JP3728172B2 - 音声合成方法および装置 - Google Patents
音声合成方法および装置 Download PDFInfo
- Publication number
- JP3728172B2 JP3728172B2 JP2000099422A JP2000099422A JP3728172B2 JP 3728172 B2 JP3728172 B2 JP 3728172B2 JP 2000099422 A JP2000099422 A JP 2000099422A JP 2000099422 A JP2000099422 A JP 2000099422A JP 3728172 B2 JP3728172 B2 JP 3728172B2
- Authority
- JP
- Japan
- Prior art keywords
- fine
- speech waveform
- prosody
- speech
- controlling
- 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.)
- Expired - Fee Related
Links
- 238000001308 synthesis method Methods 0.000 title claims description 15
- 238000012217 deletion Methods 0.000 claims description 22
- 230000037430 deletion Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 11
- 239000012634 fragment Substances 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims 13
- 230000006870 function Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 19
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- MQJKPEGWNLWLTK-UHFFFAOYSA-N Dapsone Chemical group C1=CC(N)=CC=C1S(=O)(=O)C1=CC=C(N)C=C1 MQJKPEGWNLWLTK-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
- G10L13/10—Prosody rules derived from text; Stress or intonation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/06—Elementary speech units used in speech synthesisers; Concatenation rules
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、高品質な合成音声を得るための音声合成方法および装置に関するものである。
【０００２】
【従来の技術】
所望の合成音声を得るための音声合成方法には、音素やＣＶ・ＶＣあるいはＶＣＶ等の音韻を単位とした音声素片を編集、接続して合成音声を生成する方法が知られている。なお、ＣＶ・ＶＣは音素内に素片境界を置いた単位、ＶＣＶは母音内に素片境界を置いた単位である。
【０００３】
【発明が解決しようとする課題】
図９は、１音声素片の継続時間長や基本周波数を変更する方法の一例を模式的に示した図である。図９の上段に示す１音声素片の音声波形は、中段に示す複数個の窓関数によって複数個の微細素片に分割される。このとき、有声音部（音声波形の後半部にある有声音の領域）では、原音声のピッチ間隔に同期した時間幅を有する窓関数を用いる。一方、無声音部（音声波形の前半部にある無声音の領域）では、適当な時間幅（一般には、有声音部の窓関数よりも長い時間幅を有する）の窓関数を用いる。
【０００４】
このようにして得た複数個の微細素片を繰り返したり、間引いたり、間隔を変更したりすることによって、合成音声の継続時間長や基本周波数を変更することができる。例えば、合成音声の継続時間長を短縮する場合には、微細素片を間引けばよく、合成音声の継続時間長を伸長する場合には、微細素片を繰り返せばよい。また、合成音声の基本周波数を上げる場合には、有声音部の微細素片の間隔を詰めればよく、合成音声の基本周波数を下げる場合には、有声音部の微細素片の間隔を広げればよい。このような繰り返し、間引き、間隔変更を施して得た複数個の微細素片を重畳することにより、所望の継続時間長、基本周波数を有する合成音声を得ることができる。
【０００５】
しかしながら、音声には定常的な部分と非定常的な部分とがあり、非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対して上述のような波形編集操作（即ち、微細素片の繰り返し、間引き、間隔変更）を行うと、合成音声のなまけや異音の原因となり、合成音声を劣化させてしまうという問題がある。
【０００６】
本発明は上記の問題に鑑みてなされたものであり、波形編集操作によって生じる合成音声の劣化を防止することを目的とする。
【０００７】
【課題を解決するための手段】
上記の目的を達成するための本発明の一態様による音声合成方法は例えば以下の構成を備える。即ち、
音声波形から複数の微細素片を取得する工程と、
間隔変更処理を禁止するべき微細素片を示す間隔変更禁止情報を保持した記憶手段から間隔変更禁止情報を取得する工程と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する工程とを備える。そして、前記韻律を制御する工程において、前記間隔変更禁止情報によって示された微細素片に対しては前記間隔変更処理が禁止される。
【０００８】
また、上記の目的を達成するための本発明の他の態様による音声合成装置は例えば以下の構成を備える。即ち、
音声波形から複数の微細素片を取得する手段と、
間隔変更処理を禁止するべき微細素片を示す間隔変更禁止情報を保持した記憶手段から間隔変更禁止情報を取得する手段と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する手段とを備える。そして、前記韻律を制御する手段は、前記間隔変更禁止情報によって示された微細素片に対しては前記間隔変更処理を禁止する。
【０００９】
【発明の実施の形態】
以下、添付の図面を参照して本発明の好適な実施形態を説明する。
【００１０】
図１は本実施形態による音声合成装置のハードウェア構成を示すブロック図である。図１において、１１は数値演算・制御等の処理を行なう中央処理装置であり、図２のフローチャートで後述する制御を実現する。１２はＲＡＭ、ＲＯＭ等の記憶装置であり、図２のフローチャートで後述する制御を中央処理装置１１に実現させるために必要な制御プログラムや一時的データが格納される。１３はディスク装置等の外部記憶装置であり、本実施形態の音声合成処理を制御する制御プログラムやユーザの操作を受けるためのグラフィカルユーザインタフェースを制御する制御プログラムを保持する。
【００１１】
１４は表示器、スピーカ等からなる出力装置であり、合成された音声はスピーカから出力される。また、表示器には、ユーザの操作を受け付けるグラフィカルユーザインタフェースを表示する。このグラフィカルユーザインタフェースは、中央処理装置１１によって制御される。ただし、本発明は他の装置やプログラムに対して合成音声を出力するべく組み込むことも可能であり、この場合の出力は他の装置或いはプログラムの入力となる。１５はキーボード等の入力装置であり、ユーザの操作を所定の制御コマンドに変換して中央処理装置１１に供給する。中央処理装置１１は、この制御コマンドの内容に応じて、音声合成の対象となるテキスト（日本語や他の言語からなる）を指定し、そのテキストを音声合成ユニット１７に供給する。ただし、本発明は他の装置やプログラムの一部として組み込まれることも可能であり、この場合の入力は他の装置やプログラムを通じて間接的に行われることになる。１６は内部バスであり、図１で示された上述の各構成を接続する。１７は音声合成ユニットである。音声合成ユニット１７は、素片辞書１８を用いて、入力したテキストから音声を合成する。但し、素片辞書１８は、外部記憶装置１３が保持するように構成してもよい。
【００１２】
以上のハードウェア構成を踏まえて本発明の一実施形態を説明する。図２は音声合成ユニット１７の処理手順を示すフローチャートである。以下、本フローチャートを参照して、本実施形態の音声合成方法を説明する。
【００１３】
まず、ステップＳ１において、入力したテキストに対して言語解析と音響処理を施し、そのテキストを表す音韻系列とその音韻系列の韻律情報とを生成する。ここで、韻律情報は、継続時間長や基本周波数等を含む。また、音韻の単位は、ダイフォン、音素、音節等である。次に、ステップＳ２において、生成した音韻系列に基づいて、１音韻単位の音声素片を表す音声波形データを素片辞書１８から読み出す。図３は、ステップＳ２で読み出した音声波形データの一例を示す図である。次に、ステップＳ３において、ステップＳ２において取得した音声波形データのピッチ同期位置とそれに対応する窓関数とを、素片辞書１８から読み出す。図４において、（ａ）は音声波形を示し、（ｂ）は（ａ）の音声波形のピッチ同期位置に対応する複数個の窓関数を示す図である。次に、ステップＳ４に進み、ステップＳ２で読み込まれた音声波形データを、ステップＳ３で読み込まれた複数個の窓関数を用いて切り出し、複数個の微細素片を得る。図５において、（ａ）は音声波形を示し、（ｂ）は（ａ）の音声波形のピッチ同期位置に対応する複数個の窓関数を示し、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた複数個の微細素片を示す。
【００１４】
以下、ステップＳ５〜Ｓ１０では、素片辞書１８を用いて、各微細素片に対する波形編集操作の制限を確認する処理である。ここで、本実施形態の素片辞書１８は、削除、繰り返し、間隔変更等の波形編集操作を制限する微細素片に対応する窓関数に、編集制限情報（波形編集操作を制限する情報）を付与した素片辞書である。従って、音声合成ユニット１７は、何番目の窓関数から切り出された微細素片であるかを判別することによって、その微細素片に対する編集制限情報を確認する。本実施形態では、編集制限情報として、削除してはいけない微細素片を示す削除不可情報、繰り返してはいけない微細素片を示す繰り返し不可情報、間隔変更してはいけない微細素片を示す間隔変更不可情報を付与した素片辞書を使用する例について説明する。
【００１５】
ステップＳ５において、各窓関数に付与された編集制限情報を調べ、削除不可情報の付与された窓関数を得る。そして、ステップＳ６において、ステップＳ５で得られた窓関数に対応する微細素片に対して削除不可である旨のマーキングを行う。図６は、微細素片に対して「削除不可」のマーキングを行った様子を示す図である。本実施形態の素片辞書１８は、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対応する窓関数に対して削除不可情報が付与されている。従って図６では、３番目（有声音部と無声音部の境界に相当する）の窓関数によって得られた微細素片に対して「削除不可」のマーキングを施す。
【００１６】
同様に、ステップＳ７においては、各窓関数に付与された編集制限情報を調べ、繰り返し不可情報の付与された窓関数を得る。そして、ステップＳ８において、ステップＳ７で得られた窓関数に対応する微細素片に対して繰り返し不可である旨のマーキングを行う。図７は、所定の微細素片に対して「繰り返し不可」のマーキングを行った様子を示す図である。本実施形態の素片辞書１８は、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対応する窓関数に対して繰り返し不可情報が付与されている。従って図７では、４番目の窓関数（有声音部の先頭部分に相当する）によって得られた微細素片に対して「繰り返し不可」のマーキングを施す。なお、図７における「削除不可」のマーキングはステップＳ６で付されたマーキングを示している（図６参照）。
【００１７】
