JP2000010579A - 音声合成装置及びコンピュータ可読記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 テキストの内容に応じた適切な読み上げモー
ドを自動的に決定することのできる音声合成装置を提供
する。 【解決手段】 入力手段１は読み上げ対象となるテキス
トを入力し、分割手段５は空白、改行等を区切りにテキ
ストを分割する。頻度抽出手段２は、分割されたテキス
ト毎にそのテキスト中の文字の出現頻度を抽出する。モ
ード決定手段３は、この頻度情報をもとに、分割された
テキスト毎に読み上げモードを決定する。音声合成手段
４は、分割テキスト毎に決定された読み上げモードに従
い、テキスト中の各分割テキストを音声合成により読み
上げる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は音声合成装置に関
し、特に任意のテキストを読み上げる音声合成装置に関
する。

【０００２】

【従来の技術】音声合成によってテキストを読み上げる
場合、そのテキストの内容に応じた読み方で読み上げる
ことが望まれる。例えば、「１２３−４５６７」という
テキストが電話番号を意味する場合、「いちにいさんの
よんごおろくなな」と読み上げることが望まれ、同テキ
ストが数式を意味する場合、「ひゃくにじゅうさんまい
なすよんせんごひゃくろくじゅうなな」と読み上げるこ
とが望まれる。また、テキスト中に表が存在する場合、
表の罫線として用いられている「−」，「｜」等は、視
覚的な意味しかないので読み上げないことが望ましい。

【０００３】テキストの内容に応じた読み方を実現する
最も簡単な方法は、ユーザ自身に読み方、つまり読み上
げモードを指定させることである。一例を図２０に示
す。この音声合成装置は、音声合成手段４と、テキスト
を入力する入力手段１と、ユーザからの読み上げモード
の指示を音声合成手段４に指定するモード選択手段６と
から構成され、入力手段１によって入力されたテキスト
を音声合成手段４がモード選択手段６から指定された読
み上げモードに従って読み上げる。

【０００４】例えば、「数式読み」と「電話番号読み」
との２つの読み上げモードがあり、ユーザがモード選択
手段６によって「電話番号読み」を指定した状態におい
て、入力手段１によって「１２３−４５６７」というテ
キストが入力された場合、音声合成手段４は、モード選
択手段６から指定された「電話番号読み」の指示に従っ
て、数字は棒読み（「１２３」は、「いちにいさん」と
読む）、「−」は「の」、として、「いちにいさんのよ
んごおろくなな」と読み上げる。他方、ユーザがモード
選択手段６によって「数式読み」を指定した状態におい
て、入力手段１によって「１２３−４５６７＝−４４４
４」というテキストが入力された場合、音声合成手段４
は、モード選択手段６から指定された「数式読み」の指
示に従って、数字は桁読み（「１２３」は「ひゃくにじ
ゅうさん」と読む）、「−」は「まいなす」、として、
「ひゃくにじゅうさんまいなすよんせんごひゃくろくじ
ゅうなないこーるまいなすよんせんよんひゃくよんじゅ
うよん」と読み上げる。

【０００５】このように、読み上げモードの選択により
同じ文字列であってもテキストの意味に則して正しく読
み上げることが可能となる。

【０００６】しかしながら、ユーザ自身に読み上げモー
ドを指定させる上述した音声合成装置では、読み上げ対
象となるテキストの内容をユーザが事前に、つまり読み
上げられる前に知っている必要がある。このため、読み
上げ対象となるテキストがユーザにとって未知な場合に
は適用できない。また、ユーザからの読み上げモードの
指示を入力するモード選択手段６を音声合成装置側に設
ける必要があるため、例えば電話回線を通じて必要な情
報を遠隔地に設置された音声合成装置から音声にて得る
ような場合などには適用が困難である。

【０００７】このような問題を解決するには、音声合成
装置自体がテキストの内容に応じて読み上げモードを自
動的に決定することが必要である。このような技術の従
来例が特開平８−３６３９５号公報に記載されている。

【０００８】同公報に記載された技術では、所定の特殊
単語あるいは特殊パターンの数字文字列をテキスト中に
検出すると、特殊単語の前後に近接して存在する数字文
字列あるいは特殊パターンの数字文字列に、前記特殊単
語あるいは前記特殊パターンに対応した規則に従った読
みを当てることで、テキストの内容に応じて読み上げモ
ードを自動的に決定している。

【０００９】

【発明が解決しようとする課題】上述した従来技術で
は、特殊な読みとなる数字文字列は、特殊な単語を含ん
でいたり、特殊なパターンとして現れる点に着目したも
のであり、テキストの内容に応じて読み上げモードを自
動的に決定する技術の一つとして有益な技術ではある。

【００１０】しかし、例えば「数字−数字」という特殊
パターンに対し、数字は棒読み、「−」は「の」と読
む、という規則を使用するとき、「１２３−４５６７」
というテキストは「いちにいさんのよんごおろくなな」
と読み上げるが、「１２３−４５６７＝−４４４４」と
いうテキストも「いちにいさんのよんごおろくなないこ
ーるまいなすよんせんよんひゃくよんじゅうよん」と読
み上げてしまう。これを改善するには、上記の特殊パタ
ーン及び規則だけでは足りず、新たな特殊パターンと規
則の追加が必要である。この例の場合、追加する特殊パ
ターン及び規則の数はそれほど多く必要としないであろ
うが、表の罫線を読み上げないモードを自動的に決定す
るような場合、罫線に使う「−」，「｜」等の並べ方、
つまり特殊パターンは千差万別であるため、膨大な特殊
パターンを登録しておく必要があり、実質的に適用は困
難になる。

