JP2000066696A

JP2000066696A - 音声合成装置

Info

Publication number: JP2000066696A
Application number: JP10236011A
Authority: JP
Inventors: Yuji Wada; 田祐司和
Original assignee: Victor Company of Japan Ltd
Current assignee: Victor Company of Japan Ltd
Priority date: 1998-08-21
Filing date: 1998-08-21
Publication date: 2000-03-03

Abstract

(57)【要約】【課題】より人間の音声に近い合成音声を得ること。【解決手段】休止・息継ぎ部分生成部９の呼吸音等波
形データ記憶部１１には、休止・息継ぎ部分に対して変
換又は挿入すべき呼吸音等部分の波形データが記憶され
ている。呼吸音等部分生成手段１０は、テキストデー
タ，休止・息継ぎ部分の位置Ｐ1，休止・息継ぎ部分の
長さＬ0を入力し、呼吸音等辞書データ記憶部１２の内
容を読み出して、変換又は挿入すべき波形データの登録
番号を選択する。呼吸音等部分生成手段１０は、この選
択した波形データの登録番号と、この波形データを変換
又は挿入すべき位置を波形合成部４に知らせる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、規則合成方式に基
づく音声合成を行う音声合成装置に関するものである。

【０００２】

【従来の技術】規則合成方式は、文字列あるいは音素記
号列から、音声学的・言語学的規則に基づいて音声を作
り出す方式であり、その音声合成は、各音素に対応した
音声波形データ列を接続することにより行われる。この
場合、単にメッセージを伝えるためだけであれば、合成
する音声中に無音部分を挿入する必要はないが、元来、
人間が最も聴き慣れているのは人間の話す声であり、人
間は適当な間隔で息継ぎをしながら話をするのが通常で
ある。したがって、無音部分が挿入されずに合成された
音声は不自然で違和感のある音声となってしまう。この
ように、音声合成上は無音部分も重要な要素の一つであ
るため、通常の音声合成装置は無音部分生成部を有して
おり、適当個所に無音部分を挿入した音声を出力するよ
うにしている。

【０００３】このような無音部分を生成する技術に関し
ては、従来から種々のものが開発されてきており、本願
の出願人も既にいくつかの技術を呈示している。例え
ば、図５は、本願の出願人が先に出願した特願平１０−
９００８５号に係る音声合成装置の概略構成を示すブロ
ック図である。この図に示すように、従来装置は、テキ
ストデータ入力部１、波形選択部２、無音部分生成部
３、波形合成部４、音声出力部５等により構成されてお
り、無音部分生成部３は、句読点判別手段６、第１の無
音部分長決定手段７、及び第２の無音部分長決定手段８
を有している。

【０００４】テキストデータ入力部１は入力されたテキ
ストデータを各形態素に分解し、これを波形選択部２に
出力する。波形選択部２は、各形態素に係る音声波形デ
ータを予め記憶してあるデータ中から選択するようにな
っている。なお、波形選択部２の詳しい構成は省略して
あるが、この波形選択部２は、音韻記号生成部、音声波
形データ記憶部、音声波形データ呼び出し部、波形デー
タ接続部、韻律規則部、韻律パラメータ生成部、ピッチ
パターン生成部等により構成されるものである。

【０００５】テキストデータ入力部１で分解された各形
態素は無音部分生成部３にも出力されるようになってお
り、無音部分生成部３は各種のパラメータに基づき無音
部分を生成する。

【０００６】波形合成部４は、波形選択部２により選択
された各音声波形データ中に無音部分生成部３で生成さ
れた無音部分を挿入して波形合成を行う。音声出力部５
は、この波形合成に基づいて音声出力を行う。

【０００７】ここで、無音部分生成部３が無音部分生成
の際に用いるパラメータにつき説明すると、これらのパ
ラメータは、形態素から得られる句読点の有無について
の情報、人間の肺に存在する「空気量」、音声波形デー
タの「波形変化度」等のパラメータである。

【０００８】まず、句読点の有無は、息継ぎを行うかど
うかについて絶対的な基準とはならないものの、以前か
ら用いられている有効な情報であることに変わりはない
ため、この音声合成装置においても基本的パラメータと
して用いられている。

【０００９】また、人間の肺に存在する空気量が一定以
下に減少すると、人間は息継ぎをして元の空気量を回復
しようとするので、この空気量も息継ぎを行うか否かを
決定するための要因となり得る。そこで、２番目のパラ
メータとして、「空気量」が用いられる。

