DE19841683A1 - Vorrichtung und Verfahren zur digitalen Sprachbearbeitung - Google Patents

Vorrichtung und Verfahren zur digitalen Sprachbearbeitung

Info

Publication number
DE19841683A1
DE19841683A1 DE19841683A DE19841683A DE19841683A1 DE 19841683 A1 DE19841683 A1 DE 19841683A1 DE 19841683 A DE19841683 A DE 19841683A DE 19841683 A DE19841683 A DE 19841683A DE 19841683 A1 DE19841683 A1 DE 19841683A1
Authority
DE
Germany
Prior art keywords
melody
generated
generating
speech
digital
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.)
Withdrawn
Application number
DE19841683A
Other languages
English (en)
Inventor
Hans Kull
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kull Hans Mt Duneed Vic Au
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to DE19841683A priority Critical patent/DE19841683A1/de
Priority to CA002343071A priority patent/CA2343071A1/en
Priority to JP2000570766A priority patent/JP2002525663A/ja
Priority to AU60813/99A priority patent/AU769036B2/en
Priority to AT99947314T priority patent/ATE222393T1/de
Priority to EP99947314A priority patent/EP1110203B1/de
Priority to PCT/EP1999/006712 priority patent/WO2000016310A1/de
Priority to DE59902365T priority patent/DE59902365D1/de
Publication of DE19841683A1 publication Critical patent/DE19841683A1/de
Withdrawn legal-status Critical Current

Links

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
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/033—Voice editing, e.g. manipulating the voice of the synthesiser

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)
  • Document Processing Apparatus (AREA)

Abstract

Vorrichtung zur digitalen Sprachbearbeitung, welche aufweist: eine Satzmelodie-Erzeugungseinrichtung zur Erzeugung einer Satzmelodie für einen Text und eine Editiereinrichtung zum Anzeigen und Modifizieren der erzeugten Satzmelodie.

