JP3394281B2 - 音声合成方式および規則合成装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声合成方式と規則合成
装置、特に文字で与えられる文章を音声に変換する規則
合成に適用する音声合成方式および規則合成装置に関す
る。

【０００２】

【従来の技術】音声を直接人間の発声そのままによらな
いで、人工的に作り出すことを音声合成（ｓｐｅｅｃｈ
ｓｙｎｔｈｅｓｉｓ）という。音声合成方式として
は、録音編集方式、パラメータ編集方式、規則合成方式
の３種類に分類できる。このなかで、録音編集方式やパ
ラメータ編集方式は、予め記憶しておいた人の声をその
まま接続して出力する方式であるので、自然に近い音声
を合成することができるという利点があるが、出力可能
な語彙や文構造が限られてしまうという問題がある。こ
の点、規則合成方式は、文字列あるいは音素記号列から
音声学的ないし言語学的規則に基づいて音声を作り出す
方式であり、録音編集方式やパラメータ編集方式と異な
り、少ない記憶容量で任意の語彙の音声合成が可能とな
る。

【０００３】ここで示す規則合成方式とは、蓄えておく
単位として音節、音素、１ピッチ区間の波形などのよう
な、基本的な小さな単位の特徴パラメータを用い、その
かわりそれらを接続する規則や、ピッチ・振幅などの韻
律情報を制御する規則を精密に定めることにより、いか
なる言葉でも、音素、音節記号あるいは文字の系列から
合成できるようにしようとするものである。このとき、
音声が自然で聞きやすいものであるためには、ピッチや
ストレスの変化及び、スペクトルの時間的変化が滑らか
で、しかもポーズなどが自然でなければならない。した
がって、この規則合成方式の場合は、合成に用いる基本
単位の品質とともに、自然音声の音声学的ないし言語学
的特性に基づく、音響パラメータの制御規則（制御情報
と制御機構）が重要な役割を果たす。

【０００４】ところで、このような規則合成に適用でき
る、任意のピッチ周期・パワー・継続時間長の合成音声
を得る音声合成方式としては、従来からボコーダ方式が
知られていた。ボコーダ方式は、例えば、“ディジタル
音声処理”古井貞煕 東海大学出版に示されているよう
に、音声信号の分析結果により音声を音源情報と声道情
報に分離してモデル化することで合成音声を得る方式で
あり、所望のピッチ周期の合成音声を比較的容易に得る
ことができる。

【０００５】図８は、線形予測分析を用いた音声分析合
成を行う従来のボコーダ方式による音声分析合成系の一
構成例を示す構成図である。図において、従来のボコー
ダ方式による音声分析合成系は、有声音源生成手段１０
と、無声音源生成手段１１と、声道フィルタ手段１２と
を有し、音声信号の分析結果により入力音声を分離・モ
デル化した音源情報であるフレーム平均ピッチ１００
と、フレーム平均パワー１０１と、有声無声情報１０２
と、同じく入力音声を分離・モデル化して得られた声道
情報である声道特性１０３とを入力し、有声音源１０４
と無声音源１０５とを中間出力するとともに、最終的に
は合成音声１０６を出力する。

【０００６】上記の通り構成される従来のボコーダ方式
による音声分析合成系の動作について説明する。有声音
源生成手段１０は、有声無声情報１０２により判別され
る有声区間において、フレーム平均パワー１０１とフレ
ーム平均ピッチ１００により、一定のフレーム平均ピッ
チ間隔のインパルス列で表現される有声音源１０４を生
成する。また、無声音源生成手段１１は、有声無声情報
１０２により判別される無声区間において、フレーム平
均パワー１０１により、白色雑音で表現される無声音源
１０５を生成する。声道フィルタ手段１２は、上記有声
音源１０４または無声音源１０５で声道特性１０３を近
似する声道フィルタを駆動し、合成音声１０６を出力す
る。

【０００７】

【発明が解決しようとする課題】上記のような従来のボ
コーダ方式は、音源にインパルス列を用いているために
有声音のピッチ間隔毎の時間的な微細な特徴が失われる
という問題点や、声道特性の推定が不十分である際にス
ペクトルの微細な特徴が失われてしまうことにより合成
音声の品質が劣化するという問題点があった。この問題
を解決するために音声の微細な特徴を残すことができよ
るうに改良した方法として、音声を逆フィルタにより分
析して得られる残差波形を音源に用いる方式や、残差波
形を近似した音源を用いるマルチパルス方式などが提案
されている。

