JP2002311979A - 音声合成装置および音声合成方法、並びにプログラムおよび記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 自然な吃りのある合成音を生成する。 【解決手段】 音声記号編集部１６は、音声記号を、読
み上げモード情報にしたがって編集することにより、音
声記号における所定の音韻を反復させた状態の音声記号
に変換する。さらに、音声記号編集部１６は、読み上げ
モード情報にしたがい、音声記号について、反復させる
音韻部分の発話速度やパワーを制御する編集も行う。そ
して、規則音声合成部１２は、その編集後の音声記号に
したがって規則音声合成を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声合成装置およ
び音声合成方法、並びにプログラムおよび記録媒体に関
し、特に、吃りのある合成音を容易に生成することがで
きるようにする音声合成装置および音声合成方法、並び
にプログラムおよび記録媒体に関する。

【０００２】

【従来の技術】従来の音声合成装置においては、テキス
ト、またはそのテキストを解析して得られる音声記号に
基づいて、合成音が生成される。また、音声合成装置で
は、例えば、合成音の発話速度や、高さ、強さ等が、音
声合成装置に入力されるテキストや音声記号（列）に挿
入されたタグに基づいて制御される。

【０００３】ここで、タグが挿入された音声記号として
は、例えば、次のようなものがある。

【０００４】 {(コレマ'テ゛ススメラレタ/ケンキュウワ)P3(オ'オキナ/セ'イカヲ)・・・} ・・・（１）

【０００５】音声記号（１）において、カタカナは、音
韻情報を表している。また、「{}」、「()」、「'」、
「/」、「P3」は、タグであり、タグ'は、アクセントを
表す。さらに、タグ{}および()は、フレーズの区切りを
表し、タグP3のうちのPは、ポーズを表し、続く数字の3
は、ポーズの長さを表す。また、タグ/は、アクセント
句の区切りを表す。なお、これらのタグは、音声合成に
用いられるので、以下、適宜、合成用タグという。

【０００６】音声記号（１）によれば、音声合成装置で
は、音韻が「これまで進められた研究は、大きな成果を
・・・」という合成音が生成される。

【０００７】

【発明が解決しようとする課題】ところで、最近、例え
ば、ペット型のペットロボット等として、音声合成装置
を搭載し、ユーザに話しかけたり、ユーザと会話（対
話）を行うものが提案されており、このようなペットロ
ボットの発話（合成音）に、個性を持たせることができ
れば、よりエンタテイメント性を向上させることができ
る。

【０００８】合成音に個性を持たせる方法としては、合
成音の発話速度や、高さ、強さ等を制御する方法が考え
られるが、その他、例えば、吃りを実現することができ
れば、合成音に、より個性を持たせることができると考
えられる。

【０００９】合成音を吃らせる方法としては、例えば、
音声合成装置に入力するテキストを構成する文字を、反
復して記述する方法があるが、テキストを、その中の文
字を反復して記述するのは面倒である。さらに、単に、
文字を反復したテキストを入力しても、自然な感じの吃
りがある合成音を得ることは困難である。

【００１０】本発明は、このような状況に鑑みてなされ
たものであり、吃りのある合成音を、容易に生成するこ
とができるようにするものである。

【００１１】

【課題を解決するための手段】本発明の音声合成装置
は、音声情報を、所定の規則にしたがって編集すること
により、音声情報における所定の音韻を反復させた状態
の音声情報に変換する編集手段と、編集手段において編
集された音声情報にしたがい、合成音を生成する音声合
成手段とを備えることを特徴とする。

【００１２】本発明の音声合成方法は、音声情報を、所
定の規則にしたがって編集することにより、音声情報に
おける所定の音韻を反復させた状態の音声情報に変換す
る編集ステップと、編集ステップにおいて編集された音
声情報にしたがい、合成音を生成する音声合成ステップ
とを備えることを特徴とする。

【００１３】本発明のプログラムは、音声情報を、所定
の規則にしたがって編集することにより、音声情報にお
ける所定の音韻を反復させた状態の音声情報に変換する
編集ステップと、編集ステップにおいて編集された音声
情報にしたがい、合成音を生成する音声合成ステップと
を備えることを特徴とする。

【００１４】本発明の記録媒体は、音声情報を、所定の
規則にしたがって編集することにより、音声情報におけ
る所定の音韻を反復させた状態の音声情報に変換する編
集ステップと、編集ステップにおいて編集された音声情
報にしたがい、合成音を生成する音声合成ステップとを
備えるプログラムが記録されていることを特徴とする。

【００１５】本発明の音声合成装置および音声合成方
法、並びにプログラムにおいては、音声情報が、所定の
規則にしたがって編集され、音声情報における所定の音
韻を反復させた状態の音声情報に変換される。そして、
その編集された音声情報にしたがい、合成音が生成され
る。

