JP2001282281A

JP2001282281A - 記憶媒体、配信方法及び音声出力装置

Info

Publication number: JP2001282281A
Application number: JP2000089862A
Authority: JP
Inventors: Ritsu Tanagi; 律棚木; Motoo Kawabata; 基夫川端; Masami Akamine; 政巳赤嶺; Shigenobu Seto; 重宣瀬戸; Takehiko Kagoshima; 岳彦篭嶋; Yoichi Akashi; 陽一赤司; Kunio Maikuma; 邦夫毎熊; Fumiko Takeuchi; 文子竹内; Hiroshi Iwasaki; 博岩崎; Nobuhiro Yamazaki; 悦宏山崎
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2000-03-28
Filing date: 2000-03-28
Publication date: 2001-10-12
Also published as: WO2001073752A1

Abstract

(57)【要約】【課題】文字情報の種類によらず、ユーザーの好みの
人の声色に近づけた合成音声にして再生出力することが
できる音声合成技術を提供する。【解決手段】文字情報４０と中間言語情報２０を用い
て一般的なアクセント及びイントネーションの中間言語
を作成し、さらにこの中間言語に対してボイスフォント
３０を用いて特定の人物の声色に似せた音声５０に合成
して再生出力する。これにより、ボイスフォント３０の
種類をユーザーの好みにあったものにし、合成音声の再
生出力にエンターテイメント性を付与する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、記憶媒体、配信方
法及び音声出力装置に関する。

【０００２】

【従来の技術】従来より、書籍文化は紙に印刷された活
字を人が目で読むというスタイルが長い間続けられてき
たが、近年、電子機器を利用してこの書籍文化を模倣す
るものとして、例えば米国等で普及しているｅ−ＢＯＯ
Ｋ（商品名）のような書籍電子機器が登場してきてい
る。

【０００３】この書籍電子機器は、単純に電子機器のデ
ィスプレイ上に表した活字を読むというものであり、そ
の活字は、電子機器の中のメモリ領域や外部から供給さ
れる記録媒体に、活字のままにテキストデータとして、
あるいは活字イメージの画像データとして格納されてい
る。

【０００４】また、人が朗読した書籍内容をカセットテ
ープやＣＤのような記録媒体に格納した電子パッケージ
書籍を、書籍朗読するための電子機器にかけて聞くよう
な手法も、既に実用化されている。

【０００５】また、コンピュータに自然発声言語をマイ
クから入力し、これを音声認識ソフトによって文字情報
に変換し、記憶装置に記憶していき、認識結果をいわゆ
る読上げソフトによって音声合成し、再生出力してユー
ザに確認させるようにしたアプリケーションソフトも知
られている。そしてこの読上げソフトは単独でも利用す
ることができ、コンピュータに記憶されている文字情報
を音声合成して比較的自然なアクセント、イントネーシ
ョンにして音声出力できるようになっている。

【０００６】

【発明が解決しようとする課題】しかしながら、従来技
術には次のような問題点があった。

【０００７】（１）ディスプレイ上に活字を表示させる
書籍電子機器を用い、ディスプレイ上で集中して活字を
長時間読み続けるには、現行のディスプレイでは未だ印
刷された活字に比して、手軽さ、鮮明度、目に対する負
担の度合い等の点で劣っているため、ユーザーに多くの
負担を強いることになる。解像度を上げるために、紙の
上の活字イメージを画像データとして直接取り込む方法
も行われているが、この場合は、ディスプレイの解像度
の向上も必要であり、かつメモリ領域も多く必要とし、
紙の上の書籍文化の手軽さから懸け離れてくるために現
実的ではない、という問題点があった。

【０００８】（２）電子パッケージ書籍を利用する場合
では、紙の上の活字を読む書籍文化とは別の文化圏、つ
まりラジオドラマのような範疇のものと考えられ、した
がって、紙の上の活字を読む書籍文化に置き換わる、あ
るいは競合するといった分野ではない。また、朗読した
書籍を記録媒体に格納すると、音楽データと同様にデー
タ量が活字データよりも桁違いに膨大なものとなる。そ
のため、メモリ等の記憶媒体に記憶可能な時間が少なく
なり、かつ人が一定時間内に獲得する情報量が、紙の上
の活字を読む場合に比べて格段に少なくなり、やはり紙
の上の書籍文化の手軽さから懸け離れ現実的ではない、
という問題点があった。

【０００９】（３）さらに、読上げソフトは、文字情報
に対して単語毎のアクセント、イントネーション、さら
には一連の語群に対するリズム、イントネーションなど
を特徴づける情報を備えており、また複数種の男性の声
や女性の声、さらにはしゃべり方の速さ、ピッチ、イン
トネーション、高さなどをある程度調整する機能を備え
ているが、なお、棒読み的であり、人の自然な声を聞い
ているものとはほど遠いものであった。

