JP2002169582A - 音声合成装置及びその制御方法、コンピュータ可読メモリ - Google Patents

Abstract

(57)【要約】 【課題】 利用者もしくはその周囲環境の情報を利用す
ることにより、言語的には同一の内容でも環境に応じた
多様な合成音声を生成することができる音声合成装置及
びその制御方法、コンピュータ可読メモリを提供する。 【解決手段】 環境情報測定部１００２で、利用者もし
くは周囲環境の状況を示す環境情報値を測定する。合成
音声特性決定部１００３で、測定された環境情報値に基
づいて、音声合成対象データに対応する合成音声信号の
特性を決定する。そして、音声合成部１００５で、決定
された特性で、前記音声合成対象データに対応する合成
音声を出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、合成音声を生成す
る音声合成装置及びその制御方法、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】近年、任意の文字系列を音韻系列に変換
し、その音韻系列を所定の音声規則合成方式に従って合
成音声に変換する音声合成装置が開発されている。

【０００３】

【発明が解決しようとする課題】従来の音声合成装置か
らテキストデータに基づいて出力される合成音声は、同
一のテキストデータに対しては常に同じ合成音声が出力
されている。このような音声合成装置において、例え
ば、話者や声の高さ（ピッチ）、発声速度などの合成音
声の特性を変化させる場合には、利用者が好みに応じて
これらの特性を変化させるか、もしくは予めテキストデ
ータに付加情報を与えるなどの手段が必要であった。

【０００４】この課題に対して、特開平１１−１６１２
９８号では、合成音声の発声開始からの経過時間もしく
は時刻、日付などの計時情報に応じて合成音声の特性を
変化させる制御方法が提案されている。

【０００５】また、特開平１１−１５４８８号では、自
動車内に入力された平均ピッチ、平均ピッチ幅、平均音
圧等の音情報を分析することにより、車内環境下におい
て明瞭に聴取できる音声再生制御方法が提案されてい
る。

【０００６】しかしながら、例えば、高速道路を長時間
走行している場合には、運転者が眠くなっている可能性
が高いため、合成音声の平均周波数を上げ、音量を増加
させることにより覚醒作用を与えることが望ましい。し
かし、前述の従来例によれば、このような状況において
合成音声の特性を変化させることは困難である。すなわ
ち、音声合成の利用者もしくはその周辺状況の多様な変
化に対して合成音声の特性を適切に変更するためには、
前記従来例において示されている発声開始からの経過時
間、時刻や日付などの絶対的な時間の計時情報、自動車
内に入力された平均ピッチ、平均ピッチ幅、平均音圧の
みの情報では十分とは言えず、より多様な情報を検出す
るための手段、及び、この手段によって得られる情報に
対する合成音声の特性を変える手段を備える必要があっ
た。

【０００７】本発明は上記の課題を解決するためになさ
れてものであり、利用者もしくはその周囲環境の情報を
利用することにより、言語的には同一の内容でも環境に
応じた多様な合成音声を生成することができる音声合成
装置及びその制御方法、コンピュータ可読メモリを提供
することを目的とする。

【０００８】

【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、合成音声を生成する音声合成装置であって、利用
者もしくは周囲環境の状況を示す環境情報値を測定する
測定手段と、前記測定手段で測定された環境情報値に基
づいて、音声合成対象データに対応する合成音声信号の
特性を決定する決定手段と、前記決定手段で決定された
特性で、前記音声合成対象データに対応する合成音声を
出力する出力手段とを備える。

【０００９】また、好ましくは、前記測定手段は、利用
者もしくは周囲環境の位置を示す位置情報値を測定する
位置情報測定手段を含む。

【００１０】また、好ましくは、前記測定手段は、利用
者の周囲環境の気象状況を示す気象情報値を測定する気
象情報測定手段を含む。

【００１１】また、好ましくは、前記測定手段は、利用
者の当該音声合成装置の使用時間を示す時間情報値を測
定する時間情報測定手段を含む。

【００１２】また、好ましくは、前記測定手段は、利用
者もしくは周囲環境の画像を示す画像報値を測定する画
像情報測定手段を含む。

【００１３】また、好ましくは、前記測定手段は、利用
者もしくは周囲環境の音を示す音情報値を測定する音情
報測定手段を含む。

【００１４】また、好ましくは、前記測定手段は、利用
者における速度／加速度を示す速度／加速度情報値を測
定する速度／加速度情報測定手段を含む。

【００１５】また、好ましくは、前記測定手段は、当該
音声合成装置の利用者とその周辺の対象物体間の距離を
示す距離情報値を測定する距離情報測定手段を含む。

【００１６】また、好ましくは、前記測定手段は、利用
者の生体状況を示す生体情報値を測定する生体情報測定
手段を含む。

【００１７】上記の目的を達成するための本発明による
音声合成装置の制御方法は以下の構成を備える。即ち、
合成音声を生成する音声合成装置の制御方法であって、
利用者もしくは周囲環境の状況を示す環境情報値を測定
する測定工程と、前記測定工程で測定された環境情報値
に基づいて、音声合成対象データに対応する合成音声信
号の特性を決定する決定工程と、前記決定工程で決定さ
れた特性で、前記音声合成対象データに対応する合成音
声を出力する出力工程とを備える。