【０００８】しかし、これらの改良されたボコーダ方式
より十分に高品質な合成音を得ることができるようには
なったが、反面記憶すべきデータ量が膨大になる問題
や、さらには、音声の微細な時間特徴はパワーやピッチ
に依存する傾向にあって、これらの方式では規則合成の
適用に際して、パワーやピッチを変化させた時に元の音
声の微細な時間特徴がそのまま合成音声に保存されてし
まうという問題点が指摘されている。

【０００９】一方、フィルタを利用しない方式として、
音声波形の直接表現によってピッチ周期の制御を可能と
する波形重畳法が提案され、高品質な合成音を実現する
ことができるようになった。しかし、この方式も規則合
成への適用に関しては、上記の残差波形を音源に用いる
方式と同じ問題点がある。

【００１０】また、予め記憶した自然音声あるいは自然
音源のゆらぎ成分を合成音声または合成音源に重畳する
方式や、あるいは乱数により生成したゆらぎ成分を合成
音源に重畳する方式が提案されているが、これらいずれ
の方式も前記方式と同様に、ゆらぎ成分がパワーまたは
ピッチに依存する傾向にあることが考慮されておらず、
所望のパワーまたはピッチに対して適切なゆらぎ成分を
生成しないという問題点があった。

【００１１】本発明は上記のような問題点、すなわち上
記の音声の微細な特徴を直接保存しようとする方式にお
いて記憶すべきデータ量が膨大になるという問題や、微
細な時間特徴はパワーやピッチを変化させた時には元と
同一の特徴を示すわけではないという問題などを解消す
るためになされたもので、規則合成への適用を可能とす
る高品質化された音声合成方式を提供することを目的と
している。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に、本発明の第１の発明に係る音声合成方式は、音声の
分析により得られる声道特性、フレーム平均パワー、フ
レーム平均ピッチ、有声無声情報を入力とし、白色雑音
で表現される無声音源を生成する無声音源生成手段と、
インパルスあるいはフレームを代表する１ピッチ長残差
波形のフレーム平均ピッチ毎の繰り返しからなる有声音
源を生成する有声音源生成手段を有する音声合成方式で
あって、フレーム平均パワーあるいはフレーム平均ピッ
チを入力し、パワーまたはピッチにより規定されるゆら
ぎ成分を生成するゆらぎ成分生成手段と、ゆらぎ生成手
段より得られるゆらぎ成分を、フレーム平均ピッチ区間
毎に１ピッチ分の有声音源波形に重畳するゆらぎ成分重
畳手段と、ゆらぎ成分重畳手段で得られたゆらぎ成分重
畳音源波形を入力とし、声道特性を近似するフィルタに
より合成音声を得る声道フィルタ手段と、を備えたこと
を特徴とする。

【００１３】また、第２の発明に係る規則合成装置は、
文字列あるいは音素記号列を入力し、あらかじめ記憶さ
れた辞書情報や音声素片情報などに基づき、音声学的な
いし言語学的規則にしたがって合成音声を出力する規則
合成装置であって、文章に応じ規則に基づいて生成され
るパワーまたはピッチにより規定されるゆらぎ成分を生
成するゆらぎ成分生成手段と、ゆらぎ生成手段より得ら
れるゆらぎ成分を、ピッチ区間毎に１ピッチ分の有声音
源波形に重畳するゆらぎ成分重畳手段と、ゆらぎ成分重
畳手段で得られたゆらぎ成分重畳音源波形を入力とし、
規則により生成される声道特性を近似するフィルタで合
成音声を得る声道フィルタ手段と、を備えたことを特徴
とする。

【００１４】また、第３の発明に係る音声合成方式は、
有声無声情報により判別される有声音区間についてフレ
ーム平均パワーまたはフレーム平均ピッチを入力し、パ
ワーまたはピッチにより規定されるゆらぎ成分を生成す
るゆらぎ成分生成手段と、ゆらぎ生成手段より得られる
ゆらぎ成分を、各フレームの声道特性に対しフレーム平
均ピッチに同期して重畳するゆらぎ成分重畳手段と、ピ
ッチ区間毎に、有声音源波形を入力とし、ゆらぎ成分重
畳手段で得られたゆらぎ成分重畳声道特性を近似するフ
ィルタにより合成音声を得る声道フィルタ手段と、を備
えたことを特徴とする。

【００１５】また、第４の発明に係る規則合成装置は、
文章に応じ規則に基づいて生成されるパワーまたはピッ
チにより規定されるゆらぎ成分を生成するゆらぎ成分生
成手段と、ゆらぎ生成手段より得られるゆらぎ成分を、
規則により生成される有声区間の各フレームの声道特性
に対しフレーム平均ピッチに同期して重畳するゆらぎ成
分重畳手段と、ピッチ区間毎に、有声音源波形を入力と
し、上記ゆらぎ成分重畳手段で得られたゆらぎ成分重畳
声道特性を近似するフィルタにより合成音声を得る声道
フィルタ手段と、を備えたことを特徴とする。

