JP2000352991A - スペクトル補正機能つき音声合成器 - Google Patents

Abstract

(57)【要約】 【課題】 本発明は、個人の聴覚特性が異なる高齢者に
対して、合成音声を生成する段階で、周波数パラメータ
領域で聴覚特性を補正することにより、聞きやすい合成
音声を生成することを目的としている。 【解決手段】 音声合成器に聴覚特性を補正するスペク
トルパタンを用意して蓄積する手段と、蓄えられた音声
素片に対してスペクトル周波数領域でスペクトルパタン
を変形する手段を持つ。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、音素、音節、あ
るいは、単語、フレーズを単位とする音声素片を組み合
わせて、任意の合成音声を生成するスペクトル補正機能
つき音声合成器に関する。

【０００２】

【従来の技術】この種の音声合成器の従来例について説
明する。

【０００３】従来、視覚障害者用に開発されたテキスト
読み上げ機器や各種電話サービスを提供する音声応答装
置に使われる音声合成器は、音声メッセージの内容に応
じて、特定の人が発声した音素、音節、あるいは、単
語、フレーズを単位とする音声素片が蓄えられた音声フ
ァイルから、適当な素片を選択し、編集加工して出力音
声を生成している。

【０００４】音声素片は、スペクトルパラメータの形
式、または音声波形の形式で蓄積されている。従って、
限られたメモリ容量で、任意の音声が生成できる利点を
有するが、合成音声の品質は、人が発声した音声に比べ
て明瞭性や了解性に欠ける。

【０００５】この合成器の利用者は、通常付属のヘッド
ホンやハンドセット、スピーカを用いて、騒音環境の異
なる種々の環境下で、出力される音声を聞いている。高
齢化に伴い音響信号受容能力が低下する高齢者にとって
は、人が発話する音声に比べて明瞭性や了解性に欠ける
合成音声を一般の健常者と同じように聞き取ることがで
きないために、サービスの利用範囲が制限されていた。

【０００６】一方、合成音声を利用者の好みや使用環境
に応じて聞きやすく調整するための手段として、周波数
領域の高域、あるいは低域を強調するトーンコントロー
ル機能が具備された音声合成器もあるが、音響信号受容
能力の低下した高齢者にとっては、オージオメータを使
って補聴器を調整するように周波数帯域ごとに細かく音
量レベルを調整することができない従来のトーンコント
ロール機能では、不十分である。また、補聴器を用いて
合成音声を聞く手段もあるが、騒音の種類や騒音レベル
の異なる使用環境下では、入力音声に加えて周囲雑音も
増幅してしまうことから、かえって聞きずらくなる。

【０００７】

【発明が解決しようとする課題】音響信号受容能力の低
下した高齢者が、人が発話する音声に比べ品質の劣化を
伴う合成音声を一般の健常者と同じように聞き取ること
は困難である。

【０００８】本発明は、個人の聴覚特性が異なる高齢者
に対して、合成音声を生成する段階で、周波数パラメー
タ領域で聴覚特性を補正することにより、聞きやすい合
成音声を生成することを可能とすることを目的としてい
る。

【０００９】

【課題を解決するための手段】上記目的を達成する手段
として、音声合成器に聴覚特性を補正するスペクトルパ
タンを複数用意して蓄積する手段と、音声ファイルに蓄
えられた音声素片に対しスペクトル周波数領域でスペク
トルパタンを変形する手段を具備せしめた。

【００１０】補正用のスペクトルは、以下のように求め
られる。なお、図１はオージオメータを用いて聴覚特性
を得る態様を示し、図２は健常者と高齢者とのスペクト
ル差異を求める態様を示す。

【００１１】まず、図１に示すように、健常者の聴覚特
性をオージオメータ等を用いて測定し、そのスペクトル
形状を求めておく。次に図２に示すように聴覚特性の異
なる高齢者に対して、同様に聴覚特性を測定し、その典
型的なものを複数選択し、そのスペクトル形状Ｓ（ω）
を求めたあと、健常者のスペクトルＸ_i （ω）とのスペ
クトル差異Ｄ（ω）を求め、その特性を示すスペクトル
形状（ｌｏｇＤ（ω））を聴覚補正用スペクトルとして
求める。その概形をｎ次のフィルタ（Ｖ（ｚ））で近似
して、そのフィルタ係数を複数蓄えることも考えられ
る。また、音声合成で良く使われるＬＰＣ(Linear Pred
ective Codeing) パラメータなども考えられる。