【００１６】

【発明の実施の形態】図１は、本発明を適用した音声合
成装置の一実施の形態の構成例を示している。

【００１７】テキスト記憶部１は、この音声合成装置に
よって、合成音による読み上げを行う文書を、例えば、
テキストデータの形で記憶している。このテキスト記憶
部１に記憶されたテキストデータ（文書データ）は、制
御部３によって読み出されるようになっている。

【００１８】入力装置２は、キーボードや、ポインティ
ングデバイス、あるいは、マイクロフォンと音声認識装
置等で構成されており、ユーザが所定の指示等を入力す
るときに操作等される。そして、入力装置２は、ユーザ
による操作に対応する操作信号を、制御部３に供給す
る。

【００１９】制御部３は、音声合成装置を構成する各ブ
ロックを制御する。

【００２０】文書解析部４は、制御部３の制御にしたが
い、制御部３から供給されるテキスト（文書）を、単語
辞書記憶部５や文法規則記憶部６を参照しながら言語処
理する。即ち、単語辞書記憶部５には、各単語の品詞情
報や、読み、アクセント等の情報が記述された単語辞書
が記憶されており、また、文法規則記憶部６には、辞書
記憶部５の単語辞書に記述された単語について、単語連
鎖に関する制約等の文法規則が記憶されている。そし
て、文書解析部４は、この単語辞書および文法規則に基
づいて、制御部３から供給されるテキストの形態素解析
や構文解析等の解析を行い、その解析結果を、制御部３
に供給する。

【００２１】解析結果記憶部７は、文書解析部４におい
て得られる解析結果を、制御部３を経由して記憶する。

【００２２】音声記号生成部８は、アクセント規則記憶
部９およびフレーズ規則記憶部１０を参照しながら、制
御部３から供給される、解析結果記憶部７に記憶された
解析結果に基づいて、テキスト記憶部１に記憶されたテ
キストに対応する音声記号を生成する。

【００２３】アクセント規則記憶部９は、アクセントを
付与する規則（アクセント規則）を記憶しており、音声
記号生成部８は、このアクセント規則にしたがって、音
声記号に、アクセントを表す合成用タグ（例えば、前述
の音声記号（１）に示した’）を挿入する。フレーズ規
則記憶部１０は、フレーズを決定する際の規則（フレー
ズ規則）を記憶しており、音声記号生成部８は、このフ
レーズ規則にしたがって、音声記号に、フレーズを表す
合成用タグ（例えば、前述の音声記号（１）に示し
た｛｝や（））を挿入する。

【００２４】音声記号バッファ１１は、制御部３の制御
にしたがい、音声記号を一時記憶する。

【００２５】規則音声合成部１２は、制御部３から供給
される音声記号にしたがい、音素片記憶部１３を参照し
ながら、規則音声合成を行い、これにより、その音声記
号に対応する合成音のデータ（合成音データ）を生成
し、制御部３に供給する。即ち、音素片記憶部１３に
は、例えば、ＣＶ(Consonant, Vowel)や、ＶＣＶ、ＣＶ
Ｃ等の形で音素片データが記憶されており、規則音声合
成部１２は、音声記号に基づいて、必要な音素片データ
を接続し、さらに、ポーズ、アクセント、イントネーシ
ョン等を適切に付加することで、合成音データを生成す
る。

【００２６】音声波形バッファ１４は、規則音声合成部
１２で生成された合成音データを一時記憶する。音声出
力部１５は、例えば、図示せぬＤ／Ａ(Digital/Aanalo
g)変換器とスピーカ等で構成され、制御部３を経由し
て、音声波形バッファ１４から供給される合成音データ
を、ディジタル信号からアナログ信号にＤ／Ａ変換し、
スピーカから出力する。

【００２７】音声記号編集部１６は、必要に応じて、制
御部３を経由して、読み上げモード情報記憶部１７を参
照しながら、音声記号生成部８で生成された音声記号を
編集する。読み上げモード情報記憶部１７は、テキスト
記憶部１に記憶されたテキストを合成音で読み上げる読
み上げ方法についての各種の情報（読み上げモード情
報）を記憶する。

【００２８】図２は、図１の読み上げモード情報記憶部
１７に記憶される読み上げモード情報を示している。

【００２９】図２の実施の形態において、読み上げモー
ド情報「キャラクタ指定」は、テキストを読み上げる合
成音のキャラクタを指定するときに「有り」とされ、指
定しないときは「なし」とされる。なお、「キャラクタ
指定」が「有り」の場合は、さらに、どのようなキャラ
クタ（例えば、男または女であるとか、歳が何歳くらい
であるとか等）とするのかが、読み上げモード情報とし
て設定される。

