JPH0950295A - 音声合成方法およびそのための装置 - Google Patents
音声合成方法およびそのための装置Info
- Publication number
- JPH0950295A JPH0950295A JP7203168A JP20316895A JPH0950295A JP H0950295 A JPH0950295 A JP H0950295A JP 7203168 A JP7203168 A JP 7203168A JP 20316895 A JP20316895 A JP 20316895A JP H0950295 A JPH0950295 A JP H0950295A
- Authority
- JP
- Japan
- Prior art keywords
- morphing
- waveform data
- waveform
- points
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Abstract
(57)【要約】
【課題】 音質変更を簡単に行なえるようにして利便性
の高い音声合成システムを提供することを目的とする。 【解決手段】 同種の音素片についての各波形を個々に
特定する複数の波形データ１、２・・・をモーフィング
処理し、このモーフィング処理後のモーフィング波形デ
ータを用いて音声合成する。例えば波形データ１とし
て、各音素片の波形データをあらかじめ保持している波
形辞書から取り出したものを用い、波形データ２とし
て、実際の（利用者の）音声データをサンプリングして
音素片の単位で抽出したものを用いている。また、モー
フィング比率は調整可能である。
の高い音声合成システムを提供することを目的とする。 【解決手段】 同種の音素片についての各波形を個々に
特定する複数の波形データ１、２・・・をモーフィング
処理し、このモーフィング処理後のモーフィング波形デ
ータを用いて音声合成する。例えば波形データ１とし
て、各音素片の波形データをあらかじめ保持している波
形辞書から取り出したものを用い、波形データ２とし
て、実際の（利用者の）音声データをサンプリングして
音素片の単位で抽出したものを用いている。また、モー
フィング比率は調整可能である。
Description
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、音声合成方法およ
びそのための装置に関し、特に同種の音素片についての
各波形を個々に特定する複数の波形データをモーフィン
グ処理し、このモーフィング処理後のモーフィング波形
データを用いて音声合成する方式に関するものである。
びそのための装置に関し、特に同種の音素片についての
各波形を個々に特定する複数の波形データをモーフィン
グ処理し、このモーフィング処理後のモーフィング波形
データを用いて音声合成する方式に関するものである。
【０００２】近年のコンピュータシステムの一つの大き
な流れであるマルチメディアにおいて、テキストベース
の情報を音声情報に変換することができる音声合成処理
は重要な機能を持つものであるが、この場合、音質変更
の自由度が高くて利便性の優れた音声合成システムにす
ることが望ましく、本発明はこのような要請に応えるも
のである。
な流れであるマルチメディアにおいて、テキストベース
の情報を音声情報に変換することができる音声合成処理
は重要な機能を持つものであるが、この場合、音質変更
の自由度が高くて利便性の優れた音声合成システムにす
ることが望ましく、本発明はこのような要請に応えるも
のである。
【０００３】
【従来の技術】従来の音声合成処理の一つの手法である
波形編集方式は、 ・音声合成対象の元のテキスト（漢字かな混じり文）を
言語解析してその中の各音素片およびそれぞれの時間長
と抑揚パラメータなどを求め、 ・この音素片の波形データを波形辞書から取り出し、 ・この波形データを前記時間長や前記抑揚パラメータに
基づいて調整する、 ようにしており、他の音声合成処理方式よりも音質面で
優れていた。
波形編集方式は、 ・音声合成対象の元のテキスト（漢字かな混じり文）を
言語解析してその中の各音素片およびそれぞれの時間長
と抑揚パラメータなどを求め、 ・この音素片の波形データを波形辞書から取り出し、 ・この波形データを前記時間長や前記抑揚パラメータに
基づいて調整する、 ようにしており、他の音声合成処理方式よりも音質面で
優れていた。
【０００４】なお、波形データは、ある人の音声から得
られた音声データのうち任意の音素片ごとにその数周期
分の波形を取り出したものであり、各音素片の波形デー
タが波形辞書に格納されている。
られた音声データのうち任意の音素片ごとにその数周期
分の波形を取り出したものであり、各音素片の波形デー
タが波形辞書に格納されている。
【０００５】そのため、波形辞書から得られる合成音声
は、当然のことながらそこに格納されている波形データ
生成元である特定人の声の特徴が強く残ったものとな
り、合成音声の音質に変化を持たせたい場合には、この
生成元が異なる種々の波形辞書（男女の区別、年令の違
いなどに対応した各種の波形辞書）を用意しておき、こ
れらの波形辞書を選択的に使用するといったことが行な
われている。
は、当然のことながらそこに格納されている波形データ
生成元である特定人の声の特徴が強く残ったものとな
り、合成音声の音質に変化を持たせたい場合には、この
生成元が異なる種々の波形辞書（男女の区別、年令の違
いなどに対応した各種の波形辞書）を用意しておき、こ
