JP2000214874A - 音声合成装置及びその方法、コンピュ―タ可読メモリ - Google Patents
音声合成装置及びその方法、コンピュ―タ可読メモリInfo
- Publication number
- JP2000214874A JP2000214874A JP11017656A JP1765699A JP2000214874A JP 2000214874 A JP2000214874 A JP 2000214874A JP 11017656 A JP11017656 A JP 11017656A JP 1765699 A JP1765699 A JP 1765699A JP 2000214874 A JP2000214874 A JP 2000214874A
- Authority
- JP
- Japan
- Prior art keywords
- identifier
- input sentence
- speech
- language analysis
- synthesized speech
- 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- Withdrawn
Links
Abstract
(57)【要約】
【課題】 利用者が意図する合成音声の出力を容易に行
うことができる音声合成装置及びその方法、コンピュー
タ可読メモリを提供する。 【解決手段】 合成音声の出力方法を制御する識別子を
定義タグ管理部１０１で管理する。定義タグ管理部１０
１を参照して、入力文中に含まれる識別子をカスタマイ
ズタブ処理部１０２で認識する。認識された識別子に基
づいて、入力文の言語解析を言語解析部１０３で行う。
言語解析結果及び認識結果に基づいて、入力文に対応す
る合成音声を音声合成部１０４で生成する。
うことができる音声合成装置及びその方法、コンピュー
タ可読メモリを提供する。 【解決手段】 合成音声の出力方法を制御する識別子を
定義タグ管理部１０１で管理する。定義タグ管理部１０
１を参照して、入力文中に含まれる識別子をカスタマイ
ズタブ処理部１０２で認識する。認識された識別子に基
づいて、入力文の言語解析を言語解析部１０３で行う。
言語解析結果及び認識結果に基づいて、入力文に対応す
る合成音声を音声合成部１０４で生成する。
Description
【０００１】
【発明の属する技術分野】本発明は、入力文に対応する
合成音声を出力する音声合成装置及びその方法、コンピ
ュータ可読メモリに関するものである。
合成音声を出力する音声合成装置及びその方法、コンピ
ュータ可読メモリに関するものである。
【０００２】
【従来の技術】一般に、音声合成は、自然言語文を言語
解析技術によって解析し、その解析文を単語に切り分け
て各単語の読みやアクセントを推定する。そして、その
推定結果に従って、音声を合成していた。
解析技術によって解析し、その解析文を単語に切り分け
て各単語の読みやアクセントを推定する。そして、その
推定結果に従って、音声を合成していた。
【０００３】
【発明が解決しようとする課題】しかしながら、従来の
音声合成では、１００％の精度を持つ言語解析技術は存
在せず、その解析誤りが原因で、読み誤りやアクセント
付けの誤りが起こり、出力音声が適切なものでなくなる
という問題がある。
音声合成では、１００％の精度を持つ言語解析技術は存
在せず、その解析誤りが原因で、読み誤りやアクセント
付けの誤りが起こり、出力音声が適切なものでなくなる
という問題がある。
【０００４】例えば、特開平０７−１２９６１９では、
入力文中に、 野茂＜ＶＣ，ひでお＞英雄＜／ＶＣ＞ のように、利用者が＜ＶＣ＞〜＜／ＶＣ＞というカスタ
マイズタグを記述することで、その範囲の出力方法を指
示するという方式を提案している。しかし、この方式で
は、アクセントや他の指示ができないという問題、そし
て、カスタマイズタグの種類を利用者が自由に拡張でき
ないという問題がある。
入力文中に、 野茂＜ＶＣ，ひでお＞英雄＜／ＶＣ＞ のように、利用者が＜ＶＣ＞〜＜／ＶＣ＞というカスタ
マイズタグを記述することで、その範囲の出力方法を指
示するという方式を提案している。しかし、この方式で
は、アクセントや他の指示ができないという問題、そし
て、カスタマイズタグの種類を利用者が自由に拡張でき
ないという問題がある。
【０００５】一方、近年、ＷＷＷで用いられるＨＴＭＬ
文書のように、構造化タグによって構造化された文書が
コンピュータネットワーク上で流通している。ホームペ
ージを読みあげる音声合成ソフトなどは、このＨＴＭＬ
文書に記述された構造化タグを取り除いて、文書の内容
を合成音声に変換する。しかし、構造化タグの情報を利
用し、構造化タグの種類に応じて、その構造化文書の音
声出力方法（音声出力速度や音声の高さ、音声の種類な
ど）を変更することはできない。また、どの構造化タグ
で指示された部分をどのように読みあげるかを利用者が
簡単に指示できるものではなかった。
文書のように、構造化タグによって構造化された文書が
コンピュータネットワーク上で流通している。ホームペ
ージを読みあげる音声合成ソフトなどは、このＨＴＭＬ
文書に記述された構造化タグを取り除いて、文書の内容
を合成音声に変換する。しかし、構造化タグの情報を利
用し、構造化タグの種類に応じて、その構造化文書の音
声出力方法（音声出力速度や音声の高さ、音声の種類な
ど）を変更することはできない。また、どの構造化タグ
で指示された部分をどのように読みあげるかを利用者が