【００３０】読み上げモード情報「吃りモード」は、合
成音を吃ったものとするときに「ＯＮ」とされ、吃りの
ない合成音とするときは「ＯＦＦ」とされる。

【００３１】読み上げモード情報「反復回数」、「反復
最大回数」、「反復最小回数」、「反復速度」、「反復
最大速度」、「反復最小速度」、「反復加速度」、およ
び「反復パワー変化」は、「吃りモード」が「ＯＮ」の
ときに有効になり、「吃りモード」が「ＯＦＦ」のとき
は無効とされる（無視される）。

【００３２】「反復回数」には、吃る回数、即ち、同一
の音韻を反復する回数が設定される。なお、この回数
は、乱数によって決定することが可能であり、この場
合、「反復回数」は「自動」に設定される。

【００３３】「反復最大回数」と「反復最小回数」に
は、音韻を反復する回数を乱数で決定する場合の、その
回数の上限と下限が、それぞれ設定される。なお、「反
復最大回数」および「反復最小回数」は、「反復回数」
が「自動」のときのみ有効となり、「反復回数」に、数
値が設定されているときは、無視される。

【００３４】「反復速度」には、合成音の、音韻を反復
する部分の発話速度が、例えば、１秒あたりのモーラ数
（モーラ／秒）によって設定される。なお、この発話速
度も、乱数によって決定することが可能であり、この場
合、「発話速度」は「自動」に設定される。

【００３５】「反復最大速度」と「反復最小速度」に
は、反復する音韻部分の発話速度を乱数で決定する場合
の、その発話速度の上限と下限が、それぞれ設定され
る。なお、「反復最大速度」および「反復最小速度」
は、「反復速度」が「自動」のときのみ有効となり、
「反復速度」に、数値が設定されているときは、無視さ
れる。

【００３６】「反復加速度」には、音韻を反復する部分
の発話速度を変化させるときの、その変化量に関する情
報が設定される。即ち、本実施の形態では、「反復加速
度」には、音韻を反復する部分の最初と最後の発話速度
が設定される。

【００３７】「反復パワー変化」には、音韻を反復する
部分のパワーを変化させるときの、その変化量に関する
情報が設定される。即ち、本実施の形態では、「反復パ
ワー変化」には、音韻を反復する部分の１モーラあたり
のパワーの変化が設定される。

【００３８】なお、読み上げモード情報は、入力装置２
を操作することにより入力したり、する他、ネットワー
クを介し、図示せぬサーバからダウンロードして、読み
上げモード情報記憶部１７に記憶させることができる。
さらに、読み上げモード情報記憶部１７には、複数の読
み上げモード情報を記憶させておき、その複数の読み上
げモード情報の中から、読み上げのための音声合成に用
いるものを、ユーザによる入力装置２の操作にしたがっ
て選択するようにすることも可能である。

【００３９】次に、図３のフローチャートを参照して、
図１の音声合成装置による音声合成処理（ここでは、合
成音によるテキストの読み上げ処理）について説明す
る。

【００４０】ユーザが、入力装置２を操作し、テキスト
記憶部１に記憶されたテキストの中から、読み上げの対
象とするものを選択して、その読み上げを行うことを指
示すると、入力装置２は、ステップＳ１において、読み
上げを指示する指示信号を、制御部３に供給し、ステッ
プＳ２に進む。

【００４１】ステップＳ２では、制御部３は、テキスト
記憶部１から、読み上げ対象のテキストデータを読み出
し、文書解析部４に供給して、ステップＳ３に進む。

【００４２】ステップＳ３では、文書解析部４は、制御
部３からのテキストデータについて、形態素解析や構文
解析等を行い、その解析結果を、制御部３に供給する。
制御部３は、文書解析部４からのテキストデータの解析
結果を、解析結果記憶部７に供給して記憶させる。

【００４３】ここで、読み上げ対象のテキストデータ
が、例えば、「これまで進められた研究は、大きな成果
を・・・」であった場合の、文書解析部４による解析結
果を、図４に示す。

【００４４】解析結果には、図４に示すように、「形態
素Ｎｏ．」、「見出し」、「品詞」、「読み」、「活
用」、「アクセント」等が含まれる。

【００４５】「形態素Ｎｏ．」は、読み上げ対象のテキ
ストデータを構成する形態素に付されたユニークな番号
を示す。「見出し」は、読み上げ対象のテキストデータ
中の形態素を表す。「品詞」は、形態素の品詞を表す。
「読み」は、形態素の音韻を表す。「活用」は、形態素
の活用形を表す。「アクセント」は、形態素におけるア
クセントの形を表し、平板型は０、頭高型は１、中高型
はアクセントのおかれる拍の位置を表す。

