JPH1097268A - 音声合成装置 - Google Patents
音声合成装置Info
- Publication number
- JPH1097268A JPH1097268A JP8251645A JP25164596A JPH1097268A JP H1097268 A JPH1097268 A JP H1097268A JP 8251645 A JP8251645 A JP 8251645A JP 25164596 A JP25164596 A JP 25164596A JP H1097268 A JPH1097268 A JP H1097268A
- Authority
- JP
- Japan
- Prior art keywords
- distortion
- combination
- synthesis
- unit
- value
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】 音声合成装置における波形選択に際して、動
的計画法のように歪みの合計が最小になる組合せを求め
たのでは、或る箇所の接続部分に歪みが集中する場合が
あり、その接続部分で比較的大きな雑音が発生し、その
前後では歪みが小さいため、聴感的には特に大きな雑音
として知覚されるという問題点がある。 【解決手段】 入力されたテキストを解析する言語処理
部(10)と、予め蓄積された音声波形データ格納部(11)
と、該音声波形データの中から合成単位を選択する波形
接続単位選択部(12)と、選択された合成単位を接続する
音声波形生成部(13)と、を備えた音声合成装置におい
て、前記波形接続単位選択部(12)は、入力されたテキス
トを生成することが可能な複数の合成単位の組合せのう
ち、各組合せの合成単位を接続することにより生ずる歪
みの最大値をその組合せの評価値とし、その評価値が最
も小さい合成単位の組合せを選択することを特徴とす
る。
的計画法のように歪みの合計が最小になる組合せを求め
たのでは、或る箇所の接続部分に歪みが集中する場合が
あり、その接続部分で比較的大きな雑音が発生し、その
前後では歪みが小さいため、聴感的には特に大きな雑音
として知覚されるという問題点がある。 【解決手段】 入力されたテキストを解析する言語処理
部(10)と、予め蓄積された音声波形データ格納部(11)
と、該音声波形データの中から合成単位を選択する波形
接続単位選択部(12)と、選択された合成単位を接続する
音声波形生成部(13)と、を備えた音声合成装置におい
て、前記波形接続単位選択部(12)は、入力されたテキス
トを生成することが可能な複数の合成単位の組合せのう
ち、各組合せの合成単位を接続することにより生ずる歪
みの最大値をその組合せの評価値とし、その評価値が最
も小さい合成単位の組合せを選択することを特徴とす
る。
Description
【０００１】
【発明の属する技術分野】本発明は、入力されたテキス
トを解析し、音声を合成する音声合成装置において、波
形接続部の歪みの最大値が小さくなる合成単位を選択し
て音声合成する音声合成装置に関する。
トを解析し、音声を合成する音声合成装置において、波
形接続部の歪みの最大値が小さくなる合成単位を選択し
て音声合成する音声合成装置に関する。
【０００２】
【従来の技術】従来の音声合成装置にあっては、複数の
合成単位の組合せのうち最適な合成単位の組合せを選択
しており、図４は、本発明を用いた音声合成装置の概略
構成図を示す。
合成単位の組合せのうち最適な合成単位の組合せを選択
しており、図４は、本発明を用いた音声合成装置の概略
構成図を示す。
【０００３】入力されたテキストは、言語処理部（１
０）で形態素解析、係り受け解析が行なわれ、音素記
号、アクセント記号等に変換される。
０）で形態素解析、係り受け解析が行なわれ、音素記
号、アクセント記号等に変換される。
【０００４】次に、韻律パターン生成部（１１）では、
音素記号、アクセント記号列および形態素解析の結果よ
り得られる入力テキストの品詞情報を用いて、音韻継続
時間長(声の長さ)、基本周波数パターン、ピッチパター
ン(声の高さ)、母音中心のパワー(声の大きさ)等の推定
が行われる。
音素記号、アクセント記号列および形態素解析の結果よ
り得られる入力テキストの品詞情報を用いて、音韻継続
時間長(声の長さ)、基本周波数パターン、ピッチパター
ン(声の高さ)、母音中心のパワー(声の大きさ)等の推定
