JPS6186799A - 音声合成装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は入力された文書データを構成する各単語データ
をシンセサイザにて音声信号に変換して発声させる音声
合成装置に係わり、特に、必要に応じて隣接する単語デ
ータを連続発声できる音声合成装置に関する。

［従来の技術］ 伝送路を介して外部から入力された英語等の文書データ
をシンセサイザにて音声信号へ変換してスピーカからこ
の文書デ；りに対応す音声を発声させる音声合成装置は
、例えば次のように構成されている。すなわち、各単語
データ毎にこの単語データに対応する発声周波数値、音
声波形の周波数成分値、各周波数の継続時間値等の音声
分析データを記憶する音声メモリがＲＯＭ等の記憶部に
形成されている。また、入力した文書データを各単語デ
ータ間に介挿されたスペース記号等を利用して各単語デ
ータに分解し、この単語データに対応する音声分析デー
タを前記単語メモリから順次読出し次のシンセサイザに
送出する１チツプのマイクロコンピュータ等で構成され
た音声制御部が設けられている。そして、シンセサイザ
は、各単語データの音声分析データが入力されると、こ
の音声分析データの上述した多値に基づいて実際の音声
信号を合成してスピーカへ送出する。すると、スピーカ
から入力した文書データに対応する音声が発声される。

［発明が解決しようとする問題点］ しかしながら、上記のように構成された音声合成装置に
おいては次のような問題があった。すなわち、一般に上
記音声制御部は１つの単語データに対する音声発声の終
了を各音声分析データの最後に付加された終了信号を検
出することによって判断している。そして、この終了信
号を検出した時刻から一定のポーズ時間が経過した後、
次の単語データの処理を開始する。したがって、第９図
（ａ）に示すように、３個の単語データが連続した場合
、発声された各単語間に上述のポーズ時間Ｔｏが生じる
。このポーズ時間Ｔｏは通常の言葉を発声している場合
は各単語を聞き分けるために不可欠である。

しかし、例えば数字等の合成単語を発音する場合は上記
ポーズ時ｆｌｌＴａが存在すると反対に聞きずらく、言
葉が不自然になる。具体例を示すと、第９図（ｂ）に示
すように［ｔｈｅ　　ｆｏｒｔｙｏｎｅ］を発声させる
と、［ｔｈｅ］と［ｆ。

ｒｔｙ］との間の他に［ｆｏｒｔｙ］と［ｏｎｅ］との
間にポーズ時間Ｔｏが挿入されることになる。

なお、上記の問題を回避するためには、数字等の全ての
合成単語に対して１つの単語として音声分析データを算
出して前述の音声メモリに記憶させればよいが、すべて
の合成単語の音声分析データを記憶すると、ＲＯＭ等に
形成された音声メモリの記憶容量が増大して、装置全体
が非常に高価になる問題が生じる。

本発明はこのような事情に基づいてなされたものであり
、その目的とするところは、合成単語等のように隣接す
る単語データどうしを連続発声する必要のある場合は、
発声された音声間に存在するポーズ時間を除去すること
により、ＲＯＭ等の記憶容量を増加することなく、より
聞取りやすく、より自然に聞こえる音声合成装置を提供
することにある。

［問題点を解決するための手段］ 本発明の音声合成装置は、各単語データに対応する各発
声時間を記憶する発声時間メモリと、各単語データの発
声開始時刻からの経過時間を計時する計時手段と、先に
発声する単語データを記憶する第１の単語メモリと、こ
の第１の単語メモリに記憶された単語データの次に発声
する単語データを記憶する第２の単語メモリとを設け、
これ等第１および第２の単語メモリに記憶された一対の
単語データを連続発声すると判断された場合、第１の単
語メモリに記憶された単語データに対する音声の発声中
に計時手段にて計時された経過時間が発生時間メモリに
記憶された前記発声中の単語データに対応する発声時間
の終了直前になったときに第２の単語メモリに記憶され
た単語データに対応する音声発声を開始するようにした
ものである。