【００１８】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、
合成音声を生成する音声合成装置の制御のプログラムコ
ードが格納されたコンピュータ可読メモリであって、利
用者もしくは周囲環境の状況を示す環境情報値を測定す
る測定工程のプログラムコードと、前記測定工程で測定
された環境情報値に基づいて、音声合成対象データに対
応する合成音声信号の特性を決定する決定工程のプログ
ラムコードと、前記決定工程で決定された特性で、前記
音声合成対象データに対応する合成音声を出力する出力
工程のプログラムコードとを備える。

【００１９】

【発明の実施の形態】以下、図面を参照して本発明の好
適な実施の形態を詳細に説明する。

【００２０】図１は本発明の各実施形態に係る音声合成
装置のハードウェア構成を示すブロック図である。

【００２１】図１において、１０１はＣＰＵであり、Ｒ
ＯＭ１０２に記憶された制御プログラムあるいは外部記
憶装置１０４からＲＡＭ１０３にロードされた制御プロ
グラムに従って、以下に説明する各実施形態の音声合成
装置における各種制御を行う。１０２はＲＯＭであり、
各種パラメータやＣＰＵ１０１が実行する制御プログラ
ム等を格納している。１０３はＲＡＭであり、ＣＰＵ１
０１による各種制御の実行時に作業領域を提供するとと
もに、ＣＰＵ１０１により実行される制御プログラムを
記憶する。

【００２２】１０４はハードディスク、フロッピー（登
録商標）ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、メ
モリカード等の外部記憶装置であり、この外部記憶装置
１０４がハードディスクである場合には、ＣＤ−ＲＯＭ
やフロッピーディスク等からインストールされた各種プ
ログラムが記憶されている。１０５は利用者を含む周囲
環境状況を取得する環境情報測定装置であり、ＧＰＳ等
の位置情報取得装置、光センサ、温度計、湿度計、風力
計等の気象情報取得装置、時計、タイマ等の時間情報取
得装置、ビデオカメラ等の映像入力装置、マイクロフォ
ン等の音響入力装置、速度もしくは加速度測定装置、赤
外線センサ等の距離測定装置、脳波、体温、脈拍、発
汗、呼吸数等の生体情報検出装置の少なくとも１つ以上
の組み合わせによって構成される。

【００２３】１０６はキーボード、マウス等のポインテ
ィングデバイス、ＯＣＲ（光学的文字読み取り装置）、
通信インタフェース等の合成対象テキストデータを入力
する入力装置である。１０７は液晶やＣＲＴ等のディス
プレイであり、ＣＰＵ１０１の制御により各種データの
表示を行う。１０８はスピーカであり、音声信号（電気
信号）を可聴音である音声に変換して出力する。１０９
は上記各構成要素を相互に接続するバスである。

【００２４】次に、本発明の各実施形態に係る音声合成
装置の基本機能構成について、図２を用いて説明する。

【００２５】図２は本発明の各実施形態に係る音声合成
装置の基本機能構成を示すブロック図である。

【００２６】テキスト取得部１００１では、音声合成対
象テキストデータを取得する。環境情報測定部１００２
では、利用者を含む周囲環境状況を環境情報取得装置を
用いることによって環境情報を取得する。合成音声特性
決定部１００３では、環境情報測定部１００２で取得し
た環境情報に対する合成音声信号の特性もしくは特性の
変化量を示す合成音声特性決定用パラメータを特性決定
用補助データ１００４から取得し、合成音声信号の特性
もしくは特性の変化量を決定する。

【００２７】尚、合成音声信号の特性としては、利用者
（性別）、声の高さ、発声速度、音量、声質、発話様
式、感情、合成音に重畳もしくは挿入する音情報、音像
定位、エフェクト等があり、これ以外にも合成音声信号
の特性として定義できるものであれば、どのようなもの
でも良い。

【００２８】音声合成部１００５では、テキスト取得部
１００１から得られる音声合成対象テキストデータ、合
成音声特性決定部１００３で決定された合成音声特性決
定用パラメータ、及び音声合成用の素片データや韻律生
成規則等を格納する音声合成用データ１００６を用いて
合成音声信号を生成する。音声出力部１００７では、音
声合成部１００５で生成された合成音声信号をスピーカ
１０８によって出力する。

【００２９】ここで、特性決定用補助データ１００４の
基本構成について、図３を用いて説明する。

【００３０】図３は本発明の各実施形態に係る特性決定
用補助データの基本構成を示す図である。

【００３１】特性決定用補助データは、入力された音声
合成対象テキストデータの通常の既定合成音声信号（既
定値の基本周波数、発生速度、音量等での合成音声信
号）に対し、その特性もしくは特性の変化量を決定する
情報である。

