JPH11338498A - 音声合成装置 - Google Patents

Abstract

(57)【要約】 【課題】 仮名漢字混じりテキストから得られた形態素
列が複数かつ曖昧である場合に、その事実又は正解の可
能性のある複数候補の内容をユーザに伝える。 【解決手段】 複数形態素出力言語解析部４７は、仮名
漢字混じりテキスト４０から得た最尤形態素列４９を言
語尤度判定部３７へ送り、言語尤度判定部３７がその中
に曖昧性の高い形態素列の区間について複数の読み候補
が存在すると判定した場合には複数形態素提示指令部４
８からの複数形態素提示指令５１に従い複数形態素列５
２をパラメータ生成部３６へ送る。一方、パラメータ変
更部５５は、当該区間に対応する韻律パラメータ４３の
変更を行うパラメータ変更指令５６をパラメータ生成部
３６へ指示する。パラメータ生成部３６は、複数の音響
パラメータ４２の抽出及び韻律パラメータ４３の決定を
行う。音声合成部３９は、各パラメータ４２，４３によ
り複数の合成音声４４を生成し、スピーカ等により出力
する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力されたテキス
トを音声へ変換する音声合成装置に関する。

【０００２】

【従来の技術】音声合成技術、中でも規則合成技術は、
任意の文字列からなるテキストを音声に変換して提示す
る技術であり、音声による情報サービス、電子メールの
読み上げ、身障者向け朗読器、新聞校閲などの用途に用
いられている。

【０００３】一般的な規則合成技術に基づいたテキスト
音声変換システムの構成は、古井「デジタル音声処理」
（東京大学出版会、１９８５年）の第１４６頁に示され
ている。これに記載されているシステムは、文章解析
部、音声規則合成部、音声合成部の３つのモジュールか
ら構成されている。文章解析部では、辞書を参照して入
力した日本語テキストを形態素と呼ばれる単位に分割す
る形態素解析処理を行う。形態素には読み、アクセント
型、品詞等が付与される。音声規則合成部は、音響処理
部と韻律生成部から構成される。音響処理部では、文章
解析部で得られた読みとアクセントを基にＬＳＰ（Ｌｉ
ｎｅ Ｓｐｅｃｔｒｕｍ Ｐａｉｒ）やメルケプストラ
ム等の音声波形を分析して得られる特徴量、あるいは音
声波形そのものなどで構成される音響パラメータを生成
する。韻律生成部では、韻律規則に基づいてピッチ、ポ
ーズ、継続時間長などの韻律パラメータを生成する。音
声合成部では、上記音響パラメータと上記韻律パラメー
タを基に合成音声を生成し、出力する。音響パラメータ
がＬＳＰ等の特徴量の場合には、ボコーダーと呼ばれる
分析合成手法に基づいて合成音声を生成し、音声波形の
場合はＰＳＯＬＡ（Pitch Synchronous OverLap and Ad
d：ピッチ同期波形重畳法）と呼ばれる方式で合成を行
う。

【０００４】ここで、文章解析部の出力結果としては、
漢字によって複数の読みが発生する場合や、日本語特有
の文法により複数の読みが可能となる場合がある。その
ため形態素解析の結果も曖昧となり、音声出力の結果が
一意に決められなかったり、読みの誤った音声を提示し
てしまう問題がある。そこで、辞書を作成する際に漢字
に対して読みの優先度を予め設定し、この優先度に基づ
き形態素の読みを決定する技術が従来提案されている。
このような従来技術として特開平６−１７６０２３号公
報に記載の「音声合成システム」（以下、「文献１」と
する）に開示されている技術がある。

【０００５】図１３は、文献１で示される手法に基づく
音声合成装置の一構成例（以下、「第１の従来例」）で
ある。この音声合成装置は、仮名漢字変換部１を有する
文書作成装置２、辞書３及び形態素解析部４を有する言
語解析部５、仮名漢字変換情報制御部６、読みアクセン
ト付与部７、音響処理部８及び韻律生成部９を有するパ
ラメータ生成部１０及び音声合成部１１で構成されてい
る。以下、第１の従来例による音声合成装置について説
明する。

【０００６】文書作成装置２は、仮名漢字変換部１にお
いて入力された仮名文字列１２を仮名漢字文字列１３に
変換する。仮名漢字変換情報制御部６は、仮名漢字変換
部１の変換結果である仮名漢字変換情報１４に基づき優
先度変更指令１５を生成する。言語解析部５は、入力さ
れたテキスト１６を解析して言語尤度を含む形態素列１
７を得ることになるが、この際、優先度変更指令１５に
従い、辞書３中の同一表記で異なる読みに対して優先度
１８を設定する。読みアクセント付与部７は、辞書３を
参照して形態素列１７に含まれる各形態素に対して優先
度１８に基づき選択された読みを付与する。音響処理部
８は、選択された優先形態素１９の読みに基づいて音響
パラメータ２０を決定する。また、韻律処理部９は、優
先形態素１９の読み、アクセント型、カテゴリー情報等
に基づいてピッチや時間長、ポーズ等の韻律パラメータ
２１を決定する。音声合成部１１は、音響パラメータ２
０と韻律パラメータ２１により合成音声２２を生成す
る。

【０００７】一方、複数の読みが存在したり、アクセン
ト型や複合語境界に誤りが存在する場合に、ユーザの入
力によって修正を行い、その修正結果を基に学習を行う
方式も提案されている。このような従来技術として特開
平６−２０２６８５号公報に記載の「音声合成装置」
（以下、「文献２」とする）に開示されている技術があ
る。

【０００８】図１４は、文献２で示される手法に基づく
音声合成装置の一構成例（以下、「第２の従来例」）で
ある。なお、第１の従来例と同様の構成要素及び情報に
は、同じ符号を付け説明を省略する。第２の従来例で
は、異なる構成要素として表示部２３、範囲指定部２
４、次候補表示選択部２５及び次候補音声合成選択部２
６が設けられている。以下、第２の従来例による音声合
成装置について説明する。

【０００９】表示部２３が仮名漢字混じり文からなる入
力されたテキスト１６を表示すると、範囲指定部２４
は、表示したテキスト中の修正箇所の部分をユーザに指
定させる。次候補表示選択部２５は、表示部２３に韻律
記号表示で次候補群を表示させ、次候補群の中から所望
の記号列をユーザに選択させる。あるいは、次候補音声
合成選択部２６の指示により、次候補の各候補に対応し
た音声を音声合成部１１に出力させ、音声出力された次
候補群の中から所望の記号列を選択させる。このような
選択操作により修正された韻律記号列により辞書の読み
の優先度更新を行う。

【００１０】以上のようにして、第１及び第２の従来技
術では、形態素の優先度を外部から設定することで、形
態素の読みの曖昧さや複合語の読み誤りを回避すること
ができる。