【００１０】さらに、ある音声の波形データの終端が減
衰した状態となっている場合、これは息継ぎを行う前兆
であると考えられるので、この場合には無音部分を挿入
した方が好ましく、一方、減衰していない場合は、その
音声波形データと次の音声波形データとは意味的に繋が
りがあると考えられるので、この場合には無音部分を挿
入すべきではない。このように、波形の変化状態を表す
「波形変化度」も息継ぎを行うか否かを決定するための
要因となり得るので、この「波形変化度」が第３のパラ
メータとして用いられる。

【００１１】そして、無音部分生成部３において、句読
点判別手段６が句読点有りと判別した場合は、第１の無
音部分長決定手段７が「空気量」に基づき無音部分の長
さを決定し、また、句読点判別手段６が句読点無しと判
別した場合は、第２の無音部分長決定手段８が「空気
量」及び「波形変化度」に基づき無音部分の長さを決定
している。

【００１２】

【発明が解決しようとする課題】上記した図５の構成の
音声合成装置によれば、人間が話をする場合と同様の間
隔で合成音声中に無音部分が挿入されるので、ある程度
自然で違和感のない音声合成を行うことが可能となって
いる。

【００１３】しかし、人間が話の途中で休止したり息継
ぎをしたりするときを考えてみると、このとき人間は完
全な無音状態を維持しているわけではなく、実際には呼
吸音等の音声をある程度発している。また、このような
休止や息継ぎをしている最中に、人間しばしば「えー」
とか「あー」とか「まっ」といったような冗長語を発し
ている。

【００１４】したがって、合成された音声をより人間の
実際の音声に近付けるためには、入力テキストデータ中
の休止・息継ぎ部分を全て無音部分とするのではなく、
この休止・息継ぎ部分において、呼吸音や冗長語につい
ても発するようにした方が好ましい。

【００１５】本発明は上記事情に鑑みてなされたもので
あり、テキストデータ中の休止・息継ぎ部分に、無音部
分だけでなく呼吸音や冗長語についても生成させること
により、より人間に近い音声出力を得ることが可能な音
声合成装置を提供することを目的としている。

【００１６】

【課題を解決するための手段】上記課題を解決するため
の手段として請求項１記載発明は、出力音声中に含まれ
る休止・息継ぎ部分の生成又は変換を行う休止・息継ぎ
部分生成部を備えた音声合成装置において、前記休止・
息継ぎ部分生成部は、呼吸音及び冗長語を含む呼吸音等
部分を生成又は変換する呼吸音等部分生成手段を有して
おり、この休止・息継ぎ部分生成部が生成又は変換を行
う休止・息継ぎ部分には、無音部分と呼吸音等部分との
双方が含まれる、ことを特徴とする。

【００１７】請求項２記載の発明は、請求項１記載の発
明において、前記呼吸音等部分生成手段は、テキストデ
ータ、休止・息継ぎ部分の位置、及び休止・息継ぎ部分
の長さの入力に基づいて、前記呼吸音等部分の生成又は
変換を行うものである、ことを特徴とする。

【００１８】請求項３記載の発明は、請求項２記載の発
明において、前記休止・息継ぎ部分生成部は、前記呼吸
音等部分の音声波形データが格納された呼吸音等波形デ
ータ記憶部と、前記テキストデータ、休止・息継ぎ部分
の位置、休止・息継ぎ部分の長さ、及び前記呼吸音等部
分の音声波形データに関する登録番号についてのそれぞ
れの組合せが記憶された呼吸音等辞書データ記憶部と、
を有しており、前記呼吸音等部分生成手段は、前記呼吸
音等辞書データ記憶部の読み出しに基づき、前記呼吸音
等波形データ記憶部から該当するデータを選択するもの
である、ことを特徴とする。

【００１９】

【発明の実施の形態】以下、本発明の実施形態を図に基
づき説明する。但し、図５と同様の構成要素には同一の
符号を付して重複した説明を省略する。図１は、この実
施形態に係る音声合成装置の概略構成を示すブロック図
である。なお、本明細書では、「休止・息継ぎ部分」を
「呼吸音等部分」又は「無音部分」のいずれをも含む上
位概念の用語として用いている。そして、「呼吸音等部
分」についても「呼吸音」又は「冗長語」のいずれをも
含む用語として用いている。さらに、この「呼吸音」又
は「冗長語」については字義通りに狭く解すべきではな
く、本発明では、テキストデータ中の休止・息継ぎ部分
に用いられる可能性のある音声を広く含んでいる。例え
ば、笑い声、泣き声、悲鳴、あくび、くしゃみ、舌打
ち、口笛等なども音声合成装置の用途又は種類によって
は含むことがある。

