JP2001343991A

JP2001343991A - 音声合成処理装置

Info

Publication number: JP2001343991A
Application number: JP2000163460A
Authority: JP
Inventors: Akihiro Kumada; 章寛隈田
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 2000-05-31
Filing date: 2000-05-31
Publication date: 2001-12-14
Anticipated expiration: 2020-05-31
Also published as: JP3603008B2

Abstract

(57)【要約】【課題】より見やすく扱いが容易な音声合成処理装置
を提供する。【解決手段】音質切替情報が挿入される入力文章を、
先頭から一文字ずつ読み出し、声質切替情報の場合は、
声質切替情報を声質切替履歴記憶手段２６に格納し、そ
うでない場合は、音声合成文一時記憶手段２４に発声す
る音声合成文として記憶しておく。そして、次に声質切
替情報を読み出したとき、一番上に格納される声質切替
情報と音声合成文一時記憶手段２４に記憶される音声合
成文とを音声合成処理部２７に送り、指定された声質
で、音声合成文を発声する。音声切替情報として、一番
上に格納される音声切替情報を解除する声質解除情報を
設定することで、声質を解除し、たとえば標準声質設定
に戻すことができる。この声質解除情報として、改行コ
ードや句読点コードを用いることで、表示が煩雑になら
ず、見やすくすることができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、読み取った文章を
発声させる音声合成処理装置に関する。

【０００２】

【従来の技術】特開平８−８３２７０号公報には、音声
合成装置においてテキストデータに話調に関するデータ
を指定することで、その複合データから自動的に話調を
変更して音声を出力できる構成が開示されている。これ
は起伏のない朗読調になりがちな音声合成処理におい
て、使用者がテキストデータに対して感情的な話調デー
タを指定することで、擬似的に起伏のある感情のこもっ
ているような音声を自動的に発声させることを可能にし
ている。

【０００３】

【発明が解決しようとする課題】しかしながら、上述し
た従来の方式では、頻繁に話調が変化するような文章で
は話調変更に関する表示データが多く煩雑であり、見づ
らくなることがある。

【０００４】本発明では、話調変更規則を改善すること
により、より見やすく扱いが容易にすることを目的とす
る。

【０００５】

【課題を解決するための手段】本発明は、発声する音声
合成文および発声する声質の指定、切替を行う声質切替
情報を含む入力文章を順に読み込んで音声合成文および
声質切替情報を抽出し、抽出した音声合成文を、声質切
替情報に基づいて音声合成処理を行い、指定された声質
で発声する音声合成処理装置において、抽出した声質切
替情報を順に格納する声質切替履歴記憶手段を有し、読
み出した音声合成文は、最も新しく格納された声質切替
情報に基づいて発声し、前記声質切替情報は、声質の指
定を示す声質切替情報を解除する声質解除情報を含み、
声質解除情報を読み出したとき、最も新しく格納された
声質切替情報を解除し、以降の文章は、その次に格納さ
れる以前の声質切替情報に基づいて発声することを特徴
とする音声合成処理装置である。

【０００６】また本発明の前記声質解除情報は、改行コ
ードを含むことを特徴とする。また本発明の前記声質解
除情報は、句点コードまたは読点コードを含むことを特
徴とする。

【０００７】本発明に従えば、入力文章は音声合成文と
声質切替情報とを含み、入力文章を順に読み取って、音
声合成文と声質切替情報を読み出し、抽出した声質切替
情報を声質切替履歴記憶手段に格納しておく。そして、
読み出した音声合成文を、最も新しく格納された声質切
替情報に基づいて発声する。このようにして、入力文章
に挿入された声質切替情報に応じて声質を変更して発声
する。本発明では、声質切替情報は声質解除情報を含
み、声質解除情報を読み出したとき、声質切替履歴記憶
手段に最も新しく格納された声質切替情報が打ち消され
て解除される。これによって、次の声質切替履歴記憶手
段は、前回の声質切替情報に基づいて発声される。した
がって、たとえば最初に標準声質設定を行った場合に
は、声質を変える部分の文頭に声質切替情報を設定し、
文末に声質解除情報を設定することで、もとの標準声質
にもどすことができる。