【００１６】また、第５の発明に係る音声合成方式は、
フレーム平均パワーまたはフレーム平均ピッチを入力
し、パワーまたはピッチにより規定されるゆらぎ成分を
生成するゆらぎ成分生成手段と、ゆらぎ生成手段より得
られるゆらぎ成分を、フレーム平均ピッチ区間毎に１ピ
ッチ長音声波形に重畳するゆらぎ成分重畳手段と、ゆら
ぎ成分重畳手段で得られた１ピッチ長のゆらぎ成分重畳
音声波形をフレーム平均ピッチ間隔で重畳することによ
り合成音声を得る波形重畳手段と、を備えたことを特徴
とする。

【００１７】さらに、第６の発明に係る規則合成装置
は、文章に応じ規則に基づいて生成されるパワーまたは
ピッチにより規定されるゆらぎ成分を生成するゆらぎ成
分生成手段と、ゆらぎ生成手段より得られるゆらぎ成分
を、ピッチ区間毎に、規則により生成される１ピッチ長
音声波形に重畳するゆらぎ成分重畳手段と、ゆらぎ成分
重畳手段で得られた１ピッチ長のゆらぎ成分重畳音声波
形をピッチ間隔で重畳することにより合成音声を得る波
形重畳手段と、を備えたことを特徴とする。

【００１８】

【作用】従って、本発明の第１の発明に係る音声合成方
式によれば、ゆらぎ成分生成手段が入力される音声のパ
ワーまたはピッチにより規定されるゆらぎ成分である信
号波形を生成し、ゆらぎ成分重畳手段によりそのゆらぎ
成分をフレーム平均ピッチ区間毎に１ピッチ分の有声音
源波形に重畳し、そのゆらぎ成分重畳音源波形を入力し
て声道フィルタ手段が声道特性を近似するフィルタによ
り合成音声を得るようにしているので、自然性の高い合
成音声が再生される。

【００１９】また、第２の発明に係る規則合成装置によ
れば、ゆらぎ成分生成手段によりパワーまたはピッチに
より規定されるゆらぎ成分を生成し、ゆらぎ成分重畳手
段によりゆらぎ成分をピッチ区間毎に１ピッチ分の有声
音源波形に重畳して、そのゆらぎ成分重畳音源波形を入
力する声道フィルタ手段が規則により生成される声道特
性を近似するフィルタで合成音声を発声させるようにし
ているので、高品質の規則合成音が得られる。

【００２０】また、第３の発明に係る音声合成方式によ
れば、ゆらぎ成分生成手段が入力される音声のパワーま
たはピッチにより規定されるゆらぎ成分を生成し、ゆら
ぎ成分重畳手段によりそのゆらぎ成分を各フレームの声
道特性に対しフレーム平均ピッチに同期して重畳して、
ピッチ区間毎に有声音源波形を入力する声道フィルタ手
段がそのゆらぎ成分重畳声道特性を近似するフィルタに
より合成音声を得るようにしているので、自然性の高い
合成音声が再生される。

【００２１】また、第４の発明に係る規則合成装置によ
れば、ゆらぎ成分生成手段によりパワーまたはピッチに
より規定されるゆらぎ成分を生成し、ゆらぎ成分重畳手
段によりゆらぎ成分を規則により生成される有声区間の
各フレームの声道特性に対しフレーム平均ピッチに同期
して重畳して、ピッチ区間毎に有声音源波形を入力する
声道フィルタ手段がそのゆらぎ成分重畳声道特性を近似
するフィルタにより合成音声を発声させるようにしてい
るので、高品質の規則合成音が得られる。

【００２２】また、第５の発明に係る音声合成方式によ
れば、ゆらぎ成分生成手段が入力される音声のパワーま
たはピッチにより規定されるゆらぎ成分を生成し、ゆら
ぎ成分重畳手段によりそのゆらぎ成分をフレーム平均ピ
ッチ区間毎に１ピッチ長音声波形に重畳して、その１ピ
ッチ長のゆらぎ成分重畳音声波形を波形重畳手段がフレ
ーム平均ピッチ間隔で重畳することにより合成音声を得
るようにしているので、自然性の高い合成音声が再生さ
れる。

【００２３】さらに、第６の発明に係る規則合成装置に
よれば、ゆらぎ成分生成手段によりパワーまたはピッチ
により規定されるゆらぎ成分を生成し、ゆらぎ成分重畳
手段によりゆらぎ成分をピッチ区間毎に規則により生成
される１ピッチ長音声波形に重畳して、その１ピッチ長
のゆらぎ成分重畳音声波形を波形重畳手段がピッチ間隔
で重畳することにより合成音声を発声させるようにして
いるので、高品質の規則合成音が得られる。