が行われる。
【０００５】合成単位波形選択部（１２）では、音素記
号列および推定された音韻継続時間長、基本周波数パタ
ーン、母音中心のパワー情報等を用いて計算された評価
値に基づいて、波形辞書に蓄積されている音声波形のう
ち最適な合成単位の組合せが求められる。
号列および推定された音韻継続時間長、基本周波数パタ
ーン、母音中心のパワー情報等を用いて計算された評価
値に基づいて、波形辞書に蓄積されている音声波形のう
ち最適な合成単位の組合せが求められる。
【０００６】最後に、音声波形生成部（１３）では、選
択された合成単位波形の組み合わせに従い、ピッチを変
換しつつ、合成単位波形の接続を行なうことによって音
声の生成を行う部分である。例えば、音声の生成に際し
て、PSOLA法：発表論文「Pitch-Synchronous Waveform
Processing Techniques for Text-to-Speech Synthesis
Using Diphones.」(Proc. Eurospeech’89 (1989), Ch
arpentier,F. and Moulines,E.)などにより実現でき
る。
択された合成単位波形の組み合わせに従い、ピッチを変
換しつつ、合成単位波形の接続を行なうことによって音
声の生成を行う部分である。例えば、音声の生成に際し
て、PSOLA法：発表論文「Pitch-Synchronous Waveform
Processing Techniques for Text-to-Speech Synthesis
Using Diphones.」(Proc. Eurospeech’89 (1989), Ch
arpentier,F. and Moulines,E.)などにより実現でき
る。
【０００７】従来の音声合成装置では、合成単位波形選
択部（１２）にて合成単位の決定に際して動的計画法
（ＤＰ法）を用いて合成単位を接続しており、この接続
による音声の歪みの合計を評価値として、その値が最小
となる合成単位の組合せを選択していた。
択部（１２）にて合成単位の決定に際して動的計画法
（ＤＰ法）を用いて合成単位を接続しており、この接続
による音声の歪みの合計を評価値として、その値が最小
となる合成単位の組合せを選択していた。
【０００８】
【発明が解決しようとする課題】然し乍ら、上述の動的
計画法のように音声の歪みの合計が最小になる組合せを
求めたのでは、その前後の別の接続部分では歪みが小さ
いものの、或る箇所の接続部分に歪みが集中する場合が
ある。
計画法のように音声の歪みの合計が最小になる組合せを
求めたのでは、その前後の別の接続部分では歪みが小さ
いものの、或る箇所の接続部分に歪みが集中する場合が
ある。
【０００９】このような場合、或る接続部分で比較的大
きな雑音が発生し、その前後では歪みが小さいため、聴
感的には特に大きな雑音として知覚されるという問題点
があった。
きな雑音が発生し、その前後では歪みが小さいため、聴
感的には特に大きな雑音として知覚されるという問題点
があった。
【００１０】本発明は、上述の問題点に鑑みなされたも
のであり、最適な合成単位の組合せを選択する基準とし
て、歪みの合計ではなく歪みの最大値を用い、歪みの最
大値が小さくなる合成単位の組合せを選択することによ
り音声合成を行う音声合成装置を提供する。
のであり、最適な合成単位の組合せを選択する基準とし
て、歪みの合計ではなく歪みの最大値を用い、歪みの最
大値が小さくなる合成単位の組合せを選択することによ
り音声合成を行う音声合成装置を提供する。
【００１１】
【課題を解決するための手段】本発明は、入力されたテ
キストを解析する言語処理部と、音声波形データを予め
蓄積している音声波形データ格納部と、該音声波形デー
タの中から合成単位を選択する波形接続単位選択部と、
該波形接続単位選択部にて選択された合成単位を接続す
る音声波形生成部と、を備えた音声合成装置において、
前記波形接続単位選択部は、入力されたテキストを生成
することが可能な複数の合成単位の組合せのうち、各組
合せの合成単位を接続することにより生ずる歪みの最大
値をその組合せの評価値とし、その評価値が最も小さい
合成単位の組合せを選択することを特徴とする。
キストを解析する言語処理部と、音声波形データを予め
蓄積している音声波形データ格納部と、該音声波形デー
タの中から合成単位を選択する波形接続単位選択部と、