【０００８】また、本発明では改行コードや句読点な
ど、入力文章にもともと挿入されるコードを声質解除情
報に設定することによって、前述した従来技術のよう
に、話調変更に関する表示データが煩雑に表示されるこ
とが防がれ、見ずらくなるといったことが防がれる。

【０００９】また本発明の前記声質切替情報は、疑問符
または感嘆符を含むことを特徴とする。

【００１０】また本発明は、声質切替情報である前記疑
問符、または感嘆符を読み出したとき、その直前の音声
合成文の語句を、声質切替情報に対応付けられた声質で
発声させることを特徴とする。

【００１１】本発明に従えば、疑問符や感嘆符を声質切
替情報とし、たとえば疑問符を読み出したとき、その直
前の語句の語尾が上がるように設定したり、感嘆符の直
前の語句は、驚いた口調で発生するように設定すること
によって、特別な話調変更データを挿入しなくとも、自
然な話調で発声することができる。

【００１２】

【発明の実施の形態】以下、添付した図面を参照して本
発明の音声合成処理装置の実施の一形態について詳細に
説明する。本実施形態の音声合成処理装置は、たとえば
パーソナル・コンピュータ、または携帯情報端末などの
情報処理装置によって実現される。

【００１３】図１は本実施形態の音声合成装置１の概略
構成を示すブロック図である。本装置はＣＰＵ（centra
l processing unit）１１、ＲＯＭ（read only memor
y）１２、ＲＡＭ(random access memory)１３、記憶装
置１４、辞書１５、入力部１６、表示部１７、音響処理
部１８、およびスピーカ１９から構成される。つぎに、
本装置の概要について説明する。記憶装置１４には、音
声合成を行う文章が格納されており、使用者は入力部１
６、表示部１７により前記文章に音質切替情報を挿入し
て文章の編集を行い、音声合成文および声質切替情報を
含む入力文章を作成する。なお、声質切替情報の具体的
な挿入方法については、図８〜図１４で詳細に説明す
る。

【００１４】音声合成処理のプログラムはＲＯＭ１２に
格納されており、辞書１５には、漢字の読みやアクセン
ト情報がデータとして登録されている。ＣＰＵ１１は、
ＲＯＭ１２に格納されるプログラムにしたがって記憶装
置１４から前記入力文章を読み出し、辞書１５に記憶さ
れたデータをもとに音響処理部１８で抑揚とともに、指
定された声質で音声合成を行い、スピーカ１９から発声
する。

【００１５】図２は音声合成装置１の音声合成処理の構
成を示すブロック図である。処理部２２は、前記記憶装
置１４から声質切替情報が含まれた入力文章２１を順に
読み出し、音声合成処理を行い、声質切換を伴った音声
２８を発声させる。

【００１６】処理部２２は、フォント音質対応記憶手段
２３、音声合成文一時記憶手段２４、声質切替履歴記憶
手段２６、音声合成処理部２７とを有する。これらは、
実行時にＲＡＭ１３に生成される。

【００１７】フォント声質対応記憶手段２３は、図３に
一例として示すように、フォントと声質切替情報とを対
応させて記憶している。たとえば、フォント欄に示され
ているロボットの顔に似せた絵文字は、“ロボットの声
にする”という声質切替情報に対応づけられている。ま
た、句点“。”は、声質解除情報として対応づけられお
り、“！”、“？”は、それぞれのフォントが出現する
以前の文章を、驚いた声、疑問の声で発声する声質切替
情報と対応づけられている。

【００１８】また、通常は表示されないが、テキストデ
ータに含まれる改行コードや読点“、”を声質解除情報
として設定してもよい。

【００１９】つぎに、音声合成処理方法について説明す
る。入力文章２１は先頭から一文字ずつ読み出して処理
が行われる。読み出したフォントが、フォント声質対応
記憶手段２３で対応づけされていない場合は、音声合成
文となるテキストデータとして、音声合成文一時記憶手
段２４に一時的に記憶する。また、対応づけされた声質
切替フォントは対応する声質切替情報２５に変換し、こ
の声質切替情報２５に従って、声質情報を声質切替履歴
記憶手段２６に記憶する。