れらの波形辞書を選択的に使用するといったことが行な
われている。
【０００６】図６は、一般的な波形辞書のデータフォー
マット例を示す説明図であり、波形辞書名21、音素片数
22およびｎ個の音素片情報23を有しており、また音素片
情報23のそれぞれは音素片名24と波形サンプリングデー
タ25とからなっている。
マット例を示す説明図であり、波形辞書名21、音素片数
22およびｎ個の音素片情報23を有しており、また音素片
情報23のそれぞれは音素片名24と波形サンプリングデー
タ25とからなっている。
【０００７】
【発明が解決しようとする課題】このように、従来の音
声合成処理方式では、音質変更の自由度を確保するには
それに見合うだけの波形辞書を用意しなければならない
が、一般に、波形辞書の作成には多量の人手と時間がか
かるため合成音声の音質を比較的自由に変えるようにす
ることはなかなか実現できないとういう問題点があっ
た。
声合成処理方式では、音質変更の自由度を確保するには
それに見合うだけの波形辞書を用意しなければならない
が、一般に、波形辞書の作成には多量の人手と時間がか
かるため合成音声の音質を比較的自由に変えるようにす
ることはなかなか実現できないとういう問題点があっ
た。
【０００８】そこで、本発明では、画像処理などの分野
で用いられているモーフィングの手法を音声合成の場合
に適用することにより、音質変更を簡単に行なえるよう
にして利便性の高い音声合成システムを提供することを
目的とする。
で用いられているモーフィングの手法を音声合成の場合
に適用することにより、音質変更を簡単に行なえるよう
にして利便性の高い音声合成システムを提供することを
目的とする。
【０００９】
【課題を解決するための手段】図１は、本発明の基本構
成図である。図において、１は、モーフィング処理対象
の波形データ（♯１）であり、例えばあらかじめ用意さ
れている波形辞書から取り出した音素片データである。
２は、モーフィング処理対象の波形データ（♯２）であ
り、例えば実際の（利用者の）音声データから音素片の
単位で抽出したものであって、波形データ１とは同種の
音素片が用いられる。３は、モーフィング処理部であ
り、モーフィング処理対象の各波形データ１、２からモ
ーフィング波形データを作成し、これをメモリなど（図
示省略）に格納している。４は、音声合成処理部であ
り、音声合成対象の各音素片に対応したモーフィング波
形データを用いることにより合成音声を作成する。
成図である。図において、１は、モーフィング処理対象
の波形データ（♯１）であり、例えばあらかじめ用意さ
れている波形辞書から取り出した音素片データである。
２は、モーフィング処理対象の波形データ（♯２）であ
り、例えば実際の（利用者の）音声データから音素片の
単位で抽出したものであって、波形データ１とは同種の
音素片が用いられる。３は、モーフィング処理部であ
り、モーフィング処理対象の各波形データ１、２からモ
ーフィング波形データを作成し、これをメモリなど（図
示省略）に格納している。４は、音声合成処理部であ
り、音声合成対象の各音素片に対応したモーフィング波
形データを用いることにより合成音声を作成する。
【００１０】なお、モーフィング処理の対象となる波形
データ１、２・・・としてどの形式のものを用いるかは
任意であり、例えば双方の波形データを、 ・波形辞書から取り出す、 ・実際の音声データから音素片の単位で抽出する、 ようにしてもよい。
データ１、２・・・としてどの形式のものを用いるかは
任意であり、例えば双方の波形データを、 ・波形辞書から取り出す、 ・実際の音声データから音素片の単位で抽出する、 ようにしてもよい。
【００１１】モーフィング処理部３における処理手順の
概要は次のようになっている（図２参照）。 各波形のゼロクロス点、極大点、極小点などの特徴点
を抽出する。 当該特徴点を各波形間で対応付ける。 各波形間の、対応する隣同士の前記特徴点により特定
される各単位区間の時間軸上での対応関係を求める。 この対応関係と、あらかじめ指定されたモーフィング
比率に基づいてモーフィング波形データを作成する。な
お、モーフィング比率自体は利用者が調整可能である。
概要は次のようになっている（図２参照）。 各波形のゼロクロス点、極大点、極小点などの特徴点
を抽出する。 当該特徴点を各波形間で対応付ける。 各波形間の、対応する隣同士の前記特徴点により特定
される各単位区間の時間軸上での対応関係を求める。 この対応関係と、あらかじめ指定されたモーフィング
比率に基づいてモーフィング波形データを作成する。な
お、モーフィング比率自体は利用者が調整可能である。
【００１２】ここで、特徴点の対応付けは、例えば各波
形データ１、２の波形包絡線上のゼロクロス点、極大
点、極小点などの特異点の中、時間軸上で逆転すること
なしに同じ態様で出現する同種のもの同士を組み合わせ
ることにより行なわれる。
形データ１、２の波形包絡線上のゼロクロス点、極大
点、極小点などの特異点の中、時間軸上で逆転すること
なしに同じ態様で出現する同種のもの同士を組み合わせ
ることにより行なわれる。
【００１３】また、各波形包絡線上の前記単位区間に属
する任意の点同士の時間的な対応関係は、この単位区間
の時間軸上での当該各点の距離比を一致させることによ
り、確保される。
する任意の点同士の時間的な対応関係は、この単位区間
の時間軸上での当該各点の距離比を一致させることによ
り、確保される。
【００１４】そして、モーフィング波形データは、例え
