JPH09292897A

JPH09292897A - 音声合成装置

Info

Publication number: JPH09292897A
Application number: JP8107835A
Authority: JP
Inventors: Masayuki Iida; 正幸飯田; Masanori Miyatake; 正典宮武
Original assignee: Sanyo Electric Co Ltd
Current assignee: Sanyo Electric Co Ltd
Priority date: 1996-04-26
Filing date: 1996-04-26
Publication date: 1997-11-11

Abstract

(57)【要約】【課題】テキスト入力されたテキストから決定された
アクセント、フレーズに関する韻律情報を、韻律生成モ
デルに従って生成しており、この韻律情報は、実際人間
が発声する音声を特徴付ける韻律と異なっているため、
合成された音声の品質が劣化しており、合成音声の自然
性が欠如するといった問題点があった。【解決手段】本発明は、合成単位情報、及び韻律情報
に基づいて音声合成部(24)にて音声合成を行う音声合成
装置であって、該音声合成部(24)は、入力音声から韻律
情報を抽出する韻律情報抽出部(25)を有し、上記音声合
成部(24)は第２の韻律情報に基づいて音声合成を行うこ
とを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力文字列（テキ
スト）の読みから生成される合成単位情報と、韻律情報
とに基づいて音声合成を行う音声合成装置に関し、特に
音声合成の際に、入力音声から抽出された韻律情報、並
びに上記合成単位情報に基づいて音声合成する音声合成
装置に関する。

【０００２】更に、本発明は、韻律生成モデルに従って
生成された第１の韻律情報に対して、入力音声から抽出
された第２の韻律情報を付加した第３の韻律情報、並び
に合成単位情報に基づいて音声合成する音声合成装置に
関する。

【０００３】

【従来の技術】従来の音声合成装置は、入力文字列（テ
キスト）の読みから生成される合成単位情報、並びにア
クセント及びフレーズ情報等から生成される韻律情報に
基づいて音声合成を行っており、斯かる音声合成装置の
概略構成図を図５に示す。

【０００４】図５において、音声合成装置は言語処理部
１と音響処理部２とから構成されている。

【０００５】まず、テキスト入力部（図示せず）から入
力された、例えば漢字仮名交じりの日本語テキスト「明
日の朝は小雨が降る」は、見出し、読み仮名、アクセン
ト型、及び文法情報等の形態素データを格納した辞書部
１１に基づいて形態素解析部１０にて形態素解析され
る。

【０００６】この形態素解析が行われた日本語テキスト
は、夫々読み生成部１２、アクセント決定部１３、及び
フレーズ決定部１４に送られる。

【０００７】読み生成部１２では、辞書部１１を参照し
乍ら、形態素解析部１０で形態素解析された結果に基づ
き、入力された上記日本語テキストに対する読み情報
「アスノアサワコサメガフル」を生成する。

【０００８】アクセント決定部１３では、形態素解析部
１０で形態素解析された結果に基づいて、上記読み情報
に対応したアクセント情報を生成する。具体的には、
「アスノ」が３モーラ０型、「アサワ」が３モーラ１
型、「コサメガ」が４モーラ０型、「フル」が２モーラ
１型と決定される。

【０００９】ここで、モーラは「拍」とも呼ばれ、４モ
ーラは４拍で発声される。また、標準語においてＮ（但
し、Ｎは０以上の整数である。）型アクセントとは、先
頭モーラが低く、２モーラ目以降Ｎモーラ目までが高
く、（Ｎ＋１）モーラ目以降が低く発声されるものを指
す。最後まで低くならないものを０型と呼ぶ。また、１
型だけは、先頭モーラが高く、２モーラ目以降は低く発
声される。

【００１０】更に詳述すると、１型以外の先頭モーラは
通常は低く発声されるが、先行の高い音に接続されて引
き続き発声される場合には、先頭モーラも高くなる。具
体的には、例えば、３モーラ０型＋５モーラ２型の場合
では、５モーラ２型に先行する３モーラ０型の最終モー
ラは高く発声されるので、５モーラ２型の先頭モーラも
高くなる。