簡単に指示できるものではなかった。
【０００６】本発明は上記の問題点に鑑みてなされたも
のであり、利用者が意図する合成音声の出力を容易に行
うことができる音声合成装置及びその方法、コンピュー
タ可読メモリを提供することを目的とする。
のであり、利用者が意図する合成音声の出力を容易に行
うことができる音声合成装置及びその方法、コンピュー
タ可読メモリを提供することを目的とする。
【０００７】
【課題を解決するための手段】上記の目的を達成するた
めの本発明による音声合成装置は以下の構成を備える。
即ち、入力文に対応する合成音声を出力する音声合成装
置であって、合成音声の出力方法を制御する識別子を管
理するテーブルを記憶する記憶手段と、前記テーブルを
参照して、前記入力文中に含まれる識別子を認識する認
識手段と、前記認識手段で認識された識別子に基づい
て、前記入力文の言語解析を行う言語解析手段と、前記
言語解析手段による言語解析結果及び前記認識手段によ
る認識結果に基づいて、前記入力文に対応する合成音声
を生成する生成手段とを備える。
めの本発明による音声合成装置は以下の構成を備える。
即ち、入力文に対応する合成音声を出力する音声合成装
置であって、合成音声の出力方法を制御する識別子を管
理するテーブルを記憶する記憶手段と、前記テーブルを
参照して、前記入力文中に含まれる識別子を認識する認
識手段と、前記認識手段で認識された識別子に基づい
て、前記入力文の言語解析を行う言語解析手段と、前記
言語解析手段による言語解析結果及び前記認識手段によ
る認識結果に基づいて、前記入力文に対応する合成音声
を生成する生成手段とを備える。
【０００８】また、好ましくは、前記識別子は、前記入
力文中の単語とする部分文字列を指定する識別子を含
む。
力文中の単語とする部分文字列を指定する識別子を含
む。
【０００９】また、好ましくは、前記識別子は、前記入
力文中の部分文字列を単語と指定する場合に、更に、そ
の単語の品詞、読み、アクセントの少なくともいずれか
を指定する識別子を含む。
力文中の部分文字列を単語と指定する場合に、更に、そ
の単語の品詞、読み、アクセントの少なくともいずれか
を指定する識別子を含む。
【００１０】また、好ましくは、前記識別子は、前記入
力文の発声属性を指定する識別子を含む。
力文の発声属性を指定する識別子を含む。
【００１１】また、好ましくは、前記識別子は、前記入
力文に対応する合成音声の発声属性を指定する場合に、
更に、その速度、声の高さ、話者、強調の少なくともい
ずれかを指定する識別子を含む。
力文に対応する合成音声の発声属性を指定する場合に、
更に、その速度、声の高さ、話者、強調の少なくともい
ずれかを指定する識別子を含む。
【００１２】また、好ましくは、前記識別子は、前記入
力文に対応する合成音声のポーズを指定する識別子を含
む。
力文に対応する合成音声のポーズを指定する識別子を含
む。
【００１３】また、好ましくは、前記識別子は、構造化
文書の構造に応じた合成音声の出力方法を制御する識別
子である。
文書の構造に応じた合成音声の出力方法を制御する識別
子である。
【００１４】上記の目的を達成するための本発明による
音声合成方法は以下の構成を備える。即ち、入力文に対
応する合成音声を出力する音声合成方法であって、合成
音声の出力方法を制御する識別子を管理するテーブルを
記憶する記憶工程と、前記テーブルを参照して、前記入
力文中に含まれる識別子を認識する認識工程と、前記認
識工程で認識された識別子に基づいて、前記入力文の言
語解析を行う言語解析工程と、前記言語解析工程による
言語解析結果及び前記認識工程による認識結果に基づい
て、前記入力文に対応する合成音声を生成する生成工程
とを備える。
音声合成方法は以下の構成を備える。即ち、入力文に対
応する合成音声を出力する音声合成方法であって、合成
音声の出力方法を制御する識別子を管理するテーブルを
記憶する記憶工程と、前記テーブルを参照して、前記入
力文中に含まれる識別子を認識する認識工程と、前記認
識工程で認識された識別子に基づいて、前記入力文の言
語解析を行う言語解析工程と、前記言語解析工程による
言語解析結果及び前記認識工程による認識結果に基づい
て、前記入力文に対応する合成音声を生成する生成工程
とを備える。
【００１５】上記の目的を達成するための本発明による
コンピュータ可読メモリは以下の構成を備える。即ち、
入力文に対応する合成音声を出力する音声合成のプログ
ラムコードが格納されたコンピュータ可読メモリであっ
て、合成音声の出力方法を制御する識別子を管理するテ
ーブルを記憶する記憶工程のプログラムコードと、前記
テーブルを参照して、前記入力文中に含まれる識別子を
認識する認識工程のプログラムコードと、前記認識工程
で認識された識別子に基づいて、前記入力文の言語解析
を行う言語解析工程のプログラムコードと、前記言語解
析工程による言語解析結果及び前記認識工程による認識
結果に基づいて、前記入力文に対応する合成音声を生成
する生成工程のプログラムコードとを備える。
コンピュータ可読メモリは以下の構成を備える。即ち、
入力文に対応する合成音声を出力する音声合成のプログ
ラムコードが格納されたコンピュータ可読メモリであっ
て、合成音声の出力方法を制御する識別子を管理するテ
ーブルを記憶する記憶工程のプログラムコードと、前記
テーブルを参照して、前記入力文中に含まれる識別子を
認識する認識工程のプログラムコードと、前記認識工程
で認識された識別子に基づいて、前記入力文の言語解析