【００４６】図３に戻り、制御部３は、文書解析部４か
らのテキストデータの解析結果を、解析結果記憶部７に
記憶させると、その旨を、音声記号生成部８に通知す
る。この場合、音声記号生成部８は、解析結果記憶部７
に記憶された解析結果を、制御部３を介して読み出し、
その解析結果に基づき、アクセントや、フレーズ、ポー
ズ等を表す合成用タグ、および音韻情報で構成される音
声記号（列）を生成する。

【００４７】ここで、テキストデータが「これまで進め
られた研究は、大きな成果を・・・」である場合には、
音声記号生成部８では、例えば、前述の（１）で示した
のと同様の、次のような音声記号（２）が生成される。

【００４８】 {(コレマ'テ゛ススメラレタ/ケンキュウワ)P3(オ'オキナ/セ'イカヲ)・・・) ・・・（２）

【００４９】音声記号生成部８は、音声記号を生成する
と、その音声記号を、制御部３を介して、音声記号バッ
ファ１１に供給して記憶させる。

【００５０】そして、ステップＳ５に進み、制御部３
は、読み上げモード情報記憶部１７に、読み上げモード
情報が記憶されているかどうかを判定し、記憶されてい
ないと判定した場合、制御部３は、音声記号バッファ１
１に記憶された音声記号を、規則音声合成部１２に供給
して、ステップＳ６に進む。

【００５１】ステップＳ６では、規則音声合成部１２
は、制御部３からの音声記号に含まれる音韻情報に対応
する音韻に基づいて、必要な音素片データを、音素片記
憶部１３から読み出し、ステップＳ７に進む。ステップ
Ｓ７では、規則音声合成部１２は、音声記号に含まれる
アクセント、フレーズ、およびアクセント句等を示す合
成用タグに基づいて、合成音のピッチ周波数の変化パタ
ーンや、パワーの変化パターンを規定するイントネーシ
ョンを作成し、ステップＳ８に進む。ステップＳ８で
は、規則音声合成部１２は、ステップＳ６で得た音素片
データを、ステップＳ７で作成したイントネーション
や、音声記号に含まれるポーズ等を示す合成用タグに基
づいて、波形を補正しながら接続していき、合成音デー
タを生成する。規則音声合成部１２は、合成音データを
生成すると、その合成音データを、制御部３を介して、
音声波形バッファ１４に供給して記憶させる。

【００５２】そして、ステップＳ９に進み、制御部３
は、音声波形バッファ１４に記憶された合成音データを
読み出し、音声出力部１５に供給して、処理を終了す
る。これにより、音声出力部１５では、ステップＳ２で
テキスト記憶部１から読み出されたテキストデータに対
応する合成音（そのテキストを読み上げる合成音）が出
力される。

【００５３】一方、ステップＳ５において、読み上げモ
ード情報記憶部１７に、読み上げモード情報が記憶され
ていると判定された場合、制御部３は、音声記号バッフ
ァ１１から音声記号を読み出し、その編集を要求する旨
とともに、音声記号編集部１６に供給して、ステップＳ
１０に進む。

【００５４】ステップＳ１０では、音声記号編集部１６
は、制御部３を介して、読み上げモード情報記憶部１７
から読み上げモード情報（図２）を読み出し、そのうち
の「吃りモード」が「ＯＮ」になっているかどうかを判
定する。ステップＳ１０において、「吃りモード」が
「ＯＮ」になっていないと判定された場合、ステップＳ
１１乃至Ｓ１３をスキップして、ステップＳ１４に進
み、音声記号編集部１６は、吃りに関係ない読み上げモ
ード情報に基づいて、音声記号を編集し、ステップＳ１
５に進む。

【００５５】即ち、例えば、音素片記憶部１３に、音質
の異なる音素片データが記憶されており、読み上げモー
ド情報において、合成音の読み上げを行うキャラクタが
設定されている場合には、音声記号編集部１６は、その
キャラクタに対応する音質（あるいは、周波数特性）の
音素片データを用いることを指示する合成用タグを、音
声記号に挿入する（例えば、音声記号の先頭に付加す
る）。

【００５６】ステップＳ１５では、音声記号編集部１６
は、編集後の音声記号を、制御部３を介して、音声記号
バッファ１１に供給して記憶させる。音声記号バッファ
１１において、編集後の音声記号が記憶されると、制御
部３は、音声記号バッファ１１に記憶された音声記号
を、規則音声合成部１２に供給して、ステップＳ６に進
み、以下、上述の場合と同様の処理が行われる。

【００５７】但し、例えば、上述のように、所定の音質
の音素片データを用いることを指示する合成用タグが、
音声記号に含まれている場合には、ステップＳ６では、
その合成用タグによって指示されている音質の音素片デ
ータが、音素片記憶部１３から読み出される。従って、
この場合、音声出力部１５から出力される合成音は、読
み上げモード情報において設定されているキャラクタを
想起させるような音質のものとなる。