【００３２】図３に示されるように、特性決定用補助デ
ータは、環境情報測定部１００２で測定された環境情報
値に対し、合成音声信号の特性もしくは特性の変化量が
対応づけて管理されている。例えば、環境情報測定部１
００２で測定された環境情報値がｂである場合には、既
定合成音声信号に対する特性もしくは特性の変化量とし
て、性別を女性に変更し、基本周波数を２０Ｈｚ加算
し、発声速度を２０％早め、信号レベルを２倍にすると
いう情報が取得される。

【００３３】尚、特性決定用補助データの構成は、図３
に示した構成に限定されず、各種用途に応じて音声信号
に対する様々な条件を設定可能である。

【００３４】次に、本発明の各実施形態に係る音声合成
装置で実行される処理の概要について、図４を用いて説
明する。

【００３５】図４は本発明の各実施形態に係る音声合成
装置で実行される処理の概要を示すフローチャートであ
る。

【００３６】まず、ステップＳ１０１で、環境情報測定
部１００２は、環境情報を測定し、環境情報値を取得す
る。次に、ステップＳ１０２で、合成音声特性決定部１
００３は、取得された環境情報値に対応する合成音声特
性決定用パラメータを、特性決定用補助データ１００４
を参照して取得し、音声合成対象テキストデータに対す
る合成音声信号の特性もしくは特性の変化量を決定す
る。

【００３７】尚、ステップＳ１０２では、環境情報値に
応じて、合成音声特性決定用パラメータの取得の実行の
有無を制御しても良い。例えば、環境情報値が所定値以
上である場合に、合成音声特性決定用パラメータを取得
する構成であっても良い。

【００３８】ステップＳ１０３で、音声合成部１００５
は、テキスト取得部１００１から得られる音声合成対象
テキストデータ、合成音声特性決定部１００３で決定さ
れた合成音声特性決定用パラメータ、及び音声合成用の
素片データや韻律生成規則等を格納する音声合成用デー
タ１００６を用いて合成音声信号を生成する。

【００３９】ステップＳ１０４で、音声出力部１００７
は、音声合成部１００５で生成された合成音声信号をス
ピーカ１０８によって出力する。

【００４０】次に、各実施形態の音声合成装置について
説明する。 ＜実施形態１＞実施形態１では、環境情報として、位置
情報を用いる場合を例に挙げて説明し、実施形態１の音
声合成装置の機能構成は、上述の図２の環境情報測定部
が位置情報測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として位置情報値を取得する。

【００４１】次に、実施形態１の音声合成装置の機能構
成について、図５を用いて説明する。

【００４２】図５は実施形態１の音声合成装置の機能構
成を示すブロック図である。

【００４３】テキスト取得部２０１では、音声合成対象
テキストデータを取得する。位置情報測定部２０２で
は、ＧＰＳ等の位置情報取得装置を用いることによって
利用者の位置情報を取得する。合成音声特性決定部２０
３では、位置情報測定部２０２で取得した位置情報に対
する合成音声特性決定用パラメータを特性決定用補助デ
ータ２０４から取得した後、図２で説明した同様の手順
によって合成音声を生成する。

【００４４】尚、特性決定用補助データ２０４の構成
は、上述の図３に準じ、実施形態１の場合は、位置情報
に対し、合成音声特性決定用パラメータとして、既定合
成音声信号に対する基本周波数と発声速度の変化量が管
理されている。

【００４５】例えば、カーナビゲーションシステムに搭
載されたＧＰＳから得られる経度、緯度情報と地図情報
から、現在、利用者が高速道路を走行していることを示
す位置情報を位置情報測定部２０２において取得する。
このとき、合成音声特性決定部２０３から特性決定用補
助データ２０４に対して、高速道路走行時における合成
音声特性決定用パラメータを問い合わせた結果、基本周
波数を既定値に対して２０Ｈｚ加算し、発声速度を既定
値に対して１０％早めるという情報が取得されたとす
る。この場合、音声合成部２０５において、テキスト取
得部２０１から送られる音声合成対象テキストデータを
音声合成する際に、既定合成音声信号よりも基本周波数
を２０Ｈｚ高く、かつ発声速度を１０％早くした合成音
声信号を生成し、音声出力部２０７において出力する。

【００４６】以上説明したように、実施形態１によれ
ば、音声合成装置の利用者もしくはその周囲環境の位置
情報を利用することにより、言語的には同一の内容でも
環境に応じた多様な合成音声を生成することができる。 ＜実施形態２＞実施形態２では、環境情報として、気象
情報を用いる場合を例に挙げて説明し、実施形態２の音
声合成装置の機能構成は、上述の図２の環境情報測定部
が気象情報測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として気象情報値を取得する。