該波形接続単位選択部にて選択された合成単位を接続す
る音声波形生成部と、を備えた音声合成装置において、
前記波形接続単位選択部は、入力されたテキストを生成
することが可能な複数の合成単位の組合せのうち、各組
合せの合成単位を接続することにより生ずる歪みの最大
値をその組合せの評価値とし、その評価値が最も小さい
合成単位の組合せを選択することを特徴とする。
【００１２】また、前記波形接続単位選択部は、２種類
の歪みを選択の基準として用い、合成単位を接続するこ
とにより生じた歪みの最大値を第１の歪みとして記憶
し、また各合成単位に対応する前記音声波形データの所
望パラメータと該合成単位に対応する前記所望パラメー
タの目標値に基づく歪みの平均値を第２の歪みとして記
憶し、それら両方の歪みの和をその組合せの評価値と
し、その評価値が最小となる合成単位の組合せを選択す
ることを特徴とする。
の歪みを選択の基準として用い、合成単位を接続するこ
とにより生じた歪みの最大値を第１の歪みとして記憶
し、また各合成単位に対応する前記音声波形データの所
望パラメータと該合成単位に対応する前記所望パラメー
タの目標値に基づく歪みの平均値を第２の歪みとして記
憶し、それら両方の歪みの和をその組合せの評価値と
し、その評価値が最小となる合成単位の組合せを選択す
ることを特徴とする。
【００１３】また、合成単位接続により生じた歪みの最
大値からｎ個（ｎは整数）の歪みを記憶する記憶部を有
し、入力されたテキストを生成することが可能な複数の
合成単位の組合せに対し、第１の歪みのうち１番目に大
きな歪みを用いて各組合せの評価値を求め、その中の最
小値となる評価値から所定範囲内の評価値に属する複数
の組合せを選択の候補とし、次にその複数の組合せの候
補の中で第１の歪みのうち２番目に大きな歪みを用いて
各組合せの評価値を求め、最も小さい評価値を与える合
成単位の組み合わせによって音声合成することを特徴と
する。
大値からｎ個（ｎは整数）の歪みを記憶する記憶部を有
し、入力されたテキストを生成することが可能な複数の
合成単位の組合せに対し、第１の歪みのうち１番目に大
きな歪みを用いて各組合せの評価値を求め、その中の最
小値となる評価値から所定範囲内の評価値に属する複数
の組合せを選択の候補とし、次にその複数の組合せの候
補の中で第１の歪みのうち２番目に大きな歪みを用いて
各組合せの評価値を求め、最も小さい評価値を与える合
成単位の組み合わせによって音声合成することを特徴と
する。
【００１４】更に、合成単位接続により生じた歪みの最
大値からｎ個（ｎは整数）の歪みを記憶する記憶部を有
し、入力されたテキストを生成することが可能な複数の
合成単位の組合せに対し、第１の歪みに対して、その値
の大きさの順序に応じた重み係数を掛け、それらを加算
した値を各合成単位の組み合わせの評価値とし、その中
の最小値となる評価値が最も小さい合成単位の組み合わ
せによって音声合成することを特徴とする。
大値からｎ個（ｎは整数）の歪みを記憶する記憶部を有
し、入力されたテキストを生成することが可能な複数の
合成単位の組合せに対し、第１の歪みに対して、その値
の大きさの順序に応じた重み係数を掛け、それらを加算
した値を各合成単位の組み合わせの評価値とし、その中
の最小値となる評価値が最も小さい合成単位の組み合わ
せによって音声合成することを特徴とする。
【００１５】
【発明の実施の形態】本発明の実施の形態を図１〜図３
を用いて説明する。
を用いて説明する。
【００１６】本発明の音声合成装置の概略構成は図４に
示した構成と基本的に同様であるが、本発明が従来の音
声合成装置と異なる点は、合成単位波形選択部（１２）
に代えて合成単位波形選択部（１２０）を用いたことで
ある。
示した構成と基本的に同様であるが、本発明が従来の音
声合成装置と異なる点は、合成単位波形選択部（１２）
に代えて合成単位波形選択部（１２０）を用いたことで
ある。
【００１７】合成単位波形選択部（１２０）は、合成単
位を接続することによって生じる歪み（第１の歪み）、
及び発話環境の非適合による歪み（第２の歪み）を用
い、これら両者を加え合せたものが選択された合成単位
の組み合わせとして適切であるか否かを評価する機能を
有する。
位を接続することによって生じる歪み（第１の歪み）、
及び発話環境の非適合による歪み（第２の歪み）を用
い、これら両者を加え合せたものが選択された合成単位