【００１０】本発明は、このような従来技術の問題点を
解決するためになされたもので、特に文字情報の種類に
よらず、ユーザーの好みの人の声色に近づけた合成音声
にして再生出力することができる音声合成技術をもとに
したサービスを提供することを目的とする。

【００１１】本発明はまた、ユーザーの好みの人のボイ
スフォントを選択して入手可能にし、文字情報の音声出
力にエンターテイメント性を付与できるボイスフォント
配信技術を提供することを目的とする。

【００１２】

【課題を解決するための手段】請求項１の発明は、記憶
媒体において、音声合成により出力される音声に対し
て、特定の声色を付与する要素に関する情報についての
み、記憶したことを特徴とする。

【００１３】請求項２の発明は、請求項１に記載の記憶
媒体において、前記情報は、書き換え可能となっている
ことを特徴とする。

【００１４】請求項３の発明は、配信方法において、音
声合成により出力される音声に対して、特定の声色を付
与する要素に関する情報について、情報ネットワークを
通じて配信を行なうことを特徴とする。

【００１５】請求項４の発明は、請求項３に記載の配信
方法において、前記情報は、暗号化して配信を行なうこ
とを特徴とする。

【００１６】請求項５の発明は、請求項３に記載の配信
方法において、前記情報は、複数種の声色に係る要素に
関するものであることを特徴とする。

【００１７】請求項６の発明は、請求項３に記載の配信
方法において、前記配信は、通信キャリアを通じて行な
うことを特徴とする。

【００１８】請求項７の発明は、請求項３に記載の配信
方法において、前記配信は、有料で行なわれ前記情報ネ
ットワークを通じたクレジットカードによる決済で料金
が支払われることを特徴とする。

【００１９】請求項８の発明は、請求項３に記載の配信
方法において、前記音声は、所定の文字情報に基づくも
のであり、この文字情報は文芸書、目覚ましメッセー
ジ、手紙、ゲーム中の台詞、日記、電子メール、映像中
の音声、移動体電話又は据置電話の応答メッセージ、点
字の読取り情報のいずれかであることを特徴とする。

【００２０】請求項９の発明は、音声出力装置におい
て、所定の文字情報に関する文字情報記憶手段と、前記
文字情報について付与する発声速度やリズムに関する中
間言語情報記憶手段と、所定の話者に発声させたときに
この話者に係る特有の声色を付与する要素に関するボイ
スフォント記憶手段と、前記文字情報記憶手段に記憶さ
れている文字情報について、前記中間言語情報記憶手段
に記憶されている中間言語情報を用いて発声速度やリズ
ムに係る中間言語を形成し、この中間言語に対して前記
ボイスフォント記憶手段に記憶されているボイスフォン
トを用いて特定の声色を合成音声にして出力する音声合
成手段とを備えることを特徴とする。

【００２１】請求項１０の発明は、請求項９に記載の音
声出力装置において、前記ボイスフォント記憶手段は、
複数種のボイスフォントを記憶し、前記音声合成手段
は、これら複数種のボイスフォントの中から選択された
ボイスフォントを用いて、前記中間言語にそれぞれ異な
った声色を付けて合成し出力することを特徴とする。

【００２２】これらのような記憶媒体・配信方法・音声
出力装置を用いることによって、ボイスフォントの種類
をユーザーの好みに合ったもの、例えば、有名な俳優、
タレント、声優、キャスター、アナウンサー等のものに
選択することにより、文字情報をそれら話者に特有の声
色に似せた音声にして出力することが可能となり、単な
る音声合成ではなく、合成される音声にユーザーの好み
を反映させエンターテイメント性を付与できる。

【００２３】また、種々のボイスフォントを利用してイ
ンターネットや移動体ネットワークに代表される情報ネ
ットワークを通じて配信し、資格者に有料で配信するサ
ービスを実現することができる。

【００２４】そして、ボイスフォントそのものを文字情
報と同じように、そのときの好みに応じて何度も書き換
え可能なアプリケーションソフトとして商品化すること
ができる。

【００２５】

【発明の実施の形態】以下、本発明の実施の形態を図に
基づいて詳説する。

【００２６】まず図１に基づき、ボイスフォントと中間
言語について説明する。人にある文章を読ませて、その
自然音声を解析すれば、話す速度と音声が有意な言葉と
して聞き取れる要素であるほぼ万人に一般的なアクセン
トやイントネーション・リズム（以下の説明では、標準
語アクセントについて説明するが、方言であってもよ
い）のような規則性のある言語要素（「中間言語情報」
と称する）及び特定の声色（人間、動物その他）を特徴
づける要素（特殊音声パラメータ：ここでは「ボイスフ
ォント」と称する）とを抽出することができる。

