JP2000187494A - 音声合成方法および音声合成装置 - Google Patents

Abstract

(57)【要約】 【課題】 漢字かな混じりテキストから合成した音声を
聞き取りやすくする。 【解決手段】 漢字かな混じり入力テキストから規則音
声合成入力用の中間コードを生成し、中間コードから合
成音声を生成する。中間コードは、読み情報とともに、
ポーズ情報を含んでいる。従来はポーズの取り方が荒か
ったが、これを改良することにより、中間コードから合
成した音声が聞き取り易くなる。例えば、連接単語の構
成単語毎にポーズを設定する。また、ローマ字表記の短
縮記号部分では、各ローマ字毎にポーズを設定する。ま
た、入力テキストの中の助詞の前後にポーズを設定す
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、ニュース文のよう
な漢字かな混じり文から規則音声合成処理により合成音
声を生成する方法に関する。本発明は、特に、規則音声
合成入力用の中間コード生成のポーズ設定規則の改良に
よって、合成音声を聞き取りやすくする方法に関する。

【０００２】

【従来の技術】新聞記事などの日本語文章には漢字およ
びかなが混じっている。日本語文章を対象とする音声合
成については、例えば、特開平７−２４４４９５号公報
に開示されている。

【０００３】漢字およびかなが混じった入力テキスト
（入力文）を読み上げる合成音声を生成する場合、ま
ず、入力テキストに対して言語処理が行われて、規則音
声合成入力用の中間コード（以下、単に中間コードとい
う）が生成される。そして、中間コードに対して規則音
声合成処理が行われて合成音声が生成される。

【０００４】中間コードは、いわゆる発音記号に相当す
るものであり、入力テキストの読みの情報を含み、さら
に、アクセント句、ポーズ（無音区間）といった韻律情
報を含んでいる。図２３は、従来の言語処理によって生
成される中間コードの例を示している。図中のアルファ
ベットは、入力テキストに対してふられた読みである。
「 ’」はアクセントの位置を示す。また、コード中の
数字は、ポーズの位置と長さを示している。ポーズの数
字が大きいほど、ポーズの長さが長い。

【０００５】

【発明が解決しようとする課題】中間コードにおいて、
ポーズ情報は、自然な音声を生成するための重要な要素
の一つである。ポーズ情報は、入力テキストの解析結果
に基づき、予め定めた規則に従って設定される。従来の
ポーズ設定規則では、単語境界（連接単語は一塊として
扱う）、アクセント句境界、フレーズ句境界、文節境
界、文終端のみにポーズが設定される。すなわち、従来
のポーズ（図２３において「３」以上の長さをもつポー
ズ）は、アクセント句（「山梨県の」など）を最小単位
として設定される。また、単語境界ポーズ（短ポーズ、
図２３の「１」または「２」の長さをもつポーズ）は、
連接単語（「中央線の」など）を最小単位として設定さ
れる。例えば、上記の特開平７−２４４４９５号公報で
は、入力テキストがアクセント句毎に区切られ、アクセ
ント句の間にポーズが挿入される。

【０００６】しかし、上記の方法ではポーズの取り方が
荒いために、中間コードを合成音声に変換したときに、
単語の聞き取り、および、文章の内容把握が比較的困難
になり、ユーザにとって文章の聞き取りが困難になるこ
とがある。図２３に例示した中間コードから合成した音
声を実際に出力した場合、合成音声は、人間が普通に読
み上げた音声と大きく異なって聞こえる。

【０００７】本発明は上記課題に鑑みてなされたもので
あり、その目的は、ポーズ設定処理を改良することによ
り、聞き取り易さを向上できる音声合成方法および音声
合成装置を提供することにある。

【０００８】

【課題を解決するための手段】上記目的を達成するた
め、本発明は、下記に示すようにして中間コードのポー
ズを設定する。なお、本発明において、「単語境界ポー
ズ（短ポーズ）」は、単語の境界などに用いるのに適し
た短いポーズであり；「中ポーズ」は、単語境界ポーズ
と長ポーズの間の長さをもつポーズであり；「長ポー
ズ」は、比較的長めに設定されたポーズであり、すなわ
ち、中間ポーズよりは長く、文終端ポーズに近いが、文
終端ポーズよりは短い長さをもつポーズであり；「文終
端ポーズ」は、文の終端に用いるのに適した最も長いポ
ーズである。

【０００９】（１）本発明の一態様は、中間コードの生
成の際、入力テキスト中の連接単語の構成単語毎にポー
ズを設定することを特徴とする。

【００１０】（２）本発明の一態様は、中間コードの生
成の際、入力テキスト中のローマ字表記の短縮記号部分
では、各ローマ字毎にポーズを設定することを特徴とす
る。

【００１１】（３）本発明の一態様は、中間コードの生
成の際、入力テキスト中の助詞の前後にポーズを設定す
ることを特徴とする。

【００１２】（４）本発明の一態様は、中間コードの生
成の際、入力テキスト中のフレーズ句境界に対して長ポ
ーズを設定することを特徴とする。

【００１３】（５）本発明の一態様は、中間コードの生
成の際、入力テキスト中の複文の境界に対して文終端ポ
ーズを設定することを特徴とする。

【００１４】（６）本発明の一態様は、中間コードの生
成の際、入力テキストが重文である場合に、重文の入れ
子部分の前後に対して文終端ポーズを設定することを特
徴とする。