Description

Die vorliegende Erfindung betrifft eine Vorrichtung und ein Verfahren zur digitalen Sprachbearbeitung bzw. Spracherzeugung. Derzeitige Systeme zur digitalen Sprachausgabe werden bisher in Umgebungen eingesetzt, in denen eine synthetische Stimme akzeptabel oder gar erwünscht ist. Die vorliegende Erfindung dagegen betrifft ein System, das es ermöglicht, natürlich wirkende Sprache synthetisch zu erzeugen.
In derzeitigen Systemen zur digitalen Spracherzeugung werden die Informationen zur Satzmelodie und zur Betonung automatisch erzeugt wie z. B. beschrieben in EP 0 689 706. In manchen Systemen ist es möglich, zusätzliche Kommandos in den Textstrom einzubauen, bevor dieser dem Spracherzeuger übergeben wird, z. B. in EP 0 598 599. Diese Kommandos werden z. B. als (nicht aussprechbare) Sonderzeichen eingegeben, wie etwa beschrieben in EP 0 598 598.
Die in den Textstrom eingebauten Kommandos können auch Angaben zur Charakteristik des Sprechers (d. h. Parameter des Sprechermodells) enthalten. In EP 0 762 384 wird ein System beschrieben, in dem am Bildschirm auf einer graphischen Benutzeroberfläche diese Sprechercharakteristiken eingegeben werden können.
Die Sprachsynthese erfolgt unter Verwendung von Hilfsinformationen, die in einer Datenbank gespeichert werden (z. B. als "waveform sequence" in EP 0 831 460). Für die Aussprache der Wörter, die nicht in der Datenbank gespeichert sind, müssen aber dennoch Regeln zur Aussprache im Programm vorhanden sein. Die Zusammensetzung der einzelnen Sequenzen führt zu Verzerrungen und akustischen Artefakten, wenn keine Massnahmen zu ihrer Unterdrückung getroffen werden. Dieses Problem (man spricht von "segmentaler Qualität") gilt aber heute als weitgehend gelöst (vgl. dazu z. B. Volker Kraft: Verkettung natürlichsprachlicher Bausteine zur Sprachsynthese: Anforderungen, Techniken und Evaluierung.
Fortschr.-Ber.VDI Reihe 10 Nr. 468. VDI-Verlag 1997). Dennoch besteht auch bei modernen Sprachsynthesesystemen eine Reihe von weiteren Problemen.
Ein Problem in der digitalen Sprachausgabe ist beispielsweise die Mehrsprachen­ fähigkeit.
Ein weiteres Problem besteht in der Verbesserung der prosodischen Qualität, d. h. der Güte der Intonation, man vergleiche hierzu etwa "Volker Kraft: Verkettung natürlichsprachlicher Bausteine zur Sprachsynthese: Anforderungen, Techniken und Evaluierung, Fortschr.-Ber.VDI Reihe 10 Nr. 468, VDI-Verlag 1997". Die Schwierigkeit ist darauf zurückzuführen, daß die Intonation aus der orthographischen Eingabeinformation nur unzureichend rekonstruiert werden kann. Sie ist auch abhängig von höheren Ebenen wie Semantik und Pragmatik sowie Sprechersituation und Sprechertyp.
Allgemein kann gesagt werden, daß die Qualität der heutigen Sprachausgabesysteme den Anforderungen dort genügen, wo der Zuhörer eine synthetische Stimme erwartet oder akzeptiert. Vielfach wird jedoch die Qualität synthetischer Sprache als nicht ausreichend oder als unbefriedigend empfunden.
Es ist daher eine Aufgabe der vorliegenden Erfindung, eine Vorrichtung und ein Verfahren zu digitalen Sprachbearbeitung zu schaffen, das es ermöglicht, synthetische Sprache von besserer Qualität zu erzeugen.
Es ist ein weiteres Ziel der Erfindung, natürlich wirkende Sprache synthetisch zu erzeugen. Die Anwendungen reichen von der Erzeugung einfacher Texte für Multimedia-Applikationen bis hin zu Filmvertonungen (Synchronisation), Hörspielen, und Hörbüchern
Selbst wenn die synthetisch erzeugte Sprache natürlich wirkt, sind manchmal Eingriffsmöglichkeiten für die Erzeugung dramaturgischer Effekte erforderlich. Eine weitere Aufgabe der vorliegenden Erfindung besteht daher in der Bereitstellung derartiger Eingriffsmöglichkeiten.
Die vorliegende Erfindung ist in den unabhängigen Ansprüche definiert. Die abhängigen Ansprüche definieren besondere Ausführungsbeispiele der Erfindung.
Im wesentlichen wird die Aufgabe der Erfindung gelöst, indem die für einen Text erzeugte Satzmelodie mittels eines Editors modifiziert werden kann.
Besondere Ausführungsformen der Erfindung ermöglichen neben der Editierung der Satzmelodie eine Editierung weiterer Charakteristiken der synthetisch erzeugten Sprache.
Ausgangspunkt ist dabei der geschriebene Text. Um aber eine ausreichende (insbesondere prosodische) Qualität zu erreichen, sowie zur Erzielung dramaturgischer Effekte werden dem Anwender in einer bevorzugten Ausführungsform weitreichende Möglichkeiten zum Eingreifen gegeben. Der Anwender ist in der Funktion des Regisseurs, der die Sprecher auf dem System definiert und ihnen Sprechrhythmus und Satzmelodie, Aussprache und Betonung vorgibt.
Vorzugsweise umfaßt die vorliegende Erfindung auch das Erzeugen einer Lautschrift für einen geschriebenen Text, sowie das Vorsehen der Möglichkeit die erzeugte Lautschrift zu modifizieren, bzw. die Lautschrift basierend auf modifizierbaren Regeln zu erzeugen. Dadurch kann beispielsweise ein besonderer Akzent eines Sprechers generiert werden.
In einem weiteren bevorzugten Ausführungsbeispiel umfaßt die Erfindung eine Wörterbucheinrichtung, in der die Wörter einer oder mehrerer Sprachen zusammen mit ihrer Aussprache gespeichert sind. In letzteren Fall ermöglicht dies die Mehrsprachenfähigkeit, d. h. die Bearbeitung von Texten verschiedener Sprache.
Vorzugsweise erfolgt die Editierung der erzeugten Lautschrift bzw. Satzmelodie mittels eines leicht bedienbaren Editors, etwa einer grafischen Benutzerschnittstelle.