更に、ステップＳ９においては、各窓関数に付与された編集制限情報を調べ、間隔変更不可情報の付与された窓関数を得る。そして、ステップＳ１０において、ステップＳ９で得られた窓関数に対応する微細素片に対して間隔変更不可である旨のマーキングを行う。図８は、所定の微細素片に対して「間隔変更不可」のマーキングを行った様子を示す図である。本実施形態の素片辞書１８は、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対応する窓関数に対して間隔変更情報が付与されている。従って図８では、３番目の窓関数（有声音部と無声音部の境界に相当する）によって得られた微細素片に対して「間隔変更不可」のマーキングを施す。なお、図８における「削除不可」と「繰り返し不可」のマーキングは、それぞれステップＳ６、Ｓ８で付されたマーキングを示している（図６、図７参照）。
【００１８】
次に、ステップＳ１１において、ステップＳ１で得られた韻律情報に合致するように、ステップＳ４で切り出された微細素片を並べ、再び重ね合わせることによって、１音声素片の編集を終了する。このとき、継続時間長を縮める場合、「削除不可」のマーキングがなされた微細素片は、削除の対象とはならない。また、継続時間長を伸ばす場合、「繰り返し不可」のマーキングがなされた微細素片は、繰り返しの対象とはならない。また、基本周波数を変更する場合、「間隔変更不可」のマーキングがなされた微細素片は、間隔変更の対象とはならない。そして、ステップＳ１で得た音韻系列を構成する全ての音声素片に対して上述の波形編集操作を行い、さらに各音声素片を接続することにより入力したテキストに対応した合成音を得る。この合成音は、出力装置１４のスピーカから出力される。ステップＳ１１では、PSOLA（Pitch-Synchronous Overlap Add method「ピッチ同期波形重畳法」）を用いて、各音声素片の波形編集を行う。
【００１９】
以上のように、上記実施形態によれば、１音韻単位の音声素片から得た微細素片毎に、削除、繰り返し、間隔変更等の波形編集操作の可否を設定することにより、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対する波形編集操作を制限することができる。これにより、継続時間長や基本周波数の変更によって生じるなまけや異音の発生を抑制することができ、より自然な合成音声を得ることができる。
【００２０】
なお、上記実施形態において、削除不可情報、繰り返し不可情報、間隔変更不可情報は、窓関数の位置を用いたが、間接的な情報として取得されても良い。すなわち、音素境界や有声／無声境界といった境界情報を取得し、前記境界にある微細素片に、削除不可あるいは繰り返し不可あるいは間隔変更不可のマーキングを行うようにしても良い。
【００２１】
さらに、上記実施形態において、削除不可情報・繰り返し不可情報・間隔変更不可情報は、微細素片を指し示す情報ではなく、特定の区間を示す情報であっても良い。すなわち、破裂音において破裂時点の情報を取得し、その前後一定区間にある微細素片に対して削除不可あるいは繰り返し不可あるいは間隔変更不可のマーキングを行うようにしても良い。
【００２２】
なお、本発明は、複数の機器（例えばホストコンピュータ、インタフェイス機器、リーダ、プリンタなど）から構成されるシステムに適用しても、一つの機器からなる装置（例えば、複写機、ファクシミリ装置など）に適用してもよい。
【００２３】
また、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体（または記録媒体）を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているオペレーティングシステム（ＯＳ）などが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【００２４】
さらに、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張カードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張カードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【００２５】
【発明の効果】
以上説明したように、本発明によれば、音声素片中の微細素片に対して選択的に韻律制御のための処理を制限することが可能となり、波形編集操作によって生じる合成音声の劣化を防止することができる。
【図面の簡単な説明】
【図１】本実施形態による音声合成装置のハードウェア構成を示すブロック図である。
【図２】本実施形態による音声合成の手順を示すフローチャートである。
【図３】ステップＳ２で読み込まれる音声波形データの一例を示す図である。
【図４】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図である。
【図５】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片を示す図である。
【図６】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片に対して「削除不可」のマーキングを行った様子を示す図である。
【図７】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片に対して「繰り返し不可」のマーキングを行った様子を示す図である。
【図８】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片に対して「間隔変更不可」のマーキングを行った様子を示す図である。
【図９】音声波形（音声素片）を微細素片に分割して、合成音声の時間伸縮や基本周波数を変更する方法を模式的に示した図である。
【発明の属する技術分野】
本発明は、高品質な合成音声を得るための音声合成方法および装置に関するものである。
【０００２】
【従来の技術】
所望の合成音声を得るための音声合成方法には、音素やＣＶ・ＶＣあるいはＶＣＶ等の音韻を単位とした音声素片を編集、接続して合成音声を生成する方法が知られている。なお、ＣＶ・ＶＣは音素内に素片境界を置いた単位、ＶＣＶは母音内に素片境界を置いた単位である。
【０００３】
【発明が解決しようとする課題】
図９は、１音声素片の継続時間長や基本周波数を変更する方法の一例を模式的に示した図である。図９の上段に示す１音声素片の音声波形は、中段に示す複数個の窓関数によって複数個の微細素片に分割される。このとき、有声音部（音声波形の後半部にある有声音の領域）では、原音声のピッチ間隔に同期した時間幅を有する窓関数を用いる。一方、無声音部（音声波形の前半部にある無声音の領域）では、適当な時間幅（一般には、有声音部の窓関数よりも長い時間幅を有する）の窓関数を用いる。
【０００４】
このようにして得た複数個の微細素片を繰り返したり、間引いたり、間隔を変更したりすることによって、合成音声の継続時間長や基本周波数を変更することができる。例えば、合成音声の継続時間長を短縮する場合には、微細素片を間引けばよく、合成音声の継続時間長を伸長する場合には、微細素片を繰り返せばよい。また、合成音声の基本周波数を上げる場合には、有声音部の微細素片の間隔を詰めればよく、合成音声の基本周波数を下げる場合には、有声音部の微細素片の間隔を広げればよい。このような繰り返し、間引き、間隔変更を施して得た複数個の微細素片を重畳することにより、所望の継続時間長、基本周波数を有する合成音声を得ることができる。
【０００５】
しかしながら、音声には定常的な部分と非定常的な部分とがあり、非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対して上述のような波形編集操作（即ち、微細素片の繰り返し、間引き、間隔変更）を行うと、合成音声のなまけや異音の原因となり、合成音声を劣化させてしまうという問題がある。
【０００６】
本発明は上記の問題に鑑みてなされたものであり、波形編集操作によって生じる合成音声の劣化を防止することを目的とする。
【０００７】
【課題を解決するための手段】
上記の目的を達成するための本発明の一態様による音声合成方法は例えば以下の構成を備える。即ち、
音声波形から複数の微細素片を取得する工程と、
間隔変更処理を禁止するべき微細素片を示す間隔変更禁止情報を保持した記憶手段から間隔変更禁止情報を取得する工程と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する工程とを備える。そして、前記韻律を制御する工程において、前記間隔変更禁止情報によって示された微細素片に対しては前記間隔変更処理が禁止される。
【０００８】
また、上記の目的を達成するための本発明の他の態様による音声合成装置は例えば以下の構成を備える。即ち、
音声波形から複数の微細素片を取得する手段と、
間隔変更処理を禁止するべき微細素片を示す間隔変更禁止情報を保持した記憶手段から間隔変更禁止情報を取得する手段と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する手段とを備える。そして、前記韻律を制御する手段は、前記間隔変更禁止情報によって示された微細素片に対しては前記間隔変更処理を禁止する。
【０００９】
【発明の実施の形態】
以下、添付の図面を参照して本発明の好適な実施形態を説明する。
【００１０】
図１は本実施形態による音声合成装置のハードウェア構成を示すブロック図である。図１において、１１は数値演算・制御等の処理を行なう中央処理装置であり、図２のフローチャートで後述する制御を実現する。１２はＲＡＭ、ＲＯＭ等の記憶装置であり、図２のフローチャートで後述する制御を中央処理装置１１に実現させるために必要な制御プログラムや一時的データが格納される。１３はディスク装置等の外部記憶装置であり、本実施形態の音声合成処理を制御する制御プログラムやユーザの操作を受けるためのグラフィカルユーザインタフェースを制御する制御プログラムを保持する。
【００１１】
１４は表示器、スピーカ等からなる出力装置であり、合成された音声はスピーカから出力される。また、表示器には、ユーザの操作を受け付けるグラフィカルユーザインタフェースを表示する。このグラフィカルユーザインタフェースは、中央処理装置１１によって制御される。ただし、本発明は他の装置やプログラムに対して合成音声を出力するべく組み込むことも可能であり、この場合の出力は他の装置或いはプログラムの入力となる。１５はキーボード等の入力装置であり、ユーザの操作を所定の制御コマンドに変換して中央処理装置１１に供給する。中央処理装置１１は、この制御コマンドの内容に応じて、音声合成の対象となるテキスト（日本語や他の言語からなる）を指定し、そのテキストを音声合成ユニット１７に供給する。ただし、本発明は他の装置やプログラムの一部として組み込まれることも可能であり、この場合の入力は他の装置やプログラムを通じて間接的に行われることになる。１６は内部バスであり、図１で示された上述の各構成を接続する。１７は音声合成ユニットである。音声合成ユニット１７は、素片辞書１８を用いて、入力したテキストから音声を合成する。但し、素片辞書１８は、外部記憶装置１３が保持するように構成してもよい。
【００１２】
以上のハードウェア構成を踏まえて本発明の一実施形態を説明する。図２は音声合成ユニット１７の処理手順を示すフローチャートである。以下、本フローチャートを参照して、本実施形態の音声合成方法を説明する。
【００１３】
まず、ステップＳ１において、入力したテキストに対して言語解析と音響処理を施し、そのテキストを表す音韻系列とその音韻系列の韻律情報とを生成する。ここで、韻律情報は、継続時間長や基本周波数等を含む。また、音韻の単位は、ダイフォン、音素、音節等である。次に、ステップＳ２において、生成した音韻系列に基づいて、１音韻単位の音声素片を表す音声波形データを素片辞書１８から読み出す。図３は、ステップＳ２で読み出した音声波形データの一例を示す図である。次に、ステップＳ３において、ステップＳ２において取得した音声波形データのピッチ同期位置とそれに対応する窓関数とを、素片辞書１８から読み出す。図４において、（ａ）は音声波形を示し、（ｂ）は（ａ）の音声波形のピッチ同期位置に対応する複数個の窓関数を示す図である。次に、ステップＳ４に進み、ステップＳ２で読み込まれた音声波形データを、ステップＳ３で読み込まれた複数個の窓関数を用いて切り出し、複数個の微細素片を得る。図５において、（ａ）は音声波形を示し、（ｂ）は（ａ）の音声波形のピッチ同期位置に対応する複数個の窓関数を示し、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた複数個の微細素片を示す。