【００１５】（７）本発明の一態様は、中間コードの生
成の際、入力テキストが括弧を含み、括弧の中に文節が
入る場合に、括弧の前後に文終端ポーズを設定すること
を特徴とする。

【００１６】（８）本発明の一態様は、中間コードの生
成の際、入力テキストが括弧を含み、括弧の中に単語ま
たはアクセント句が入る場合に、括弧の前に長ポーズを
設定するとともに、括弧の後ろに単語が掛かる場合には
括弧の後ろに単語境界ポーズを設定することを特徴とす
る。

【００１７】（９）本発明の一態様は、中間コードの生
成の際、入力テキストがスポーツ結果を含む場合に、ス
ポーツ結果の各項目の後に文終端ポーズを設定すること
を特徴とする。

【００１８】（１０）本発明の一態様は、中間コードの
生成の際、入力テキストがスポーツ結果を含む場合に、
対戦結果の中の「対」の前よりも後ろのポーズを長く設
定することを特徴とする。

【００１９】（１１）本発明の一態様は、中間コードの
生成の際、入力テキストの文頭に日にちがある場合に、
日にち部分の後ろに長ポーズを設定することを特徴とす
る。

【００２０】（１２）本発明の一態様は、中間コードの
生成の際、入力テキストに項目を伴う数字が含まれる場
合に、項目の直後に中ポーズを設定することを特徴とす
る。

【００２１】（１３）本発明の一態様は、中間コードの
生成の際、入力テキストに項目を伴う数字が含まれる場
合に、次の項目の直前に長ポーズを設定することを特徴
とする。

【００２２】（１４）本発明の一態様は、中間コードの
生成の際、入力テキストに複数桁の数字が含まれる場合
に、桁毎にポーズを設定することを特徴とする。

【００２３】（１５）本発明の一態様は、中間コードの
生成の際、入力テキストに小数点を伴う数字が含まれる
場合に、小数点の直後にポーズを設定することを特徴と
する。 （１６）本発明の一態様は、中間コードの生成の際、入
力テキストにイコール記号を伴う数字が含まれ、イコー
ル記号を飛ばし読みする場合に、イコール記号の部分に
ポーズを設定することを特徴とする。

【００２４】（１７）本発明の一態様は、中間コードの
生成の際、入力テキスト中の人物名の後に年齢が続く場
合に、年齢の前に中ポーズを設定し、年齢の後に長ポー
ズを設定することを特徴とする。

【００２５】（１８）本発明の一態様は、中間コードの
生成の際、入力テキストに助数詞を伴う数字が含まれる
場合に、数字と助数詞の間にポーズを設定することを特
徴とする。

【００２６】（１９）本発明の一態様は、中間コードの
生成の際、入力テキスト中で省略記号と正式名称が並ん
でいる場合に、省略記号と正式名称との間に長ポーズま
たは文終端ポーズを設定することを特徴とする。

【００２７】（２０）本発明の一態様は、中間コードの
生成の際、入力テキストが天気予報である場合に、地方
名と天気または降水量との間に長ポーズまたは文終端ポ
ーズを設定することを特徴とする。

【００２８】（２１）本発明の一態様は、中間コードの
生成の際、入力テキストに「・」で連結されるアクセン
ト句がある場合に、連結の境界に中ポーズを設定するこ
とを特徴とする。

【００２９】（２２）本発明の一態様は、中間コードの
生成の際、入力テキスト中で地名が連続する場合に、地
名の境界に中ポーズを設定することを特徴とする。

【００３０】なお、本発明は、音声合成方法の態様で実
現されてもよく、また、音声合成装置の態様で実現され
てもよく、さらにまた、コンピュータに音声合成処理を
行わせるプログラムを記録したコンピュータ読みとり可
能な記録媒体の態様で実現されてもよい。

【００３１】

【発明の実施の形態】以下、本発明の好適な実施の形態
（以下、実施形態という）について、図面を参照し説明
する。

【００３２】図１は、本発明が適用される音声合成装置
１を示すブロック図である。図１の各要素はソフトウエ
アによって構成することが好適であるが、適宜、ハード
ウエアによって構成されてもよい。また、図２は、図１
の装置による音声合成方法を示している。さらに、図３
は、図２中の言語処理を示している。