【００１１】そこで本発明の目的は、テキストの内容に
応じた適切な読み上げモードを特殊パターンの検出によ
らずに自動的に決定することのできる音声合成装置を提
供することにある。

【００１２】

【課題を解決するための手段】本発明の音声合成装置
は、テキスト中の各文字の出現頻度に基づいて読み上げ
モードを決定する。より具体的には、テキストを入力す
る入力手段と、入力されたテキスト中の文字の出現頻度
を抽出する頻度抽出手段と、この頻度情報をもとに読み
上げモードを決定するモード決定手段と、この決定され
た読み上げモードに応じて動作する音声合成手段とを備
えている。

【００１３】このように構成された本発明の音声合成装
置にあっては、入力手段が読み上げ対象となるテキスト
を入力し、頻度抽出手段が、そのテキスト中の文字の出
現頻度を抽出し、この抽出された頻度情報をもとにモー
ド決定手段が読み上げモードを決定し、音声合成手段が
その決定された読み上げモードでテキストを読み上げ
る。

【００１４】また本発明の音声合成装置は、テキスト中
に様々な書式の文が混在していてもそれぞれを適切な読
み上げモードで読み上げることができるようにもする為
に、入力されたテキストを分割し、各分割テキスト毎に
処理するようにしている。より具体的には、テキストを
入力する入力手段と、入力されたテキストを分割する分
割手段と、分割されたテキスト毎にそのテキスト中の文
字の出現頻度を抽出する頻度抽出手段と、この頻度情報
をもとに、分割テキスト毎に読み上げモードを決定する
モード決定手段と、分割テキスト毎に、決定された読み
上げモードに応じて動作する音声合成手段とを備えてい
る。

【００１５】このように構成された本発明の音声合成装
置にあっては、入力手段が入力した読み上げ対象となる
テキストを分割手段が分割し、頻度抽出手段が、分割さ
れたテキスト毎にそのテキスト中の文字の出現頻度を抽
出し、この頻度情報をもとにモード決定手段が、分割さ
れたテキスト毎に読み上げモードを決定し、音声合成手
段がその決定された読み上げモードでテキストを読み上
げる。

【００１６】本発明が自動切り替え対象とする読み上げ
モードの種類や数は任意である。一例を挙げれば、表の
罫線などに多用される「−」，「｜」，「＊」等の特定
の記号文字を読み上げないモードと読み上げるモードと
の相互切り替えに適用できる。この場合、頻度抽出手段
は、特に、前記特定の記号文字の出現頻度を抽出し、モ
ード決定手段は、各記号文字の出現頻度をもとに、その
記号文字を読み上げないモード、読み上げるモードの何
れかを決定する。

【００１７】他の例として、アルファベット文字列をロ
ーマ字として読み上げるモードと英語として読み上げる
モードとの相互切り替えに適用できる。この場合、頻度
抽出手段は、特に、アルファベット母音および子音の出
現頻度を抽出し、モード決定手段は、アルファベット母
音および子音の出現頻度をもとに、アルファベット文字
列をローマ字として読み上げるモード、英語として読み
上げるモードの何れかを決定する。そして、より好まし
い形態においては、音声合成手段は、アルファベット文
字列を英語として読み上げるモードが決定された場合、
テキスト中の数字、記号も英語として読み上げる。

【００１８】また別の例として、特定の記号文字を含む
数字文字列を電話番号として読み上げるモードと数式と
して読み上げるモードとの相互切り替えに適用できる。
この場合、頻度抽出手段は、例えば「−」や「＋，＝，
×，÷」等の特定の記号文字の出現頻度を抽出し、モー
ド決定手段は、特定の記号文字の出現頻度をもとに、数
字文字列を電話番号として読み上げるモード、数式とし
て読み上げるモードの何れかを決定する。

【００１９】

【発明の実施の形態】次に本発明の実施の形態の例につ
いて図面を参照して詳細に説明する。

【００２０】（１）第１の実施の形態 図１は本発明の第１の実施の形態のブロック図である。
本実施の形態の音声合成装置は、テキストを入力する入
力手段１と、入力されたテキスト中の文字の出現頻度を
抽出する頻度抽出手段２と、この頻度情報をもとに読み
上げモードを決定するモード決定手段３と、この決定さ
れた読み上げモードに応じて動作する音声合成手段４と
を備えている。

【００２１】入力手段１は、図示しないキーボードから
入力されたテキスト、またはハードディスク等に蓄えら
れたテキスト等、読み上げ対象となる任意のテキストを
入力し、頻度抽出手段２と音声合成手段４とに渡す。

【００２２】頻度抽出手段２は、入力手段１から受け取
ったテキスト中の文字の出現頻度を抽出し、その頻度情
報をモード決定手段３に渡す。出現頻度は、例えば、
「あ」、「い」等の文字毎や、「記号」、「漢字」等の
文字の種類（カテゴリ）毎に抽出する。また、全ての文
字や種類の出現頻度を必ずしも抽出する必要はない。ど
のような文字や種類の出現頻度を抽出するかは、自動切
り替えの対象としている読み上げモードの種類に応じて
事前に定められている。

【００２３】モード決定手段３は、頻度抽出手段２から
受け取った頻度情報をもとに、予め定められた規則に基
づいて読み上げモードを決定する。どのような規則を使
用するかは、音声合成装置が自動切り替えの対象として
いる読み上げモードの種類に応じて事前に定められてい
る。

【００２４】音声合成手段４は、入力手段１から与えら
れたテキストを、モード決定手段３からの読み上げモー
ドの指示に従い読み上げる。図２に音声合成手段４の構
成例を示す。

