音韻記号出力処理
部４０は、接触点がある文節から次の文節に移動するタ
イミング信号６０を発話速度制御部６２に出力する。

【００２０】ポインタを画面から離すと、入力信号処理
部４２からの位置データ５０の出力は停止する。これに
応じて音韻記号出力処理部４０からの音韻記号列の出力
も停止し、これを用いる規則合成部８での音声合成も中
断する。ちなみに、ある画面上の文字列のある行をトレ
ースしているポインタを画面から離して、他の行に触れ
ることにより、飛ばし読み動作が実現される。また、ポ
インタが逆方向、すなわち左向きに移動されある文節か
らその前の文節に移動すると、音韻記号出力処理部４０
は、ある文節の音韻記号列に引き続いてその前の文節の
音韻記号列を出力する。すなわち、ポインタの逆方向移
動により、文節単位で逆読みが行われる。この文節単位
の逆読みは、文字単位の逆読みに比べて意味の理解が容
易であり、読み直しのための後戻り動作が容易になる。

【００２１】発話速度制御部６２は、単純にはトレース
された文字列部分における発話速度とその位置における
ポインタの移動速度とを対応づければよい。しかし必ず
しもポインタの移動速度の滑らかなコントロールは容易
ではなく、通常は、文字列とは無関係に移動速度の緩急
が生じてしまうものである。特に、画面へのポインタの
押圧が強くなると画面上での摩擦が大きくなって大きな
速度変化が短い周期で発生しやすい。この文字列とは無
関係な緩急がそのまま発話速度に反映されると、合成さ
れた音声が聞き取りにくいものとなりやすい。そこで本
装置では文節移動のタイミング信号６０を音韻記号処理
部４０から得て、これを用いて文節間では発話速度を変
化させるが文節内の発話速度は一定とする制御を行って
いる。すなわちタイミング信号６０を得た瞬間の移動速
度データ５２に応じて、次の文節の発話速度を決定し、
発話速度パラメータとして規則合成部８に出力する。ま
た、耳障りな短周期の大きな速度変動の影響をキャンセ
ルするために、適当な時間幅で平均した速度を用いるこ
とも有効である。

【００２２】音量制御部６４は、圧力データ５４に基づ
いて指し示された文節の音量を決定し、音量パラメータ
として規則合成部８に出力する。なお、本装置では、ポ
インティング信号１４中の接触圧情報を用いて音量を調
節したが、音量の代わりに文節中のアクセントの強さを
調節させる構成も可能である。

【００２３】規則合成部８には、音韻記号出力処理部４
０からの音韻記号列、発話速度変更部６２からの発話速
度パラメータ、及び音量制御部６４からの音量パラメー
タが入力される。この規則合成部８が従来と異なる点
は、その入力に、ポインタの操作により操作者が随意に
変更できる発話速度パラメータ及び音量パラメータを含
んでいる点である。

【００２４】通常の音声合成装置の処理は、まずテキス
トデータを言語解析した結果に、一定の発話速度に基づ
く音韻継続時間長が付加された音韻記号列を生成する。
つまり、発話速度は当初にパラメータとして与えられた
もので固定であり、これを変更する場合にはキーボード
などを操作する必要があり、テキストが読み上げられて
いる途中でタイミングよく自由自在に変更することは困
難であった。また、音韻記号列に基づいて生成される音
源振幅パタンの変動レンジも、通常は当初に定める音量
を表すパラメータにより決定され、発話速度同様、これ
を自由自在に変更することは困難であった。

【００２５】これに対し本装置の規則合成部８は、ポイ
ンタ動作により文節ごとに変更可能な発話速度パラメー
タを用いて音韻継続時間長を文節ごとに自在に変更する
ことができる。次いで音韻記号列に基づき、音声の強度
変化を表す音源振幅パタン、基本周波数の変化を表すピ
ッチパタン、及び音色を表す周波数スペクトルの包絡形
状であるスペクトルパタン（フォルマントパタン）が、
それぞれ規則などに基づいて生成され、これらが合成さ
れて合成音声が作られる処理が行われる。このとき本装
置では、ポインタ動作により随意変更可能な音量パラメ
ータを用いて音源振幅パタンの変動レンジを自在に変更
することができる。

【００２６】上述のように本装置によれば、操作者はポ
インタで文字列をなぞるという極めて簡単な操作で、音
声出力を得ることができる。すなわち、視覚に障害があ
る者や機械操作に不慣れな者であっても、本装置を操作
することができる。また操作者はその了解度に応じて自
在に発話速度や音量（またはアクセント強度）を調節し
たり、後戻り動作や飛ばし読み動作を行うことができる
ので、了解性の高い合成音声を得ることができ、よって
本装置を文章校正作業の支援に用いれば、その作業効率
が向上する。