【００２４】

【実施例】以下、本発明の好適な実施例を図に基づいて
説明する。図１〜図６は本実施例に係る音声合成方式に
よる音声分析合成系、あるいは本実施例に係る規則合成
装置の構成例を示す構成図である。なお、図において、
従来の音声合成方式による音声分析合成系と同一あるい
は相当部分には、同一符号を付して説明を省略する。

【００２５】実施例１．図１は本実施例に係る音声合成
方式による第１の音声分析合成系の構成例を示す構成図
である。図において、本実施例の第１の音声分析合成系
は、有声音源生成手段１０、無声音源生成手段１１、声
道フィルタ手段１２に加えて、ゆらぎ成分生成手段１３
と、ゆらぎ成分重畳手段１４とを有している。また、音
声信号の分析結果により入力音声を分離・モデル化した
音源情報であるフレーム平均ピッチ１００、フレーム平
均パワー１０１、有声無声情報１０２と、同じく入力音
声を分離・モデル化して得られた声道情報である声道特
性１０３に加えて、１ピッチ長残差波形１０７を入力
し、有声音源１０４、無声音源１０５に加えて、ゆらぎ
成分２００と、ゆらぎ成分重畳有声音源２０１を中間出
力するとともに、最終的には合成音声２０６を出力す
る。

【００２６】次に、上記の通り構成される本実施例の第
１の音声分析合成系の動作について説明する。ゆらぎ成
分生成手段１３は、フレーム平均パワー１０１を入力し
て、例えば、図７に示す様なパワーにより規定されるゆ
らぎ成分２００を出力する。なお、図７はフレーム平均
パワーとゆらぎ成分との関係を示すグラフである。

【００２７】無声音源生成手段１１は、有声無声情報１
０２により無声と判別されるときに白色雑音からなる無
声音源１０５を生成する。有声音源生成手段１０は、有
声無声情報１０２により有声と判別されるときに１ピッ
チ長残差波形１０７をフレーム平均ピッチ１００間隔で
繰り返した有声音源１０４を生成する。ゆらぎ成分重畳
手段１４は、１ピッチ分の有声音源波形１０４にゆらぎ
成分２００である信号波形を重畳、すなわち加算し、ゆ
らぎ成分重畳有声音源２０１を出力する。声道フィルタ
手段１２は、ゆらぎ成分重畳有声音源２０１または無声
音源１０５を入力し、ＬＳＰフィルタなどの声道特性１
０３を近似するフィルタにより合成音声２０６を得る。

【００２８】実施例２．図２は、本実施例に係る第１の
規則合成装置の構成例を示す構成図である。図におい
て、本実施例の第１の規則合成装置２０は、文章解析手
段２１と、合成規則手段２２と、音声合成手段２３とか
ら構成され、音声合成手段２３は有声音源生成手段１０
と、無声音源生成手段１１と、声道フィルタ手段１２
と、ゆらぎ成分生成手段１３と、ゆらぎ成分重畳手段１
４とから構成されている。そして、第１の規則合成装置
２０は、文字列あるいは音素記号列からなる入力文章２
０２を入力し、辞書情報２０３と、音声素片情報２０４
とを用いて規則合成を行う。

【００２９】次に、上記の通り構成される本実施例の第
１の規則合成装置の動作について説明する。入力文章２
０２を入力し、合成音声２０６を出力する規則合成装置
２０において、文章解析手段２１は、文字で与えられた
入力文章２０２を、あらかじめ記憶された辞書情報２０
３を参照して解析し、単語の読み・アクセントなどの文
章解析結果２０５を出力する。合成規則手段２２は、上
記文章解析手段２１からの文章解析結果２０５を入力し
て、あらかじめ記憶された音声素片情報２０４を参照
し、規則によって音声合成に用いる１ピッチ長残差波形
１０７・声道特性１０３・フレーム平均パワー１０１・
フレーム平均ピッチ１００・有声無声情報１０２を決定
し出力する。