を行う言語解析工程のプログラムコードと、前記言語解
析工程による言語解析結果及び前記認識工程による認識
結果に基づいて、前記入力文に対応する合成音声を生成
する生成工程のプログラムコードとを備える。
【００１６】
【発明の実施の形態】以下、図面を参照して本発明の好
適な実施形態を詳細に説明する。
適な実施形態を詳細に説明する。
【００１７】図１は本発明の実施形態の音声合成装置の
構成を示す図である。
構成を示す図である。
【００１８】２１はＣＰＵであり、後述する手順を実現
するプログラムに従って動作する。２２はＲＡＭであ
り、上記プログラムの動作に必要な記憶領域を提供す
る。２３はＲＯＭであり、後述する手順を実現するプロ
グラムを保持する。２４はディスク装置であり、後述す
る手順で用いられるデータ等の各種データを保持す
る。。２５はバスであり、音声合成装置を構成する各種
構成要素を相互に接続する。２６は出力部であり、ＣＰ
Ｕ２１によって合成された音声を出力する。
するプログラムに従って動作する。２２はＲＡＭであ
り、上記プログラムの動作に必要な記憶領域を提供す
る。２３はＲＯＭであり、後述する手順を実現するプロ
グラムを保持する。２４はディスク装置であり、後述す
る手順で用いられるデータ等の各種データを保持す
る。。２５はバスであり、音声合成装置を構成する各種
構成要素を相互に接続する。２６は出力部であり、ＣＰ
Ｕ２１によって合成された音声を出力する。
【００１９】次に、本実施形態の音声合成装置の機能構
成について、図２を用いて説明する。
成について、図２を用いて説明する。
【００２０】図２は本発明の実施形態の音声合成装置の
機能構成を示す図である。
機能構成を示す図である。
【００２１】１０１は定義タグ管理部であり、利用者に
よって定義されたカスタマイズタグを管理する。１０２
はカスタマイズタグ処理部であり、入力文中で定義タグ
管理部１０１に管理されているカスタマイズタグが記述
されている部分を認識し、どの文字列がどのようなカス
タマイズタグによってカスタマイズされているかという
情報を取り出す。１０３は言語解析部であり、カスタマ
イズタグ処理部１０２が取り出したカスタマイズタグに
関する情報の中で、言語解析のカスタマイズに関する情
報があれば、それに応じた解析結果を出力する。１０４
は音声合成部であり、言語解析結果を受け、さらに、カ
スタマイズタグ処理部１０３が取り出したカスタマイズ
タグに関する情報の中で、合成音声のカスタマイズに関
する情報があれば、それに応じた合成音声を出力する次
に、本実施形態の音声合成装置において、入力文に指示
可能なカスタマイズタグの一例について、図３を用いて
説明する。
よって定義されたカスタマイズタグを管理する。１０２
はカスタマイズタグ処理部であり、入力文中で定義タグ
管理部１０１に管理されているカスタマイズタグが記述
されている部分を認識し、どの文字列がどのようなカス
タマイズタグによってカスタマイズされているかという
情報を取り出す。１０３は言語解析部であり、カスタマ
イズタグ処理部１０２が取り出したカスタマイズタグに
関する情報の中で、言語解析のカスタマイズに関する情
報があれば、それに応じた解析結果を出力する。１０４
は音声合成部であり、言語解析結果を受け、さらに、カ
スタマイズタグ処理部１０３が取り出したカスタマイズ
タグに関する情報の中で、合成音声のカスタマイズに関
する情報があれば、それに応じた合成音声を出力する次
に、本実施形態の音声合成装置において、入力文に指示
可能なカスタマイズタグの一例について、図３を用いて
説明する。
【００２２】図３は本発明の実施形態のカスタマイズタ
グの一例を示す図である。
グの一例を示す図である。
【００２３】図３に示す例では、言語解析部１０３に対
しては、入力文に単語を指示できる。言語解析部１０３
では、入力文からの単語を切り出し、その単語の品詞、
読み、アクセントなどの属性を推定するという処理を行
う。そして、カスタマイズタグによって、入力文中の任
意の部分文字列を一つの単語であると指示でき、さらに
その単語の品詞、読み、アクセントをオプションとして
指示できる。
しては、入力文に単語を指示できる。言語解析部１０３
では、入力文からの単語を切り出し、その単語の品詞、
読み、アクセントなどの属性を推定するという処理を行
う。そして、カスタマイズタグによって、入力文中の任
意の部分文字列を一つの単語であると指示でき、さらに
その単語の品詞、読み、アクセントをオプションとして
指示できる。
【００２４】音声合成部１０４に対しては、発声属性と
ポーズを指示できる。発声属性のオプションとして、話
者、発声速度、声の高さ、強調を指示できる。
ポーズを指示できる。発声属性のオプションとして、話
者、発声速度、声の高さ、強調を指示できる。
【００２５】具体例について、図４、図５を用いて説明
する。
する。
【００２６】図４は本発明の実施形態のカスタマイズタ
グ定義を記述したファイルの一例を示す図であり、図５
は本発明の実施形態のカスタマイズタグを定義した入力
文の一例を示す図である。
グ定義を記述したファイルの一例を示す図であり、図５
は本発明の実施形態のカスタマイズタグを定義した入力
文の一例を示す図である。
【００２７】この例では、 ＼deftag“word” によって、＜ｗｏｒｄ＞〜＜／ｗｏｒｄ＞というカスタ
マイズタグを定義している。
マイズタグを定義している。
【００２８】sem=単語 は、カスタマイズタグ＜ｗｏｒｄ＞〜＜／ｗｏｒｄ＞を