ば波形包絡線上の対応する点同士についての、 ・単位区間の開始点からの両者の時間軸上の距離をモー
フィング比率に基づく割合で加算した値の時間軸成分 ・両者の振幅をモーフィング比率に基づく割合で加算し
た値の振幅成分 を持った新たな各点からなる波形（図２参照）を示すも
のである。
ば波形包絡線上の対応する点同士についての、 ・単位区間の開始点からの両者の時間軸上の距離をモー
フィング比率に基づく割合で加算した値の時間軸成分 ・両者の振幅をモーフィング比率に基づく割合で加算し
た値の振幅成分 を持った新たな各点からなる波形（図２参照）を示すも
のである。
【００１５】図２は、モーフィング処理前の波形（Ｗ，
Ｗ′）と処理後のモーフィング波形（ＷＭ）とを示す説
明図であり、このときのモーフィング比率は「50％・50
％」に設定されている。
Ｗ′）と処理後のモーフィング波形（ＷＭ）とを示す説
明図であり、このときのモーフィング比率は「50％・50
％」に設定されている。
【００１６】また、特徴点としては、 ・そのレベルがマイナスからプラスに転じるゼロクロス
点（Ａ，Ａ′） ・そのレベルがプラスからマイナスに転じるゼロクロス
点（Ｂ，Ｂ′） ・Δｔの範囲内での極大点（Ｃ，Ｃ′） ・Δｔの範囲内での極大点（Ｄ，Ｄ′） を用いている。
点（Ａ，Ａ′） ・そのレベルがプラスからマイナスに転じるゼロクロス
点（Ｂ，Ｂ′） ・Δｔの範囲内での極大点（Ｃ，Ｃ′） ・Δｔの範囲内での極大点（Ｄ，Ｄ′） を用いている。
【００１７】このようにして得られた各音素片のモーフ
ィング波形データはメモリなどに格納されていわばモー
フィング波形辞書を形成し、音声合成処理部は指定され
たテキスト文（音声合成対象の漢字かな混じり文）の各
音素片に対応のモーフィング波形データをこの波形辞書
を順に取り出し、これらの波形データに基づく合成音声
を生成する。
ィング波形データはメモリなどに格納されていわばモー
フィング波形辞書を形成し、音声合成処理部は指定され
たテキスト文（音声合成対象の漢字かな混じり文）の各
音素片に対応のモーフィング波形データをこの波形辞書
を順に取り出し、これらの波形データに基づく合成音声
を生成する。
【００１８】本発明の、音声合成方法としての基本的構
成は、 「同種の音素片についての各波形を個々に特定する複数
の波形データをモーフィング処理し、このモーフィング
処理後のモーフィング波形データを用いて音声合成する
ようにしたこと」 である。
成は、 「同種の音素片についての各波形を個々に特定する複数
の波形データをモーフィング処理し、このモーフィング
処理後のモーフィング波形データを用いて音声合成する
ようにしたこと」 である。
【００１９】また、音声合成装置としての基本的構成
は、 「同種の音素片についての各波形を個々に特定する複数
の波形データに対するモーフィング処理部と、このモー
フィング処理後のモーフィング波形データを用いて音声
合成する音声合成処理部とを設けたこと」 である。
は、 「同種の音素片についての各波形を個々に特定する複数
の波形データに対するモーフィング処理部と、このモー
フィング処理後のモーフィング波形データを用いて音声
合成する音声合成処理部とを設けたこと」 である。
【００２０】
【発明の実施の形態】図３〜図５を参照して本発明の実
施の形態を説明する。図３は、本発明の音声合成システ
ムの全体構成を示す説明図であり、11はマイクロホン、
12はプロセッサ、13は波形辞書、14はプログラムメモ
リ、15はマイクロホン11の出力である音声データ、16は
波形辞書13から取り出した音素片デ−タ、17は波形抽出
処理の出力データである抽出波形データ、18はモーフィ
ング処理の出力デ−タであるモーフィング波形デ−タを
それぞれ示している。
施の形態を説明する。図３は、本発明の音声合成システ
ムの全体構成を示す説明図であり、11はマイクロホン、
12はプロセッサ、13は波形辞書、14はプログラムメモ
リ、15はマイクロホン11の出力である音声データ、16は
波形辞書13から取り出した音素片デ−タ、17は波形抽出
処理の出力データである抽出波形データ、18はモーフィ
ング処理の出力デ−タであるモーフィング波形デ−タを
それぞれ示している。
【００２１】また、19は抽出波形データ17を保持する抽
出波形保持部、20はモーフィング波形データ18を保持す
る波形メモリ、21はモーフィング比率、22は音声合成対
象のテキスト文、23は音声合成処理の結果である合成音
声をそれぞれ示している。
出波形保持部、20はモーフィング波形データ18を保持す
る波形メモリ、21はモーフィング比率、22は音声合成対
象のテキスト文、23は音声合成処理の結果である合成音
声をそれぞれ示している。
【００２２】プログラムメモリ14には、 ・サンプリング解析処理用プログラム ・波形抽出用プログラム ・モーフィング演算用プログラム ・音声合成用プログラム などが保持されている。
【００２３】また、モーフィング処理の対象デ−タとし
て、 ・マイクロホン11の出力である音声デ−タ15をサンプリ
ングおよび波形抽出することにより得られる抽出波形デ
−タ17 ・あらかじめ波形辞書13に格納されている音素片デ−タ
16 の両者を用いている。
て、 ・マイクロホン11の出力である音声デ−タ15をサンプリ
ングおよび波形抽出することにより得られる抽出波形デ
−タ17 ・あらかじめ波形辞書13に格納されている音素片デ−タ
16 の両者を用いている。
【００２４】この波形抽出において、子音の音素片では
時間経過にともないその波形形状が変化して前後の音素
片との境界が不明確となり抽出困難なケースがあるが、
母音の音素片などでは抽出対象音声として単母音音節の
ものを用いれば、ほとんど波形形状の変化のない単一音
素片の繰り返しとしての音声データが得られるため、そ
れの任意の波形周期を切り出すことにより当該音素片の
抽出波形デ−タ17が求まる。このようにして得られた抽
出波形データ17は抽出波形保持部19に格納される。
時間経過にともないその波形形状が変化して前後の音素
片との境界が不明確となり抽出困難なケースがあるが、
母音の音素片などでは抽出対象音声として単母音音節の
ものを用いれば、ほとんど波形形状の変化のない単一音
素片の繰り返しとしての音声データが得られるため、そ
れの任意の波形周期を切り出すことにより当該音素片の
抽出波形デ−タ17が求まる。このようにして得られた抽
出波形データ17は抽出波形保持部19に格納される。
【００２５】続いて、波形辞書13と抽出波形保持部19と
からモーフィング対象の音素片デ−タ16および抽出波形
デ−タ17を取り出して両者に対するモーフィング処理
（図４および図５参照）を行ない、その実行結果である
モーフィング波形デ−タ18が波形メモリ20に保持され
る。モーフィング比率はユーザが調整可能であり、この
調整によって合成音声の音質を変えることができる。
からモーフィング対象の音素片デ−タ16および抽出波形
デ−タ17を取り出して両者に対するモーフィング処理
（図４および図５参照）を行ない、その実行結果である
モーフィング波形デ−タ18が波形メモリ20に保持され
る。モーフィング比率はユーザが調整可能であり、この
調整によって合成音声の音質を変えることができる。
【００２６】続いて、指定されたテキスト文や制御信号
に対する音声合成処理が波形メモリ20中のモーフィング
波形デ−タ18を用いて行なわれ、その実行結果が合成音
声として用いられることになる。
に対する音声合成処理が波形メモリ20中のモーフィング
波形デ−タ18を用いて行なわれ、その実行結果が合成音
声として用いられることになる。
【００２７】なお、前記の子音のように、テキスト文の
音素片の中で対応するモーフィング波形デ−タ18が波形
メモリ20から得られないものについては、波形辞書13の
音素片デ−タ16がそのまま合成音声要素として用いられ
る。
音素片の中で対応するモーフィング波形デ−タ18が波形
メモリ20から得られないものについては、波形辞書13の
音素片デ−タ16がそのまま合成音声要素として用いられ
る。
【００２８】上述の実施例では、モーフィング処理の元
となる一方の波形データとして、マイクロホン11の出力
である音声デ−タ15をサンプリングおよび波形抽出する
ことにより得られる抽出波形デ−タ17を用いているが、
これに代えて波形辞書13とは性質の異なる別の波形辞書
から取り出した音素片データを用いるようにしてもよ
い。
となる一方の波形データとして、マイクロホン11の出力
である音声デ−タ15をサンプリングおよび波形抽出する
ことにより得られる抽出波形デ−タ17を用いているが、
これに代えて波形辞書13とは性質の異なる別の波形辞書
から取り出した音素片データを用いるようにしてもよ
い。
【００２９】図４および図５は、二つの波形データに対
するモーフィング処理の手順を示す説明図であり、その
内容は次のようになっている（図２参照）。なお、以下
の説明では二つの波形データをそれぞれＷ，Ｗ′、また
時間ｔにおけるそれぞれの振幅をＬ（ｔ），Ｌ′（ｔ）
と記載する。
するモーフィング処理の手順を示す説明図であり、その
内容は次のようになっている（図２参照）。なお、以下
の説明では二つの波形データをそれぞれＷ，Ｗ′、また
時間ｔにおけるそれぞれの振幅をＬ（ｔ），Ｌ′（ｔ）
と記載する。
【００３０】(11)ＷおよびＷ′について、次の特徴点設
定処理を行う（図２参照）。 ・そのレベルがマイナスからプラスに転じるゼロクロス
点を特徴点Ａ，Ａ′に設定 ・そのレベルがプラスからマイナスに転じるゼロクロス
点を特徴点Ｂ，Ｂ′に設定 ・その時間の前後△ｔの範囲でレベルが極大となる点を
特徴点Ｃ，Ｃ′に設定 ・その時間の前後△ｔの範囲でレベルが極小となる点を
特徴点Ｄ，Ｄ′に設定
定処理を行う（図２参照）。 ・そのレベルがマイナスからプラスに転じるゼロクロス
点を特徴点Ａ，Ａ′に設定 ・そのレベルがプラスからマイナスに転じるゼロクロス
点を特徴点Ｂ，Ｂ′に設定 ・その時間の前後△ｔの範囲でレベルが極大となる点を
特徴点Ｃ，Ｃ′に設定 ・その時間の前後△ｔの範囲でレベルが極小となる点を
特徴点Ｄ，Ｄ′に設定
【００３１】続いて、両波形データの対応区間の設定処
理を実行する。 (12)ＷおよびＷ′それぞれの特徴点Ａ，Ａ′を探す。 (13)特徴点Ａ，Ａ′の個数が同じであるかどうかを判断
し、その結果が「YES 」の場合は次のステップに進み、
「NO」の場合はモーフィング処理を終了する。 (14)ステップ(12)で求めた各特徴点Ａ，Ａ′についての
時間軸上での写像ｆA を定める。 (15)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′及び終了点Ｅ，
Ｅ′の各点で分割した、両波形の区間同士を対応させ
る。すなわち、図２のＷについては、「Ｓ〜Ａ1 」、
「Ａ1 〜Ａ2 」および「Ａ2 〜Ｅ」の３区間に分割し、
例えばこの中の「Ａ1 〜Ａ2 」をＷ′の「Ａ1 ′〜
Ａ2 ′」に対応させる。 (16)ステップ(15)で求めた区間ごとに特徴点Ｂ，Ｂ′を
探す。 (17)対応する当該区間ごとの特徴点Ｂ，Ｂ′の個数が同
じであるかどうかを判断し、「YES 」の場合は次のステ
ップに進み、「NO」の場合はモーフィング処理を終了す
る。 (18)ステップ(16)で求めた各特徴点Ｂ，Ｂ′についての
時間軸上での写像ｆB を定める。 (19)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′、特徴点Ｂ，Ｂ′
及び終了点Ｅ，Ｅ′の各点で分割した、両波形の区間同
士を対応させる。すなわち、図２のＷについては、「Ｓ
〜Ａ1 」、「Ａ1 〜Ｂ1 」、「Ｂ1 〜Ａ2 」および「Ａ
2 〜Ｅ」の４区間に分割し、例えばこの中の「Ａ1 〜Ｂ
1 」をＷ′の「Ａ1 ′〜Ｂ1 ′」に対応させる。 (20)ステップ(19)で求めた区間ごとに特徴点Ｃ，Ｃ′を
求める。 (21)対応する当該区間ごとの特徴点Ｃ，Ｃ′の個数が同
じであるかどうかを判断して、「YES 」の場合はステッ
プ(23)に進み、「NO」の場合は次のステップに進む。 (22)余剰特徴点を削除する。 (23)ステップ(20)で求めた各特徴点Ｃ，Ｃ′についての
時間軸上での写像ｆC を定める。 (24)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′、特徴点Ｂ，
Ｂ′、特徴点Ｃ，Ｃ′及び終了点Ｅ，Ｅ′の各点で分割
した、両波形の区間同士を対応させる。すなわち、図２
のＷについては、「Ｓ〜Ａ1 」、「Ａ1 〜Ｃ1 」、「Ｃ
1 〜Ｃ2 」、「Ｃ2 〜Ｃ3 」、「Ｃ3 〜Ｂ1 」、「Ｂ1
〜Ｃ4 」、「Ｃ4 〜Ｃ5 」、「Ｃ5 〜Ａ2 」および「Ａ
2 〜Ｅ」の９区間に分割して、例えばこの中の「Ｃ1 〜
Ｃ2 」をＷ′の「Ｃ1 ′〜Ｃ2 ′」に対応させる。 (25)ステップ(24)で求めた区間ごとに特徴点Ｄ，Ｄ′を
求める。 (26)対応する当該区間ごとの特徴点Ｄ，Ｄ′の個数が同
じであるかどうかを判断して、「YES 」の場合はステッ
プ(28)に進み、「NO」の場合は次のステップに進む。 (27)余剰特徴点を削除する。 (28)ステップ(25)で求めた各特徴点Ｄ，Ｄ′についての
時間軸上での写像ｆD を定める。 (29)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′、特徴点Ｂ，
Ｂ′、特徴点Ｃ，Ｃ′、特徴点Ｄ，Ｄ′及び終了点Ｅ，
Ｅ′の各点で分割した、両波形の区間同士を対応させ
る。すなわち、図２のＷについては、「Ｓ〜Ａ1 」、
「Ａ1 〜Ｃ1 」、「Ｃ1 〜Ｄ1 」、「Ｄ1 〜Ｃ2 」、
「Ｃ2 〜Ｄ2 」、「Ｄ2 〜 Ｃ3 」、「Ｃ3 〜Ｂ1 」、
「Ｂ1 〜Ｄ3 」、「Ｄ3 〜Ｃ4 」、「Ｃ4 〜Ｄ4 」、
「Ｄ4 〜Ｃ5 」、「Ｃ5〜Ｄ5 」、「Ｄ5 〜Ａ2 」およ
び「Ａ2 〜Ｅ」の14区間に分割し、例えばこの中の「Ｃ
2 〜Ｄ2 」をＷ′の「Ｃ2 ′〜Ｄ2 ′」に対応させる。
理を実行する。 (12)ＷおよびＷ′それぞれの特徴点Ａ，Ａ′を探す。 (13)特徴点Ａ，Ａ′の個数が同じであるかどうかを判断
し、その結果が「YES 」の場合は次のステップに進み、
「NO」の場合はモーフィング処理を終了する。 (14)ステップ(12)で求めた各特徴点Ａ，Ａ′についての
時間軸上での写像ｆA を定める。 (15)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′及び終了点Ｅ，
Ｅ′の各点で分割した、両波形の区間同士を対応させ
る。すなわち、図２のＷについては、「Ｓ〜Ａ1 」、
「Ａ1 〜Ａ2 」および「Ａ2 〜Ｅ」の３区間に分割し、
例えばこの中の「Ａ1 〜Ａ2 」をＷ′の「Ａ1 ′〜
Ａ2 ′」に対応させる。 (16)ステップ(15)で求めた区間ごとに特徴点Ｂ，Ｂ′を
探す。 (17)対応する当該区間ごとの特徴点Ｂ，Ｂ′の個数が同
じであるかどうかを判断し、「YES 」の場合は次のステ
ップに進み、「NO」の場合はモーフィング処理を終了す
る。 (18)ステップ(16)で求めた各特徴点Ｂ，Ｂ′についての
時間軸上での写像ｆB を定める。 (19)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′、特徴点Ｂ，Ｂ′
及び終了点Ｅ，Ｅ′の各点で分割した、両波形の区間同
士を対応させる。すなわち、図２のＷについては、「Ｓ
〜Ａ1 」、「Ａ1 〜Ｂ1 」、「Ｂ1 〜Ａ2 」および「Ａ
2 〜Ｅ」の４区間に分割し、例えばこの中の「Ａ1 〜Ｂ
1 」をＷ′の「Ａ1 ′〜Ｂ1 ′」に対応させる。 (20)ステップ(19)で求めた区間ごとに特徴点Ｃ，Ｃ′を
求める。 (21)対応する当該区間ごとの特徴点Ｃ，Ｃ′の個数が同
じであるかどうかを判断して、「YES 」の場合はステッ
プ(23)に進み、「NO」の場合は次のステップに進む。 (22)余剰特徴点を削除する。 (23)ステップ(20)で求めた各特徴点Ｃ，Ｃ′についての
時間軸上での写像ｆC を定める。 (24)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′、特徴点Ｂ，
Ｂ′、特徴点Ｃ，Ｃ′及び終了点Ｅ，Ｅ′の各点で分割
した、両波形の区間同士を対応させる。すなわち、図２
のＷについては、「Ｓ〜Ａ1 」、「Ａ1 〜Ｃ1 」、「Ｃ
1 〜Ｃ2 」、「Ｃ2 〜Ｃ3 」、「Ｃ3 〜Ｂ1 」、「Ｂ1
〜Ｃ4 」、「Ｃ4 〜Ｃ5 」、「Ｃ5 〜Ａ2 」および「Ａ
2 〜Ｅ」の９区間に分割して、例えばこの中の「Ｃ1 〜
Ｃ2 」をＷ′の「Ｃ1 ′〜Ｃ2 ′」に対応させる。 (25)ステップ(24)で求めた区間ごとに特徴点Ｄ，Ｄ′を
求める。 (26)対応する当該区間ごとの特徴点Ｄ，Ｄ′の個数が同
じであるかどうかを判断して、「YES 」の場合はステッ
プ(28)に進み、「NO」の場合は次のステップに進む。 (27)余剰特徴点を削除する。 (28)ステップ(25)で求めた各特徴点Ｄ，Ｄ′についての
時間軸上での写像ｆD を定める。 (29)開始点Ｓ，Ｓ′、特徴点Ａ，Ａ′、特徴点Ｂ，
Ｂ′、特徴点Ｃ，Ｃ′、特徴点Ｄ，Ｄ′及び終了点Ｅ，
Ｅ′の各点で分割した、両波形の区間同士を対応させ
る。すなわち、図２のＷについては、「Ｓ〜Ａ1 」、
「Ａ1 〜Ｃ1 」、「Ｃ1 〜Ｄ1 」、「Ｄ1 〜Ｃ2 」、
「Ｃ2 〜Ｄ2 」、「Ｄ2 〜 Ｃ3 」、「Ｃ3 〜Ｂ1 」、
「Ｂ1 〜Ｄ3 」、「Ｄ3 〜Ｃ4 」、「Ｃ4 〜Ｄ4 」、
「Ｄ4 〜Ｃ5 」、「Ｃ5〜Ｄ5 」、「Ｄ5 〜Ａ2 」およ
び「Ａ2 〜Ｅ」の14区間に分割し、例えばこの中の「Ｃ
2 〜Ｄ2 」をＷ′の「Ｃ2 ′〜Ｄ2 ′」に対応させる。
【００３２】続いて、両波形上の任意の点のついての時
間軸上での写像ｆを定める処理を実行する。 (30)Ｗ上の任意の点Ｐの、それが属している区間Ｋの時
間幅Ｔに対する内分比ｒを求める。 (31)Ｗ′上の点であって、区間Ｋに対応の区間Ｋ′の時
間幅Ｔ′を当該内分比ｒで分割したときの点Ｐ′を求め
る。 (32)所定数の分割処理が終了したかどうかを判断し、
「YES 」の場合は次のステップに進み、「NO」の場合は
ステップ(30)に戻る。 (33)Ｗ上の点ＰとＷ′上の点Ｐ′との対応関係に基づい
て、両波形データの時間軸上での写像ｆを定める。
間軸上での写像ｆを定める処理を実行する。 (30)Ｗ上の任意の点Ｐの、それが属している区間Ｋの時
間幅Ｔに対する内分比ｒを求める。 (31)Ｗ′上の点であって、区間Ｋに対応の区間Ｋ′の時
間幅Ｔ′を当該内分比ｒで分割したときの点Ｐ′を求め
る。 (32)所定数の分割処理が終了したかどうかを判断し、
「YES 」の場合は次のステップに進み、「NO」の場合は
ステップ(30)に戻る。 (33)Ｗ上の点ＰとＷ′上の点Ｐ′との対応関係に基づい
て、両波形データの時間軸上での写像ｆを定める。
【００３３】続いて、ＷおよびＷ′の波形データに対す
るモーフィング処理を実行する。 (34)次式の計算を実行してモーフィング波形データＷＭ
(t) を求める。このときのモーフィング比率は〔ｍ：
ｎ〕であり、モーフィング波形データの時間ｔにおける
振幅は、ｔの時点でのＷのそれとｆ(t) の時点でのＷ′
のそれとを当該モーフィング比率で内分した値になって
いる。
るモーフィング処理を実行する。 (34)次式の計算を実行してモーフィング波形データＷＭ
(t) を求める。このときのモーフィング比率は〔ｍ：
ｎ〕であり、モーフィング波形データの時間ｔにおける
振幅は、ｔの時点でのＷのそれとｆ(t) の時点でのＷ′
のそれとを当該モーフィング比率で内分した値になって
いる。
【００３４】
【数１】
【００３５】ステップ(14)、(18)、(23)およびステップ
(28)のそれぞれで定まる写像はモーフィング波形データ
ＷＭ(t) の算出には利用されず、当該ステップを実行す
るかどうかは任意である。
(28)のそれぞれで定まる写像はモーフィング波形データ
ＷＭ(t) の算出には利用されず、当該ステップを実行す
るかどうかは任意である。
【００３６】ステップ(15),(19),(24)およびステップ(2
9)における両波形間での区間同士の対応付けの処理に際
しては、当該区間を特定する各特徴点の時間情報が用い
られる。
9)における両波形間での区間同士の対応付けの処理に際
しては、当該区間を特定する各特徴点の時間情報が用い
られる。
【００３７】
【発明の効果】このように、本発明では、音声合成時の
波形データとして、モーフィング処理により生成したモ
ーフィング波形データを用いているので、従来のように
種別の異なる多数の波形辞書を用意しなくても、モーフ
ィング処理対象のデータやモーフィング比率などを変え
ることにより多くのバリエーションの波形データが得ら
れる。
波形データとして、モーフィング処理により生成したモ
ーフィング波形データを用いているので、従来のように
種別の異なる多数の波形辞書を用意しなくても、モーフ
ィング処理対象のデータやモーフィング比率などを変え
ることにより多くのバリエーションの波形データが得ら
れる。
【００３８】そのため、音声合成に際しての音質変更の
自由度が高くて利便性に優れた音声合成方法およびその
ための装置を提供することができ、また音声合成システ
ムとしての性能向上を図ることができる。
自由度が高くて利便性に優れた音声合成方法およびその
ための装置を提供することができ、また音声合成システ
ムとしての性能向上を図ることができる。
【図１】本発明の、基本構成図である。
【図２】本発明の、モーフィング処理前の波形（Ｗ，
Ｗ′）と処理後のモーフィング波形（ＭＷ）を示す説明
図である。
Ｗ′）と処理後のモーフィング波形（ＭＷ）を示す説明
図である。
【図３】本発明の、音声合成システムの全体構成を示す
説明図である。
説明図である。
【図４】本発明の、波形データＷ，Ｗ′に対するモーフ
ィング処理の手順を示す説明図（その１）である。
ィング処理の手順を示す説明図（その１）である。
【図５】本発明の、波形データＷ，Ｗ′に対するモーフ
ィング処理の手順を示す説明図（その２）である。
ィング処理の手順を示す説明図（その２）である。
【図６】一般的な、波形辞書のデータフォーマット例を
示す説明図である。
示す説明図である。
図１において、 １・・・波形データ（♯１） ２・・・波形データ（♯２） ３・・・モーフィング処理部 ４・・・音声合成処理部
Claims (8)
- 【請求項１】 同種の音素片についての各波形を個々に
特定する複数の波形データをモーフィング処理し、 このモーフィング処理後のモーフィング波形データを用
いて音声合成するようにしたことを特徴とする音声合成
方法。 - 【請求項２】 前記波形データの一つが、各音素片の波
形データをあらかじめ保持している波形辞書から取り出
したものであり、 前記波形データの別の一つが、実際の音声データから音
素片の単位で抽出したものであることを特徴とする請求
項１記載の音声合成方法。 - 【請求項３】 前記モーフィング処理が、 ・前記各波形のゼロクロス点、極大点、極小点などの特
徴点を抽出し、 ・当該特徴点を前記各波形間で対応付け、 ・前記各波形間の、対応する隣同士の前記特徴点により
特定される各単位区間の時間軸上での対応関係を求め、 ・この対応関係と、あらかじめ指定されたモーフィング
比率に基づいてモーフィング波形データを作成する、 ものであることを特徴とする請求項１または２記載の音
声合成方法。 - 【請求項４】 前記モーフィング比率が調整可能である
ことを特徴とする請求項３記載の音声合成方法。 - 【請求項５】 同種の音素片についての各波形を個々に
特定する複数の波形データに対するモーフィング処理部
と、 このモーフィング処理後のモーフィング波形データを用
いて音声合成する音声合成処理部とを設けたことを特徴
とする音声合成装置。 - 【請求項６】 前記波形データの一つが、各音素片の波
形データをあらかじめ保持している波形辞書から取り出
したものであり、 前記波形データの別の一つが、実際の音声データから音
素片の単位で抽出したものであることを特徴とする請求
項５記載の音声合成装置。 - 【請求項７】 前記モーフィング処理部での処理内容
が、 ・前記各波形のゼロクロス点、極大点、極小点などの特
徴点を抽出し、 ・当該特徴点を前記各波形間で対応付け、 ・前記各波形間の、対応する隣同士の前記特徴点により
特定される各単位区間の時間軸上での対応関係を求め、 ・この対応関係と、あらかじめ指定されたモーフィング
比率に基づいてモーフィング波形データを作成する、 ものであることを特徴とする請求項５または６記載の音
声合成装置。 - 【請求項８】 前記モーフィング比率を調整できること
を特徴とする請求項７記載の音声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7203168A JPH0950295A (ja) | 1995-08-09 | 1995-08-09 | 音声合成方法およびそのための装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7203168A JPH0950295A (ja) | 1995-08-09 | 1995-08-09 | 音声合成方法およびそのための装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0950295A true JPH0950295A (ja) | 1997-02-18 |
Family
ID=16469583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7203168A Withdrawn JPH0950295A (ja) | 1995-08-09 | 1995-08-09 | 音声合成方法およびそのための装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0950295A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5886724A (en) * | 1996-04-01 | 1999-03-23 | Fuji Photo Film Co., Ltd. | Method and apparatus for thermal recording |
| US6591240B1 (en) | 1995-09-26 | 2003-07-08 | Nippon Telegraph And Telephone Corporation | Speech signal modification and concatenation method by gradually changing speech parameters |
| WO2005071664A1 (ja) * | 2004-01-27 | 2005-08-04 | Matsushita Electric Industrial Co., Ltd. | 音声合成装置 |
| JP2006178052A (ja) * | 2004-12-21 | 2006-07-06 | Advanced Telecommunication Research Institute International | 音声発生装置およびそのためのコンピュータプログラム |
| JP2006330136A (ja) * | 2005-05-24 | 2006-12-07 | Advanced Telecommunication Research Institute International | 表情付け音声発生装置 |
| JP2011100055A (ja) * | 2009-11-09 | 2011-05-19 | Yamaha Corp | 音声合成装置 |
-
1995
- 1995-08-09 JP JP7203168A patent/JPH0950295A/ja not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6591240B1 (en) | 1995-09-26 | 2003-07-08 | Nippon Telegraph And Telephone Corporation | Speech signal modification and concatenation method by gradually changing speech parameters |
| US5886724A (en) * | 1996-04-01 | 1999-03-23 | Fuji Photo Film Co., Ltd. | Method and apparatus for thermal recording |
| WO2005071664A1 (ja) * | 2004-01-27 | 2005-08-04 | Matsushita Electric Industrial Co., Ltd. | 音声合成装置 |
| US7571099B2 (en) | 2004-01-27 | 2009-08-04 | Panasonic Corporation | Voice synthesis device |
| JP2006178052A (ja) * | 2004-12-21 | 2006-07-06 | Advanced Telecommunication Research Institute International | 音声発生装置およびそのためのコンピュータプログラム |
| JP2006330136A (ja) * | 2005-05-24 | 2006-12-07 | Advanced Telecommunication Research Institute International | 表情付け音声発生装置 |
| JP2011100055A (ja) * | 2009-11-09 | 2011-05-19 | Yamaha Corp | 音声合成装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106920547B (zh) | 语音转换方法和装置 | |
| US7035794B2 (en) | Compressing and using a concatenative speech database in text-to-speech systems | |
| Zwicker et al. | Automatic speech recognition using psychoacoustic models | |
| JP4302788B2 (ja) | 音声合成用の基本周波数テンプレートを収容する韻律データベース | |
| JPS62160495A (ja) | 音声合成装置 | |
| JP2002328695A (ja) | テキストからパーソナライズ化音声を生成する方法 | |
| JPH0950295A (ja) | 音声合成方法およびそのための装置 | |
| CN115346512A (zh) | 一种基于数字人的多情感语音合成方法 | |
| CN117115318B (zh) | 口型动画合成方法及装置和电子设备 | |
| Chandra et al. | Towards the development of accent conversion model for (l1) bengali speaker using cycle consistent adversarial network (cyclegan) | |
| JPH0887297A (ja) | 音声合成システム | |
| US6847932B1 (en) | Speech synthesis device handling phoneme units of extended CV | |
| JPH06318094A (ja) | 音声規則合成装置 | |
| JPH1115497A (ja) | 氏名読み音声合成装置 | |
| JP2536169B2 (ja) | 規則型音声合成装置 | |
| JPH05281984A (ja) | 音声合成方法および装置 | |
| Keller et al. | Automatic intonation extraction and generation for French | |
| JP4056319B2 (ja) | 音声合成方法 | |
| Zhu et al. | A Chinese text to speech system based on TD-PSOLA | |
| JP3522005B2 (ja) | 音声合成装置 | |
| JP3532064B2 (ja) | 音声合成方法及び音声合成装置 | |
| JP3034911B2 (ja) | テキスト音声合成装置 | |
| JP2000214877A (ja) | 音声素片作成方法及び装置 | |
| JP3292218B2 (ja) | 音声メッセージ作成装置 | |
| Yu et al. | A Hakka text-to-speech system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20021105 |