【００２５】この例の音声合成手段４は、テキストを解
析し発音記号を生成するテキスト解析手段４１と、読み
上げモードを記憶するモード記憶手段４２と、単語とそ
の発音記号を記憶する単語辞書４３と、音声波形を音素
単位で記憶する波形辞書４４と、発音記号から音声波形
を生成する音声波形生成手段４５とを備えている。

【００２６】モード記憶手段４２はモード決定手段３か
らの読み上げモードの指示を記憶する。単語辞書４３
は、単語とその読み、アクセントの情報である発音記号
を記憶する。読み上げモード毎に読み分ける必要がある
単語については、読み上げモード毎にその発音記号（読
まない場合も含む）が単語辞書４３に記憶されている。
テキスト解析手段４１は、入力手段１から与えられたテ
キストを、単語単位に分割し、単語毎に単語辞書４３お
よびモード記憶手段４２の内容に従い発音記号に変換す
る。波形辞書４４は、音素単位の音声波形とその音素ラ
ベルを記憶している。音声波形生成手段４５は、テキス
ト解析手段４１から出力された発音記号をもとに、波形
辞書４４から、音素ラベルをキーとして必要な音素単位
の音声波形を検索、抽出し、これを編集することで音声
波形を生成する。

【００２７】次に本実施の形態の実施例について図面を
参照して詳細に説明する。

【００２８】（Ａ）第１の実施例 図３は本実施の形態における第１の実施例のフローチャ
ート、図４および図５はテキスト例を示す。本実施例の
音声合成装置は、記号文字の出現頻度をもとに、その記
号文字を読み上げないモード、読み上げるモードを自動
的に選択する機能を持つ。

【００２９】本実施例の場合、頻度抽出手段２は、テキ
スト中の文字の出現頻度を抽出するが、特にテキスト中
において視覚的な意味しか持たない記号文字については
各記号文字毎に出現頻度を抽出する。対象とする記号文
字は、「−」、「｜」、「＊」などである。また、モー
ド決定手段３には、記号文字の出現頻度が予め定められ
た頻度より多いとき、その記号文字を読み上げないモー
ドにし、そうでないときは読み上げるモードにするとい
う規則が予め設定されている。

【００３０】以下、図１〜図５を参照して、本実施例の
動作を説明する。

【００３１】まず、入力手段１がテキストを入力し、頻
度抽出手段２および音声合成手段４に渡す（ステップＳ
１）。次に、頻度抽出手段２は、テキスト中の文字の出
現頻度を求めるが、その際、「−」、「｜」、「＊」な
どの所定の記号文字については個々の記号文字毎に出現
頻度を求める（ステップＳ２）。次に、モード決定手段
３は、個々の記号文字毎にその出現頻度の大小を判定し
（ステップＳ３）、頻度が著しく大きい記号文字を、読
まない文字のリストに加える（ステップＳ４）。こうし
て生成したリストは、読み上げモードの情報として、音
声合成手段４のモード記憶手段４２に記憶される。な
お、読まない文字が１つもない場合、リストは空であ
る。

【００３２】音声合成手段４のテキスト解析手段４１
は、モード記憶手段４２に上記リストが記憶されると、
入力テキストに対する処理を開始する。まず、テキスト
中から、モード記憶手段４２に記憶されたリスト中の記
号文字を消去する（ステップＳ５）。そして、そのテキ
ストを単語単位に分割し（ステップＳ６）、単語辞書４
３を参照して単語毎に発音記号に変換する（ステップＳ
７）。次に、音声波形生成手段４５は、テキスト解析手
段４１から出力された発音記号をもとに波形辞書４４を
参照して必要な音素単位の音声波形を取得して編集する
ことで音声波形を生成する（ステップＳ８）。そして、
音声波形の電気信号をスピーカ等に直接に出力するか、
電話回線を通じて他所に出力する（ステップＳ９）。

【００３３】本実施例の音声合成装置は以上のように動
作するため、例えば図４に示されるようなテキストが入
力された場合、記号文字「＊」１文字、その他の文字１
７文字であり、「＊」の出現頻度が少ないため、「＊」
は消去されず、従って、「あすたりすくはわくをえがく
ときなどによくもちいられる」と読み上げられる。これ
に対し、例えば図５に示されるテキストの場合、記号文
字「＊」３６文字、その他の文字２６文字であり、
「＊」の出現頻度が極めて大きいため、テキスト中から
消去され、「＊」で描かれた枠内の文のみが読み上げら
れる。

【００３４】なお、本実施例では、テキスト解析手段４
１における単語読み付けの段階以前で、読まない文字を
テキスト中から削除することによって、読まない文字の
読み上げを行わないようにした。しかし、「−」、
「｜」、「＊」などの所定の記号文字について、単語読
み付けの段階で、その記号文字がリスト中に存在すれば
発音記号を付与しないことによって、読み上げないよう
にすることもできる。

【００３５】（Ｂ）第２の実施例 図６は本実施の形態における第２の実施例のフローチャ
ート、図７および図８はテキスト例、図９は図８のテキ
ストの読み上げ例を示す。本実施例の音声合成装置は、
アルファベット母音および子音の出現頻度をもとに、ア
ルファベット文字列をローマ字として読み上げるモー
ド、英語として読み上げるモードを自動的に選択する機
能を持つ。