【００３０】音声合成手段２３においては、上記１ピッ
チ長残差波形１０７・声道特性１０３・フレーム平均パ
ワー１０１・フレーム平均ピッチ１００・有声無声情報
１０２を入力し、音声合成手段２３の無声音源生成手段
１１は、有声無声情報１０２により無声と判別されると
きに白色雑音からなる無声音源１０５を生成する。ま
た、有声音源生成手段１０は、有声無声情報１０２によ
り有声と判別されるときに１ピッチ長残差波形１０７を
フレーム平均ピッチ１００間隔で繰り返した有声音源１
０４を生成する。ゆらぎ成分生成手段１３は、フレーム
平均パワー１０１を入力して、例えば、図７に示す様な
パワーにより規定されるゆらぎ成分２００を出力する。
ゆらぎ成分重畳手段１４は、上記ゆらぎ成分２００をフ
レーム平均ピッチ１００区間毎に１ピッチ分の有声音源
１０４に重畳し、ゆらぎ成分重畳有声音源２０１を出力
する。声道フィルタ手段１２は、上記ゆらぎ成分重畳有
声音源２０１または無声音源１０５を入力し、ＬＳＰフ
ィルタなど声道特性１０３を近似するフィルタにより合
成音声２０６を得る。

【００３１】実施例３．図３は、本実施例に係る音声合
成方式による第２の音声分析合成系の構成例を示す構成
図である。図において、本実施例の第２の音声分析合成
系は、有声音源生成手段１０、無声音源生成手段１１、
声道フィルタ手段１２、ゆらぎ成分生成手段１３、ゆら
ぎ成分重畳手段１４を有している。また、フレーム平均
ピッチ１００、フレーム平均パワー１０１、有声無声情
報１０２、声道特性１０３、１ピッチ長残差波形１０７
を入力し、有声音源１０４、無声音源１０５、ゆらぎ成
分２００、ゆらぎ成分重畳声道特性２０７を中間出力す
るとともに、最終的には合成音声２０６を出力する。こ
のような構成は図１に示す本実施例の第１の音声分析合
成系の構成と同様であるが、第２の音声分析合成系のゆ
らぎ成分重畳手段１４は、ゆらぎ成分２００をフレーム
平均ピッチ１００に同期させて重畳してゆらぎ成分重畳
声道特性２０７を出力し、これを声道フィルタ手段１２
に入力することにより合成音声２０６を生成するところ
に特徴を有している。

【００３２】次に、上記の通り構成される本実施例の第
２の音声分析合成系の動作について説明する。ゆらぎ成
分生成手段１３は、フレーム平均パワー１０１を入力し
て、例えば、図７に示す様なパワーにより規定されるゆ
らぎ成分２００を出力する。無声音源生成手段１１は、
有声無声情報１０２により無声と判別されるときに白色
雑音からなる無声音源１０５を生成する。有声音源生成
手段１０は、有声無声情報１０２により有声と判別され
るときに１ピッチ長残差波形１０７をフレーム平均ピッ
チ１００間隔で繰り返した有声音源１０４を生成する。
さらに有声時において、ゆらぎ成分重畳手段１４は、声
道特性１０３のインパルス応答にゆらぎ成分２００をフ
レーム平均ピッチ１００に同期して重畳し、ゆらぎ成分
重畳声道特性２０７を出力する。声道フィルタ手段１２
は有声音源１０４または無声音源１０５を入力し、ゆら
ぎ成分重畳声道特性２０７を近似するフィルタにより合
成音声２０６を得る。

【００３３】実施例４．図４は、本実施例に係る第２の
規則合成装置の構成例を示す構成図である。図におい
て、本実施例の第２の規則合成装置２０は、文章解析手
段２１と、合成規則手段２２と、音声合成手段２３とか
ら構成され、音声合成手段２３は有声音源生成手段１０
と、無声音源生成手段１１と、声道フィルタ手段１２
と、ゆらぎ成分生成手段１３と、ゆらぎ成分重畳手段１
４とから構成されている。そして、第２の規則合成装置
２０は、入力文章２０２を入力し、辞書情報２０３と、
音声素片情報２０４とを用いて規則合成を行う。

【００３４】次に、上記の通り構成される本実施例の第
２の規則合成装置の動作について説明する。入力文章２
０２を入力し、合成音声１０６を出力する規則合成装置
１７において、文章解析手段２１は、文字で与えられた
入力文章２０２を、あらかじめ記憶された辞書情報２０
３を参照して解析し、単語の読み・アクセント等の文章
解析結果２０５を出力する。合成規則手段２２は、上記
文章解析結果２０５を入力して、あらかじめ記憶された
音声素片情報２０４を参照し、規則によって音声合成に
用いる１ピッチ長残差波形１０７・声道特性１０３・フ
レーム平均パワー１０１・フレーム平均ピッチ１００・
有声無声情報１０２を決定し、音声合成手段２３に出力
する。