【００１１】フレーズ決定部１４では、入力された日本
語テキストに対し、自然な区切りで区切られるひとつの
まとまりを決定し、フレーズ情報として出力する。上述
の日本語テキスト例では、「アスノアサワ」と「コサメ
ガフル」の２つのフレーズに分けられる。

【００１２】この後、読み情報は、言語処理部１の後段
に設けられた音響処理部２の合成単位データ選択部２２
に送られる。

【００１３】また、アクセント決定部１３で生成された
アクセント情報、及びフレーズ決定部１４で生成された
フレーズ情報は、言語処理部１の後段に設けられた音響
処理部２の韻律生成部２３に送られる。

【００１４】一方、音響処理部２における音声データベ
ース部２１は、予め所望の単位の音声、又はそれらを含
む単語や文章等の音声を録音して音声データとして格納
すると共に、音声合成に際して必要な音声ラベル情報、
例えば「音韻（音素）名」、「音韻境界」、「有声／無
声」、「発声条件」などの情報を付加してデータベース
化されている。

【００１５】合成単位データ選択部２２は、読み生成部
１２から送られてくる読み情報「アスノアサワコサメガ
フル」に従って、音声ラベル情報を参照し乍ら、音声デ
ータベース部２１に格納されている最適な音声データを
読み出し、音声ラベル情報と共に、それらを合成単位情
報として、後述する音声合成部２４に出力する。

【００１６】また、韻律生成部２３は、アクセント決定
部１３、及びフレーズ決定部１４から夫々送られてくる
アクセント情報、及びフレーズ情報に基づいて韻律情報
を生成する。生成される韻律には、例えば振幅（声の大
きさ）、基本周波数（声の高さ）、区切り（ポーズ時
間）、及び音韻継続時間長（発声速度）等の各種物理的
パラメータなどがある。

【００１７】具体的には、「アスノ」は３モーラ０型ア
クセントであるので「ア」の発声を低く、「ス」は高
く、「ノ」は高いが「ス」よりは少し低くする。また、
２つのフレーズ「アスノアサワ」と「コサメガフル」の
間には、短いポーズを入れる。

【００１８】最終的に、音声合成部２４は、合成単位デ
ータ選択部２２で選択された合成単位情報、及び韻律生
成部２３で生成された韻律情報に基づいて音声合成を行
い、入力された日本語テキスト「明日の朝は小雨が降
る」に対応した合成音声が生成される。この合成音声は
出力部（図示せず）から出力される。

【００１９】ところで、韻律情報のうち、合成音声の品
質に大きな影響を与えるものの一つに基本周波数（「声
の高さ」、又は「ピッチ」ともいう。）がある。図６は
基本周波数パタン（以下では、ピッチパタンという）の
一例を示したものである。

【００２０】一般的に、人間の声の出始めでは声の高さ
の要因であるピッチ周波数は高く始まり、次第に呼気の
減少によって声の高さも下がってくる。このような、ピ
ッチパタンの右下がりの特性を「話調成分」或るいは
「基本イントネーション成分」という。

【００２１】また、単語や文節に特有のアクセントやイ
ントネーションによってピッチパタンは局部的に上昇す
ることがあり、これを「アクセント成分」という（音声
情報工学ＮＴＥＣ（ＮＴＴ技術移転株式会社），ｐ83
〜ｐ84，小池恒彦ほか共著）。なお、ここでいう「話
調成分」或るいは「基本イントネーション成分」は、
「フレーズ成分」ともいわれる。

【００２２】このように、フレーズ成分及びアクセント
成分によってピッチパタンが形成されており、このピッ
チパタンを数式で表したものが、いわゆる韻律生成モデ
ルのひとつ、ピッチパタンモデルである。

【００２３】そのピッチパタンモデルは、以下の数１、
数２による韻律生成モデルで表現することができる（社
団法人日本音響学会音響研究会資料Ｓ８４−３６
（１９８４−７），連続音声中におけるアクセント成分
の実現，ｐ281〜ｐ282，藤崎博也他）。