［作用］ このように構成された音声合成装置であれば、外部から
入力された文書データを構成する各単語データが第１お
よび第２の単語メモリに順次格納され、この第１および
第２の単語メモリに格納された隣接する単語データが連
続発声されるべき単語データであった場合、第１の単語
メモリに記憶された単語データに対する音声の発声終了
直前に第２の単語メモリに記憶された単語データに対応
する音声発声が開始される。したがって、これ等２個の
単語は連続して聞こえることになる。

［実施例］ 以下本発明の一実施例を図面を用いて説明する。

第１図は実施例の音声合成装置を示すブロック構成図で
ある。すなわち、図中１は各種記憶部。

Ｉ１０ボート等を内蔵し、各種演算処理を実行するマイ
クロプロセッサで形成された音声制御部であり、この音
声制御部１に発声時間メモリが形成されたＲＯＭ２．入
力した各音声分析データを実際の音声信号に変換するシ
ンセサイザ３および前記発声時間を計時するカウンタ４
が接続されている。このカウンタ４には外部からクロッ
ク信号ＣＬＫが入力し、出力信号が割込信号ＩＮＴとし
て音声制御部１へ送出される。また、シンセサイザ３に
は各単語データに対応する音声分析データを記憶したＲ
ＯＭで形成された音声メモリ５およびローパスフィルタ
６を介してスピーカ７が接続されている。

前記ＲＯＭ２内に形成された発声時間メモリＲＯ１には
、第２図に示すように、アスキーコード等の各文字コー
ドの組合わせで表示された各単語データに対して、イン
デックスＩＮＤ、この単語データに対応する音声の発声
時間に相当する数字Ｎ、およびこの単語データに対応す
る音声分析データを格納した前記音声メモリ５内のアド
レスＡがそれぞれ記憶されている。

また、音声メモリ５内には、第３図に示すように、各ア
ドレスＡに対して各単語データに対応する発声周波数値
、音声波形の周波数成分値、各周波数の継続時間値等の
音声分析データＤが記憶されている。

さらに、音声制御部１内のＲＡＭ等で形成された記憶部
には、第４図に示すように、外部からＩ１０ボートを介
して入力された文書データを一時記憶するデータバッフ
ＰＲＡＩの他に、先に発声する単語データに関するデー
タを格納する第１の単語メモリＲＡ２．次に発声する単
語データに関するデータを格納する第２の単語メモリＲ
Ａ３゜および第１および第２の単語メモリＲＡ２．ＲＡ
３に格納された一対の単語データが連続発声されること
を示す連続発声フラグを格納するフラグ領域ＲＡ４が形
成されている。前記各単語メモリＲＡ２．ＲＡａ内には
、それぞれ該当単語データの発声時間メモリＲＯ１から
読出した発声時間を示す数Ｎｔ　、Ｎ２を格納する領域
ＲＡ５．ＲＡ６、およびアドレスＡｌ、Ａ２を格納する
領域ＲＡ７゜ＲＡＳが形成されている。

しかして、この音声合成装置の電源が投入され各種の初
期処理が終了すると、前記音声制御部１は第５図の流れ
図に従って音声発声処理を実行するように構成されてい
る。すなわち、初期処理が終了すると、Ｐｌにて第６図
に示す文書データ処理を実行する。第６図において、ま
ず記憶部の第２の単語メモリＲＡ３に格納されている次
に発声すべき単語データの領域ＲＡ６の発声時間を示す
数Ｎ２および領域ＲＡ８のアドレスＡ２を読出して第１
の単語メモリＲＡ２の発声時間およびアドレスを格納す
る領域ＲＡ５．ＲＡ７にそれぞれ格納する。次に、デー
タバッファＲＡ１からその次に発声すべき単語データを
読出してこの単語データを第２図に示す発声時間メモリ
ＲＯＩへ送り、この発声時間メモリＲＯ１内を検索して
該当単語データの発声時間を示す数ＮおよびアドレスＡ
を読出し第２の単語メモリＲＡ３の各領域ＲＡ６および
ＲＡＳへ格納する。第１および第２の単語メモリＲＡ２
．ＲＡ３への各単語データの各発声時間Ｎｌ、Ｎ２およ
び各アドレスＡｔ　、Ａ２の格納が終了すると、各単語
メモリに格納された一対の単語データが連続発声される
べきか否かを、例えば、単語データ間に挿入された［−
］、又は文章の流れ等にて判断する。そして、連続発声
すべき単語データであると判断したときのみ、フラグ領
域ＲＡ４の連続発声フラグを１に設定する。

