JP3029403B2 - 文章データ音声変換システム - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文章データ音声変
換システム、特に入力された文章を解析し、変換して音
声出力をする際に、その音声に抑揚を持たせる文章デー
タ音声変換システムに関する。

【０００２】

【従来の技術】従来から入力された文章を解析すること
によって音声パターンを生成し、音声出力をするシステ
ムがある。近年では、テキストデータを単に音声に変換
するというシステムから更に文言のニュアンスをも伝え
るようなシステムが考えられている。

【０００３】例えば、特開平４−２１３９４３号公報に
開示された「電子メールシステム」には、文書とともに
ニュアンスデータ、更には文書を読み上げた音声をも入
力し、音声を出力する際、文書（テキストデータ）に音
声を分解して得た音片データとニュアンスデータを付加
してアナログの音声を出力する構成が開示されている。

【０００４】このように、従来においては、照合のため
の文章を文字列に分解し、音声素片情報を元に合成音声
の生成を効果的に実現する手段が一般的である。

【０００５】

【発明が解決しようとする課題】しかしながら、従来に
おいては、人間の声に近い音質で表現することは可能で
あるが、正しい発音を正確には得られない。

【０００６】また、従来においては、入力されるテキス
トデータを分解し、それぞれを音声データに変換し合成
するという方式が採られていたため、その音声データを
得るまでの処理が煩雑であった。

【０００７】また、テキスト形式の文章データから細か
いニュアンス、感情まで表現することは、非常に困難で
ある。例えば、「いいよ。」などのように同じ文章であ
っても口調によっては相反する意味になるようなものま
で表現することはできなかった。特に、上記従来例で
は、言葉の不自由な人は使用できない。

【０００８】本発明は以上のような問題を解決するため
になされたものであり、その目的は、音声合成を極力削
減し、人間の感情表現に対応した音声で出力することの
できる文章データ音声変換システムを提供することにあ
る。

【０００９】

【課題を解決するための手段】以上のような目的を達成
するために、本発明に係る文章データ音声変換システム
は、文章を音声パターンに変換して音声出力する文章デ
ータ音声変換システムにおいて、同一文章に対して抑揚
の異なる音声パターンを少なくとも一つ登録する音声デ
ータベースと、文章を音声出力する際の抑揚を表す抑揚
情報を文章に付加して構成される文章パターンを登録す
る文章データベースと、入力された文章データを解析し
音声出力すべき音声パターンを決定する音声変換手段と
を有し、前記音声変換手段は、前記文章データベースを
検索することによって、入力された文章データに含まれ
る文章と抑揚情報との組合せと同一の文章パターンを特
定し、その文章パターンに対応する音声パターンを前記
音声データベースから抽出して出力するものである。

【００１０】また、前記音声変換手段は、入力された文
章データと同一の文章パターンが前記文章データベース
に登録されていない場合、入力された文章を構成する文
字列の一部を削除しながら前記文章データベースに含ま
れる文章パターンとの照合を行う文章パターン照合部
と、前記文章パターン照合部の照合結果に基づいて得ら
れた音声パターンを合成することによって出力すべき音
声パターンを生成する音声合成部とを有するものであ
る。

【００１１】また、抑揚情報を登録する抑揚情報データ
ベースと、前記抑揚情報データベース内の抑揚情報の管
理を行う抑揚情報管理手段とを有するものである。

【００１２】また、入力された文章データに含まれてい
る抑揚情報を削除して文字出力用データを生成する文字
出力用データ生成手段を有するものである。

【００１３】更に、前記音声データベースは、人間が発
した音声を音声パターンとして登録するものである。

【００１４】

【発明の実施の形態】以下、図面に基づいて、本発明の
好適な実施の形態について説明する。

【００１５】図１は、本発明に係る文章データ音声変換
システムの一実施の形態を示したブロック構成図であ
る。本実施の形態における文章データ音声変換システム
１は、キーボード、マウス、端末及びプリンタ等の入出
力手段及びデータベースを格納するディスク装置等の記
憶手段を搭載する一般的なコンピュータにより実現され
る。本実施の形態における文章データ音声変換システム
１は、３種類のデータベースを搭載している。文章デー
タベース２は、文章を音声出力する際の抑揚を表す抑揚
情報を文章に付加して構成される文章パターンを登録す
る。音声データベース３は、同一文章に対して抑揚の異
なる音声パターンを登録している。抑揚情報データベー
ス４は、本システムで使用する音声出力の対象とならな
い記号で表された抑揚情報を登録する。各データベース
２，３，４の詳細は、後述する。