【００２４】

【数１】

【００２５】但し、Ｆmin ；声帯振動が可能な最低周波数Ｉ・Ｊ；一文中でのフレーズ指令の数・アクセント
指令の数Ｔ_0i ；ｉ番目のフレーズ指令の時点、Ｔ_1j・Ｔ_2j；ｊ番目のアクセント指令の開始時点・終了
時点また、Ｇ_pi(ｔ)、Ｇ_aj(ｔ)は夫々フレーズ制御機構のイ
ンパルス応答関数、アクセント制御機構のステップ応答
関数であり、ｔ≧０の範囲では以下の数２で与えられ
る。

【００２６】

【数２】

【００２７】但し、α_i；ｉ番目のフレーズ指令に対するフレーズ制
御機構の固有角周波数 β_j；ｊ番目のアクセント指令に対するアクセント制御
機構の固有角周波数尚、ｔ≦０では両者とも０である。数２のＭｉｎ［，
］記号は、実際の基本周波数パタンではＧ_aj(ｔ)が有
限の時間内に上限値θに達し、以後、その値を保持する
とみられることを示す。

【００２８】

【発明が解決しようとする課題】然し乍ら、上述にあっ
ては、テキスト入力されたテキストから抽出されたアク
セント、フレーズに関する韻律情報を、数１・数２に示
される韻律生成モデルに従って生成しており、この韻律
情報に基づいて音声合成部２４は音声合成を行ってお
り、斯かる韻律情報は、実際に人間が発声する音声を特
徴付ける韻律と必ずしも一致しておらず、合成された音
声の品質が劣化して、合成音声の自然性が欠如すること
があった。数１・数２に示される定数の値を調整した
り、フレーズ指令・アクセント指令の制御を高度化する
ことで自然性が向上するが、容易ではなかった。

【００２９】また、振幅や音韻継続長などの制御に対す
る精度の高いモデルが無く、人間らしい自然な合成音声
の生成は非常に困難であった。

【００３０】更には、特定の人の発声に近づけたり、関
西弁などの方言固有の韻律を実現するための韻律生成
は、満足な方法すら無いのが現状であった。

【００３１】

【課題を解決するための手段】そこで、本発明は上述の
問題点を解決するべく為されたものであり、合成単位情
報、及び韻律情報に基づいて音声合成部にて音声合成を
行う音声合成装置であって、上記音声合成部は、入力音
声から抽出された韻律情報に基づいて音声合成する。

【００３２】また、本発明は、合成単位情報、及び韻律
生成モデルに従って生成される第１の韻律情報に基づい
て音声合成部にて音声合成を行う音声合成装置であっ
て、該音声合成部は、上記第１の韻律情報に対して、入
力音声から抽出された第２の韻律情報を付加した第３の
韻律情報、並びに上記合成単位情報に基づいて音声合成
を行うことを特徴とする。

【００３３】具体的には、入力音声からの韻律情報を抽
出する韻律情報抽出部を有することを特徴とする。

【００３４】具体的には、上記音声合成装置は、上記第
３の韻律情報を生成するに当って、上記第１の韻律情報
と上記第２の韻律情報の同期を取る韻律処理部を具備す
る。

【００３５】具体的には、上記韻律処理部は、上記第１
の韻律情報に係る母音重心点、及び第２の韻律情報に係
る母音重心点を調製することによって上記第３の韻律情
報を生成する。

【００３６】具体的には、上記合成単位情報は、文章、
文節、単語、音節、音素のいずれか、或るいはこれらの
組み合わせである。

【００３７】具体的には、上記合成単位情報は、録音編
集によって生成される。

【００３８】

【発明の実施の形態】本発明の実施の形態を図１乃至図
４に従って説明する。＜第１の発明の実施の形態＞図１は本発明の音声合成装
置の概略構成図を表しており、図１において従来の音声
合成装置の構成と同一機能を有する構成については、同
一符号を付し、その具体的な説明は割愛する。