なお、データバッファＲＡ１への各単語データの格納は
割込み処理にて実施する。すなわち、外部から伝送路を
介して文書データが１１０ポートへ入力されると、この
文書データに含まれるスペース記号、［、］記号、［、
］記号等を検出して各単語データに分解してデータバッ
ファＲＡＩへ順次格納していく。

第５図のメインルーチンのＰｌにて文書データ処理が終
了すると、第１の単語メモリＲＡ２の領域ＲＡ５に格納
された発声時間を示す数Ｎ１をカウンタ４へ設定し、領
域ＲＡ７に格納されたアドレスＡ１をシンセサイザ３へ
送出する。アドレスＡ五を受信したシンセサイザ３は、
そのアドレスＡ１を音声メモリ５へ送出し、該当アドレ
スＡ１に格納されている音声分析データＤを読出してこ
の音声分析データＤに対応する音声信号の出力準備を行
なう。

次にＰ２にてフラグ領域ＲＡ４の内容を調べ、連続発声
フラグが１に設定されていない場合、シンセサイザ３か
ら音声信号がローパスフィルタ６へ送出中でないことを
確認した後、シンセサイザ３へ音声信号出力開始指令を
送出すると共に、カウンタ４ヘカウントダウン開始指令
を送出する。

すると、シンセサイザ３からローパスフィルタ６を介し
てスピーカ７へ音声信号が入力され、スピーカ７から第
１の単語メモリＲＡ２に格納された単語データに対応す
る音声が発声される。同時にクロック信号ＣＬＫの入力
に同期してカウンタ４に設定された発声時間を示す数Ｎ
のカウント数Ｋが減算されていく。そして、カウント値
ＫがＯになった時点で音声制御部１へ割込み信号ＩＮＴ
が入力される。この割込み信号ＩＮＴが入力されると第
１の単語メモリＲＡ２に格納された単語データに対する
音声の発声が終了したと判断して、予め定められたポー
ズＩＩｆ！ｆｌＴｏの経過を持って、Ｐｌへ戻り次の単
語データの発声準備を行なう。

Ｐ２にてフラグ領域ＲＡ４の連続発声フラグが１に設定
されていた場合、第１および第１の単語メモリＲＡ２．
ＲＡ３に格納された２つの単語データは連続発声される
と判断して、前述と同様にシンセサイザ３へ音声信号出
力開始指令を送出すると共に、カウンタ４へカウントダ
ウン開始指令を送出する。そして、カウンタ４のカウン
ト値Ｋが、発声時間終了直前の時間を示す０近傍の特定
値ＫＭに達したことを検出すると、終了間際の発声動作
を直ちに停止する。そして、連続発声フラグをＯに解除
したのち、ポーズ時間Ｔｏをおかずに直ちにＰｌへ戻る
。

このように構成された音声合成装置であれば、第７図（
ａ）（ｂ）に示すように、第１の単語メモリＲＡ２およ
び第２の単語メモリＲＡ３に格納された互いに隣接する
一対の単語データが連続発声を行なうべきでないと判断
されると、連続発声フラグが０に解除され、第１の単語
の発声と第２の単語の発声との間にポーズ時間Ｔｏが挿
入される。一方、連続発声されるべきと判断されると、
連続発声フラグが１に設定され、第１の単語の発声と第
２の単語の発声との間のポーズ時ｆ！ＩＴｎが除去され
ると共に、第１の単語の発声の最終部分がカットされ、
直ちに第２の単語の発声が開始される。