【００２７】ここで中間言語情報とは、表音文字列を表
現するもので、具体例としては、読みを表すカタカナ表
記、アクセントを表す制御機能、イントネーションを表
す制御機能、ポーズを表す制御機能を導入して表音文字
列を表現するものである。そして、ボイスフォントと
は、同じ文章を同じ中間言語情報に基づいて朗読したと
しても、声質のパラメータによりそれが誰によって読ま
れているのかを識別できる声色を表現するものである。
そしてこのボイスフォントは、特に有名な俳優、タレン
ト、声優、タレント、キャスター、アナウンサー等の声
色であれば、例えば、書籍の朗読であってもその音声を
ユーザーの好みのものに選択、変更できれるようにすれ
ば、それ自体が流通価値のある商品となる。

【００２８】そこで、例えば、有名な俳優、タレント、
声優、タレント、キャスター、アナウンサー等に個々に
特定の文章を読上げさせる音声収録を行ってデータベー
ス１０に登録する。そして各人の音声を解析することに
より、話す速度やリズムのパラメータから上述した中間
言語情報２０を抽出して記憶し、また声質のパラメータ
を抽出して各人のボイスフォント情報３０を記憶する。

【００２９】つまり、ある文字情報、例えば、文章（原
文）４０を話者に読み上げさせて出力させる場合、次の
ように処理する。まず文章情報４０に対して文解析を行
い、中間言語情報２０を適用してアクセント、イントネ
ーション、リズムを文解析された文に付けると共に、特
定話者Ａのボイスフォント情報３０を用いて声色を付与
して音声合成を行って合成音声５０を生成し、出力する
のである。これにより、最終的に元の文章４０を収録話
者の声色に似せた合成音声５０で読上げさせることがで
きることになる。

【００３０】上記において、文字情報４０とこれを文解
析してアクセント、イントネーション、リズム等の中間
言語情報２０とをひとくくりにして商品とし、これを記
憶させた記録媒体を流通させる方法、あるいはインター
ネットを含む情報ネットワークを通じて配信し、ユーザ
ー端末の記憶装置にダウンロードさせる方法によって流
通させる。またボイスフォント３０についても、これを
記憶させた記録媒体を流通させる方法、あるいはインタ
ーネットや移動体通信ネットワークのような公開情報ネ
ットワークを通じて配信し、ユーザー端末の記憶装置に
ダウンロードさせる方法によって流通させる。この流通
方法については、後述する。

【００３１】そしてユーザーは、図１に示した処理機能
をアプリケーションソフトとして内蔵したコンピュータ
１００によって再生し、あるいは一例として図２に示す
ような再生用電子機器２００によって再生して楽しむこ
とができる。

【００３２】この再生用電子機器２００について説明す
る。この再生用電子機器２００は書籍朗読用のものであ
り、本体２１０はポータブルな形状をなし、カード型若
しくはスティック型の記録媒体である半導体メディアカ
ード２２０Ａ，Ｂが着脱自在に装着されるように構成さ
れている。さらに、機器本体２１０内の電子回路部に
は、復号部２１１、音声合成処理・合成音出力部２１
２、スピーカ（又はイヤホン）２１３、ディスプレイ駆
動部２１４、液晶ディスプレイ２１５、及び制御部２１
６が設けられている。制御部２１６は、例えばマイクロ
プロセッサで構成され、半導体メディアカード２２０
Ａ，Ｂの格納データを読み出す制御や上記各要素間のタ
イミング調整等の機器全体の制御を司る。また、図示は
しないが、制御回路２１６に対して、ユーザーの操作に
応じた各種の指示信号を出力する操作ボタン及びそのイ
ンターフェイス回路も設けられ、上記の各要素の駆動は
内蔵バッテリによって行われる。

【００３３】ここで、半導体メディアカード２２０は、
不揮発性のメモリチップと、このメモリチップを支持す
る薄型カード状若しくはスティック状の基体で構成され
ている。この半導体メディアカード２２０の記憶領域２
２１Ａには、活字データである書籍コンテンツデータＤ
と中間言語データＳとを共に暗号化して生成した暗号化
コンテンツデータＤＳ（ｋａ）が格納されており、記憶
領域２２１Ｂには、ユーザーが入手した好みのボイスフ
ォントデータＶを暗号化して生成した暗号化ボイスフォ
ントデータＶ（ｋａ）が格納されている。

【００３４】実際に、本電子機器２００を動作させるた
めには、半導体メディアカード２２０を機器本体２１０
に差し込み、暗号化コンテンツデータＤＳ（ｋａ）と暗
号化ボイスフォントデータＶ（ｋａ）とを機器本体２１
０内に取り込んで処理することになる。すなわち、この
半導体メディアカード２２０から読み出された暗号化コ
ンテンツデータＤＳ（ｋａ）は復号部２１１で復号され
て、元の書籍コンテンツデータＤとそれに対応した中間
言語データＳが得られる。また半導体メディアカード２
２０から読み出された暗号化ボイスフォントＶ（ｋａ）
も復号部２１１で復号されてボイスフォントデータＶが
得られる。そして音声合成処理・合成音出力部２１２で
は、復号された書籍コンテンツデータＤを受け取って、
このデータＤに対して中間言語データＳを適用して一般
的なアクセント、イントネーション、リズムを備えた中
間音声情報とし、さらに、ボイスフォントＶによりある
人物の声色を付けた音声となるように音声合成を行い、
さらにスピーカ２１３を駆動する。これによって、スピ
ーカ２１３からは、書籍内容を活字化した活字データＤ
が、ユーザーの選択した人物の声色の合成音声として出
力される。

【００３５】一方、復号された書籍コンテンツデータＤ
は、ディスプレイ駆動部２１４にも供給され、このディ
スプレイ駆動部２１４が液晶ディスプレイ２１５を駆動
して、書籍コンテンツデータＤの活字表示を行う。具体
的には、液晶ディスプレイ２１５には、合成音声と同期
した活字を所定字数単位或いは書籍ページ単位で表示す
るようにする。また、ディスプレイ２１５上での活字表
示と合成音の同期は、例えばページ単位で行い、そのペ
ージの朗読が終わったら次のページの表示を行うといっ
た動作を繰り返す。

【００３６】次に、暗号化方式及び復号方式を説明す
る。著作権上の違法なコピーを防止するコピーガードと
して、上述したように半導体メディアカード２２０の記
憶領域２２１Ａには、活字タイプの書籍コンテンツデー
タＤと中間言語データＳを暗号化して生成した暗号化コ
ンテンツデータＤＳ（ｋａ）が格納され、たま記憶領域
２２１Ｂには、ボイスフォントデータＶを暗号化して生
成した暗号化ボイスフォントＶ（ｋａ）が格納されてい
る。なお、電子機器２００に複数スロットを設け、暗号
化コンテンツデータＤＳ（ｋａ）が格納された半導体メ
ディアカードと暗号化ボイスフォントＶ（ｋａ）が格納
された半導体メディアカードとをそれぞれのスロットに
装着する形式にしてもよい。

【００３７】図３は、暗号化方式の一例を示している。
半導体メディアカード２２０は、暗号化コンテンツデー
タＤＳ（ｋａ）を記憶する記憶領域２２１Ａ、暗号化ボ
イスフォントデータＶ（ｋａ）を記憶する記憶領域２２
１Ｂのほかに、識別番号Ａ（メディアユニークＩＤ：
Ａ）を記憶する読み出し専用領域２２２を有している。

【００３８】まず、半導体メディアカード２２０のこの
専用領域２２２から識別番号Ａを読み出し、識別番号Ａ
をキー或いはキーの一部とするキー化を行って暗号キー
（ｋａ）を生成する（図３のＴ１）。そして、この暗号
キー（ｋａ）を用いて、オリジナルの書籍コンテンツデ
ータＤと中間言語データＳを暗号化することで（図３の
Ｔ２）、暗号化されたコンテンツデータＤＳ（ｋａ）を
生成し、この暗号化コンテンツデータＤＳ（ｋａ）を半
導体メディアカードカード２２０の記憶領域２２１Ａに
格納する（図３のＴ３）。ボイスフォントデータＶにつ
いても、コンテンツデータＤＳと同様に暗号化して記憶
領域２２１Ｂに格納する。なお、ボイスフォントデータ
ＶはコンテンツデータＤＳと別個に流通させるので、ボ
イスフォントデータＶについては別の識別番号Ｂを登録
し、この識別番号Ｂをキー或いはキーの一部とするキー
化を行って暗号キー（ｋｂ）を生成する方が実用的であ
る。ただし、ここでの説明では、同じ識別番号Ａにより
生成した暗号キー（ｋａ）を採用した場合を説明する。

【００３９】このようにして半導体メディアカード２２
０に格納された暗号化コンテンツデータＤＳ（ｋａ）、
そしてボイスフォントデータＶ（ｋａ）を機器本体２１
０で再生する方法について、以下、図４を用いて説明す
る。

【００４０】図４は、復号方式の一例を示す図である。
まず、制御部２１６は、機器本体２１０に装着された半
導体メディアカード２２０の識別番号Ａを読み込み、こ
の識別番号Ａをキー或いはキーの一部とするキー化を行
って暗号キー（ｋａ）を生成する（図４のＴ２１）。復
号部２１１は、この暗号キー（ｋａ）を用いて、識別番
号Ａを有する半導体メディアカード２２０の記憶領域２
２１Ａから読み出された暗号化コンテンツデータＤＳ
（ｋａ）を復号し（図４のＴ２２，Ｔ２３）、これによ
って、オリジナルの書籍コンテンツデータＤと中間言語
データＳを取り出す。同様にしてボイスフォントデータ
Ｖも復号して取り出す。

【００４１】ここで、識別番号Ａを持つ半導体メディア
カード中の暗号化コンテンツデータＤＳ（ｋａ）が、識
別番号Ｃを持つ半導体メディアカードにコピーされると
いう違法コピーが行われたとする。この場合は、識別番
号Ｃを持つ半導体メディアカードには暗号化コンテンツ
データＤＳ（ｋａ）が格納され、この半導体メディアカ
ードを機器本体２１０に装着して、当該半導体メディア
カード中の暗号化コンテンツデータＤＳ（ｋａ）を再生
しようとしても、暗号化コンテンツデータＤＳ（ｋａ）
は当該機器本体２１０内で暗号化キー（ｋｃ）を用いて
は復号されないため、再生することができない。本機器
本体２１０内において、識別番号Ｃを持つ半導体メディ
アカードが復号できるのは、正しく暗号化されたコンテ
ンツデータＤＳ（ｋｃ）が格納されている場合のみであ
る。

【００４２】このような再生用電子機器２００は、活字
データの記録媒体としてメモリカードタイプのものであ
る半導体メディアカードを使用しているので、記録媒体
自体が小型軽量であるばかりでなく、磁気や光ディスク
方式と比べて駆動部分がないために、機器本体２１０が
小型化且つ軽量化される。したがって、ユーザーは、イ
ヤホンなどで音声合成音を聞きながら、液晶ディスプレ
イ２１５上に表示された活字を目で追いかけることがで
きるため、音のみで聞いて書籍内容を理解するよりも理
解を容易にし且つ深めることが可能になる。さらに、合
成音声だけで携帯的に使うことも、完全に本のようにデ
ィスプレイ２１５上の活字だけを読むように使うことも
可能に構成されており、使い方はその時の状況とユーザ
ーの好みによって使い分けることができる。

【００４３】そして本実施の形態の場合、文芸書その他
の書籍をボイスフォントによってユーザーの好みの人物
の声色にして朗読させるので、エンターテイメント性が
一層向上する。

【００４４】なお、暗号化を不要とするケースも考えら
れるが、その場合の再生用電子機器２００は、機器本体
２１０内の復号部２１１を省略することになる。

【００４５】また、本実施形態の変形例として、書籍の
中のコミック・漫画・劇画と呼ばれるジャンルを取り扱
う場合、書籍コンテンツデータＤは、活字データではな
く、イメージデータとなり、中間言語データＳはコミッ
ク・漫画・劇画の中に書かれた活字データを取り出し、
それを基に音声ルールを付加したものとなる。

【００４６】イメージデータは活字データに比べて、半
導体メディアカード２２０に必要とされるメモリ容量が
白黒のイメージデータとしても５倍以上は必要となる
が、書籍の中のコミック・漫画・劇画と呼ばれるジャン
ルもカバーできるようになる。

【００４７】なお、上記では再生用電子機器２００につ
いて説明したが、同じコンテンツデータ、ボイスフォン
トを格納している半導体メディアカードにアクセス可能
なスロットを備えたマルチメディア対応のコンピュータ
（デスクトップタイプ、ノートタイプ、さらに小形のＰ
ＤＡ）においても同様の機能を発揮させることができ
る。

【００４８】次に、上記のコンピュータや再生用電子機
器２００で書籍その他の文芸書のコンテンツデータＤ
Ｓ、そしてボイスフォントＶの配信方法について説明す
る。図５は、コンテンツデータＤＳ、そしてボイスフォ
ントデータＶの配信におけるライセンス関係の一例を示
している。文芸著作物には著作権が絡み、また当該中間
言語データ及びボイスフォントデータに関連する技術の
実施権のライセンスも絡んでくる。そこで、コンテンツ
データＤＳ、そしてボイスフォントデータＶの作成に関
連する技術を所有するライセンサーＬ１は、書籍メーカ
ーＬ２から文芸著作物のディジタル化権を買い上げる。
そして、著作物の文字情報（書籍コンテンツデータ）に
対する中間言語データを作成する必要があり、これを中
間言語メーカーＬ３にライセンスする。中間言語メーカ
ーＬ３はこれを外部のソフトメーカーＬ４に外注し、或
いは社内において書籍コンテンツデータＤと中間言語デ
ータＳとを統合したコンテンツデータＤＳを作成する。

【００４９】同様に、ライセンサーＬ１は、俳優、タレ
ント、歌手、その他の人物Ｌ５から音声データを収録
し、ボイスフォントデータを作成するためのデジタル化
権の契約を結ぶ。そしてボイスフォントメーカーＬ６に
ボイスフォント化をライセンスする。ボイスフォントメ
ーカーＬ６は、自社内で或いはソフトメーカーＬ４に外
注してボイスフォントデータＶを作成する。

【００５０】なお、ライセンサーＬ１は中間言語メーカ
ーＬ３に対して中間言語作成技術のライセンスを与え、
中間言語メーカーＬ３側で個別に書籍メーカーＬ２と文
芸著作物に対するデジタル化権を取得させるようにして
もよい。またボイスフォントメーカーＬ６に対してもボ
イスフォント作成技術のライセンスを与え、ボイスフォ
ントメーカーＬ６側で個別に特定の人物Ｌ５とボイスフ
ォント作成の契約を結ばせるようにしてもよい。

【００５１】また中間言語メーカーＬ３とボイスフォン
トメーカーＬ６は同一であっても異なっていてもよい。
そして、これらのメーカーＬ３，Ｌ６は以下で説明する
通信キャリア又はプロバイダとして、インターネット上
での配信、あるいは通信販売を行う。

【００５２】次に、図６に基づいてコンテンツデータ及
びボイスフォントデータの配信（通信販売も含む）方法
について説明する。図６に示すように、書籍に代表され
るコンテンツプロバイダ３００、そしてこれと同一或い
は別個の中間言語作成者（プロバイダ）３０２、またこ
れと同一或いは別個のボイスフォント作成者（プロバイ
ダ）３０１は通信キャリアを通じて、インターネットの
ような情報ネットワーク３１０上にｅ−ビジネスの販売
ショップ又はダウンロードサイトを展開する。

【００５３】（１）ネットワークを通じた配信コンテンツデータプロバイダ３００であれば、ダウンロ
ードサイトを展開して、種々の暗号化コンテンツデータ
ＤＳ（ｋａ）をアップロードしておき、ユーザーから所
定の購入手続を行わせ、条件、資格にかなったアクセス
に対してダウンロードさせ、ユーザー端末３２０のハー
ドディスク、半導体メディアカードなどに保存させる。

【００５４】同様にボイスフォントプロバイダ３０１も
同様に、情報ネットワーク３１０上にダウンロードサイ
トを展開して、種々の暗号化ボイスフォントデータＶ
（ｋａ）をアップロードしておき、ユーザーから所定の
購入手続によりダウンロードさせ、ユーザー端末３２０
のハードディスク、半導体メディアカードなどに保存さ
せる。

【００５５】なお、これらの情報ネットワーク３１０を
通してのダウンロードによる対価は、簡便のために、通
常はユーザーが登録したクレジットカード会社からのこ
の情報ネットワーク３１０を通じた支払とする。

【００５６】（２）ネットワークを通じた販売プロバイダ３０１，３０２は情報ネットワーク３１０上
にｅ−ショップを展開しておく。そして暗号化コンテン
ツデータＤＳ（ｋａ）、暗号化ボイスフォントデータＶ
（ｋａ）は半導体メディアカード、ＣＤ−ＲＯＭ、ＦＤ
等の記録メディアに格納した商品として準備しておく。

【００５７】そしてユーザーがユーザー端末３２０を通
じて通信販売の申し込みを行えば、申し込みのあったコ
ンテンツやボイスフォントの記録媒体を宅配業者を通じ
て配達する。この場合の対価の支払は、通常のｅ−ショ
ップ（インターネットショッピングやテレビショッピン
グなど）と同様、クレジット、代引払い、郵便振替等を
利用する。

【００５８】なお、情報ネットワークを通じた電子的な
配信、また記録メディアを販売する場合のいずれであっ
ても、コピーガードのための暗号化したデータを配信
し、あるいは記録媒体に格納して販売することになる。
そのため、ユーザーは暗号化されたデータの復号のため
の暗号キーの取得が必要であるが、そのためには、申し
込みユーザー毎にパスワードを登録させておき、暗号化
の際にそのパスワードを利用して暗号化し、またパスワ
ードによって復号できる様式にするのが好ましい。

【００５９】また再生用電子機器での使用を前提とする
場合、再生用電子機器毎に異なった暗号キーを割り付
け、コンテンツやボイスフォント購入の際にその暗号キ
ーを識別する番号をユーザーから送信させ、この番号を
上述したパスワードのように用いるようにしてもよい。

【００６０】以上のコンテンツ及びボイスフォントのソ
フトウェア配信の課金システムは、図７のようにまとめ
ることができる。ライセンサー４００は例えば、インタ
ーネットを利用する通信キャリア４０１に対しては課金
委託のライセンスを行い、また無線通信ネットワークを
利用する通信キャリア４０２に対しても同様のライセン
スを行う。なお、ここで通信キャリア４０１，４０２が
自ら若しくは外注にてコンテンツを制作する場合には、
ライセンサー４００は不要となる。

【００６１】通信キャリア４０１，４０２はユーザー４
１０からの配信申し込みに対してコンテンツデータ、ボ
イスフォントデータを配信し、同時に対価の決済方法を
も取り決め、対価をクレジット会社のような決済業者４
０３や無線通信事業者のような課金業者４０４から受け
る。そしてユーザー４１０は対価をこれらの決済業者４
０３、課金業者４０４に支払う。

【００６２】上述したように情報ネットワークを通じて
ソフトウェアを格納した記録メディアを販売する場合、
通信キャリア４０１，４０２は申し込みのあった記録メ
ディアを運送業者４０５に委託して宅配させることにな
る。この場合には、代引配送であれば、運送業者４０５
がユーザー４１０から代金を代理受領し、通信キャリア
４０１，４０２に対して代金精算することになる。

【００６３】ユーザーが自身の好みのコンテンツデー
タ、そしてボイスフォントデータを取得すれば、これを
用いてコンテンツを再生することになる。この再生に
は、図１で示した機能を有するコンピュータ１００ある
いは図２に示した再生用電子機器２００を利用する。

【００６４】再生形態は、図８に示すようなものであ
る。いま、ユーザー４１０は通信キャリア４０１又は４
０２から書籍コンテンツと中間言語データから成るコン
テンツデータ５００を取得し、また（Ａ），（Ｂ），
（Ｃ）３種類のボイスフォント５０１Ａ，５０１Ｂ，５
０１Ｃを取得しているとする。なお、実際には暗号化さ
れているが、ここでは説明を省略する。

【００６５】ユーザー４１０は、コンテンツ５００を再
生する場合、ボイスフォント（Ａ）５０１Ａを選択して
再生するならば、コンテンツ５００の文字情報が音声Ａ
の声色で出力されるのを聴取できることになる。そして
ボイスフォント（Ｂ）５０１Ｂを選択すれば、同じ内容
のコンテンツ５００を音声Ｂの声色で聴取することがで
き、さらにボイスフォント（Ｃ）５０１Ｃを選択すれ
ば、音声Ｃの声色で聴取できることになる。

【００６６】このようにして、本発明の実施の形態によ
れば、小説や随筆のような文学書、漫画、劇画の類の文
芸書、さらに一般の文字情報を音読させて聴取させる場
合、同じ内容の文字情報であってもボイスフォントの選
択によりユーザーの好みの声色にして聴取させることが
できるのである。

【００６７】なお、ボイスフォントの用途は上述した文
芸書その他の文字情報を音読する場合に限られるわけで
はなく、次のように広い用途に利用でき、点字であって
もその対象となり、福祉分野でも利用できる。

【００６８】（１）目覚まし時計、またＰＤＡその他の
電子機器でアラーム機能を有しているものにおいて、時
刻到来のメッセージをユーザーの好みの人物の声色の合
成音声にして出力させることができる。

【００６９】（２）手紙、日記、電子メールのような文
字情報を読上げるソフトにおいて、その文字情報を好み
の人物の声色の合成音声にして読上げさせることができ
る。

【００７０】（３）映像中の音声やコンピュータゲーム
中の台詞を、好みの人物の声色の合成音声にして出力さ
せることができる。

【００７１】（４）移動体電話又は据置電話の自動応答
メッセージを、好みの人物の声色の合成音声にして出力
させることができる。

【００７２】（５）点字情報を音声出力させる場合に
も、好みの人物の声色の合成音声にして出力させること
ができる。

【００７３】さらに、ボイスフォントの配信方法につい
ては、多数のボイスフォントデータをキオスク端末に登
録しておき、ユーザーが自分用のメモリカードを用意し
てそのキオスク端末に挿入して有償で好みのボイスフォ
ントデータを選択してダウンロードさせる方法を採用す
ることもできる。

【００７４】また、上記の実施の形態では暗号化技術を
必須のものとして説明したが、ボイスフォントの暗号化
は商業的に、無資格者の盗用を防止するために必要なも
のであり、不特定人に使用させることに支障がなけれ
ば、暗号化技術を採用する必要はない。また、コンテン
ツの内容に応じて暗号化技術を採用するようにしてもよ
い。

【００７５】

【発明の効果】以上のように本発明の記憶媒体、配信方
法又は音声出力装置を用いることによって、ボイスフォ
ントの種類をユーザーの好みに合ったもの、例えば、有
名な俳優、タレント、声優、キャスター、アナウンサー
等のものに選択することにより、文字情報をそれら話者
に特有の声色に似せた音声にして出力することが可能と
なり、単なる音声合成ではなく、合成される音声にユー
ザーの好みを反映させエンターテイメント性を付与でき
る。

【００７６】また、種々のボイスフォントを利用してイ
ンターネットや移動体ネットワークに代表される情報ネ
ットワークを通じて配信し、資格者に有料で配信するサ
ービスを実現することができる。

【００７７】そして、ボイスフォントそのものを文字情
報と同じように、そのときの好みに応じて何度も書き換
え可能なアプリケーションソフトとして商品化すること
ができる。

【図面の簡単な説明】

【図１】本発明の１つの実施の形態におけるボイスフォ
ントの収録処理及びそれを利用するシステムの構成を示
すブロック図。

【図２】本発明の他の実施の形態における再生用電子機
器のブロック図。

【図３】上記の実施の形態におけるコンテンツ及びボイ
スフォントの暗号化処理を示すフロー図。

【図４】上記の実施の形態におけるコンテンツ及びボイ
スフォントの復号処理を示すフロー図。

【図５】本発明のさらに他の実施の形態における中間言
語データ、ボイスフォントデータのライセンス関係を示
す説明図。

【図６】上記の実施の形態におけるコンテンツデータ及
びボイスフォントデータのネットワークを通じた配信シ
ステムを示すブロック図。

【図７】上記の配信システムにおける課金関係を示すブ
ロック図。

【図８】上記の実施の形態における複数のボイスフォン
トの利用形態を示すフロー図。

【符号の説明】

１０音声データベース２０中間言語情報３０ボイスフォント４０文章５０合成音声１００コンピュータ１１０文解析処理部１２０中間言語情報記憶部１３０イントネーション・リズム生成部１４０音声合成処理部１５０ボイスフォント記憶部２００再生用電子機器２１０本体２１１復号部２１２音声合成処理・合成音出力部２１３スピーカ２１４ディスプレイ駆動部２１５ディスプレイ２１６制御部２２０半導体メディアカード２２１Ａ記憶領域２２１Ｂ記憶領域２２２識別番号Ａ３００コンテンツプロバイダ３０１ボイスフォントプロバイダ３０２中間言語プロバイダ３１０情報ネットワーク３２０ユーザー端末

───────────────────────────────────────────────────── フロントページの続き (72)発明者赤嶺政巳神奈川県川崎市幸区小向東芝町１株式会社東芝研究開発センター内 (72)発明者瀬戸重宣神奈川県川崎市幸区小向東芝町１株式会社東芝研究開発センター内 (72)発明者篭嶋岳彦神奈川県川崎市幸区小向東芝町１株式会社東芝研究開発センター内 (72)発明者赤司陽一東京都港区芝浦一丁目１番１号株式会社東芝本社事務所内 (72)発明者毎熊邦夫東京都港区芝浦一丁目１番１号株式会社東芝本社事務所内 (72)発明者竹内文子東京都港区芝浦一丁目１番１号株式会社東芝本社事務所内 (72)発明者岩崎博東京都港区芝浦一丁目１番１号株式会社東芝本社事務所内 (72)発明者山崎悦宏東京都港区芝浦一丁目１番１号株式会社東芝本社事務所内Ｆターム(参考） 5C064 BA01 BB01 BC03 BC20 BD02 BD08 5D045 AA09 AB01 AB14 AB26 5D108 CA02 CA07 CA15 CA21 CA28 CA29

Claims

【特許請求の範囲】

【請求項１】音声合成により出力される音声に対し
て、特定の声色を付与する要素に関する情報についての
み、記憶したことを特徴とする記憶媒体。
【請求項２】前記情報は、書き換え可能となっている
ことを特徴とする請求項１に記載の記憶媒体。
【請求項３】音声合成により出力される音声に対し
て、特定の声色を付与する要素に関する情報について、
情報ネットワークを通じて配信を行なうことを特徴とす
る配信方法。
【請求項４】前記情報は、複数種の声色に係る要素に
関するものであることを特徴とする請求項３に記載の配
信方法。
【請求項５】前記情報は、暗号化して配信を行なうこ
とを特徴とする請求項３に記載の配信方法。
【請求項６】前記配信は、通信キャリアを通じて行な
うことを特徴とする請求項３に記載の配信方法。
【請求項７】前記配信は、有料で行なわれ前記情報ネ
ットワークを通じたクレジットカードによる決済で料金
が支払われることを特徴とする請求項３に記載の配信方
法。
【請求項８】前記音声は、所定の文字情報に基づくも
のであり、この文字情報は文芸書、目覚ましメッセー
ジ、手紙、ゲーム中の台詞、日記、電子メール、映像中
の音声、移動体電話又は据置電話の応答メッセージ、点
字の読取り情報のいずれかであることを特徴とする請求
項３に記載の配信方法。
【請求項９】所定の文字情報に関する文字情報記憶手
段と、前記文字情報について付与する発声速度やリズムに関す
る中間言語情報記憶手段と、所定の話者に発声させたときにこの話者に係る特有の声
色を付与する要素に関するボイスフォント記憶手段と、前記文字情報記憶手段に記憶されている文字情報につい
て、前記中間言語情報記憶手段に記憶されている中間言
語情報を用いて発声速度やリズムに係る中間言語を形成
し、この中間言語に対して前記ボイスフォント記憶手段
に記憶されているボイスフォントを用いて特定の声色を
合成音声にして出力する音声合成手段とを備えることを
特徴とする音声出力装置。
【請求項１０】前記ボイスフォント記憶手段は、複数
種のボイスフォントを記憶し、前記音声合成手段は、こ
れら複数種のボイスフォントの中から選択されたボイス
フォントを用いて、前記中間言語にそれぞれ異なった声
色を付けて合成し出力することを特徴とする請求項９に
記載の音声出力装置。