【００２０】図１が図５と異なる点は、無音部分生成部
３に代えて休止・息継ぎ部分生成部９が配設されている
点であり、その他は同一の構成である。そして、休止・
息継ぎ部分生成部９は、呼吸音等部分生成手段１０、呼
吸音等波形データ記憶部１１、及び１２を有している。
なお、図１においては図示を省略しているが、この休止
・息継ぎ部分生成部９は、図５における無音部分生成部
３と同様の機能すなわち句読点判別手段と、第１の休止
・息継ぎ部分長決定手段と、第２の休止・息継ぎ部分長
決定手段とを有しており、これらの各手段によって休止
・息継ぎ部分の長さＬ0が呼吸音等部分生成手段１０に
入力されるようになっている。また、テキストデータ中
の休止・息継ぎ部分の開始位置Ｐ1は、これも図示を省
略している休止・息継ぎ部分開始位置解析手段により求
められて入力されるようになっている。

【００２１】次に、本実施形態の動作を説明する。ま
ず、動作の概要を図２及び図３に基づき説明し、その後
に動作の詳細を図４のフローチャートに基づき説明す
る。

【００２２】図２は、入力テキストデータが「今日は、
良い天気ですね。」という一つのまとまった文章である
場合の説明図である。呼吸音等部分生成手段１０は、ま
ず、「今日は、良い天気ですね。」というテキストデー
タＴ1と、休止・息継ぎ部分開始位置Ｐ1と、休止・息継
ぎ部分長さＬ0とを入力する。なお、図２において、
「今日は、良い天気ですね。」の言葉の下に音声波形を
図示しているが、これは休止・息継ぎ部分のＬ0，Ｐ1に
ついて音声波形中における位置関係を分かりやすくする
ために図示したものであり、この音声波形データそのも
のが休止・息継ぎ部分生成部９に入力されるわけではな
い。

【００２３】呼吸音等波形データ記憶部１１には、休止
・息継ぎ部分に適用可能な多数の呼吸音等波形データと
その登録番号とが予め記憶されており、また、呼吸音等
辞書データ記憶部１２には、テキストデータＴ，位置
Ｐ，長さＬの種々の組合せに応じた波形データの番号が
登録されている。そして、呼吸音等部分生成手段１０
は、呼吸音等辞書データ記憶部１２を読み出して、登録
されている呼吸音等波形データの中に休止・息継ぎ部分
長さＬ0よりも短い長さの波形データが有るか否かを調
べ、複数個有る場合には、更に、呼吸音等辞書データ記
憶部１２のテキストデータＴ，位置Ｐ，長さＬの組合せ
に基づいていずれか一つの波形データを選択する。

【００２４】この例では、長さＬ0よりも短い波形デー
タがＮＯ．１〜３の３個であり、呼吸音等部分生成手段
１０は、長さＬ1を有するＮＯ．１の波形データを選択
したとする。呼吸音等部分生成手段１０は、更に、休止
・息継ぎ部分においてこのＮＯ．１の波形データの変換
開始位置Ｓ1を演算し、採用すべき波形データはＮＯ．
１のデータであること、及びその変換開始位置Ｓ1を波
形合成部４に知らせる。

【００２５】これにより、波形合成部４は呼吸音等波形
データ記憶部１１からＮＯ．１の波形データを取り出
し、位置Ｓ1から休止・息継ぎ部分をこのＮＯ．１の波
形データに変換する。なお、この例では、ＮＯ．１の波
形データの長さＬ1は、休止・息継ぎ部分の長さＬ0より
も短いために、休止・息継ぎ部分の開始付近及び終了付
近は無音部分となる。

【００２６】図３は、入力テキストデータが「今日
は」、「、」、「良い」、「天気ですね」、「。」とい
う各形態素に分割されている場合の説明図である。呼吸
音等部分生成手段１０は、まず、「今日は」、「、」、
「良い」、「天気ですね」、「。」というテキストデー
タＴ1〜Ｔ5と、休止・息継ぎ部分開始位置Ｐ1と、休止
・息継ぎ部分長さＬ0とを入力する。そして、呼吸音等
部分生成手段１０は、図２の場合と同様に、呼吸音等辞
書データ記憶部１２を読み出して、登録されている呼吸
音等波形データの中に休止・息継ぎ部分長さＬ0よりも
短い長さの波形データが有るか否かを調べ、複数個有る
場合には、更に、呼吸音等辞書データ記憶部１２のテキ
ストデータＴ，位置Ｐ，長さＬの組合せに基づいていず
れか一つの波形データを選択する。