In einem weiteren bevorzugten Ausführungsbeispiel werden in die Sprachbearbeitung Sprechermodelle mit einbezogen, die entweder vordefiniert oder vom Benutzer definiert bzw. modifiziert sein können. Dadurch können Charakteristiken verschiedener Sprecher realisiert werden, seien es nun Männer- oder Frauenstimmen, oder aber auch verschiedene Akzente eines Sprechers, etwa ein bayerischer, schwäbischer oder norddeutscher Akzent.
In einer besonders bevorzugten Ausführungsform besteht die Vorrichtung aus einem Wörterbuch, in dem zu allen Wörtern auch die Aussprache in Lautschrift gespeichert sind (wenn nachstehend von Lautschrift die Rede ist, so ist damit eine beliebige Lautschrift gemeint, wie z. B. die SAMPA-Notation, vgl. z. B. "Multilingual speech input/output assessment, methodology and standardization, standard computer­ compatible transscription, pp 29-31, in Esprit Project 2589 (SAM) Fin. Report SAM-UCC-037", oder die aus Sprachlehrmitteln bekannte internationale phonetische Schrift, vgl. z. B. "The Principles of the International Phonetic Association: Adescription of the International Phonetic Alphabet and the Manner of Using it. International Phonetic Association, Dept, Phonetics, Univ. College of London"), einem Übersetzer, der eingegebene Texte in Lautschrift wandelt und eine Satzmelodie erzeugt, einem Editor, mit dem Texte eingegeben und Sprecher zugeordnet werden können und in dem sowohl die erzeugte Lautschrift als auch die Satzmelodie angezeigt und verändert werden kann, einem Eingabemodul, in dem Sprechermodelle definiert werden können, einem System zur digitalen Spracherzeugung, das aus der Lautschrift zusammen mit der Satzmelodie gesprochene Sprache repräsentierende Signale bzw. solche Signale repräsentierende Daten erzeugt und das in der Lage ist, verschiedene Sprechermodelle zu verarbeiten, einem System von digitalen Filtern und anderen Geräten (für Hall, Echo usw.) mit dem besondere Effekte erzeugt werden können, einem Geräusch-Archiv, sowie einem Misch-Gerät, in dem die erzeugten Sprach-Signale zusammen mit Geräuschen aus dem Archiv zusammen gemischt und mit Effekten versehen werden können.
Die Erfindung kann entweder hybrid in Soft- und Hardware oder ganz in Software realisiert werden. Die erzeugten digitalen Sprachsignale können über ein spezielles Gerät für digital Audio oder über eine PC-Soundkarte ausgegeben werden.
Die vorliegende Erfindung wird nachfolgend anhand mehrerer Ausführungsbeispiele und der Bezugnahme auf die beiliegende Zeichnung in Detail beschrieben.
Fig. 1 zeigt ein Blockschaltbild einer Vorrichtung zur digitalen Spracherzeugung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung.
Im nachfolgend beschriebenen Ausführungsbeispiel der vorliegenden Erfindung besteht diese aus mehreren Einzelkomponenten, die mittels einer oder mehrerer digitaler Rechenanlagen realisiert werden können, und deren Funktionsweise und Zusammenwirken nachfolgend genauer beschrieben wird.
Das Wörterbuch 100 besteht aus einfachen Tabellen (für jede Sprache eine), in der die Wörter einer Sprache zusammen mit ihrer Aussprache gespeichert sind. Die Tabellen können für die Aufnahme zusätzlicher Wörter und ihrer Aussprache beliebig erweitert werden. Für besondere Zwecke, z. B. für das Erzeugen von Akzenten können in einer Sprache auch zusätzliche Tabellen mit unterschiedlichen phonetischen Einträgen erzeugt werden. Den verschiedenen Sprechern wird je eine Tabelle des Wörterbuches zugeordnet.
Der Übersetzer 110 erzeugt einerseits die phonetische Schrift, indem er die Wörter des eingegebenen Textes durch ihre phonetischen Entsprechungen im Wörterbuch ersetzt. Falls im Sprechermodell Modifikatoren, die später genauer beschrieben werden, hinterlegt sind, so verwendet er sie zur Modifikation der Aussprache.
Zusätzlich erzeugt er die Prosodie unter Verwendung von in der Sprachverarbeitung bekannten Heuristiken. Solche Heuristiken sind z. B. das Modell von Fujisaki (1992) oder andere akustische Methoden, dann die perzeptuellen Modelle, z. B. das von d'Alessandro und Mertens (1995). Diese, aber auch ältere linguistische Modelle sind z. B. beschrieben in "Thierry Dutoit: An Introduction to Text-to-Speech Synthesis, Kluwer 1997". Dort finden sich auch Verfahren für die Segmentation (setzen von Pausen), welche ebenfalls vom Übersetzer erzeugt wird.
Die Wahl der Verfahren ist dabei von eher untergeordneter Bedeutung, da der Übersetzer lediglich eine Vorgabe der Prosodie erzeugt, welche vom Anwender noch geändert werden kann.
Mit dem Editor 120 hat der Anwender ein Instrument in der Hand, mit dem er Aussprache, Intonation, Betonung, Tempo, Lautstärke, Pausen usw. eingeben und verändern kann.
Zuerst ordnet er den zu verarbeitenden Textabschnitten ein Sprechermodell 130 zu welch es später bezüglich Aufbau und Funktionsweise noch genauer erläutert wird. Der Übersetzer reagiert auf diese Zuordnung, indem er die Phonetik und gegebenenfalls die Prosodie dem Sprechermodell anpaßt und neu generiert. Die Phonetik wird dem Anwender in Lautschrift angezeigt, die Prosodie z. B. in einer der Musik entnommenen Symbolik (Notenschrift). Der Anwender hat dann die Möglichkeit, diese Vorgaben zu verändern, sich einzelne Textabschnitte anzuhören und seine Eingaben nochmals zu verbessern usw.
Selbstverständlich können im Editor auch die Texte selbst erfaßt werden, falls sie nicht direkt aus einem anderen Textverarbeitungssystem importiert werden können.