単語を指定するカスタマイズタグとして定義するという
意味である。同様に、 ＼defoption によって、カスタマイズタグ＜ｗｏｒｄ＞〜＜／ｗｏｒ
ｄ＞に属するオプションを定義している。この例では、
“ｐｏｓ”，“ｙｏｍｉ”，“ａｃｃｅｎｔ”をそれぞ
れ、単語の品詞、読み、アクセントを指示するオプショ
ンとして定義している。
単語を指定するカスタマイズタグとして定義するという
意味である。同様に、 ＼defoption によって、カスタマイズタグ＜ｗｏｒｄ＞〜＜／ｗｏｒ
ｄ＞に属するオプションを定義している。この例では、
“ｐｏｓ”，“ｙｏｍｉ”，“ａｃｃｅｎｔ”をそれぞ
れ、単語の品詞、読み、アクセントを指示するオプショ
ンとして定義している。
【００２９】＼deftag “pause” についても同様である。
【００３０】以上のようなカスタマイズタグを入力文に
適用すると、例えば、図５のような構成になる。
適用すると、例えば、図５のような構成になる。
【００３１】次に、本実施形態の音声合成装置で実行さ
れる処理について、図６を用いて説明する。
れる処理について、図６を用いて説明する。
【００３２】図６は本発明の実施形態で実行される処理
を示すフローチャートである。
を示すフローチャートである。
【００３３】まず、カスタマイズタグ処理部１０２で、
カスタマイズタグの処理を行う（ステップＳ３０１）。
図５の入力文の場合、２つの“英雄”という文字列が＜
ｗｏｒｄ＞〜＜／ｗｏｒｄ＞タグでカスタマイズされ、
さらに＜ｐａｕｓｅ＞タグが２箇所挿入されていること
が認識される。
カスタマイズタグの処理を行う（ステップＳ３０１）。
図５の入力文の場合、２つの“英雄”という文字列が＜
ｗｏｒｄ＞〜＜／ｗｏｒｄ＞タグでカスタマイズされ、
さらに＜ｐａｕｓｅ＞タグが２箇所挿入されていること
が認識される。
【００３４】次に、言語解析部１０３で入力文の解析を
行う（ステップＳ３０２）。ここで、言語解析部１０３
は、カスタマイズタグ処理部１０２で認識されたカスタ
マイズタグの中で、言語解析に関係するカスタマイズタ
グがあるか否かを調べる。図５の２つの＜ｗｏｒｄ＞〜
＜／ｗｏｒｄ＞タグは、単語を指示するカスタマイズタ
グと定義されているので、言語解析部１０３は、これら
の＜ｗｏｒｄ＞〜＜／ｗｏｒｄ＞タグに従った処理をす
る。即ち、＜ｗｏｒｄ＞〜＜／ｗｏｒｄ＞タグで指定さ
れた２つの“英雄”という文字列を優先的に単語として
切り出し、さらに最初の“英雄”を読みが「ひでお」で
アクセントが０型の固有名詞と解析し、２つ目の“英
雄”を読みが「えいゆう」でアクセントが０型の名詞と
解析する。その他の文字列部分に関しては、従来通りの
方法で解析する。
行う（ステップＳ３０２）。ここで、言語解析部１０３
は、カスタマイズタグ処理部１０２で認識されたカスタ
マイズタグの中で、言語解析に関係するカスタマイズタ
グがあるか否かを調べる。図５の２つの＜ｗｏｒｄ＞〜
＜／ｗｏｒｄ＞タグは、単語を指示するカスタマイズタ
グと定義されているので、言語解析部１０３は、これら
の＜ｗｏｒｄ＞〜＜／ｗｏｒｄ＞タグに従った処理をす
る。即ち、＜ｗｏｒｄ＞〜＜／ｗｏｒｄ＞タグで指定さ
れた２つの“英雄”という文字列を優先的に単語として
切り出し、さらに最初の“英雄”を読みが「ひでお」で
アクセントが０型の固有名詞と解析し、２つ目の“英
雄”を読みが「えいゆう」でアクセントが０型の名詞と
解析する。その他の文字列部分に関しては、従来通りの
方法で解析する。
【００３５】言語解析部部１０３の解析結果をもとに、
音声合成部１０４で合成音を生成する（ステップＳ３０
３）。音声合成部１０４では、カスタマイズタグ処理部
１０２で認識されたカスタマイズタグの中で、音声合成
に関係するカスタマイズタグがあるか否かを調べる。図
５の２つの＜ｐａｕｓｅ＞タグは、ポーズを指示するカ
スタマイズタグと定義されているので、音声合成部１０
４は、これらの＜ｐａｕｓｅ＞タグに従った処理をす
る。ここでは、それぞれの位置に長さ１のポーズを入れ
る。
音声合成部１０４で合成音を生成する（ステップＳ３０
３）。音声合成部１０４では、カスタマイズタグ処理部
１０２で認識されたカスタマイズタグの中で、音声合成
に関係するカスタマイズタグがあるか否かを調べる。図
５の２つの＜ｐａｕｓｅ＞タグは、ポーズを指示するカ
スタマイズタグと定義されているので、音声合成部１０
４は、これらの＜ｐａｕｓｅ＞タグに従った処理をす
る。ここでは、それぞれの位置に長さ１のポーズを入れ
る。
【００３６】以上の結果、入力文に対する合成音は、こ
うしえんのゆうしょうとうしゅとなったひでおは それ
いらい まちじゅうのえいゆうとなったのように、カス
タマイズタグの指示どおりに出力される。
うしえんのゆうしょうとうしゅとなったひでおは それ
いらい まちじゅうのえいゆうとなったのように、カス
タマイズタグの指示どおりに出力される。
【００３７】以上説明したように、本実施形態によれ
ば、利用者が、入力文に対応する音声出力に関するさま
ざまな内容を指示するカスタマイズタグを定義でき、カ
スタマイズタグが付加された入力文を、そのカスタマイ
ズタグの指示に従って音声出力することができる。つま
り、利用者が、音声出力される文中にカスタマイズタグ
を書き込むことで、読みやアクセント、発声速度等の音
声出力方法に対して、さまざまな制御を簡単に実行で
き、さらに、ＨＴＭＬのような構造化文書の文書構造に
応じた音声出力方法の制御が簡単に実行できる。 ［他の実施形態］上記実施形態では、利用者が本音声合