【００１６】また、文章データ音声変換システム１は、
文章データ入力部５、文章パターン照合部６、音声合成
部７及び音声出力部８を有しており、これらの構成要素
により入力された文章を音声パターンに変換して音声出
力している。このうち、文章データ入力部５は、外部か
ら指定された文章データを入力するための手段であり、
キーボード等及びその装置の動作制御をするドライバに
より実現される。文章パターン照合部６は、音声合成部
７とともに入力された文章データを解析し音声出力すべ
き音声パターンを決定する音声変換手段を形成する。特
に、文章パターン照合部６は、入力された文章データと
同一の文章パターンが文章データベース２に登録されて
いない場合、入力された文章を構成する文字列の一部を
削除しながら文章データベース２に含まれる文章パター
ンとの照合を行う。音声合成部７は、文章パターン照合
部６の照合結果に基づいて得られた音声パターンを必要
に応じて合成することによって出力すべき音声パターン
を生成する。音声出力部８は、スピーカ等音声を出力可
能な手段により形成され、音声変換手段により変換され
た音声データを出力する。

【００１７】その他にも文章データ音声変換システム１
は、入力された文章データを音声としてでなく文字デー
タとしても出力可能とするために、入力された文章デー
タに含まれている抑揚情報を削除して文字出力用データ
を生成する文字出力用データ生成手段としての文字出力
用データ生成部９と、生成された文字出力用データを出
力するプリンタあるいはディスプレイにより形成される
出力部１０とを有しており、更に、抑揚情報データベー
ス４内の抑揚情報の管理を行う抑揚情報管理手段として
の抑揚情報管理部１１とを有している。文章パターン照
合部６、音声合成部７、文字出力用データ生成部９及び
出力部１０は、各機能を有するソフトウェアがＣＰＵ上
で実行されることによって各機能を発揮することにな
る。

【００１８】次に、上述した各データベース２〜４の内
容について説明する。

【００１９】図２は、本実施の形態において使用する抑
揚情報データベース４の設定内容例を示した図である。
本実施の形態では、音声パターンに変換され音声出力さ
れる文章に、文章に抑揚を与えるために抑揚情報を付加
した文章データが入力されることになるが、この文章に
付加することのできる抑揚情報（抑揚記号）の一覧が抑
揚情報データベース４に登録されることになる。本実施
の形態においては、抑揚情報を仮名文字や漢字ではなく
音声出力の対象とならない１乃至複数の記号で表してい
る。従って、抑揚情報データベース４には、抑揚を記号
で表現した抑揚記号が登録されることになる。「感情表
現」は、各抑揚記号が表す意味を示しており、便宜上図
示しているが、必ずしも抑揚情報データベース４に登録
しておく必要はない。

【００２０】図３は、本実施の形態における文章データ
ベース２の設定内容例を示した図である。文章データベ
ース２には、入力される文章と抑揚記号とを組にした文
章パターンが音声パターンファイル名に対応付けられて
登録されている。図３から明らかなように同一文章であ
っても抑揚記号が異なれば異なるデータとして取り扱わ
れる。音声パターンファイル名は、次の音声データベー
ス３のところで説明する。

【００２１】図４は、本実施の形態における音声データ
ベース３の設定内容例を示した概念図である。音声デー
タベース３には、音声出力される実際の音声パターンと
その音声パターンが格納されている音声パターンファイ
ル名とが登録されている。本実施の形態では、単語、熟
語という単位ではなく文章単位での音声パターンが基本
的に格納されている。また、その音声パターンは、人間
が発した音声すなわち肉声で生成されている。本実施の
形態においては、同一文章であっても抑揚が異なるもの
は、異なる文章パターンと取り扱うが、音声パターンも
同様に抑揚の異なる音声パターンは、異なる音声データ
として取り扱う。従って、図４に示したように同一文章
であっても異なる抑揚の文章は、それぞれ別個の音声パ
ターンファイルで管理されている。なお、文章データベ
ース２に登録されている音声パターンファイル名は、登
録している文章パターンと音声データベース３に登録さ
れている音声パターンとを対応付けるためのポインタ情
報として用いられる。従って、文章データベース２に
は、音声パターンファイル名でなくそのファイルが格納
されているアドレス情報などでもかまわない。