Sprechermodelle 130 sind beispielsweise Parametrisierungen für die Spracherzeugung. In den Modellen werden die Charakteristiken des menschlichen Sprechtrakts nachgebildet. Die Funktion der Stimmbänder wird durch einen Impulsfolge dargestellt, von der nur die Frequenz (pitch) verändert werden kann. Die übrigen Charakteristiken (Mundhöhle, Nasenraum) des Sprechtrakts werden mit digitalen Filtern realisiert. Ihre Parameter werden im Sprechermodel hinterlegt. Es werden Standardmodelle hinterlegt (Kind, junge Dame, alter Mann usw.). Der Anwender kann aus ihnen zusätzliche Modelle erzeugen, indem er die Parameter geeignet wählt oder abändert und das Modell abspeichert. Die hier hinterlegten Parameter werden während der Spracherzeugung, die später genauer erläutert wird, zusammen mit der Prosodie-Information für die Intonation verwendet.
Dabei können auch Besonderheiten des Sprechers wie z. B. Akzente oder Sprachfehler eingegeben werden. Diese werden vom Übersetzer zur Modifikation der Aussprache verwendet. Ein einfaches Beispiel eines solchen Modifikators ist z. B. die Regel, jeweils (in der Lautschrift) "∫t" durch "st" zu ersetzen (für die Erzeugung des Akzents eines Hamburgers).
Ein Sprechermodell kann also beispielsweise die Regeln betreffen, nach denen der Übersetzer die Lautschrift erzeugt, unterschiedliche Sprechermodelle können dabei nach unterschiedlichen regeln verfahren. Es kann jedoch auch einem bestimmten Satz von Filterparametern entsprechen, um die Sprachsignale entsprechend der dadurch vorgegebenen Sprechercharakteristik zu verarbeiten. Selbstverständlich sind auch beliebige Kombinationen dieser beiden Aspekte eines Sprechermodells denkbar.
Die Aufgabe der Spracherzeugungseinheit 140 besteht darin, aus dem vorgegebenen Text zusammen mit den vom Übersetzer erzeugten und vom Anwender editierten phonetischen und prosodischen Zusatzinformationen einen numerischen Datenstrom zu erzeugen, welcher digitale Sprachsignale repräsentiert. Dieser Datenstrom kann dann von einem Ausgabegerät 150, etwa einem digitalen Audio-Gerät oder einer Soundkarte im PC, in analoge Tonsignale, den auszugebenden Text, umgewandelt werden.
Für die Spracherzeugung kann ein herkömmliches Text-to-Speech Konversions­ verfahren angewendet werden, wobei allerdings die Aussprache und die Satzmelodie bereits erzeugt worden sind. Im allgemeinen unterscheidet man zwischen regelbasierten und verkettungsbasierten Synthesizern.
Regelbasierte Synthesizer arbeiten mit Regeln für die Generierung der Laute und die Übergänge dazwischen. Diese Synthesizer arbeiten mit bis zu 60 Parametern, deren Bestimmung sehr aufwendig ist. Dafür können mit ihnen auch sehr gute Ergebnisse erzielt werden. Eine Übersicht über derartige Systeme und Hinweise zu weiterer Literatur findet sich in "Thierry Dutoit: An Introduction to Text-to-Speech Synthesis, Kluwer 1997".
Verkettungsbasierte Synthesizer sind dagegen einfacher zu handhaben. Sie arbeiten mit einer Datenbank, welche alle möglichen Lautpaare speichert. Diese können einfach verkettet werden, wobei allerdings qualitativ gute Systeme hohen Rechenzeitbedarf haben. Derartige Systeme sind beschrieben in "Thierry Dutoit: An Introduction to Text-to-Speech Synthesis, Kluwer 1997" und in "Volker Kraft: Ver­ kettung natürlichsprachlicher Bausteine zur Sprachsynthese: Anforderungen, Techniken und Evaluierung. Fortschr.-Ber.VDI Reihe 10 Nr. 468, VDI-Verlag 1997".
Grundsätzlich können beide Systemarten verwendet werden. In den regelbasierten Synthesizern fließt die prosodische Information direkt in das Regelwerk ein, während diese in verkettungsbasierten Systemen in geeigneter Weise überlagert wird.
Für die Erzeugung besonderer Effekte 160 werden bekannte Techniken aus der digitalen Signalverarbeitung eingesetzt, wie z. B. digitale Filter (z. B. Bandpassfilter für Telefon-Effekt), Hallgeneratoren usw. Diese können auch auf in einem Archiv 170 gespeicherte Geräusche angewendet werden.
Im Archiv 170 sind Geräusche wie z. B. Straßenlärm, Eisenbahn, Kindergeschrei, Meereswogen, Hintergrundmusik usw. gespeichert. Das Archiv kann mit eigenen Geräuschen beliebig erweitert werden. Das Archiv kann einfach eine Sammlung von Dateien mit digitalisierten Geräuschen sein, es kann aber auch eine Datenbank sein, in der die Geräusche als Blobs (binary large objects) untergebracht sind.
In der Misch-Einrichtung 180 werden die erzeugten Sprachsignale mit den Hintergrundgeräuschen zusammengebaut. Die Lautstarke aller Signale kann dabei vor dem Zusammensetzten reguliert werden. Zudem ist es möglich, jedes Signal einzeln oder alle zusammen mit Effekten zu versehen.
Das Ergebnis des so erzeugten Signals kann an ein geeignetes Gerät für digitales Audio 150, etwa eine Soundkarte eines PC, übergeben und so akustisch überprüft bzw. ausgegeben werden. Zudem ist eine (nicht gezeigte) Speichereinrichtung vorgesehen, um das Signal abzuspeichern, damit es später in geeigneter Weise auf das Zielmedium übertragen werden kann.
Als Misch-Einrichtung kann ein klassisch in Hardware realisiertes Gerät verwendet werden, oder es kann in Software realisiert und in das gesamte Programm eingebunden werden.
Für den Fachmann ergeben sich leicht Modifikationen des oben geschriebenen Ausführungsbeispiels. So kann beispielsweise in einem weiteren Ausführungsbeispiel der vorliegenden Erfindung das Ausgabegerät 150 durch einen weiteren Computer ersetzt sein, der mittels einer Netzwerkverbindung an die Mischeinrichtung 180 angekoppelt ist. So kann beispielsweise über ein Computernetz, etwa das Internet, das erzeugte Sprachsignal auf einen anderen Computer übertragen werden.
In einem weiteren Ausführungsbeispiel kann auch das von der Spracherzeugungs­ einrichtung 140 erzeugte Sprachsignal direkt an das Ausgabegerät 150 übertragen werden, ohne den Umweg über die Mischeinrichtung 180. Weitere vergleichbare Modifikationen ergeben sich für den Fachmann auf zwanglose Weise.