成装置によって読み上げる文書にカスタマイズタグを書
き込むことによって、自由に発声を制御する例を示した
が、この限りではない。近年、爆発的な広がりを見せる
ＷＷＷで用いられるＨＴＭＬ文書のような構造化文書の
構造情報に応じた適切な発声制御にも適用可能である。
この適用例について、図７、図８を用いて説明する。
ば、利用者が、入力文に対応する音声出力に関するさま
ざまな内容を指示するカスタマイズタグを定義でき、カ
スタマイズタグが付加された入力文を、そのカスタマイ
ズタグの指示に従って音声出力することができる。つま
り、利用者が、音声出力される文中にカスタマイズタグ
を書き込むことで、読みやアクセント、発声速度等の音
声出力方法に対して、さまざまな制御を簡単に実行で
き、さらに、ＨＴＭＬのような構造化文書の文書構造に
応じた音声出力方法の制御が簡単に実行できる。 ［他の実施形態］上記実施形態では、利用者が本音声合
成装置によって読み上げる文書にカスタマイズタグを書
き込むことによって、自由に発声を制御する例を示した
が、この限りではない。近年、爆発的な広がりを見せる
ＷＷＷで用いられるＨＴＭＬ文書のような構造化文書の
構造情報に応じた適切な発声制御にも適用可能である。
この適用例について、図７、図８を用いて説明する。
【００３８】図７は本発明の他の実施形態のカスタマイ
ズタグ定義の一例を示す図であり、図８は本発明の他の
実施形態のＨＴＭＬ文書の一例を示す図である。
ズタグ定義の一例を示す図であり、図８は本発明の他の
実施形態のＨＴＭＬ文書の一例を示す図である。
【００３９】図８では、ＨＴＭＬタグの＜ｆｏｎｔ＞〜
＜／ｆｏｎｔ＞タグと、そのオプション“ｓｉｚｅ”に
合わせて、カスタマイズタグ＜ｆｏｎｔ＞〜＜／ｆｏｎ
ｔ＞および“ｓｉｚｅ”オプションを定義し、音声合成
部１０４の発声属性と関係付けている。ＨＴＭＬタグの
＜ｆｏｎｔ＞〜＜／ｆｏｎｔ＞は文字列のフォントを指
定するもので、“ｓｉｚｅ”オプションによってフォン
トサイズを指示する。従って、図７のようなカスタマイ
ズタグ定義によって合成音を生成した場合、フォントサ
イズの大きな文字列を強く強調して発声することができ
る。このように、構造化文書の構造に応じた発声の制御
も簡単に実行できる。 ［他の実施形態］上記実施形態では、カスタマイズタグ
で指示できる内容として、図３に示すものだけを用いて
説明したが、これは一例であり、他のいかなる内容でも
構わない 。［他の実施形態］上記実施形態では、カスタマイズタ
グの定義の方法として、定義ファイルを記述する例を示
したが、カスタマイズタグの文字列とそれが指示する内
容とを結びつけることが可能な方法である限り、ＧＵＩ
等のいかなる方法を用いても構わない。 ［他の実施形態］上記実施形態においては、各構成要素
を同一の音声合成装置上で構成する場合について説明し
たが、これに限定されるものではなく、ネットワーク上
に分散した音声合成装置や情報処理装置等に分かれて各
構成要素を構成してもよい。 ［他の実施形態］上記実施形態においては、プログラム
をＲＯＭに保持する場合について説明したが、これに限
定されるものではなく、任意の記憶媒体を用いて実現し
てもよい。また、同様の動作をする回路で実現してもよ
い。
＜／ｆｏｎｔ＞タグと、そのオプション“ｓｉｚｅ”に
合わせて、カスタマイズタグ＜ｆｏｎｔ＞〜＜／ｆｏｎ
ｔ＞および“ｓｉｚｅ”オプションを定義し、音声合成
部１０４の発声属性と関係付けている。ＨＴＭＬタグの
＜ｆｏｎｔ＞〜＜／ｆｏｎｔ＞は文字列のフォントを指
定するもので、“ｓｉｚｅ”オプションによってフォン
トサイズを指示する。従って、図７のようなカスタマイ
ズタグ定義によって合成音を生成した場合、フォントサ
イズの大きな文字列を強く強調して発声することができ
る。このように、構造化文書の構造に応じた発声の制御
も簡単に実行できる。 ［他の実施形態］上記実施形態では、カスタマイズタグ
で指示できる内容として、図３に示すものだけを用いて
説明したが、これは一例であり、他のいかなる内容でも
構わない 。［他の実施形態］上記実施形態では、カスタマイズタ
グの定義の方法として、定義ファイルを記述する例を示
したが、カスタマイズタグの文字列とそれが指示する内
容とを結びつけることが可能な方法である限り、ＧＵＩ
等のいかなる方法を用いても構わない。 ［他の実施形態］上記実施形態においては、各構成要素
を同一の音声合成装置上で構成する場合について説明し
たが、これに限定されるものではなく、ネットワーク上
に分散した音声合成装置や情報処理装置等に分かれて各
構成要素を構成してもよい。 ［他の実施形態］上記実施形態においては、プログラム
をＲＯＭに保持する場合について説明したが、これに限
定されるものではなく、任意の記憶媒体を用いて実現し
てもよい。また、同様の動作をする回路で実現してもよ
い。
【００４０】尚、本発明は、複数の機器（例えばホスト
コンピュータ、インタフェース機器、リーダ、プリンタ
など）から構成されるシステムに適用しても、一つの機
器からなる装置（例えば、複写機、ファクシミリ装置な
ど）に適用してもよい。
コンピュータ、インタフェース機器、リーダ、プリンタ
など）から構成されるシステムに適用しても、一つの機
器からなる装置（例えば、複写機、ファクシミリ装置な
ど）に適用してもよい。
【００４１】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体を、システムあるいは装置に供給し、そ
