JPS63110497A - 音声スペクトルパタン生成装置 - 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、文字列などの音声を表す情報から規則によ
り音声を合成するのに用いる音声スペクトルパタン、即
ち音声のスペクトル包絡の時間変化パタンを生成する装
置に関する。

（従来の技術） 任意の文章や単語の読み等を表す文字列がら音声を合成
するいわゆる音声の規則合成においては、音声合成すべ
き文章などの読み等にもとついて、音声スペクトルパタ
ン、即ち音韻性に関わる音声のスペクトル包絡の時間変
化パタンを生成することが、明瞭で自然な合成音声を生
成するために重要である。

このような音声の規則合成におけるスペクトルパタンの
生成の例は、三留と伏木田による日本音響学会音声研究
会資料８８５−３１　（１ｆ１８５．７）、「ホルマン
ト、ｃｖ−ｖｃ型規則合成」に示されている。

これは、音声合成規則として、時間長規則、ピッチ規則
、ポーズ規則、パラメータ編集規則などがあり、あらか
じめ自然音声を分析して得られなＣＶ−ＶＣ（Ｃは子音
■は母音を表す）を単位とするポルマントパラメータを
編集し、それをホルマント型音声合成器に与えることで
任意の音声を合成するものである。

これらの諸規則の内、パラメータ＠集規則は、合成すべ
き音声の音素系列に基づいて、あらかじめ用意されなｃ
ｖ−ｖｃを単位とするホルマントデータを編集してホル
マントの時□量変化すなわちスペクトルパタンを生成し
音声を合成する規則である。

この例の場合は、単位となるｃｖ−ｖｃ毎のスペクトル
パタンばあらかじめ用意されており、ＣＶ−ＶＣの番号
を指定することによってその単位部分のスペクトルパタ
ンを生成することができる。

即ち、この場合、ｃｖ’＝ｖｃの番号がスペクトルパタ
ン生成のためのパラメータとなっている。このような例
は他に、単位としてｖｃｖ＋ｃｖｃを用いなり、編集す
るデータとしてホルマントの代わりに、ＰＡＲＣＯＲ’
？ＬＳＰを用いたり、単位音声の波形を用いるものなど
が知られている。

一方、第二の従来例としては、プロシーデインダス　ア
イシーエイニスエスピー８２　（Ｐｒｏｃｅｅｄ−ｉｎ
ｇｓ　ＩＣＡＳＳＰ　８２．１９８２年音響・音声・信
号処理国際会議論文集）の１５８９ページから１５９２
ページに示されたクラット（Ｋｌａｔｔ）による論文［
ザ　クララトーク　テキスト　トウー　スピーチ　コン
バージョン　システム（Ｔｈｅ　Ｋｌａｔｔａｌｋ　Ｔ
ｅｘｔ−ｔｏ−８ｐｅｅ−ｃｈ　Ｃｏｎｖｅｒｓｉｏｎ
　ｓｙｓｔｅｍ）　Ｊがある。この例では、英語音声の
音素の始端や終端におけるポルマント等のターゲツト値
を与え、その間をなめらかに補間するホルマント規則を
有している。この場合、そのターゲット値がスペクトル
パタン生成のためのパラメータとなっている。

これらの例に共通するのは、入力の音声情報に対して条
件の適合する諸規則を適用し、パラメータの値を決定し
、それがら音声スペクトルパタンを生成し音声を合成す
ることである。

（発明が解決しようとする問題点） しかしながら、このような従来の音声スペクトルパタン
生成装置においては、同一の文章あるいは単語などは、
常に同一の規則が適用されるなめ、常に同じように発音
されることになる。そのなめ、従来の音声スペクトルパ
タン生成装置によって生成されたスペクトルパタンを用
いて合成された合成音声は機械的で不自然な印象をうけ
、長時間聞くと疲れるといっな問題があった。

単語や１文が長文の一部として現れる場合には、前後関
係が異なるならば、規則によっては少し異なって合成さ
れる場合もある。しかし、単語などが句読点によって区
切られ単独で現れ、規則がその前後を考慮しないような
場合にはいつも同じ様に合成されることになる。

このような状況は、テキストか長くなればなるほど発生
する可能性が高くなり、不自然さが目立つことになる。

本発明の目的は、従来の音声スペクトルパタン生成装置
に若干の回路を追加した程度の簡却な構成で、より自然
な音声を合成し得る音声スペクトルパタン生成装置を提
供することにある。