【００３９】図１における本発明の音声合成装置の構成
が、従来の音声合成装置のそれと異なる点は、（１）韻
律生成部２３と並列関係に「韻律情報抽出部２５」、及
び「韻律情報格納部２６」を設けたこと、（２）音声合
成する際に韻律生成部２３と韻律情報格納部２６とを切
り換える「切換部２７」を設けたこと、（３）切換部２
７の後段に「韻律処理部２８」を設けたこと、（４）韻
律処理部２８に韻律情報を付加ないしは変更する範囲
（以下「韻律変更範囲」という。）を指定する「韻律変
更指令部２９」を設けたこと、及び（５）韻律情報抽出
部２５に「マイクロフォン３０」を設けたこと、であ
る。

【００４０】この韻律情報抽出部２５は、マイクロフォ
ン３０から入力された音声中の韻律情報を抽出し、この
抽出された韻律情報を韻律情報格納部２６に格納させる
ことができる機能を有する。

【００４１】韻律情報格納部２６は、種々の韻律パタン
を持つ入力音声から抽出された韻律情報を格納してお
り、この韻律情報格納部２６は、韻律情報と共に「モー
ラ数」、「アクセント型」をも有している。

【００４２】韻律処理部２８は、韻律変更指令部２９の
指示に従って切換部２７を韻律情報格納部２６側に切り
換えることによって、韻律情報格納部２６から送られて
くる「第２の韻律情報」を後段の音声合成部２４に送
る。

【００４３】本発明の音声合成装置の概略構成図は上述
の通りであり、この音声合成装置を用いて、日本語テキ
ストに韻律情報を付与するための動作処理を図２乃至図
４を用いて説明する。

【００４４】本発明の場合においては、変更後の韻律情
報は、第２の韻律情報としてあらかじめ韻律情報格納部
２６に格納されている。これらの韻律情報は、マイクロ
フォン３０から入力された音声から、韻律情報抽出部２
５で抽出される。以下、その手順を説明する。

【００４５】マイクロフォン３０から入力された音声か
ら、韻律情報抽出部２５にて、例えばピッチ（基本周波
数）が抽出される。その手法としては自己相関法をはじ
め数多く有り、各種文献に詳しいので、ここでは特に説
明しない。

【００４６】さらに韻律情報抽出部２５では、入力音声
の母音重心点をサーチする。この母音重心点のサーチ処
理を図２、及び図３に基づいて説明する。

【００４７】図２は標準日本語発声「小雨が降る」につ
いて、各モーラの母音重心点における基本周波数を基に
表したピッチパタンである。

【００４８】また、図３は各種音声パラメータを表して
おり、図３の上段は標準日本語発声「小雨が降る」の音
声波形を表した図であり、また中段は該音声の振幅を表
した図であり、更に下段は該音声の自己相関を表した図
である。

【００４９】一般的にみて、母音重心点は、（１）有声
区間である、（２）振幅の極大点近くである、（３）自
己相関係数の安定点で、極小点である、などの条件を用
いて抽出することができる（例えば、信学会技報ＳＰ９
２−４、ニューラルネットによる短文章音声の点ピッチ
パタン推定、ｐ２５〜ｐ３１）。

【００５０】上述のようにして入力音声から抽出された
ピッチパタンと母音重心点は、韻律情報として順次韻律
情報格納部２６に格納される。その際インデックスとし
て、「モーラ数」、及び「アクセント型」が与えられ
る。

【００５１】例えば、入力音声として「小雨が降る」と
標準語で発声された場合には、「４モーラ０型＋２モー
ラ１型」（「小雨が」は４モーラ０型、「降る」は２モ
ーラ１型）が与えられる。

【００５２】同様に、音声データベース部２１に格納さ
れている合成単位データに対しても、あらかじめ母音重
心点を抽出しておく。

【００５３】次に、合成音声の生成手順について説明す
る。

【００５４】第１の発明の実施の形態では、テキスト入
力部から日本語テキスト「小雨が降る（ｋｏｓａｍｅｇ
ａｆｕｒｕ）」を入力し、その「小雨が降る」の全体の
韻律を変更して音声合成する場合を例に挙げる。