のシステムあるいは装置のコンピュータ（またはＣＰＵ
やＭＰＵ）が記憶媒体に格納されたプログラムコードを
読出し実行することによっても、達成されることは言う
までもない。
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体を、システムあるいは装置に供給し、そ
のシステムあるいは装置のコンピュータ（またはＣＰＵ
やＭＰＵ）が記憶媒体に格納されたプログラムコードを
読出し実行することによっても、達成されることは言う
までもない。
【００４２】この場合、記憶媒体から読出されたプログ
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。
【００４３】プログラムコードを供給するための記憶媒
体としては、例えば、フロッピディスク、ハードディス
ク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ
−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭな
どを用いることができる。
体としては、例えば、フロッピディスク、ハードディス
ク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ
−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭな
どを用いることができる。
【００４４】また、コンピュータが読出したプログラム
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）などが実際の処理の一部または全
部を行い、その処理によって前述した実施形態の機能が
実現される場合も含まれることは言うまでもない。
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）などが実際の処理の一部または全
部を行い、その処理によって前述した実施形態の機能が
実現される場合も含まれることは言うまでもない。
【００４５】更に、記憶媒体から読出されたプログラム
コードが、コンピュータに挿入された機能拡張ボードや
コンピュータに接続された機能拡張ユニットに備わるメ
モリに書込まれた後、そのプログラムコードの指示に基
づき、その機能拡張ボードや機能拡張ユニットに備わる
ＣＰＵなどが実際の処理の一部または全部を行い、その
処理によって前述した実施形態の機能が実現される場合
も含まれることは言うまでもない。
コードが、コンピュータに挿入された機能拡張ボードや
コンピュータに接続された機能拡張ユニットに備わるメ
モリに書込まれた後、そのプログラムコードの指示に基
づき、その機能拡張ボードや機能拡張ユニットに備わる
ＣＰＵなどが実際の処理の一部または全部を行い、その
処理によって前述した実施形態の機能が実現される場合
も含まれることは言うまでもない。
【００４６】
【発明の効果】以上説明したように、本発明によれば、
利用者が意図する合成音声の出力を容易に行うことがで
きる音声合成装置及びその方法、コンピュータ可読メモ
リを提供できる。
利用者が意図する合成音声の出力を容易に行うことがで
きる音声合成装置及びその方法、コンピュータ可読メモ
リを提供できる。
【図１】本発明の実施形態の音声合成装置の構成を示す
図である。
図である。
【図２】本発明の実施形態の音声合成装置の機能構成を
示す図である。
示す図である。
【図３】本発明の実施形態のカスタマイズタグの一例を
示す図である。
示す図である。
【図４】本発明の実施形態のカスタマイズタグ定義を記
述したファイルの一例を示す図である。
述したファイルの一例を示す図である。
【図５】本発明の実施形態のカスタマイズタグを定義し
た入力文の一例を示す図である。
た入力文の一例を示す図である。
【図６】本発明の実施形態で実行される処理を示すフロ
ーチャートである。
ーチャートである。
【図７】本発明の他の実施形態のカスタマイズタグの一
例を示す図である。
例を示す図である。
【図８】図８は本発明の他の実施形態のＨＴＭＬ文書の
一例を示す図である。
一例を示す図である。
２１ ＣＰＵ ２２ ＲＡＭ ２３ ＲＯＭ ２４ ディスク装置 ２５ バス ２６ 出力部 １０１ 定義タグ管理部 １０２ カスタマイズタグ処理部 １０３ 言語解析部 １０４ 音声合成部
Claims (15)
- 【請求項１】 入力文に対応する合成音声を出力する音
声合成装置であって、 合成音声の出力方法を制御する識別子を管理するテーブ
ルを記憶する記憶手段と、 前記テーブルを参照して、前記入力文中に含まれる識別
子を認識する認識手段と、 前記認識手段で認識された識別子に基づいて、前記入力
文の言語解析を行う言語解析手段と、 前記言語解析手段による言語解析結果及び前記認識手段
による認識結果に基づいて、前記入力文に対応する合成
音声を生成する生成手段とを備えることを特徴とする音
声合成装置。 - 【請求項２】 前記識別子は、前記入力文中の単語とす
る部分文字列を指定する識別子を含むことを特徴とする
請求項１に記載の音声合成装置。 - 【請求項３】 前記識別子は、前記入力文中の部分文字
列を単語と指定する場合に、更に、その単語の品詞、読
み、アクセントの少なくともいずれかを指定する識別子
を含むことを特徴とする請求項２に記載の音声合成装
置。 - 【請求項４】 前記識別子は、前記入力文の発声属性を
指定する識別子を含むことを特徴とする請求項１に記載