【００４７】次に、実施形態２の音声合成装置の機能構
成について、図６を用いて説明する。

【００４８】気象情報測定部３０２では、光センサ、温
度計、湿度計、風力計等の気象情報取得装置を用いるこ
とによって利用者の周辺の明るさ、気温、湿度、風力の
うち少なくとも１つの気象情報を取得する。次に、合成
音声特性決定部３０３では、取得した気象情報に応じた
合成音声信号の合成音声特性決定用パラメータを特性決
定用補助データ３０４から取得した後、図２で説明した
同様の手順によって合成音声を生成する。

【００４９】尚、特性決定用補助データ３０４の構成
は、上述の図３に準じ、実施形態２の場合は、気象情報
に対し、合成音声特性決定用パラメータとして、既定合
成音声信号に対する基本周波数と発声速度の変化量が管
理されている。

【００５０】例えば、自動車に搭載された光センサから
得られる光度情報から、現在トンネルもしくは夜など暗
い状況下で走行していることを示す気象情報を気象情報
測定部３０２において取得する。このとき、合成音声特
性決定部３０３から特性決定用補助データ３０４に対し
て、暗い状況下での走行時における合成音声特性決定用
パラメータを問い合わせた結果、基本周波数を既定値に
対して２０Ｈｚ減算し、発声速度を既定値に対して１０
％遅くするという情報が取得されたとする。この場合、
音声合成部３０５において、テキスト取得部３０１から
送られる音声合成対象テキストデータを音声合成する際
に、既定合成音声信号よりも基本周波数を２０Ｈｚ低
く、かつ発声速度を１０％遅くした合成音声信号を生成
し、音声出力部３０７において出力する。

【００５１】以上説明したように、実施形態２によれ
ば、音声合成装置の利用者もしくはその周囲環境の気象
情報を利用することにより、言語的には同一の内容でも
環境に応じた多様な合成音声を生成することができる。 ＜実施形態３＞実施形態３では、環境情報として、時間
情報を用いる場合を例に挙げて説明し、実施形態３の音
声合成装置の機能構成は、上述の図２の環境情報測定部
が使用時間測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として時間情報値を取得する。

【００５２】次に、実施形態３の音声合成装置の機能構
成について、図７を用いて説明する。

【００５３】図７は実施形態３の音声合成装置の機能構
成を示す図である。

【００５４】使用時間測定部４０２では、時計、タイマ
ー等の時間情報取得装置を用いることによって、音声合
成機能が搭載されたシステム、サービス、製品の利用者
の使用時間を取得する。次に、合成音声特性決定部４０
３では、取得した使用時間に応じた合成音声特性決定用
パラメータを特性決定用補助データ４０４から取得した
後、図２で説明した同様の手順によって合成音声を生成
する。

【００５５】尚、特性決定用補助データ４０４の構成
は、上述の図３に準じ、実施形態３の場合は、時間情報
に対し、合成音声特性決定用パラメータとして、既定合
成音声信号に対する話者の性別が管理されている。

【００５６】例えば、音声合成機能を備える自動車を運
転する場合、自動車のエンジンをかけ始めてからの使用
時間を示す時間情報を使用時間測定部４０２において取
得する。このとき、運転後１時間が経過した際に、テキ
スト取得部４０１から音声合成対象テキストデータが送
られてきた場合、音声合成特性決定部４０４は、このと
きの合成音声特性決定用パラメータを特性決定用補助デ
ータ４０４に対して問い合わせ、その結果、合成音声信
号の話者の性別を変更するという情報が取得されたとす
る。この場合、音声合成部４０５において、これまで用
いていた音声合成用データ４０６の性別を変更した合成
音声信号を生成し、音声出力部４０７において出力す
る。

【００５７】以上説明したように、実施形態３によれ
ば、音声合成装置の利用者もしくはその周囲環境の時間
情報を利用することにより、言語的には同一の内容でも
環境に応じた多様な合成音声を生成することができる。 ＜実施形態４＞実施形態４では、環境情報として、画像
情報を用いる場合を例に挙げて説明し、実施形態４の音
声合成装置の機能構成は、上述の図２の環境情報測定部
が画像情報測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として画像情報値を取得する。

【００５８】次に、実施形態４の音声合成装置の機能構
成について、図８を用いて説明する。

【００５９】図８は実施形態４の音声合成装置の機能構
成を示す図である。

【００６０】画像情報測定部５０２では、ビデオカメラ
等の映像入力装置を用いることによって利用者もしくは
その周辺環境の画像情報を取得する。次に、合成音声特
性決定部５０３では、取得した画像情報に応じた音声合
成特性決定用パラメータを特性決定用補助データ５０４
から取得した後、図２で説明した同様の手順によって合
成音声を生成する。

【００６１】尚、特性決定用補助データ５０４の構成
は、上述の図３に準じ、実施形態４の場合は、画像情報
に対し、合成音声特性決定用パラメータとして、既定合
成音声信号に対する音量の変化量が管理されている。