【００３６】本実施例の場合、頻度抽出手段２は、アル
ファベット母音（ａ，ｉ，ｕ，ｅ，ｏ）およびアルファ
ベット子音について、それぞれ毎に出現頻度を抽出す
る。また、モード決定手段３には、例えば、アルファベ
ット母音の出現頻度÷アルファベット子音の出現頻度の
値が予め定められた値より大きいとき、テキスト中のア
ルファベット文字列をローマ字として読み上げるモード
にし、そうでないときは英語として読み上げるモードに
するという規則が予め設定されている。

【００３７】以下、図１、図２、図６〜図９を参照し
て、本実施例の動作を説明する。

【００３８】まず、入力手段１がテキストを入力し、頻
度抽出手段２および音声合成手段４に渡す（ステップＳ
１１）。次に、頻度抽出手段２は、アルファベット母音
と子音について各々毎に出現回数を累計し、それぞれの
カテゴリの出現頻度を求める（ステップＳ１２）。次
に、モード決定手段３は、アルファベット母音の出現頻
度÷アルファベット子音の出現頻度の値を求め、その値
が予め定められた値より大きいとき、ローマ字読みのモ
ードを決定し、そうでないときは英語読みのモードを決
定し、音声合成手段４のモード記憶手段４２に設定する
（ステップＳ１３〜Ｓ１５）。

【００３９】音声合成手段４のテキスト解析手段４１
は、モード記憶手段４２にモードが設定されると、入力
テキストに対する処理を開始する。まず、テキストを単
語単位に分割する（ステップＳ１６）。次に、モード記
憶手段４２にローマ字読みのモードが設定されていれ
ば、テキスト中のアルファベットをローマ字とみなし平
仮名に変換する（ステップＳ１７，Ｓ１９）。例えば、
「ｔａｎａｋａ」は「たなか」に変換する。また、モー
ド記憶手段４２に英語読みのモードが設定されていれ
ば、テキスト中のアルファベット部分はそのままにして
おく。但し、テキスト中の数字および記号については、
英語の読みに変換しておく（ステップＳ１７，Ｓ１
８）。例えば、「２４」は「ｔｗｅｎｔｙ−ｆｏｕｒ」
に変換しておく。次に、テキスト解析手段４１は、単語
辞書４３を参照して単語毎に発音記号に変換し、音声波
形生成手段４５に出力する（ステップＳ２０）。

【００４０】音声波形生成手段４５は、テキスト解析手
段４１から出力された発音記号をもとに波形辞書４４を
参照して必要な音素単位の音声波形を取得して編集する
ことで音声波形を生成し（ステップＳ２１）、音声波形
の電気信号をスピーカ等に直接に出力するか、電話回線
を通じて他所に出力する（ステップＳ２２）。

【００４１】本実施例の音声合成装置は以上のように動
作するため、例えば図７に示されるような英文テキスト
が入力された場合、頻度抽出手段２においてアルファベ
ット母音の出現頻度＝２６文字、アルファベット子音の
出現頻度＝３６文字という頻度情報が得られ、母音と比
較して子音の頻度が多いことからモード決定手段３は英
語読みモードと決定する。この結果、図７のテキストは
英語としてそのまま読み上げられる。また、図７のテキ
スト中には数字および記号は存在しないが、若し、存在
していたならば、英語で読み上げられる。一方、例えば
図８に示されるローマ字テキストが入力された場合、頻
度抽出手段２においてアルファベット母音の出現頻度＝
５２文字、アルファベット子音の出現頻度＝４６文字と
いう頻度情報が得られ、子音と比較して母音の頻度が多
いことからモード決定手段３はローマ字読みモードと決
定する。この結果、図８のテキストは図９に示されるよ
うに読み上げられる。

【００４２】なお、本実施例では、アルファベット母音
の出現頻度÷アルファベット子音の出現頻度の値が予め
定められた値より大きいか否かで、ローマ字読みモー
ド、英語読みモードを決定したが、アルファベット母音
の出現頻度とアルファベット子音の出現頻度との差や、
アルファベット（母音および子音）の出現頻度に対する
アルファベット母音あるいは子音の出現頻度の割合等に
基づいて、モードを決定することも可能である。

【００４３】（Ｃ）第３の実施例 図１０は本実施の形態における第３の実施例のフローチ
ャート、図１１および図１３はテキスト例、図１２は図
１１のテキストの読み上げ例、図１４は図１３のテキス
トの読み上げ例を示す。本実施例の音声合成装置は、特
定の記号文字の出現頻度を抽出し、その出現頻度をもと
に、前記特定の記号文字を含む数字文字列を電話番号と
して読み上げるモード、数式として読み上げるモードを
自動的に選択する機能を持つ。

【００４４】本実施例の場合、頻度抽出手段２は、特定
の記号文字について、テキスト中における出現頻度を抽
出する。対象とする記号文字は、本実施例の場合、
「＝，＋，÷，×」である。また、モード決定手段３に
は、前記特定の記号文字の出現頻度が所定値より多いと
き、前記特定の記号文字を含む数字文字列を数式として
読み上げるモード、そうでないとき電話番号として読み
上げるモードにするという規則が予め設定されている。
さらに、単語辞書４３には、記号文字「−」の発音記号
として、数式読みモードの場合の「まいなす」、電話番
号読みモードの場合の「の」が記憶されている。

【００４５】以下、図１、図２、図１０〜図１４を参照
して、本実施例の動作を説明する。

【００４６】まず、入力手段１がテキストを入力し、頻
度抽出手段２および音声合成手段４に渡す（ステップＳ
３１）。次に、頻度抽出手段２は、記号文字「＝，＋，
÷，×」のテキスト中での出現回数を累計し、それら全
体の出現頻度を求める（ステップＳ３２）。次に、モー
ド決定手段３は、その出現頻度が予め定められた値より
大きいとき、数式読みモードと決定し、そうでないとき
は電話番号読みモードと決定し、音声合成手段４のモー
ド記憶手段４２に設定する（ステップＳ３３〜Ｓ３
５）。