Claims (21)

1. Vorrichtung zur digitalen Sprachbearbeitung, welche aufweist:
eine Satzmelodie-Erzeugungseinrichtung zur Erzeugung einer Satzmelodie für einen Text; und
eine Editiereinrichtung zum Anzeigen und Modifizieren der erzeugten Satzmelodie.
2. Vorrichtung nach Anspruch 1, welche ferner aufweist:
eine Übersetzungseinrichtung zur Übersetzung des Textes in eine Lautschrift; wobei die Editiereinrichtung ferner aufweist:
eine Einrichtung zum Anzeigen und Modifizieren der erzeugten Lautschrift.
3. Vorrichtung nach Anspruch 1 oder 2, bei der die Satzmelodie-Erzeugungseinrichtung und/oder die Übersetzungs­ einrichtung die Satzmelodie und/oder die Lautschrift basierend auf bzw. in Abhängigkeit von einem bestimmten Sprechermodell erzeugen.
4. Vorrichtung nach einem der Ansprüche 1 bis 3, welche ferner aufweist:
eine Einrichtung zur Auswahl und/oder Modifikation eines oder mehrerer Sprechermodelle.
5. Vorrichtung nach Anspruch 4, bei der die Einrichtung zur Modifikation von Sprechermodellen aufweist:
eine Einrichtung zur Modifikation von Lautschriftelementen zur Erzeugung von Akzenten.
6. Vorrichtung zur Erzeugung digitaler Sprache, welche aufweist:
eine Vorrichtung zur digitalen Sprachbearbeitung nach einem der Ansprüche 1 bis 5; und
eine Einrichtung zur Erzeugung von Sprachsignalen basierend auf der gegebenenfalls mittels der Editiereinrichtung modifizierten Lautschrift und/oder Satzmelodie.
7. Vorrichtung nach Anspruch 6, bei der die Sprachsignal-Er­ zeugungseinrichtung ferner aufweist:
eine Sprechermodell-Verarbeitungseinrichtung zur Erzeugung der Sprachsignale basierend auf bzw. in Abhängigkeit von einem bestimmten Sprechermodell.
8. Vorrichtung nach Anspruch 7, bei der die Sprechermodell-Ver­ arbeitungseinrichtung eines oder mehrere der folgenden Merkale aufweist:
ein digitales Filtersystem;
eine Einrichtung zur Übernahme eines Satzes von Filterparametern, der ein bestimmtes Sprechermodell repräsentiert.
9. Vorrichtung nach Anspruch 7 oder 8, bei der die Sprechermodell-Ver­ arbeitungseinrichtung ferner aufweist:
eine Einrichtung Auswahl und/oder Modifikation eines Sprechermodells.
10. Vorrichtung nach einem der Ansprüche 6 bis 9, welche ferner aufweist:
eine Effekt-Einrichtung zur Generierung von Toneffekten.
11. Vorrichtung nach Anspruch 10, wobei die Effekt-Einrichtung eines oder mehrere der folgenden Merkmale aufweist:
eine digitale Filtereinrichtung zur Modifikation der erzeugten Sprachsignale und/oder
einen Hallgenerator zur Erzeugung eines Hall-Effekts.
12. Vorrichtung nach einem der Ansprüche 6 bis 11 welche ferner aufweist:
eine Archiv-Einrichtung zur Speicherung von Geräuschen; und
eine Mischeinrichtung zur Mischung der erzeugten Sprachsignale mit in der Archiv-Einrichtung gespeicherten Geräuschen.
13. Vorrichtung nach einem der vorhergehenden Ansprüche, welche ferner aufweist:
eine grafische Benutzerschnittstelle zur Editierung der erzeugten Lautschrift und/oder Satzmelodie.
14. Vorrichtung nach einem der vorhergehenden Ansprüche, welche ferner aufweist:
eine Einrichtung zur Modifikation von Sprechrhythmus und/oder Aussprache und/oder Betonung.
15. Vorrichtung nach einem der vorhergehenden Ansprüche, welche ferner aufweist:
eine Anzeigeeinrichtung, welche die Satzmelodie mittels einer Symbolschrift anzeigt.
16. Vorrichtung nach einem der vorhergehenden Ansprüche, welche ferner aufweist:
eine Wörterbuch-Einrichtung, in der die Wörter einer oder mehrerer Sprachen zusammen mit ihrer Aussprache gespeichert sind.
17. Vorrichtung nach Anspruch 16, bei der in der Wörterbuch-Einrichtung für mindestens einen Wörterbucheintrag unterschiedliche phonetische Einträge gespeichert sind.
18. Vorrichtung nach einem der Ansprüche 6 bis 17, welche ferner aufweist:
eine Einrichtung zur Umsetzung der digitalen Sprachsignale in akustische Signale.
19. Verfahren zur digitalen Sprachbearbeitung, welches folgende Schritte aufweist:
Erzeugung einer Satzmelodie für einen Text;
Anzeigen der erzeugten Satzmelodie; und
Editieren der erzeugten und angezeigten Satzmelodie.
20. Verfahren nach Anspruch 19, welches ferner folgenden Schritt aufweist:
Verwenden einer Vorrichtung gemäß einem der Ansprüche 1 bis 18 zur Erzeugung digitaler Sprache.
21. Computerprogramprodukt, welches aufweist:
ein Medium, insbesondere ein Datenträger, zur Speicherung und/oder Übertragung von digitalen von einem Computer lesbaren Daten, wobei die gespeicherten und/oder übertragenen Daten folgendes aufweisen:
eine Abfolge von einem Computer ausführbarer Befehle, welche diesen veranlassen, ein Verfahren gemäß einem der Ansprüche 19 oder 20 auszuführen.
DE19841683A 1998-09-11 1998-09-11 Vorrichtung und Verfahren zur digitalen Sprachbearbeitung Withdrawn DE19841683A1 (de)

