JPH10207488A - 音声部品作成方法、音声部品データベース及び音声合成方法 - Google Patents

Abstract

(57)【要約】 【課題】 単純な方法で作ることができ、少ない部品数
で聞き易い合成音声を作ることを可能とする。 【解決手段】 文字列の音韻と韻律の並びが明らかな文
章「幸せは歩い・・・」を一定速度で読み上げた音声を
媒体８に録音し、その最初の２音節「しあ」を再生する
時間を測定し、この時間（例えば２００ｍｓ）ごとに媒
体８上の再生音を順次切断して２音節毎の音声波形８
ａ，８ｂ，・・・を切り出し、この音声波形８ａ，８
ｂ，・・・に、録音文章の文字列を対応させて、順番に
音韻「しあ」韻律（上昇型）、音韻「わせ」韻律（上昇
型）・・・と付与し、これらをデータベースの異なる番
地に格納する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、人間の連続発声
音声から、音声合成に用いる音声波形を音声部品として
作成する音声部品作成方法と、音声合成に用いる各種音
声波形を格納した音声部品データベースと、この音声部
品データベースを用いて日本語読み文に対応した合成音
声を生成する音声合成方法に関する。

【０００２】

【従来の技術】従来より、人間の音声を合成音声単位と
する録音編集型の音声合成方法には、以下の第１から第
３の方法に示すものが知られている。第１の方法は、人
間の音声を録音したものから切り出して「あ」、
「い」、「う」、「え」、「お」・・・等の日本語の５
０音、「きゃ」、「しゃ」・・・等の拗音、濁音、半濁
音等すべての日本語の１音節単位の音声部品を作成し、
これをデータベース等に登録しておき、この音声部品を
組み合わせて日本語読み文に合成する方法である。例え
ば、 に ／ ほ ／ ん のように、「に」、「ほ」、「ん」と１音節毎に音声部
品を組み合わせて日本語読み文を合成する。

【０００３】しかし、日本語読み文に「とーきょー」や
「ろっぽんぎ」等のように長音や促音等が含まれる場合
には、この第１の方法で合成された音声には不自然さが
目立つため、一般には以下に示す第２及び第３の方法の
ように２音節以上の音声部品をデータベースに登録して
おき、日本語読み文に対応する音声部品を取り出して日
本語読み文の合成音声を生成するという方法がとられて
いる。

【０００４】第２の方法は、人間の音声を録音したもの
から切り出して多音節からなる文節毎の音声部品を作成
し、これらをデータベースに登録しておき、日本語読み
文に対応する音声部品を文節毎に取り出し接続して、日
本語読み文を音声合成する方法である。これらの文節毎
の音声部品には、同一の音韻列（読み列）に対して各種
の韻律の変化をもたせたものをデータベースに格納して
おく。例えば、名詞「大阪」と助詞の組み合わせからな
る文節に対応した音声部品としては、「大阪は」、「大
阪が」、「大阪に」、「大阪へ」、「大阪を」の各音韻
列に各種の韻律の変化を付加したものがあり、これらが
データベースに格納されている。

【０００５】そして、音声合成したい文がテキスト解析
によって 私は ／ 明日 ／ 大阪へ ／ 行きます。 （／
は、文節区切りを示す。） のように文節に区切られると、「私は」、「明日」、
「大阪へ」、「行きます」の各文節の音韻列と韻律列に
対応する音声部品がデータベースから取り出され、これ
らが接続されて音声合成される。

【０００６】第３の方法は、人間の音声を録音したもの
から切り出して作成し登録した、形容詞・動詞の活用形
語句を含む、全ての品詞語句に対応する音声部品を組み
合わせて日本語読み文を音声合成する方法である。この
場合も、前記第２の方法と同様に、同一の音韻列に対し
て各種の韻律の変化を有する音声部品をデータベースに
格納している。

【０００７】そして、音声合成したい文をテキスト解析
して、 私／は／明日／大阪／へ／行き／ます。（／は、品詞区
切りを示す。） のように品詞毎に分解されると、これら品詞毎の語句に
対応する音韻列と韻律列を有する音声部品をデータベー
スから取り出し、接続して日本語読み文を音声合成す
る。