【００１４】
以下、ステップＳ５〜Ｓ１０では、素片辞書１８を用いて、各微細素片に対する波形編集操作の制限を確認する処理である。ここで、本実施形態の素片辞書１８は、削除、繰り返し、間隔変更等の波形編集操作を制限する微細素片に対応する窓関数に、編集制限情報（波形編集操作を制限する情報）を付与した素片辞書である。従って、音声合成ユニット１７は、何番目の窓関数から切り出された微細素片であるかを判別することによって、その微細素片に対する編集制限情報を確認する。本実施形態では、編集制限情報として、削除してはいけない微細素片を示す削除不可情報、繰り返してはいけない微細素片を示す繰り返し不可情報、間隔変更してはいけない微細素片を示す間隔変更不可情報を付与した素片辞書を使用する例について説明する。
【００１５】
ステップＳ５において、各窓関数に付与された編集制限情報を調べ、削除不可情報の付与された窓関数を得る。そして、ステップＳ６において、ステップＳ５で得られた窓関数に対応する微細素片に対して削除不可である旨のマーキングを行う。図６は、微細素片に対して「削除不可」のマーキングを行った様子を示す図である。本実施形態の素片辞書１８は、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対応する窓関数に対して削除不可情報が付与されている。従って図６では、３番目（有声音部と無声音部の境界に相当する）の窓関数によって得られた微細素片に対して「削除不可」のマーキングを施す。
【００１６】
同様に、ステップＳ７においては、各窓関数に付与された編集制限情報を調べ、繰り返し不可情報の付与された窓関数を得る。そして、ステップＳ８において、ステップＳ７で得られた窓関数に対応する微細素片に対して繰り返し不可である旨のマーキングを行う。図７は、所定の微細素片に対して「繰り返し不可」のマーキングを行った様子を示す図である。本実施形態の素片辞書１８は、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対応する窓関数に対して繰り返し不可情報が付与されている。従って図７では、４番目の窓関数（有声音部の先頭部分に相当する）によって得られた微細素片に対して「繰り返し不可」のマーキングを施す。なお、図７における「削除不可」のマーキングはステップＳ６で付されたマーキングを示している（図６参照）。
【００１７】
更に、ステップＳ９においては、各窓関数に付与された編集制限情報を調べ、間隔変更不可情報の付与された窓関数を得る。そして、ステップＳ１０において、ステップＳ９で得られた窓関数に対応する微細素片に対して間隔変更不可である旨のマーキングを行う。図８は、所定の微細素片に対して「間隔変更不可」のマーキングを行った様子を示す図である。本実施形態の素片辞書１８は、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対応する窓関数に対して間隔変更情報が付与されている。従って図８では、３番目の窓関数（有声音部と無声音部の境界に相当する）によって得られた微細素片に対して「間隔変更不可」のマーキングを施す。なお、図８における「削除不可」と「繰り返し不可」のマーキングは、それぞれステップＳ６、Ｓ８で付されたマーキングを示している（図６、図７参照）。
【００１８】
次に、ステップＳ１１において、ステップＳ１で得られた韻律情報に合致するように、ステップＳ４で切り出された微細素片を並べ、再び重ね合わせることによって、１音声素片の編集を終了する。このとき、継続時間長を縮める場合、「削除不可」のマーキングがなされた微細素片は、削除の対象とはならない。また、継続時間長を伸ばす場合、「繰り返し不可」のマーキングがなされた微細素片は、繰り返しの対象とはならない。また、基本周波数を変更する場合、「間隔変更不可」のマーキングがなされた微細素片は、間隔変更の対象とはならない。そして、ステップＳ１で得た音韻系列を構成する全ての音声素片に対して上述の波形編集操作を行い、さらに各音声素片を接続することにより入力したテキストに対応した合成音を得る。この合成音は、出力装置１４のスピーカから出力される。ステップＳ１１では、PSOLA（Pitch-Synchronous Overlap Add method「ピッチ同期波形重畳法」）を用いて、各音声素片の波形編集を行う。
【００１９】
以上のように、上記実施形態によれば、１音韻単位の音声素片から得た微細素片毎に、削除、繰り返し、間隔変更等の波形編集操作の可否を設定することにより、音声素片の非定常的な部分（特に、波形形状が急激に変化する有声音部と無声音部の境界付近）に対する波形編集操作を制限することができる。これにより、継続時間長や基本周波数の変更によって生じるなまけや異音の発生を抑制することができ、より自然な合成音声を得ることができる。
【００２０】
なお、上記実施形態において、削除不可情報、繰り返し不可情報、間隔変更不可情報は、窓関数の位置を用いたが、間接的な情報として取得されても良い。すなわち、音素境界や有声／無声境界といった境界情報を取得し、前記境界にある微細素片に、削除不可あるいは繰り返し不可あるいは間隔変更不可のマーキングを行うようにしても良い。
【００２１】
さらに、上記実施形態において、削除不可情報・繰り返し不可情報・間隔変更不可情報は、微細素片を指し示す情報ではなく、特定の区間を示す情報であっても良い。すなわち、破裂音において破裂時点の情報を取得し、その前後一定区間にある微細素片に対して削除不可あるいは繰り返し不可あるいは間隔変更不可のマーキングを行うようにしても良い。
【００２２】
なお、本発明は、複数の機器（例えばホストコンピュータ、インタフェイス機器、リーダ、プリンタなど）から構成されるシステムに適用しても、一つの機器からなる装置（例えば、複写機、ファクシミリ装置など）に適用してもよい。
【００２３】
また、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体（または記録媒体）を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているオペレーティングシステム（ＯＳ）などが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【００２４】
さらに、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張カードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張カードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【００２５】
【発明の効果】
以上説明したように、本発明によれば、音声素片中の微細素片に対して選択的に韻律制御のための処理を制限することが可能となり、波形編集操作によって生じる合成音声の劣化を防止することができる。
【図面の簡単な説明】
【図１】本実施形態による音声合成装置のハードウェア構成を示すブロック図である。
【図２】本実施形態による音声合成の手順を示すフローチャートである。
【図３】ステップＳ２で読み込まれる音声波形データの一例を示す図である。
【図４】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図である。
【図５】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片を示す図である。
【図６】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片に対して「削除不可」のマーキングを行った様子を示す図である。
【図７】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片に対して「繰り返し不可」のマーキングを行った様子を示す図である。
【図８】（ａ）は音声波形を示す図であり、（ｂ）は（ａ）の音声波形に関して取得した同期位置に基づいて生成された窓関数を示す図であり、（ｃ）は（ａ）の音声波形に（ｂ）の窓関数を適用して得られた微細素片に対して「間隔変更不可」のマーキングを行った様子を示す図である。
【図９】音声波形（音声素片）を微細素片に分割して、合成音声の時間伸縮や基本周波数を変更する方法を模式的に示した図である。
Claims (19)
- 音声波形から複数の微細素片を取得する工程と、
間隔変更処理を禁止するべき微細素片を示す間隔変更禁止情報を保持した記憶手段から間隔変更禁止情報を取得する工程と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記間隔変更禁止情報によって示された微細素片に対しては前記間隔変更処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
削除処理を禁止するべき微細素片を示す削除禁止情報を保持した記憶手段から削除禁止情報を取得する工程と、
前記微細素片の削除処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記削除禁止情報によって示された微細素片に対しては前記削除処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
繰り返し処理を禁止するべき微細素片を示す繰り返し禁止情報を保持した記憶手段から繰り返し禁止情報を取得する工程と、
前記微細素片の繰り返し処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記繰り返し禁止情報によって示された微細素片に対しては前記繰り返し処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
音声波形の境界情報に基づいて音声波形の境界にある微細素片を選択する工程と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記選択する工程で選択された微細素片に対しては前記間隔変更処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
音声波形の境界情報に基づいて音声波形の境界にある微細素片を選択する工程と、
前記微細素片の削除処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記選択する工程で選択された微細素片に対しては前記削除処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する取得工程と、
音声波形の境界情報に基づいて音声波形の境界にある微細素片を選択する工程と、
前記微細素片の繰り返し処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記選択する工程で選択された微細素片に対しては前記繰り返し処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
前記音声波形上の破裂位置の情報に基づいて破裂位置の前後所定区間にある微細素片を選択する工程と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記選択する工程で選択された微細素片に対しては前記間隔変更処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
前記音声波形上の破裂位置の情報に基づいて破裂位置の前後所定区間にある微細素片を選択する工程と、
前記微細素片の削除処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記選択する工程で選択された微細素片に対しては前記削除処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する工程と、
音声波形上の破裂位置の情報に基づいて破裂位置の前後所定区間にある微細素片を選択する工程と、
前記微細素片の繰り返し処理を用いて前記音声波形の韻律を制御する工程とを備え、前記韻律を制御する工程において、前記選択工程で選択された微細素片に対しては前記繰り返し処理が禁止されることを特徴とする音声合成方法。 - 音声波形から複数の微細素片を取得する手段と、
