JPH0990987A

JPH0990987A - 音声合成方法及び装置

Info

Publication number: JPH0990987A
Application number: JP7247716A
Authority: JP
Inventors: Yoshinori Shiga; 芳則志賀
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1995-09-26
Filing date: 1995-09-26
Publication date: 1997-04-04

Abstract

(57)【要約】【課題】無駄な点ピッチ設定をせずに滑らかなピッチパ
ターンを生成する。【解決手段】入力漢字かな混じり文を対象に言語解析処
理部１１にて形態素解析を行ない読みとアクセントの情
報を生成する。音声合成部２では、音韻継続時間計算処
理部２１にて読み情報をもとに音韻継続時間を決定し、
音韻毎点ピッチ設定処理部２２にてアクセント情報をも
とに各音韻の継続時間を４等分したうちの１点または２
点に点ピッチ位置を設定し、そこにピッチの高さを設定
する。この点ピッチの設定時点と周波数は、アクセント
型とピッチを設定する音韻位置と音韻種或いは音韻環境
により決定される。得られた音韻情報、音韻継続時間及
び点ピッチ設定位置を音声記号列生成処理部２３で音声
記号列としてファイル３１に書き出し、音声記号列中の
音韻継続時間と点ピッチ位置をもとに合成すべき音声の
ピッチパターンを、音韻情報をもとに音韻パラメータを
生成して、音声を合成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、人間の発声する音
声に近い滑らかな抑揚を得るのに好適な音声合成方法及
び装置に関する。

【０００２】

【従来の技術】この種の音声合成装置として、テキスト
（文）を音韻と韻律からなる記号列（音声記号列）に変
換し、その記号列から音声を生成する文音声合成（Text
-to-Speech：ＴＴＳ）処理（文音声変換処理）を行なう
音声規則合成装置が知られている。この音声規則合成装
置における文音声合成処理は、大別して言語処理部と音
声合成部とに分けられ、日本語の規則合成を例にとる
と、次のように行なわれるのが一般的であった。

【０００３】まず言語処理部では、入力されるテキスト
（漢字かな混じり文）に対して形態素解析並びに構文解
析等の言語処理を加え、形態素への分解、係り受け関係
の推定等の処理を行なうと同時に、各形態素に読み並び
にアクセント型を与える。その後言語処理部では、アク
セントに関しては複合語等のアクセント移動規則を用い
て、読み上げの際の区切りとなる句（以下、アクセント
句と称する）毎のアクセント型を決定する。通常音声規
則合成装置の言語処理部では、こうして得られるアクセ
ント句毎の読み並びにアクセント型を記号列（音声記号
列）として出力できるようになっている。

【０００４】次に音声合成部では、得られた読みに含ま
れる各音韻の継続時間を、その音韻の音韻環境等をもと
に、所定の規則により決定する。続いて音声合成では、
上記のようにして得られる「読み」と「音韻の継続時
間」に従って、予め用意されている音声素片ファイル、
即ち音声の特徴パラメータを所定の合成単位、例えば子
音＋母音（以下、ＣＶと称する）の単位で蓄積した音声
素片ファイルより順次音声素片を読み出し、その音声素
片を接続して、合成すべき音声の特徴パラメータ系列を
生成する。

【０００５】更に音声合成部では、上記アクセント型を
もとにピッチの高低変化が生じる時点にて点ピッチを設
定し、複数設定された点ピッチ間を直線補間することに
よりピッチのアクセント成分を生成し、これにイントネ
ーション成分（通常は周波数対数軸上での単調減少直
線）を重畳してピッチパターンを生成する。そして音声
合成部では、有声区間では韻律パラメータから得られる
周期パルスを、無声区間ではランダムノイズを、それぞ
れ音源信号として、音声の特徴パラメータ系列からフィ
ルタ係数を算出し、合成器フィルタに与えて所望の音声
を合成する。

【０００６】また上記したように、言語処理部ではアク
セント句毎の読み並びにアクセント型を記号列として出
力できるので、言語解析結果が正しくない場合は、出力
した記号列を編集してから、音声合成処部に入力して音
声を合成することができる。

【０００７】

【発明が解決しようとする課題】従来より、上記のよう
な音声合成技術が存在しているが、当該音声合成技術を
適用した音声合成装置で生成されるピッチパターンに
は、次のような問題があった。

【０００８】即ち、従来の音声合成技術では、アクセン
ト型をもとにピッチのアクセント成分を生成する際、図
１６に示すように、点ピッチを一つの音節（１音節）に
つき１ピッチしか設定しないので、細かなピッチ制御が
できないばかりか、滑らかなピッチパターンを得ること
ができないという問題がある。

【０００９】これを改善する手法としては、特開平３−
１６４８００号公報に記載の発明のように、１音節あた
りに設定する点ピッチ数を増やせばよいが、単にこれだ
けでは必要のない点ピッチを設定せねばならないことも
多い。

【００１０】更には、点ピッチの設定位置を「先頭から
何番目の音節の先頭の時点から何ｍｓ（ミリ秒）後に設
定する」といったような指定方法により、ピッチの細か
な制御を可能にする方法も考えられるが、アクセント型
が同じであれば絶えず先頭から同番目の音韻の同時間後
の時点に点ピッチを設定するため、滑らかなピッチパタ
ーンを得ることができず、合成される音声の抑揚が不自
然になることが頻発する可能性がある。

【００１１】また、従来技術には次のような問題点も存
在していた。即ち従来の音声合成装置では、言語処理に
より、合成すべき音声の読みとアクセント型とを一旦記
号列（音声記号列）として出力し、これを音声合成処理
に入力することで音声を合成することができるが、記号
列には、合成音声に抑揚を与えるためのパラメータとし
てアクセント型しか与えられていないため、ピッチパタ
ーン生成の細かな制御は音声合成処理に委ねられ、利用
者が独自に滑らかなピッチパターンを作成することは不
可能であった。

【００１２】本発明はこのような事情を考慮してなされ
たものでその目的は、無駄な点ピッチを設定することな
く、細かなピッチ制御を可能とし、滑らかなピッチパタ
ーンが生成できる音声合成方法及び装置を提供すること
にある。

【００１３】本発明の他の目的は、利用者が音声記号列
の変更によってピッチパターンを制御でき、しかもこの
音声記号列によるピッチパターンの制御が簡単に行な
え、少数の指定のみで滑らかなピッチパターンが生成で
きる音声合成方法及び装置を提供することにある。

【００１４】本発明の更に他の目的は、音声合成技術に
精通していない利用者でも容易に音声記号列を編集で
き、人間の発声した音声と変わらないピッチパターンを
作成することができる記号列編集装置を提供することを
目的とする。

【００１５】

【課題を解決するための手段】上記課題を解決するため
に、本発明の第１の観点に係る音声合成方法は、語また
は句のアクセント情報に基づいて複数の点ピッチを与
え、与えられた複数の点ピッチ間を補間することにより
生成されるピッチパターンに基づいて、音声を合成する
音声合成方法であって、点ピッチを与える時間軸上の位
置を、当該点ピッチを与えるべき音韻の音韻環境または
音韻種の少なくとも一方に基づいて決定することを特徴
とするものである。

【００１６】次に、本発明の第２の観点に係る音声合成
装置は、音声の特徴パラメータを所定の合成単位からな
る音声素片により蓄積しておくための音声素片記憶媒体
と、入力される音韻情報に基づいて、上記音声素片記憶
媒体より音声素片を読み出し、この読み出した各音声素
片間を接続して合成すべき音声の特徴パラメータを生成
する特徴パラメータ生成処理手段と、上記音韻情報に対
応して入力されるアクセント情報を利用して音韻毎の点
ピッチ設定を行なう音韻毎点ピッチ設定処理手段であっ
て、設定される点ピッチの属する音韻の音韻環境または
音韻種の少なくとも一方に基づいて点ピッチの時間軸上
の位置を決定する音韻毎点ピッチ設定処理手段と、この
音韻毎点ピッチ設定処理手段により設定された隣接する
点ピッチの間を補間して、音声のピッチパターンを生成
するピッチパターン生成処理手段と、上記特徴パラメー
タ生成処理手段によって生成された合成すべき音声の特
徴パラメータと、ピッチパターン生成処理手段によって
生成されたピッチパターンとから音声を合成する合成フ
ィルタ処理手段とを備えたことを特徴とするものであ
る。

【００１７】次に、本発明の第３の観点に係る音声合成
方法は、上記第１の観点に係る音声合成方法とは異な
り、点ピッチを与える時間軸上の位置が、音韻ではなく
て、点ピッチを与えるべき音節の音節環境または音節種
の少なくとも一方に基づいて決定されるようにしたこと
を特徴とする。

【００１８】次に、本発明の第４の観点に係る音声合成
装置は、上記第２の観点に係る音声合成装置における音
韻毎点ピッチ設定処理手段に代えて、音韻情報に対応し
て入力されるアクセント情報を利用して音節毎の点ピッ
チ設定を行なう音節毎点ピッチ設定処理手段であって、
設定される点ピッチの属する音節の音節環境または音節
種の少なくとも一方に基づいて点ピッチの時間軸上の位
置を決定する音節毎点ピッチ設定処理手段を設け、この
音節毎点ピッチ設定処理手段により設定された隣接する
点ピッチの間を補間して、音声のピッチパターンが生成
される構成としたことを特徴とする。

【００１９】次に、本発明の第５の観点に係る音声合成
方法及び第６の観点に係る音声合成装置は、音韻毎の点
ピッチ設定のために、一つの音韻の継続時間内に少なく
とも４点の点ピッチ指定可能時点を設定し、そのうちの
２点以下の時点に対して点ピッチを指定するようにした
ことを特徴とする。

【００２０】次に、本発明の第７の観点に係る音声合成
方法及び第８の観点に係る音声合成装置は、上記第５の
観点に係る音声合成方法及び第６の観点に係る音声合成
装置とは異なって、音韻毎の点ピッチ設定ではなくて、
音節毎の点ピッチ設定のために、一つの音節の継続時間
内に少なくとも４点の点ピッチ指定可能時点を設定し、
そのうちの２点以下の時点に対して点ピッチを指定する
ようにしたことを特徴とする。