【００５８】一方、ステップＳ１０において、「吃りモ
ード」が「ＯＮ」になっていると判定された場合、ステ
ップＳ１１に進み、音声記号編集部１６は、音声記号に
おける文頭の音韻を、読み上げモード情報の「反復回
数」に設定されている回数だけ反復させる。即ち、例え
ば、上述の音声記号（２）が得られている場合におい
て、読み上げモード情報の「反復回数」が４に設定され
ている場合には、音声記号（２）は、その文頭の音韻
「コ」を４回反復させた、次のような音声記号（３）に
編集される。

【００５９】 {(コココココレマ'テ゛ススメラレタ/ケンキュウワ)P3(オ'オキナ/セ'イカヲ)・・・) ・・・（３）

【００６０】なお、規則音声合成部１２が、音韻を反復
させることを指示する合成用タグ（以下、適宜、合成用
反復タグという）を処理することができる場合には、ス
テップＳ１０では、その合成用反復タグを、音声記号
（２）に挿入するようにすることも可能である。即ち、
例えば、合成用反復タグが、\rpt=#i\で定義され、その
直後に配置される音韻を、#i回だけ反復させることを指
示するものであるとすると、音声記号（２）の文頭の音
韻を４回反復させる場合には、音声記号（２）は、次の
ような音声記号（４）に編集される。

【００６１】 {(\rpt=4\コレマ'テ゛ススメラレタ/ケンキュウワ)P3(オ'オキナ/セ'イカヲ)・・・) ・・・（４）

【００６２】ここで、規則音声合成部１２は、音声記号
中に、合成用反復タグ\rpt=#i\が挿入されている場合、
その合成用反復タグ\rpt=#i\の直後の音韻が、#i回だけ
繰り返されるように、音素片データを接続する。

【００６３】また、読み上げモード情報の「反復回数」
が「自動」に設定されている場合には、音声記号編集部
１６は、音韻を反復させる回数を、乱数によって決定す
る。但し、この場合、乱数によって決定される回数とし
ては、読み上げモード情報の「反復最大回数」に設定さ
れている上限を越えず、かつ読み上げモード情報の「反
復最小回数」に設定されている下限を下回らない値が採
用される。

【００６４】さらに、ここでは、文頭の音韻を反復させ
るようにしたが、文頭の音韻ではなく、または文頭の音
韻とともに、例えば、ポーズがおかれる直後の音韻を反
復させるようにすることも可能である。例えば、音声記
号（２）について、文頭の音韻とともに、ポーズがおか
れる直後の音韻を反復させた場合には、次のような音声
記号（５）が得られる。

【００６５】 {(コココココレマ'テ゛ススメラレタ/ケンキュウワ)P3(オオオオ'オキナ/セ'イカヲ)・・・) ・・・（５）

【００６６】ここで、音声記号（５）は、文頭の音韻
「コ」を４回反復し、ポーズの直後の音韻「オ」を３回反
復するものとなっている。

【００６７】また、音声記号については、文頭やポーズ
の直後の音韻に限らず、任意の音韻を反復させることが
可能である。どの音韻を反復させるかは、例えば、読み
上げモード情報に設定することができる。

【００６８】ステップＳ１１において、音声記号におけ
る音韻を反復させた後は、ステップＳ１２に進み、音声
記号編集部１６は、音声記号について、その反復する音
韻部分の発話速度を設定する編集を、読み上げモード情
報を参照することで行う。

【００６９】即ち、読み上げモード情報において、「反
復速度」が、例えば、標準の発話速度＋２［モーラ／
秒］に設定されている場合には、例えば、上述の音声記
号（５）は、次のような音声記号（６）に編集される。

【００７０】 {(\spd=標準+2\ココココ\spd=標準\コレマ'テ゛ススメラレタ/ケンキュウワ) P3(\spd=標準+2\オオオ\spd=標準\オ'オキナ/セ'イカヲ)・・・) ・・・（６）

【００７１】音声記号（６）には、発話速度を指示する
合成用タグ（以下、適宜、合成用速度タグという）\spd
=#i\が挿入されており、この合成用速度タグ\spd=#i\
は、発話速度を、#i［モーラ／秒］とすることを意味す
る。規則音声合成部１２は、音声記号中に、合成用速度
タグ\spd=#i\が挿入されている場合、その合成用速度タ
グ\spd=#i\以降に配置されている音韻の発話速度が、そ
の後に新たな合成用速度タグ\spd=#i'\が現れるまで、#
i［モーラ／秒］となるように、音素片データを接続す
る。従って、音声記号（６）から生成される合成音につ
いては、文頭の４つの音韻「ココココ」は、標準＋２［モー
ラ／秒］の発話速度で出力され、その後の、合成用速度
タグ\spd=標準\から\spd=標準+2\までの音韻「コレマテ゛ススメ
ラレタケンキュウワ」は、標準の発話速度で出力される。さら
に、ポーズ（P3)の後の合成用速度タグ\spd=標準+2\の
直後の３つの音韻「オオオ」は、標準＋２［モーラ／秒］
の発話速度で出力され、その後の合成用速度タグ\spd=
標準\に続く音韻「オオキナセイカヲ・・・」は、標準の発話速
度で出力される。

【００７２】なお、音声記号（６）では、反復する音韻
部分「ココココ」および「オオオ」が、他の音韻部分よりも２
［モーラ／秒］だけ、発話速度が速くなるが、これは、
反復する音韻部分の発話速度を、他の音韻部分よりも速
くした方が、自然な吃りの合成音が得られるからであ
る。

【００７３】また、読み上げモード情報の「反復速度」
が「自動」に設定されている場合には、音声記号編集部
１６は、反復する音韻部分の発話速度を、乱数によって
決定する。但し、この場合、乱数によって決定される発
話速度としては、読み上げモード情報の「反復最大速
度」に設定されている上限を越えず、かつ読み上げモー
ド情報の「反復最小速度」に設定されている下限を下回
らない値が採用される。

【００７４】さらに、反復する音韻部分の発話速度は、
その音韻の反復回数によって設定することが可能であ
る。この場合、例えば、上述の音声記号（５）は、次の
ような音声記号（７）に編集される。

【００７５】 {(\spd=標準+4\ココココ\spd=標準\コレマ'テ゛ススメラレタ/ケンキュウワ) P3(\spd=標準+3\オオオ\spd=標準\オ'オキナ/セ'イカヲ)・・・) ・・・（７）

【００７６】音声記号（７）によれば、反復する音韻部
分における音韻の反復回数に比例して、その反復する音
韻部分の発話速度が速くなる合成音が生成される。

【００７７】また、音声記号（６）や（７）では、反復
する音韻部分において、その音韻を反復している間の発
話速度は、一定となるが、その発話速度を変化させる編
集を行うことも可能である。即ち、読み上げモード情報
の「反復加速度」が設定されている場合には、音声記号
編集部１６は、その「反復加速度」の設定にしたがい、
反復する音韻部分において、その音韻を反復している間
の発話速度が変化するように、音声記号を編集する。具
体的には、例えば、読み上げモード情報の「反復加速
度」が、図２に示したように、「２モーラ／秒→８モー
ラ／秒」に設定されている場合には、音声記号（５）
は、次のような音声記号（８）に編集される。

【００７８】 {(\spd=2to8\ココココ\spd=標準\コレマ'テ゛ススメラレタ/ケンキュウワ) P3(\spd=2to8\オオオ\spd=標準\オ'オキナ/セ'イカヲ)・・・) ・・・（８）

【００７９】ここで、音声記号（８）の合成用速度タグ
\spd=2to8\における2to8は、次の合成用速度タグが現れ
るまでの間の音韻の発話速度を、２モーラ／秒から８モ
ーラ／秒に変化させていくことを表す。従って、この場
合、規則音声合成部１２では、反復される音韻部分にお
いて、そのように発話速度が変化するように、音素片デ
ータが接続される。

【００８０】ステップＳ１２において、上述のように、
音声記号に、合成用速度タグを挿入する編集を行った後
は、ステップＳ１３に進み、音声記号編集部１６は、音
声記号について、その反復する音韻部分のパワーを設定
する編集を、読み上げモード情報を参照することで行
う。

【００８１】即ち、読み上げモード情報において、「反
復パワー変化」が、例えば、図２に示したように、「＋
４ｄＢ／モーラ」に設定されている場合には、例えば、
上述の音声記号（８）は、次のような音声記号（９）に
編集される。

【００８２】 {(\pow=+4\\spd=2to8\ココココ\spd=標準\\pow=標準\コレマ'テ゛ススメラレタ/ケンキュウワ) P3(\pow=+4\\spd=2to8\オオオ\spd=標準\\pow=標準\オ'オキナ/セ'イカヲ)・・・) ・・・（９）