の組み合わせとして適切であるか否かを評価する機能を
有する。
【００１８】図１は、本発明における合成単位波形選択
部（１２０）の処理の流れを示したものである。
部（１２０）の処理の流れを示したものである。
【００１９】図１において、ステップ１２０ａでは、音
声波形データ格納部に格納された全ての合成単位の組み
合わせの候補を抽出する。次にステップ１２０ｂでは、
各組み合わせの候補の評価値を算出する。
声波形データ格納部に格納された全ての合成単位の組み
合わせの候補を抽出する。次にステップ１２０ｂでは、
各組み合わせの候補の評価値を算出する。
【００２０】ステップ１２０ｃでは、第１の歪み、及び
第２の歪みに従って、それらの歪みの和を評価値とし、
その値が最小となる組み合わせを出力する。
第２の歪みに従って、それらの歪みの和を評価値とし、
その値が最小となる組み合わせを出力する。
【００２１】本発明の実施の形態では、波形の接続部に
歪みが集中することを抑制し、かつ最適な合成単位の組
み合わせを求めるために、ｍｉｎ−ｍａｘ ＤＰ法を基
本とした合成単位波形の選択を行っている。
歪みが集中することを抑制し、かつ最適な合成単位の組
み合わせを求めるために、ｍｉｎ−ｍａｘ ＤＰ法を基
本とした合成単位波形の選択を行っている。
【００２２】ここで、ｍｉｎ−ｍａｘ ＤＰ法について
簡単に説明する。
簡単に説明する。
【００２３】選択された合成単位をＦ＝ｃ(１)ｃ(２)・・
・・ｃ(ｋ)とし、それらの合成単位を選択することによ
り、合成単位の各接続部分で生じる歪みをそれぞれｄ
(ｃ(１))，ｄ(ｃ(２))，・・・・，ｄ(ｃ(ｋ))とする。
・・ｃ(ｋ)とし、それらの合成単位を選択することによ
り、合成単位の各接続部分で生じる歪みをそれぞれｄ
(ｃ(１))，ｄ(ｃ(２))，・・・・，ｄ(ｃ(ｋ))とする。
【００２４】ここで、合成単位Ｆによる選択歪みをＤ
(Ｆ)＝ｍａｘ［ｄ(ｃ(１))，ｄ(ｃ(２))，・・・・，ｄ(ｃ
(ｋ))］と定義する。この選択歪みＤ(Ｆ)が最小となる
最適な組合せを動的計画法(ＤＰ法)を用いて求める手法
をｍｉｎ−ｍａｘ ＤＰ法という。
(Ｆ)＝ｍａｘ［ｄ(ｃ(１))，ｄ(ｃ(２))，・・・・，ｄ(ｃ
(ｋ))］と定義する。この選択歪みＤ(Ｆ)が最小となる
最適な組合せを動的計画法(ＤＰ法)を用いて求める手法
をｍｉｎ−ｍａｘ ＤＰ法という。
【００２５】以下に、合成単位波形選択部（１２０）の
処理の流れを説明する。
処理の流れを説明する。
【００２６】波形選択に起因する合成音の歪みは、２つ
に分類することができる。一方は、合成しようとする音
声波形とその音声波形に対応して選択された合成単位波
形との発話環境の非適合により生ずる歪みであり、他方
は合成単位の波形接続により生ずる歪みである。
に分類することができる。一方は、合成しようとする音
声波形とその音声波形に対応して選択された合成単位波
形との発話環境の非適合により生ずる歪みであり、他方
は合成単位の波形接続により生ずる歪みである。
【００２７】本発明では、発話環境の非適合により生ず
る歪みは、音素中心付近での基本周波数ＤF0とパワーＤ
pow、音韻継続時間長Ｄdur、文中の位置(語頭、語中、
語尾)Ｄposiの違いを数値化して評価する。
る歪みは、音素中心付近での基本周波数ＤF0とパワーＤ
pow、音韻継続時間長Ｄdur、文中の位置(語頭、語中、
語尾)Ｄposiの違いを数値化して評価する。
【００２８】一方、波形接続により生ずる歪みは、接続
する２つの合成単位の接続部分での基本周波数差
ＤC F0、パワー差ＤC pow、ケプストラムの差ＤC cepおよ
び発話環境を考慮して決定された接続の行い易さ（接続
優先順位）を示す歪みＤC phを数値化して評価する。歪
みＤC phは、パワーが小さく、聴感的に接続歪みが知覚
されにくい接続部分ほど小さな値が設定されており、反
対にパワーの大きい接続部分やスペクトルの変化の大き
い接続部分等の他の合成単位との接続が行われることが
望ましくない接続部分では大きな値が設定されている。
する２つの合成単位の接続部分での基本周波数差
ＤC F0、パワー差ＤC pow、ケプストラムの差ＤC cepおよ
び発話環境を考慮して決定された接続の行い易さ（接続
優先順位）を示す歪みＤC phを数値化して評価する。歪
みＤC phは、パワーが小さく、聴感的に接続歪みが知覚
されにくい接続部分ほど小さな値が設定されており、反