【００２２】次に、本実施の形態における動作について
図５に示したフローチャートを用いて説明する。

【００２３】文章データ入力部５は、文章データを受け
付けると（ステップ１０１）、その文章データを文章パ
ターン照合部６に送る。なお、入力される文章データに
は、音声出力の対象となる文章に、その文章に抑揚を与
えるための抑揚情報が付加されている。なお、抑揚情報
が付加されていない文章データであっても本実施の形態
で取り扱うことができる。図６に音声変換手段により行
われる文章データのパターンマッチング方式を説明する
ための概念図を示したが、この図６では、「どうしてそ
のようになるのですか＜」という文章データが入力され
た例を示した。

【００２４】文章パターン照合部６は、文章データと同
一の文章パターンが文章データベース２に登録されてい
るかどうか検索を行う（ステップ１０２）。すなわち、
文章データ「どうしてそのようになるのですか＜」と図
３に示した各文章パターンとを照合する。図３に示した
例によると、同一文章でありかつ同じ抑揚記号が付加さ
れた文章パターンが存在するので（ステップ１０３）、
音声合成部７は、その文章パターンに対応した音声パタ
ーンファイル名“dousiteso0004”により音声データベ
ース３から音声パターンを取得することによってテキス
ト形式で表現された文章データを音声パターンに変換す
る（ステップ１０４）。そして、音声出力部８は、その
音声パターンを音声出力する（ステップ１０５）。

【００２５】以上のように、本実施の形態によれば、文
章に抑揚情報を付加して取り扱うことができるようにし
たので、同一文章であっても異なるニュアンス、感情表
現を含んだ音声出力をすることができる。従って、同じ
文言（文字列）であっても言い方によっては相反する意
味となるような文章、また、イントネーションにより肯
定文になったり疑問文になったりするような文章でも正
しくそのニュアンスをそれも合成音声ではない音声によ
って相手に伝えることができる。また、同音異義語が含
まれている文章であっても予め決められた抑揚記号を文
章に付加することによって正しいイントネーションで音
声出力することができる。特に、本実施の形態における
音声データベース３に格納された音声データは、人間の
肉声によって生成されているので、正しい発音で正確に
音声出力されることになる。

【００２６】また、本実施の形態では、入力されるデー
タとして実際の音声を必要とせずに、音声変換したい文
章並びに伝えたいニュアンス、感情等を表す抑揚情報を
共に文字列によって指定することができるので、例えば
言葉の不自由な人であっても相手に感情表現等を伝える
ことができる。

【００２７】次に、図７に示したように「この現象はど
うしてそのようになるのですか＜」という文章データが
入力された例を用いて本実施の形態の動作について説明
する。

【００２８】図５におけるステップ１０２において、文
章パターン照合部６は、その検索対象となる文章データ
と同一の文章パターンが文章データベース２に登録され
ているかどうか検索を行うが（ステップ１０２）、図３
に示した例によると、同一文章でありかつ同じ抑揚記号
が付加された文章パターンが存在しないことがわかる
（ステップ１０３）。このとき、本実施の形態では、文
章データに含まれる文章データのうち所定の文字を削除
して検索対象となる新たな文章データを生成する（ステ
ップ１０６）。所定の文字というのは、文章データの最
後尾に付加された抑揚記号が抑揚情報データベース４に
登録されていればその抑揚記号をいい、それ以外であれ
ば文章の最後尾の一文字をいう。従って、図７に示した
ように文章データの最後尾の抑揚記号は、抑揚情報デー
タベース４に存在するので「＜」を削除し、「この現象
はどうしてそのようになるのですか」という文章データ
を生成する。なお、この処理から明らかなように、文章
の最後に付加しうる記号「？！．」など一文字のみを抑
揚記号として使用することは望ましくない。その記号が
文章あるいは抑揚記号なのかの判断が付かなくなるから
である。

【００２９】そして、文章パターン照合部６は、改めて
この文章データと同一の文章パターンが文章データベー
ス２に登録されているかどうか検索を行う（ステップ１
０７）。この処理（ステップ１０６〜１０８）を文章デ
ータと同一の文章パターンが見つかるまで最終的には最
後の一文字まで繰り返し行う。図３には例示していない
が、図７の例によると、「この」という文章データと同
一の文章パターンが文章データベース２に登録されてい
ることになるので（ステップ１０８）、音声合成部７
は、「この」という文章パターンに対応する音声パター
ンを音声データベース３から抽出する（ステップ１０
９）。