【００３５】音声合成手段２３においては、上記１ピッ
チ長残差波形１０７・声道特性１０３・フレーム平均パ
ワー１０１・フレーム平均ピッチ１００・有声無声情報
１０２を入力し、音声合成手段２３の無声音源生成手段
１１は、有声無声情報１０２により無声と判別されると
きに白色雑音からなる無声音源１０５を生成する。ま
た、有声音源生成手段１０は、有声無声情報１０２によ
り有声と判別されるときに１ピッチ長残差波形１０７を
フレーム平均ピッチ１００間隔で繰り返した有声音源１
０４を生成する。ゆらぎ成分生成手段１３は、フレーム
平均パワー１０１を入力して、例えば、図７に示す様な
パワーにより規定されるゆらぎ成分２００を出力し、ゆ
らぎ成分重畳手段１４は、上記ゆらぎ成分２００をフレ
ーム平均ピッチ１００に同期して声道特性１０３のイン
パルス応答に重畳し、ゆらぎ成分重畳声道特性２０７を
出力する。声道フィルタ手段１２は有声音源１０４また
は無声音源１０５を入力し、ゆらぎ成分重畳声道特性２
０７を近似するフィルタにより合成音声２０６を得る。

【００３６】実施例５．図５は、本実施例に係る音声合
成方式による第３の音声分析合成系の構成例を示す構成
図である。図において、本実施例の第３の音声分析合成
系は、ゆらぎ成分生成手段１３、ゆらぎ成分重畳手段１
４、波形重畳手段１５を有している。また、フレーム平
均ピッチ１００、フレーム平均パワー１０１、１ピッチ
長音声波形２０８を入力し、ゆらぎ成分２００、ゆらぎ
成分重畳音声波形２０９を中間出力するとともに、最終
的には合成音声２０６を出力する。

【００３７】次に、上記の通り構成される本実施例の第
３の音声分析合成系の動作について説明する。ゆらぎ成
分生成手段１３は、フレーム平均パワー１０１を入力し
て、例えば、図７に示す様なパワーにより規定されるゆ
らぎ成分２００を出力する。ゆらぎ成分重畳手段１４
は、有声無声情報により有声と判別されるときに、上記
ゆらぎ成分生成手段１３からのゆらぎ成分２００を１ピ
ッチ長音声波形２０８に重畳し、ゆらぎ成分重畳音声波
形２０９を出力する。波形重畳手段１５は、そのゆらぎ
成分重畳音声波形２０９を入力し、フレーム平均ピッチ
１００間隔で重畳することより合成音声２０６を得る。

【００３８】実施例６．図６は、本実施例に係る第３の
規則合成装置の構成例を示す構成図である。図におい
て、本実施例の第３の規則合成装置２０は、文章解析手
段２１と、合成規則手段２２と、音声合成手段２３とか
ら構成され、音声合成手段２３は、ゆらぎ成分生成手段
１３と、ゆらぎ成分重畳手段１４と、波形重畳手段１５
とから構成されている。そして、第３の規則合成装置２
０は、入力文章２０２を入力し、辞書情報２０３と、音
声素片情報２０４を用いて規則合成を行う。

【００３９】次に、上記の通り構成される本実施例の第
３の規則合成装置の動作について説明する。入力文章２
０２を入力し、合成音声２０６を出力する規則合成装置
２０において、文章解析手段２１は、文字で与えられた
入力文章２０２を、あらかじめ記憶された辞書情報２０
３を参照して解析し、単語の読み・アクセント等の文章
解析結果２０５を出力する。合成規則手段２２は、上記
文章解析手段２１からの文章解析結果２０５を入力し
て、あらかじめ記憶された音声素片情報２０４を参照
し、規則によって音声合成に用いる１ピッチ長音声波形
２０８・フレーム平均ピッチ１００・フレーム平均パワ
ー１０１を決定し、音声合成手段２３に出力する。

【００４０】音声合成手段２３においては、上記１ピッ
チ長音声波形２０８・フレーム平均ピッチ１００・フレ
ーム平均パワー１０１を入力し、音声合成手段２３のゆ
らぎ成分生成手段１３はフレーム平均パワー１０１を入
力して、例えば、図７に示す様なパワーにより規定され
るゆらぎ成分２００を出力する。またし、ゆらぎ成分重
畳手段１４は、上記ゆらぎ成分２００を１ピッチ長音声
波形２０８に重畳し、ゆらぎ成分重畳音声波形２０９を
出力する。波形重畳手段１５はゆらぎ成分重畳音声波形
２０９を入力し、フレーム平均ピッチ１００の間隔での
重畳を行い、合成音声２０６を得る。