【００３３】図１を参照すると、音声合成装置１は、大
きく分けて言語処理部３と規則音声合成部５を有する。
言語処理部３は、言語解析処理部７および中間コード生
成部９を含む。また、言語処理部３は、その一部として
中間コード生成規則辞書１１を含み、この中間コード生
成規則辞書１１はアクセント設定規則１３およびポーズ
設定規則１５を含んでいる。中間コード生成規則辞書１
１は、例えば音声合成装置１の図示しないメモリ装置に
記憶されている。

【００３４】図２を参照すると、言語処理部３には、読
上げ目的テキストとして、漢字かな混じりのテキストが
入力される（Ｓ１）。本実施形態では、ニューステキス
ト（例えばヘッドライン・ニュース）が入力される。言
語処理部３は、入力テキストに対して形態素解析、係り
受け解析処理などを行い、解析結果に基づいて中間コー
ドを生成する（Ｓ３）。前述したように、中間コード
は、いわゆる発音記号に相当するものであり、入力テキ
ストの読みの情報を含み、さらに、アクセント句、ポー
ズ（無音区間）といった韻律情報を含んでいる。

【００３５】規則音声合成部５は、中間コードから合成
音声を生成する（Ｓ５）。ここでは中間コードからイン
トネーションパターンが算出される。そして、音素デー
タベースである音源にアクセスすることにより、イント
ネーションパターンに適合する音素が選択され、選択さ
れた音素を接続することにより合成音声が得られる。生
成された合成音声は、スピーカ（図示せず）などから出
力される（Ｓ７）。

【００３６】次に、図３を参照して、上記の処理の内の
言語処理について説明する。言語処理では、まず、言語
解析処理部７が、言語解析処理（Ｓ１１）として、形態
素解析処理（Ｓ１３）、係り受け解析処理（Ｓ１５）お
よび構文解析処理（Ｓ１７）を含む処理を行う。特開平
７−２４４４９５号公報にも開示されるように、単語の
認定が行われ、各単語毎に品詞、読みを含む単語情報が
得られる。また文節が認定され、文節の係り先と係り受
け関係を含む係り受け情報が得られる。そして、これら
の情報を含んだ文が中間コード生成部９へと受け渡され
る。

【００３７】上記の言語解析処理では、単語推定、品詞
推定、連接単語推定、品詞の係り受け推定、文節の係り
受け推定、構文解析といったことが行われるが、言語解
析処理を通じて、本発明の中間コード生成のために参照
される各種の中間コード生成用情報が取得され、それら
の情報が中間コード生成部９へと受け渡される。具体的
な情報については後に詳細に述べるが、数字のカテゴリ
推定、助詞のカテゴリ推定、助数詞などのカテゴリ推
定、大和言葉／外来語の推定、その他の特定表現または
特定部分の推定、などである。特定表現または特定部分
は、例えば、括弧などの記号付き表現、スポーツ結果な
どの特殊表現、その他のニュースに特徴的な表現であ
る。

【００３８】図３のＳ１９においては、中間コード生成
部９が、言語解析処理部７で得られたテキスト解析結果
に基づいて中間コードを生成する。中間コード生成部９
は、中間コード生成規則辞書１１を参照し、予め定めら
れた規則１３、１５に従った処理を行う。ここでは、ま
ずテキストに読みが与えられる。言語解析結果にアクセ
ント設定規則１３が適用されて、アクセント関連の情報
が付与される。さらに、言語解析結果にポーズ設定規則
１５が適用されて、ポーズ情報、すなわちポーズの位置
と長さの情報が与えられる。

【００３９】以下に説明するように、従来の荒いポーズ
設定がなされた中間コードとは異なり、本発明では言語
解析処理で得られた構文／係り受け／数字などの情報に
応じた適切な中間コードが作成される。これらの情報を
ポーズ設定の条件に含めた規則表（ポーズ設定規則１
５）が辞書に定められていて、この規則表を検索して各
種情報に応じた中間コードが作成される。

【００４０】「本発明のポーズ設定処理」次に、本発明
のポーズ設定処理について説明する。ポーズ設定は、予
め定められたポーズ設定規則に従って行われる。この規
則には、ポーズの長さに応じて以下の４種類のポーズが
設定されている。ポーズ継続時間の長さは、（ ）内に
示す１〜５の数字で表す。

【００４１】「単語境界ポーズ（短ポーズ）（１）
（２）」：単語境界などに用いるのに適した短いポーズ
である。単語境界ポーズは、長さ１と長さ２の２種類に
分けられている。

【００４２】「中ポーズ（３）」：中位の長さのポーズ
である。単語境界ポーズと長ポーズの間の長さをもつポ
ーズである。

【００４３】「長ポーズ（４）」：比較的長めに設定さ
れたポーズである。中間ポーズよりは長く、文終端ポー
ズに近いが、文終端ポーズよりは短い長さをもつポーズ
である。