【００６２】例えば、画像情報測定部５０２においてビ
デオカメラから利用者の顔画像を取得し、顔画像の特徴
量もしくはその時間変化特徴量を示す画像情報測定す
る。ここで、この時間変化特徴量がある閾値以下となっ
た場合、合成音声特性決定部５０３は、このときの合成
音声特性決定用パラメータを特性決定用補助データ５０
４に対して問い合わせ、その結果、合成音声信号の音量
を２倍に変更するという情報が取得されたとする。この
場合、音声合成部５０５において、テキスト取得部５０
１から送られる音声合成対象テキストテキストデータを
音声合成する際に、既定合成音声信号の信号レベルを２
倍にした合成音声信号を生成し、音声出力部５０７にお
いて出力する。

【００６３】以上説明したように、実施形態４によれ
ば、音声合成装置の利用者もしくはその周囲環境の画像
情報を利用することにより、言語的には同一の内容でも
環境に応じた多様な合成音声を生成することができる。 ＜実施形態５＞実施形態５では、環境情報として、音情
報を用いる場合を例に挙げて説明し、実施形態５の音声
合成装置の機能構成は、上述の図２の環境情報測定部が
音情報測定部となり、また、上述の図４のステップＳ１
０１は、環境情報値として音情報値を取得する。

【００６４】次に、実施形態５の音声合成装置の機能構
成について、図９を用いて説明する。

【００６５】図９は実施形態５の音声合成装置の機能構
成を示す図である。

【００６６】音情報測定部６０２では、マイクロフォン
等の音響入力装置を用いることによって、利用者もしく
はその周辺環境の音情報を取得する。次に、合成音声特
性決定部６０３では、取得した音情報に応じた音声合成
特性決定用パラメータを特性決定用補助データ６０４か
ら取得した後、図２で説明した同様の手順によって合成
音声を生成する。

【００６７】尚、特性決定用補助データ６０４の構成
は、上述の図３に準じ、実施形態５の場合は、音情報に
対し、合成音声特性決定用パラメータとして、既定合成
音声信号に対する音量の変化量が管理されている。

【００６８】例えば、音情報測定部６０２においてマイ
クロフォンから利用者が発声する音声信号を取得し、無
音継続時間を測定する。ここで、この無音継続時間があ
る閾値以上となった場合、合成音声特性決定部６０３
は、このときの合成音声特性決定用パラメータを特性決
定用補助データ６０４に対して問い合わせ、その結果、
合成音声信号の音量を２倍に変更するという情報が得ら
れたとする。この場合、音声合成部６０５においてテキ
スト取得部６０１から送られる音声合成対象テキストデ
ータを音声合成する際に、既定合成音声信号の信号レベ
ルを２倍にした合成音声信号を生成し、音声出力部６０
７において出力する。

【００６９】以上説明したように、実施形態５によれ
ば、音声合成装置の利用者もしくはその周囲環境の音情
報を利用することにより、言語的には同一の内容でも環
境に応じた多様な合成音声を生成することができる。 ＜実施形態６＞実施形態６では、環境情報として、速度
／加速度情報を用いる場合を例に挙げて説明し、実施形
態６の音声合成装置の機能構成は、上述の図２の環境情
報測定部が速度／加速度情報測定部となり、また、上述
の図４のステップＳ１０１は、環境情報値として速度／
加速度情報値を取得する。

【００７０】次に、実施形態６の音声合成装置の機能構
成について、図１０を用いて説明する。

【００７１】図１０は実施形態６の音声合成装置の機能
構成を示す図である。

【００７２】速度／加速度情報測定部７０２では、速度
もしくは加速度センサ等の速度もしくは加速度測定装置
を用いることによって、利用者もしくはその周辺環境の
速度もしくは加速度情報を取得する。次に、合成音声特
性決定部７０３では、取得した速度もしくは加速度情報
に応じた合成音声特性決定用パラメータを特性決定用補
助データ７０４から取得した後、図２で説明した同様の
手順によって合成音声を生成する。

【００７３】尚、特性決定用補助データ７０４の構成
は、上述の図３に準じ、実施形態６の場合は、速度／加
速度情報に対し、合成音声特性決定用パラメータとし
て、既定合成音声信号に対する性別、基本周波数と発声
速度の変化量が管理されている。

【００７４】例えば、速度センサを搭載した自動車内に
おいて合成音声機能を利用する場合、速度／加速度情報
測定部７０２において速度センサによって自動車の速度
を測定する。ここで、速度が時速１００ｋｍ以上になっ
た場合、合成音声特性決定部７０３は、このときの合成
音声特性決定用パラメータを特性決定用補助データ７０
４に対して問い合わせ、その結果、合成音声信号の基本
周波数を既定値に対して２０Ｈｚ加算し、発声速度を既
定値に対して２０％早めるという情報が取得されたとす
る。この場合、音声合成部７０５においてテキスト取得
部７０１から送られる音声合成対象テキストデータを音
声合成する際に、既定合成音声信号よりも基本周波数を
２０Ｈｚ高く、かつ発声速度を２０％早くした合成音声
を生成し、音声出力部７０７において出力する。