【０００８】

【発明が解決しようとする課題】一方、人間の音声を録
音したものから音声部品を切り出す作業は、音声波形を
見ながら所望の音韻と韻律を有する箇所を選択して行う
ため手間がかかり、可能な限り音声部品の数が少なくて
済むような音声部品の作成方法が望まれている。しかし
ながら、上記従来の第２の方法によれば、文節毎の各種
音韻列・韻律列を有する音声部品が必要となり、名詞と
助詞の組み合わせ数、動詞と助動詞の組み合わせ数だけ
を考慮しても、膨大な数の音声部品を作成しなければな
らず、限定された日本語読み文を音声合成するのでない
限り、音声部品の作成に手間がかかり、実用に供するこ
とが難しい。

【０００９】また、第３の方法の場合は、前記第２の方
法と比較すると音声部品の数は少なくて済むが、この場
合にも少なくとも全ての品詞の単語数に加えて形容詞、
動詞等のように活用するものに対する活用形語句をも考
慮すると、国語辞典の収録語数（具体的には１０万語以
上）を遙かに越える音声部品の数が必要となるため、前
記第２の方法と同様に音声部品作成のための手間がかか
る。

【００１０】この発明は、音声部品の数が少なくて済
み、作成のために手間のかからない、かつ、人間の発声
リズムを取り込んだ音声部品を提供できる音声部品作成
方法と、その音声部品が格納された。音声部品データベ
ース及びその音声部品データベースを用いて音声合成す
る方法を提供することを目的とする。

【００１１】

【課題を解決するための手段】この発明の音声部品作成
方法は、文字列の並び及び音韻と韻律が明らかな文章を
一定速度で読み上げた音声を録音し、その録音音声の再
生音において、人間の発声リズムを基本とした拍数（音
節数）分、つまり発声リズムの周期の音節数分の最初の
録音再生時間を単位時間として設定し、前記録音音声を
前記単位時間毎に先頭から順に切断して、録音小片を作
成し、その録音小片に対し、その１つ１つに切り出され
た順番に前記文章の対応する文字列とその韻律とを付与
することによって音声部品を作成することを主要な特徴
とする。

【００１２】この発明の音声部品データベースは、格納
されている各種音声波形の構成音節の数が同一であり、
かつ各音声波形の長さが同一であり、更に構成音韻と韻
律型に応じて異なる番地に音声波形が格納されている。
また、この発明の第１の音声合成方法は、前記この発明
の音声部品データベースと、応答文中の挿入句部分以外
の基文の音声を録音した録音基文保持手段と、前記挿入
句を組み立てる各音声部品の前記音声部品データベース
上の格納番地が記述されている挿入語句部品結合辞書と
を具備し、前記挿入句に充当する文字列を入力する文字
情報入力過程と、前記挿入語句部品結合辞書の参照によ
り前記入力された文字列に対応する各音声部品を前記音
声部品データベースから選択・接続する合成音声組立過
程と、前記接続された音声部品を前記挿入句部分の合成
音声として合成する音声合成過程と、前記挿入句部分の
合成音声を前記録音基文音声にはめ込んで応答文の音声
を出力する出力過程とを有することを特徴としている。

【００１３】さらに、この発明の第２の音声合成方法
は、前記この発明の音声部品データベースと、各種の定
型文に対して各定型文を組み立てる各音声部品の前記音
声部品データベース上の格納番地が記述されている定型
文部品結合辞書とを具備し、前記定型文の文字列を入力
する文字情報入力過程と、前記定型文部品結合辞書の参
照により、前記入力された文字列と対応する各音声部品
を前記音声部品データベースから選択・接続する合成音
声組立過程と、前記接続された音声部品を合成音声とし
て合成する音声合成過程と、前記合成音声を出力する出
力過程とを有することを特徴としている。

【００１４】さらに、この発明の第３の音声合成方法
は、前記この発明の音声部品データベースと、各種文節
に対して各文節を組み立てる各音声部品の前記音声部品
データベース上の格納番地が記述されている文節部品結
合辞書とを具備し、任意文字列とこの任意文字列の文節
区切り及びポーズ位置を入力する文字情報入力過程と、
前記文節部品結合辞書を参照して前記入力された任意文
字列に対応する各音声部品を前記音声部品データベース
から選択・接続する文字列合成音声組立過程と、前記接
続された音声部品を合成音声として合成する音声合成過
程と、前記合成音声を出力する出力過程とを有すること
を特徴としている。