【００１２】スペクトル変形は、音声ファイルに蓄えら
れた音声素片に対し、補正用に求められたｎ次のフィル
タやＬＰＣフィルタを用いて、フィルタリング処理する
ことにより達成される。

【００１３】

【発明の実施の形態】本発明での実施例を図３に示す。
図中の符号１はコマンド解析部、２は主制御部、３は補
正スペクトル選択部、４は補正スペクトル蓄積部、５は
スペクトル変換部、６は音声素片蓄積部、７は補正済音
声素片蓄積部、８は音声合成部を表わしている。

【００１４】この実施例においては、まずスペクトル補
正コマンドがコマンド解析部１に入力される（処理）
と、主制御部２を介して、補正スペクトル選択部３へ補
正スペクトルの種別を示すコードが送られる（処理
）。

【００１５】補正スペクトル選択部３では、種別コード
に対応する補正スペクトルを補正スペクトル蓄積部４か
らスペクトル変換部５へ転送する（処理）。スペクト
ル変換部５では、音声素片蓄積部６に蓄積されたすべて
の音声素片に対し（処理）。補正スペクトルを用いて
スペクトル変形処理のためのフィルタリング演算処理を
行う。

【００１６】スペクトル補正が施された音声素片は、補
正済音声素片蓄積部７へ送られる（処理）。音声合成
部８では、入力されたメッセージ内容により、適当な音
声素片を補正済音声素片蓄積部７から選択し（処理）
結合されて出力音声が生成される（処理）。

【００１７】

【発明の効果】以上の通りであって、本発明によれば、
高齢化に伴い音響信号受容能力が低下する高齢者に対
し、人が発話する音声に比べて明瞭性や了解性に欠ける
合成音声を聞き取るための負担を大幅に軽減でき、従来
の音声合成器に比べて、音声サービスの適用範囲の拡大
が期待できる。

【００１８】また、補聴器を用いて合成音声を聞く手段
と比較して、補聴器が騒音の種類や騒音レベルの異なる
使用環境下では、入力音声に加えて周囲雑音も増幅して
しまうのに対して、合成音声を生成する段階で、聴覚特
性を補正し聞きやすい合成音声を生成した後に、スピー
カ、ヘッドホン等の付属の出力装置から音声出力される
ので、雑音が一緒に増幅されることが無くなり、形態端
末に実装された音声合成器を用いて屋外で合成音声を聞
く場合にも効果が期待される。

【図面の簡単な説明】

【図１】聴覚特性を求める態様を示す。

【図２】補正スペクトルを求める態様を示す。

【図３】本発明によるスペクトル補正機能付音声合成器
のブロック図を示す。

【符号の説明】

１ コマンド解析部 ２ 主制御部 ３ 補正スペクトル選択部 ４ 補正スペクトル蓄積部 ５ スペクトル変換部 ６ 音声素片蓄積部 ７ 補正済音声素片蓄積部 ８ 音声合成部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 水野 秀之 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 (72)発明者 箱田 和雄 東京都武蔵野市御殿山一丁目１番３号 エ ヌ・ティ・ティ・アドバンステクノロジ株 式会社内 (72)発明者 飛田 瑞広 東京都武蔵野市御殿山一丁目１番３号 エ ヌ・ティ・ティ・アドバンステクノロジ株 式会社内 Ｆターム(参考） 5D045 AA07 BA01

Claims (1)

【特許請求の範囲】
1. 【請求項１】 音素、音節、あるいは、単語、フレーズ
   を単位とする音声素片を組み合わせて、任意の合成音声
   を生成する音声合成装置において、 個人の聴覚特性に応じて、あらかじめ用意された複数の
   聴覚補正用スペクトルを蓄積する補正スペクトル蓄積部
   と、 最適な補正パタンを選択し、音声ファイルに蓄えられた
   音声素片に対し、周波数スペクトル領域で聴覚特性を補
   正するスペクトル補正処理を加えるスペクトル変換部
   と、 音声合成処理を行う音声合成部とを具備することを特徴
   とするスペクトル補正機能つき音声合成器。