間隔変更処理を禁止するべき微細素片を示す間隔変更禁止情報を保持した記憶手段から間隔変更禁止情報を取得する手段と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記間隔変更禁止情報によって示された微細素片に対しては前記間隔変更処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
削除処理を禁止するべき微細素片を示す削除禁止情報を保持した記憶手段から削除禁止情報を取得する手段と、
前記微細素片の削除処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記削除禁止情報によって示された微細素片に対しては前記削除処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
繰り返し処理を禁止するべき微細素片を示す繰り返し禁止情報を保持した記憶手段から繰り返し禁止情報を取得する手段と、
前記微細素片の繰り返し処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記繰り返し禁止情報によって示された微細素片に対しては前記繰り返し処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
音声波形の境界情報に基づいて音声波形の境界にある微細素片を選択する手段と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記選択する手段で選択された微細素片に対しては前記間隔変更処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
音声波形の境界情報に基づいて音声波形の境界にある微細素片を選択する手段と、
前記微細素片の削除処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記選択する手段で選択された微細素片に対しては前記削除処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する取得手段と、
音声波形の境界情報に基づいて音声波形の境界にある微細素片を選択する手段と、
前記微細素片の繰り返し処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記選択する手段で選択された微細素片に対しては前記繰り返し処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
前記音声波形上の破裂位置の情報に基づいて破裂位置の前後所定区間にある微細素片を選択する手段と、
前記微細素片の間隔変更処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記選択する手段で選択された微細素片に対しては前記間隔変更処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
前記音声波形上の破裂位置の情報に基づいて破裂位置の前後所定区間にある微細素片を選択する手段と、
前記微細素片の削除処理を用いて前記音声波形の韻律を制御する手段とを備え、前期韻律を制御する手段は、前記選択する手段で選択された微細素片に対しては前記削除処理を禁止することを特徴とする音声合成装置。 - 音声波形から複数の微細素片を取得する手段と、
音声波形上の破裂位置の情報に基づいて破裂位置の前後所定区間にある微細素片を選択する手段と、
前記微細素片の繰り返し処理を用いて前記音声波形の韻律を制御する手段とを備え、前記韻律を制御する手段は、前記選択手段で選択された微細素片に対しては前記繰り返し処理を禁止することを特徴とする音声合成装置。 - 請求項１乃至９記載の音声合成方法をコンピュータによって実現するための制御プログラムを格納したことを特徴とする記憶媒体。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000099422A JP3728172B2 (ja) | 2000-03-31 | 2000-03-31 | 音声合成方法および装置 |
| US09/818,886 US7054815B2 (en) | 2000-03-31 | 2001-03-27 | Speech synthesizing method and apparatus using prosody control |
| US09/818,581 US6980955B2 (en) | 2000-03-31 | 2001-03-28 | Synthesis unit selection apparatus and method, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000099422A JP3728172B2 (ja) | 2000-03-31 | 2000-03-31 | 音声合成方法および装置 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2001282275A JP2001282275A (ja) | 2001-10-12 |
| JP2001282275A5 JP2001282275A5 (ja) | 2005-07-21 |
| JP3728172B2 true JP3728172B2 (ja) | 2005-12-21 |
Family
ID=18613782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000099422A Expired - Fee Related JP3728172B2 (ja) | 2000-03-31 | 2000-03-31 | 音声合成方法および装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (2) | US7054815B2 (ja) |
| JP (1) | JP3728172B2 (ja) |
Families Citing this family (189)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3912913B2 (ja) * | 1998-08-31 | 2007-05-09 | キヤノン株式会社 | 音声合成方法及び装置 |
| US8645137B2 (en) | 2000-03-16 | 2014-02-04 | Apple Inc. | Fast, language-independent method for user authentication by voice |
| US6950798B1 (en) * | 2001-04-13 | 2005-09-27 | At&T Corp. | Employing speech models in concatenative speech synthesis |
| WO2003019527A1 (fr) * | 2001-08-31 | 2003-03-06 | Kabushiki Kaisha Kenwood | Procede et appareil de generation d'un signal affecte d'un pas et procede et appareil de compression/decompression et de synthese d'un signal vocal l'utilisant |
| DE10145913A1 (de) * | 2001-09-18 | 2003-04-03 | Philips Corp Intellectual Pty | Verfahren zur Bestimmung von zu Nichtterminalen einer Grammatik gehörigen Sequenzen von Terminalen oder von Terminalen und Platzhaltern |
| ITFI20010199A1 (it) | 2001-10-22 | 2003-04-22 | Riccardo Vieri | Sistema e metodo per trasformare in voce comunicazioni testuali ed inviarle con una connessione internet a qualsiasi apparato telefonico |
| US7401020B2 (en) * | 2002-11-29 | 2008-07-15 | International Business Machines Corporation | Application of emotion-based intonation and prosody to speech in text-to-speech systems |
| US7546241B2 (en) * | 2002-06-05 | 2009-06-09 | Canon Kabushiki Kaisha | Speech synthesis method and apparatus, and dictionary generation method and apparatus |
| JP2004070523A (ja) * | 2002-08-02 | 2004-03-04 | Canon Inc | 情報処理装置およびその方法 |
| US7409347B1 (en) * | 2003-10-23 | 2008-08-05 | Apple Inc. | Data-driven global boundary optimization |
| US7643990B1 (en) * | 2003-10-23 | 2010-01-05 | Apple Inc. | Global boundary-centric feature extraction and associated discontinuity metrics |
| FR2861491B1 (fr) * | 2003-10-24 | 2006-01-06 | Thales Sa | Procede de selection d'unites de synthese |
| US7567896B2 (en) * | 2004-01-16 | 2009-07-28 | Nuance Communications, Inc. | Corpus-based speech synthesis based on segment recombination |
| KR100571835B1 (ko) * | 2004-03-04 | 2006-04-17 | 삼성전자주식회사 | 음성 코퍼스 구축을 위한 녹음 문장 생성 방법 및 장치 |
| JP4587160B2 (ja) * | 2004-03-26 | 2010-11-24 | キヤノン株式会社 | 信号処理装置および方法 |
| US20070203703A1 (en) * | 2004-03-29 | 2007-08-30 | Ai, Inc. | Speech Synthesizing Apparatus |
| US20060074678A1 (en) * | 2004-09-29 | 2006-04-06 | Matsushita Electric Industrial Co., Ltd. | Prosody generation for text-to-speech synthesis based on micro-prosodic data |
| JP2006309162A (ja) * | 2005-03-29 | 2006-11-09 | Toshiba Corp | ピッチパターン生成方法、ピッチパターン生成装置及びプログラム |
| JP4639932B2 (ja) * | 2005-05-06 | 2011-02-23 | 株式会社日立製作所 | 音声合成装置 |
| US20080177548A1 (en) * | 2005-05-31 | 2008-07-24 | Canon Kabushiki Kaisha | Speech Synthesis Method and Apparatus |
| US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