【００２１】次に、本発明の第９の観点に係る音声合成
装置は、上記第２、第４、第６または第８の観点に係る
音声合成装置に、音声合成の対象となるテキストを解析
して音韻情報とアクセント情報を生成する言語解析処理
手段を追加して、文音声変換（ＴＴＳ）処理（文音声合
成処理）機能を持たせたことを特徴とする。

【００２２】次に、本発明の第１０の観点に係る音声合
成方法は、音声の音韻情報とピッチ情報を含む韻律情報
を記述した音声記号列を入力として、予め用意された複
数の音声の特徴パラメータからなる音声素片の群の中か
ら、上記音声記号列中の音韻情報に従って複数の音声素
片を選択して接続して音声の音韻を表現するパラメータ
を生成すると共に、上記音声記号列中の韻律情報に従っ
て音声のピッチパターンを生成し、上記音声の音韻を表
現するパラメータ及びピッチパターンをもとに音声を合
成する音声合成方法であって、上記音声記号列中のピッ
チ情報が点ピッチで与えられるようにしたことを特徴と
する。

【００２３】次に、本発明の第１１の観点に係る音声合
成装置は、予め用意された複数の音声の特徴パラメータ
からなる音声素片の群を蓄積しておくための音声素片記
憶媒体と、合成すべき音声の音韻情報と点ピッチで与え
られたピッチ情報を含む韻律情報を記述した音声記号列
中の少なくとも音韻情報を入力し、当該音韻情報に従っ
て上記音声素片記憶媒体から複数の音声素片を選択して
接続して音声の音韻を表現するパラメータを生成する音
韻パラメータ生成手段と、上記音声記号列中の少なくと
も韻律情報を入力し、当該韻律情報に従って合成すべき
音声のピッチパターンを生成する韻律パラメータ生成手
段と、上記音韻パラメータ生成手段で生成された音韻を
表現するパラメータ及び上記韻律パラメータ生成手段で
生成されたピッチパターンから音声を合成する合成フィ
ルタ処理手段とを備えたことを特徴とする。

【００２４】次に、本発明の第１２の観点に係る音声合
成方法及び第１３の観点に係る音声合成装置は、音声記
号列中のピッチ情報が、上記第１０の観点に係る音声合
成方法及び第１１の観点に係る音声合成装置で適用され
るピッチ情報とは異なり、単に点ピッチで与えられるだ
けでなく、その点ピッチの時間軸上の位置が各音韻の開
始点を基準に点ピッチで指定されるようにしたことを特
徴とする。

【００２５】次に、本発明の第１４の観点に係る音声合
成方法及び第１５の観点に係る音声合成装置は、音声記
号列中のピッチ情報が点ピッチで与えられるだけでな
く、その点ピッチの時間軸上の位置が、上記第１２の観
点に係る音声合成方法及び第１３の観点に係る音声合成
装置で適用されるピッチ情報とは異なり、各音韻の開始
点ではなくて、各音節の開始点を基準に点ピッチで指定
されるようにしたことを特徴とする。

【００２６】次に、本発明の第１６の観点に係る音声合
成方法及び第１７の観点に係る音声合成装置は、音声記
号列中の音韻情報に含まれる各音韻の継続時間内に少な
くとも４点の点ピッチ指定可能時点を設定し、そのうち
の２点以下の時点に対して点ピッチを指定することで音
声記号列中の韻律情報が記述されるようにしたことを特
徴とする。

【００２７】次に、本発明の第１８の観点に係る音声合
成方法及び第１９の観点に係る音声合成装置は、音声記
号列中の音韻情報に含まれる各音韻の継続時間内に少な
くとも４点の点ピッチ指定可能時点を設定し、そのうち
の２点以下の時点に対して、各音韻の開始点を基準に点
ピッチの時間軸上の位置を指定することで音声記号列中
の韻律情報が記述されるようにしたことを特徴とする。

【００２８】次に、本発明の第２０の観点に係る音声合
成方法及び第２１の観点に係る音声合成装置は、音声記
号列中の音韻情報に含まれる各音節の継続時間内に少な
くとも４点の点ピッチ指定可能時点を設定し、そのうち
の２点以下の時点に対して点ピッチを指定することで音
声記号列中の韻律情報が記述されるようにしたことを特
徴とする。

【００２９】次に、本発明の第２２の観点に係る音声合
成方法及び第２３の観点に係る音声合成装置は、音声記
号列中の音韻情報に含まれる各音節の継続時間内に少な
くとも４点の点ピッチ指定可能時点を設定し、そのうち
の２点以下の時点に対して、各音節の開始点を基準に点
ピッチの時間軸上の位置を指定することで音声記号列中
の韻律情報が記述されるようにしたことを特徴とする。

【００３０】次に、本発明の第２４の観点に係る音声記
号列編集装置は、音声の音韻情報と点ピッチで与えられ
たピッチ情報を含む韻律情報を記述した音声記号列を入
力として、予め用意された複数の音声の特徴パラメータ
からなる音声素片の群の中から、前記音声記号列中の音
韻情報に従って複数の音声素片を選択して接続して音声
の音韻を表現するパラメータを生成すると共に、上記音
声記号列中の韻律情報に従って音声のピッチパターンを
生成し、上記音声の音韻を表現するパラメータ及びピッ
チパターンをもとに音声を合成する音声合成装置に適用
される音声記号列編集装置であって、上記音声記号列中
のピッチ情報に従って複数の点ピッチを表示するための
表示手段と、この表示手段により表示されている点ピッ
チの変更を指示するための入力手段と、この入力手段に
よる変更指示に応じて表示中の該当する点ピッチを変更
し、その変更結果を上記音声記号列に反映する音声記号
列修正処理手段とを備えたことを特徴とする。

【００３１】次に、本発明の第２５の観点に係る音声記
号列編集装置は、上記第２４の観点に係る音声記号列編
集装置における表示手段、入力手段及び音声記号列修正
処理手段に代えて、音声記号列中のピッチ情報に従って
複数の点ピッチをグラフ表示するための表示手段、この
表示手段により表示されている点ピッチの位置を移動さ
せる指示を入力するための入力手段、及びこの入力手段
による移動指示に応じて表示中の該当する点ピッチの位
置を画面上で移動し、その移動後の新たな点ピッチの位
置を上記音声記号列に反映する音声記号列修正処理手段
を備えたことを特徴とする。

【００３２】次に、本発明の第２６の観点に係る音声記
号列編集装置は、上記第２５の観点に係る音声記号列編
集装置における表示手段に代えて、上記音声記号列中の
ピッチ情報に従って、複数の点ピッチと、これらの点ピ
ッチ間を補間したピッチ外形をグラフ表示するための表
示手段を備えたことを特徴とする。

【００３３】次に、本発明の第２７の観点に係る音声記
号列編集装置は、上記第２５または第２６の観点に係る
音声記号列編集装置における表示手段に、上記音声記号
列中の音韻情報に対応する参照音声を分析して得られる
ピッチ外形が参照パターンとしてグラフ表示されるよう
にしたことを特徴とする。

【００３４】以上のような構成により、上記第１乃至第
４の観点に係る発明においては、従来に比べて滑らかで
人間の声の抑揚により近いピッチパターンを、音韻情報
とアクセント型から生成することができる。

【００３５】また、上記第５乃至第８の観点に係る発明
においては、設定する点ピッチの数を最小限に抑えなが
ら、極めて細かなピッチ制御を可能にし、ひいては人間
の声の抑揚により近い音声が合成できる。

【００３６】そして、上記第９の観点に係る発明におい
ては、テキストから音声を合成する文音声変換（ＴＴ
Ｓ）機能を実現しながら、上記第２、第４、第６または
第８の観点に係る発明におけるのと同様の効果を得るこ
とが可能となる。

【００３７】また、上記第１０乃至第２８の観点に係る
発明においては、利用者が、最小限の労力で簡単に、利
用者自身の好みのピッチパターンを音声合成に供するこ
とが可能となる。

【００３８】

【発明の実施の形態】以下、本発明の実施の形態につき
図面を参照して説明する。［第１の実施形態］図１は本発明の第１の実施形態に係
る音声合成装置の概略構成を示すブロック図である。

【００３９】この音声合成装置は、例えばパーソナルコ
ンピュータ等の情報処理装置上で専用のソフトウェア
（文音声変換ソフトウェア）を実行することにより実現
されるもので、文音声変換（ＴＴＳ）処理機能、即ちテ
キストから音声を生成する文音声変換処理（文音声合成
処理）機能を有しており、その機能構成は、大別して言
語処理部１、音声合成部２及び音声記号列編集部３とに
分けられる。

【００４０】言語処理部１は、入力文、例えば漢字かな
混じり文を解析して読み情報とアクセント情報を生成す
る処理を司る。音声合成部２は、言語処理部１での文解
析結果をもとに、音韻情報、各音韻の継続時間及び音韻
毎の点ピッチ位置が記述された音声記号列を生成する処
理と、この音声記号列をもとに音声を生成する処理を司
る。音声記号列編集部３は、音声合成部２にて変換生成
された、或いは利用者が作成した音声記号列を利用者操
作に応じて編集する処理を司る。

【００４１】さて、図１の音声合成装置において、文音
声変換（読み上げ）の対象となる文書（ここでは日本語
文書）はテキストファイル（図示せず）として保存され
ている。本装置では、文音声変換ソフトウェアに従い、
当該ファイルから漢字かな混じり文を１文ずつ読み出し
て、言語処理部１及び音声合成部２により以下に述べる
文音声変換処理を行ない、音声を合成する。

【００４２】まずテキストファイルから読み出された漢
字かな混じり文は、言語処理部１内の言語解析処理部１
１に入力される。言語解析処理部１１は、入力される漢
字かな混じり文の形態素解析を行ない、読み情報とアク
セント情報を生成する。形態素解析とは、与えられた文
の中で、どの文字列が語句を構成しているか、そしてそ
の語の構造がどのようなものかを解析する作業である。