対にパワーの大きい接続部分やスペクトルの変化の大き
い接続部分等の他の合成単位との接続が行われることが
望ましくない接続部分では大きな値が設定されている。
【００２９】以下に、図１に示すステップ１２０ｃで用
いる歪みの評価式を数１のように定義する。
いる歪みの評価式を数１のように定義する。
【００３０】
【数１】
【００３１】歪みＤ(Ｆ)が最小となる合成単位の組み合
わせが、最適な選択結果となる。計算時間の関係から、
実際には、音韻連鎖長は最大５音素までとする。また、
発話環境の非適合による歪みの評価値のみを用いて予備
選択を行い、その結果選択された音素列に対して数１を
計算して最適解を求める。
わせが、最適な選択結果となる。計算時間の関係から、
実際には、音韻連鎖長は最大５音素までとする。また、
発話環境の非適合による歪みの評価値のみを用いて予備
選択を行い、その結果選択された音素列に対して数１を
計算して最適解を求める。
【００３２】ここで、合成単位波形選択部（１２０）に
よる処理の流れを具体例を用いて説明する。
よる処理の流れを具体例を用いて説明する。
【００３３】発話文章は「回りの人も立ち上がった。」
であり、特に「回り（ｍａｗａｒｉ）」について説明す
る。尚、本発明の実施の形態では、パワー、及びピッチ
から波形の合成による歪みを計算する。
であり、特に「回り（ｍａｗａｒｉ）」について説明す
る。尚、本発明の実施の形態では、パワー、及びピッチ
から波形の合成による歪みを計算する。
【００３４】図１のステップ１２０ａで音声波形データ
格納部から抽出された全ての合成単位の組み合わせの候
補について、ステップ１２０ｂにおいて、全ての合成単
位の組み合わせについて評価値を算出する。
格納部から抽出された全ての合成単位の組み合わせの候
補について、ステップ１２０ｂにおいて、全ての合成単
位の組み合わせについて評価値を算出する。
【００３５】各歪みは、差の２乗により計算した。ま
た、実際には、パワーとピッチのように異なる種類（次
元）の歪みを加え合せる場合は、重み係数を掛けて加え
合せるが、本発明の実施の形態では単に加算する。図２
中のパワーおよびピッチの目標値とは、韻律パターン生
成部１１で計算された目標値である。
た、実際には、パワーとピッチのように異なる種類（次
元）の歪みを加え合せる場合は、重み係数を掛けて加え
合せるが、本発明の実施の形態では単に加算する。図２
中のパワーおよびピッチの目標値とは、韻律パターン生
成部１１で計算された目標値である。
【００３６】歪みは、２種類に分けることができる。１
種類は、２つの合成単位を接続することにより生ずる歪
み（図２の第１の歪み）であり、もう１種類は、目標値
と波形辞書より選択した合成単位の値との差による歪み
（図２の第２の歪み）である。
種類は、２つの合成単位を接続することにより生ずる歪
み（図２の第１の歪み）であり、もう１種類は、目標値
と波形辞書より選択した合成単位の値との差による歪み
（図２の第２の歪み）である。
【００３７】第１の歪みは全ての接続部分の最大値より
求め、第２の歪みは合成単位の平均値より求め、合成単
位の組合せの評価値は、それら両歪みの合計とする。
求め、第２の歪みは合成単位の平均値より求め、合成単
位の組合せの評価値は、それら両歪みの合計とする。
【００３８】例えば、図２中の第１の歪みについては、
５個所の接続部分について、数２に従って夫々歪みを計
算し、その最大値３７００が第１の歪みとなる。
５個所の接続部分について、数２に従って夫々歪みを計
算し、その最大値３７００が第１の歪みとなる。
【００３９】
【数２】
【００４０】また、図２中の第２の歪みについては、合
成単位毎について、数３に従って歪みの平均を夫々計算
し、その平均値３８５０を第２の歪みとなる。
成単位毎について、数３に従って歪みの平均を夫々計算
し、その平均値３８５０を第２の歪みとなる。
【００４１】
【数３】
【００４２】従って、この組合せの評価値は、第１の歪
みの値３７００、及び第２の歪みの値３８５０の合計の
７５５０となる。
みの値３７００、及び第２の歪みの値３８５０の合計の
７５５０となる。
【００４３】ここで、上述では、第１の歪みの値と第２
の歪みの値の和によって評価値を求めたが、これ以外に
以下のような２つの手法に従って、合成単位の接続にお
ける評価を行うことができる。 ＜第１手法＞上述の評価値の計算を行い、最小となった
評価値から一定の範囲以内（例えば、最小評価値の１.