| US7633076B2 (en) | 2005-09-30 | 2009-12-15 | Apple Inc. | Automated response to and sensing of user activity in portable devices |
| FR2892555A1 (fr) * | 2005-10-24 | 2007-04-27 | France Telecom | Systeme et procede de synthese vocale par concatenation d'unites acoustiques |
| US20070124148A1 (en) * | 2005-11-28 | 2007-05-31 | Canon Kabushiki Kaisha | Speech processing apparatus and speech processing method |
| TWI294618B (en) * | 2006-03-30 | 2008-03-11 | Ind Tech Res Inst | Method for speech quality degradation estimation and method for degradation measures calculation and apparatuses thereof |
| US20070299657A1 (en) * | 2006-06-21 | 2007-12-27 | Kang George S | Method and apparatus for monitoring multichannel voice transmissions |
| US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
| JP4946293B2 (ja) * | 2006-09-13 | 2012-06-06 | 富士通株式会社 | 音声強調装置、音声強調プログラムおよび音声強調方法 |
| CN101617359B (zh) * | 2007-02-20 | 2012-01-18 | 日本电气株式会社 | 声音合成装置、声音合成方法 |
| JP2008225254A (ja) * | 2007-03-14 | 2008-09-25 | Canon Inc | 音声合成装置及び方法並びにプログラム |
| US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
| JP2009047957A (ja) * | 2007-08-21 | 2009-03-05 | Toshiba Corp | ピッチパターン生成方法及びその装置 |
| JP5238205B2 (ja) * | 2007-09-07 | 2013-07-17 | ニュアンス コミュニケーションズ，インコーポレイテッド | 音声合成システム、プログラム及び方法 |
| US9053089B2 (en) | 2007-10-02 | 2015-06-09 | Apple Inc. | Part-of-speech tagging using latent analogy |
| US8620662B2 (en) | 2007-11-20 | 2013-12-31 | Apple Inc. | Context-aware unit selection |
| US10002189B2 (en) | 2007-12-20 | 2018-06-19 | Apple Inc. | Method and apparatus for searching using an active ontology |
| US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
| US8065143B2 (en) | 2008-02-22 | 2011-11-22 | Apple Inc. | Providing text input using speech data and non-speech data |
| US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
| US8379851B2 (en) * | 2008-05-12 | 2013-02-19 | Microsoft Corporation | Optimized client side rate control and indexed file layout for streaming media |
| US10496753B2 (en) | 2010-01-18 | 2019-12-03 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
| US8464150B2 (en) | 2008-06-07 | 2013-06-11 | Apple Inc. | Automatic language identification for dynamic text processing |
| US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
| US8374873B2 (en) * | 2008-08-12 | 2013-02-12 | Morphism, Llc | Training and applying prosody models |
| US8768702B2 (en) | 2008-09-05 | 2014-07-01 | Apple Inc. | Multi-tiered voice feedback in an electronic device |
| US8898568B2 (en) | 2008-09-09 | 2014-11-25 | Apple Inc. | Audio user interface |
| US8712776B2 (en) | 2008-09-29 | 2014-04-29 | Apple Inc. | Systems and methods for selective text to speech synthesis |
| US8583418B2 (en) | 2008-09-29 | 2013-11-12 | Apple Inc. | Systems and methods of detecting language and natural language strings for text to speech synthesis |
| US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
| WO2010067118A1 (en) | 2008-12-11 | 2010-06-17 | Novauris Technologies Limited | Speech recognition involving a mobile device |
| US8401849B2 (en) * | 2008-12-18 | 2013-03-19 | Lessac Technologies, Inc. | Methods employing phase state analysis for use in speech synthesis and recognition |
| US8862252B2 (en) | 2009-01-30 | 2014-10-14 | Apple Inc. | Audio user interface for displayless electronic device |
| US8380507B2 (en) | 2009-03-09 | 2013-02-19 | Apple Inc. | Systems and methods for determining the language to use for speech generated by a text to speech engine |
| US20120309363A1 (en) | 2011-06-03 | 2012-12-06 | Apple Inc. | Triggering notifications associated with tasks items that represent tasks to perform |
| US10540976B2 (en) | 2009-06-05 | 2020-01-21 | Apple Inc. | Contextual voice commands |
| US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
| US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
| US9858925B2 (en) | 2009-06-05 | 2018-01-02 | Apple Inc. | Using context information to facilitate processing of commands in a virtual assistant |
| US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
| US8682649B2 (en) | 2009-11-12 | 2014-03-25 | Apple Inc. | Sentiment prediction from textual data |
| US8600743B2 (en) | 2010-01-06 | 2013-12-03 | Apple Inc. | Noise profile determination for voice-related feature |
| US8381107B2 (en) | 2010-01-13 | 2013-02-19 | Apple Inc. | Adaptive audio feedback system and method |
| US8311838B2 (en) | 2010-01-13 | 2012-11-13 | Apple Inc. | Devices and methods for identifying a prompt corresponding to a voice input in a sequence of prompts |
| US10705794B2 (en) | 2010-01-18 | 2020-07-07 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
| US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
| US10553209B2 (en) | 2010-01-18 | 2020-02-04 | Apple Inc. | Systems and methods for hands-free notification summaries |
| US10679605B2 (en) | 2010-01-18 | 2020-06-09 | Apple Inc. | Hands-free list-reading by intelligent automated assistant |
| WO2011089450A2 (en) | 2010-01-25 | 2011-07-28 | Andrew Peter Nelson Jerram | Apparatuses, methods and systems for a digital conversation management platform |
| US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
| US9715540B2 (en) * | 2010-06-24 | 2017-07-25 | International Business Machines Corporation | User driven audio content navigation |
| US8713021B2 (en) | 2010-07-07 | 2014-04-29 | Apple Inc. | Unsupervised document clustering using latent semantic density analysis |
| US8719006B2 (en) | 2010-08-27 | 2014-05-06 | Apple Inc. | Combined statistical and rule-based part-of-speech tagging for text-to-speech synthesis |