【００１５】このようにこの発明は、人間の音声を一定
速度で録音したものから、人間の発声リズムを基本とす
る単位時間毎にその一部を切り出して合成音声組立に必
要な音声部品を作成していて、音声部品に人間の発声リ
ズムを取り入れて、この音声部品から生成される合成音
声に人間の発声リズムを取り入れられるよう、かつ、音
声部品の作成も容易に行えるようにしている。

【００１６】

【作用】この発明では、まず、各種の音韻と韻律を含
み、かつ、文字列の並びが明らかな文章を、一定速度で
読み上げて録音媒体に録音する。この録音媒体の音声を
再生し、音声波形を見ながら人間の発声リズムを基本と
した最初の拍数（音節数）に相当する録音再生時間を計
測し、つまり再生音声の最初から、音節数を単位とする
人間の発声リズムの１周期分の時間を測定し、この測定
した録音再生時間を単位時間として設定する。前記録音
音声をその最初から単位時間毎に機械的に単純に切断し
て、一定時間長の音声波形からなる録音小片を複数作成
する。

【００１７】録音小片（音声波形）に、その切断された
順に前記文章を参照することによってこの録音小片に含
まれる文字列の音韻と韻律を付与する。そして、各種の
音韻と韻律を有する録音小片を集めて、音声部品とす
る。この音声部品を音声部品データベースに格納する。
このデータベースに格納された各音声部品は音節の数が
同一であり、かつ長さが等しく、その音韻と韻律型の組
み合わせの違いにより、異なる番地に格納されている。
下記に示すように、入力される文字列や文節区切りに従
って、この音声部品データベースから適切な音声部品を
選択・接続して合成音声を生成する。

【００１８】例えば、挿入句を含む応答文を音声出力し
たいとき、挿入句以外の文の音声を録音基文音声として
予め録音しておいて、挿入句部分に充当する文字列を入
力し、入力された文字列に基づいて挿入語句部品結合辞
書を参照して、挿入句部分を組み立てる音声部品を、音
声部品データベースより選択して接続し、その接続され
た音声部品を合成音声として合成し、更に、既に録音さ
れている録音基文音声に前記挿入句部分の合成音声をは
め込んで応答文を音声出力する。

【００１９】また、例えば数種ある定型文の一つを音声
出力する場合には、これら数種の定型文に対して、各定
型文を組み立てる各音声部品の音声部品データベース上
の格納番地を定型文部品結合辞書に記述しておき、入力
された定型文文字列から前記定型文部品結合辞書を参照
して音声部品データベースより定型文の音声を組み立て
る音声部品を選択・接続し、その接続された音声部品を
合成音声として合成し、更に定型文の合成音声を出力す
る。

【００２０】さらに、例えば任意文を音声合成したいと
きは、合成したい任意文字列とこの任意文字列の文節区
切り及びポーズ位置の文字情報を入力する。入力文字情
報に基づき文節部品結合辞書を参照して任意文の各文節
毎に、文節を組み立てる音声部品を音声部品データベー
スより選択して接続し、最終的に全文節、つまり、任意
文字列を組み立てる前記音声部品を選択・接続し、この
接続された音声部品にポーズを付与したものを、合成音
声として合成してこの任意文字列の合成音声を出力す
る。

【００２１】

【発明の実施の形態】図１はこの発明による音声部品作
成方法の一実施例を示す流れ図である。この実施例の音
声部品作成方法は、データベース番地設定過程Ｓ１と、
一定速度録音過程Ｓ２と、単位時間設定過程Ｓ３と、録
音切断過程Ｓ４と、録音小片音韻韻律付与過程Ｓ５と、
番地付与過程Ｓ６と、格納過程Ｓ７とを有して構成され
ている。

【００２２】データベース番地設定過程Ｓ１は、合成音
声の生成単位としての音声部品を格納する音声部品デー
タベース１の番地を予め設定する。作成する音声部品の
それぞれは、音声合成に必要な各種の音韻と韻律を有す
る２音節かつ一定長の音声波形からなる。図２に、音声
部品データベース１の部分構成としての２音節からなる
音声部品２の音韻行列を示す。行側と列側にはそれぞれ
日本語の５０音と撥音、濁音、半濁音、拗音、促音、長
音、無音が配置され、行側には２音節のうちの第１音
が、列側には第２音が配置されている。同図には、音韻
は読みがなで示されている。この音韻行列の全ての要素
が音声合成の生成単位として必要というものではなく、
例えば、「学校」の音韻「がっ」と音韻「こう」の内、
「こう」の部分は「こー」で充分代用できるなど、日本
語読み文を音声合成するのに必要な音声部品２の数は数
千種類で済む。