Priority Applications (8)

Application Number Priority Date Filing Date Title
DE19841683A DE19841683A1 (de) 1998-09-11 1998-09-11 Vorrichtung und Verfahren zur digitalen Sprachbearbeitung
CA002343071A CA2343071A1 (en) 1998-09-11 1999-09-10 Device and method for digital voice processing
JP2000570766A JP2002525663A (ja) 1998-09-11 1999-09-10 ディジタル音声処理装置及び方法
AU60813/99A AU769036B2 (en) 1998-09-11 1999-09-10 Device and method for digital voice processing
AT99947314T ATE222393T1 (de) 1998-09-11 1999-09-10 Vorrichtung und verfahren zur digitalen sprachbearbeitung
EP99947314A EP1110203B1 (de) 1998-09-11 1999-09-10 Vorrichtung und verfahren zur digitalen sprachbearbeitung
PCT/EP1999/006712 WO2000016310A1 (de) 1998-09-11 1999-09-10 Vorrichtung und verfahren zur digitalen sprachbearbeitung
DE59902365T DE59902365D1 (de) 1998-09-11 1999-09-10 Vorrichtung und verfahren zur digitalen sprachbearbeitung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE19841683A DE19841683A1 (de) 1998-09-11 1998-09-11 Vorrichtung und Verfahren zur digitalen Sprachbearbeitung

Publications (1)

Publication Number Publication Date
DE19841683A1 true DE19841683A1 (de) 2000-05-11