【００１１】

【発明が解決しようとする課題】しかしながら、第１及
び第２の従来技術ではユーザの指定により読みの選択を
するので、一度優先度を指定したら次にユーザからの指
定があるまでは読みが一意に決定され、誤った音声内容
のみを提供してしまう可能性がある。例えば、テキスト
中の単語が漢字で「清水」と表されている場合、この単
語は文章によって「しみず」あるいは「きよみず」と読
まれるであろうが、辞書中の「清水」の読みの優先度が
予め決められていたら、常に片方の読みが選択されると
考えられる。各従来技術においてこれを回避するために
は、常時優先度の変更を行わなくてはならない。

【００１２】また、第１の従来技術では、文書作成装置
が不可欠な構成要素となってしまうため装置コスト等を
考慮すると必ずしも好ましいものではない。

【００１３】また、第２の従来技術では、ユーザが範囲
を指定することが必須となり、遠隔地から送られてきた
電子メールの読み上げなどの用途や、視覚的情報が与え
られない状況では操作が困難になるなどの問題があっ
た。

【００１４】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、仮名漢字混じりテ
キストを入力して合成音を出力する音声合成方式におい
て、得られた形態素列が複数かつ曖昧である場合に、そ
の事実をユーザに的確に伝えることのできる音声合成装
置を提供することにある。

【００１５】更に、正解の可能性のある複数候補の内容
をユーザに提示することができる音声合成装置を提供す
ることにある。

【００１６】

【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、第１の発明に係る音声合成装置は、入力さ
れたテキストを解析して言語尤度を含む形態素列を得る
言語解析手段と、前記言語解析手段が得た形態素列の読
み、アクセント型等の付加情報に基づいて音響パラメー
タ及びピッチや時間長、ポーズ等の韻律パラメータを決
定するパラメータ生成手段と、前記パラメータ生成手段
が決定したパラメータに基づき合成音声を生成する音声
合成手段と、前記言語解析手段が得た形態素列の言語尤
度が曖昧性の判断指標となる所定の閾値を下回るかどう
かの判定を行う言語尤度判定手段と、前記言語尤度判定
手段による判定の結果、言語尤度が閾値を下回った区間
が判定対象となる形態素列に存在した場合には、当該区
間に対応する前記パラメータの変更を前記パラメータ生
成手段へ指示するパラメータ変更手段とを有し、形態素
解析の結果、曖昧性の高い形態素列の区間の音声を他の
区間の音声と判別可能に生成するものである。

【００１７】第２の発明に係る音声合成装置は、入力さ
れたテキストを解析して言語尤度を含む形態素列を得る
言語解析手段と、前記言語解析手段が得た形態素列の読
み、アクセント型等の付加情報に基づいて音響パラメー
タ及びピッチや時間長、ポーズ等の韻律パラメータを決
定するパラメータ生成手段と、前記パラメータ生成手段
が決定したパラメータに基づき合成音声を生成する音声
合成手段と、前記言語解析手段が得た形態素列の言語尤
度が曖昧性の判断指標となる所定の閾値を下回るかどう
かの判定を行う言語尤度判定手段と、前記言語尤度判定
手段による判定の結果、言語尤度が閾値を下回った区間
が判定対象となった形態素列に存在した場合には、当該
区間について複数の形態素を得るよう前記言語解析手段
へ指示する複数形態素提示指令手段とを有し、曖昧性の
高い形態素列の区間においては複数の読み候補の合成音
声を生成するものである。

【００１８】第３の発明に係る音声合成装置は、第２の
発明において、前記複数形態素提示指令手段が複数の形
態素を得るよう指示した場合には、曖昧性の高い形態素
列の区間又は当該区間の形態素の候補数の少なくともい
ずれか一方の情報の合成音声を生成するよう前記音声合
成手段へ指示する複数形態素情報通知手段を有するもの
である。

【００１９】第４の発明に係る音声合成装置は、第２の
発明において、前記言語尤度判定手段による判定の結
果、言語尤度が閾値を下回った区間が判定対象となる形
態素列に存在した場合には、当該区間に対応する韻律パ
ラメータの変更を前記パラメータ生成手段へ指示するパ
ラメータ変更手段を有するものである。

【００２０】第５の発明に係る音声合成装置は、第１又
は第４の発明において、前記パラメータ変更手段は、韻
律パラメータの変更を前記パラメータ生成手段へ指示す
ることによって、曖昧性の高い形態素列の区間の韻律的
特徴を変化させた合成音声を生成させるものである。

【００２１】第６の発明に係る音声合成装置は、第１又
は第４の発明において、前記パラメータ変更手段は、音
響パラメータの変更を前記パラメータ生成手段へ指示す
ることによって、曖昧性の高い形態素列の区間が他の区
間と異なる音声となる音響パラメータを用いて合成音声
を生成させるものである。

【００２２】第７の発明に係る音声合成装置は、第１乃
至第６のいずれかの発明において、前記言語尤度判定手
段は、連続する複数の形態素の連鎖及びその生起確率を
組にした連鎖確率情報を記憶する連鎖確率情報記憶部
と、前記連鎖確率情報記憶部を参照し、入力されたテキ
ストを解析して得た形態素列の連鎖確率を得る連鎖確率
抽出部と、前記連鎖確率抽出部が得た連鎖確率が曖昧性
の判断指標となる所定の閾値を下回るかどうかの判定を
行う連鎖確率判定部とを有し、連鎖確率情報を参照する
ことによって複数の形態素をまとめて一区間として取扱
い可能としたものである。

【００２３】第８の発明に係る音声合成装置は、第１乃
至第６のいずれかの発明において、前記言語尤度判定手
段は、前記形態素列に意味素性情報が含まれている場
合、意味素性間の関連の強さの度合を共起関係として記
憶する共起関係記憶部と、連続する複数の形態素の連鎖
及びその生起確率を組にした連鎖確率情報を記憶する連
鎖確率情報記憶部と、連続する形態素間の共起関係を前
記共起関係記憶手段を参照して決定する共起関係抽出部
と、前記連鎖確率情報記憶部を検索して前記形態素列の
連鎖確率と共起関係との積を共起重み付き連鎖確率とし
て抽出する重み付き連鎖確率抽出部と、前記重み付き連
鎖確率抽出部が抽出した共起重み付き連鎖確率が曖昧性
の判断指標となる所定の閾値を下回るかどうかを判定す
る重み付き連鎖判定部とを有し、連鎖確率情報と共に共
起関係を曖昧性の判定基準として用いるものである。

【００２４】

【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。

【００２５】実施の形態１．図１は、本発明に係る音声
合成装置の実施の形態１を示したブロック構成図であ
る。本実施の形態における音声合成装置は、辞書３１及
び形態素解析部３２を含む言語解析部３３、音響処理部
３４及び韻律生成部３５を含むパラメータ生成部３６、
言語尤度判定部３７、パラメータ変更部３８及び音声合
成部３９を有している。言語解析部３３は、入力された
テキスト４０を解析して言語尤度を含む形態素列を得
る。パラメータ生成部３６は、言語解析部３３が得た形
態素列４１の読み、アクセント型等の付加情報に基づい
て音響パラメータ４２及びピッチや時間長、ポーズ等の
韻律パラメータ４３を決定する。音声合成部３９は、パ
ラメータ生成部３６が決定したパラメータ４２，４３に
基づき合成音声４４を生成する。言語尤度判定部３７
は、言語解析部３３が得た形態素列４１の言語尤度が曖
昧性の判断指標となる所定の閾値を下回るかどうかの判
定を行う。パラメータ変更部３８は、言語尤度判定部３
７による判定の結果、言語尤度が閾値を下回った区間が
判定対象となる形態素列に存在した場合には、当該区間
に対応するパラメータ４２，４３の変更をパラメータ生
成部３６へ指示する。上記構成のうち言語解析部３３、
パラメータ生成部３６及び音声合成部３９は、従来から
あるものとほぼ同様の機能を持つもので構成することが
できる。