| US8719014B2 (en) | 2010-09-27 | 2014-05-06 | Apple Inc. | Electronic device with text error correction based on voice recognition data |
| US10762293B2 (en) | 2010-12-22 | 2020-09-01 | Apple Inc. | Using parts-of-speech tagging and named entity recognition for spelling correction |
| US10515147B2 (en) | 2010-12-22 | 2019-12-24 | Apple Inc. | Using statistical language models for contextual lookup |
| US8781836B2 (en) | 2011-02-22 | 2014-07-15 | Apple Inc. | Hearing assistance system for providing consistent human speech |
| US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
| US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
| US10672399B2 (en) | 2011-06-03 | 2020-06-02 | Apple Inc. | Switching between text data and audio data based on a mapping |
| US8812294B2 (en) | 2011-06-21 | 2014-08-19 | Apple Inc. | Translating phrases from one language into another using an order-based set of declarative rules |
| US8706472B2 (en) | 2011-08-11 | 2014-04-22 | Apple Inc. | Method for disambiguating multiple readings in language conversion |
| US8994660B2 (en) | 2011-08-29 | 2015-03-31 | Apple Inc. | Text correction processing |
| US8762156B2 (en) | 2011-09-28 | 2014-06-24 | Apple Inc. | Speech recognition repair using contextual information |
| US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
| US9483461B2 (en) | 2012-03-06 | 2016-11-01 | Apple Inc. | Handling speech synthesis of content for multiple languages |
| JP6127371B2 (ja) * | 2012-03-28 | 2017-05-17 | ヤマハ株式会社 | 音声合成装置および音声合成方法 |
| US9280610B2 (en) | 2012-05-14 | 2016-03-08 | Apple Inc. | Crowd sourcing information to fulfill user requests |
| US8775442B2 (en) | 2012-05-15 | 2014-07-08 | Apple Inc. | Semantic search using a single-source semantic model |
| US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
| US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
| WO2013185109A2 (en) | 2012-06-08 | 2013-12-12 | Apple Inc. | Systems and methods for recognizing textual identifiers within a plurality of words |
| US9495129B2 (en) | 2012-06-29 | 2016-11-15 | Apple Inc. | Device, method, and user interface for voice-activated navigation and browsing of a document |
| US9576574B2 (en) | 2012-09-10 | 2017-02-21 | Apple Inc. | Context-sensitive handling of interruptions by intelligent digital assistant |
| US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
| US8935167B2 (en) | 2012-09-25 | 2015-01-13 | Apple Inc. | Exemplar-based latent perceptual modeling for automatic speech recognition |
| JP6358093B2 (ja) * | 2012-10-31 | 2018-07-18 | 日本電気株式会社 | 分析対象決定装置及び分析対象決定方法 |
| EP3809407A1 (en) | 2013-02-07 | 2021-04-21 | Apple Inc. | Voice trigger for a digital assistant |
| US10642574B2 (en) | 2013-03-14 | 2020-05-05 | Apple Inc. | Device, method, and graphical user interface for outputting captions |
| US9977779B2 (en) | 2013-03-14 | 2018-05-22 | Apple Inc. | Automatic supplementation of word correction dictionaries |
| US9733821B2 (en) | 2013-03-14 | 2017-08-15 | Apple Inc. | Voice control to diagnose inadvertent activation of accessibility features |
| US9368114B2 (en) | 2013-03-14 | 2016-06-14 | Apple Inc. | Context-sensitive handling of interruptions |
| US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
| US10572476B2 (en) | 2013-03-14 | 2020-02-25 | Apple Inc. | Refining a search based on schedule items |
| CN105190607B (zh) | 2013-03-15 | 2018-11-30 | 苹果公司 | 通过智能数字助理的用户培训 |
| KR102057795B1 (ko) | 2013-03-15 | 2019-12-19 | 애플 인크. | 콘텍스트-민감성 방해 처리 |
| WO2014144579A1 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | System and method for updating an adaptive speech recognition model |
| US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
| AU2014233517B2 (en) | 2013-03-15 | 2017-05-25 | Apple Inc. | Training an at least partial voice command system |
| WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
| WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
| US9582608B2 (en) | 2013-06-07 | 2017-02-28 | Apple Inc. | Unified ranking with entropy-weighted information for phrase-based semantic auto-completion |
| WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
| US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
| KR101922663B1 (ko) | 2013-06-09 | 2018-11-28 | 애플 인크. | 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스 |
| JP2016521948A (ja) | 2013-06-13 | 2016-07-25 | アップル インコーポレイテッド | 音声コマンドによって開始される緊急電話のためのシステム及び方法 |
| AU2014306221B2 (en) | 2013-08-06 | 2017-04-06 | Apple Inc. | Auto-activating smart responses based on activities from remote devices |
| US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
| US9620105B2 (en) | 2014-05-15 | 2017-04-11 | Apple Inc. | Analyzing audio input for efficient speech and music recognition |
| US10592095B2 (en) | 2014-05-23 | 2020-03-17 | Apple Inc. | Instantaneous speaking of content on touch devices |
| US9502031B2 (en) | 2014-05-27 | 2016-11-22 | Apple Inc. | Method for supporting dynamic grammars in WFST-based ASR |
| US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
| US9966065B2 (en) | 2014-05-30 | 2018-05-08 | Apple Inc. | Multi-command single utterance input method |
| US10078631B2 (en) | 2014-05-30 | 2018-09-18 | Apple Inc. | Entropy-guided text prediction using combined word and character n-gram language models |
| US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
| US9734193B2 (en) | 2014-05-30 | 2017-08-15 | Apple Inc. | Determining domain salience ranking from ambiguous words in natural speech |