【００４４】「文終端ポーズ（５）」：文終端、発話終
端境界に用いるのに適した最も長いポーズである。長ポ
ーズの一種に分類することもできる。

【００４５】各ポーズの長さは、数字の大きさに比例し
ている。例えば、単語境界ポーズ（１）から文終端ポー
ズ（５）にかけて、ポーズの長さが、約２００msec、約
４００msec、約６００msec、約８００msec、約１secで
ある。

【００４６】なお、上記の各ポーズは、さらに複数に分
けられていてもよい。また、具体的なポーズ長の設定値
は、本発明を実現する音声合成装置の仕様に応じて適当
に設定されればよい。また、適用対象のコンピュータの
ハードウエア構成、適用対象のテキストなどに応じて適
宜設定することも好適である。上記の他に２５０msec毎
等のポーズ設定も好適である。

【００４７】さて、従来のポーズ設定規則では、単語境
界（連接単語は一塊として扱う）、アクセント句境界、
フレーズ句境界、文節境界、文終端のみにポーズを設定
することが定められ、各部に与えるポーズの種類（長
さ）が上記の如く定められている。本発明によれば、従
来の規則に加えて以下の規則が定められており、あるい
は、従来の規則の一部が以下のように変更されている。
そして、これらの規則に従ってポーズ情報を設定する。
各規則の適用により、中間コードから生成・出力した音
声が自然に聞こえ、聞き取りやすくなり、合成音声の
「単語の了解度」や「文了解度」が向上する。

【００４８】以下の説明では、本発明が適用された中間
コードを多数例示するが、コード中のアルファベット
は、入力テキストに対してふられた読みである。
「 ’」はアクセントの位置を示す。また、コード中の
数字は、ポーズの位置と長さを示している。

【００４９】（規則１）連接単語 連接単語の構成単語毎に単語境界（短ポーズ）を設定す
る。

【００５０】従来は、連接単語が一塊の単語として扱わ
れるので、連接単語の構成単語の間にポーズは設定され
ない。例えば、テキスト「千載一遇」は、中間コード
「センザイイチグー（senzaiitiguu)」に変換される。
しかし、これでは聞き手に対して不自然な印象を与え
る。

【００５１】一方、本発明では、連接単語の構成単語毎
に単語境界ポーズを挿入する。図４の例では、テキスト
「千載一遇」からは、中間コード「センザイ「２」イチ
グー（senzai 2 itiguu)」が生成される。

【００５２】なお、規則１に従った処理のため、前段の
言語解析処理では、入力テキスト中の連接単語と、連接
単語の構成単語とを検出（認定）し、処理結果を記憶し
ておく。

【００５３】（規則２）ローマ字 ローマ字表記の短縮記号部分では、各ローマ字（１文
字）毎に単語境界（短ポーズ）を設定する。

【００５４】図５の例に示すように、従来は、ローマ字
表記した短縮記号（ＪＲなど）の文字間にはポーズが設
定されなかった。しかし、本発明では、短縮記号の１文
字毎に単語境界（短ポーズ）を挿入する。図中では、下
線を付けた箇所が特徴部分である（以下同じ）。

【００５５】なお、規則２に従った処理のため、前段の
言語解析処理では、入力テキスト中のローマ字を検出
し、検出したローマ字（列）が短縮記号（ＪＲなど）で
あるか否かを判定する。判定処理は、例えば短縮記号の
辞書を用いて行い、適宜、前後の文章、文脈を参照して
行うことが好適である（この点は、他の規則に関連する
処理においても適宜適用される）。そして、処理結果を
入力テキストと関連づけて記憶しておく。

【００５６】（規則３）助詞前後 助詞の前後には短ポーズを挿入する。

【００５７】図６の例に示すように、従来は、助詞の前
後にはポーズを設定していなかった。しかし、本発明で
は、助詞の前後に短ポーズを挿入する。特に、「主語」
の直後の「助詞」の前後に短ポーズを挿入することが効
果的である。

【００５８】なお、規則３に従った処理のため、前段の
言語解析処理で入力テキストから助詞を検出した結果が
利用される。

【００５９】（規則４）フレーズ句境界 フレーズ句境界に対して長ポーズ（４）を設定する。

【００６０】従来は、フレーズ句境界には中ポーズ
（３）が設定されていた。しかし、本発明では、フレー
ズ句境界には基本的に長ポーズ（４）を設定する。な
お、規則４に従った処理のため、前段の言語解析処理で
は、フレーズ句とその境界を検出し、処理結果を記憶し
ておく。

【００６１】（規則５）複文の扱い 複文の境界に対して文終端ポーズ（５）を設定する。な
お、規則５に従った処理のため、前段の言語解析処理で
は、構文解析において複文とその境界を検出し、処理結
果を記憶しておく。

【００６２】（規則６）重文の扱い 重文の入れ子になった中の部分の前後に対して文終端ポ
ーズ（５）を設定する。なお、規則６に従った処理のた
め、前段の言語解析処理では、構文解析において、重文
とその入れ子部分とを検出し、処理結果を記憶してお
く。