【００２３】データベース番地設定過程Ｓ１では、この
音韻行列の各要素に、「ああ」を１番地として「あい」
を２番地というように順に番地を設定する。さらに、音
韻行列の各要素である各２音節に、図３に示すような
（イ）平板型、（ロ）上昇型、（ハ）下降型の３種類の
韻律変化を持たせる。平板型は、第１音と第２音に抑揚
の変化がない韻律型であり、上昇型は、第２音が第１音
よりもアクセントが強い韻律型であり、下降型は第２音
が第１音よりもアクセントが弱い韻律型である。

【００２４】図５に音声部品データベース１の全体像を
示す。図４のＡは、平板型の韻律を有する音韻行列から
なる各種音声部品２の格納形態を示し、同図のＢは、上
昇型の韻律を有する音韻行列からなる各種音声部品２の
格納形態を、同図のＣは、下降型の韻律を有する音韻行
列からなる各種音声部品２の格納形態をそれぞれ示して
いる。

【００２５】同図に示すように音声部品２に、音韻行列
の番地に加えて韻律型によって分岐番地を設定する。韻
律型が平板型のものは分岐番地が１番、韻律型が上昇型
のものは分岐番地が２番、韻律型が下降型のものは分岐
番地ば３番とする。例えば、音声部品２の１−１番地は
音韻「ああ」の平板型で、第１音の「あ」と第２音の
「あ」とに抑揚の変化のない韻律であり、音声部品２の
２−３番地は音韻「あい」の下降型で、第１音の「あ」
より第２音の「い」の方がアクセントの弱い韻律とす
る。

【００２６】一定速度録音過程Ｓ２では、文字列の音韻
と韻律の並びが明らかな文章を、図６に示すように一定
速度で録音する。具体的にはまず、音韻列と韻律列の並
びが明らかであり、２音節毎に区切ったときに、音声合
成に必要な音韻と韻律を有するあらゆる２音節が得られ
るように一般的な複数の文章を用意する。このように２
音節毎に区切るのは、行進曲や応援歌が２拍子であるよ
うに、人間の自然の生体リズムや発声リズムが２拍子で
あることを鑑みて、この２拍子を音声部品２に取り入れ
ることにより、この音声部品２で合成された音声も自然
なリズムを保ち、聞き手にとって自然な聞き取り易い音
声となるようにしている。つまり、人間の発声リズムを
取り入れるために基本となる拍数（１拍は１音節に相
当）を２音節としている。

【００２７】前記文章を、話者９に一定速度で読んでも
らい、録音媒体８に録音する。この場合話者９は一定速
度で読むことを訓練されたものが好ましい。単位時間設
定過程Ｓ３は、前記録音したものから音声部品２の基と
なる、一定時間長の音声波形の録音小片８ａ，８ｂ，・
・・を切り出す単位時間を設定する。すなわち、前記録
音媒体８を再生して、音声波形を見ながら最初の２音節
（発声リズムの拍子数）が含まれる録音再生時間を計測
し、この録音再生時間を単位時間（例えば２００ｍｓ）
として設定する。

【００２８】録音切断過程Ｓ４は、前記録音媒体８に記
録された音声波形を前記設定した単位時間毎に順番に単
純に切断して、一定時間長の音声波形からなる録音小片
８ａ，８ｂ，・・・を切り出す。これら録音小片８ａ，
８ｂ，・・・には、それぞれ２音節を基調とする人間の
発声リズムが盛り込まれる。録音小片音韻韻律付与過程
Ｓ５は、前記録音小片８ａ，８ｂ，・・・に音韻と韻律
を付与する。録音媒体８に録音した文章の音韻列と韻律
列の並びは前記したように明らかであるので、各録音小
片の音韻と韻律は、録音小片が切り出された順番に前記
文章の音韻列と韻律列を対応させることにより、容易に
判読できる。

【００２９】そして、合成音声の生成に必要な各種音韻
と韻律を有する録音小片を一通り揃え、これらをそれぞ
れ音声部品２とする。番地付与過程Ｓ６は、音声部品２
に付与された音韻と韻律の情報に基づいて、音声部品２
を格納する音声部品データベース１上の音声部品２の番
地を特定する。