１倍迄）に属する全ての組合せについて、再度、新たな
計算方法によって評価値を求め、それらの評価値の中で
最小となる組合せの探索を行う。ここで、新たな計算法
とは、図２の第１の歪みの値の中で、第２番目に大きな
歪みを用いて計算する方法である。例えば、図２の例で
は、第１の歪みの中で第２番目に大きな値は１６００と
なり、第２の歪みが３８５０であるから、組合せの評価
値は５４５０となる。
の歪みの値の和によって評価値を求めたが、これ以外に
以下のような２つの手法に従って、合成単位の接続にお
ける評価を行うことができる。 ＜第１手法＞上述の評価値の計算を行い、最小となった
評価値から一定の範囲以内（例えば、最小評価値の１.
１倍迄）に属する全ての組合せについて、再度、新たな
計算方法によって評価値を求め、それらの評価値の中で
最小となる組合せの探索を行う。ここで、新たな計算法
とは、図２の第１の歪みの値の中で、第２番目に大きな
歪みを用いて計算する方法である。例えば、図２の例で
は、第１の歪みの中で第２番目に大きな値は１６００と
なり、第２の歪みが３８５０であるから、組合せの評価
値は５４５０となる。
【００４４】＜第２手法＞第１の歪みについて、歪みの
大きい順に重み係数を掛けた値の総和を用いる。重み係
数を｛０.６，０.３，０.１｝の３つとすると、第１の
歪みは、３７００×０.６＋１６００×０.３＋１３００
×０.１＝２８３０となり、また第２の歪みが３８５０
であるから、組合せの評価値は６６８０となる。
大きい順に重み係数を掛けた値の総和を用いる。重み係
数を｛０.６，０.３，０.１｝の３つとすると、第１の
歪みは、３７００×０.６＋１６００×０.３＋１３００
×０.１＝２８３０となり、また第２の歪みが３８５０
であるから、組合せの評価値は６６８０となる。
【００４５】ここで、第２手法では、３個の第１の歪み
が算出されたため、重み係数も３個設定したが、これに
は限られず重み係数の個数は、第１の歪みの個数に応じ
て、適宜設定すれば良い。
が算出されたため、重み係数も３個設定したが、これに
は限られず重み係数の個数は、第１の歪みの個数に応じ
て、適宜設定すれば良い。
【００４６】また、重み係数の値は、それらの合計が１
となるように設定することが好ましい。
となるように設定することが好ましい。
【００４７】ところで、本発明の有効性を調べるため
に、本発明を用いて合成した音声と、通常のＤＰ法を用
いて合成した音声との比較を行った。
に、本発明を用いて合成した音声と、通常のＤＰ法を用
いて合成した音声との比較を行った。
【００４８】図３は、通常のＤＰ法で問題となった接続
歪みの集中がｍｉｎ−ｍａｘ ＤＰ法で解消される一例
である。発話文章は、「回りの人も立ち上った。」であ
る。図３では「まわりのひ」までを表示している。
歪みの集中がｍｉｎ−ｍａｘ ＤＰ法で解消される一例
である。発話文章は、「回りの人も立ち上った。」であ
る。図３では「まわりのひ」までを表示している。
【００４９】本発明で合成した結果を図３（ａ）に、ま
た通常のＤＰ法で合成した結果を図３（ｂ）に示す。図
３（ａ）、（ｂ）における上段は音声波形を、また下段
は前節で示した選択歪みを示す。選択歪みは、接続部分
では接続歪みを、それ以外の位置では選択した単位と発
話環境の違いによる非適合歪みを表している。音声波形
の図に描かれた縦線は、接続の行なわれた個所を示して
いる。
た通常のＤＰ法で合成した結果を図３（ｂ）に示す。図
３（ａ）、（ｂ）における上段は音声波形を、また下段
は前節で示した選択歪みを示す。選択歪みは、接続部分
では接続歪みを、それ以外の位置では選択した単位と発
話環境の違いによる非適合歪みを表している。音声波形
の図に描かれた縦線は、接続の行なわれた個所を示して
いる。
【００５０】通常のＤＰ法では選択歪みの総和を最小と
する組合せが求められるため、長い音素列が選択された
場合に接続部分での歪みが非常によく知覚されることが
ある。
する組合せが求められるため、長い音素列が選択された
場合に接続部分での歪みが非常によく知覚されることが
ある。
【００５１】本実験では下図に示すように、／ａｗａｒ
ｉ／、ｉｎｏｈ／の2つの長い音素列が選択され、接続
部分の音素／ｉ／に歪みが集中していることがわかる。
ｉ／、ｉｎｏｈ／の2つの長い音素列が選択され、接続
部分の音素／ｉ／に歪みが集中していることがわかる。
【００５２】それに対して本発明では、接続歪みの最大
値に注目し、その値が最も小さくなる組合せが求められ
るため、接続箇所は５箇所と増加し、誤差の総和も増加
しているが、接続歪みの最大値は減少し、全体に歪みが
分散されている。このことは、聴覚的に顕著な歪みが減
少することを示している。
値に注目し、その値が最も小さくなる組合せが求められ
るため、接続箇所は５箇所と増加し、誤差の総和も増加
しているが、接続歪みの最大値は減少し、全体に歪みが
分散されている。このことは、聴覚的に顕著な歪みが減
少することを示している。
【００５３】
【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、最適な合成単位の組合せを選択する際に、合
成単位の接続部分の歪みの合計ではなく、その歪みの最