【００４７】音声合成手段４のテキスト解析手段４１
は、モード記憶手段４２にモードが設定されると、入力
テキストに対する処理を開始する。まず、テキストを単
語単位に分割する（ステップＳ３６）。次に、モード記
憶手段４２に数式読みモードが設定されていれば、テキ
スト中の数字を桁読みに変換する（ステップＳ３７，Ｓ
３８）。例えば、「２４」は「にじゅうよん」に変換す
る。また、モード記憶手段４２に電話番号読みモードが
設定されていれば、テキスト中の数字を棒読みに変換す
る（ステップＳ３７，Ｓ３９）。例えば、「２４」は
「にいよん」に変換する。次に、テキスト解析手段４１
は、単語辞書４３を参照して単語毎に発音記号に変換
し、音声波形生成手段４５に出力する（ステップＳ４
０）。このとき、テキスト中の「−」については、数式
読みモードのとき「まいなす」、電話番号読みモードの
とき「の」の発音記号に変換される。

【００４８】音声波形生成手段４５は、テキスト解析手
段４１から出力された発音記号をもとに波形辞書４４を
参照して必要な音素単位の音声波形を取得して編集する
ことで音声波形を生成し（ステップＳ４１）、音声波形
の電気信号をスピーカ等に直接に出力するか、電話回線
を通じて他所に出力する（ステップＳ４２）。

【００４９】本実施例の音声合成装置は以上のように動
作するため、例えば図１１に示されるような名前と電話
番号とが羅列されたテキストが入力された場合、頻度抽
出手段２において記号文字「＝，＋，÷，×」の出現頻
度＝０という頻度情報が得られ、モード決定手段３は電
話番号読みモードと決定する。この結果、図１１のテキ
ストは図１２のように読み上げられる。一方、例えば図
１３に示される数式のテキストが入力された場合、頻度
抽出手段２において記号文字「＝，＋，÷，×」の出現
頻度＝７という頻度情報が得られ、頻度が多いことから
モード決定手段３は電話番号読みモードと決定する。こ
の結果、図１３のテキストは図１４に示されるように読
み上げられる。

【００５０】なお、本実施例では、記号文字「＝，＋，
÷，×」の出現頻度が予め定められた値より大きいとき
に数式読みモード、そうでないときに電話番号読みモー
ドとしたが、記号文字「＝，＋，÷，×」の代わりに記
号文字「−」の出現頻度を求め、その出現頻度が予め定
められた値より大きいときに電話番号読みモード、そう
でないときに数式読みモードを決定するようにしても良
い。

【００５１】（２）第２の実施の形態 図１５は本発明の第２の実施の形態のブロック図であ
る。本実施の形態の音声合成装置は、テキストを入力す
る入力手段１と、入力されたテキストを分割する分割手
段５と、分割されたテキスト毎にそのテキスト中の文字
の出現頻度を抽出する頻度抽出手段２と、この頻度情報
をもとに、分割テキスト毎に読み上げモードを決定する
モード決定手段３と、分割テキスト毎に、決定された読
み上げモードに応じて動作する音声合成手段４とを備え
ている。

【００５２】入力手段１は、図示しないキーボードから
入力されたテキスト、またはハードディスク等に蓄えら
れたテキスト等、読み上げ対象となる任意のテキストを
入力し、分割手段５に渡す。

【００５３】分割手段５は、テキストを空白、改
行、「。」等を区切りとして、テキストを文、段落等の
単位に分割する。分割されたテキストは頻度抽出手段２
および音声合成手段４に渡される。

【００５４】頻度抽出手段２は、入力手段１から受け取
った分割テキスト毎にその中の文字の出現頻度を抽出
し、その頻度情報をモード決定手段３に渡す。出現頻度
は、例えば、「あ」、「い」等の文字毎や、「記号」、
「漢字」等の文字の種類（カテゴリ）毎に抽出する。ま
た、全ての文字や種類の出現頻度を必ずしも抽出する必
要はない。どのような文字や種類の出現頻度を抽出する
かは、自動切り替えの対象としている読み上げモードの
種類に応じて事前に定められている。

【００５５】モード決定手段３は、頻度抽出手段２から
受け取った頻度情報をもとに、予め定められた規則に基
づいて分割テキスト毎に読み上げモードを決定する。ど
のような規則を使用するかは、自動切り替えの対象とし
ている読み上げモードの種類に応じて事前に定められて
いる。

【００５６】音声合成手段４は、モード決定手段３で読
み上げモードが決定されると、分割テキスト毎に、分割
手段５から与えられたテキストをモード決定手段３から
の読み上げモードの指示に従い読み上げる。音声合成手
段４は、第１の実施の形態と同様に、例えば図２のよう
に構成される。

【００５７】図１６は本実施の形態のフローチャートで
ある。まず、入力手段１は読み上げ対象となるテキスト
を入力し、分割手段５に渡す（ステップＳ５１）。次に
分割手段５はテキストを分割し、個々の分割テキストを
頻度抽出手段２および音声合成手段４に渡す（ステップ
Ｓ５２）。次に、全ての分割テキストについて、頻度抽
出手段２、モード決定手段３および音声合成手段４によ
る処理を繰り返す（ステップＳ５３，Ｓ５４）。