【００３０】ここで、上記の文章パターンの照合処理の
途中で削除した文字列、図７の例では「現象はどうして
そのようになるのですか＜」という文字列で検索対象と
なる新たな文章データを生成し（ステップ１１１）、改
めてこの文章データと同一の文章パターンが文章データ
ベース２に登録されているかどうか検索を行う（ステッ
プ１０７）。この処理（ステップ１０６〜１０８）を文
章データと同一の文章パターンが見つかるまで最終的に
は最後の一文字まで繰り返し行う。図３には例示してい
ないが、図７の例によると、「現象は」という文章デー
タと同一の文章パターンが文章データベース２に登録さ
れていることになるので（ステップ１０８）、音声合成
部７は、「現象は」という文章パターンに対応する音声
パターンを音声データベース３から抽出する（ステップ
１０９）。

【００３１】次に、上記の文章パターンの照合処理の途
中で削除した文字列、図７の例では「どうしてそのよう
になるのですか＜」という文字列で検索対象となる新た
な文章データを生成し（ステップ１１１）、改めてこの
文章データと同一の文章パターンが文章データベース２
に登録されているかどうか検索を行う（ステップ１０
７）。この例では、「どうしてそのようになるのですか
＜」という文章パターンが文章データベース２に登録さ
れているので（ステップ１０８）、音声合成部７は、
「どうしてそのようになるのですか＜」という文章パタ
ーンに対応する音声パターンを音声データベース３から
抽出する（ステップ１０９）。

【００３２】これで、入力された文章全てに対して音声
パターンを抽出できたことになるので（ステップ１１
０）、以上の処理で抽出した音声パターンを合成するこ
とによって音声出力すべき音声パターンを生成する（ス
テップ１１２）。そして、音声出力部８は、その音声パ
ターンを音声出力する（ステップ１０５）。

【００３３】以上のように、本実施の形態では、文章デ
ータと文章パターンとの照合を繰り返し行うことによっ
て音声パターンを生成するようにしている。音声パター
ンを必ず得ることができるようにするために、実際には
単語や熟語も文章データベース２に登録する必要がある
かもしれないが、本実施の形態では、文章データベース
２を単語や熟語ではなく基本的に文章で構築するように
し、文章パターンの検索も文章を単語や熟語で分割せず
に文章の最後尾から一文字ずつ削除することによってな
るべく文章に近い形で照合できるようにしている。この
ように、なるべく文章に基づく照合処理を行うようにし
たので、単語や熟語に基づく音声パターンによる音声合
成をする機会を少なくすることができ、文章そのものに
近い音声パターンを得ることができる。

【００３４】本実施の形態は、以上のように抑揚情報を
用いることで音声出力をする際、なるべく人間の発声に
近いような音声でかつ抑揚を持たせるようにした。本実
施の形態では、抑揚情報管理部１１を設け、抑揚情報デ
ータベース４に対して抑揚記号の登録、更新等をできる
ようにしたので、様々な感情表現等に容易に対応するこ
とができる。

【００３５】また、本実施の形態における文章データ音
声変換システム１は、文字出力用データ生成部９を設け
たことにより、入力された文章データをプリンタやディ
スプレイに表示することもできる。これは、文章データ
に付加された抑揚記号を削除するだけで可能となる。こ
れにより、例えば、本実施の形態を電子メールに利用す
る場合、メールの着信側で受信したメールを音声出力す
るときには、抑揚記号を参照することによって抑揚のあ
る音声で出力することができる。また、受信したメール
を印刷するときには、抑揚記号を削除することによって
文章のみを印刷することができる。

【００３６】また、電子出版のようなマルチメディアに
おいては、音声出力とともに画面上の人物を動かすこと
も可能であるが、例えば、強い感情表現を表現したい場
合、本実施の形態を利用すると、音声は、上記のように
して強い感情表現で出力することができることは言うま
でもないが、画面上においても抑揚記号を参照すること
によって人物の表情、例えば画面上の人物の眉毛をつり
上げるなど表情を変えることも可能となる。本実施の形
態によれば、このように多用なマルチメディア表現も可
能となる。

【００３７】なお、本実施の形態では、文章データ音声
変換システム１を単体で図１に示したが、ネットワーク
経由で入力、出力することも可能であり、様々なシステ
ム形態で文章データ音声変換システム１を利用すること
ができる。

【００３８】

【発明の効果】本発明によれば、文章に抑揚情報を付加
して取り扱うことができるようにしたので、同一文章で
あっても異なるニュアンス、感情表現を含んだ音声出力
をすることができる。従って、同じ文言であっても言い
方によっては相反する意味となるような文章、また、イ
ントネーションにより肯定文になったり疑問文になった
りするような文章でも、正しくそのニュアンスをそれも
合成音声ではない音声によって相手に伝えることができ
る。