【００７５】以上説明したように、実施形態６によれ
ば、音声合成装置の利用者もしくはその周囲環境の速度
／加速度情報を利用することにより、言語的には同一の
内容でも環境に応じた多様な合成音声を生成することが
できる。 ＜実施形態７＞実施形態７では、環境情報として、距離
情報を用いる場合を例に挙げて説明し、実施形態７の音
声合成装置の機能構成は、上述の図２の環境情報測定部
が距離情報測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として距離情報値を取得する。

【００７６】次に、実施形態７の音声合成装置の機能構
成について、図１１を用いて説明する。

【００７７】図１１は実施形態７の音声合成装置の機能
構成を示す図である。

【００７８】距離情報測定部８０２では、赤外線センサ
などの距離測定装置を用いることによって、利用者とそ
の周辺環境の対象物体感の距離情報を取得する。次に、
合成音声特性決定部８０３において取得した距離情報に
応じた合成音声特性決定用パラメータを特性決定用補助
データ８０４から取得した後、図２で説明した同様の手
順によって合成音声を生成する。

【００７９】尚、特性決定用補助データ８０４の構成
は、上述の図３に準じ、実施形態７の場合は、距離情報
に対し、合成音声特性決定用パラメータとして、既定合
成音声信号に対する性別、基本周波数と発声速度の変化
量が管理されている。

【００８０】例えば、赤外線センサを搭載した自動車内
において合成音声機能を利用する場合、距離情報測定部
８０２において赤外線センサによって自動車の進行方向
とその方向に存在する物体との距離を測定する。ここ
で、自動車と物体との距離が１０ｍ以下になった場合、
合成音声特性決定部８０３は、このときの合成音声特性
決定用パラメータを特性決定用補助データ８０４に対し
て問い合わせ、その結果、合成音声信号の性別を変更
し、更に基本周波数を既定値に対して２０Ｈｚ加算し、
発声速度を既定値に対して２０％早めるという情報が取
得されたとする。この場合、音声合成部８０５におい
て、テキスト取得部８０１から送られる音声合成対象テ
キストデータを音声合成する際に、これまで生成してい
た既定合成音声信号の性別を変更した上で基本周波数を
２０Ｈｚ高く、かつ発声速度を２０％早くした合成音声
信号を生成し、音声出力部８０７において出力する。

【００８１】以上説明したように、実施形態７によれ
ば、音声合成装置の利用者もしくはその周囲環境の距離
情報を利用することにより、言語的には同一の内容でも
環境に応じた多様な合成音声を生成することができる。 ＜実施形態８＞実施形態８では、環境情報として、生体
情報を用いる場合を例に挙げて説明し、実施形態８の音
声合成装置の機能構成は、上述の図２の環境情報測定部
が生体情報測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として生体情報値を取得する。

【００８２】次に、実施形態８の音声合成装置の機能構
成について、図１２を用いて説明する。

【００８３】図１２は実施形態８の音声合成装置の機能
構成を示す図である。

【００８４】生体情報測定部９０２では、脳波、体温、
脈拍、発汗、呼吸数等の生体情報検出装置を用いること
によって利用者の生体情報を取得する。次に、合成音声
特性決定部９０３では、取得した生体情報に応じた合成
音声特性決定用パラメータを特性決定用補助データ９０
４から取得した後、図２で説明した同様の手順によって
合成音声を生成する。

【００８５】尚、特性決定用補助データ９０４の構成
は、上述の図３に準じ、実施形態８の場合は、生体情報
に対し、合成音声特性決定用パラメータとして、既定合
成音声信号に対する音量の変化量が管理されている。

【００８６】例えば、生体情報測定部９０２において脳
波測定装置によって利用者の脳波を測定する。合成音声
特性決定部９０３は、得られる脳波のパターンに応じて
このときの合成音声特性決定用パラメータを特性決定用
補助データ９０４に対して問い合わせ、その結果、合成
音声信号の音量を２倍に変更するという情報が得られた
とする。この場合、音声合成部９０５において、テキス
ト取得部９０１から送られる音声合成対象テキストデー
タを音声合成する際に、既定合成音声信号の信号レベル
を２倍にした合成音声信号を生成し、音声出力部９０７
において出力する。

【００８７】以上説明したように、実施形態８によれ
ば、音声合成装置の利用者もしくはその周囲環境の生体
情報を利用することにより、言語的には同一の内容でも
環境に応じた多様な合成音声を生成することができる。 ＜実施形態９＞実施形態９では、環境情報として、位置
情報、使用時間、音情報を用いる場合を例に挙げて説明
し、実施形態９の音声合成装置の機能構成は、上述の図
２の環境情報測定部が位置情報測定部、使用時間測定
部、音情報測定部となり、また、上述の図４のステップ
Ｓ１０１は、環境情報値として位置情報値、使用時間、
音情報値を取得する。