第８図の具体例で示すと、［ｔｈｉｓ　　ｉｓ］におけ
る第１の単語［ｔｈｉｓ］の発声と第２の単語［ｉ　Ｓ
　］の発声との間には正規のポーズＦＲＢＴｏが挿入さ
れる。一方、合成単語［ｆｏｒｔｙｏｎｅ］における第
１の単語［ｆＯｒｔＶ］の発声と第２の単語［ｏｎｅ］
の発声との間にはポーズ時間Ｔｏが存在しないのみなら
ず、［ｆｏｒｔｙｌの［ｙ］の最後の子音が消されて［
ｏｎｅ］の最初の子音または母音が発声される。したが
って、［ｆＯｒｔ”ｌ／　　Ｏｎｅ］の合成単語が聞取
りやすく、異和感なく、ごく自然に聞こえる。

また、このようにプログラム制御することによって音声
合成装置全体が特に高価になることはない。

［発明の効果］ 以上説明したように本発明によれば、合成単語等のよう
に隣接する単語データどうしを連続発声する必要のある
場合は、発声された音声間に存在するポーズ時間を除去
するようにしている。したがって、ＲＯＭ等の記憶容ｌ
を増加することなく、より聞取りやすく、より自然に聞
こえる音声合成装置を提供できる。

【図面の簡単な説明】

第１図は本発明の一実施例に係わる音声合成装置を示す
ブロック構成図、第２図は同装置のＲＯＭに形成された
発声時間メモリを示す図、第３図は同装置の音声メモリ
を示す図、第４図は同装置の音声制御部に形成されたメ
モリを示す図、第５図および第６図は同装置の動作を示
す流れ図、第７図および第８図は同装置にて発声された
各音声を示す図、第９図は従来の音声合成装置にて発声
された各音声を示す図である。 １・・・音声制御部、２・・・ＲＯＭ、３・・・シンセ
サイザ、５・・・音声メモリ、６・・・ローパスフィル
タ、７・・・スピーカ、ＲＯｌ・・・発声時間メモリ、
ＲＡｌ・・・データバッファ、ＲＡ２・・・第１の単語
メモリ、ＲＡＳ・・・第２の単語メモリ、ＲＡ４・・・
フラグ領域。 出願人代理人　弁理士　鈴江武彦 第１図 第２図 ブ 第３図 第４図 第６図 第７図 （ａ） （ｂ） 第８図 （ａ） （ｂ） （ａ） （ｂ）

Claims (1)

【特許請求の範囲】
1. 外部から入力された複数の単語データで構成された文章
   データの各単語データに対応する音声分析データを記憶
   部に形成された音声メモリから順次読出してシンセサイ
   ザにて音声信号に変換して前記文章データに対応する音
   声をスピーカから出力する音声合成装置において、前記
   各単語データに対応する各発声時間を記憶する発声時間
   メモリと、前記各単語データの発声開始時刻からの経過
   時間を計時する計時手段と、先に発声する単語データを
   記憶する第１の単語メモリと、この第１の単語メモリに
   記憶された単語データの次に発声する単語データを記憶
   する第２の単語メモリと、これ等第１および第２の単語
   メモリに記憶された一対の単語データを連続発声するか
   否かを判断する判断手段と、この判断手段が前記一対の
   単語データを連続発声すると判断したとき、前記第１の
   単語メモリに記憶された単語データに対する音声の発声
   中に前記計時手段にて計時された経過時間が前記発生時
   間メモリに記憶された前記発声中の単語データに対応す
   る発声時間の終了直前になったときに前記第２の単語メ
   モリに記憶された単語データに対応する音声発声を開始
   する手段とを備えたことを特徴とする音声合成装置。