【００２７】この例では、図２の場合と同様に、呼吸音
等部分生成手段１０はＮＯ．１の波形データを選択する
と共に、位置Ｓ1を演算するが、このＳ1は、図２の場合
は「変換位置」であったが、図３の場合は「挿入位置」
と表現されることになる。つまり、図２の場合は、入力
テキストデータ中にもともと休止・息継ぎ部分が含まれ
ており、この休止・息継ぎ部分について呼吸音等の「変
換」を行うものであるのに対し、図３の場合は、当初の
入力テキストデータ中に休止・息継ぎ部分が含まれてお
らず、入力テキストデータの音声波形の間に休止・息継
ぎ部分を新たに生成して呼吸音等の波形データを「挿
入」するものであるということができる。

【００２８】呼吸音等部分生成手段１０は、挿入位置Ｓ
1を演算した後、挿入すべき波形データはＮＯ．１のデ
ータであること、及びその挿入位置Ｓ1を波形合成部４
に知らせる。これにより、波形合成部４は呼吸音等波形
データ記憶部１１からＮＯ．１の波形データを取り出
し、位置Ｓ1にこのＮＯ．１の波形データを挿入する。

【００２９】次に、本実施形態の要部である呼吸音等部
分生成手段１０の動作の詳細を図４のフローチャートに
基づき説明する。呼吸音等部分生成手段１０は、まず、
テキストデータＴ、休止・息継ぎ部分開始位置Ｐ1、休
止・息継ぎ部分長さＬ0を入力し（ステップ１）、次い
で、呼吸音等辞書データ記憶部１２の読み出しを行う
（ステップ２）。そして、休止・息継ぎ部分長さＬ0以
下の波形データが呼吸音等波形データ記憶部１１に登録
されているか否かを判別し（ステップ３）、登録されて
いないと判別すれば、呼吸音等部分生成手段１０は、休
止・息継ぎ部分の全てを無音部分にすることを波形合成
部４に指令する（ステップ４）。また、登録されている
と判別すれば、その波形データを候補波形データとして
抽出する（ステップ５）。なお、呼吸音等波形データ記
憶部１１から選択しようとする波形データを長さＬ0以
下のものに限定するのは、休止・息継ぎ部分の長さを超
えて呼吸音等部分を変換又は挿入するのは音声合成上妥
当ではないという単純な理由に基づくものである。

【００３０】呼吸音等部分生成手段１０は、次いで、候
補波形データが複数であるか否かを判別する（ステップ
６）。そして、候補波形データが１個であれば、呼吸音
等部分生成手段１０はこの波形データをそのまま採用す
るが（ステップ７）、２個以上であれば、呼吸音等辞書
データ記憶部１２に書き込まれているテキストデータ
Ｔ、休止・息継ぎ部分開始位置Ｐ1、休止・息継ぎ部分
長さＬ0の組合せに基づいて、いずれか１つの波形デー
タを採用する（ステップ８）。ここで、複数の候補波形
データからいずれか１つを選択する方法は自由に決める
ことができる。例えば、休止・息継ぎ部分長さＬ0に最
も近い波形長さを有する波形データを選択するようにし
てもよいし、また、呼吸音等波形データ記憶部１１に登
録されている登録番号の順、あるいは全くアットランダ
ムに選択するようにしてもよい。

【００３１】ステップ７，８で採用すべき波形データを
選択した後、呼吸音等部分生成手段１０は、選択した呼
吸音等部分の波形データについて変換又は挿入を行う位
置Ｓ1を演算する（ステップ９）。本実施形態では、例
えば、呼吸音等部分の波形データとして長さＬ1を有す
る波形データが選択された場合に、次の（１）式又は
（２）式を用いて位置Ｓ1を演算する。

【００３２】Ｓ1＝Ｐ1＋（Ｌ0−Ｌ1）／２ … （１）Ｓ1＝Ｐ1＋Ｌ0−Ｌ1 … （２）上記の式の内容から明らかなように、呼吸音等部分の波
形データについての変換又は挿入が（１）式で演算され
た位置Ｓ1により行われた場合、呼吸音等部分は休止・
息継ぎ部分の中間部に配置されることになり、また、
（２）式で演算された位置Ｓ1により行われた場合、呼
吸音等部分は終端部側に寄せられた状態で配置されるこ
とになる。