【００３０】格納過程Ｓ７は、音声部品２の番地情報に
基づいて、図２と図４に示す音声部品データベース１上
の番地箇所に音声部品２をはめ込む。次に、上記構成の
音声部品作成方法の具体例を図６を用いて説明する。具
体的には、同図に示したように文章「幸せは歩いてこな
い。だから、歩いて行くんだね。」（この文章の音韻列
は、「しあわせわあるいてこない。だから、あるいてゆ
くんだね」であり、韻律は「しあ」の部分が上昇型、
「わせ」の部分が上昇型などの文字列情報が明らかにさ
れている。この文章は、話者９に読んでもらう文章の一
部を示している。）と話者９が一定速度で吹き込む。こ
のように、話者９が一定速度で読むため、文の適切な位
置に入れられるポーズの長さはｎ音節分（ｎ：整数）と
なる（一定速度録音過程Ｓ２）。

【００３１】そして、録音媒体８には「しあわせわ（ポ
ーズ）あるいてこない（ポーズ）だから（ポーズ）ある
いていくんだね」と録音される。録音文の最初の「し
あ」という２音節を含む録音小片８ａを再生する時間を
計測し、例えば、この録音再生時間が２００ｍｓであっ
たなら、この２００ｍｓを単位時間として設定する（単
位時間設定過程Ｓ３）。

【００３２】次に、この単位時間（２００ｍｓ）毎に録
音媒体８の再生音を順次切断することによって、それぞ
れ２音節毎の録音小片８ａ，８ｂ，・・・を切り出す
（録音切断過程Ｓ４）。これら録音小片８ａ，８ｂ，・
・・に、前記録音された文章の文字列を対応させて、順
番に音韻「しあ」韻律（上昇型）、音韻「わせ」韻律
（上昇型）・・・というような音韻と韻律を付与する。
音韻と韻律を付与された録音小片を音声部品２とする
（録音小片音韻韻律付与過程Ｓ５）。

【００３３】音声部品２に付与されている音韻と韻律か
ら音声部品データベース１上の番地を特定する。例え
ば、最初の音韻「しあ」韻律（上昇型）部分の音声部品
２は７４１−２番地と特定される（番地付与過程Ｓ
６）。前記番地が付与された音声部品２を、音声部品デ
ータベース１上のその番地箇所にはめ込み格納する（格
納過程Ｓ７）。

【００３４】次に、上記のように作成された音声部品を
用いた音声合成装置について説明する。この音声合成装
置は、図４に示すように音声部品データベース１と、文
字情報入力部３と、部品結合辞書４と、合成音声組立部
５と、音声出力部７とを有して構成されている。音声部
品データベース１には、前記と同様の各種の音韻と韻律
を有する音声部品２が格納されている。

【００３５】文字情報入力部３は、合成したい音声に対
応する文字情報を入力する。文字情報としては、文字列
の他、必要に応じて文節区切りやポーズ位置も入力す
る。部品結合辞書４は、文字情報入力部３からの入力文
字情報に基づいた音声合成がなされるよう各種の入力文
字情報に対する音声部品２の組み合わせが記述され、か
つ、各音声部品２は音声部品データベース１上の番地が
指定されている。

【００３６】合成音声組立部５は、文字情報入力部３か
ら入力された文字列や文節区切り、或いはポーズ位置等
の入力文字情報に基づいて合成音声生成のための音声部
品２を音声部品データベース１から選択し、接続する。
音声合成部６は、合成音声組立部５で接続された音声部
品２をなめらかな連続音声になるように処理して合成音
声として合成する。

【００３７】音声出力部７は、前記合成音声を出力す
る。次に上記構成のこの実施例の具体例を説明する。 （具体例−１） 挿入句部分を合成音声にする。 利用者から入力される文字情報を挿入句として、この挿
入句以外の応答文の定型部分を録音基文音声として予め
録音しておく。そして、文字情報入力部３に入力される
文字情報に基づいて挿入句部分の合成音声を生成し、こ
の合成音声を前記録音基文音声にはめ込んで応答文を音
声出力する。