【００２６】本実施の形態において特徴的なことは、形
態素解析の結果、曖昧性の高い形態素列の区間の音声を
他の区間の音声と判別可能に生成するようにしたことで
ある。具体的には、曖昧性の高い形態素列の区間の韻律
的特徴を変化させることにより読み誤りを含む可能性が
あることをユーザに的確に伝えることができる。

【００２７】次に、本実施の形態における動作について
図２に示したフローチャートを用いて説明する。

【００２８】日本語仮名漢字混じり文からなるテキスト
４０は、言語解析部３３へ入力される（ステップ１０
０）。このテキスト４０は、キーボードからのキー入力
や端末上で受信した電子メール、音声認識が出力する認
識結果など入力形態はどのようなものでも構わない。言
語解析部３３が有している辞書３１には、単語の読み、
品詞、アクセント型などを記憶する単語辞書や、接頭接
尾語を記憶する接辞辞書、単語や品詞などの言語的カテ
ゴリーの意味素性を記憶する意味辞書などがある。形態
素解析部３２は、この辞書３１を参照してテキスト４０
を言語の最小単位である形態素単位に分解する。形態素
解析では辞書３１の見出しと一致する形態素を全て抽出
し、更に活用規則、接辞規則、複合語規則、付属語規
則、アクセント規則等を適用することにより、多様な形
態素列を得る。形態素列には読み、アクセント型、品詞
などの言語的カテゴリーの他に、言語尤度が含まれる。
言語尤度の例としては、各規則適用時のコスト値や、形
態素の優先度などが用いられる。形態素解析部３２で
は、多くの形態素列の中から、言語尤度が最大となる基
準により最適な形態素列４１を得て（ステップ１１
０）、言語尤度判定部３７及びパラメータ生成部３６へ
送る。

【００２９】言語尤度判定部３７では、言語解析部３３
から出力された形態素列４１の言語尤度について判定を
行う（ステップ１２０）。形態素列のある区間（本実施
の形態の場合は一形態素）の言語尤度が曖昧性の判断指
標となる所定の閾値を越えない場合（ステップ１３
０）、当該区間は、曖昧性が高いと判定し、曖昧形態素
区間４５としてパラメータ変更部３８へ伝える。パラメ
ータ変更部３８は、曖昧形態素区間４５について韻律パ
ラメータ４３の変更を行うパラメータ変更指令４６を韻
律生成部３５へ出す（ステップ１４０）。なお、上記所
定の閾値は、運用や過去の実績に基づいて適当な値に設
定すればよい。以下、同様とする。

【００３０】一方、パラメータ生成部３６において、音
響処理部３４は、言語解析部３３から出力された形態素
列４１に基づいて音響辞書（図示せず）を参照して、形
態素の読みに対応した音響パラメータ４２を抽出して出
力する（ステップ１５０）。音響パラメータ４２は、音
声波形の形態、あるいは音声から予め抽出したＬＰＣ係
数、メルケプストラム、ＬＳＰ係数などの特徴量の形態
で、ＣＶ（子音・母音の組み）、ＶＣＶ（母音・子音・
母音の組）などの単位からなる音声素片の形で用意さ
れ、音響辞書に記憶されている。韻律生成部３５は、形
態素列４１に基づいてピッチパターン生成規則、継続時
間長生成規則、ポーズ挿入規則などの韻律制御規則を適
用して、ピッチパターン、継続時間長、ポーズ挿入位置
などの韻律パラメータ４３を決定し、出力する（ステッ
プ１６０）。このとき、韻律生成部３５は、パラメータ
変更部３８からパラメータ変更指令４６を受け取ってい
る場合には、韻律パラメータ４３の変更を行う。韻律パ
ラメータ４３の変更の例としては、当該区間についての
モーラ速度を一律に低下させる方法があり、この方法に
よると、曖昧形態素区間４５については合成音声がゆっ
くりかつ明確に生成することができる。

【００３１】音声合成部３９は、パラメータ生成部３６
から送られてきた音響パラメータ４２と韻律パラメータ
４３により合成音声４４を生成し、図示しないスピーカ
や受話器等により出力する（ステップ１７０）。

【００３２】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列が曖昧な場合でも、対象となる形態素区間の韻律的特
徴を変化させることで、その区間では読みが曖昧であ
り、場合によっては読み誤りを含む可能性があることを
ユーザに的確に伝えることができ、よりユーザに負担を
かけないテキスト読み上げや情報提供をすることができ
る。

【００３３】実施の形態２.図３は、本発明に係る音声
合成装置の実施の形態２を示したブロック構成図であ
る。なお、上記実施の形態１と同様の構成要素及びデー
タには、同じ符号を付けて説明を省略する。本実施の形
態における音声合成装置は、実施の形態１と同様のパラ
メータ生成部３６、言語尤度判定部３７及び音声合成部
３９に加えて複数形態素出力言語解析部４７、複数形態
素提示指令部４８を具備した構成を有している。複数形
態素出力言語解析部４７は、機能的には実施の形態１の
言語解析部３３と同様の言語解析手段であるが、複数の
形態素を出力可能である点が異なる。複数形態素提示指
令部４８は、言語尤度判定部３７による判定の結果、言
語尤度が閾値を下回った区間が判定対象となった形態素
列に存在した場合には、当該区間について複数の形態素
を得るよう複数形態素出力言語解析部４７へ指示する。

【００３４】本実施の形態において特徴的なことは、形
態素解析の結果、曖昧性の高い形態素列の区間について
複数の読み候補の合成音声を生成するようにしたことで
ある。具体的には、曖昧性の高い形態素の上位候補すな
わち正解の可能性の高い内容を音声提示するようにした
ので、ユーザに負担をかけないテキスト読み上げや情報
提供をすることができる。

【００３５】次に、本実施の形態における動作について
図４に示したフローチャートを用いて説明する。なお、
上記実施の形態１と同様の処理には同じ符号を付ける。
以降の実施の形態においても同様とする。

【００３６】日本語仮名漢字混じり文からなるテキスト
４０は、複数形態素出力言語解析部４７へ入力される
（ステップ１００）。このテキスト４０は、実施の形態
１と同じものとする。複数形態素出力言語解析部４７
は、辞書（図示せず）を参照して、テキスト４０に含ま
れる形態素を決定し、形態素毎の読み、品詞、アクセン
ト型及び言語尤度を抽出する形態素解析処理を行う。形
態素解析の動作は実施の形態１と同じものとする。複数
形態素出力言語解析部４７は、多くの形態素列の中から
言語尤度が最大となる基準により最尤形態素列４９を得
て（ステップ１１０）、言語尤度判定部３７へ送る。