（問題点を解決するための手段） 前述の問題点を解決するために本発明が提供する手段は
、入力された音声情報に基づいて音声のスペクトルパタ
ンを生成するためのパラメータの＝　　４　− 値を決定する手段と、そのパラメータの値からスペクト
ルパタンを生成する手段とを有する音声スペクトルパタ
ン生成装置であって、ランダムデータを発生する手段と
、そのランダムデータの値に応じて前記のパラメータの
値を変化させる手段とを更に有することを特徴とする。

（作用） 本発明は、スペクトルパタンを生成するためのパラメー
タの値を従来と同様に決定し、そ°の値をランダムに変
化させてスペクトルパタンを生成し音声を合成すること
により、機械的な合成音声の発生を避けようとするもの
である。これは、実際に人間が同一の文章などを音読す
る場合には、音色などは発声の度に確率的に揺らぐとい
う性質があり、それを実現することで自然性を向上させ
ようとするものである。そのために、ランダムデータを
発生ずる手段によって生成されたランダムデータに応じ
て、パラメータ値を変化させる手段により、従来と同様
に決定されたパラメータ値を変化させその値に基づいて
スペクトルパタンを生成するのである。

このとき、あらかじめ実際に人間か発声した音声を分析
して、スペクトルに関連するパラメータの値の統計的な
分布を調べておき、その分布にもとづいてパラメータ値
の変化させる量を決定することにより、より自然な合成
音を生成することができる。

ランクムデータを発生する手段としては、従来から合同
法によるものやＭ系列によるもの等が知られており、い
ずれの方法に基づくものでも利用可能である。

（実施例） 次に、図面を参照して本発明の詳細な説明する。

第１図は、本発明の第一の実施例のブロック図である。

図において、１０１は制御回路、１０２はデータ番号生
成回路、１０３は単位音声データメモリ、１０４はデー
タ編集回路、１０５は乱数発生回路、１０６は加算器で
ある。

単位音声データメモリ　１０３には、各単位音声に対し
て複数のスペクトルパタンデータが記憶されており、そ
れぞれに割り当てられたデータ番号を信号線１１８から
与えるとそのデータが信号線１１ｇから出力される。こ
こで、同一の即位音声に対する複数のスペクトルパタン
データタの番号は連続的に割り当てておく。即ち、単位
音声データメモリ１０３内には、一つの即位音声に対す
る異なったスペクトルパタンデータかグループを成して
記憶されている。このように、記憶されているデータの
内容は異なるものの、即位音声データメモリ　１０３の
構成は、前述の第一の従来例に於てあらかじめ用意して
おくｃｖ−ｖｃのスペクトルパタンのデータを記憶して
おくものと同様である。

データ番号生成回路１０２は、信号線１１３から入力さ
れる音素系列から、単位音声の系列を生成し、単位音声
データメモリ　１０３内の、一つの単位音声に対する異
なったスペクトルパタンデータのグループの先頭のデー
タの番号を生成し、信号線１１６へ出力する６ データ網集回Ｂ１０４は、単位音声データメモリ１０３
から信号線１１９を介して送られる単位音声のスペクト
ルパタンデータのうち、信号線１１５から入力される時
間長データの示す部分のみを用い、各単位音声間を補間
することによってスペクトルパタンを生成する。

これら、データ番号生成回路１０２とデータ編集回路１
０４も、第一の従来例におけるものと同様の構成で実現
できる。

乱数発生回路１０５は、制御回路１０１から指示かある
毎に、乱数を発生し信号線１１７を介して加算器１０６
に送る。このとき生成される乱数は、各単位音声ごとに
記憶されているスペクトルパタンデータの個数をＮとす
ると、０から、（Ｎ−１＞の値をとるものである。

加算器１０６では、データ番号生成回路１０２から送ら
れる、一つの単位音声に対する異なったスペクトルパタ
ンデータのグループの先頭のデータの番号に、乱数発生
回路１０５から送られる乱数を加算し、信号線１１８を
介して単位音声データメモリ１０３に送る。