【００３８】例えば、電話番号の問い合わせ等の際に、
「お調べになりたい方のお住まいになる都道府県名か市
区郡名を入力して下さい。」という文を音声出力した
後、利用者からの都道府県名か市区郡名の応答があった
ときにこの応答を確認するための応答文として 「○○○○○でよろしいですか？」 と音声出力したい場合、文の定型部分「でよろしいです
か？」を録音基文音声として予め録音しておき、「○○
○○○」の部分は録音基文の挿入句として、利用者から
入力される具体的な都道府県名或いは市区郡名の文字情
報に基づいて音声が合成される。

【００３９】一方、挿入句部分に充当する各種の入力文
字情報に対して、合成音声生成に必要な音声部品２の組
み合わせとその各音声部品の音声部品データベース上の
番地が図７に示されるように部品結合辞書４としての挿
入語句部品結合辞書に記述されている。同図において
は、挿入語句の入力文字情報として「漢字」文字列も
「かな」文字列も共にキーワードとして受け付けられる
ようになっている。

【００４０】例えば、文字情報入力部３に利用者から
「岡山県」或いは「おかやまけん」と文字列の入力があ
ったときには、合成音声組立部５でこの文字列に基づい
て図７に示す挿入語句部品結合辞書を参照して２８６−
２番地の「おか」部分の音声部品と、２４８２−２番地
の「やま」部分の音声部品と、６１０−２番地の「け
ん」部分の音声部品とを選択して接続する。

【００４１】音声合成部６では、前記挿入句部分の接続
された音声部品をなめらかな連続音声の合成音声として
合成する。そして、音声出力部７では前記挿入句部分の
合成音声を前記録音基文音声にはめ込んで応答文を音声
出力する。この具体例−１のように挿入句として日本国
内の都道府県及び市区郡の地名を音声合成する場合に
は、実際にある約４０００の地名に対し、音声部品２は
１１７５種類あれば音声合成の生成に充分であることが
実験から確かめられている。 （具体例−２） 定型文を出力する。

【００４２】前記具体例−１の場合は挿入句部分の語句
を音声合成したが、この具体例−２では定型文を音声合
成する。この場合は、具体例−１でも示したような 「お調べになりたい方のお住まいになる都道府県名を入
力して下さい。」 とか、 「ありがとうございました。」 のような定型文を音声合成するための音声部品２の組み
合わせに、適当な位置にポーズが付されたものと、その
各音声部品の音声部品データベース上の番地が、図８に
示す部品結合辞書４としての定型文部品結合辞書に記述
されている。同図に示す定型文部品結合辞書は、定型文
の日本語文字列でもかな文字列でもキーワードとして受
け付けられるようになっている。

【００４３】そして、合成音声組立部５では、利用者か
ら文字情報入力部３に入力される定型文文字列の文字情
報に基づいて、定型文部品結合辞書を参照して定型文に
対応する音声部品２を選択・接続し、音声合成部６で、
接続された音声部品を合成音声に合成し、音声出力部７
でこの合成音声を出力する。具体的には、 定型文 「こちらは電話番号案内です。」 を音声出力したいときには、例えば、 「こちらはでんわばんごうあんないです。」 と、かな文字列で文字情報入力部３に入力すれば、合成
音声組立部５で、この入力文字列に基づいて定型文部品
結合辞書を参照して音韻「こち」は７１６−１番地の音
声部品２を選択し、音韻「らわ」は２６０３−２番地の
音声部品２を選択し、というように音声部品データベー
ス１から音声部品２を選択・接続する。

【００４４】この場合、定型文を音声出力したいときに
は、上記のように定型文の文字列全てを日本語文字列や
かな文字列で入力しなくとも、定型文に予め番号を付し
て、この定型文番号を文字情報入力部３に入力するのみ
で定型文の合成音声を出力することも、定型文番号をキ
ーワードとすることにより可能となる。 （具体例−３） 任意文を出力する。

【００４５】任意文を音声合成する場合は、この任意文
の文字列と文節区切り及びポーズ位置を文字情報入力部
３へ入力する。一方、部品結合辞書４としての文節部品
結合辞書には、図９に示すように文節単位に文節を組み
立てる音声部品２とその各音声部品の音声部品データベ
ース上の番地を記述しておく。同図に示す文節部品結合
辞書の場合も、文節語句として日本語文字列でもかな文
字列でも受け付けられるようキーワードが設定されてい
る。例えば、文節の文字列「私は」或いは「わたしは」
は、音韻「わた」部分が２９０１−２番地の音声部品２
と、音韻「しわ」部分が７８０−２番地の音声部品２と
より組み立てられることが文節部品結合辞書に記述され
ている。