の音声合成装置。 - 【請求項５】 前記識別子は、前記入力文に対応する合
成音声の発声属性を指定する場合に、更に、その速度、
声の高さ、話者、強調の少なくともいずれかを指定する
識別子を含むことを特徴とする請求項４に記載の音声合
成装置。 - 【請求項６】 前記識別子は、前記入力文に対応する合
成音声のポーズを指定する識別子を含むことを特徴とす
る請求項１に記載の音声合成装置。 - 【請求項７】 前記識別子は、構造化文書の構造に応じ
た合成音声の出力方法を制御する識別子であることを特
徴とする請求項１に記載の音声合成装置。 - 【請求項８】 入力文に対応する合成音声を出力する音
声合成方法であって、 合成音声の出力方法を制御する識別子を管理するテーブ
ルを記憶する記憶工程と、 前記テーブルを参照して、前記入力文中に含まれる識別
子を認識する認識工程と、 前記認識工程で認識された識別子に基づいて、前記入力
文の言語解析を行う言語解析工程と、 前記言語解析工程による言語解析結果及び前記認識工程
による認識結果に基づいて、前記入力文に対応する合成
音声を生成する生成工程とを備えることを特徴とする音
声合成方法。 - 【請求項９】 前記識別子は、前記入力文中の単語とす
る部分文字列を指定する識別子を含むことを特徴とする
請求項８に記載の音声合成方法。 - 【請求項１０】 前記識別子は、前記入力文中の部分文
字列を単語と指定する場合に、更に、その単語の品詞、
読み、アクセントの少なくともいずれかを指定する識別
子を含むことを特徴とする請求項９に記載の音声合成方
法。 - 【請求項１１】 前記識別子は、前記入力文の発声属性
を指定する識別子を含むことを特徴とする請求項８に記
載の音声合成方法。 - 【請求項１２】 前記識別子は、前記入力文に対応する
合成音声の発声属性を指定する場合に、更に、その速
度、声の高さ、話者、強調の少なくともいずれかを指定
する識別子を含むことを特徴とする請求項１１に記載の
音声合成方法。 - 【請求項１３】 前記識別子は、前記入力文に対応する
合成音声のポーズを指定する識別子を含むことを特徴と
する請求項８に記載の音声合成方法。 - 【請求項１４】 前記識別子は、構造化文書の構造に応
じた合成音声の出力方法を制御する識別子であることを
特徴とする請求項８に記載の音声合成方法。 - 【請求項１５】 入力文に対応する合成音声を出力する
音声合成のプログラムコードが格納されたコンピュータ
可読メモリであって、 合成音声の出力方法を制御する識別子を管理するテーブ
ルを記憶する記憶工程のプログラムコードと、 前記テーブルを参照して、前記入力文中に含まれる識別
子を認識する認識工程のプログラムコードと、 前記認識工程で認識された識別子に基づいて、前記入力
文の言語解析を行う言語解析工程のプログラムコード
と、 前記言語解析工程による言語解析結果及び前記認識工程
による認識結果に基づいて、前記入力文に対応する合成
音声を生成する生成工程のプログラムコードとを備える
ことを特徴とするコンピュータ可読メモリ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11017656A JP2000214874A (ja) | 1999-01-26 | 1999-01-26 | 音声合成装置及びその方法、コンピュ―タ可読メモリ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11017656A JP2000214874A (ja) | 1999-01-26 | 1999-01-26 | 音声合成装置及びその方法、コンピュ―タ可読メモリ |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000214874A true JP2000214874A (ja) | 2000-08-04 |
Family
ID=11949909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11017656A Withdrawn JP2000214874A (ja) | 1999-01-26 | 1999-01-26 | 音声合成装置及びその方法、コンピュ―タ可読メモリ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000214874A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002091474A (ja) * | 2000-09-05 | 2002-03-27 | Lucent Technol Inc | 非言語依存韻律マークアップを用いてテキストからスピーチに処理する方法および装置 |
| JP2004271728A (ja) * | 2003-03-06 | 2004-09-30 | Seiko Epson Corp | 音声データ提供システムならびに音声データ作成装置および音声データ作成プログラム |
| JP2009217846A (ja) * | 2009-06-23 | 2009-09-24 | Seiko Epson Corp | 音声データ作成装置および音声データ作成方法 |
| WO2015040751A1 (ja) * | 2013-09-20 | 2015-03-26 | 株式会社東芝 | 音声選択支援装置、音声選択方法、およびプログラム |
-
1999