【００４３】そのために、言語解析処理部１１は、文の
最小構成要素である「形態素」を見出し語に持つ形態素
辞書１２と、形態素間の接続規則が登録されている接続
規則ファイル１３を利用する。即ち言語解析処理部１１
は、入力文と形態素辞書１２とを照合することで得られ
る全ての形態素系列候補を求め（総当たり法）、その中
から、接続規則ファイル１３を参照して文法的に前後に
接続できる組み合わせを出力する。形態素辞書１２に
は、解析時に用いられる文法情報と共に、形態素の読み
並びにアクセントの型が登録されている。このため、形
態素解析により形態素が定まれば、同時に読みとアクセ
ント型も与えることができる。

【００４４】例えば、「公園へ行って本を読みます。」
という文に対して形態素解析を行なうと、／公園／へ／行って／本／を／読み／ます／。と形態素に分割される。同時に、各形態素に読みとアク
セント型が与えられ、／ｋｏ：ｅＮ／ｅ／ｉｑｔｅ／ｈｏ＾Ｎ／ｏ／ｙｏｍｉ
／ｍａ＾ｓｕ／となる。ここで、記号「Ｎ」は撥音（「ん」）を、
「ｑ」は促音（「っ」）を、「：」は長音（「ー」）
を、それぞれ表す。また、「＾」の入っている形態素
は、その直前の音韻でピッチが高く、その直後の音韻で
はピッチが落ちるアクセントであることを意味する。ま
た、「＾」がない場合は、平板型のアクセントであるこ
とを意味する。

【００４５】ところで、人間が文章を読むときには、こ
のような形態素単位でアクセントを付けて読むことはせ
ず、幾つかの形態素をひとまとめにして、そのまとまり
にアクセントを付けて読んでいる。

【００４６】そこで、このようなことを考慮して、言語
解析処理部１１では更に、一つのアクセントを与える単
位（以下、アクセント句と称する）で形態素をまとめる
と同時に、まとめたことによるアクセントの移動も推定
する。これに加えて言語解析処理部１１は、母音の無声
化や読み上げの際のポーズ（息継ぎ）等の情報も付加
し、上記の例では、最終的に次のような読み情報を生成
する。

【００４７】／ｋｏ：ｅＮｅ／ｉｑｔｅ．／ｈｏ＾Ｎｏ
／ｙｏｍｉｍａ＾ｓ（ｕ）／ここで、ピリオド「．」は息継ぎを、「（）」は無声
化した母音を表す。さて、上記のようにして言語処理部
１内の言語解析処理部１１により読み情報が生成される
と、音声合成部２内の音韻継続時間計算処理部２１が起
動される。

【００４８】音韻継続時間計算処理部２１は、言語解析
処理部１１で生成した読み情報に従って、入力文に含ま
れる各音韻の継続時間（単位はｍｓ）を決定する。この
音韻継続時間計算処理部２１での継続時間の決定処理
は、子音（Ｃ）と母音（Ｖ）の境界（ＣＶわたり）の位
置が等間隔に並ぶようにするという、極めて簡単なアル
ゴリズムにより実現されている。この具体例を、アクセ
ント句「ｙｏｍｉｍａｓｕ」について図２に示す。

【００４９】音韻継続時間計算処理部２１により入力文
に含まれる各音韻の継続時間が決定されると、同じ音声
合成部２内の音韻毎点ピッチ設定処理部２２が起動され
る。音韻毎点ピッチ設定処理部２２は、音韻継続時間計
算処理部２１により決定された音韻継続時間と、言語解
析処理部１１により決定されたアクセント情報に基づい
て、点ピッチ位置を設定する。ここでは、点ピッチ設定
の時間として、各音韻の継続時間を等間隔で４分割（即
ち４等分）したうちの１点または２点が決定される。こ
の点ピッチ設定の具体例を、図２のように音韻継続時間
が決定されたアクセント句「ｙｏｍｉｍａｓｕ」の場合
について、図３に示す。なお、図３では、横軸が時間
を、縦軸がピッチ（単位はオクターブｏｃｔ）を表し、
白丸の位置が点ピッチ位置である。ここで点ピッチ位置
（ｘ，ｙ）は、音韻継続時間を４等分した時点０〜３
（但し、句末の音韻の最終時点は４）を示すｘと、ピッ
チ（単位ｏｃｔ）を示すｙとにより表される。

【００５０】本実施形態において、点ピッチ設定の時間
と周波数（ピッチ周波数）は、アクセント型と、ピッチ
の設定される音韻がアクセント句の何番目に位置するか
と、更にその音韻の種類或いは音韻環境によって決ま
る。これについて、図４（ａ），（ｂ）を参照して以下
に詳述する。

【００５１】まず図４（ａ）は、アクセント句が子音か
ら始まる平板型または起伏型アクセントのアクセント句
の先頭（句頭）から数えて最初の母音、即ちアクセント
句先頭子音の直後の母音に設定される点ピッチ位置の付
与ルールを示す。

【００５２】この図４（ａ）から明らかなように、アク
セント句が子音で始まる場合、その直後に位置する母音
内での点ピッチの指定の時点は、直前の子音が有声子音
であるか無声子音であるかと、その母音の直後の音韻が
撥音であるか否か、即ち前後の音韻の種類、言い換えれ
ば音韻環境によって決まる。この（点ピッチ設定の対象
となる母音の）前後の音韻の種類の組み合わせ（音韻環
境）は４種類あり、その組み合わせ数分の点ピッチ位置
付与ルール（ルールＮｏ．（１）〜（４））が用意され
ている。

【００５３】次に図４（ｂ）は、平板型または起伏型ア
クセントのアクセント句先頭から母音または撥音のみを
数えたときに２番目（第２音節）となる母音または撥音
に設定される点ピッチ位置の付与ルールを示す。

【００５４】この図４（ｂ）から明らかなように、上記
２番目となる母音または撥音内での点ピッチ指定時点
は、それが撥音であるか否か、即ちその音韻自身の種類
（音韻種）により決まる。ここでは、当該音韻種が撥音
である場合の点ピッチ位置付与ルール（ルールＮｏ．
（１））と当該音韻種が撥音以外である場合の点ピッチ
位置付与ルール（ルールＮｏ．（２））とが用意されて
いる。

【００５５】以上の図４（ａ），（ｂ）に示した点ピッ
チ位置付与ルールに基づいて決定される点ピッチ位置
を、４つのアクセント句の例について図５（ａ）〜
（ｄ）に示す。この図５（ａ）〜（ｄ）では、図３と同
様に、横軸が時間を、縦軸がピッチ（単位はオクターブ
ｏｃｔ）を表し、白丸の位置が点ピッチ位置である。

【００５６】まず、アクセント句先頭の音韻が有声子音
で、第２音節が撥音でないアクセント句の場合、例えば
「ｙｏｍｉｍａｓｕ（読みます）」というアクセント句
の場合であれば、図４（ａ）中のルールＮｏ．（４）と
図４（ｂ）中のルールＮｏ．（２）とが適用され、図５
（ａ）に示すような点ピッチ位置が生成（設定）され
る。

【００５７】次に、アクセント句先頭の音韻が有声子音
で、第２音節が撥音であるアクセント句の場合、例えば
「ｒｏＮｚｉｍａｓｕ（論じます）」というアクセント
句の場合であれば、図４（ａ）中のルールＮｏ．（３）
と図４（ｂ）中のルールＮｏ．（１）とが適用され、図
５（ｂ）に示すような点ピッチ位置が生成される。

【００５８】次に、アクセント句先頭の音韻が無声子音
で、第２音節が撥音でないアクセント句の場合、例えば
「ｔｏｒｉｍａｓｕ（取ります）」というアクセント句
の場合であれば、図４（ａ）中のルールＮｏ．（２）と
図４（ｂ）中のルールＮｏ．（２）とが適用され、図５
（ｃ）に示すような点ピッチ位置が生成される。

【００５９】次に、アクセント句先頭の音韻が無声子音
で、第２音節が撥音であるアクセント句の場合、例えば
「ｋａＮｚｉｍａｓｕ（感じます）」というアクセント
句の場合であれば、図４（ａ）中のルールＮｏ．（１）
と図４（ｂ）中のルールＮｏ．（１）とが適用され、図
５（ｄ）に示すような点ピッチ位置が生成される。

【００６０】このようにして生成された複数の点ピッチ
位置を直線で補間して得られるピッチパターン（図５
（ａ）〜（ｄ）中の太線部分）は、実際の人間の発声す
る音声のそれをよく近似している。

【００６１】実際の音声の平板型または起伏型アクセン
トのピッチパターンでは、アクセント区先頭子音が無声
子音のときよりも有声子音のときの方が、低いピッチか
ら始まる傾向がある（図５（ａ）と図５（ｃ）または図
５（ｂ）と図５（ｄ）を比較すると、子音部先頭のピッ
チは全て０［ｏｃｔ］から始まっているが、無声子音部
では音声合成時にはピッチは使われないため、直後の母
音部の先頭０．３［ｏｃｔ］からピッチが与えられ、結
果的に有声子音で始まるアクセント句より出始めのピッ
チが高くなる）。また、第２音節が撥音の場合には、ピ
ッチの上昇の開始時点と終了時点がそうでない場合より
早くなる傾向があることが知られている。

【００６２】従来は、このような実際の音声のピッチ特
徴を全く考慮せず、音韻種や音韻環境に関係なくピッチ
を与えていた。即ち、図１６で示したような従来技術で
は、音節に対してその中心に一つだけの点ピッチしか設
定できないため、開始ピッチの設定については第１音節
の点ピッチの上下によってかろうじて変えることが可能
であるものの、ピッチ上昇の開始時点及びピッチ上昇の
終了時点は、それぞれ第１音節の中心時点と第２音節の
中心時点にしか設定できない。このため従来技術では、
実際の人間の音声のピッチパターンに近づけるのは困難
であった。