【００６３】（規則７）括弧の扱いＩ 括弧の中に文節が入る場合に、基本的に括弧の前後に文
終端ポーズ（５）を設定する。図７に中間コードの例が
示されている。

【００６４】なお、規則７に従った処理のため、前段の
言語解析処理では、入力テキストから括弧を検出し、括
弧の中に文節が入っているか否かを判定し、処理結果を
記憶しておく。

【００６５】（規則８）括弧の扱いＩＩ 括弧の中に単語またはアクセント句が入る場合に、括弧
の前に長ポーズ（４）を設定する。さらに、括弧の後ろ
に単語が掛かる場合には、括弧の後ろに単語境界（短ポ
ーズ）を設定する。図８に中間コードの例が示されてい
る。

【００６６】なお、規則８に従った処理のため、前段の
言語解析処理では、入力テキストから括弧を検出し、括
弧の中に単語またはアクセント句が入っているか否かを
判定する。さらに、括弧の後ろに単語が掛かるか否かを
判定し、処理結果を記憶しておく。

【００６７】（規則９）スポーツ結果（例：巨人 ２＝
０ ヤクルト）の扱いＩ 項目（プロ野球速報／２２日など）のそれぞれに文終端
ポーズ（５）を設定する。

【００６８】（規則１０）スポーツ結果の扱いＩＩ 対戦結果（２＝３など）の「対：タイ」の前（３）より
も後ろを長いポーズ（４など）とする。

【００６９】図９に、規則９および規則１０に従って作
成した中間コードの例が示されている。

【００７０】なお、規則９および規則１０に従った処理
のため、前段の言語解析処理では、入力テキストがスポ
ーツ結果であるか否かを判定する。スポーツ結果である
場合には、テキストをスポーツ結果の項目ごとに分け
る。そして、図９に示すように、所定の規則に従ってテ
キストに読みをふる。読みの中の「項目」および「対」
の部分に上記の処理を施す。

【００７１】（規則１１）日にちの扱い 文頭に日にちがある場合に、日にち部分の後ろに長ポー
ズ（４）を設定する。図１０に中間コードの例が示され
ており、日にちの直後には長ポーズ（４）が与えられて
いる。この規則は、ニュース文に適用すると効果的であ
る。

【００７２】なお、規則１１に従った処理のため、前段
の言語解析処理では、入力テキストの文頭に「日にち」
がくるか否かを判定し、「日にち」がくる場合には、そ
の情報（日にちの終わり部分を含む）を記憶しておく。

【００７３】（規則１２）数字の扱いＩ−１（項目を伴
う） 入力テキストに項目を伴う数字が含まれる場合に、項目
の直後に中ポーズ（３）を設定する。

【００７４】（規則１３）数字の扱いＩ−２（項目を伴
う） 入力テキストに項目を伴う数字が含まれる場合に、次の
項目の直前に長ポーズ（４）を設定する。

【００７５】図１１に、規則１２および規則１３に従っ
て作成した中間コードの例が示されている。図１１に例
示するように、項目、数字、項目、数字が順に現れる場
合、項目（三越・松坂屋）の直後には中ポーズ（３）が
設定され、次の項目（高島屋）の直前には長ポーズ
（４）が設定される。

【００７６】なお、規則１２および規則１３に従った処
理のため、前段の言語解析処理では、入力テキストにお
ける数字とその前後の単語を認定する。そして、入力テ
キストが上述のような項目と数字の配列を含むか否かを
判定し、処理結果を記憶しておく。

【００７７】（規則１４）数字の扱いＩＩ 複数桁の数字が含まれる場合に、桁毎に単語境界（短ポ
ーズ）を挿入する。例えば、「１９８億円」などの数字
が該当する。図１２に中間コードの例が示されている。

【００７８】なお、規則１４に従った処理のため、前段
の言語解析処理では、入力テキストから数字が検出さ
れ、さらに複数桁の数字があるか否かが判定され、処理
結果が記憶される。

【００７９】（規則１５）数字の扱いＩＩＩ 小数点を伴う数字が含まれる場合に、小数点の直後に中
ポーズ（３）を設定する。図１３に中間コードの例が示
されている。

【００８０】なお、規則１５に従った処理のため、前段
の言語解析処理では、入力テキストから数字が検出され
る。さらに数字が小数であるか否か、すなわち小数点が
存在するか否かが求められる。そして、小数点の位置を
示す情報が記憶される。

【００８１】（規則１６）数字の扱いＩＶ イコール記号を伴う数字が含まれ、イコール記号を飛ば
し読みする場合に、イコール記号の部分に長ポーズ
（４）を設定する。図１４に中間コードの例が示されて
いる。