【００５８】ステップＳ５４における１つの分割テキス
トに対する処理の中身は、例えば記号文字の出現頻度を
もとに、その記号文字を読み上げないモード、読み上げ
るモードを自動的に選択する実施例にあっては、図３の
ステップＳ２〜Ｓ８の処理に相当する。また、アルファ
ベット母音および子音の出現頻度をもとに、アルファベ
ット文字列をローマ字として読み上げるモード、英語と
して読み上げるモードを自動的に選択する実施例にあっ
ては、図６のステップＳ１２〜Ｓ２１の処理に相当す
る。さらに、特定の記号文字の出現頻度ををもとに、前
記特定の記号文字を含む数字文字列を電話番号として読
み上げるモード、数式として読み上げるモードを自動的
に選択する実施例にあっては、図１０のステップＳ３２
〜Ｓ４１の処理に相当する。

【００５９】最後に、音声合成手段４は、各分割テキス
トについて生成された音声波形の電気信号をスピーカ等
に直接に出力するか、電話回線を通じて他所に出力する
（ステップＳ５４）。

【００６０】次に本実施の形態の実施例について図面を
参照して詳細に説明する。例としては、記号文字の出現
頻度をもとに、その記号文字を読み上げないモード、読
み上げるモードを自動的に選択する実施例を取り上げ
る。また、読み上げ対象テキストとして図１７に示され
るテキストを用いる。このテキストは電子メールの文章
であり、通常の文章、表、シグネチャーと呼ばれる差出
人の情報欄、の３つから構成されている。このうち、表
の罫線として用いられている「−」，「｜」、シグニチ
ャーの枠である「＊」は、視覚的な意味しかないので読
み上げないことが望ましい。

【００６１】このような実施例の場合、頻度抽出手段２
は、分割テキスト中の文字の出現頻度を抽出するが、特
に視覚的な意味しか持たない記号文字については各記号
文字毎に出現頻度を抽出する。対象とする記号文字は、
「−」、「｜」、「＊」などである。また、モード決定
手段３には、記号文字の出現頻度が予め定められた頻度
より多いとき、その記号文字を読み上げないモードに
し、そうでないときは読み上げるモードにするという規
則が予め設定されている。なお、図１６のステップＳ５
４では、図３のステップＳ２〜Ｓ８の処理が実行され
る。

【００６２】動作にあっては、まず、入力手段１が図１
７のテキストを入力し、分割手段５に渡す（ステップＳ
５１）。次に分割手段５は、テキストを空白行をもと
に、１〜３行目、５〜１１行目、１３〜１６行目の３つ
に分割する（ステップＳ５２）。分割されたテキスト
は、テキストの先頭のものから順に頻度抽出手段３およ
び音声合成手段４に渡される。

【００６３】次に、１〜３行目の分割テキストがまず処
理される（ステップＳ５３，Ｓ５４）。具体的には、頻
度抽出手段２は、分割テキスト中の各文字の出現頻度を
抽出し、特に「−」、「｜」、「＊」などの所定の記号
文字については個々の記号文字毎に出現頻度を求める
（図３のステップＳ２）。次に、モード決定手段３は、
個々の記号文字毎にその出現頻度の大小を判定し（ステ
ップＳ３）、著しく頻度の大きな記号文字は、読まない
文字のリストに加える（ステップＳ４）。図１７の１〜
３行目の分割テキストの場合、特定の記号文字が「−」
しかなく、然も１つで頻度が少ないので、リストは空と
なる。このリストは、最初の分割テキストの読み上げモ
ードの情報として音声合成手段４のモード記憶手段４２
に記憶される。

【００６４】音声合成手段４のテキスト解析手段４１
は、モード記憶手段４２に上記リストが記憶されると、
最初の分割テキストに対する処理を開始する。まず、テ
キスト中から、モード記憶手段４２に記憶されたリスト
中の記号文字を消去する（ステップＳ５）。今の場合、
リストは空なので消去される記号文字はない。そして、
そのテキストを単語単位に分割し（ステップＳ６）、単
語辞書４３を参照して単語毎に発音記号に変換する（ス
テップＳ７）。次に、音声波形生成手段４５は、テキス
ト解析手段４１から出力された発音記号をもとに波形辞
書４４を参照して必要な音素単位の音声波形を取得して
編集することで音声波形を生成する（ステップＳ８）。
この生成された音声波形は音声出力時点まで保存され
る。

【００６５】最初の分割テキストに対する処理を終える
と、図１７の５〜１１行目の分割テキストが処理される
（ステップＳ５３，Ｓ５４）。まず、頻度抽出手段２
は、前回と同様に「−」、「｜」、「＊」などの所定の
記号文字毎に、当該分割テキスト中での出現頻度を求め
（図３のステップＳ２）、モード決定手段３は、各々の
出現頻度を予め定められた値と比較し（ステップＳ
３）、その値より多ければ、その記号文字を読まない文
字のリストに加える（ステップＳ４）。図１７の５〜１
１行目の分割テキストの場合、例えば漢字２文字、アル
ファベット６文字、数字３０文字、記号「−」１０７文
字、記号「｜」１４文字、記号「、」４文字という頻度
情報が得られ、「−」と「｜」の頻度が多いことから、
「−」と「｜」は読まない文字と判断し、リストに加え
る。こうして生成したリストは、２番目の分割テキスト
の読み上げモードの情報として、音声合成手段４のモー
ド記憶手段４２に記憶される。