- 1999-01-26 JP JP11017656A patent/JP2000214874A/ja not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002091474A (ja) * | 2000-09-05 | 2002-03-27 | Lucent Technol Inc | 非言語依存韻律マークアップを用いてテキストからスピーチに処理する方法および装置 |
| JP2013011902A (ja) * | 2000-09-05 | 2013-01-17 | Alcatel-Lucent Usa Inc | 非言語依存韻律マークアップを用いてテキストからスピーチに処理する方法および装置 |
| JP2004271728A (ja) * | 2003-03-06 | 2004-09-30 | Seiko Epson Corp | 音声データ提供システムならびに音声データ作成装置および音声データ作成プログラム |
| JP2009217846A (ja) * | 2009-06-23 | 2009-09-24 | Seiko Epson Corp | 音声データ作成装置および音声データ作成方法 |
| WO2015040751A1 (ja) * | 2013-09-20 | 2015-03-26 | 株式会社東芝 | 音声選択支援装置、音声選択方法、およびプログラム |
| CN105531757A (zh) * | 2013-09-20 | 2016-04-27 | 株式会社东芝 | 语音选择辅助装置、语音选择方法以及程序 |
| US9812119B2 (en) | 2013-09-20 | 2017-11-07 | Kabushiki Kaisha Toshiba | Voice selection supporting device, voice selection method, and computer-readable recording medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3610083B2 (ja) | マルチメディアプレゼンテーション装置および方法 | |
| US7487093B2 (en) | Text structure for voice synthesis, voice synthesis method, voice synthesis apparatus, and computer program thereof | |
| WO1999060474A1 (fr) | Dispositif de lecture a haute voix, procede de commande de lecture a haute voix et support d'enregistrement | |
| US7412391B2 (en) | User interface design apparatus and method | |
| JP2004005530A (ja) | 音声対話インターフェースを利用した情報提供装置及びその方法 | |
| JP7200533B2 (ja) | 情報処理装置およびプログラム | |
| JP2004021791A (ja) | 自然言語による既存データの記述方法及びそのためのプログラム | |
| JP4154015B2 (ja) | 情報処理装置およびその方法 | |
| JP2002140085A (ja) | 文書読み上げ装置及び方法、コンピュータプログラム並びに記憶媒体 | |
| JP2000214874A (ja) | 音声合成装置及びその方法、コンピュ―タ可読メモリ | |
| US6876969B2 (en) | Document read-out apparatus and method and storage medium | |
| JP2006236037A (ja) | 音声対話コンテンツ作成方法、装置、プログラム、記録媒体 | |
| JP2001306601A (ja) | 文書処理装置及びその方法、及びそのプログラムを格納した記憶媒体 | |
| JP4478647B2 (ja) | 音声応答システム、音声応答方法、音声サーバ、音声ファイル処理方法、プログラム及び記録媒体 | |
| JP3848181B2 (ja) | 音声合成装置及びその方法、プログラム | |
| JP2002084492A (ja) | 編集処理装置、及び編集処理プログラムが記憶された記憶媒体 | |
| JP2007127994A (ja) | 音声合成方法及び音声合成装置並びにプログラム | |
| JP2005181358A (ja) | 音声認識合成システム | |
| JPH08272388A (ja) | 音声合成装置及びその方法 | |
| JP2008158630A (ja) | 画像出力装置及び画像出力方法 | |
| JP4617494B2 (ja) | 音声合成装置及び文字割当装置並びにコンピュータプログラム | |
| JP2007249022A (ja) | 音声合成装置および音声合成方法 | |
| JP2003196306A (ja) | 画像検索装置及びその方法、プログラム | |
| JPH08194494A (ja) | 文解析方法および装置 | |
| JP2006047866A (ja) | 電子辞書装置およびその制御方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20060404 |