【００８３】音声記号（９）には、パワーを指示する合
成用タグ（以下、適宜、合成用パワータグという）\pow
=#i\が挿入されており、この合成用パワータグ\pow=#i\
は、パワーを、#i［ｄｂ］とすることを意味する。但
し、合成用パワータグ\pow=±i\は、パワーを、１モー
ラあたり、±ｉ［ｄＢ］ずつ変化させることを表す。規
則音声合成部１２は、音声記号中に、合成用パワータグ
\pow\が挿入されている場合、その合成用速度タグ\pow\
以降に配置されている音韻のパワーを、その合成用速度
タグ\pow\にしたがって制御する。従って、音声記号
（９）から生成される合成音については、文頭の４つの
音韻「ココココ」は、１モーラあたり４ｄＢずつ増加するパ
ワーで出力され、その後の、合成用パワータグ\pow=標
準\から\pow=+4\までの音韻「コレマテ゛ススメラレタケンキュウワ」は、
標準のパワーで出力される。さらに、ポーズ（P3）の後
の合成用速度タグ\pow=+4\の直後の３つの音韻「オオオ」
は、再び、１モーラあたり４ｄＢずつ増加するパワーで
出力され、その後の合成用速度タグ\pow=標準\に続く音
韻「オオキナセイカヲ・・・」は、標準のパワーで出力される。

【００８４】なお、その他、例えば、反復される音韻部
分の直後の音韻のパワーが大となるような編集を行うこ
とも可能である。

【００８５】ステップＳ１３において、上述のように、
音声記号に、合成用パワータグを挿入する編集を行った
後は、ステップＳ１４に進み、以下、上述の場合と同様
の処理が行われ、音声出力部１５において合成音が出力
される。

【００８６】従って、この場合、音声出力部１５から出
力される合成音は、所定の音韻が、読み上げモード情報
にしたがって反復回数、発話速度、パワーが制御された
もの、即ち、自然な吃りのある合成音となる。

【００８７】以上のように、音声記号を、読み上げモー
ド情報にしたがって編集することにより、音声記号にお
ける所定の音韻を反復させるようにしたので、容易に、
吃りのある合成音を生成することができる。

【００８８】さらに、音声記号について、反復させる音
韻部分の発話速度やパワーを制御する編集も行うように
したので、自然な吃りのある合成音を生成することがで
きる。

【００８９】次に、上述した一連の処理は、ハードウェ
アにより行うこともできるし、ソフトウェアにより行う
こともできる。一連の処理をソフトウェアによって行う
場合には、そのソフトウェアを構成するプログラムが、
汎用のコンピュータ等にインストールされる。

【００９０】そこで、図５は、上述した一連の処理を実
行するプログラムがインストールされるコンピュータの
一実施の形態の構成例を示している。

【００９１】プログラムは、コンピュータに内蔵されて
いる記録媒体としてのハードディスク１０５やＲＯＭ１
０３に予め記録しておくことができる。

【００９２】あるいはまた、プログラムは、フレキシブ
ルディスク、CD-ROM(Compact DiscRead Only Memory)，
MO(Magneto optical)ディスク，DVD(Digital Versatile
Disc)、磁気ディスク、半導体メモリなどのリムーバブ
ル記録媒体１１１に、一時的あるいは永続的に格納（記
録）しておくことができる。このようなリムーバブル記
録媒体１１１は、いわゆるパッケージソフトウエアとし
て提供することができる。

【００９３】なお、プログラムは、上述したようなリム
ーバブル記録媒体１１１からコンピュータにインストー
ルする他、ダウンロードサイトから、ディジタル衛星放
送用の人工衛星を介して、コンピュータに無線で転送し
たり、LAN(Local Area Network)、インターネットとい
ったネットワークを介して、コンピュータに有線で転送
し、コンピュータでは、そのようにして転送されてくる
プログラムを、通信部１０８で受信し、内蔵するハード
ディスク１０５にインストールすることができる。

【００９４】コンピュータは、CPU(Central Processing
Unit)１０２を内蔵している。CPU１０２には、バス１
０１を介して、入出力インタフェース１１０が接続され
ており、CPU１０２は、入出力インタフェース１１０を
介して、ユーザによって、キーボードや、マウス、マイ
ク等で構成される入力部１０７が操作等されることによ
り指令が入力されると、それにしたがって、ROM(Read O
nly Memory)１０３に格納されているプログラムを実行
する。あるいは、また、CPU１０２は、ハードディスク
１０５に格納されているプログラム、衛星若しくはネッ
トワークから転送され、通信部１０８で受信されてハー
ドディスク１０５にインストールされたプログラム、ま
たはドライブ１０９に装着されたリムーバブル記録媒体
１１１から読み出されてハードディスク１０５にインス
トールされたプログラムを、RAM(Random Access Memor
y)１０４にロードして実行する。これにより、CPU１０
２は、上述したフローチャートにしたがった処理、ある
いは上述したブロック図の構成により行われる処理を行
う。そして、CPU１０２は、その処理結果を、必要に応
じて、例えば、入出力インタフェース１１０を介して、
LCD(Liquid CryStal Display)やスピーカ等で構成され
る出力部１０６から出力、あるいは、通信部１０８から
送信、さらには、ハードディスク１０５に記録等させ
る。