Family

ID=7880683

Family Applications (2)

Application Number Title Priority Date Filing Date
DE19841683A Withdrawn DE19841683A1 (de) 1998-09-11 1998-09-11 Vorrichtung und Verfahren zur digitalen Sprachbearbeitung
DE59902365T Expired - Fee Related DE59902365D1 (de) 1998-09-11 1999-09-10 Vorrichtung und verfahren zur digitalen sprachbearbeitung

Family Applications After (1)

Application Number Title Priority Date Filing Date
DE59902365T Expired - Fee Related DE59902365D1 (de) 1998-09-11 1999-09-10 Vorrichtung und verfahren zur digitalen sprachbearbeitung

Country Status (7)

Country Link
EP (1) EP1110203B1 (de)
JP (1) JP2002525663A (de)
AT (1) ATE222393T1 (de)
AU (1) AU769036B2 (de)
CA (1) CA2343071A1 (de)
DE (2) DE19841683A1 (de)
WO (1) WO2000016310A1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10117367A1 (de) * 2001-04-06 2002-10-17 Siemens Ag Verfahren und System zur automatischen Umsetzung von Text-Nachrichten in Sprach-Nachrichten
DE10207875A1 (de) * 2002-02-19 2003-08-28 Deutsche Telekom Ag Parametergesteuerte Sprachsynthese
DE102004012208A1 (de) * 2004-03-12 2005-09-29 Siemens Ag Individualisierung von Sprachausgabe durch Anpassen einer Synthesestimme an eine Zielstimme
US8566880B2 (en) 2008-07-22 2013-10-22 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Device and method for providing a television sequence using database and user inputs
US10424288B2 (en) 2017-03-31 2019-09-24 Wipro Limited System and method for rendering textual messages using customized natural voice

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002318593A (ja) * 2001-04-20 2002-10-31 Sony Corp 言語処理装置および言語処理方法、並びにプログラムおよび記録媒体
AT6920U1 (de) 2002-02-14 2004-05-25 Sail Labs Technology Ag Verfahren zur erzeugung natürlicher sprache in computer-dialogsystemen
CA2557079A1 (en) 2004-03-05 2005-09-22 Lessac Technologies, Inc. Prosodic speech text codes and their use in computerized speech systems

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4443857A (en) * 1980-11-07 1984-04-17 Thomson-Csf Process for detecting the melody frequency in a speech signal and a device for implementing same
US4596032A (en) * 1981-12-14 1986-06-17 Canon Kabushiki Kaisha Electronic equipment with time-based correction means that maintains the frequency of the corrected signal substantially unchanged
US4613985A (en) * 1979-12-28 1986-09-23 Sharp Kabushiki Kaisha Speech synthesizer with function of developing melodies
DE3590157C2 (de) * 1984-04-18 1991-12-19 Golden Enterprises, Melbourne, Fla., Us
DE19503419A1 (de) * 1995-02-03 1996-08-08 Bosch Gmbh Robert Verfahren und Einrichtung zur Ausgabe von digital codierten Verkehrsmeldungen mittels synthetisch erzeugter Sprache
US5659663A (en) * 1995-03-10 1997-08-19 Winbond Electronics Corp. Integrated automatically synchronized speech/melody synthesizer with programmable mixing capability

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5559927A (en) * 1992-08-19 1996-09-24 Clynes; Manfred Computer system producing emotionally-expressive speech messages
US5956685A (en) * 1994-09-12 1999-09-21 Arcadia, Inc. Sound characteristic converter, sound-label association apparatus and method therefor
JP3066452B2 (ja) * 1994-09-12 2000-07-17 株式会社アルカディア 音特性変換装置、音・ラベル対応付け装置およびこれらの方法
EP0762384A2 (de) * 1995-09-01 1997-03-12 AT&T IPM Corp. Verfahren und Vorrichtung zur Veränderung von Stimmeigenschaften synthetisch erzeugter Sprache
DE19610019C2 (de) * 1996-03-14 1999-10-28 Data Software Gmbh G Digitales Sprachsyntheseverfahren
JP3616250B2 (ja) * 1997-05-21 2005-02-02 日本電信電話株式会社 合成音声メッセージ作成方法、その装置及びその方法を記録した記録媒体
US6226614B1 (en) * 1997-05-21 2001-05-01 Nippon Telegraph And Telephone Corporation Method and apparatus for editing/creating synthetic speech message and recording medium with the method recorded thereon

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4613985A (en) * 1979-12-28 1986-09-23 Sharp Kabushiki Kaisha Speech synthesizer with function of developing melodies
US4443857A (en) * 1980-11-07 1984-04-17 Thomson-Csf Process for detecting the melody frequency in a speech signal and a device for implementing same
US4596032A (en) * 1981-12-14 1986-06-17 Canon Kabushiki Kaisha Electronic equipment with time-based correction means that maintains the frequency of the corrected signal substantially unchanged
DE3590157C2 (de) * 1984-04-18 1991-12-19 Golden Enterprises, Melbourne, Fla., Us
DE19503419A1 (de) * 1995-02-03 1996-08-08 Bosch Gmbh Robert Verfahren und Einrichtung zur Ausgabe von digital codierten Verkehrsmeldungen mittels synthetisch erzeugter Sprache
US5659663A (en) * 1995-03-10 1997-08-19 Winbond Electronics Corp. Integrated automatically synchronized speech/melody synthesizer with programmable mixing capability

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10117367A1 (de) * 2001-04-06 2002-10-17 Siemens Ag Verfahren und System zur automatischen Umsetzung von Text-Nachrichten in Sprach-Nachrichten
DE10117367B4 (de) * 2001-04-06 2005-08-18 Siemens Ag Verfahren und System zur automatischen Umsetzung von Text-Nachrichten in Sprach-Nachrichten
DE10207875A1 (de) * 2002-02-19 2003-08-28 Deutsche Telekom Ag Parametergesteuerte Sprachsynthese
DE102004012208A1 (de) * 2004-03-12 2005-09-29 Siemens Ag Individualisierung von Sprachausgabe durch Anpassen einer Synthesestimme an eine Zielstimme
US7664645B2 (en) 2004-03-12 2010-02-16 Svox Ag Individualization of voice output by matching synthesized voice target voice
US8566880B2 (en) 2008-07-22 2013-10-22 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Device and method for providing a television sequence using database and user inputs
US10424288B2 (en) 2017-03-31 2019-09-24 Wipro Limited System and method for rendering textual messages using customized natural voice

Also Published As

Publication number Publication date
JP2002525663A (ja) 2002-08-13
EP1110203B1 (de) 2002-08-14
AU6081399A (en) 2000-04-03
DE59902365D1 (de) 2002-09-19
CA2343071A1 (en) 2000-03-23
WO2000016310A1 (de) 2000-03-23
EP1110203A1 (de) 2001-06-27
AU769036B2 (en) 2004-01-15
ATE222393T1 (de) 2002-08-15

Similar Documents

Publication Publication Date Title
EP0886853B1 (de) Auf mikrosegmenten basierendes sprachsyntheseverfahren
Jilka The contribution of intonation to the perception of foreign accent
DE69821673T2 (de) Verfahren und Vorrichtung zum Editieren synthetischer Sprachnachrichten, sowie Speichermittel mit dem Verfahren
DE60216069T2 (de) Sprache-zu-sprache erzeugungssystem und verfahren
DE60112512T2 (de) Kodierung von Ausdruck in Sprachsynthese
DE69028072T2 (de) Verfahren und Einrichtung zur Sprachsynthese
DE60035001T2 (de) Sprachsynthese mit Prosodie-Mustern
DE3856146T2 (de) Sprachsynthese
JPH0833744B2 (ja) 音声合成装置
DE2115258A1 (de) Sprachsynthese durch Verkettung von in Formant Form codierten Wortern
EP1105867B1 (de) Verfahren und vorrichtungen zur koartikulationsgerechten konkatenation von audiosegmenten
DE112004000187T5 (de) Verfahren und Vorrichtung der prosodischen Simulations-Synthese
EP3010014B1 (de) Verfahren zur interpretation von automatischer spracherkennung
EP1110203B1 (de) Vorrichtung und verfahren zur digitalen sprachbearbeitung
Schröder Can emotions be synthesized without controlling voice quality
EP0058130B1 (de) Verfahren zur Synthese von Sprache mit unbegrenztem Wortschatz und Schaltungsanordnung zur Durchführung des Verfahrens
EP1344211B1 (de) Vorrichtung und verfahren zur differenzierten sprachausgabe
DE60305944T2 (de) Verfahren zur synthese eines stationären klangsignals
DE60311482T2 (de) Verfahren zur steuerung der dauer bei der sprachsynthese
JP2577372B2 (ja) 音声合成装置および方法
DE19837661C2 (de) Verfahren und Vorrichtung zur koartikulationsgerechten Konkatenation von Audiosegmenten
EP3144929A1 (de) Synthetische erzeugung eines natürlich klingenden sprachsignals
EP1212748A1 (de) Digitales sprachsyntheseverfahren mit intonationsnachbildung
Murray Emotion in concatenated speech
JP2573587B2 (ja) ピッチパタン生成装置

Legal Events

Date Code Title Description
OM8 Search report available as to paragraph 43 lit. 1 sentence 1 patent law
8127 New person/name/address of the applicant

Owner name: KULL, HANS, MT DUNEED VIC, AU

8139 Disposal/non-payment of the annual fee