【００８２】なお、規則１６に従った処理のため、前段
の言語解析処理では、入力テキストから「イコール
（＝）」およびその前後の数字が検出される。検出結果
に基づいて、イコールを飛ばし読みすべきか否かが判断
される。飛ばし読みに対応した読みがテキストに付与さ
れ、そして、飛ばし読み部分に長ポーズ（４）が設定さ
れる。

【００８３】（規則１７）数字の扱いＶ 人物名の後に年齢が続く場合に、年齢の前に中ポーズ
（３）を設定し、年齢の後に長ポーズ（４）を設定す
る。図１５に中間コードの例が示されている。入力テキ
ストにおいては、人物名の後に括弧「（）」が続き、括
弧内に年齢の数字が入っている。このような場合に本規
則が適用される。

【００８４】なお、規則１７に従った処理のため、前段
の言語解析処理では、入力テキストから、人物名および
数字が検出される。人物名の後に（年齢）の数字が続い
ているか否かが判定され、処理結果が記憶される。

【００８５】（規則１８）数字の扱いＶＩ 助数詞を伴う数字が含まれる場合に、数字と助数詞の間
に単語境界（１）を入れる。図１６に中間コードの例が
示されている。ただし、大和読み（９日（ここのか）な
ど）は除外する。

【００８６】なお、規則１８に従った処理のため、前段
の言語解析処理では、入力テキストから、数字および助
数詞が検出される。そして、数字および助数詞に大和読
みを付すべきか否かが判断され、処理結果が記憶され
る。

【００８７】（規則１９）省略記号と正式名称 省略記号と正式名称が並んでいる場合に、省略記号と正
式名称との間に長ポーズ（４）または文終端ポーズ
（５）を設定する。「イコール」「・」などを伴う省略
記号と正式名称に好適に適用される。図１７に中間コー
ドの例が示されている。

【００８８】なお、規則１９に従った処理のため、前段
の言語解析処理では、入力テキストから、省略記号とそ
の後に続く正式名称が認定される。イコールなどを挟ん
で並んでいる省略記号と正式名称も検出される。処理結
果はポーズ設定のために記憶される。

【００８９】（規則２０）天気予報の扱い 入力テキストが天気予報である場合に、「地方名」と
「天気／降水量」との間に長ポーズ（４）または文終端
ポーズ（５）を設定する。図１８に中間コードの例が示
されている。

【００９０】なお、規則２０に従った処理のため、前段
の言語解析処理では、入力テキストの内容が天気予報で
あるか否かが判定される。天気予報である場合に、「地
方名」、「天気」、「降水量」の部分が認定される。そ
して、地方名に天気／降水量が続く部分が認定され、処
理結果が記憶される。

【００９１】（規則２１）「・」で連結されたアクセン
ト句の扱い 入力テキストに「・」で連結されるアクセント句がある
場合に、連結の境界に中ポーズ（３）を設定する。図１
９に中間コードの例が示されている。

【００９２】なお、規則２１に従った処理のため、前段
の言語解析処理では、入力テキストに含まれる「・」印
が検出される。「・」の前後のアクセント句が求められ
る。そして、前後のアクセント句が「・」により連結さ
れているか否かが、アクセント句の比較などにより判定
され、処理結果が記憶される。

【００９３】（規則２２）地名（国名、都市名など）の
扱い 地名が連続する場合に、地名の境界に中ポーズ（３）を
設定する。典型例としては、国名と都市名が連続する場
合、県名と市町村名が連続する場合である。図２０に中
間コードの例が示されている。

【００９４】なお、規則２２に従った処理のため、前段
の言語解析処理では、入力テキストから地名が認定され
る。そして、地名が連続して並んでいるか否かが判断さ
れ、処理結果が記憶される。

【００９５】以上に、本発明に特徴的なポーズ設定規則
を個別に説明した。次に、図２１は、本発明の方法で生
成した中間コード（改良）を、従来の方法で生成した中
間コードと比較して示している。

【００９６】図２１に示されるように、従来の方法では
ポーズの取り方が荒かった。しかし、本発明の方法で
は、上記の規則の適用により、適切な位置に適切な長さ
のポーズが設定されている。例えば、（規則１）に従
い、「中央線」の「中央」と「線」間に単語境界が挿入
されている。また、（規則２）に従い、「ＪＲ」の
「Ｊ」と「Ｒ」の間に単語境界が挿入されている。

【００９７】改良後の中間コードから規則音声合成によ
り合成音声を実際に生成し、出力すると、従来の合成音
声と比較して、聞き手にとって音声が自然に聞こえる。
その結果、単語の聞き取り、および、文章の内容把握が
大幅に容易になる。

【００９８】図２２は、本発明を音声合成装置の態様で
実現するのに適したコンピュータ装置の構成の一例であ
る。ＣＰＵ１００、ＲＯＭ１０２、ＲＡＭ１０４、通信
回路１０６、記憶装置１０８（ハードディスクなど）、
媒体装着部１１０（記録媒体１１２（ＣＤ−ＲＯＭな
ど）を装着）、入力部１１４、スピーカ１１６およびデ
ィスプレイ１１８が備えられている。

【００９９】本発明の方法で音声合成処理を行うための
音声合成プログラムは、記憶装置１０８に格納されてい
る。音声合成プログラムを書き込んだ記録媒体１１２が
媒体装着部１１０に装着されてもよい。また、音声合成
プログラムは、ＲＯＭ１０２に書き込まれていてもよ
い。音声合成プログラムは、ＣＰＵ１００によって読み
出され、実行される。そして、合成された音声は、スピ
ーカ１１６から出力される。

【０１００】また、音声合成の対象である漢字かな混じ
りの入力テキストは、例えば、通信回路１０６を介して
外部から入力される。入力テキストは、入力部１１４か
ら入力されてもよく、記憶装置１０８から読み出されて
も、記録媒体１１２から読み出されてもよい。

【０１０１】本発明は、例えば、車両と情報センタを通
信で結ぶ車両用情報提供システムに好適に適用される。
車両にはコンピュータが搭載され、情報センタから「ニ
ュース」「交通情報」「天気予報」などがテキストデー
タのかたちで入手される。これらのテキストデータが中
間コードに変換され、中間コードが合成音声に変換され
る。また、情報センタ側のコンピュータ装置で音声合成
処理を行って、合成音声を車両に送り、車両のスピーカ
から合成音声を出力してもよい。その他、文字放送の読
み上げ処理など、各種の用途に本発明を適用可能であ
る。

【０１０２】また、本発明では、上述のように複数種類
の特徴的な規則が示されている。これらの規則の一部を
音声合成に適用する構成も、本発明の範囲内に含まれる
ことはもちろんである。ただし、全部の規則を適用する
ことにより、全体として、合成音声の聞き取りやすさの
一層の向上を図ることができる。

【０１０３】「本発明の中間コード」図２４〜図４１
に、本発明のポーズ設定方法に従ってつくられた中間コ
ードの５０例をオリジナルの入力テキストとともに列挙
する。

【０１０４】

【発明の効果】以上に説明したように、本発明によれ
ば、中間コード生成の際にポーズ情報を適切に設定する
ことにより、中間コードから合成した音声の聞き取り易
さ、聞き手の了解度を向上することができる。

【図面の簡単な説明】

【図１】 本発明の実施形態の音声合成装置を示すブロ
ック図である。

【図２】 図１の装置による音声合成方法を示すフロー
チャートである。

【図３】 図２中の言語処理ステップの詳細を示すフロ
ーチャートである。

【図４】 本発明のポーズ設定規則１に従って生成した
中間コードの例を示す図である。

【図５】 本発明のポーズ設定規則２に従って生成した
中間コードの例を示す図である。

【図６】 本発明のポーズ設定規則３に従って生成した
中間コードの例を示す図である。

【図７】 本発明のポーズ設定規則７に従って生成した
中間コードの例を示す図である。

【図８】 本発明のポーズ設定規則８に従って生成した
中間コードの例を示す図である。

【図９】 本発明のポーズ設定規則９および規則１０に
従って生成した中間コードの例を示す図である。

【図１０】 本発明のポーズ設定規則１１に従って生成
した中間コードの例を示す図である。

【図１１】 本発明のポーズ設定規則１２および規則１
３に従って生成した中間コードの例を示す図である。

【図１２】 本発明のポーズ設定規則１４に従って生成
した中間コードの例を示す図である。

【図１３】 本発明のポーズ設定規則１５に従って生成
した中間コードの例を示す図である。

【図１４】 本発明のポーズ設定規則１６に従って生成
した中間コードの例を示す図である。

【図１５】 本発明のポーズ設定規則１７に従って生成
した中間コードの例を示す図である。

【図１６】 本発明のポーズ設定規則１８に従って生成
した中間コードの例を示す図である。

【図１７】 本発明のポーズ設定規則１９に従って生成
した中間コードの例を示す図である。

【図１８】 本発明のポーズ設定規則２０に従って生成
した中間コードの例を示す図である。

【図１９】 本発明のポーズ設定規則２１に従って生成
した中間コードの例を示す図である。

【図２０】 本発明のポーズ設定規則２２に従って生成
した中間コードの例を示す図である。

【図２１】 本発明のポーズ設定規則に従って入力テキ
ストから生成した中間コードの例を従来技術と比較して
示す図である。

【図２２】 本発明の音声合成処理を実行するのに適し
たコンピュータ装置の一例を示す図である。

【図２３】 従来のポーズ設定規則に従って生成される
中間コードの例を示す図である。

【図２４】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図２５】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図２６】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図２７】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図２８】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図２９】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３０】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３１】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３２】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３３】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３４】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３５】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３６】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３７】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３８】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図３９】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図４０】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【図４１】 本発明のポーズ設定規則に従って生成され
る中間コードをオリジナルの入力テキストと共に示す図
である。