| US9785630B2 (en) | 2014-05-30 | 2017-10-10 | Apple Inc. | Text prediction using combined word N-gram and unigram language models |
| US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
| US10289433B2 (en) | 2014-05-30 | 2019-05-14 | Apple Inc. | Domain specific language for encoding assistant dialog |
| US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
| US9760559B2 (en) | 2014-05-30 | 2017-09-12 | Apple Inc. | Predictive text input |
| US9842101B2 (en) | 2014-05-30 | 2017-12-12 | Apple Inc. | Predictive conversion of language input |
| US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
| US10659851B2 (en) | 2014-06-30 | 2020-05-19 | Apple Inc. | Real-time digital assistant knowledge updates |
| US10446141B2 (en) | 2014-08-28 | 2019-10-15 | Apple Inc. | Automatic speech recognition based on user feedback |
| US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
| US10789041B2 (en) | 2014-09-12 | 2020-09-29 | Apple Inc. | Dynamic thresholds for always listening speech trigger |
| US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
| US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
| US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
| US9886432B2 (en) | 2014-09-30 | 2018-02-06 | Apple Inc. | Parsimonious handling of word inflection via categorical stem + suffix N-gram language models |
| US9646609B2 (en) | 2014-09-30 | 2017-05-09 | Apple Inc. | Caching apparatus for serving phonetic pronunciations |
| US10552013B2 (en) | 2014-12-02 | 2020-02-04 | Apple Inc. | Data detection |
| US9711141B2 (en) | 2014-12-09 | 2017-07-18 | Apple Inc. | Disambiguating heteronyms in speech synthesis |
| US9865280B2 (en) | 2015-03-06 | 2018-01-09 | Apple Inc. | Structured dictation using intelligent automated assistants |
| US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
| US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
| US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
| US9899019B2 (en) | 2015-03-18 | 2018-02-20 | Apple Inc. | Systems and methods for structured stem and suffix language models |
| US9842105B2 (en) | 2015-04-16 | 2017-12-12 | Apple Inc. | Parsimonious continuous-space phrase representations for natural language processing |
| US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
| US10127220B2 (en) | 2015-06-04 | 2018-11-13 | Apple Inc. | Language identification from short strings |
| US10101822B2 (en) | 2015-06-05 | 2018-10-16 | Apple Inc. | Language input correction |
| US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
| US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
| US10186254B2 (en) | 2015-06-07 | 2019-01-22 | Apple Inc. | Context-based endpoint detection |
| US10255907B2 (en) | 2015-06-07 | 2019-04-09 | Apple Inc. | Automatic accent detection using acoustic models |
| JP6472342B2 (ja) * | 2015-06-29 | 2019-02-20 | 日本電信電話株式会社 | 音声合成装置、音声合成方法、およびプログラム |
| US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
| US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
| US9697820B2 (en) | 2015-09-24 | 2017-07-04 | Apple Inc. | Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks |
| US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
| US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
| US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
| US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
| US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
| US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
| US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
| US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
| US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
| US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
| US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
| DK179309B1 (en) | 2016-06-09 | 2018-04-23 | Apple Inc | Intelligent automated assistant in a home environment |
| US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
| US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
| US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
| US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
| US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
| DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
| DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
| DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
| DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
| US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
| US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
| DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
| DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
| DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
| DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
| DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
| DK179549B1 (en) | 2017-05-16 | 2019-02-12 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69228211T2 (de) * | 1991-08-09 | 1999-07-08 | Koninkl Philips Electronics Nv | Verfahren und Apparat zur Handhabung von Höhe und Dauer eines physikalischen Audiosignals |
| JPH0573100A (ja) * | 1991-09-11 | 1993-03-26 | Canon Inc | 音声合成方法及びその装置 |
| JP3397372B2 (ja) | 1993-06-16 | 2003-04-14 | キヤノン株式会社 | 音声認識方法及び装置 |
| JP3450411B2 (ja) * | 1994-03-22 | 2003-09-22 | キヤノン株式会社 | 音声情報処理方法及び装置 |
| JP3530591B2 (ja) | 1994-09-14 | 2004-05-24 | キヤノン株式会社 | 音声認識装置及びこれを用いた情報処理装置とそれらの方法 |
| JP3581401B2 (ja) | 1994-10-07 | 2004-10-27 | キヤノン株式会社 | 音声認識方法 |