【００５５】以下、この第２の韻律情報に基づいて音声
合成部２４で「小雨が降る」の音声を生成する場合につ
いて説明する。尚、言語処理部１の動作原理は従来のそ
れと同一であるため割愛する。

【００５６】ステップＳ１において、ユーザが韻律変更
指令部２９を介して、日本語テキストを第２の韻律情報
のみに基づいて音声合成する旨の指令を出すと、切換部
２７は韻律情報格納部２６側に切り換わって、ステップ
Ｓ２に進み、一方第２の韻律情報のみに基づいて音声合
成しないのであれば、ステップＳ５に進む。

【００５７】ステップＳ２において、ユーザは、例えば
ディスプレイ（図示しない。）に表示された日本語テキ
ストに対して、第２の韻律情報を付与ないしは変更する
韻律変更範囲を指定する。

【００５８】ディスプレイに表示されている日本語テキ
ストのうち、「小雨が降る（ｋｏｓａｍｅｇａｆｕｒ
ｕ）」の部分を韻律変更範囲として、例えばマウスを使
って指示する。

【００５９】ステップＳ３において、韻律変更指令部２
９によって指示された「韻律変更範囲」の処理時には、
韻律処理部２８は、切換部２７を韻律情報格納部２６側
に切り換えて、第２の韻律情報を得る。

【００６０】その際、韻律情報格納部２６では、格納さ
れた韻律情報に与えられたインデックス情報を参考に、
アクセント決定部１３及びフレーズ決定部１４で決定さ
れたアクセント、及びフレーズに対応した韻律情報を選
出する。

【００６１】上記の動作を具体的に説明すると、韻律を
変更する対象「小雨が降る」（ｋｏｓａｍｅｇａｆｕｒ
ｕ）に対しては、アクセント決定部１３において「小雨
が」が「４モーラ０型」、また「降る」が「２モーラ１
型」であると判定され、またフレーズ決定部１４におい
て「小雨が降る」が一つのフレーズを形成すると判定さ
れる。

【００６２】従って、韻律を変更する対象「小雨が降
る」は「４モーラ０型＋２モーラ１型」なる一つのフレ
ーズであると判断され、これに対応する韻律情報が韻律
情報格納部２６において選出される。

【００６３】「４モーラ０型＋２モーラ１型」の韻律情
報を選出する際は、「小雨が降る」と発声された入力音
声から抽出された韻律情報が最良であるが、必ずしも同
一発声でなくともよい。ピッチパタンにおいては、「４
モーラ０型＋２モーラ１型」ならばほとんど相違がない
と言われている。

【００６４】而して、韻律情報格納部２６から読み出し
た「４モーラ０型＋２モーラ１型」の韻律情報が第２の
韻律情報として韻律処理部２８を経由して音声合成部２
４に送られる。

【００６５】ステップＳ４において、音声合成部２４は
合成単位データ選択部２２から送られてくる合成単位デ
ータを滑らかに接続し、これに韻律処理部２８から送ら
れてくる第２の韻律情報であるピッチパタンを用いて音
程を整え、合成音声として出力する。その際、合成単位
データ及び第２の韻律情報にそれぞれ与えられている母
音重心点の位置情報を用い、時間方向の整合性を保ちな
がら処理を行う。

【００６６】ステップ２において、韻律変更範囲とし
て、例えば「降る」の部分だけを指定することも可能で
ある。しかしこの場合、この部分が「２モーラ１型」で
あるといえども、当該部分は一つのフレーズの一部分で
あるため、該当する韻律情報をそのまま用いると、整合
が取れなくなることが多いので、第１の発明の実施の形
態においてはフレーズ単位で範囲を指定することが望ま
しい。

【００６７】原理的にはどのような部分でも入力音声の
韻律で置き換えることはできるが、その場合、少なくと
も同じフレーム内の指定されていない部分との韻律的整
合が取れるよう、入力音声発声時に発声者がコントロー
ルする必要があり、熟練が必要になる。＜第２の発明の実施の形態＞第２の発明の実施の形態に
おける音声合成装置の概略構成図は、図１と同様であ
り、図１の音声合成装置の構成と同一機能を有する構成
については、同一符号を付し、その具体的な説明は割愛
する。

【００６８】第２の発明の実施の形態に係る音声合成装
置の構成が第１の発明の実施の形態に係るそれと異なる
点は、韻律情報格納部２６に格納されている韻律情報数
が、第１の発明の実施の形態に係る韻律情報格納部２６
のそれより少なくてもよいことである。

【００６９】以下では、韻律情報格納部２６には、「小
雨が降る」に対応する「４モーラ０型＋２モーラ１型」
の韻律は無く、「小雨が止む」に対応する「４モーラ０
型＋２モーラ０型」の韻律が格納されているとして、第
２の発明の実施の形態に係るフローチャートを図４に基
づいて説明する。

【００７０】ステップＳ１において、ユーザが韻律変更
指令部２９を介して、日本語テキストを第２の韻律情報
のみに基づいて音声合成しない旨の指令を出すと、切換
部２７は韻律生成部２３側、或るいは韻律情報格納部２
６側に適宜切り換わって、ステップＳ５に進む。

【００７１】ステップＳ５において、ユーザから日本語
テキストを第３の韻律情報に基づいて音声合成するか否
かの指令を受け、第３の韻律情報に基づいて音声合成を
行うのであれば、ステップＳ６に進み、一方第３の韻律
情報に基づいて音声合成を行わないのであれば、終了す
る。

【００７２】ステップＳ６において、ユーザは、例えば
ディスプレイ（図示しない。）に表示された日本語テキ
ストに対して、第３の韻律情報を付与する韻律変更範囲
を指定する。

【００７３】ディスプレイに日本語テキストとして「小
雨が降る（ｋｏｓａｍｅｇａｆｕｒｕ）」が表示される
と、韻律変更範囲が例えばそのテキスト全体であれば、
ユーザはその部分をマウスを使って指示する。

【００７４】ステップＳ７において、韻律処理部２８
は、第１の発明の実施の形態と同様にして、韻律情報格
納部２６から第２の韻律情報を選出する。その際、所望
の「４モーラ０型＋２モーラ１型」の韻律情報は無いの
で、もっとも類似する「４モーラ０型＋２モーラ０型」
の韻律情報を選出する。

【００７５】ステップＳ８において、韻律処理部２８
は、第２の韻律情報のうち前半の「４モーラ０型」の部
分を保持するとともに、切換部２７を韻律生成部２３に
切り換え、韻律生成部２３で生成された「２モーラ１
型」の韻律情報を付け加え、第３の韻律情報を生成す
る。

【００７６】その際、不連続にならないように、滑らか
なピッチパタンを生成するため、接続点でのピッチパタ
ンを調整する。

【００７７】ステップＳ９では、第１の発明の実施の形
態と同様、音声合成部２４は合成単位データ選択部２２
から送られてくる合成単位情報、及び韻律処理部２８か
ら送られてくる第３の韻律情報に基づいて合成音声を出
力する。

【００７８】尚、本発明の実施の形態では、あらかじめ
ユーザがマイクロフォン３０を用いて音声入力し、韻律
情報を抽出して韻律情報格納部２６に格納しているが、
かならずしもこれに限定されるものではなく、他の手段
で抽出したものを格納してもよい。

【００７９】さらにいえば、所望の韻律を含む音声を必
要に応じて入力することも可能であり、これによって言
語処理結果にとらわれない自由な韻律を付与することが
できる。

【００８０】また、上述の実施の形態においては、韻律
変更範囲がテキスト全体の場合について説明したが、こ
れには限られず、テキストの一部分であってもよいこと
は云うまでもなく、本発明を適用することは可能であ
る。