【００４１】その他の実施例．なお、上記実施例１〜実
施例６のゆらぎ成分生成手段１３の説明においては、ゆ
らぎ成分生成手段１３はフレーム平均パワー１０１を入
力して、パワーにより規定されるゆらぎ成分２００を出
力するものとして説明したが、これに限られるものでは
なく、例えば、フレーム平均ピッチを入力してピッチに
より規定されるゆらぎ成分を出力するものとして構成す
ることもできる。

【００４２】また、上記実施例１〜実施例４の有声音源
生成手段１０の説明においては、有声音源生成手段１０
は、有声無声情報１０２により有声と判別されるときに
１ピッチ長残差波形１０７をフレーム平均ピッチ１００
間隔で繰り返した有声音源１０４を生成するものとして
説明したが、これに限られるものではなく、例えば、入
力されるパワーおよびピッチにより生成されるインパル
ス列を用いるものとして構成することもできる。

【００４３】

【発明の効果】以上説明したように、本発明の音声合成
方式によれば、入力される音声のパワーまたはピッチに
より規定されるゆらぎ成分を生成するようにし、そのゆ
らぎ成分を合成に用いるピッチ長の有声音源波形または
有声区間の声道特性にピッチ間隔毎に重畳し、あるい
は、ピッチ間隔毎に重畳した有声音声波形をピッチ間隔
毎に重畳するように構成したので、自然性の高い合成音
声を実現することができるという効果がある。

【００４４】また、本発明の規則合成装置によれば、規
則により生成されたパワーまたはピッチにより規定され
るゆらぎ成分を生成するようにし、そのゆらぎ成分を合
成に用いるピッチ長の有声音源波形または有声区間の声
道特性にピッチ間隔毎に重畳し、あるいは、ピッチ長の
有声音声波形にピッチ間隔毎に重畳して得られた波形を
ピッチ間隔毎に重畳するように構成したので、高品質の
規則合成音を得ることができるという効果がある。

【図面の簡単な説明】

【図１】本実施例に係る音声合成方式による第１の音声
分析合成系の構成例を示す構成図である。

【図２】本実施例に係る第１の規則合成装置の構成例を
示す構成図である。

【図３】本実施例に係る音声合成方式による第２の音声
分析合成系の構成例を示す構成図である。

【図４】本実施例に係る第２の規則合成装置の構成例を
示す構成図である。

【図５】本実施例に係る音声合成方式による第３の音声
分析合成系の構成例を示す構成図である。

【図６】本実施例に係る第３の規則合成装置の構成例を
示す構成図である。

【図７】フレーム平均パワーとゆらぎ成分生成手段によ
り生成されるゆらぎ成分との関係を示すグラフである。

【図８】従来の音声合成方式による音声分析合成系の構
成例を示す構成図である。

【符号の説明】

１０ 有声音源生成手段 １１ 無声音源生成手段 １２ 声道フィルタ手段 １３ ゆらぎ成分生成手段 １４ ゆらぎ成分重畳手段 １５ 波形重畳手段 ２０ 規則合成装置 ２１ 文章解析手段 ２２ 合成規則手段 ２３ 音声合成手段 １００ フレーム平均ピッチ １０１ フレーム平均パワー １０２ 有声無声情報 １０３ 声道特性 １０４ 有声音源 １０５ 無声音源 １０６、２０６ 合成音声 １０７ １ピッチ長残差波形 ２００ ゆらぎ成分 ２０１ ゆらぎ成分重畳有声音源 ２０２ 入力文章 ２０３ 辞書情報 ２０４ 音声素片情報 ２０５ 文章解析結果 ２０７ ゆらぎ成分重畳声道特性 ２０８ １ピッチ長音声波形 ２０９ ゆらぎ成分重畳音声波形