大値を用い、その歪みの最大値が小さくなる合成単位の
組合せを選択することにより、或る個所での接続部分へ
の歪みの集中が緩和され、聴感的に歪みの少ない高品質
の音声合成ができる効果を有する。
によれば、最適な合成単位の組合せを選択する際に、合
成単位の接続部分の歪みの合計ではなく、その歪みの最
大値を用い、その歪みの最大値が小さくなる合成単位の
組合せを選択することにより、或る個所での接続部分へ
の歪みの集中が緩和され、聴感的に歪みの少ない高品質
の音声合成ができる効果を有する。
【図１】本発明の音声合成装置の合成単位波形選択部
（１２０）の処理の流れを示した図である。
（１２０）の処理の流れを示した図である。
【図２】本発明の音声合成装置における合成単位の接続
の組合せの評価値の算出法を示す図である。
の組合せの評価値の算出法を示す図である。
【図３】本発明、並びに従来の音声合成装置によって合
成単位を接続した場合の合成結果を示す図である。
成単位を接続した場合の合成結果を示す図である。
【図４】従来の音声合成装置の概略構成図を示す。
１０・・・言語処理部 １１・・・韻律パターン生成部 １２・・・合成単位波形選択部 １３・・・音声波形生成部
Claims (4)
- 【請求項１】 入力されたテキストを解析する言語処理
部と、 音声波形データを予め蓄積している音声波形データ格納
部と、 該音声波形データの中から合成単位を選択する波形接続
単位選択部と、 該波形接続単位選択部にて選択された合成単位を接続す
る音声波形生成部と、を備えた音声合成装置において、 前記波形接続単位選択部は、入力されたテキストを生成
することが可能な複数の合成単位の組合せのうち、各組
合せの合成単位を接続することにより生ずる歪みの最大
値をその組合せの評価値とし、その評価値が最も小さい
合成単位の組合せを選択することを特徴とする音声合成
装置。 - 【請求項２】 前記波形接続単位選択部は、２種類の歪
みを選択の基準として用い、合成単位を接続することに
より生じた歪みの最大値を第１の歪みとして記憶し、ま
た各合成単位に対応する前記音声波形データの所望パラ
メータと該合成単位に対応する前記所望パラメータの目
標値に基づく歪みの平均値を第２の歪みとして記憶し、
それら両方の歪みの和をその組合せの評価値とし、その
評価値が最小となる合成単位の組合せを選択することを
特徴とする請求項１記載の音声合成装置。 - 【請求項３】 合成単位接続により生じた歪みの最大値
からｎ個（ｎは整数）の歪みを記憶する記憶部を有し、
入力されたテキストを生成することが可能な複数の合成
単位の組合せに対し、第１の歪みのうち１番目に大きな
歪みを用いて各組合せの評価値を求め、その中の最小値
となる評価値から所定範囲内の評価値に属する複数の組
合せを選択の候補とし、次にその複数の組合せの候補の
中で第１の歪みのうち２番目に大きな歪みを用いて各組
合せの評価値を求め、最も小さい評価値を与える合成単
位の組み合わせによって音声合成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４】 合成単位接続により生じた歪みの最大値
からｎ個（ｎは整数）の歪みを記憶する記憶部を有し、
入力されたテキストを生成することが可能な複数の合成
単位の組合せに対し、第１の歪みに対して、その値の大
きさの順序に応じた重み係数を掛け、それらを加算した
値を各合成単位の組み合わせの評価値とし、その中の最
小値となる評価値が最も小さい合成単位の組み合わせに
よって音声合成することを特徴とする請求項２記載の音
声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8251645A JPH1097268A (ja) | 1996-09-24 | 1996-09-24 | 音声合成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8251645A JPH1097268A (ja) | 1996-09-24 | 1996-09-24 | 音声合成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1097268A true JPH1097268A (ja) | 1998-04-14 |
Family
ID=17225910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8251645A Pending JPH1097268A (ja) | 1996-09-24 | 1996-09-24 | 音声合成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1097268A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002055692A (ja) * | 2000-06-30 | 2002-02-20 | Nokia Mobile Phones Ltd | 音声出力のためのメッセージの構成方法 |