【００３７】言語尤度判定部３７では、最尤形態素列４
９の言語尤度について判定を行う（ステップ１２０）。
最尤形態素列４９のある区間（本実施の形態の場合は一
形態素）の言語尤度が曖昧性の判断指標となる所定の閾
値を越えない場合（ステップ１３１）、当該区間は、曖
昧性が高いと判定し、曖昧形態素区間５０として複数形
態素提示指令部４８へ伝える。複数形態素提示指令部４
８は、曖昧形態素区間５０について複数の形態素列を一
つ一つ音声提示する複数形態素提示指令５１を複数形態
素出力言語解析部４７へ伝える。本実施の形態における
複数形態素出力言語解析部４７は、複数形態素提示指令
５１を受け取ると、当該区間における言語尤度の上位２
つの形態素列を複数形態素列５２として抽出し（ステッ
プ１３２）、言語尤度の高い順に一つずつ音声提示する
指示と共にパラメータ生成部３６へ送る。

【００３８】パラメータ生成部３６においては、上記実
施の形態１と同様にして複数形態素列５２に基づき音響
パラメータ４２の抽出及び韻律パラメータ４３の決定を
行い、音声合成部１１へ出力する（ステップ１６１，１
７１）。本実施の形態においては、複数形態素列５２に
は曖昧性が高い区間における言語尤度の上位２つの形態
素列が含まれているので、２組のパラメータ４２，４３
が出力されることになる。

【００３９】音声合成部３９は、パラメータ生成部３６
から送られてきた音響パラメータ４２と韻律パラメータ
４３により２組の合成音声４４を生成し、図示しないス
ピーカや受話器等により出力する（ステップ１７１）。

【００４０】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列が曖昧な場合でも、対象となる形態素列の上位２つま
でを音声提示することができるようにした。このよう
に、形態素列のある区間で内容が曖昧な場合は、正解の
可能性の高い音声内容を複数提示することができ、更に
ユーザに優先度更新の作業の負担をかけないテキスト読
み上げや情報提供をすることができる。なお、本実施の
形態においては、複数形態素出力言語解析部４７で上位
２つの候補からなる複数形態素列５２を生成するように
したが、上位２つでなくても３以上でもよい。

【００４１】実施の形態３.図５は、本発明に係る音声
合成装置の実施の形態３を示したブロック構成図であ
る。なお、上記各実施の形態と同様の構成要素及びデー
タには、同じ符号を付けて説明を省略する。以降の各実
施の形態においても同様とする。本実施の形態における
音声合成装置は、実施の形態２と同様のパラメータ生成
部３６、言語尤度判定部３７、音声合成部３９、複数形
態素出力言語解析部４７及び複数形態素提示指令部４８
に加えて複数形態素アナウンス部５３を具備した構成を
有している。複数形態素アナウンス部５３は、複数形態
素提示指令部４８が複数の形態素を得るよう指示した場
合には、曖昧性の高い形態素列の区間又は当該区間の形
態素の候補数の少なくともいずれか一方の情報の合成音
声を生成するよう前記音声合成手段へ指示する複数形態
素情報通知手段として設けられている。

【００４２】本実施の形態において特徴的なことは、複
数形態素アナウンス部５３を設けて、形態素解析の結
果、曖昧性の高い形態素列の区間に関する情報つまりそ
の区間の範囲をその区間における形態素の候補の数と共
に明示するようにしたことである。このような情報をユ
ーザに提示することにより、ユーザに負担をかけないテ
キスト読み上げ等をさせることができる。

【００４３】次に、本実施の形態における動作について
図６に示したフローチャートを用いて説明するが、複数
形態素出力言語解析部４７が形態素解析処理により得た
最尤形態素列４９を言語尤度判定部３７へ送り、この結
果複数形態素提示指令部４８から送られてきた複数形態
素提示指令５１に従い複数形態素列５２をパラメータ生
成部３６へ送り、更にパラメータ生成部３６がその複数
形態素列５２に基づき音響パラメータ４２及び韻律パラ
メータ４３を出力する処理（ステップ１００〜１３２，
１５１，１６１）に関しては、実施の形態２と同じなの
で詳細な説明は省略する。

【００４４】本実施の形態においては、更に次の処理が
行われる。すなわち、複数形態素提示指令部４８は、言
語尤度判定部３７から送られてきた曖昧形態素区間５０
に基づき複数形態素提示指令５１を複数形態素出力言語
解析部４７へ伝えるが、この複数形態素提示指令５１を
更に複数形態素アナウンス部５３へ伝える。

【００４５】複数形態素アナウンス部５３は、複数形態
素列５２に対応する音声合成部３９による合成音声の提
示の直前に、形態素列における読みの曖昧な範囲（つま
り区間）と形態素の候補数を明示するためのアナウンス
指示５４を音声合成部３９へ送る（ステップ１３３）。
明示の例としては、予めガイダンス音声を用意し、数字
の部分のみを編集合成的に音声を変更する。そして、提
示直前に複数の音声出力が行われるテキスト上の文字数
と提示する数をアナウンスさせる。

【００４６】音声合成部３９では、上記実施の形態２と
同様に音響パラメータ４２と韻律パラメータ４３により
合成音声を生成すると共にアナウンス指示５４に従いテ
キスト上の文字数等を提示するための音声を生成する。
そして、テキスト上の文字数等に続けて入力されたテキ
スト４０に基づく合成音声をスピーカや受話器等により
出力する（ステップ１７２）。

【００４７】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列が曖昧な場合には、対象となる複数の形態素列を音声
提示することができるようにしたが、この音声提示の際
に形態素列の範囲及び候補数を共に明示できるようにし
たので、正解の可能性の高い音声内容をユーザによりわ
かりやすく提示することができ、有効なテキスト読み上
げや音声による情報提供をすることができる。

【００４８】なお、本実施の形態において、複数形態素
情報通知手段として設けた複数形態素アナウンス部５３
は、曖昧性の高い形態素列の区間又は当該区間の形態素
の候補数の双方を音声提示することができるようにした
が、少なくともいずれか一方の情報のみを音声提示でき
るようにしてもよい。また、視覚的情報が与えられる環
境が整っていれば、音声でなくても文字情報として提供
することも可能である。

【００４９】また、複数形態素提示指令手段は、複数形
態素区間の履歴を記憶し、その内容と重複する複数形態
素区間が現れた場合には、複数形態素アナウンス手段か
ら複数提示を省略するアナウンス指令を出すように指令
を送ることができる。

【００５０】また、複数形態素情報通知手段として設け
た複数形態素アナウンス部５３は、音声提示する複数形
態素の前後にガイド音声を挿入することもできる。ま
た、音声合成手段にアナウンス指示を送る代りに、ディ
スプレイ上に複数形態素列に関する情報を表示すること
もできる。

【００５１】実施の形態４.図７は、本発明に係る音声
合成装置の実施の形態４を示したブロック構成図であ
る。本実施の形態における音声合成装置は、実施の形態
２と同様のパラメータ生成部３６、言語尤度判定部３
７、音声合成部３９、複数形態素出力言語解析部４７及
び複数形態素提示指令部４８に加えてパラメータ変更部
５５を具備した構成を有している。パラメータ変更部５
５は、言語尤度判定部３７による判定の結果、言語尤度
が閾値を下回った区間が判定対象となる形態素列に存在
した場合には、当該区間に対応する韻律パラメータ４３
の変更をパラメータ生成部３６の韻律生成部３５へ指示
する。

【００５２】本実施の形態において特徴的なことは、形
態素解析の結果、曖昧性の高い区間を含む複数の形態素
列を音声提示する際、各区間の韻律的特徴を変化させて
合成音声を生成するようにしたことである。これによ
り、正解の可能性の高い音声内容かつ読み誤りを含む形
態素をユーザによりわかりやすく提示することができる
ので、ユーザに負担をかけないテキスト読み上げや情報
提供をすることができる。

【００５３】次に、本実施の形態における動作について
説明するが、基本的には、複数の形態素の候補を音声提
示させるという実施の形態２で示した処理に、曖昧性の
高い形態素列の区間の韻律的特徴を変化させるために実
施の形態１で示した韻律パラメータ４３を変更させる処
理（ステップ１４０）を組み合わせたものである。従っ
て、本実施の形態の動作における、複数形態素出力言語
解析部４７が形態素解析処理により得た最尤形態素列４
９を言語尤度判定部３７へ送り、この結果複数形態素提
示指令部４８から送られてきた複数形態素提示指令５１
に従い複数形態素列５２をパラメータ生成部３６へ送る
処理に関しては、実施の形態２と同じとなる。この詳細
な説明は省略する。本実施の形態においては、これらの
処理に次の処理が加わる。すなわち、複数形態素提示指
令部４８は、言語尤度判定部３７から送られてきた曖昧
形態素区間５０に基づき複数形態素提示指令５１を複数
形態素出力言語解析部４７へ伝えるが、この複数形態素
提示指令５１を更にパラメータ変更部５５にも伝える。

【００５４】パラメータ変更部５５は、複数形態素提示
指令５１と共に通知される曖昧形態素区間に対応する韻
律パラメータ４３の変更を行うパラメータ変更指令５６
をパラメータ生成部３６へ指示する。パラメータ生成部
３６においては、実施の形態２と同様にして複数形態素
列５２に基づき複数組の音響パラメータ４２の抽出及び
韻律パラメータ４３の決定を行い、音声合成部３９へ出
力する。但し、本実施の形態における韻律生成部３５で
は、パラメータ変更指令５６に従い当該区間の２つの形
態素列について韻律パラメータ４３の変更を行う。韻律
パラメータ４３の変更の例としては、当該区間について
のモーラ速度を一律に低下させる方法があり、この方法
によると、曖昧形態素区間５０については合成音声をゆ
っくりかつ明確に生成することができる。

【００５５】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列が曖昧な場合でも、対象となる形態素列の上位２つま
でを音声提示することにより、正解の可能性の高い音声
内容を提示することができ、更に対象となる形態素列の
韻律パラメータを変化させることで、ユーザにより明確
に提示することができ、有効なテキスト読み上げや情報
提供をすることができる。なお、本実施の形態において
も実施の形態２と同様に３以上の候補で複数形態素列５
２を生成できることは、いうまでもない。

【００５６】実施の形態５.図８は、本発明に係る音声
合成装置の実施の形態５を示したブロック構成図であ
る。基本的には、実施の形態１と同様の構成である。但
し、本実施の形態におけるパラメータ変更部５７は、パ
ラメータ生成部３６へ向けて出力するパラメータ変更指
令５８に、韻律パラメータ４３の変更を行う指示のみな
らず音響パラメータ４２の変更を行う指示を含めたこと
を特徴としている。これにより、曖昧性の高い形態素列
の区間が他の区間と異なる音声となる音響パラメータ４
２を用いて合成音声を生成させることができる。

【００５７】次に、本実施の形態における動作について
説明するが、基本的には上記実施の形態１と同様にな
る。但し、本実施の形態においては、これらの処理に次
の処理が加わる。すなわち、パラメータ変更部５７は、
言語尤度判定部３７から曖昧性が高い区間を曖昧形態素
区間４５として通知されるが、本実施の形態において
は、この曖昧形態素区間４５について韻律パラメータ４
３のみならず音響パラメータ４２の変更を行うパラメー
タ変更指令５８をパラメータ生成部３６に出すことにな
る。

【００５８】そして、パラメータ生成部３６において、
音響処理部３４は、言語解析部３３から出力された形態
素列４１に基づいて音響パラメータ４２を抽出して出力
するが、パラメータ変更部５７からパラメータ変更指令
５８が通知された場合には、通常話者の音響辞書と別の
話者の音響辞書をそれぞれ検索し、曖昧性の高い形態素
列の区間に対しては別話者による音響パラメータ４２の
生成を行う。例えば、通常は女声による音声合成を行う
場合に、曖昧な形態素区間については男声話者によって
音声合成を行う。あるいはその逆を行う。一方、韻律生
成部３５は、実施の形態１と同様に動作し、パラメータ
変更指令５８を受け取っている場合には、韻律パラメー
タ４３の変更を行う。そして、音声合成部３９は、パラ
メータ生成部３６から送られてきた音響パラメータ４２
と韻律パラメータ４３により合成音声４４を生成し、図
示しないスピーカや受話器等により出力する。

【００５９】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列が曖昧な場合でも、対象となる形態素区間について別
の話者による合成音声を提示することで、その区間では
内容が曖昧なことを的確にユーザに伝えることができ、
よりユーザに負担をかけないテキスト読み上げや情報提
供をすることができる。

【００６０】実施の形態６.図９は、本発明に係る音声
合成装置の実施の形態６を示したブロック構成図であ
る。本実施の形態における音声合成装置は、基本的には
実施の形態５と同様であるが、言語尤度判定手段を実施
の形態５の言語尤度判定部ではなく連鎖確率情報記憶部
５９、連鎖確率抽出部６０及び連鎖確率判定部６１で構
成するようにした。連鎖確率情報記憶部５９には、連続
する複数の形態素の連鎖及びその生起確率を組にした連
鎖確率情報が記憶されている。図１０には、連鎖確率情
報記憶部５９に記憶された連鎖確率テーブルの内容例が
示されている。連鎖確率テーブルは、形態素ｗ１，ｗ
２，・・・，ｗｎのうち連続する形態素の組に対する生
起確率の形で記述する。連続する形態素の生起確率は、
学習テキストデータにおける形態素連鎖の出現頻度の、
先行する形態素の出現頻度に対する比、すなわちバイグ
ラムを事前に計算して連鎖確率として記憶する。連鎖確
率抽出部６０は、連鎖確率情報記憶部５９を参照し、入
力されたテキストを解析して得た形態素列の連鎖確率を
得る。連鎖確率判定部６１は、連鎖確率抽出部６０が得
た連鎖確率が曖昧性の判断指標となる所定の閾値を下回
るかどうかの判定を行う。

【００６１】本実施の形態において特徴的なことは、以
上の構成としたことで上記連鎖確率を曖昧性の判断指標
として用いることができるようにしたことである。これ
により、言語解析結果として抽出された形態素列の連鎖
確率を尺度として長い区間での形態素の確定精度の向上
を図ることができる。

【００６２】次に、本実施の形態における動作について
説明するが、基本的には実施の形態５と同様であるの
で、連鎖確率抽出部６０及び連鎖確率判定部６１の動作
についてのみ詳述する。

【００６３】言語解析部３３は、入力されたテキスト４
０に対して形態素解析処理を行い、最適な形態素列４１
を得ると連鎖確率抽出部６０及びパラメータ生成部３６
へ送る。

【００６４】連鎖確率抽出部６０は、言語解析部３３か
ら出力された形態素列４１の中から連続した形態素の組
の全てを順番に取り出し、その組に対して連鎖確率情報
記憶部５９の連鎖確率テーブル６２を検索して生起確率
を引き出し、連鎖確率６３として出力する。連鎖確率判
定部６１は、連鎖確率６３が曖昧性の判断指標となる所
定の閾値を越えない場合、この形態素列の区間は曖昧性
が高いと判定し、当該区間を曖昧連鎖区間６４としてパ
ラメータ変更部５７へ伝える。パラメータ変更部５７
は、曖昧連鎖区間６４について音響パラメータ４２と韻
律パラメータ４３の変更を行うパラメータ変更指令５８
をパラメータ生成部３６へ伝える。

【００６５】その後、パラメータ生成部３６は、通知さ
れたパラメータ変更指令５８に従い変更を加えた音響パ
ラメータ４２及び韻律パラメータ４３を出力し、音声合
成部３９は、各パラメータ４２，４３により合成音声４
４を生成し、図示しないスピーカや受話器等により出力
する。

【００６６】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列の連鎖確率を尺度として長い区間すなわち複数の形態
素をまとめて一区間とした中での形態素の確定精度の向
上を図り、その上で形態素列が曖昧であればその区間で
の韻律的特徴等を変化させることで、場合によっては読
み誤りを含む可能性があることをユーザに的確に伝える
ことができ、ユーザに負担をかけないテキスト読み上げ
や情報提供をすることができる。

【００６７】なお、本実施の形態では、２連続の形態素
の組の例のみを示したが、３連続以上の形態素の組を扱
うようにしてもよい。

【００６８】実施の形態７.図１１は、本発明に係る音
声合成装置の実施の形態７を示したブロック構成図であ
る。本実施の形態における音声合成装置は、基本的には
実施の形態５と同様であるが、言語尤度判定手段を実施
の形態５の言語尤度判定部ではなく共起関係記憶部６
５、連鎖確率情報記憶部５９、共起関係抽出部６６、重
み付き連鎖確率抽出部６７及び重み付き連鎖判定部６８
で構成するようにした。共起関係記憶部６５には、形態
素列に意味素性情報が含まれている場合、意味素性間の
関連の強さの度合が共起関係として記憶されている。図
１２には、共起関係記憶部６５に記憶された形態素に記
述されている意味素性間の共起確率を記述した共起テー
ブルが示されている。共起確率は、２つの意味素性間の
隣接頻度を学習データから求め、先行形態素の意味素性
の出現頻度との比の形で決定される。連鎖確率情報記憶
部５９には、実施の形態６と同じく連鎖確率テーブルが
記憶されている。共起関係抽出部６６は、連続する形態
素間の共起関係を共起関係記憶部６５を参照して決定す
る。重み付き連鎖確率抽出部６７は、連鎖確率情報記憶
部５９を検索して形態素列の連鎖確率と共起関係との積
を共起重み付き連鎖確率として抽出する。重み付き連鎖
判定部６８は、重み付き連鎖確率抽出部６７が抽出した
共起重み付き連鎖確率が曖昧性の判断指標となる所定の
閾値を下回るかどうかを判定する。

【００６９】本実施の形態において特徴的なことは、連
鎖確率情報と共に共起関係を曖昧性の判定基準として用
いるようにしたことである。これにより、更に、形態素
の確定精度の向上を図ることができる。

【００７０】次に、本実施の形態における動作について
説明するが、基本的には実施の形態５と同様であるの
で、共起関係抽出部６６、重み付き連鎖確率抽出部６７
及び重み付き連鎖判定部６８の動作についてのみ詳述す
る。

【００７１】言語解析部３３は、入力されたテキスト４
０に対して形態素解析処理を行い、最適な形態素列４１
を得ると共起関係抽出部６６、重み付き連鎖確率抽出部
６７及びパラメータ生成部３６へ送る。

【００７２】共起関係抽出部６６は、共起関係記憶部６
５の共起テーブル６９を検索して言語解析部３３から出
力された形態素列４１の中から連続した形態素候補に対
応する形態素間の共起関係７０を求める。一方、重み付
き連鎖確率抽出部６７は、形態素列４１の中から連続し
た形態素の組の全てを順番に取り出し、その組に対して
連鎖確率情報記憶部５９の連鎖確率テーブル６２を検索
して生起確率を引き出し、連鎖確率を得る。そして、こ
の連鎖確率と共起関係７０との積を求め、重み付き連鎖
確率７１として抽出する。重み付き連鎖判定部６８は、
重み付き連鎖確率７１が曖昧性の判断指標となる所定の
閾値を越えない場合、この形態素列の区間は曖昧性が高
いと判定し、当該区間を曖昧重み付き連鎖確率区間７２
としてパラメータ変更部５７へ伝える。パラメータ変更
部５７は、曖昧重み付き連鎖確率区間７２について音響
パラメータ４２と韻律パラメータ４３の変更を行うパラ
メータ変更指令５８をパラメータ生成部３６へ伝える。

【００７３】その後、パラメータ生成部３６は、通知さ
れたパラメータ変更指令５８に従い変更を加えた音響パ
ラメータ４２及び韻律パラメータ４３を出力し、音声合
成部３９は、各パラメータ４２，４３により合成音声４
４を生成し、図示しないスピーカや受話器等により出力
する。

【００７４】本実施の形態によれば、このような構成を
とることにより、言語解析結果として抽出された形態素
列について、形態素間の連鎖確率と共に共起関係を用い
た意味的な制約を加えて候補を絞り込み、その上で曖昧
な形態素列があればその区間での韻律的特徴等を変化さ
せることで、場合によっては読み誤りを含む可能性があ
ることを的確にユーザに伝えることにより、ユーザに負
担をかけないテキスト読み上げや情報提供をすることが
できる。

【００７５】なお、本実施の形態における共起関係抽出
部６６は、隣接形態素間の共起関係を抽出するだけでな
く、一文中の離れた形態素間の共起関係も抽出すること
ができる。

【００７６】また、本実施の形態における共起関係記憶
部６５には、意味素性間の共起関係を学習データにおけ
る、修飾被修飾関係にある形態素の出現頻度から計算し
て記憶させておくことができる。

【００７７】また、本実施の形態における重み付き連鎖
確率抽出部６７は、形態素間の共起関係と連鎖確率との
加重和を重み付き連鎖確率とすることができる。

【００７８】以上のように、各実施の形態においては、
本発明の各目的を達成するために様々な構成例について
説明したが、可能であれば、各実施の形態の特徴的な構
成要素を適当に組み合わせて使用することも可能であ
る。更に、各実施の形態において共通の構成要素を以下
のように変更し応用することができる。

【００７９】例えば、上記実施の形態におけるテキスト
は、日本語の漢字仮名混じり文に限らず、仮名のみから
なることや、あるいは英語文などの外国語文を含むこと
もできる。

【００８０】また、実施の形態において言語解析部３３
若しくは複数形態素出力言語解析部４７として設けた言
語解析手段は、形態素解析処理のみならず、文法を適用
して文の統語的構造を抽出する統語解析処理や、意味的
構造を抽出する意味解析処理を含めることができる。

【００８１】また、各実施の形態における言語解析手段
は、最長一致基準または形態素数最小基準と、言語尤度
の基準の組合せにより選ばれた形態素列を出力すること
ができる。

【００８２】また、実施の形態１、４〜７におけるパラ
メータ変更手段は、所望の区間のモーラ速度を変化させ
る他に、あるいは代りに、区間内パワーを増加させて強
調させることができる。

【００８３】また、実施の形態１、４〜７におけるパラ
メータ変更手段は、所望の区間のモーラ速度を変化させ
る他に、あるいは代りに、区間内ピッチを低下させて強
調させることができる。

【００８４】また、実施の形態５〜７におけるパラメー
タ変更手段は、男声話者と女性話者の変更を行う代り
に、韻律パラメータの変更は行わず、音声素片データベ
ースの中で話者間の平均スペクトル距離が最大となる話
者の間で音声素片の切替えを行うことができる。

【００８５】また、実施の形態２〜４の複数形態素提示
指令手段は、言語尤度についての一定の下限を上回る形
態素列をすべて提示させる指令を送ることができる。

【００８６】また、実施の形態２〜４の複数形態素提示
指令手段は、複数形態素区間の履歴を記憶し、その内容
と重複する複数形態素区間が現れた場合には、複数形態
素提示指令を省略することができる。

【００８７】また、実施の形態２〜４の複数形態素提示
指令手段は、キーボードやプッシュホンのボタンをユー
ザからの入力手段として備え、複数形態素提示指令を発
する際にユーザから音声提示すべき形態素数を指定する
ことができる。

【００８８】また、実施の形態５〜７において、言語解
析部３３の代りに実施の形態２〜４の複数形態素出力言
語解析部４７を用いることもでき、また、言語尤度判定
手段の出力側、すなわち実施の形態５の言語尤度判定部
３７の出力側、実施の形態６の連鎖確率判定部６１の出
力側、あるいは実施の形態７の重み付き連鎖判定部６８
の出力側にそれぞれ複数形態素提示指令手段を備えるこ
ともできる。

【００８９】また、実施の形態６〜７における連鎖確率
情報記憶手段は，連鎖確率を学習テキストデータにおけ
る３つ組の形態素連鎖の出現頻度の、先行する２つ組の
形態素連鎖の出現頻度に対する比、すなわちトライグラ
ムを事前に計算して記憶することができ，実施の形態６
の連鎖確率抽出部６０又は実施の形態７の重み付き連鎖
確率抽出部６７は、言語解析手段に含まれている形態素
解析部から出力された３つ組の形態素列により連鎖確率
を検索することができる。

【００９０】また、実施の形態６〜７における連鎖確率
情報記憶手段は、学習テキストデータから抽出したユニ
グラム、バイグラム、トライグラム、または４つ以上の
形態素の連鎖確率のテーブルをそれぞれ記憶し、実施の
形態６の連鎖確率抽出部６０又は実施の形態７の重み付
き連鎖確率抽出部６７は、１つ以上の有限個の連続する
形態素連鎖を入力して連鎖確率を検索することができ、
実施の形態６の連鎖確率判定部６１又は実施の形態７の
重み付き連鎖確率判定部６８は、連鎖確率に形態素連鎖
の長さに応じた重み係数を乗じて判定に用いることがで
きる。特に、実施の形態６における連鎖確率抽出部６０
は、各形態素列の生起確率の積を求めて文全体の連鎖確
率を計算し、それを基に連鎖確率判定部６１で判定に用
いることもできる。

【００９１】

【発明の効果】本発明によれば、形態素解析の結果が曖
昧な場合でも、対象となる形態素区間の音声を他の区間
の音声と判別可能に生成することにより、その区間では
読みが曖昧であって、場合によっては読み誤りを含む可
能性があることをユーザに的確に伝えることができ、よ
りユーザに負担をかけないテキスト読み上げや情報提供
をすることができる。

【００９２】また、形態素解析の結果が曖昧な場合で
も、対象となる形態素の上位候補を音声提示することに
より、その区間では内容が曖昧であっても正解の可能性
の高い音声内容を提示することができ、ユーザに負担を
かけないテキスト読み上げや情報提供をすることができ
る。

【００９３】また、形態素解析の結果が曖昧な場合でも
対象となる形態素の上位候補を、その区間の範囲及び候
補数と共に明示できるようにしたので、正解の可能性の
高い音声内容をユーザによりわかりやすく提示すること
ができ、有効なテキスト読み上げや音声による情報提供
をすることができる。

【００９４】また、形態素解析の結果が曖昧な場合でも
対象となる形態素の上位候補を、その曖昧性の高い区間
の音声を他の区間の音声と判別可能に生成することによ
り、ユーザに正解の可能性の高い情報を明確に提示する
ことができ、有効なテキスト読み上げや情報提供をする
ことができる。

【００９５】また、曖昧性の高い区間の韻律的特徴を変
化させることにより、その区間では場合によって読み誤
りを含む可能性があることをユーザに的確に伝えること
ができる。

【００９６】また、曖昧性の高い区間については別の音
声による合成音声、例えば通常の音声と異性の音声で提
示することで、その区間では場合によって読み誤りを含
む可能性があることをユーザに的確に伝えることができ
る。

【００９７】また、形態素列の連鎖確率を尺度として長
い区間での形態素の確定精度の向上を図り、その上で形
態素解析の結果が曖昧な場合でも、その区間では読みが
曖昧であることを明確に提示することができ、ユーザに
負担をかけないテキスト読み上げや情報提供をすること
ができる。

【００９８】また、形態素列間の連鎖確率とともに共起
関係を判定基準に用いて形態素の確定精度の向上を図
り、その上で形態素解析の結果が曖昧な場合でも、その
区間では読みが曖昧であることを明確に提示することが
でき、ユーザに負担をかけないテキスト読み上げや情報
提供をすることができる。

【図面の簡単な説明】

【図１】 本発明に係る音声合成装置の実施の形態１を
示したブロック構成図である。

【図２】 実施の形態１における動作を示したフローチ
ャートである。

【図３】 本発明に係る音声合成装置の実施の形態２を
示したブロック構成図である。

【図４】 実施の形態２における動作を示したフローチ
ャートである。

【図５】 本発明に係る音声合成装置の実施の形態３を
示したブロック構成図である。

【図６】 実施の形態３における動作を示したフローチ
ャートである。

【図７】 本発明に係る音声合成装置の実施の形態４を
示したブロック構成図である。

【図８】 本発明に係る音声合成装置の実施の形態５を
示したブロック構成図である。

【図９】 本発明に係る音声合成装置の実施の形態６を
示したブロック構成図である。

【図１０】 実施の形態６における連鎖確率情報記憶部
に記憶された連鎖確率テーブルの内容例を示した図であ
る。

【図１１】 本発明に係る音声合成装置の実施の形態７
を示したブロック構成図である。

【図１２】 実施の形態７における共起関係記憶部に記
憶された共起テーブルの内容例を示した図である。

【図１３】 従来の音声合成装置のブロック構成図であ
る。

【図１４】 従来の音声合成装置のブロック構成図であ
る。

【符号の説明】

３１ 辞書、３２ 形態素解析部、３３ 言語解析部、
３４ 音響処理部、３５ 韻律生成部、３６ パラメー
タ生成部、３７ 言語尤度判定部、３８，５５，５７
パラメータ変更部、３９ 音声合成部、４７ 複数形態
素出力言語解析部、４８ 複数形態素提示指令部、５３
複数形態素アナウンス部、５９ 連鎖確率情報記憶
部、６０ 連鎖確率抽出部、６１ 連鎖確率判定部、６
５ 共起関係記憶部、６６ 共起関係抽出部、６７ 重
み付き連鎖確率抽出部、６８ 重み付き連鎖判定部。

Claims (8)

【特許請求の範囲】
1. 【請求項１】 入力されたテキストを解析して言語尤度
   を含む形態素列を得る言語解析手段と、 前記言語解析手段が得た形態素列の読み、アクセント型
   等の付加情報に基づいて音響パラメータ及びピッチや時
   間長、ポーズ等の韻律パラメータを決定するパラメータ
   生成手段と、 前記パラメータ生成手段が決定したパラメータに基づき
   合成音声を生成する音声合成手段と、 前記言語解析手段が得た形態素列の言語尤度が曖昧性の
   判断指標となる所定の閾値を下回るかどうかの判定を行
   う言語尤度判定手段と、 前記言語尤度判定手段による判定の結果、言語尤度が閾
   値を下回った区間が判定対象となる形態素列に存在した
   場合には、当該区間に対応する前記パラメータの変更を
   前記パラメータ生成手段へ指示するパラメータ変更手段
   と、 を有し、形態素解析の結果、曖昧性の高い形態素列の区
   間の音声を他の区間の音声と判別可能に生成することを
   特徴とする音声合成装置。
2. 【請求項２】 入力されたテキストを解析して言語尤度
   を含む形態素列を得る言語解析手段と、 前記言語解析手段が得た形態素列の読み、アクセント型
   等の付加情報に基づいて音響パラメータ及びピッチや時
   間長、ポーズ等の韻律パラメータを決定するパラメータ
   生成手段と、 前記パラメータ生成手段が決定したパラメータに基づき
   合成音声を生成する音声合成手段と、 前記言語解析手段が得た形態素列の言語尤度が曖昧性の
   判断指標となる所定の閾値を下回るかどうかの判定を行
   う言語尤度判定手段と、 前記言語尤度判定手段による判定の結果、言語尤度が閾
   値を下回った区間が判定対象となった形態素列に存在し
   た場合には、当該区間について複数の形態素を得るよう
   前記言語解析手段へ指示する複数形態素提示指令手段
   と、 を有し、曖昧性の高い形態素列の区間においては複数の
   読み候補の合成音声を生成することを特徴とする音声合
   成装置。
3. 【請求項３】 前記複数形態素提示指令手段が複数の形
   態素を得るよう指示した場合には、曖昧性の高い形態素
   列の区間又は当該区間の形態素の候補数の少なくともい
   ずれか一方の情報の合成音声を生成するよう前記音声合
   成手段へ指示する複数形態素情報通知手段を有すること
   を特徴とする請求項２記載の音声合成装置。
4. 【請求項４】 前記言語尤度判定手段による判定の結
   果、言語尤度が閾値を下回った区間が判定対象となる形
   態素列に存在した場合には、当該区間に対応する韻律パ
   ラメータの変更を前記パラメータ生成手段へ指示するパ
   ラメータ変更手段を有することを特徴とする請求項２記
   載の音声合成装置。
5. 【請求項５】 前記パラメータ変更手段は、韻律パラメ
   ータの変更を前記パラメータ生成手段へ指示することに
   よって、曖昧性の高い形態素列の区間の韻律的特徴を変
   化させた合成音声を生成させることを特徴とする請求項
   １又は４いずれかに記載の音声合成装置。
6. 【請求項６】 前記パラメータ変更手段は、音響パラメ
   ータの変更を前記パラメータ生成手段へ指示することに
   よって、曖昧性の高い形態素列の区間が他の区間と異な
   る音声となる音響パラメータを用いて合成音声を生成さ
   せることを特徴とする請求項１又は４いずれかに記載の
   音声合成装置。
7. 【請求項７】 前記言語尤度判定手段は、 連続する複数の形態素の連鎖及びその生起確率を組にし
   た連鎖確率情報を記憶する連鎖確率情報記憶部と、 前記連鎖確率情報記憶部を参照し、入力されたテキスト
   を解析して得た形態素列の連鎖確率を得る連鎖確率抽出
   部と、 前記連鎖確率抽出部が得た連鎖確率が曖昧性の判断指標
   となる所定の閾値を下回るかどうかの判定を行う連鎖確
   率判定部と、 を有し、連鎖確率情報を参照することによって複数の形
   態素をまとめて一区間として取扱い可能としたことを特
   徴とする請求項１乃至６いずれかに記載の音声合成装
   置。
8. 【請求項８】 前記言語尤度判定手段は、 前記形態素列に意味素性情報が含まれている場合、意味
   素性間の関連の強さの度合を共起関係として記憶する共
   起関係記憶部と、 連続する複数の形態素の連鎖及びその生起確率を組にし
   た連鎖確率情報を記憶する連鎖確率情報記憶部と、 連続する形態素間の共起関係を前記共起関係記憶手段を
   参照して決定する共起関係抽出部と、 前記連鎖確率情報記憶部を検索して前記形態素列の連鎖
   確率と共起関係との積を共起重み付き連鎖確率として抽
   出する重み付き連鎖確率抽出部と、 前記重み付き連鎖確率抽出部が抽出した共起重み付き連
   鎖確率が曖昧性の判断指標となる所定の閾値を下回るか
   どうかを判定する重み付き連鎖判定部と、 を有し、連鎖確率情報と共に共起関係を曖昧性の判定基
   準として用いることを特徴とする請求項１乃至６いずれ
   かに記載の音声合成装置。