【００６３】ところで、精密なピッチ制御を行なうに
は、特開平３−１６４８００号公報でも指摘しているよ
うに、１音節の継続時間を４等分した程度の間隔で点ピ
ッチを設定する必要がある。音韻で考えた場合も、子音
部の無い母音は音韻と音節とが等しくなることから、各
音韻を例えば４等分した時点に点ピッチを与えるのは妥
当である。但し、４等分した場合でも、全ての時点にピ
ッチ周波数を与えるのは効率が悪く、１乃至２点で十分
であり、全く点ピッチを与えなくともよい音韻もある。

【００６４】勿論、図３の例から分かるように、子音部
分は比較的音韻の継続時間が短いので分割が細かくな
り、点ピッチを指定する時点の間隔が狭くなるが、細か
く点ピッチが指定できることがピッチ制御に悪影響を及
ぼすことはないし、また母音と同じ数だけ分割した方が
処理上都合がよい。なお、音韻が子音のとき分割数を変
えることも考えられるが、この後生成される音声記号列
を利用者が書き換える際に混乱をきたす恐れがある。

【００６５】さて、音韻毎点ピッチ設定処理部２２によ
り音韻毎の点ピッチ位置が決定されると、同じ音声合成
部２内の音声記号列生成処理部２３が起動される。音声
記号列生成処理部２３は、言語解析処理部１１により得
られた音韻情報（音韻系列）、音韻継続時間計算処理部
２１により得られた各音韻の継続時間、及び音韻毎点ピ
ッチ設定処理部２２により得られた点ピッチ位置から、
これらを記述した音声記号列を生成する。

【００６６】図６は、アクセント句「ｙｏｍｉｍａｓｕ
（読みます）」についての音声記号列の例を示す。図か
ら明らかなように、音声記号列は、音韻情報（音韻系
列）６１０と韻律情報６２０とからなる。この韻律情報
６２０は、イントネーション成分６２１と、音韻情報６
１０の各音韻毎に決定された音韻継続時間と点ピッチ位
置の情報（音韻継続時間・ピッチ情報）６２２からな
る。イントネーション成分６２１はピッチの自然降下成
分を示すもので、図６中の「１６６，０．２」の記述例
は、１６６Ｈｚ（ヘルツ）から句末に向かって０．２
［ｏｃｔ］降下するピッチの自然降下成分を示してい
る。また、図６中の音声記号列中の「；」は、アクセン
ト句の終端を示す。

【００６７】音声記号列生成処理部２３は、生成した音
声記号列を音声合成部２内のピッチパターン生成処理部
２４に（図示せぬメモリを通して）渡して、このピッチ
パターン生成処理部２４により処理を進めさせること
も、当該音声記号列を音声記号列編集部３にて編集する
ために一旦音声記号列編集部３内の音声記号列ファイル
３１に書き込むことも可能である。この音声記号列編集
部３による音声記号列ファイル３１内の音声記号列の編
集処理については、後述する第２の実施形態にて詳述す
ることにし、ここでは説明を省略する。但し、第２の実
施形態では、音声記号列編集部３に代えて音声記号列編
集部６が用いられている。

【００６８】さて、音声合成部２内のピッチパターン生
成処理部２４は、音声記号列生成処理部２３から渡され
る、或いは音声記号列ファイル３１に格納されている音
声記号列をもとにピッチパターン（韻律パラメータ）を
生成する処理を行なう。即ちピッチパターン生成処理部
２４は、対象となる音声記号列中に設定されている各音
韻毎の音韻継続時間と点ピッチ位置をもとに、各点ピッ
チ間を直線補間してピッチのアクセント成分を例えば１
０ｍｓ（ミリ秒）毎に生成する。ピッチパターン生成処
理部２４は更に、対象となる音声記号列中に設定されて
いるイントネーション成分（ピッチの自然降下成分）を
加えて、合成すべき音声の１０ｍｓ毎のピッチパターン
を得る。

【００６９】一方、音声合成部２内の音韻パラメータ生
成処理部２５は、音声記号列生成処理部２３から渡され
る、或いは音声記号列ファイル３１に格納されている音
声記号列中の音韻情報（音韻系列）をもとに音韻パラメ
ータを生成する処理を、例えばピッチパターン生成処理
部２４によるピッチパターン生成処理と並行して次のよ
うに行なう。

【００７０】まず本実施形態では、実音声を改良ケプス
トラム法により窓長２０ｍｓ、窓周期１０ｍｓで分析し
て得た１９次のケプストラムを子音＋母音（ＣＶ）の単
位で切り出した計１３７個の音声素片が蓄積された音声
素片ファイル（図示せず）が用意されている。この音声
素片ファイルの内容は、文音声変換ソフトウェアに従う
文音声変換処理の開始時に、例えばメインメモリ（図示
せず）に確保された音声素片領域（以下、音声素片メモ
リと称する）２６に読み込まれているものとする。

【００７１】音韻パラメータ生成処理部２５は、音声記
号列生成処理部２３から渡される、或いは音声記号列フ
ァイル３１に格納されている音声記号列中の音韻情報に
従って、上記したＣＶ単位の音声素片を音声素片メモリ
２６から順次読み出し、読み出した音声素片を接続する
ことにより音韻パラメータ（特徴パラメータ）を生成す
る。

【００７２】ピッチパターン生成処理部２４によりピッ
チパターンが生成され、音韻パラメータ生成処理部２５
により音韻パラメータが生成されると、音声合成部２内
の合成フィルタ処理部２７が起動される。この合成フィ
ルタ処理部２７は、図７に示すように、ホワイトノイズ
発生部２７１、インパルス発生部２７２、駆動音源切替
部２７３、及びＬＭＡ（Log Magnitude Approximation
）フィルタ（対数振幅近似フィルタ）２７４から構成
されており、上記生成されたピッチパターン（韻律パタ
ーン）と音韻パラメータから、次のようにして音声を合
成する。

【００７３】まず、音声の有声部（Ｕ）では、駆動音源
切替部２７３によりインパルス発生部２７２側に切り替
えられる。インパルス発生部２７２は、ピッチパターン
生成処理部２４により生成されたピッチパターンに応じ
た間隔のインパルスを発生し、このインパルスを音源と
してＬＭＡフィルタ２７４を駆動する。一方、音声の無
声部（Ｖ）では、駆動音源切替部２７３によりホワイト
ノイズ発生部２７１側に切り替えられる。ホワイトノイ
ズ発生部２７１はホワイトノイズを発生し、このホワイ
トノイズを音源としてＬＭＡフィルタ２７４を駆動す
る。

【００７４】ＬＭＡフィルタ２７４は音声のケプストラ
ム（ケプストラムパラメータ）を直接フィルタ係数とす
るものである。本実施形態において音韻パラメータ生成
処理部２５により生成された音韻パラメータは前記した
ようにケプストラムであることから、この音韻パラメー
タがＬＭＡフィルタ２７４のフィルタ係数となり、駆動
音源切替部２７３により切り替えられる音源によって駆
動されることで、合成音声を出力する。

【００７５】合成フィルタ処理部２７（内のＬＭＡフィ
ルタ２７４）により合成された音声は、図示せぬＤ／Ａ
（ディジタル／アナログ）コンバータによりアナログ信
号に変換し、アンプを通してスピーカー等に出力するこ
とで、音として聞くことができる。［第２の実施形態］図８は本発明の第２の実施形態に係
る音声合成装置の概略構成を示すブロック図である。

【００７６】この図８に示す音声合成装置が図１の音声
合成装置と最も異なる点は、音韻毎点ピッチ設定処理部
２２に代えて音節毎の点ピッチ設定を司る音節毎点ピッ
チ設定処理部４２が設けられていることである。

【００７７】この音声合成装置は、専用のソフトウェア
（文音声変換ソフトウェア）の実行により実現される文
音声変換処理機能、即ちテキストから音声を生成する文
音声変換処理（文音声合成処理）機能を有するもので、
その機能構成は、大別して言語処理部４、音声合成部５
及び音声記号列編集部６とに分けられる。

【００７８】言語処理部４は、入力文、例えば漢字かな
混じり文を解析して読み情報とアクセント情報を生成す
る処理を司る。音声合成部５は、言語処理部４での文解
析結果をもとに、音韻情報、各音節の（子音部及び母音
部の）継続時間及び音節毎の点ピッチ位置が記述された
音声記号列を生成する処理と、この音声記号列をもとに
音声を生成する処理を司る。音声記号列編集部６は、音
声合成部５にて変換生成された、或いは利用者が作成し
た音声記号列を利用者操作に応じて編集する処理を司
る。

【００７９】図８の音声合成装置において、文音声変換
（読み上げ）の対象となる文書（ここでは日本語文書）
はテキストファイル（図示せず）として保存されてい
る。本装置では、文音声変換ソフトウェアに従い、当該
ファイルから漢字かな混じり文を１文ずつ読み出して、
言語処理部４及び音声合成部５により以下に述べる文音
声変換処理を行ない、音声を合成する。

【００８０】まずテキストファイルから読み出された漢
字かな混じり文は、言語処理部４内の言語解析処理部４
１に入力される。言語解析処理部４１は、入力される漢
字かな混じり文の形態素解析を行ない、読み情報とアク
セント情報を生成する。

【００８１】そのために、言語解析処理部４１は、文の
最小構成要素である「形態素」を見出し語に持つ形態素
辞書４２と、形態素間の接続規則が登録されている接続
規則ファイル４３を利用する。即ち言語解析処理部４１
は、入力文と形態素辞書４２とを照合することで得られ
る全ての形態素系列候補を求め（総当たり法）、その中
から、接続規則ファイル４３を参照して文法的に前後に
接続できる組み合わせを出力する。形態素辞書４２に
は、解析時に用いられる文法情報と共に、形態素の読み
並びにアクセントの型が登録されている。このため、形
態素解析により形態素が定まれば、同時に読みとアクセ
ント型も与えることができる。