【００３９】また、文章に抑揚情報を付加するようにし
たので、マルチメディア対応の電子出版などにも利用す
ることができる。

【００４０】また、入力されるデータとして実際の音声
を必要とせずに、音声変換したい文章並びに伝えたいニ
ュアンス、感情等を表す抑揚情報を共に文字列によって
指定することができるので、例えば言葉の不自由な人で
あっても相手に感情表現等を伝えることができる。

【００４１】また、文章データベースを基本的に文章で
構築するようにし、仮に文章データベースに入力された
文章データと同一の文章パターンが存在しない場合でも
なるべく文章に近い形で照合できるようにしたので、単
語や熟語に基づく音声パターンによる音声合成を少なく
することができ、文章そのものに近い音声パターンを得
ることができる。

【００４２】また、抑揚情報管理手段を設け、抑揚情報
データベースに対して抑揚記号の登録、更新等をできる
ようにしたので、様々な感情表現等に容易に対応するこ
とができる。

【００４３】また、文字出力用データ生成部を設けたこ
とにより、文章データに抑揚情報が付加されている場合
でも、その抑揚情報を表示させることなく文章のみを出
力することができる。これにより、例えば、本発明を電
子メールに利用する場合、メールの着信側で受信したメ
ールを音声出力するときには、抑揚記号を参照すること
によって抑揚のある音声で出力することができる。その
一方、受信したメールを文字出力するときには、抑揚記
号を削除することによって文章のみを出力することがで
きる。

【００４４】また、音声データベースに人間の肉声によ
って生成された音声パターンを登録するようにしたの
で、正しい発音で正確に音声出力されることになる。

【図面の簡単な説明】

【図１】 本発明に係る文章データ音声変換システムの
一実施の形態を示したブロック構成図である。

【図２】 本実施の形態における抑揚情報データベース
の設定内容例を示した図である。

【図３】 本実施の形態における文章データベースの設
定内容例を示した図である。

【図４】 本実施の形態における音声データベースの設
定内容例を示した概念図である。

【図５】 本実施の形態における動作を示したフローチ
ャートである。

【図６】 本実施の形態において音声変換手段により行
われる文章データのパターンマッチング方式を説明する
ための概念図である。

【図７】 本実施の形態において音声変換手段により行
われる文章データのパターンマッチング方式を説明する
ための概念図である。

【符号の説明】

１ 文章データ音声変換システム、２ 文章データベー
ス、３ 音声データベース、４ 抑揚情報データベー
ス、５ 文章データ入力部、６ 文章パターン照合部、
７ 音声合成部、８ 音声出力部、９ 文字出力用デー
タ生成部、１０出力部、１１ 抑揚情報管理部。

Claims (5)

(57)【特許請求の範囲】
1. 【請求項１】 文章を音声パターンに変換して音声出力
   する文章データ音声変換システムにおいて、 同一文章に対して抑揚の異なる音声パターンを少なくと
   も一つ登録する音声データベースと、 文章を音声出力する際の抑揚を表す抑揚情報を文章に付
   加して構成される文章パターンを登録する文章データベ
   ースと、 入力された文章データを解析し音声出力すべき音声パタ
   ーンを決定する音声変換手段と、 を有し、 前記音声変換手段は、前記文章データベースを検索する
   ことによって、入力された文章データに含まれる文章と
   抑揚情報との組合せと同一の文章パターンを特定し、そ
   の文章パターンに対応する音声パターンを前記音声デー
   タベースから抽出して出力することを特徴とする文章デ
   ータ音声変換システム。
2. 【請求項２】 前記音声変換手段は、 入力された文章データと同一の文章パターンが前記文章
   データベースに登録されていない場合、入力された文章
   を構成する文字列の一部を削除しながら前記文章データ
   ベースに含まれる文章パターンとの照合を行う文章パタ
   ーン照合部と、 前記文章パターン照合部の照合結果に基づいて得られた
   音声パターンを合成することによって出力すべき音声パ
   ターンを生成する音声合成部と、 を有することを特徴とする請求項１記載の文章データ音
   声変換システム。
3. 【請求項３】 抑揚情報を登録する抑揚情報データベー
   スと、 前記抑揚情報データベース内の抑揚情報の管理を行う抑
   揚情報管理手段と、 を有することを特徴とする請求項１記載の文章データ音
   声変換システム。
4. 【請求項４】 入力された文章データに含まれている抑
   揚情報を削除して文字出力用データを生成する文字出力
   用データ生成手段を有することを特徴とする請求項１記
   載の文章データ音声変換システム。
5. 【請求項５】 前記音声データベースは、人間が発した
   音声を音声パターンとして登録することを特徴とする請
   求項１記載の文章データ音声変換システム。