【００８８】次に、実施形態９の音声合成装置の機能構
成について、図１３を用いて説明する。

【００８９】図１３は実施形態９の音声合成装置の機能
構成を示す図である。

【００９０】位置情報測定部２００２では、ＧＰＳ等の
位置情報測定装置を用い、使用時間測定部２００３では
時計、タイマー等の時間情報取得装置を用い、音情報測
定部２００４ではマイクロフォン等の音響入力装置を用
いてそれぞれの情報を取得する。次に、合成音声特性決
定部２００５において取得した３種類の情報に応じた特
性決定用パラメータを特性決定用補助データ２００６か
ら取得した後、図２で説明した同様の手順によって合成
音声を生成する。

【００９１】尚、特性決定用補助データ２００６の構成
は、上述の図３に準じ、実施形態９の場合は、位置情
報、使用時間、音情報に対し、合成音声特性決定用パラ
メータとして、既定合成音声信号に対する基本周波数と
発声速度の変化量が管理されている。

【００９２】例えば、カーナビゲーションシステムに搭
載されたＧＰＳから得られる経度、緯度情報と地図情報
から、現在、利用者が高速道路を走行していることを位
置情報測定部２００２において取得し、自動車のエンジ
ンをかけ始めてからの経過時間が１時間であることを使
用時間測定部２００３において取得し、音情報測定部２
００４においてマイクロフォンから利用者が発声する音
声信号の無音継続時間が１０分であることを取得したと
する。

【００９３】このとき、合成音声特性決定部２００５か
ら特性決定用補助データ２００６に対して、高速道路走
行時かつ使用時間１時間かつ無音継続時間１０分という
条件における合成音声特性決定用パラメータを問い合わ
せた結果、基本周波数を既定値に対して２０Ｈｚ加算
し、発声速度を既定値に対して１０％早めるという情報
が取得されたとする。このとき、音声合成部２００７に
おいてテキスト取得部２００１から送られる音声合成対
象テキストを音声合成する際に、既定合成音声信号より
も基本周波数を２０Ｈｚ高く、かつ発声速度１０％を早
くした合成音声信号を生成し、音声出力部２００９にお
いて出力する。

【００９４】以上説明したように、実施形態９によれ
ば、音声合成装置の利用者もしくはその周囲環境の位置
情報、使用時間、音情報を利用することにより、言語的
には同一の内容でも環境に応じた多様な合成音声を生成
することができる。

【００９５】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、カーナビゲーションシステ
ム、ＡＴＭ等）に適用してもよい。

【００９６】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。

【００９７】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。

【００９８】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。

【００９９】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。

【０１００】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。

【０１０１】本発明を上記記憶媒体に適用する場合、そ
の記憶媒体には、先に説明した図４に示すフローチャー
トに対応するプログラムコードが格納されることにな
る。

【０１０２】

【発明の効果】以上説明したように、本発明によれば、
利用者もしくはその周囲環境の情報を利用することによ
り、言語的には同一の内容でも環境に応じた多様な合成
音声を生成することができる音声合成装置及びその制御
方法、コンピュータ可読メモリを提供できる。

【図面の簡単な説明】

【図１】本発明の各実施形態に係る音声合成装置のハー
ドウェア構成を示すブロック図である。

【図２】本発明の各実施形態に係る音声合成装置の基本
機能構成を示すブロック図である。

【図３】本発明の各実施形態に係る特性決定用補助デー
タの基本構成を示す図である。

【図４】本発明の各実施形態に係る音声合成装置で実行
される処理の概要を示すフローチャートである。

【図５】実施形態１の音声合成装置の機能構成を示すブ
ロック図である。

【図６】実施形態２の音声合成装置の機能構成を示すブ
ロック図である。

【図７】実施形態３の音声合成装置の機能構成を示すブ
ロック図である。

【図８】実施形態４の音声合成装置の機能構成を示すブ
ロック図である。

【図９】実施形態５の音声合成装置の機能構成を示すブ
ロック図である。

【図１０】実施形態６の音声合成装置の機能構成を示す
ブロック図である。

【図１１】実施形態７の音声合成装置の機能構成を示す
ブロック図である。

【図１２】実施形態８の音声合成装置の機能構成を示す
ブロック図である。

【図１３】実施形態９の音声合成装置の機能構成を示す
ブロック図である。

【符号の説明】

１００１ テキスト取得部 １００２ 環境情報測定部 １００３ 合成音性特性決定部 １００４ 特性決定用補助データ １００５ 音声合成部 １００６ 音声合成用データ １００７ 音声出力部

Claims (19)