【００４６】この文節部品結合辞書の作成については、
前記従来の第２の方法で示したように文節語句の種類が
多く膨大な数を辞書に収録することになるが、前記従来
の第２の方法のようにこの膨大な数の音声部品を音声波
形を観察しながら切り出すという大変な作業をするわけ
でなく、この場合は、この膨大な数の文節語句に対し、
文節語句を組み立てる各音声部品２の番地を所定の記憶
媒体に記憶格納するだけであるので、この辞書の作成作
業は容易に行われる。

【００４７】合成音声組立部５では、文字情報入力部３
に入力された任意文の文字列と文節区切りより認識され
る複数の文節語句を基に、文節部品結合辞書を参照し
て、各文節毎に音声合成に必要な音声部品２を音声部品
データベース１から選択して、これらを接続する。例え
ば、 任意文 「私は、学校へ行きます。」 を文節に区切ると、 「私は ／ 学校へ ／ 行きます。」 （／は文節区
切りを示す。） となり、さらに、「私は」と「学校へ」の間に、ポーズ
位置が入るため、文節「私は」と文節「学校へ」及び文
節「行きます」の文字列と、ポーズ位置の文字情報が文
字情報入力部３に入力される。

【００４８】そして、この合成音声組立部５では、各文
節毎に、文節部品結合辞書を参照して文節を組み立てる
音声部品２を音声部品データベース１から選択して接続
する。文節「私は」の部分は、２９０１−２番地の音韻
「わた」部分の音声部品２と７８０−２番地の音韻「し
わ」部分の音声部品２を音声部品データベース１から選
択し、文節「学校へ」の部分は、２５２０−２番地の音
韻「がっ」部分の音声部品２と、６２３−１番地の音韻
「こー」部分の音声部品２と、４８−１番地の音韻「え
（無音）」部分の音声部品２を音声部品データベース１
からそれぞれ選択するというように順に文節毎に音声部
品２を選択して、これら選択した音声部品２を接続す
る。

【００４９】さらに、この合成音声組立部５では、全文
節を組み立てる音声部品２の接続体に、指定されたポー
ズ位置に従って、例えば１００ｍｓのポーズを付与す
る。例えば、前文の例では音韻「わた」「しわ」と音韻
「がっ」「こう」との間には、句点があるためポーズが
付与される。音声合成部６では、前記ポーズが付与され
た音声部品２の接続体を、なめらかに連続した合成音声
として合成し、音声出力部７では、この合成音声を出力
する。

【００５０】上記のようにこの実施例によれば、録音媒
体８を再生して、人間の発声リズムの基本となる最初の
２音節分の音声波形を観察し、このときの録音再生時間
を単位時間として設定しておけば、この単位時間毎に録
音媒体８の再生信号を単純に切断していくことによっ
て、２音節からなる音声部品２を切り出すことができ
る。従って、従来のように音声部品を録音媒体を再生し
て音声波形を観察しながら全ての音声部品を切り出す作
業に較べて非常に容易に行えることになる。

【００５１】また、音声部品２の数も、第２及び第３の
従来例のように１０万種類を越えるものではなく、数千
種類で済むので、より一層、音声部品２の作成の手間が
省ける。さらに、この実施例によれば、２拍子の人間の
自然の発声リズムを取り入れた２音節からなる音声部品
２を合成音声の生成単位としているため、この音声部品
２を組み合わせてなる合成音声も人間の自然の発声リズ
ムが取り入れられることになり、合成音声も聞き易いも
のとなる。

【００５２】なお、この発明は上記実施例に限定される
ことはなく様々な実施の態様があり得る。例えば、上記
実施例の各具体例においては、文字列の入力に漢字を含
む日本語文字列でもかな文字列でも受け付けられるよう
にしたが、かな文字列の入力だけ受け付けるよう、キー
ワードを設定しても良い。

【００５３】また、この実施例では音声部品データベー
ス１に格納される音声部品２に、３種類の抑揚の変化を
持たせたが、より豊富な抑揚の変化を持たすようにして
も良い。