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】 音声の分析により得られる声道特性、フ
   レーム平均パワー、フレーム平均ピッチ、有声無声情報
   を入力とし、 白色雑音で表現される無声音源を生成する無声音源生成
   手段と、 インパルスあるいはフレームを代表する１ピッチ長残差
   波形のフレーム平均ピッチ毎の繰り返しからなる有声音
   源を生成する有声音源生成手段を有する音声合成方式に
   おいて、 フレーム平均パワーあるいはフレーム平均ピッチを入力
   し、パワーまたはピッチにより規定されるゆらぎ成分を
   生成するゆらぎ成分生成手段と、 ゆらぎ生成手段より得られるゆらぎ成分を、フレーム平
   均ピッチ区間毎に１ピッチ分の有声音源波形に重畳する
   ゆらぎ成分重畳手段と、 ゆらぎ成分重畳手段で得られたゆらぎ成分重畳音源波形
   を入力とし、声道特性を近似するフィルタにより合成音
   声を得る声道フィルタ手段と、を備えたことを特徴とす
   る音声合成方式。
2. 【請求項２】 文字列あるいは音素記号列を入力し、あ
   らかじめ記憶された辞書情報や音声素片情報などに基づ
   き、音声学的ないし言語学的規則にしたがって合成音声
   を出力する規則合成装置において、 文章に応じ規則に基づいて生成されるパワーまたはピッ
   チにより規定されるゆらぎ成分を生成するゆらぎ成分生
   成手段と、 ゆらぎ生成手段より得られるゆらぎ成分を、ピッチ区間
   毎に１ピッチ分の有声音源波形に重畳するゆらぎ成分重
   畳手段と、 ゆらぎ成分重畳手段で得られたゆらぎ成分重畳音源波形
   を入力とし、規則により生成される声道特性を近似する
   フィルタで合成音声を得る声道フィルタ手段と、を備え
   たことを特徴とする規則合成装置。
3. 【請求項３】 音声の分析により得られる声道特性、フ
   レーム平均パワー、フレーム平均ピッチ、有声無声情報
   を入力とし、 白色雑音で表現される無声音源を生成する無声音源生成
   手段と、 インパルスあるいはフレームを代表する１ピッチ長残差
   波形のフレーム平均ピッチ毎の繰り返しからなる有声音
   源を生成する有声音源生成手段を有する音声合成方式に
   おいて、 有声無声情報により判別される有声音区間についてフレ
   ーム平均パワーまたはフレーム平均ピッチを入力し、パ
   ワーまたはピッチにより規定されるゆらぎ成分を生成す
   るゆらぎ成分生成手段と、 ゆらぎ生成手段より得られるゆらぎ成分を、各フレーム
   の声道特性に対しフレーム平均ピッチに同期して重畳す
   るゆらぎ成分重畳手段と、 ピッチ区間毎に、有声音源波形を入力とし、ゆらぎ成分
   重畳手段で得られたゆらぎ成分重畳声道特性を近似する
   フィルタにより合成音声を得る声道フィルタ手段と、を
   備えたことを特徴とする音声合成方式。
4. 【請求項４】 文字列あるいは音素記号列を入力し、あ
   らかじめ記憶された辞書情報や音声素片情報などに基づ
   き、音声学的ないし言語学的規則にしたがって合成音声
   を出力する規則合成装置において、 文章に応じ規則に基づいて生成されるパワーまたはピッ
   チにより規定されるゆらぎ成分を生成するゆらぎ成分生
   成手段と、 ゆらぎ生成手段より得られるゆらぎ成分を、規則により
   生成される有声区間の各フレームの声道特性に対しフレ
   ーム平均ピッチに同期して重畳するゆらぎ成分重畳手段
   と、 ピッチ区間毎に、有声音源波形を入力とし、上記ゆらぎ
   成分重畳手段で得られたゆらぎ成分重畳声道特性を近似
   するフィルタにより合成音声を得る声道フィルタ手段
   と、を備えたことを特徴とする規則合成装置。
5. 【請求項５】 音声の分析により得られるフレーム平均
   パワー、フレーム平均ピッチ、有声無声情報を入力と
   し、有声無声情報により判別される有声区間でフレーム
   を代表する１ピッチ長音声波形を入力する音声合成方式
   において、 フレーム平均パワーまたはフレーム平均ピッチを入力
   し、パワーまたはピッチにより規定されるゆらぎ成分を
   生成するゆらぎ成分生成手段と、 ゆらぎ生成手段より得られるゆらぎ成分を、フレーム平
   均ピッチ区間毎に１ピッチ長音声波形に重畳するゆらぎ
   成分重畳手段と、 ゆらぎ成分重畳手段で得られた１ピッチ長のゆらぎ成分
   重畳音声波形をフレーム平均ピッチ間隔で重畳すること
   により合成音声を得る波形重畳手段と、を備えたことを
   特徴とする音声合成方式。
6. 【請求項６】 文字列あるいは音素記号列を入力し、あ
   らかじめ記憶された辞書情報や音声素片情報などに基づ
   き、音声学的ないし言語学的規則にしたがって合成音声
   を出力する規則合成装置において、 文章に応じ規則に基づいて生成されるパワーまたはピッ
   チにより規定されるゆらぎ成分を生成するゆらぎ成分生
   成手段と、 ゆらぎ生成手段より得られるゆらぎ成分を、ピッチ区間
   毎に、規則により生成される１ピッチ長音声波形に重畳
   するゆらぎ成分重畳手段と、 ゆらぎ成分重畳手段で得られた１ピッチ長のゆらぎ成分
   重畳音声波形をピッチ間隔で重畳することにより合成音
   声を得る波形重畳手段と、を備えたことを特徴とする規
   則合成装置。