制御回路１０１は、信号線１１１から音素系列と時間長
データが入力されると、音素系列を信号線１１３を介し
てデータ番号生成回路１０２に送りデータ番号を発生さ
せ、時間長データを信号線１１５を介してデータ編集回
路１０４に送る。更に、信号線１１４を介して乱数発生
回路１０５に指示を送り乱数を発生させる。こうして、
データ番号生成回路１０２で生成されたデータ番号に、
乱数発生回路１０５で生成された乱数が加算され、その
データが単位音声データメモリ　１０３から読み出され
、データ編集回路１０４に於て編集されてスペクトルパ
タンか生成され、信号線１１２から出力される。

第２図は、本発明の第二の実施例のブロック図である。

図において、２０１は制御回路、２０２はポルマントタ
ーゲツト値生成回路、２０３はデータ補間回路、２０４
はデータ分布値メモリ、２０５は乱数発生回路、２０６
は乗算器、２０７は加算器である。

ホルマントターゲット値生成回Ｂ２Ｏ２は、前述の第二
の従来例におけるものと同様に、制御回路２０１から信
号線２１３を介して送られる音素系列に基づいて、ホル
マントターゲツト値を生成し、信号線２２０に送出する
。

データ補間回路２０３も、第二の従来例におけるものと
同様に、信号線２１６から送られる時間長データに基づ
いて、信号線２２１から入力されるホルマントのターゲ
ツト値の間を補間しスペクトルパタンを生成する。

データ分布値メモリ２０４には、各ホルマントデータの
ターゲツト値の分布する最大値が記憶されていて、制御
回路２０１から信号線２１４を介して送られる指示に従
って、その分布の最大値を信号線２１７へと送り出す。

乱数発生回路２０５では、制御回路２０１から信号線２
１５を介して送られる指示に従って、絶対値が１以下の
正負の乱数が発生され信号線２１８へと送り出される。

乗算器２０６では、データ分布値メモリ　２０４から送
られるデータの分布の最大値に、乱数発生回路２０５か
ら送られる乱数が乗じられ、その積が信号線２１９を介
して加算器２０７へと送られる。

加算器２０７では、ホルマントターゲツト値生成回路２
０２から送られるホルマントターゲツト値と１、乗算器
２０６から送られるデータ分布値と乱数の積が加え合わ
されて新たなホルマントターゲツト値として信号線２２
１を介してデータ補間回路２０３に送られる。

制御回路２０１は、信号線２１１から音素系列と時間長
データが入力されると、音素系列を信号線２１３を介し
てホルマントターゲツト値生成回路２０２に送りホルマ
ントターゲツト値を発生させ、時間長データを信号線２
１６を介してデータ補間回路２０３に送る。更に、信号
線２１４を介してデータ分布値メモリ　２０４に指示を
送りデータの分布の最大値を発生させ、信号線２１５を
介して乱数発生回路２０５に指示を送り乱数を発生させ
る。

こうして、ホルマントターゲツト値生成回路２０２で生
成されたホルマントターゲツト値に、データ分布値メモ
リ　２０４で生成されたデータの分布の最大値と乱数発
生回路２０５で生成された乱数の積が加算され、その新
たなホルマントターゲット値と時間長データに基づいて
スペクトルパタンか生成され、信号線２１２から出力さ
れる。

（発明の効果） 以上説明したように、本発明によれば、合成しようとす
る音声情報に同一の表現が繰り返し現れても、パラメー
タの値がその都度微妙に異なった値がとられるから、明
瞭性が摂なわれることなく自然な合成音が得られるとい
う効果がある。

【図面の簡単な説明】

第１図および第２図は本発明の第一および第二の実施例
をそれぞれ示すブロック図である。 図において、１０１は制御回路、１０２はデータ番号生
成回路、１０３は単位音声データメモリ、１０４はデー
タ編集回路、１０５は乱数発生回路、１０６は加算器、
２０１は制御回路、２０２はホルマントターゲツト値生
成回路、２０３はデータ補間回路、２０４はデータ分布
値メモリ、２０５は乱数発生回路、２０６は乗算器、２
０７は加算器である。

Claims (1)

【特許請求の範囲】
1. 入力された音声情報に基づいて音声のスペクトルパタン
   を生成するためのパラメータの値を決定する手段と、そ
   のパラメータの値から前記スペクトルパタンを生成する
   手段とを有する音声スペクトルパタン生成装置において
   、ランダムデータを発生する手段と、そのランダムデー
   タの値に応じて前記のパラメータの値を変化させる手段
   とを更に有することを特徴とする音声スペクトルパタン
   生成装置。