【特許請求の範囲】
1. 【請求項１】 合成音声を生成する音声合成装置であっ
   て、 利用者もしくは周囲環境の状況を示す環境情報値を測定
   する測定手段と、 前記測定手段で測定された環境情報値に基づいて、音声
   合成対象データに対応する合成音声信号の特性を決定す
   る決定手段と、 前記決定手段で決定された特性で、前記音声合成対象デ
   ータに対応する合成音声を出力する出力手段とを備える
   ことを特徴とする音声合成装置。
2. 【請求項２】 前記測定手段は、利用者もしくは周囲環
   境の位置を示す位置情報値を測定する位置情報測定手段
   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。
3. 【請求項３】 前記測定手段は、利用者の周囲環境の気
   象状況を示す気象情報値を測定する気象情報測定手段を
   含むことを特徴とする請求項１または請求項２に記載の
   音声合成装置。
4. 【請求項４】 前記測定手段は、利用者の当該音声合成
   装置の使用時間を示す時間情報値を測定する時間情報測
   定手段を含むことを特徴とする請求項１乃至請求項３の
   いずれか１項に記載の音声合成装置。
5. 【請求項５】 前記測定手段は、利用者もしくは周囲環
   境の画像を示す画像報値を測定する画像情報測定手段を
   含むことを特徴とする請求項１乃至請求項４のいずれか
   １項に記載の音声合成装置。
6. 【請求項６】 前記測定手段は、利用者もしくは周囲環
   境の音を示す音情報値を測定する音情報測定手段を含む
   ことを特徴とする請求項１乃至請求項５のいずれか１項
   に記載の音声合成装置。
7. 【請求項７】 前記測定手段は、利用者における速度／
   加速度を示す速度／加速度情報値を測定する速度／加速
   度情報測定手段を含むことを特徴とする請求項１乃至請
   求項６のいずれか１項に記載の音声合成装置。
8. 【請求項８】 前記測定手段は、当該音声合成装置の利
   用者とその周辺の対象物体間の距離を示す距離情報値を
   測定する距離情報測定手段を含むことを特徴とする請求
   項１乃至請求項７のいずれか１項に記載の音声合成装
   置。
9. 【請求項９】 前記測定手段は、利用者の生体状況を示
   す生体情報値を測定する生体情報測定手段を含むことを
   特徴とする請求項１乃至請求項８のいずれか１項に記載
   の音声合成装置。
10. 【請求項１０】 合成音声を生成する音声合成装置の制
    御方法であって、 利用者もしくは周囲環境の状況を示す環境情報値を測定
    する測定工程と、 前記測定工程で測定された環境情報値に基づいて、音声
    合成対象データに対応する合成音声信号の特性を決定す
    る決定工程と、 前記決定工程で決定された特性で、前記音声合成対象デ
    ータに対応する合成音声を出力する出力工程とを備える
    ことを特徴とする音声合成装置の制御方法。
11. 【請求項１１】 前記測定工程は、利用者もしくは周囲
    環境の位置を示す位置情報値を測定する位置情報測定工
    程を含むことを特徴とする請求項１０に記載の音声合成
    装置の制御方法。
12. 【請求項１２】 前記測定工程は、利用者の周囲環境の
    気象状況を示す気象情報値を測定する気象情報測定工程
    を含むことを特徴とする請求項１０または請求項１１に
    記載の音声合成装置の制御方法。
13. 【請求項１３】 前記測定工程は、利用者の当該音声合
    成装置の使用時間を示す時間情報値を測定する時間情報
    測定工程を含むことを特徴とする請求項１０乃至請求項
    １２のいずれか１項に記載の音声合成装置の制御方法。
14. 【請求項１４】 前記測定工程は、利用者もしくは周囲
    環境の画像を示す画像報値を測定する画像情報測定工程
    を含むことを特徴とする請求項１０乃至請求項１３のい
    ずれか１項に記載の音声合成装置の制御方法。
15. 【請求項１５】 前記測定工程は、利用者もしくは周囲
    環境の音を示す音情報値を測定する音情報測定工程を含
    むことを特徴とする請求項１０乃至請求項１４のいずれ
    か１項に記載の音声合成装置の制御方法。
16. 【請求項１６】 前記測定工程は、利用者における速度
    ／加速度を示す速度／加速度情報値を測定する速度／加
    速度情報測定工程を含むことを特徴とする請求項１０乃
    至請求項１５のいずれか１項に記載の音声合成装置の制
    御方法。
17. 【請求項１７】 前記測定工程は、当該音声合成装置の
    利用者とその周辺の対象物体間の距離を示す距離情報値
    を測定する距離情報測定工程を含むことを特徴とする請
    求項１０乃至請求項１６のいずれか１項に記載の音声合
    成装置の制御方法。
18. 【請求項１８】 前記測定工程は、利用者の生体状況を
    示す生体情報値を測定する生体情報測定手段を含むこと
    を特徴とする請求項１０乃至請求項１７のいずれか１項
    に記載の音声合成装置の制御方法。
19. 【請求項１９】 合成音声を生成する音声合成装置の制
    御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、 利用者もしくは周囲環境の状況を示す環境情報値を測定
    する測定工程のプログラムコードと、 前記測定工程で測定された環境情報値に基づいて、音声
    合成対象データに対応する合成音声信号の特性を決定す
    る決定工程のプログラムコードと、 前記決定工程で決定された特性で、前記音声合成対象デ
    ータに対応する合成音声を出力する出力工程のプログラ
    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。