【００６６】音声合成手段４のテキスト解析手段４１
は、モード記憶手段４２に上記リストが記憶されると、
２番目の分割テキストに対する処理を開始し、分割テキ
スト中から、リスト中の記号文字「−」，「｜」を消去
する（ステップＳ５）。そして、そのテキストを単語単
位に分割し（ステップＳ６）、単語辞書４３を参照して
単語毎に発音記号に変換する（ステップＳ７）。次に、
音声波形生成手段４５は、発音記号をもとに波形辞書４
４を参照して必要な音素単位の音声波形を取得して編集
することで音声波形を生成する（ステップＳ８）。この
生成された音声波形は音声出力時点まで保存される。

【００６７】２番目の分割テキストに対する処理を終え
ると、図１７の１３〜１６行目の分割テキストを処理す
る（ステップＳ５３，Ｓ５４）。まず、頻度抽出手段２
は、前回と同様に所定の記号文字毎に、当該分割テキス
ト中での出現頻度を求め（図３のステップＳ２）、モー
ド決定手段３は、各々の出現頻度を予め定められた値と
比較し（ステップＳ３）、その値より多ければ、その記
号文字を読まない文字のリストに加える（ステップＳ
４）。１３〜１６行目の分割テキストの場合、漢字７文
字、アルファベット１５文字、記号「＊」３６文字、そ
の他の記号３文字という頻度情報が得られ、「＊」の頻
度が多いことから、「＊」は読まない文字と判断し、リ
ストに加える。こうして生成したリストは、３番目の分
割テキストの読み上げモードの情報として、音声合成手
段４のモード記憶手段４２に記憶される。

【００６８】音声合成手段４のテキスト解析手段４１
は、モード記憶手段４２に上記リストが記憶されると、
３番目の分割テキストに対する処理を開始し、分割テキ
スト中から、リスト中の記号文字「＊」を消去する（ス
テップＳ５）。そして、そのテキストを単語単位に分割
し（ステップＳ６）、単語辞書４３を参照して単語毎に
発音記号に変換する（ステップＳ７）。次に、音声波形
生成手段４５は、発音記号をもとに波形辞書４４を参照
して必要な音素単位の音声波形を取得して編集すること
で音声波形を生成する（ステップＳ８）。この生成され
た音声波形は音声出力時点まで保存される。

【００６９】以上で入力テキストの全ての分割テキスト
に対する処理を終えたので、音声合成手段４は、蓄積さ
れていた音声波形の電気信号を最初の分割テキスト、２
番目の分割テキスト、３番目の分割テキストの順にスピ
ーカ等に出力する（ステップＳ５５）。これにより、図
１７のテキストは図１８のように読み上げられる。この
場合、図１７の３行目の「−」は読み上げられている
が、５−１１行目の「−」は読み上げられていない。つ
まり、第２の実施の形態によれば、第１の実施の形態の
効果に加えて、テキスト中に様々な書式の文が混在して
いても、正しく読み上げるという効果が奏される。

【００７０】第２の実施の形態の実施例として、記号文
字の出現頻度をもとにその記号文字を読み上げないモー
ド、読み上げるモードを自動的に選択する実施例を挙げ
たが、アルファベット母音および子音の出現頻度をもと
に、アルファベット文字列をローマ字として読み上げる
モード、英語として読み上げるモードを自動的に選択す
る場合や、特定の記号文字の出現頻度をもとに、前記特
定の記号文字を含む数字文字列を電話番号として読み上
げるモード、数式として読み上げるモードを自動的に選
択する場合などにも適用できるのは勿論のことである。

【００７１】図１９は本発明を適用したコンピュータシ
ステムの一例を示すブロック図である。この例のコンピ
ュータシステムは、ＣＰＵや主記憶等を含むコンピュー
タ本体１００と、それに接続されたキーボード１０１、
補助記憶装置１０２、スピーカ等の音声出力装置１０３
および記録媒体１０４とから構成されている。記録媒体
１０４は、ＣＤ−ＲＯＭ，半導体メモリ，磁気ディスク
等の機械読み取り可能な記録媒体であり、ここに記録さ
れたプログラムはコンピュータシステムの立ち上げ時な
どにコンピュータ本体１００にインストールされ、コン
ピュータ本体１００の動作を制御することにより、コン
ピュータ本体１００上に、前述した第１の実施の形態に
おける入力手段１，頻度抽出手段２，モード決定手段３
および音声合成手段４を実現し、また前述した第２の実
施の形態における入力手段１，頻度抽出手段２，モード
決定手段３，音声合成手段４および分割手段５を実現す
る。

【００７２】以上本発明の実施の形態を説明したが、本
発明は以上の実施の形態にのみ限定されず、その他各種
の付加変更が可能である。例えば、記号文字の出現頻度
をもとにその記号文字を読み上げないモード、読み上げ
るモードを選択する機能と、アルファベット母音および
子音の出現頻度をもとに、アルファベット文字列をロー
マ字として読み上げるモード、英語として読み上げるモ
ードを選択する機能と、特定の記号文字の出現頻度をも
とに、前記特定の記号文字を含む数字文字列を電話番号
として読み上げるモード、数式として読み上げるモード
を選択する機能など、複数の機能を併せ有する音声合成
装置も本発明の他の実施の形態として考えられる。この
場合、読み上げモード毎に読み分ける必要がある単語
は、読み上げモードの組み合わせ毎にその発音記号を単
語辞書４３に記憶しておけば良い。例えば、記号「−」
の読みは、「電話番号読み」と「ローマ字読み」の場合
「の」、「数式読み」と「英語読み」または「ローマ字
読み」の場合「まいなす」、「電話番号読み」と「英語
読み」の場合「」（読まない）と記憶しておけば良い。