【００３３】呼吸音等部分生成手段１０は、位置Ｓ1を
演算した後、採用した呼吸音等部分の波形データにより
休止・息継ぎ部分を補おうとした場合に、足りない部分
が生じるか否かを判別し（ステップ１０）、足りない部
分が生じる場合には、その足りない部分を全て無音部分
にすることを波形合成部４に指令する（ステップ１
１）。そして、呼吸音等部分生成手段１０は、波形合成
部４に対して呼吸音等波形データ記憶部１１から取り出
すべき波形データの登録番号（上記の例では「ＮＯ．
１」）と、休止・息継ぎ部分における変換又は挿入位置
Ｓ1とを知らせる（ステップ１２）。また、ステップ１
０において、足りない部分が生じない場合、すなわち休
止・息継ぎ部分の長さＬ0と選択した呼吸音等波形デー
タの長さＬ1とが等しい場合には、そのままステップ１
２に進む。

【００３４】なお、上記の実施形態では呼吸音等辞書デ
ータ記憶部１２内に、テキストデータＴ，位置Ｐ1，長
さＬ1についての種々の組合せに応じた波形データ番号
を予め記憶させる構成としているが、この構成の場合に
は、呼吸音等辞書データ記憶部１２についてある程度以
上の大きさのメモリ容量が必要となる。そこで、呼吸音
等部分生成手段１０をニューラルネットワークやファジ
イ演算回路により形成し、テキストデータＴ，位置Ｐ
1，長さＬ1の入力に応じて最適の波形データを選択でき
るように構成してもよい。

【００３５】また、上記実施形態では呼吸音等波形デー
タ記憶部１１を設けて多数の呼吸音等部分の波形データ
を予め記憶させておき、使用すべき波形データをこの呼
吸音等波形データ記憶部１１から取り出す構成としてい
るが、使用すべき波形データが決まった段階でこの波形
データを新たに作り出すことができる波形データ作成器
を設ける構成としてもよい。

【００３６】

【発明の効果】以上のように、本発明によれば、呼吸音
等部分生成手段を設け、休止・息継ぎ部分に無音部分と
呼吸音等部分との双方を含ませる構成としたので、より
人間の音声に近い合成音声を得ることが可能になる。

【図面の簡単な説明】

【図１】本発明の実施形態に係る音声合成装置の概略構
成を示すブロック図。

【図２】図１の実施形態の動作の概略についての説明
図。

【図３】図１の実施形態の動作の概略についての説明
図。

【図４】図１における呼吸音等部分生成手段１０の動作
の詳細を説明するためのフローチャート。

【図５】従来の音声合成装置の概略構成を示すブロック
図。

【符号の説明】

１テキストデータ入力部２波形選択部３無音部分生成部４波形合成部５音声出力部６句読点判別手段７第１の無音部分長決定手段８第２の無音部分長決定手段９休止・息継ぎ部分生成部１０呼吸音等部分生成手段１１呼吸音等波形データ記憶部１２呼吸音等辞書データ記憶部

Claims

【特許請求の範囲】

【請求項１】出力音声中に含まれる休止・息継ぎ部分の
生成又は変換を行う休止・息継ぎ部分生成部を備えた音
声合成装置において、前記休止・息継ぎ部分生成部は、呼吸音及び冗長語を含
む呼吸音等部分を生成又は変換する呼吸音等部分生成手
段を有しており、この休止・息継ぎ部分生成部が生成又は変換を行う休止
・息継ぎ部分には、無音部分と呼吸音等部分との双方が
含まれる、ことを特徴とする音声合成装置。
【請求項２】前記呼吸音等部分生成手段は、テキストデ
ータ、休止・息継ぎ部分の位置、及び休止・息継ぎ部分
の長さの入力に基づいて、前記呼吸音等部分の生成又は
変換を行うものである、ことを特徴とする請求項１記載の音声合成装置。
【請求項３】前記休止・息継ぎ部分生成部は、前記呼吸音等部分の音声波形データが格納された呼吸音
等波形データ記憶部と、前記テキストデータ、休止・息継ぎ部分の位置、休止・
息継ぎ部分の長さ、及び前記呼吸音等部分の音声波形デ
ータに関する登録番号についてのそれぞれの組合せが記
憶された呼吸音等辞書データ記憶部と、を有しており、前記呼吸音等部分生成手段は、前記呼吸
音等辞書データ記憶部の読み出しに基づき、前記呼吸音
等波形データ記憶部から該当するデータを選択するもの
である、ことを特徴とする請求項２記載の音声合成装置。