【００８１】また、韻律情報として主にピッチパタンを
例として説明したが、音韻継続時間長や振幅等の付与あ
るいは変更も同様に可能である。

【００８２】ステップＳ１、及びＳ５において、第２の
韻律情報に基づくか、第３の韻律情報に基づくかを、さ
らにはその付与範囲をユーザが指示する形態を用いて説
明したが、例えば韻律情報格納部２６に所望の韻律情報
が存在するときには当該韻律情報をそのまま用い、所望
の韻律情報の一部分があるときには当該韻律情報を利用
して第３の韻律情報を生成して用い、所望の韻律情報が
ないときには韻律生成部２３で生成される第１の韻律情
報を用いることも可能である。

【００８３】

【発明の効果】以上の説明から明らかなように、本発明
によれば、入力音声から抽出された韻律情報に基づいて
音声合成を行うため、合成された音声の品質が向上し、
自然性を有する合成音声を得ることができる。また、装
置が生成することの出来ない微妙な韻律による言い回し
や感情の表現、あるいはアクセントの不具合などを簡単
に修正できる。

【００８４】また、本発明によれば、韻律生成モデルに
基づいて生成された第１の韻律情報に、入力音声から抽
出された第２の韻律情報を付加して第３の韻律情報を生
成しているため、すべての組み合わせの韻律情報を用意
する必要がないので、メモリ容量が小さくてすむ。

【００８５】更に、言語処理によって導かれる標準語の
韻律に限定されず、ユーザが所望の自由な韻律を持つ合
成音声を生成することができる。

【図面の簡単な説明】

【図１】本発明に係る音声合成装置の概略構成図であ
る。

【図２】ピッチパタン例を示す図である。

【図３】抽出した母音重心点の例を示す図である。

【図４】本発明の音声合成装置を用いて、日本語テキス
トに対して第２、又は第３の韻律情報に基づいて音声合
成出力するためのフローチャートである。

【図５】従来の音声合成装置の概略構成図である。

【図６】ピッチパタンを表したものである。

【符号の説明】

１・・・言語処理部２・・・音響処理部 10・・・形態素解析部 11・・・辞書部 12・・・読み生成部 13・・・アクセント決定部 14・・・フレーズ決定部 21・・・音声データベース部 22・・・合成単位データ選択部 23・・・韻律生成部 24・・・音声合成部 25・・・韻律情報抽出部 26・・・韻律情報格納部 27・・・切換部 28・・・韻律処理部 29・・・韻律変更指令部 30・・・マイクロフォン

Claims

【特許請求の範囲】

【請求項１】合成単位情報、及び韻律情報に基づいて
音声合成部にて音声合成を行う音声合成装置であって、上記音声合成部は、入力音声から抽出された韻律情報に
基づいて音声合成することを特徴とする音声合成装置。
【請求項２】合成単位情報、及び韻律生成モデルに従
って生成される第１の韻律情報に基づいて音声合成部に
て音声合成を行う音声合成装置であって、該音声合成部は、上記第１の韻律情報に対して、入力音
声から抽出された第２の韻律情報を付加した第３の韻律
情報、並びに上記合成単位情報に基づいて音声合成を行
うことを特徴とする音声合成装置。
【請求項３】入力音声からの韻律情報を抽出する韻律
情報抽出部を有することを特徴とする請求項１又は２記
載の音声合成装置。
【請求項４】上記音声合成装置は、上記第３の韻律情
報を生成するに当って、上記第１の韻律情報と上記第２
の韻律情報の同期を取る韻律処理部を具備することを特
徴とする請求項２記載の音声合成装置。
【請求項５】上記韻律処理部は、上記第１の韻律情報
に係る母音重心点、及び第２の韻律情報に係る母音重心
点を調製することによって上記第３の韻律情報を生成す
ることを特徴とする請求項４記載の音声合成装置。
【請求項６】上記合成単位情報は、文章、文節、単
語、音節、音素のいずれか、或るいはこれらの組み合わ
せであることを特徴とする請求項１又は２記載の音声合
成装置。
【請求項７】上記合成単位情報は、録音編集によって
生成されることを特徴とする請求項１又は２記載の音声
合成装置。