【００７３】

【発明の効果】以上説明したように本発明は、テキスト
中の文字の出現頻度に基づいて読み上げモードを決定す
る。このため、表の罫線を読み上げないモードの決定
や、ローマ字読みと英語読みとのモード決定など、特殊
パターンの検出による従来技術では実質的に自動切り替
えが難しかった種類の読み上げモードに対しても、ユー
ザによるモード選択無しに自動的に正しいモードを決定
することができる。勿論、電話番号等の記述が或る程度
の頻度でテキスト中に存在する等の条件が必要になるも
のの、数字文字列を電話番号として読み上げるモードと
数式として読み上げるモードとの自動切り替え等に対し
ても適用できるという柔軟性も有している。

【００７４】また、テキストを空白行等に基づいて分割
する構成にあっては、テキスト中に様々な書式の文が混
在していてもそれぞれを適切な読み上げモードで読み上
げることができる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態のブロック図であ
る。

【図２】音声合成手段の構成例を示すブロック図であ
る。

【図３】本発明の第１の実施の形態における第１の実施
例のフローチャートである。

【図４】本発明の第１の実施の形態における第１の実施
例で使用するテキストの例を示す図である。

【図５】本発明の第１の実施の形態における第１の実施
例で使用するテキストの他の例を示す図である。

【図６】本発明の第１の実施の形態における第２の実施
例のフローチャートである。

【図７】本発明の第１の実施の形態における第２の実施
例で使用するテキストの例を示す図である。

【図８】本発明の第１の実施の形態における第２の実施
例で使用するテキストの他の例を示す図である。

【図９】図８のテキストの読み上げ例を示す図である。

【図１０】本発明の第１の実施の形態における第３の実
施例のフローチャートである。

【図１１】本発明の第１の実施の形態における第３の実
施例で使用するテキストの例を示す図である。

【図１２】図１１のテキストの読み上げ例を示す図であ
る。

【図１３】本発明の第１の実施の形態における第３の実
施例で使用するテキストの他の例を示す図である。

【図１４】図１３のテキストの読み上げ例を示す図であ
る。

【図１５】本発明の第２の実施の形態のブロック図であ
る。

【図１６】本発明の第２の実施の形態の一実施例のフロ
ーチャートである。

【図１７】本発明の第２の実施の形態における一実施例
で使用するテキストの例を示す図である。

【図１８】図１７のテキストの読み上げ例を示す図であ
る。

【図１９】本発明を適用したコンピュータシステムの一
例を示すブロック図である。

【図２０】ユーザ自身に読み上げモードを指定させる方
式の音声合成装置のブロック図である。

【符号の説明】

１…入力手段 ２…頻度抽出手段 ３…モード決定手段 ４…音声合成手段 ５…分割手段

Claims (9)

【特許請求の範囲】
1. 【請求項１】 テキストを入力する入力手段と、 入力されたテキスト中の文字の出現頻度を抽出する頻度
   抽出手段と、 この頻度情報をもとに読み上げモードを決定するモード
   決定手段と、 この決定された読み上げモードに応じて動作する音声合
   成手段とを備えたことを特徴とする音声合成装置。
2. 【請求項２】 テキストを入力する入力手段と、 入力されたテキストを分割する分割手段と、 分割されたテキスト毎にそのテキスト中の文字の出現頻
   度を抽出する頻度抽出手段と、 この頻度情報をもとに、分割テキスト毎に読み上げモー
   ドを決定するモード決定手段と、 分割テキスト毎に、決定された読み上げモードに応じて
   動作する音声合成手段とを備えたことを特徴とする音声
   合成装置。
3. 【請求項３】 前記頻度抽出手段は、文字のカテゴリー
   の出現頻度を抽出する構成を有することを特徴とする請
   求項１または２記載の音声合成装置。
4. 【請求項４】 前記モード決定手段は、記号文字の出現
   頻度をもとに、その記号文字を読み上げないモード、読
   み上げるモードの何れかを決定する構成を有する請求項
   １または２記載の音声合成装置。
5. 【請求項５】 前記モード決定手段は、アルファベット
   母音および子音の出現頻度をもとに、アルファベット文
   字列をローマ字として読み上げるモード、英語として読
   み上げるモードの何れかを決定する構成を有する請求項
   １または２記載の音声合成装置。
6. 【請求項６】 前記音声合成手段は、アルファベット文
   字列を英語として読み上げるモードが決定された場合、
   数字、記号も英語として読み上げる構成を有することを
   特徴とする請求項５記載の音声合成装置。
7. 【請求項７】 前記モード決定手段は、特定の記号文字
   の出現頻度をもとに、前記特定の記号文字を含む数字文
   字列を電話番号として読み上げるモード、数式として読
   み上げるモードの何れかを決定する構成を有する請求項
   １または２記載の音声合成装置。
8. 【請求項８】 コンピュータを、 テキストを入力する入力手段、 入力されたテキスト中の文字の出現頻度を抽出する頻度
   抽出手段、 この頻度情報をもとに読み上げモードを決定するモード
   決定手段、 この決定された読み上げモードに応じて動作する音声合
   成手段、 として機能させるプログラムを記録したコンピュータ可
   読記録媒体。
9. 【請求項９】 コンピュータを、 テキストを入力する入力手段、 入力されたテキストを分割する分割手段、 分割されたテキスト毎にそのテキスト中の文字の出現頻
   度を抽出する頻度抽出手段、 この頻度情報をもとに、分割テキスト毎に読み上げモー
   ドを決定するモード決定手段、 分割テキスト毎に、決定された読み上げモードに応じて
   動作する音声合成手段、 として機能させるプログラムを記録したコンピュータ可
   読記録媒体。