【００５４】

【発明の効果】以上の説明から明らかなように、この発
明の音声部品作成方法を用いれば、一定速度で人間の音
声を録音した録音媒体から単位時間毎に切り出すという
単純な方法にて音声部品を作成でき、従来のように音声
波形を観察しながら全ての音声部品を切り出す作成方法
に較べれば、音声部品の作成手間がかからなくて済む。

【００５５】また、音声部品の数も少なくて済むため一
層、作成手間がかからない。さらに、録音媒体から切り
出す単位時間を人間の発声リズムを基本としているた
め、この単位時間毎に切り出された音声部品には、人間
の自然な発声リズムが取り入れられるので、この音声部
品を組み合わせて生成される合成音声にも人間の自然な
発声リズムが取り入れられることになり、この合成音声
は聞き易いものとなる。

【図面の簡単な説明】

【図１】発明による音声部品作成方法の一実施例の処理
手順を示す図。

【図２】音声部品データベースの音韻行列の一例を示す
図。

【図３】３種類の韻律変化を示す図。

【図４】この発明の音声合成方法を適用した音声合成装
置の機能構成例を示すブロック図。

【図５】この発明による音声部品データベースの全体像
の例を示す図。

【図６】音声部品の作成方法を示す説明図。

【図７】挿入語句部品結合辞書の一例を示す図。

【図８】定型文部品結合辞書の一例を示す図。

【図９】文節部品結合辞書の一例を示す図。

Claims (5)

【特許請求の範囲】
1. 【請求項１】 文字列の並びおよび音韻と韻律が明らか
   な文章を一定速度で読み上げた音声を録音し、 その録音音声の再生音における、人間の発声リズムの周
   期の音節数分の最初の録音再生時間を単位時間として設
   定し、 前記録音音声を前記単位時間毎に先頭から順に切断し
   て、録音小片を作成し、 これら録音小片の１つ１つに、その切り出された順番に
   前記文章の対応する文字列とその韻律とを付与すること
   によって音声部品を作成することを特徴とする音声部品
   作成方法。
2. 【請求項２】 各種の音声波形を記憶したデータベース
   であって、 上記各音声波形はその構成音節の数が同一であり、かつ
   長さが同一であり、 上記各音声波形はその構成音韻と韻律型に応じて異なる
   番地に記憶されていることを特徴とする音声部品データ
   ベース。
3. 【請求項３】 請求項２記載の音声部品データベース
   と、 応答文中の挿入句部分以外の基文音声を録音した録音基
   文保持手段と、 前記挿入句を組み立てる各音声部品の前記音声部品デー
   タベース上の番地が記述されている挿入語句部品結合辞
   書とを設け、 前記挿入句に充当する文字列を入力する文字情報入力過
   程と、 前記挿入語句部品結合辞書を参照して、前記入力された
   文字列と対応する各音声部品を前記音声部品データベー
   スから選択・接続する合成音声組立過程と、 前記接続された音声部品を前記挿入語句部分の合成音声
   として合成する音声合成過程と、 前記挿入句部分の合成音声を前記録音基文音声にはめ込
   んで応答文の音声を出力する出力過程とを有することを
   特徴とする音声合成方法。
4. 【請求項４】 請求項２記載の音声部品データベース
   と、 各種の定型文に対して、各定型文を組み立てる各音声部
   品の前記音声部品データベース上の番地が記述されてい
   る定型文部品結合辞書とを設け、 前記定型文の文字列を入力する文字情報入力過程と、 前記定型文部品結合辞書を参照して、前記入力された文
   字列と対応する各音声部品を前記音声部品データベース
   から選択・接続する合成音声組立過程と、 前記接続された音声部品を合成音声として合成する音声
   合成過程と、 前記合成音声を出力する出力過程とを有することを特徴
   とする音声合成方法。
5. 【請求項５】 請求項２記載の音声部品データベース
   と、 各種の文節に対して各文節を組み立てる各音声部品の前
   記音声部品データベース上の番地が記述されている文節
   部品結合辞書とを設け、 任意文字列とこの任意文字列の文節区切り及びポーズ位
   置を入力する文字情報入力過程と、 前記文節部品結合辞書を参照して前記入力された任意文
   字列と対応する各音声部品を前記音声部品データベース
   から選択・接続する文字列合成音声組立過程と、 前記接続された音声部品を合成音声として合成する音声
   合成過程と、 前記合成音声を出力する出力過程とを有することを特徴
   とする音声合成方法。