【００２７】ところで、以上述べた規則合成では現状で
は必ずしも１００％正しい「読み」や「アクセント」を
得ることはできない。そこで本装置は、文節修正モード
を備えている。文節修正モードは、操作者によって装置
の「読みの間違い」や「アクセントの間違い」が検知さ
れた文節に対し、装置が合成音声によって発音の候補を
提示し、操作者が正しい発音を選択してこれを装置に学
習させることができる機能である。本装置では文節修正
モードは、例えば操作者が装置の発音を修正したい文節
を画面上でポインタによってダブルクリックすることに
より起動される。装置は文節修正モードが起動されたこ
とを音により操作者に知らせる。併せて、画面上にその
旨を表示してもよい。装置は指定された文節に対する読
みの候補を合成音声により順次提示する。このとき、例
えば、画面は大きく３つのエリアに分割され、それぞれ
のエリアが次の候補、現在の候補、前の候補の合成音声
を出力させる接触スイッチとなる。この接触スイッチを
操作して候補を選択し、装置に発音させる。候補が尽き
た場合には、装置は画面と合成音声とのそれぞれにより
操作者に通知する。操作者が意図する候補を見出したと
きは、画面の分かりやすい位置、例えば、画面上端、下
端、隅などの少なくともどこかに設けられた接触スイッ
チをダブルクリックすることにより、その候補が以降そ
の文節の読みとして確定される。読みが確定されると、
同様の方法で、アクセントを決定するルーチンに入る。
このように読み又はアクセントが修正されると、音韻記
号列バッファ２４の内容、又は言語処理部６のデータが
変更され、それ以降、その文節は修正された読みとアク
セントで音声合成される。

【００２８】このように、本装置は画面上で、上述のよ
うな文節の発音を修正することができる。この操作は、
それまで画面上の文字列をなぞっていたポインタで簡単
な操作で行うことができる。すなわち、ポインタから他
の入力手段、例えばキーボードやマウスに切り替えると
いった動作が不要であるので作業効率がよい。特に、目
の不自由な者には、このような動作の移行がないこと
は、操作上、非常に便利であるし、また、文節修正モー
ド時に画面上に設定される接触スイッチも、操作者によ
る位置特定が大雑把でよい大きなものであったり、位置
を把握しやすい画面端部に設けられており、通常用いら
れるキーボードなど他の入力手段に比較し操作性が高
い。

【００２９】

【発明の効果】本発明のテキスト読み上げ装置によれ
ば、これまでキーボードやマウスからの操作が必要であ
った装置の操作を、読み上げられる文字列が表示された
画面上に対する指やペンなどのポインタの位置、動き、
圧力によって、極めて直観に近い自然な操作で行うこと
ができるという効果がある。特に、このような容易なマ
ン・マシンインターフェースは、視覚に障害を有したユ
ーザや計算機操作に不慣れなユーザに対して有効であ
る。また、音声合成において生じる読みやアクセントの
誤りの修正も画面上のポインタによる操作で行うことが
できる。このとき、読み、アクセントの候補が合成音声
で提示されるので、言語学的、または音声学的な知識を
持たない一般ユーザでもその候補の中から選択を行うこ
とにより、修正作業を容易に行うことができる。

【図面の簡単な説明】

【図１】 本実施形態に係るテキスト読み上げ装置の基
本機能を説明する原理図である。

【図２】 本実施形態に係るテキスト読み上げ装置のブ
ロック構成図である。

【符号の説明】

２ 表示入力デバイス、４ 朗読インターフェースドラ
イバ、６ 言語処理部、８ 規則合成部、１０ 表示
器、１２ 入力器、１４ 入力信号、２０ 文章バッフ
ァ、２４ 音韻記号列バッファ、４０ 音韻記号出力処
理部、４２ 入力信号処理部、４４ 位置判定器、４６
速度判定器、４８ 圧力判定器、５０位置データ、５
２ 移動速度データ、５４ 圧力データ、６２ 発話速
度制御部、６４ 音量制御部。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ１０Ｌ 3/00 Ｇ０６Ｆ 15/20 ５６８Ａ

Claims (3)

【特許請求の範囲】
1. 【請求項１】 テキストデータを文字列として画面に表
   示し、この画面上の指示物体の接触点を表す位置情報を
   出力する表示入力手段と、 前記位置情報に基づいて、前記指示物体によりなぞられ
   た文字列部分を特定するトレース特定手段と、 この文字列部分に対応する音声を前記テキストデータに
   基づき合成する音声合成手段と、 この合成された音声を出力する音声出力手段と、 を有することを特徴とするテキスト読み上げ装置。
2. 【請求項２】 請求項１記載のテキスト読み上げ装置に
   おいて、 前記音声合成手段は、 前記位置情報の経時変化に基づいて、前記接触点の移動
   速度を求める速度検出手段と、 この移動速度に応じて前記音声の発話速度を制御する発
   話速度制御手段と、 を有することを特徴とするテキスト読み上げ装置。
3. 【請求項３】 請求項１記載のテキスト読み上げ装置に
   おいて、 前記表示入力手段は、前記位置情報とともに、前記指示
   物体から受ける圧力を表す圧力情報を出力し、 前記音声合成手段は、前記圧力信号に応じて前記音声の
   音量を制御する音量制御手段を有すること、 を特徴とするテキスト読み上げ装置。