| US5864812A (en) * | 1994-12-06 | 1999-01-26 | Matsushita Electric Industrial Co., Ltd. | Speech synthesizing method and apparatus for combining natural speech segments and synthesized speech segments |
| JP3453456B2 (ja) | 1995-06-19 | 2003-10-06 | キヤノン株式会社 | 状態共有モデルの設計方法及び装置ならびにその状態共有モデルを用いた音声認識方法および装置 |
| JP3465734B2 (ja) | 1995-09-26 | 2003-11-10 | 日本電信電話株式会社 | 音声信号変形接続方法 |
| US6591240B1 (en) * | 1995-09-26 | 2003-07-08 | Nippon Telegraph And Telephone Corporation | Speech signal modification and concatenation method by gradually changing speech parameters |
| US6240384B1 (en) | 1995-12-04 | 2001-05-29 | Kabushiki Kaisha Toshiba | Speech synthesis method |
| JPH09258771A (ja) | 1996-03-25 | 1997-10-03 | Canon Inc | 音声処理方法及び装置 |
| US5913193A (en) * | 1996-04-30 | 1999-06-15 | Microsoft Corporation | Method and system of runtime acoustic unit selection for speech synthesis |
| US6366883B1 (en) * | 1996-05-15 | 2002-04-02 | Atr Interpreting Telecommunications | Concatenation of speech segments by use of a speech synthesizer |
| BE1010336A3 (fr) * | 1996-06-10 | 1998-06-02 | Faculte Polytechnique De Mons | Procede de synthese de son. |
| JPH1097276A (ja) | 1996-09-20 | 1998-04-14 | Canon Inc | 音声認識方法及び装置並びに記憶媒体 |
| JPH10161692A (ja) | 1996-12-03 | 1998-06-19 | Canon Inc | 音声認識装置及び音声認識方法 |
| JPH10187195A (ja) | 1996-12-26 | 1998-07-14 | Canon Inc | 音声合成方法および装置 |
| ATE269575T1 (de) * | 1997-01-27 | 2004-07-15 | Entropic Res Lab Inc | Ein system und verfahren zur prosodyanpassung |
| US6163769A (en) * | 1997-10-02 | 2000-12-19 | Microsoft Corporation | Text-to-speech using clustered context-dependent phoneme-based units |
| JP3902860B2 (ja) | 1998-03-09 | 2007-04-11 | キヤノン株式会社 | 音声合成制御装置及びその制御方法、コンピュータ可読メモリ |
| JP3884856B2 (ja) | 1998-03-09 | 2007-02-21 | キヤノン株式会社 | 音声合成用データ作成装置、音声合成装置及びそれらの方法、コンピュータ可読メモリ |
| JP3854713B2 (ja) | 1998-03-10 | 2006-12-06 | キヤノン株式会社 | 音声合成方法および装置および記憶媒体 |
| JP3180764B2 (ja) * | 1998-06-05 | 2001-06-25 | 日本電気株式会社 | 音声合成装置 |
| JP2002530703A (ja) * | 1998-11-13 | 2002-09-17 | ルノー・アンド・オスピー・スピーチ・プロダクツ・ナームローゼ・ベンノートシャープ | 音声波形の連結を用いる音声合成 |
| US6144939A (en) * | 1998-11-25 | 2000-11-07 | Matsushita Electric Industrial Co., Ltd. | Formant-based speech synthesizer employing demi-syllable concatenation with independent cross fade in the filter parameter and source domains |
| JP3361066B2 (ja) * | 1998-11-30 | 2003-01-07 | 松下電器産業株式会社 | 音声合成方法および装置 |
| JP2000305582A (ja) * | 1999-04-23 | 2000-11-02 | Oki Electric Ind Co Ltd | 音声合成装置 |
| US6456367B2 (en) * | 2000-01-19 | 2002-09-24 | Fuji Photo Optical Co. Ltd. | Rangefinder apparatus |
-
2000
- 2000-03-31 JP JP2000099422A patent/JP3728172B2/ja not_active Expired - Fee Related
-
2001
- 2001-03-27 US US09/818,886 patent/US7054815B2/en not_active Expired - Fee Related
- 2001-03-28 US US09/818,581 patent/US6980955B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001282275A (ja) | 2001-10-12 |
| US20010047259A1 (en) | 2001-11-29 |
| US6980955B2 (en) | 2005-12-27 |
| US7054815B2 (en) | 2006-05-30 |
| US20010037202A1 (en) | 2001-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3728172B2 (ja) | 音声合成方法および装置 | |
| JP4112613B2 (ja) | 波形言語合成 | |
| US6778962B1 (en) | Speech synthesis with prosodic model data and accent type | |
| JP2001282275A5 (ja) | ||
| JPS62160495A (ja) | 音声合成装置 | |
| JP4406440B2 (ja) | 音声合成装置、音声合成方法及びプログラム | |
| US6212501B1 (en) | Speech synthesis apparatus and method | |
| JP3673471B2 (ja) | テキスト音声合成装置およびプログラム記録媒体 | |
| JP2001282278A (ja) | 音声情報処理装置及びその方法と記憶媒体 | |
| JP3728173B2 (ja) | 音声合成方法、装置および記憶媒体 | |
| JP2007212884A (ja) | 音声合成装置、音声合成方法、及びコンピュータプログラム | |
| JP4287785B2 (ja) | 音声合成装置、音声合成方法及びプログラム | |
| JP3912913B2 (ja) | 音声合成方法及び装置 | |
| JP2006337476A (ja) | 音声合成方法および装置 | |
| JP3583929B2 (ja) | ピッチパタン変形方法及びその記録媒体 | |
| JP4525162B2 (ja) | 音声合成装置及びそのプログラム | |
| JP2005018036A (ja) | 音声合成装置、音声合成方法及びプログラム | |
| JP3853923B2 (ja) | 音声合成装置 | |
| JP3897654B2 (ja) | 音声合成方法および装置 | |
| JP4805121B2 (ja) | 音声合成装置、音声合成方法及び音声合成プログラム | |
| JP2577372B2 (ja) | 音声合成装置および方法 | |
| JPH09230893A (ja) | 規則音声合成方法及び音声合成装置 | |
| JP6159436B2 (ja) | 読み記号列編集装置および読み記号列編集方法 | |
| JP2675883B2 (ja) | 音声合成方式 | |
| JP2007052456A (ja) | 音声合成用辞書生成方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041210 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041210 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20041210 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20041210 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20041210 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20050223 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050304 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050506 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050708 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050906 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050926 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050930 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3728172 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091007 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091007 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101007 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101007 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111007 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111007 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121007 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131007 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |