DE10207875A1

DE10207875A1 - Parametergesteuerte Sprachsynthese

Info

Publication number: DE10207875A1
Application number: DE2002107875
Authority: DE
Inventors: Marian Trinkel; Uwe Nettelroth
Original assignee: Deutsche Telekom AG
Current assignee: Deutsche Telekom AG
Priority date: 2002-02-19
Filing date: 2002-02-19
Publication date: 2003-08-28
Also published as: WO2003071520A1

Abstract

Verfahren zur automatischen Konvertierung einer von einem Absender als Textdatei erstellte Nachricht in eine über eine Sprachausgabeeinrichtung, insbesondere einen Lautsprecher, bei einem Adressaten ausgebbare Sprachnachricht, wobei ein auf einem Computer realisiertes Konvertierungsprogramm einen Sprachgenerator ("Stimme") zur Erzeugung der Sprachnachricht mit der Textdatei ansteuert, wobei der Textdatei vom Absender mindestens ein Steuerbefehl zugeordnet wird, der vom Konvertierungsprogramm erkannt wird und wobei das Programm entsprechend dem Steuerbefehl die Charakteristik der die Sprachnachricht sprechenden Stimme, insbesondere bezüglich ihrer Klangfarbe und/oder ihrer Melodie, modifiziert.

Description

Die vorliegende Erfindung betrifft ein Verfahren zur automatischen Konvertierung einer von einem Absender als Textdatei erstellte Nachricht in eine über eine Sprachausgabeeinrichtung, insbesondere einen Lautsprecher, bei einem Adressaten ausgebbare Sprachnachricht, wobei ein auf einem Computer realisiertes Konvertierungsprogramm einen Sprachgenerator ("Stimme") zur Erzeugung der Sprachnachricht mit der Textdatei ansteuert. Die Erfindung betrifft gleichfalls ein System zur Umsetzung des Verfahrens.
Derartige Verfahren zur Sprachsynthese sind bekannt und auch schon realisiert. So ist es möglich, eine Nachricht mittels des "Short Message Systems" (SMS) von einem Endgerät, beispielsweise einem Mobiltelephon oder einem Computer, als Textdatei an ein anderes Endgerät vermittels eines Telekommunikationsnetzes zu versenden. Diese Nachricht wird dann von einem in das Netz eingebundenen Computer unter Nutzung einer Stimme zu einer Sprachnachricht (Text to Speach) konvertiert. Der Empfänger muß somit nicht mehr wie bekannt die SMS-Nachricht lesen, sondern wird direkt und persönlich von der synthetischen Stimme mit dem entsprechenden Inhalt der Nachricht angesprochen. Dabei sind verschiedene Stimmen, die Namen wie "Dagmar" oder "Detlef" haben, bekannt, die dem Adressaten die Nachricht präsentieren.
Nachteil an den bislang eingesetzten Verfahren ist, daß sich die Konvertierung lediglich der meist nur einen zur Verfügung stehenden Stimme bedient und die Sprachnachricht nur die der Stimme zugewiesene charakteristische Färbung aufweist. Zwar simulieren die verfügbaren synthetischen Stimmen die menschliche Stimme bezüglich der Betonung schon recht gut, allerdings fehlt ihnen die Fähigkeit zu einer den Inhalt individuell pointierenden Modulation der Betonung völlig. Mitunter kann zwar zwischen mehreren Stimmen, beispielsweise unter verschiedenen Sprachen ausgewählt werden, doch ist eine Variation des Ausdrucks innerhalb einer Nachricht nicht möglich.
Aufgabe der Erfindung ist es nunmehr, ein Verfahren zu schaffen, das sich mit einfachen und kostengünstigen Mitteln umsetzen läßt und das eine individuelle Variation des Ausdrucks auch innerhalb einer Nachricht ermöglicht. Zudem ist es Aufgabe der Erfindung, ein System zur Umsetzung des Verfahrens zu schaffen.
Diese Aufgaben werden durch ein Verfahren nach Anspruch 1 und ein System nach Anspruch 9 gelöst.
Der wesentliche Grundgedanke der Erfindung liegt darin, dem Absender einer Textnachricht die Möglichkeit zu geben, durch Kennzeichnung der Textdatei die Konvertierung der Nachricht hinsichtlich gewünschter Nuancen in der Betonung beim Vortrag des Nachrichteninhalts zu beeinflussen. Dazu werden der Textdatei ein oder mehrere Steuerbefehle zugeordnet, die vom Computer als solche erkannt und dann mit dem Wunsch des Absenders, seiner Sprachnachricht eine spezielle Charakteristik zu verleihen, in Verbindung gebracht werden. Der Textdatei wird erfindungsgemäß vom Absender mindestens ein Steuerbefehl zugeordnet, der vom Konvertierungsprogramm erkannt wird, wobei das Programm entsprechend dem Steuerbefehl die Charakteristik der die Sprachnachricht sprechenden Stimme, insbesondere bezüglich ihrer Klangfarbe und/oder ihrer Melodie, modifiziert. Das Zuordnen kann dabei durch ein Vorabstellen, ein Anhängen oder ein Einfügen des Steuerbefehles in die meist einen Header und nachfolgende Daten aufweisenden Textdatei geschehen.
Der Steuerbefehl kann insbesondere einem bestimmten Bestandteil der Textdatei, insbesondere einem Satz, einer Textsequenz, einem Wort oder einem Buchstaben, zugeordnet werden. Unter Zugrundelegung eines linguistischen Modelles kann so eine individuelle und vor allem "menschliche" Betonung der Nachricht erreicht werden. Als Steuerbefehl kann dabei eines oder mehrere einzelne Steuerzeichen ("short cuts") oder eine vollständige Programmanweisung verwendet werden. Entsprechend dem oder der Steuerbefehlen wird dann die synthetische Stimme, beispielsweise bezüglich ihrer Klangfarbe, modifiziert. So kann ein Satz mit Steuerzeichen, wie "Ich freue mich auf die Schule ≙" bedeuten, daß die Stimme einen ehrlich erfreuten und keinen sarkastischem Unterton hat.
Innerhalb einer Nachricht werden beispielsweise "Emoticons" oder "Ironiezeichen" eingesetzt, die nach Art eines Sound Design in die Schriftsprache Gefühle implementieren.
Die Möglichkeit, die Charakteristik der synthetischen Stimme unabhängig vom Inhalt der Sprachnachricht zu verändern, hat einige Vorteile. Der offensichtliche Vorteil liegt darin, daß die Bedeutung des Inhalts über eine wechselnde Charakteristik modifiziert werden kann und daß die Nachricht einen bestimmten Unterton bekommt. So ist es möglich, eine traurige Nachricht entsprechend leise und bedeckt zu äußern oder der Stimme bei "guten" Nachrichten einen sarkastischen Unterton zu geben. Außerdem können die Aussprache und insbesondere das Geschlecht der Stimme den Umständen angepaßt werden. Aus diesen Möglichkeiten ergibt sich der besondere Vorteil, daß beispielsweise das ehedem für Jugendliche attraktive Medium des SMS durch die Flexibilität einen weiteren Reiz bekommt. Der Absender kann letztendlich mit der Erfindung genau das vermitteln, was er tatsächlich ausdrücken will. Erfindungsgemäß wird einer synthetischen Vorlesestimme ein weiterer menschlicher Zug verliehen.
Die Variabilität innerhalb einer Nachricht kann entweder dadurch erreicht werden, daß auf unterschiedliche zur Verfügung stehende Stimmen zurückgegriffen wird, wobei die Auswahl zwischen den einzelnen Stimmen anhand der Steuerbefehle getroffen wird. So kann ein Steuerzeichen " ≙" bedeuten, daß auf die vorhanden weibliche Stimme "Dagmar" zurückgegriffen wird, während " ≙" bedeutet, der Text soll von "Detlef" verlesen werden. Eine Variation kann jedoch auch dadurch erreicht werden, daß die einzig zur Verfügung stehende "Neutral"-Stimme in ihrer Charakteristik durch Veränderung der zugänglichen Einstellparameter, wie Klangfarbe, Stimmlage, Betonung, Stimmdehnung oder Lautstärke, variiert wird. So kann das Zeichen " ≙" einen weiblichen und das Zeichen " ≙" einen männlichen Touch der "Neutral"-Stimme hervorrufen. Vorteilhafter Weise werden die Steuerbefehle an den Stellen innerhalb der Textdatei implementiert, wo eine Änderung der Charakteristik gewünscht wird. So können mehrere Stimmlagen innerhalb einer Nachricht benutzt werden, was zu einer attraktiven und einzigartigen Ausdrucksweise führen kann.
Um die Handhabung und die Benutzung der Steuerzeichen komfortabel zu gestalten, ist es vorteilhaft, sogenannte "sprechende" Symbole, beispielsweise Smilies oder "short cuts", zu verwenden, die an sich für den Computer keine weitere Bedeutung haben, aber deren Charakter sich dem Nutzer leicht erschließt. So können Smilies (" ≙") mit verschiedenem Gesichtsausdruck für den Unterton in der Stimme oder beispielsweise ein " ≙" für einen besonders lustvollen Ausdruck und ein " ≙" für eine Grabesstimme verwendet werden. Eine Anzahl solcher sprechender Steuerzeichen können beispielsweise in der Menuefunktion des Telephons, von dem die Nachricht abgesendet wird, angeboten werden. Beim Vorlesen der Nachricht wird die Stimmung und der gewünschte Unterton des Absenders wiedergegeben. Emotionen werden bei der Sprachsynthese (Text-To- Speach) berücksichtigt und so die Stimmung des Absenders weitergegeben.
Wie schon dargelegt ist ein vorteilhaftes Einsatzgebiet der Erfindung das Short Message System (SMS). Die Sprachnachricht wird dann als Text über das SMS verschickt und nach der Konvertierung über den Lautsprecher eines Telephons oder eines Computers ausgegeben wird. Ein ähnliches Anwendungsfeld bieten die E-Mails, die über das Internet verschickt und nach der Konvertierung über den Lautsprecher eines Telephons oder eines Computers ausgegeben werden. Der neue Service bringt einen neuen Spielreitz und gesteigertes Vergnügen für die Nutzer. Die Erfindung stellt ein neues Leistungsmerkmal für eine natürliche Kommunikation zwischen Mensch und Maschine bereit. So kann sich jeder Absender ein eigenes Sound-Design zulegen. Wie dargelegt, läßt sich in einer fortgeschrittenen Form der Ausgestaltung anhand implementierter Steuerbefehle ein linguistisches Modell realisieren und so der Stimme zu einem höheren Grad an Natürlichkeit verhelfen. Letztendlich kann jeder Silbe oder jedem Buchstaben ein erfindungsgemäßer Steuerbefehl zugeordnet werden.
Die Erfindung wird vorteilhafter Wiese mit einem System umgesetzt, das einen in ein Kommunikationsnetz implementierten Computer aufweist, auf dem ein Programm zur Sprachsynthese realisiert ist. Diese sogenannte "Stimme" konvertiert eine als Textdatei vorliegende Nachricht in einen gesprochenen Text und verschickt die Nachricht über eine Sprachleitung zu einem ebenfalls in das Netz implementiertes Endgerät. Über einen Lautsprecher des Endgerätes wird der gesprochene Textes ausgegeben. Innerhalb des Programmes ist ein Modul realisiert, das einen in der Textdatei implementierten Steuerbefehl erkennt, wobei das Modul die Charakteristik der die Sprachnachricht sprechenden Stimme, insbesondere bezüglich ihrer Klangfarbe oder Melodie, entsprechend des Steuerbefehles modifiziert.

Claims

1. Verfahren zur automatischen Konvertierung einer von einem Absender als Textdatei erstellte Nachricht in eine über eine Sprachausgabeeinrichtung, insbesondere einen Lautsprecher, bei einem Adressaten ausgebbare Sprachnachricht, wobei ein auf einem Computer realisiertes Konvertierungsprogramm einen Sprachgenerator ("Stimme") zur Erzeugung der Sprachnachricht mit der Textdatei ansteuert, dadurch gekennzeichnet daß der Textdatei vom Absender mindestens ein Steuerbefehl zugeordnet wird, der vom Konvertierungsprogramm erkannt wird, wobei das Programm entsprechend dem Steuerbefehl die Charakteristik der die Sprachnachricht sprechenden Stimme, insbesondere bezüglich ihrer Klangfarbe und/oder ihrer Melodie, modifiziert.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß der Steuerbefehl einem bestimmten Bestandteil der Textdatei, insbesondere einem Satz, einer Textsequenz, einem Wort oder einem Buchstaben, zugeordnet wird.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß als Steuerbefehl ein einzelnes Steuerzeichen oder eine Programmanweisung verwendet wird.

4. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß der oder die Steuerbefehle an den Stellen in die Textdatei implementiert werden, wo eine Änderung der Charakteristik gewünscht wird.

5. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß zur Variation der Charakteristik auf unterschiedliche zur Verfügung stehende Stimmen zurückgegriffen wird, wobei die Auswahl anhand der Steuerbefehle getroffen wird.

6. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß auf eine zur Verfügung stehende Stimme zurückgegriffen wird und deren Charakteristik anhand zugänglicher Einstellparameter, wie Klangfarbe, Stimmlage, Betonung, Stimmdehnung oder Lautstärke, variiert wird.

7. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß in einer Sprachnachricht Stimmen unterschiedlicher Sprache verwendet werden.

8. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß die Sprachnachricht als Text über das Short Message System (SMS) verschickt und nach der Konvertierung über die Sprachausgabeeinrichtung eines Telephons oder eines Computers ausgegeben wird.

9. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß die Sprachnachricht als Email über das Internet verschickt und nach der Konvertierung über die Sprachausgabeeinrichtung eines Telephons oder eines Computers ausgegeben wird.

10. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß als Steuerbefehle "sprechende" Symbole, beispielsweise "Smilies" oder "short cuts", verwendet werden, die an sich für den Inhalt keine weitere Bedeutung haben.

11. System zur Umsetzung des Verfahrens nach einem der vorherigen Ansprüche aufweisend einen Computer, der in ein Telekommunikations-netz implementiert ist und auf dem ein Programm zur Sprachsynthese ("Stimme") realisiert ist, das eine als Textdatei vorliegende Nachricht in einen gesprochenen Text konvertiert und über eine Sprachleitung zu einem ebenfalls in das Netz implementierten Endgerät verschickt, das eine Sprachausgabeeinrichtung zur Ausgabe des gesprochenen Textes aufweist, gekennzeichnet durch ein Modul, das dem Programm zugeordnet ist und das ein in der Textdatei implementiertes Steuerzeichen erkennt, wobei das Modul die Charakteristik der die Sprachnachricht sprechenden Stimme, insbesondere bezüglich ihrer Klangfarbe und ihrer Melodie, entsprechend des Steuerzeichens modifiziert.