【符号の説明】

１ 音声合成装置、３ 言語処理部、５ 規則音声合成
部、７ 言語解析処理部、９ 中間コード生成部、１１
中間コード生成規則辞書、１３ アクセント設定規
則、１５ ポーズ設定規則。

Claims (24)

【特許請求の範囲】
1. 【請求項１】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中の連接単語の構
   成単語毎にポーズを設定することを特徴とする音声合成
   方法。
2. 【請求項２】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中のローマ字表記
   の短縮記号部分では、各ローマ字毎にポーズを設定する
   ことを特徴とする音声合成方法。
3. 【請求項３】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中の助詞の前後に
   ポーズを設定することを特徴とする音声合成方法。
4. 【請求項４】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中のフレーズ句境
   界に対して長ポーズを設定することを特徴とする音声合
   成方法。
5. 【請求項５】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中の複文の境界に
   対して文終端ポーズを設定することを特徴とする音声合
   成方法。
6. 【請求項６】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストが重文である場合
   に、重文の入れ子部分の前後に対して文終端ポーズを設
   定することを特徴とする音声合成方法。
7. 【請求項７】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストが括弧を含み、括
   弧の中に文節が入る場合に、括弧の前後に文終端ポーズ
   を設定することを特徴とする音声合成方法。
8. 【請求項８】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストが括弧を含み、括
   弧の中に単語またはアクセント句が入る場合に、括弧の
   前に長ポーズを設定するとともに、括弧の後ろに単語が
   掛かる場合には括弧の後ろに単語境界ポーズを設定する
   ことを特徴とする音声合成方法。
9. 【請求項９】 漢字かな混じり入力テキストから規則音
   声合成入力用の中間コードを生成し、中間コードから合
   成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストがスポーツ結果を
   含む場合に、スポーツ結果の各項目の後に文終端ポーズ
   を設定することを特徴とする音声合成方法。
10. 【請求項１０】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストがスポーツ結果を
    含む場合に、対戦結果の中の「対」の前よりも後ろのポ
    ーズを長く設定することを特徴とする音声合成方法。
11. 【請求項１１】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストの文頭に日にちが
    ある場合に、日にち部分の後ろに長ポーズを設定するこ
    とを特徴とする音声合成方法。
12. 【請求項１２】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、中間コード
    の生成の際、入力テキストに項目を伴う数字が含まれる
    場合に、項目の直後に中ポーズを設定することを特徴と
    する音声合成方法。
13. 【請求項１３】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストに項目を伴う数字
    が含まれる場合に、次の項目の直前に長ポーズを設定す
    ることを特徴とする音声合成方法。
14. 【請求項１４】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストに複数桁の数字が
    含まれる場合に、桁毎にポーズを設定することを特徴と
    する音声合成方法。
15. 【請求項１５】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストに小数点を伴う数
    字が含まれる場合に、小数点の直後にポーズを設定する
    ことを特徴とする音声合成方法。
16. 【請求項１６】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、中間コード
    の生成の際、入力テキストにイコール記号を伴う数字が
    含まれ、イコール記号を飛ばし読みする場合に、イコー
    ル記号の部分にポーズを設定することを特徴とする音声
    合成方法。
17. 【請求項１７】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中の人物名の後に
    年齢が続く場合に、年齢の前に中ポーズを設定し、年齢
    の後に長ポーズを設定することを特徴とする音声合成方
    法。
18. 【請求項１８】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストに助数詞を伴う数
    字が含まれる場合に、数字と助数詞の間にポーズを設定
    することを特徴とする音声合成方法。
19. 【請求項１９】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中で省略記号と正
    式名称が並んでいる場合に、省略記号と正式名称との間
    に長ポーズまたは文終端ポーズを設定することを特徴と
    する音声合成方法。
20. 【請求項２０】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストが天気予報である
    場合に、地方名と天気または降水量との間に長ポーズま
    たは文終端ポーズを設定することを特徴とする音声合成
    方法。
21. 【請求項２１】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキストに「・」で連結さ
    れるアクセント句がある場合に、連結の境界に中ポーズ
    を設定することを特徴とする音声合成方法。
22. 【請求項２２】 漢字かな混じり入力テキストから規則
    音声合成入力用の中間コードを生成し、中間コードから
    合成音声を生成する音声合成方法において、 中間コードの生成の際、入力テキスト中で地名が連続す
    る場合に、地名の境界に中ポーズを設定することを特徴
    とする音声合成方法。
23. 【請求項２３】 請求項１〜２２のいずれかに記載の音
    声合成方法を用いて音声合成を行う音声合成装置。
24. 【請求項２４】 請求項１〜２２のいずれかに記載の音
    声合成方法を用いた音声合成処理をコンピュータに実行
    させるためのプログラムを記録したコンピュータ読みと
    り可能な記録媒体。