【００８２】例えば、前記第１の実施形態と同様に、
「公園へ行って本を読みます。」という文に対して形態
素解析を行なうと、／公園／へ／行って／本／を／読み／ます／。と形態素に分割される。同時に、各形態素に読みとアク
セント型が与えられ、／コウエン／エ／イッテ／ホ＾ン／ヲ／ヨミ／マ＾ス／となる。ここで、「＾」の入っている形態素は、その直
前の音節（前記第１の実施形態とは異なって音韻でない
点に注意）でピッチが高く、その直後の音節ではピッチ
が落ちるアクセントであることを意味する。また、
「＾」がない場合は、平板型のアクセントであることを
意味する。

【００８３】ところで、人間が文章を読むときには、こ
のような形態素単位でアクセントを付けて読むことはせ
ず、幾つかの形態素をひとまとめにして、そのまとまり
にアクセントを付けて読んでいる。

【００８４】そこで、このようなことを考慮して、言語
解析処理部４１では更に、一つのアクセント句（アクセ
ントを与える単位）で形態素をまとめると同時に、まと
めたことによるアクセントの移動も推定する。これに加
えて言語解析処理部４１は、母音の無声化や読み上げの
際のポーズ（息継ぎ）等の情報も付加し、上記の例で
は、最終的に次のような読み情報を生成する。

【００８５】／コウエンエ／イッテ．／ホ＾ンオ／ヨミマ＾（ス）／ここで、ピリオド「．」は息継ぎを、「（）」は母音
が無声化した音節を表す。

【００８６】さて、上記のようにして言語処理部４内の
言語解析処理部４１により読み情報が生成されると、音
声合成部５内の音韻継続時間計算処理部５１が起動され
る。音韻継続時間計算処理部５１は、言語解析処理部４
１で生成した読み情報に従って、入力文に含まれる各音
節の子音部並びに母音部の継続時間（単位はｍｓ）を決
定する。この音韻継続時間計算処理部５１での継続時間
の決定処理は、前記第１の実施形態と同様に、子音
（Ｃ）と母音（Ｖ）の境界（ＣＶわたり）の位置が等間
隔に並ぶようにする（図２参照）という、極めて簡単な
アルゴリズムにより実現されている。

【００８７】音韻継続時間計算処理部５１により入力文
に含まれる各音節の（子音部並びに母音部の）継続時間
が決定されると、同じ音声合成部５内の音節毎点ピッチ
設定処理部５２が起動される。音節毎点ピッチ設定処理
部５２は、音韻継続時間計算処理部５１により決定され
た継続時間と、言語解析処理部４１により決定されたア
クセント情報に基づいて、点ピッチ位置を設定する。こ
こでは、点ピッチ設定の時間として、各音節の継続時間
を等間隔で４分割（即ち４等分）したうちの１点または
２点が決定される。この点ピッチ設定の具体例を、図２
のように各音節の（子音部並びに母音部の）継続時間が
決定されたアクセント句「ヨミマ（ス）」の場合につい
て、図９に示す。なお、図９では、横軸が時間を、縦軸
がピッチ（単位はオクターブｏｃｔ）を表し、白丸の位
置が点ピッチ位置である。ここで点ピッチ位置（ｘ，
ｙ）は、音節の継続時間を４等分した時点０〜３（但
し、句末の音節の最終時点は４）を示すｘと、ピッチ
（単位ｏｃｔ）を示すｙとにより表される。

【００８８】本実施形態において、点ピッチ設定の時間
と周波数（ピッチ周波数）は、アクセント型と、ピッチ
の設定される音節がアクセント句の何番目に位置するか
と、更にその音節の種類或いは音節環境によって決ま
る。これについて、図１０（ａ），（ｂ）を参照して以
下に詳述する。

【００８９】まず図１０（ａ）は、子音を含む音節で始
まり、平板型または起伏型アクセントを持つアクセント
句の先頭音節（第１音節）に設定されるピッチ位置の付
与ルールを示す。

【００９０】この図１０（ａ）から明らかなように、平
板型または起伏型アクセント句の先頭音節内の点ピッチ
の指定の時点は、その先頭音節に含まれる子音が有声子
音であるか無声子音であるかと、その先頭音節の直後の
音節（第２音節）が撥音であるか否か、即ち先頭音節の
種類（点ピッチ設定の対象音節自身の種類）と直後の音
節の種類、言い換えれば音節環境によって決まる。この
点ピッチ設定の対象となる先頭音節の種類と直後の音節
の種類の組み合わせ（音節環境）は４種類あり、その組
み合わせ数分の点ピッチ位置付与ルール（ルールＮｏ．
（１）〜（４））が用意されている。

【００９１】次に図１０（ｂ）は、平板型または起伏型
アクセントを持つアクセント句の第２音節に設定される
ピッチ位置の付与ルールを示す。この図１０（ｂ）から
明らかなように、平板型または起伏型アクセント句の第
２音節内の点ピッチの指定の時点は、その音節が撥音で
あるか否か、即ちその音節自身の種類（音節種）により
決まる。ここでは、当該音節種が撥音である場合の点ピ
ッチ位置付与ルール（ルールＮｏ．（１））と当該音節
種が撥音以外である場合の点ピッチ位置付与ルール（ル
ールＮｏ．（２））とが用意されている。

【００９２】以上の図１０（ａ），（ｂ）に示した点ピ
ッチ位置付与ルールに基づいて決定される点ピッチ位置
を、４つのアクセント句の例について図１１（ａ）〜
（ｄ）に示す。この図１１（ａ）〜（ｄ）では、図９と
同様に、横軸が時間を、縦軸がピッチ（単位はオクター
ブｏｃｔ）を表し、白丸の位置が点ピッチ位置である。

【００９３】まず、アクセント句先頭音節内の子音が有
声子音で、第２音節が撥音でないアクセント句の場合、
例えば「ヨミマス（読みます）」というアクセント句の
場合であれば、図１０（ａ）中のルールＮｏ．（４）と
図１０（ｂ）中のルールＮｏ．（２）とが適用され、図
１１（ａ）に示すような点ピッチ位置が生成（設定）さ
れる。

【００９４】次に、アクセント句先頭音節内の子音が有
声子音で、第２音節が撥音であるアクセント句の場合、
例えば「ロンジマス（論じます）」というアクセント句
の場合であれば、図１０（ａ）中のルールＮｏ．（３）
と図１０（ｂ）中のルールＮｏ．（１）とが適用され、
図１１（ｂ）に示すような点ピッチ位置が生成される。

【００９５】次に、アクセント句先頭音節内の子音が無
声子音で、第２音節が撥音でないアクセント句の場合、
例えば「トリマス（取ります）」というアクセント句の
場合であれば、図１０（ａ）中のルールＮｏ．（２）と
図１０（ｂ）中のルールＮｏ．（２）とが適用され、図
１１（ｃ）に示すような点ピッチ位置が生成される。

【００９６】次に、アクセント句先頭音節内の子音が無
声子音で、第２音節が撥音であるアクセント句の場合、
例えば「カンジマス（感じます）」というアクセント句
の場合であれば、図１０（ａ）中のルールＮｏ．（１）
と図１０（ｂ）中のルールＮｏ．（１）とが適用され、
図１１（ｄ）に示すような点ピッチ位置が生成される。

【００９７】このようにして生成された複数の点ピッチ
位置を直線で補間して得られるピッチパターン（図１１
（ａ）〜（ｄ）中の太線部分）は、前記第１の実施形態
で得られるピッチパターン同様に、実際の人間の発声す
る音声のそれをよく近似している。

【００９８】実際の音声の平板型または起伏型アクセン
トのピッチパターンでは、アクセント区先頭子音が無声
子音のときよりも有声子音のときの方が、低いピッチか
ら始まる傾向がある。また、第２音節が撥音の場合に
は、ピッチの上昇の開始時点と終了時点がそうでない場
合より早くなる傾向があることが知られている。

【００９９】前記第１の実施形態において既に説明した
ことの繰り返しになるが、従来は、このような実際の音
声のピッチ特徴を全く考慮せず、音節種や音節環境に関
係なくピッチを与えていた。音節種や音節環境を考慮し
てピッチパターンを変えることは、図１６で示したよう
な従来技術でも可能ではある。しかし、従来技術では、
音節に対してその中心に一つだけの点ピッチしか設定で
きないため、開始ピッチの設定については第１音節の点
ピッチの上下によってかろうじて変えることが可能であ
るものの、ピッチ上昇の開始時点及びピッチ上昇の終了
時点は、それぞれ第１音節の中心時点と第２音節の中心
時点にしか設定できない。このため従来技術では、実際
の人間の音声のピッチパターンに近づけるのは困難であ
った。

【０１００】ところで、精密なピッチ制御を行なうに
は、特開平３−１６４８００号公報でも指摘しているよ
うに、１音節の継続時間を４等分した程度の間隔で点ピ
ッチを設定する必要がある。但し、４等分した場合で
も、全ての時点にピッチ周波数を与えるのは効率が悪
く、１乃至２点で十分であり、全く点ピッチを与えなく
ともよい音節もある。

【０１０１】さて、音節毎点ピッチ設定処理部５２によ
り音節毎の点ピッチ位置が決定されると、同じ音声合成
部５内の音声記号列生成処理部５３が起動される。音声
記号列生成処理部５３は、言語解析処理部４１により得
られた音韻情報、音韻継続時間計算処理部５１により得
られた各音節の（子音部及び母音部の）継続時間、及び
音節毎点ピッチ設定処理部５２により得られた点ピッチ
位置から、これらを記述した音声記号列を生成する。

【０１０２】図１２は、アクセント句「ヨミマス（読み
ます）」についての音声記号列の例を示す。図から明ら
かなように、音声記号列は、音韻情報１２１０と韻律情
報１２２０とからなる。この韻律情報１２２０は、イン
トネーション成分１２２１と、音韻情報１２１０の各音
節毎に決定された音節継続時間（母音部継続時間、また
は子音部継続時間並びに母音部継続時間）と点ピッチ位
置の情報（音節継続時間・ピッチ情報）１２２２からな
る。イントネーション成分１２２１は、前記第１の実施
形態におけるイントネーション成分６２１と同様にピッ
チの自然降下成分を示す。また、図１２中の音声記号列
中の「；」は、アクセント句の終端を示す。なお、音韻
情報１２１０中の「（ス）」は母音が無声化した「ス」
を表す。

【０１０３】音声記号列生成処理部５３は、生成した音
声記号列を同じ音声合成部５内のピッチパターン生成処
理部５４に（図示せぬメモリを通して）渡して、このピ
ッチパターン生成処理部５４により処理を進めさせるこ
とも、当該音声記号列を音声記号列編集部６にて編集す
るために一旦音声記号列編集部６内の音声記号列ファイ
ル６１に書き込むことも可能である。この音声記号列編
集部６による音声記号列ファイル６１内の音声記号列の
編集処理については後述する。

【０１０４】さて、音声合成部５内のピッチパターン生
成処理部５４は、音声記号列生成処理部５３から渡され
る、或いは音声記号列ファイル６１に格納されている音
声記号列をもとにピッチパターン（韻律パラメータ）を
生成する処理を行なう。即ちピッチパターン生成処理部
５４は、対象となる音声記号列中に設定されている各音
節毎の継続時間（母音部継続時間、または子音部継続時
間並びに母音部継続時間）と点ピッチ位置をもとに、各
点ピッチ間を直線補間してピッチのアクセント成分を例
えば１０ｍｓ毎に生成する。ピッチパターン生成処理部
５４は更に、対象となる音声記号列中に設定されている
イントネーション成分（ピッチの自然降下成分）を加え
て、合成すべき音声の１０ｍｓ毎のピッチパターンを得
る。

【０１０５】一方、音声合成部５内の音韻パラメータ生
成処理部５５は、音声記号列生成処理部５３から渡され
る、或いは音声記号列ファイル６１に格納されている音
声記号列中の音韻情報をもとに音韻パラメータを生成す
る処理を、例えばピッチパターン生成処理部５４による
ピッチパターン生成処理と並行して行なう。この音韻パ
ラメータ生成処理部５５による音韻パラメータ生成処理
については、前記第１の実施形態における音韻パラメー
タ生成処理部２５と同様に行なわれるため、説明を省略
する。

【０１０６】ピッチパターン生成処理部５４によりピッ
チパターンが生成され、音韻パラメータ生成処理部５５
により音韻パラメータが生成されると、（図７に示した
ような合成フィルタ処理部２７と同様の構成の）合成フ
ィルタ処理部５７が起動され、前記第１の実施形態にお
ける合成フィルタ処理部２７と同様にして、この生成さ
れたピッチパターンと音韻パラメータから音声を合成す
る。

【０１０７】次に、音声記号列編集部６による音声記号
列ファイル６１内の音声記号列の編集処理について、図
１３のフローチャートを参照して説明する。まず音声記
号列編集部６は、音声記号列ファイル６１の他に、音声
記号列編集ツール（音声記号列編集ソフトウェア）に従
う音声記号列の修正処理を司る音声記号列修正処理部６
２と、ＣＲＴディスプレイ、液晶ディスプレイ等のディ
スプレイ装置６３と、キーボード、マウス等の入力装置
６４とを有している。このディスプレイ装置６３及び入
力装置６４には、図１３の音声合成装置を実現するパー
ソナルコンピュータ等の情報処理装置の持つディスプレ
イ装置及び入力装置を充てることができる。音声記号列
ファイル６１には、言語処理部４内の音声記号列生成処
理部５３によって前記した如く生成された音声記号列、
或いは利用者がパーソナルコンピュータ等を用いて作成
した音声記号列が保存される。

【０１０８】音声記号列編集部６内の音声記号列修正処
理部６２は、利用者操作に従って入力装置６４を通して
起動されると、音声記号列生成処理部５３によって生成
された、或いは利用者が作成した、図１２に示したよう
な構造の音声記号列を音声記号列ファイル６１から読み
出す（ステップＳ１）。

【０１０９】次に音声記号列修正処理部６２は、読み出
した音声記号列中の音節継続時間及び点ピッチ位置の指
定に従い、音声合成部５内のピッチパターン生成処理部
５４と同様にして、例えば横軸を時間軸としたピッチパ
ターンを生成し（ステップＳ２）、そのピッチパターン
を、読み出した音声記号列中の音韻情報の示す音韻記号
と、その音韻の時間軸上の範囲と共に、ディスプレイ装
置６３の表示画面にグラフにより表示する（ステップＳ
３）。このピッチパターン表示例を、図１２の音声記号
列の場合について、図１４において符号１４１で示す。
なお、ピッチパターン（ピッチパターン１４１）は、音
声記号列中に設定されている点ピッチ位置間を直線で補
間することにより生成される（描かれる）。

【０１１０】さて、本実施例におけるピッチパターン表
示では、図１４に示したように、既に音声記号列中で指
定されている点ピッチ位置は白丸で表示され、音声記号
列中で指定されていないが、利用者が指定可能な点ピッ
チ位置は黒丸で表示される。これら白丸並びに黒丸の位
置は、利用者が入力装置６４のマウス等を操作すること
で移動可能である。

【０１１１】例えば、マウスを使用した場合であれば、
まず利用者はマウスを移動操作してマウスカーソルを移
動したい点ピッチの丸の上にもっていき、その状態でマ
ウスボタンを押す。この状態で利用者は、マウスを移動
操作して所望の位置にマウスカーソルを移動し、しかる
後にマウスボタンを離す。

【０１１２】音声記号列修正処理部６２は、この利用者
のマウス操作に応じて、移動指定された丸の位置（点ピ
ッチの位置）を移動する（ステップＳ４）。そして音声
記号列修正処理部６２は、移動した丸と、その前後の丸
との間の直線を新たに補間する。更に音声記号列修正処
理部６２は、音声記号列ファイル６１から読み出してあ
る音声記号列を、丸の位置の移動（変更）に応じて変更
（修正）する（ステップＳ５）。

【０１１３】このようにして、例えば図１５（ａ）に示
す音声記号列に従って図１５（ｂ）のように表示された
ピッチパターンを、白丸位置の移動操作により図１５
（ｃ）のように変更した場合であれば、図１５（ｄ）に
示すような音声記号列に変更される。

【０１１４】また音声記号列修正処理部６２は、図１４
において破線で示したように、実音声を分析して得られ
るピッチパターンを参照パターン１４２として、ピッチ
パターン１４１と共に表示する。これにより利用者は、
参照パターン１４２を見ながら、当該参照パターンに最
も近づくように、音声記号列に基づいてグラフ化された
ピッチパターン１４１上の丸の位置（ドッと位置）を修
正するならば、人間の発声した音声に極めて近い抑揚を
持つ音声を合成することが可能な音声記号列を容易に作
成（編集）することができる。

【０１１５】さて、利用者操作に従うピッチパターン変
更に応じて修正された音声記号列は、入力装置６４を通
して利用者からのセーブ指示が与えられた場合には（ス
テップＳ６）、音声記号列修正処理部６２によって音声
記号列ファイル６１にセーブされる（ステップＳ７）。

【０１１６】音声記号列修正処理部６２は、音声記号列
をセーブすると、利用者により、音声記号列編集処理の
終了ではなくて、次の音声記号列の読み出しが指定され
ているならば（ステップＳ８，Ｓ９）、ステップＳ１に
戻って次の音声記号列を音声記号列ファイル６１から読
み出し、その音声記号列を対象にステップＳ２以降の処
理を行なう。

【０１１７】このような音声記号列編集処理は、前記第
１の実施形態における音声記号列編集部３（内の音声記
号列修正処理部３２）においても同様に行なわれる。さ
て、音声記号列編集部６（内の音声記号列修正処理部６
２）による音声記号列編集処理で修正された音声記号列
ファイル６１内の音声記号列、即ち音声記号列生成処理
部５３により自動生成された後に利用者操作に従って修
正された、或いは利用者が作成した後利用者操作に従っ
て修正された音声記号列は、音声合成部５による音声合
成に供される。これにより、人間の発声した音声に極め
て近い抑揚を持つ音声を合成することができる。

【０１１８】

【発明の効果】以上説明したように本発明によれば、設
定する点ピッチの数を最小限に抑えながらも、従来に比
べて細かなピッチ制御を可能にし、より滑らかで人間の
声の抑揚に近いピッチパターンを、テキスト或いは音声
記号列から生成することができる。また、本発明によれ
ば、利用者が、最小限の労力で簡単に、利用者好みのピ
ッチパターンを音声合成に供することができる等の効果
もある。

【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
概略構成を示すブロック図。

【図２】同第１の実施形態における音韻継続時間の決定
方法を説明するための図。

【図３】同第１の実施形態におけるピッチ設定方法を説
明するための図。

【図４】同第１の実施形態における音韻種或いは音韻環
境を考慮した点ピッチ位置付与ルール（点ピッチ設定ル
ール）を整理して示す図。

【図５】図４のルールに従って決定される点ピッチ位置
の具体例を４つのアクセント句について示す図。

【図６】同第１の実施形態における音声記号列の一例を
示す図。

【図７】図１中の合成フィルタ処理部２７の構成を示す
ブロック図。

【図８】本発明の第２の実施形態に係る音声合成装置の
概略構成を示すブロック図。

【図９】同第２の実施形態におけるピッチ設定方法を説
明するための図。

【図１０】同第２の実施形態における音節種或いは音節
環境を考慮した点ピッチ位置付与ルール（点ピッチ設定
ルール）を整理して示す図。

【図１１】図１０のルールに従って決定される点ピッチ
位置の具体例を４つのアクセント句について示す図。

【図１２】同第２の実施形態における音声記号列の一例
を示す図。

【図１３】図８中の音声記号列編集部６（内の音声記号
列修正処理部６２）による音声記号列編集処理を説明す
るためのフローチャート。

【図１４】音声記号列編集処理におけるピッチパターン
表示例を示す図。

【図１５】音声記号列編集処理におけるピッチパターン
と音声記号列の変更例を示す図。

【図１６】従来のピッチ設定方法を説明するための図。

【符号の説明】

１，４…言語処理部、２，５…音声合成部、３，６…音声記号列編集部、１１，４１…言語解析処理部、２１，５１…音韻継続時間計算処理部、２２…音韻毎点ピッチ設定処理部、２３，５３…音声記号列生成処理部、２４，５４…ピッチパターン生成処理部（韻律パラメー
タ生成処理手段）、２５，５５…音韻パラメータ生成処理部（特徴パラメー
タ生成処理手段）、２６，５６…音声素片メモリ、２７，５７…合成フィルタ処理部、３１，６１…音声記号列ファイル、３２，６２…音声記号列修正処理部、３３，６３…ディスプレイ装置、３４，６４…入力装置、５２…音節毎点ピッチ設定処理部、６１０，１２１０…音韻情報、６２０，１２２０…韻律情報、６２２…音韻継続時間・ピッチ情報、１２２２…音節継続時間・ピッチ情報。

Claims

【特許請求の範囲】

【請求項１】語または句のアクセント情報に基づいて
複数の点ピッチを与え、与えられた複数の点ピッチ間を
補間することにより生成されるピッチパターンに基づい
て、音声を合成する音声合成方法において、点ピッチを与える時間軸上の位置を、当該点ピッチを与
えるべき音韻の音韻環境または音韻種の少なくとも一方
に基づいて決定することを特徴とする音声合成方法。
【請求項２】音声の特徴パラメータを所定の合成単位
からなる音声素片により蓄積しておくための音声素片記
憶媒体と、入力される音韻情報に基づいて、前記音声素片記憶媒体
より音声素片を読み出し、この読み出した各音声素片間
を接続して合成すべき音声の特徴パラメータを生成する
特徴パラメータ生成処理手段と、前記音韻情報に対応して入力されるアクセント情報を利
用して音韻毎の点ピッチ設定を行なう音韻毎点ピッチ設
定処理手段であって、設定される点ピッチの属する音韻
の音韻環境または音韻種の少なくとも一方に基づいて点
ピッチの時間軸上の位置を決定する音韻毎点ピッチ設定
処理手段と、この音韻毎点ピッチ設定処理手段により設定された隣接
する点ピッチの間を補間して、音声のピッチパターンを
生成するピッチパターン生成処理手段と、前記特徴パラメータ生成処理手段によって生成された合
成すべき音声の特徴パラメータと、前記ピッチパターン
生成処理手段によって生成されたピッチパターンとから
音声を合成する合成フィルタ処理手段とを具備すること
を特徴とする音声合成装置。
【請求項３】語または句のアクセント情報に基づいて
複数の点ピッチを与え、与えられた複数の点ピッチ間を
補間することにより生成されるピッチパターンに基づい
て、音声を合成する音声合成方法において、点ピッチを与える時間軸上の位置を、当該点ピッチを与
えるべき音節の音節環境または音節種の少なくとも一方
に基づいて決定することを特徴とする音声合成方法。
【請求項４】音声の特徴パラメータを所定の合成単位
からなる音声素片により蓄積しておくための音声素片記
憶媒体と、入力される音韻情報に基づいて、前記音声素片記憶媒体
より音声素片を読み出し、この読み出した各音声素片間
を接続して合成すべき音声の特徴パラメータを生成する
特徴パラメータ生成処理手段と、前記音韻情報に対応して入力されるアクセント情報を利
用して音節毎の点ピッチ設定を行なう音節毎点ピッチ設
定処理手段であって、設定される点ピッチの属する音節
の音節環境または音節種の少なくとも一方に基づいて点
ピッチの時間軸上の位置を決定する音節毎点ピッチ設定
処理手段と、この音節毎点ピッチ設定処理手段により設定された隣接
する点ピッチの間を補間して、音声のピッチパターンを
生成するピッチパターン生成処理手段と、前記特徴パラメータ生成処理手段によって生成された合
成すべき音声の特徴パラメータと、前記ピッチパターン
生成処理手段によって生成されたピッチパターンとから
音声を合成する合成フィルタ処理手段とを具備すること
を特徴とする音声合成装置。
【請求項５】語または句のアクセント情報に基づいて
複数の点ピッチを与え、与えられた複数の点ピッチ間を
補間することにより生成されるピッチパターンに基づい
て、音声を合成する音声合成方法において、一つの音韻の継続時間内に少なくとも４点の点ピッチ指
定可能時点を設定し、そのうちの２点以下の時点に対し
て点ピッチを指定することを特徴とする音声合成方法。
【請求項６】音声の特徴パラメータを所定の合成単位
からなる音声素片により蓄積しておくための音声素片記
憶媒体と、入力される音韻情報に基づいて、前記音声素片記憶媒体
より音声素片を読み出し、この読み出した各音声素片間
を接続して合成すべき音声の特徴パラメータを生成する
特徴パラメータ生成処理手段と、前記音韻情報に対応して入力されるアクセント情報を利
用して音韻毎の点ピッチ設定を行なう音韻毎点ピッチ設
定処理手段であって、一つの音韻の継続時間内に少なく
とも４点の点ピッチ指定可能時点を設定し、そのうちの
２点以下の時点に対して点ピッチを指定する音韻毎点ピ
ッチ設定処理手段と、この音韻毎点ピッチ設定処理手段により設定された隣接
する点ピッチの間を補間して、音声のピッチパターンを
生成するピッチパターン生成処理手段と、前記特徴パラメータ生成処理手段によって生成された合
成すべき音声の特徴パラメータと、前記ピッチパターン
生成処理手段によって生成されたピッチパターンとから
音声を合成する合成フィルタ処理手段とを具備すること
を特徴とする音声合成装置。
【請求項７】語または句のアクセント情報に基づいて
複数の点ピッチを与え、与えられた複数の点ピッチ間を
補間することにより生成されるピッチパターンに基づい
て、音声を合成する音声合成方法において、一つの音節の継続時間内に少なくとも４点の点ピッチ指
定可能時点を設定し、そのうちの２点以下の時点に対し
て点ピッチを指定することを特徴とする音声合成方法。
【請求項８】音声の特徴パラメータを所定の合成単位
からなる音声素片により蓄積しておくための音声素片記
憶媒体と、入力される音韻情報に基づいて、前記音声素片記憶媒体
より音声素片を読み出し、この読み出した各音声素片間
を接続して合成すべき音声の特徴パラメータを生成する
特徴パラメータ生成処理手段と、前記音韻情報に対応して入力されるアクセント情報を利
用して音節毎の点ピッチ設定を行なう音節毎点ピッチ設
定処理手段であって、一つの音節の継続時間内に少なく
とも４点の点ピッチ指定可能時点を設定し、そのうちの
２点以下の時点に対して点ピッチを指定する音節毎点ピ
ッチ設定処理手段と、この音節毎点ピッチ設定処理手段により設定された隣接
する点ピッチの間を補間して、音声のピッチパターンを
生成するピッチパターン生成処理手段と、前記特徴パラメータ生成処理手段によって生成された合
成すべき音声の特徴パラメータと、前記ピッチパターン
生成処理手段によって生成されたピッチパターンとから
音声を合成する合成フィルタ処理手段とを具備すること
を特徴とする音声合成装置。
【請求項９】音声合成の対象となるテキストを解析し
て音韻情報とアクセント情報を生成する言語解析処理手
段を更に具備することを特徴とする請求項２、請求項
４、請求項６、または請求項８のいずれかに記載の音声
合成装置。
【請求項１０】音声の音韻情報とピッチ情報を含む韻
律情報を記述した音声記号列を入力として、予め用意さ
れた複数の音声の特徴パラメータからなる音声素片の群
の中から、前記音声記号列中の音韻情報に従って複数の
音声素片を選択して接続して音声の音韻を表現するパラ
メータを生成すると共に、前記音声記号列中の韻律情報
に従って音声のピッチパターンを生成し、前記音声の音
韻を表現するパラメータ及びピッチパターンをもとに音
声を合成する音声合成方法であって、前記音声記号列中のピッチ情報が点ピッチで与えられて
いることを特徴とする音声合成方法。
【請求項１１】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と点ピッチで与えられたピッ
チ情報を含む韻律情報を記述した音声記号列中の少なく
とも前記音韻情報を入力し、当該音韻情報に従って前記
音声素片記憶媒体から複数の音声素片を選択して接続し
て音声の音韻を表現するパラメータを生成する音韻パラ
メータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項１２】音声の音韻情報とピッチ情報を含む韻
律情報を記述した音声記号列を入力として、予め用意さ
れた複数の音声の特徴パラメータからなる音声素片の群
の中から、前記音声記号列中の音韻情報に従って複数の
音声素片を選択して接続して音声の音韻を表現するパラ
メータを生成すると共に、前記音声記号列中の韻律情報
に従って音声のピッチパターンを生成し、前記音声の音
韻を表現するパラメータ及びピッチパターンをもとに音
声を合成する音声合成方法であって、前記音声記号列中のピッチ情報が点ピッチで与えられ、
且つその点ピッチの時間軸上の位置が各音韻の開始点を
基準に点ピッチで指定されていることを特徴とする音声
合成方法。
【請求項１３】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と、点ピッチで与えられるピ
ッチ情報であって、その点ピッチの時間軸上の位置が各
音韻の開始点を基準に点ピッチで指定されているピッチ
情報を含む韻律情報を記述した音声記号列中の少なくと
も前記音韻情報を入力し、当該音韻情報に従って前記音
声素片記憶媒体から複数の音声素片を選択して接続して
音声の音韻を表現するパラメータを生成する音韻パラメ
ータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項１４】音声の音韻情報とピッチ情報を含む韻
律情報を記述した音声記号列を入力として、予め用意さ
れた複数の音声の特徴パラメータからなる音声素片の群
の中から、前記音声記号列中の音韻情報に従って複数の
音声素片を選択して接続して音声の音韻を表現するパラ
メータを生成すると共に、前記音声記号列中の韻律情報
に従って音声のピッチパターンを生成し、前記音声の音
韻を表現するパラメータ及びピッチパターンをもとに音
声を合成する音声合成方法であって、前記音声記号列中のピッチ情報が点ピッチで与えられ、
且つその点ピッチの時間軸上の位置が各音節の開始点を
基準に点ピッチで指定されていることを特徴とする音声
合成方法。
【請求項１５】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と、点ピッチで与えられるピ
ッチ情報であって、その点ピッチの時間軸上の位置が各
音節の開始点を基準に点ピッチで指定されているピッチ
情報を含む韻律情報を記述した音声記号列中の少なくと
も前記音韻情報を入力し、当該音韻情報に従って前記音
声素片記憶媒体から複数の音声素片を選択して接続して
音声の音韻を表現するパラメータを生成する音韻パラメ
ータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項１６】音声の音韻情報と韻律情報を記述した
音声記号列を入力として、予め用意された複数の音声の
特徴パラメータからなる音声素片の群の中から、前記音
声記号列中の音韻情報に従って複数の音声素片を選択し
て接続して音声の音韻を表現するパラメータを生成する
と共に、前記音声記号列中の韻律情報に従って音声のピ
ッチパターンを生成し、前記音声の音韻を表現するパラ
メータ及びピッチパターンをもとに音声を合成する音声
合成方法であって、前記音声記号列中の音韻情報に含まれる各音韻の継続時
間内に少なくとも４点の点ピッチ指定可能時点を設定
し、そのうちの２点以下の時点に対して点ピッチを指定
することで前記音声記号列中の韻律情報が記述されてい
ることを特徴とする音声合成方法。
【請求項１７】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と、当該音韻情報に含まれる
各音韻の継続時間内に少なくとも４点の点ピッチ指定可
能時点を設定し、そのうちの２点以下の時点に対して点
ピッチが指定される韻律情報とを記述した音声記号列中
の少なくとも前記音韻情報を入力し、当該音韻情報に従
って前記音声素片記憶媒体から複数の音声素片を選択し
て接続して音声の音韻を表現するパラメータを生成する
音韻パラメータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項１８】音声の音韻情報と韻律情報を記述した
音声記号列を入力として、予め用意された複数の音声の
特徴パラメータからなる音声素片の群の中から、前記音
声記号列中の音韻情報に従って複数の音声素片を選択し
て接続して音声の音韻を表現するパラメータを生成する
と共に、前記音声記号列中の韻律情報に従って音声のピ
ッチパターンを生成し、前記音声の音韻を表現するパラ
メータ及びピッチパターンをもとに音声を合成する音声
合成方法であって、前記音声記号列中の音韻情報に含まれる各音韻の継続時
間内に少なくとも４点の点ピッチ指定可能時点を設定
し、そのうちの２点以下の時点に対して、各音韻の開始
点を基準に点ピッチの時間軸上の位置を指定することで
前記音声記号列中の韻律情報が記述されていることを特
徴とする音声合成方法。
【請求項１９】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と、当該音韻情報に含まれる
各音韻の継続時間内に少なくとも４点の点ピッチ指定可
能時点を設定し、そのうちの２点以下の時点に対して、
各音韻の開始点を基準に点ピッチの時間軸上の位置が指
定される韻律情報とを記述した音声記号列中の少なくと
も前記音韻情報を入力し、当該音韻情報に従って前記音
声素片記憶媒体から複数の音声素片を選択して接続して
音声の音韻を表現するパラメータを生成する音韻パラメ
ータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項２０】音声の音韻情報と韻律情報を記述した
音声記号列を入力として、予め用意された複数の音声の
特徴パラメータからなる音声素片の群の中から、前記音
声記号列中の音韻情報に従って複数の音声素片を選択し
て接続して音声の音韻を表現するパラメータを生成する
と共に、前記音声記号列中の韻律情報に従って音声のピ
ッチパターンを生成し、前記音声の音韻を表現するパラ
メータ及びピッチパターンをもとに音声を合成する音声
合成方法であって、前記音声記号列中の音韻情報に含まれる各音節の継続時
間内に少なくとも４点の点ピッチ指定可能時点を設定
し、そのうちの２点以下の時点に対して点ピッチを指定
することで前記音声記号列中の韻律情報が記述されてい
ることを特徴とする音声合成方法。
【請求項２１】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と、当該音韻情報に含まれる
各音節の継続時間内に少なくとも４点の点ピッチ指定可
能時点を設定し、そのうちの２点以下の時点に対して点
ピッチが指定される韻律情報とを記述した音声記号列中
の少なくとも前記音韻情報を入力し、当該音韻情報に従
って前記音声素片記憶媒体から複数の音声素片を選択し
て接続して音声の音韻を表現するパラメータを生成する
音韻パラメータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項２２】音声の音韻情報と韻律情報を記述した
音声記号列を入力として、予め用意された複数の音声の
特徴パラメータからなる音声素片の群の中から、前記音
声記号列中の音韻情報に従って複数の音声素片を選択し
て接続して音声の音韻を表現するパラメータを生成する
と共に、前記音声記号列中の韻律情報に従って音声のピ
ッチパターンを生成し、前記音声の音韻を表現するパラ
メータ及びピッチパターンをもとに音声を合成する音声
合成方法であって、前記音声記号列中の音韻情報に含まれる各音節の継続時
間内に少なくとも４点の点ピッチ指定可能時点を設定
し、そのうちの２点以下の時点に対して、各音節の開始
点を基準に点ピッチの時間軸上の位置を指定することで
前記音声記号列中の韻律情報が記述されていることを特
徴とする音声合成方法。
【請求項２３】予め用意された複数の音声の特徴パラ
メータからなる音声素片の群を蓄積しておくための音声
素片記憶媒体と、合成すべき音声の音韻情報と、当該音韻情報に含まれる
各音節の継続時間内に少なくとも４点の点ピッチ指定可
能時点を設定し、そのうちの２点以下の時点に対して、
各音節の開始点を基準に点ピッチの時間軸上の位置が指
定される韻律情報とを記述した音声記号列中の少なくと
も前記音韻情報を入力し、当該音韻情報に従って前記音
声素片記憶媒体から複数の音声素片を選択して接続して
音声の音韻を表現するパラメータを生成する音韻パラメ
ータ生成手段と、前記音声記号列中の少なくとも韻律情報を入力し、当該
韻律情報に従って合成すべき音声のピッチパターンを生
成する韻律パラメータ生成手段と、前記音韻パラメータ生成手段で生成された音韻を表現す
るパラメータ及び前記韻律パラメータ生成手段で生成さ
れたピッチパターンから音声を合成する合成フィルタ処
理手段とを具備することを特徴とする音声合成装置。
【請求項２４】音声の音韻情報と点ピッチで与えられ
たピッチ情報を含む韻律情報を記述した音声記号列を入
力として、予め用意された複数の音声の特徴パラメータ
からなる音声素片の群の中から、前記音声記号列中の音
韻情報に従って複数の音声素片を選択して接続して音声
の音韻を表現するパラメータを生成すると共に、前記音
声記号列中の韻律情報に従って音声のピッチパターンを
生成し、前記音声の音韻を表現するパラメータ及びピッ
チパターンをもとに音声を合成する音声合成装置に適用
される音声記号列編集装置であって、前記音声記号列中のピッチ情報に従って複数の点ピッチ
を表示するための表示手段と、この表示手段により表示されている点ピッチの変更を指
示するための入力手段と、この入力手段による変更指示に応じて前記表示手段によ
り表示中の該当する点ピッチを変更し、その変更結果を
前記音声記号列に反映する音声記号列修正処理手段とを
具備することを特徴とする音声記号列編集装置。
【請求項２５】音声の音韻情報と点ピッチで与えられ
たピッチ情報を含む韻律情報を記述した音声記号列を入
力として、予め用意された複数の音声の特徴パラメータ
からなる音声素片の群の中から、前記音声記号列中の音
韻情報に従って複数の音声素片を選択して接続して音声
の音韻を表現するパラメータを生成すると共に、前記音
声記号列中の韻律情報に従って音声のピッチパターンを
生成し、前記音声の音韻を表現するパラメータ及びピッ
チパターンをもとに音声を合成する音声合成装置に適用
される音声記号列編集装置であって、前記音声記号列中のピッチ情報に従って複数の点ピッチ
をグラフ表示するための表示手段と、この表示手段により表示されている点ピッチの位置を移
動させる指示を入力するための入力手段と、この入力手段による移動指示に応じて前記表示手段によ
り表示中の該当する点ピッチの位置を画面上で移動し、
その移動後の新たな点ピッチの位置を前記音声記号列に
反映する音声記号列修正処理手段とを具備することを特
徴とする音声記号列編集装置。
【請求項２６】音声の音韻情報と点ピッチで与えられ
たピッチ情報を含む韻律情報を記述した音声記号列を入
力として、予め用意された複数の音声の特徴パラメータ
からなる音声素片の群の中から、前記音声記号列中の音
韻情報に従って複数の音声素片を選択して接続して音声
の音韻を表現するパラメータを生成すると共に、前記音
声記号列中の韻律情報に従って音声のピッチパターンを
生成し、前記音声の音韻を表現するパラメータ及びピッ
チパターンをもとに音声を合成する音声合成装置に適用
される音声記号列編集装置であって、前記音声記号列中のピッチ情報に従って、複数の点ピッ
チと、これらの点ピッチ間を補間したピッチ外形をグラ
フ表示するための表示手段と、この表示手段により表示されている点ピッチの位置を移
動させる指示を入力するための入力手段と、この入力手段による移動指示に応じて前記表示手段によ
り表示中の該当する点ピッチの位置を画面上で移動し、
その移動後の新たな点ピッチの位置を前記音声記号列に
反映する音声記号列修正処理手段とを具備することを特
徴とする音声記号列編集装置。
【請求項２７】前記表示手段には、前記音声記号列中
の音韻情報に対応する参照音声を分析して得られるピッ
チ外形が参照パターンとしてグラフ表示されることを特
徴とする請求項２５または請求項２６記載の音声記号列
編集装置。