| WO2004109660A1 (ja) * | 2003-06-04 | 2004-12-16 | Kabushiki Kaisha Kenwood | 音声データを選択するための装置、方法およびプログラム |
| JP2013011828A (ja) * | 2011-06-30 | 2013-01-17 | Fujitsu Ltd | 音声合成装置、音質修正方法およびプログラム |
-
1996
- 1996-09-24 JP JP8251645A patent/JPH1097268A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002055692A (ja) * | 2000-06-30 | 2002-02-20 | Nokia Mobile Phones Ltd | 音声出力のためのメッセージの構成方法 |
| WO2004109660A1 (ja) * | 2003-06-04 | 2004-12-16 | Kabushiki Kaisha Kenwood | 音声データを選択するための装置、方法およびプログラム |
| JP2013011828A (ja) * | 2011-06-30 | 2013-01-17 | Fujitsu Ltd | 音声合成装置、音質修正方法およびプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7124083B2 (en) | Method and system for preselection of suitable units for concatenative speech | |
| CN1312655C (zh) | 语音合成方法和语音合成系统 | |
| US7010488B2 (en) | System and method for compressing concatenative acoustic inventories for speech synthesis | |
| US5740320A (en) | Text-to-speech synthesis by concatenation using or modifying clustered phoneme waveforms on basis of cluster parameter centroids | |
| JP4469883B2 (ja) | 音声合成方法及びその装置 | |
| US20040030555A1 (en) | System and method for concatenating acoustic contours for speech synthesis | |
| US20070282608A1 (en) | Synthesis-based pre-selection of suitable units for concatenative speech | |
| JP2007249212A (ja) | テキスト音声合成のための方法、コンピュータプログラム及びプロセッサ | |
| CN101131818A (zh) | 语音合成装置与方法 | |
| JP3910628B2 (ja) | 音声合成装置、音声合成方法およびプログラム | |
| US8478595B2 (en) | Fundamental frequency pattern generation apparatus and fundamental frequency pattern generation method | |
| JP4225128B2 (ja) | 規則音声合成装置及び規則音声合成方法 | |
| US6832192B2 (en) | Speech synthesizing method and apparatus | |
| JPH01284898A (ja) | 音声合成方法 | |
| US7558727B2 (en) | Method of synthesis for a steady sound signal | |
| JPH1097268A (ja) | 音声合成装置 | |
| JP4648878B2 (ja) | 様式指定型音声合成方法、及び様式指定型音声合成装置とそのプログラムと、その記憶媒体 | |
| JP4533255B2 (ja) | 音声合成装置、音声合成方法、音声合成プログラムおよびその記録媒体 | |
| JP5393546B2 (ja) | 韻律作成装置及び韻律作成方法 | |
| JP5449022B2 (ja) | 音声素片データベース作成装置、代替音声モデル作成装置、音声素片データベース作成方法、代替音声モデル作成方法、プログラム | |
| JP2007163667A (ja) | 音声合成装置および音声合成プログラム | |
| JP2006084854A (ja) | 音声合成装置、音声合成方法および音声合成プログラム | |
| JP3423276B2 (ja) | 音声合成方法 | |
| JP3241582B2 (ja) | 韻律制御装置及び方法 | |
| JP4353174B2 (ja) | 音声合成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040511 |