【００２０】このようにして、一連の入力文章を読み込
み、音声合成文一時記憶手段２４に記憶された音声合成
文と共に声質切替情報を音声合成処理部２７に送り、音
声２８として発声する。

【００２１】図４〜６は声質切替履歴記憶手段２６の記
憶形式及び動作について示したものである。声質切替履
歴記憶手段はスタックのような動作を行い、読みだした
順に声質切替情報がスタックにプッシュされ、声質解除
情報によりスタックからポップされるものとする。

【００２２】図４を参照して音質切替履歴記憶手段２６
の動作について説明する。音質切替履歴記憶手段２６に
は、下から“宇宙人の声”、“相撲取りの声”、“お婆
さんの声”の順に音質切替情報が積み上げられて格納さ
れており、音声合成文一時記憶手段２４に記憶されてい
る情報はリセットされ、何も記憶されていないものとす
る。そして、入力文章を順に読み出し、音質切替情報が
現れるまで、音声合成文一時記憶手段２４に音声合成文
がテキストデータとして蓄積される。

【００２３】図４の４１の状態は、“ロボットの声にす
る”という声質切替情報が現れたときの状態を示す。声
質切替情報が現れると、声質切替情報履歴記憶手段２６
に最後に積まれた情報である“お婆さんの声にする”と
いう声質情報と共に音声合成文一時記憶手段２４に記憶
された音声合成文を音声合成処理部２７へ送り、音声合
成文をお婆さんの声で発声させる。その上で、“ロボッ
トの声にする”という声質情報を音質切替履歴記憶手段
２６の最後に積むことにする。そうすることで、声質切
替情報以後の文章を、ロボットの声質で発声させること
ができる。

【００２４】図５は声質切替情報として声質解除情報が
与えられた場合の処理を示す。５１の状態から声質解除
情報が与えられた時は、それまでに最後に積まれた情報
である“ロボットの声にする”という声質情報と共に音
声合成文一時記憶手段２４に記憶された文章を音声合成
処理部へ送り、ロボットの声で発声させる。その上で、
スタックの最上部に積まれた“ロボットの声にする”と
いう声質情報をスタックから削除する（５２）。そうす
ることにより、次に発声される文章を元の声質情報であ
る“お婆さんの声”に戻すことが可能となる。

【００２５】また、図３で示したように、句点“。”を
声質解除情報と設定することで、一文ずつ、音質切替履
歴記憶手段２６に積まれた声質切替情報を取り出し、一
文ごとに、声質切替履歴記憶手段２６に格納される声質
切替情報で順に発声することができる。

【００２６】また、改行コードを声質解除情報として設
定した場合は、一段落を一まとまりの音声合成文として
発声することができ、読点“、”を声質解除情報として
設定した場合は、読点で区切られた文章を一まとまりの
音声合成文として発声することができる。また、図４の
４２で“ロボットの声にする”という声質情報をスタッ
クに積むとき、複数、たとえば２個積むことにより、そ
の直後の声質解除情報を無効にし、２文を指定された声
質で発声させることも可能である。

【００２７】図６は直前文声質切替情報が与えられた場
合の処理を示している。図３で示したように、“！”お
よび“？”には、直前文声質切替情報が対応付けられて
おり、図６の６１の状態において、“！”に対応づけら
れた“驚いた声にする”という直前文声質切替情報が与
えられた時は、最後に積まれた情報である“お婆さんの
声”という声質情報に“驚いた声”という声質情報を加
えた上に、音声合成文一時記憶手段２４に記憶された文
章と共に音声合成処理部へ送り、お婆さんの驚いた声で
発声させる。この“驚いた声”の声質情報は声質切替履
歴手段２６には積まず、声質切替履歴手段２６はそのま
まの状態を保持する（６２）。

【００２８】図７は本発明の動作を示すフローチャート
である。前述したように、声質切替情報を含んだ入力文
章を１文字づつ読み出し、図７に示すフローチャートに
従って一文字ずつ処理する。

【００２９】まず、読み出した文字が声質切替情報であ
るかを判定し（ステップＳ７０１）、声質切替情報の場
合は図４で示したように声質切替履歴記憶手段２４の最
上部に積まれた声質情報で発声させる（ステップＳ７０
２）。その後、音声合成文一時記憶手段２４に記憶され
る音声合成文を削除した上で、入力切替情報を声質切替
履歴手段２６に積んで元の処理に戻る（ステップＳ７０
３）。

【００３０】声質切替情報でない場合は、声質解除情報
であるかを判定し、（ステップＳ７０４）、声質解除情
報の場合は図５で示したように声質切替履歴記憶手段２
４の最上部に積まれた声質情報で発声させる（ステップ
Ｓ７０５）。音声合成文一時記憶手段２４の音声合成文
を削除した上で、声質切替履歴記憶手段２４の最上部に
積まれた声質情報を削除し、元の処理に戻る（ステップ
Ｓ７０６）。

【００３１】声質解除情報でない場合は、直前文声質切
替情報であるかを判定し、（ステップＳ７０７）、直前
文声質切替情報の場合は図６で示したように声質切替履
歴記憶手段２４の最上部に積まれた声質情報に直前文声
質切替情報を加えた声質で発声させ、音声合成文一時記
憶手段２４の情報を削除した上で、元の処理に戻る（ス
テップＳ７０８）。

【００３２】直前文声質切替情報でない場合は、通常の
テキストデータとして、音声合成文一時記憶手段２４に
一時記憶（ステップ７０９）し、その後、全文が終了し
たかどうかを判定し（ステップ７１０）、終了していな
い場合は元の処理に戻る。終了した場合は、音声合成文
一時記憶手段２４に記憶される音声合成文を声質切替履
歴記憶手段２４の最上部に積まれた声質情報で発声して
処理を終了する（Ｓ７１１）。

【００３３】図８〜１４は音声合成処理すべき文章に声
質切替情報を挿入して入力文章を作成するときの表示例
である。文章全文を指定された声質で発声される場合
は、まず、図８に示すように、文章の先頭にカーソル１
００を配置する。つぎに、図９に示すように、その場所
でメニュー表示を表示させる、そこで希望の声質を選択
する。こうすることで、フォント声質対応記憶手段２３
に記憶されている対応付けされたフォント１０１が、図
１０のようにカーソル位置に挿入される。このように文
章の先頭にのみ声質切替情報が挿入された入力文章は、
全文が指定された声質で発声される。

【００３４】その他の設定状態として、文章全体に標準
声質設定が指定されており、句点コード“。”が声質解
除情報に対応づけられており、上記したように、文章の
先頭のみに声質切替情報が挿入される場合は、最初の文
章の“突然ですが、本日５時に集まることになりまし
た。”のみが声質切替情報で指定された声質で発声さ
れ、その後は標準声質設定の声質で発声されることにな
る。このような標準声質の設定は、たとえば声質解除情
報によって解除されないように設定されて声質切替履歴
記憶手段２６に格納するようにしてもよい。

【００３５】図１１からは使用者が指定する区間のみの
声質を切り替える時の手順を示している。カーソル１０
０を声質切替えしたい区間の先頭に配置し（図１１）、
シフトキーを押しながらカーソルキーを押すなどによる
既存のテキスト文書の区間指定手段にしたがって、終点
を指定する（図１２）。区間が指定された状態のまま、
メニュー表示を開いて希望の声質を選択する（図１
３）。そうすることで、声質切替えをする先頭に声質切
替情報に対応づけられたフォント１４１が挿入され、終
点には声質解除情報に対応づけされたフォント１４２が
挿入される。この場合、文章の先頭の“突然ですが、〜
連絡しておきます。”までが標準声質設定の声質で発声
され、その次の“ご注意！〜”の手前に、声質切替えフ
ォント１４１があるため、この“ご注意！〜電話で確認
して下さい。”までを対応する声質情報に切り替えて発
声させる。その次には、声質解除情報に対応づけされた
フォント１４２があるので、前記“ご注意”の前にある
声質切替えフォント１４１の設定を解除し、以降の文章
は、対応する声質切替え情報１４１以前の声質である標
準声質設定で発声されることになる。

【００３６】その他の条件として例えば声質切替えフォ
ント１４１以前に“ロボットの声質に切り替える”声質
切替えフォントが指定されていた場合は、声質解除フォ
ント１４２以降がロボットの声質で発声される。

【００３７】

【発明の効果】本発明によれば、声質解除情報を設定す
ることで、元の声質に戻して発声することができる。こ
の声質解除情報として、テキストデータにもともと挿入
される改行コードや句読点などのコードを対応づけるこ
とで、表示が煩雑にならず見やすくなる。また、疑問符
や感嘆符が付されている直前の単語の声質を変えること
で、内容を確実に伝えることができ、聞く場合に、注意
して聞くところを促すことができる。

【図面の簡単な説明】

【図１】本発明の実施の一形態の音声合成処理装置１を
示す概略図である。

【図２】音声合成処理を示すブロック図である。

【図３】フォント声質対応記憶手段２３の記憶形式の一
例である。

【図４】声質切替履歴記憶手段２６の声質切替情報が与
えられた時の動作の一例を示す概略図である。

【図５】声質切替履歴記憶手段２６の声質解除情報が与
えられた時の動作の一例を示す概略図である。

【図６】声質切替履歴記憶手段２６の直前文声質切替情
報が与えられた時の動作の一例を示す概略図である。

【図７】本発明の動作説明のためのフローチャートであ
る。

【図８】声質切替情報を挿入するときの表示内容の一例
を示す概略図である。

【図９】声質切替情報を挿入するときの表示内容の一例
を示す概略図である。

【図１０】声質切替情報を挿入するときの表示内容の一
例を示す概略図である。

【図１１】声質切替情報を挿入するときの表示内容の一
例を示す概略図である。

【図１２】声質切替情報を挿入するときの表示内容の一
例を示す概略図である。

【図１３】声質切替情報を挿入するときの表示内容の一
例を示す概略図である。

【図１４】声質切替情報を挿入するときの表示内容の一
例を示す概略図である。

【符号の説明】

１音声合成処理装置１１ＣＰＵ１２ＲＯＭ１３ＲＡＭ１４記憶装置１５辞書１６入力部１７表示部１８音響処理部１９スピーカ２１入力文章２２処理部２３フォント声質対応記憶手段２４音声合成文一時記憶手段２５声質切替情報２６声質切替履歴記憶手段２７音声合成処理部２８音声１００カーソル１０１，１０２声質切替えに対応づけられたフォント１４２声質解除に対応づけられたフォント

Claims

【特許請求の範囲】

【請求項１】発声する音声合成文および発声する声質
の指定、切替を行う声質切替情報を含む入力文章を順に
読み込んで音声合成文および声質切替情報を抽出し、抽
出した音声合成文を、声質切替情報に基づいて音声合成
処理を行い、指定された声質で発声する音声合成処理装
置において、抽出した声質切替情報を順に格納する声質切替履歴記憶
手段を有し、読み出した音声合成文は、最も新しく格納
された声質切替情報に基づいて発声し、前記声質切替情報は、声質の指定を示す声質切替情報を
解除する声質解除情報を含み、声質解除情報を読み出し
たとき、最も新しく格納された声質切替情報を解除し、
以降の文章は、その次に格納される以前の声質切替情報
に基づいて発声することを特徴とする音声合成処理装
置。
【請求項２】前記声質解除情報は、改行コードを含む
ことを特徴とする請求項１記載の音声合成処理装置。
【請求項３】前記声質解除情報は、句点コードまたは
読点コードを含むことを特徴とする請求項１または２記
載の音声合成処理装置。
【請求項４】前記声質切替情報は、疑問符または感嘆
符を含むことを特徴とする請求項１〜３のいずれか１つ
に記載の音声合成処理装置。
【請求項５】声質切替情報である前記疑問符、または
感嘆符を読み出したとき、その直前の音声合成文の語句
を、声質切替情報に対応付けられた声質で発声させるこ
とを特徴とする請求項４記載の音声合成処理装置。