【００９５】ここで、本明細書において、コンピュータ
に各種の処理を行わせるためのプログラムを記述する処
理ステップは、必ずしもフローチャートとして記載され
た順序に沿って時系列に処理する必要はなく、並列的あ
るいは個別に実行される処理（例えば、並列処理あるい
はオブジェクトによる処理）も含むものである。

【００９６】また、プログラムは、１のコンピュータに
より処理されるものであっても良いし、複数のコンピュ
ータによって分散処理されるものであっても良い。さら
に、プログラムは、遠方のコンピュータに転送されて実
行されるものであっても良い。

【００９７】以上、本発明の音声合成装置について説明
したが、この音声合成装置は、現実世界における実際の
ロボットや、表示装置に表示される仮想的なロボット
（キャラクタ）、対話システムその他に広く適用するこ
とができる。例えば、ロボットに適用した場合には、ロ
ボットが、吃りのある合成音による発話を行うことか
ら、ロボットに個性を持たせることができ、そのエンタ
テイメント性を向上させることができる。

【００９８】なお、本実施の形態では、音声記号編集部
１６を、規則音声合成部１２とは別に構成するようにし
たが、音声記号編集部１６は、規則音声合成部１２に内
蔵させる形で構成することも可能である。

【００９９】また、本実施の形態では、音声記号の編集
を、読み上げモード情報にしたがって行うようにした
が、音声記号の編集は、読み上げモード情報に対応する
編集用タグを、音声記号に、あらかじめ挿入しておき、
その編集用タグにしたがって行うようにすることも可能
である。

【０１００】即ち、例えば、音声記号の編集において音
韻を反復させることを指示するタグ（以下、適宜、編集
用反復タグという）\vch=Domori\を、編集用タグの１つ
として定義しておき、音声記号編集部１６には、このよ
うな編集用タグにしたがって、音声記号の編集を行わせ
ることが可能である。

【０１０１】この場合、例えば、音声記号が「{(コレマ'テ゛
ススメ\vch=Domori\ラレタ/ケンキュウワ)P3(オ'オキナ/セ'イカヲ)・・・}」
であったときには、音声記号編集部１６では、編集用反
復タグ\vch=Domori\にしたがい、「{(コレマ'テ゛ススメラララララ・
・・レタ/ケンキュウワ)P3(オ'オキナ/セ'イカヲ)・・・}」のように、編
集用反復タグ\vch=Domori\の直後の音韻「ラ」を所定回
数だけ反復させるように編集が行われる。

【０１０２】なお、この場合、読み上げモード情報は不
要となる。但し、読み上げモード情報と、編集用タグと
は、併用することが可能である。

【０１０３】また、編集用タグは、音声記号ではなく、
その音声記号を生成する前のテキストデータに挿入して
おくことが可能である。なお、音韻情報を有する記号
（列）を、音声情報というものとすると、音声記号や、
その音声記号を生成する前のテキストデータは、いずれ
も音声情報であり、上述した編集は、音声情報を対象と
して行うことができる。即ち、上述の編集は、音声記号
ではなく、テキストデータを対象に行うことも可能であ
る。

【０１０４】また、本実施の形態では、合成音を規則音
声合成によって生成するようにしたが、合成音は、規則
音声合成以外の音声合成によって生成することも可能で
ある。

【０１０５】

【発明の効果】以上の如く、本発明の音声合成装置およ
び音声合成方法、並びにプログラムによれば、音声情報
が、所定の規則にしたがって編集され、音声情報におけ
る所定の音韻を反復させた状態の音声情報に変換され
る。そして、その編集された音声情報にしたがい、合成
音が生成される。従って、吃りのある合成音を、容易に
生成することが可能となる。

【図面の簡単な説明】

【図１】本発明を適用した音声合成装置の一実施の形態
の構成例を示すブロック図である。

【図２】読み上げモード情報を示す図である。

【図３】音声合成装置の処理を説明するフローチャート
である。

【図４】文書解析部４の処理結果を示す図である。

【図５】本発明を適用したコンピュータの一実施の形態
の構成例を示すブロック図である。

【符号の説明】

１ テキスト記憶部， ２ 入力装置， ３ 制御部，
４ 文書解析部，５ 単語辞書記憶部， ６ 文法規
則記憶部， ７ 解析結果記憶部， ８ 音声記号生成
部， ９ アクセント規則記憶部， １０ フレーズ規
則記憶部，１１ 音声記号バッファ， １２ 規則音声
合成部， １３ 音素片記憶部，１４ 音声波形バッフ
ァ， １５ 音声出力部， １６ 音声記号編集部，
１７ 読み上げモード情報記憶部， １０１ バス，
１０２ CPU， １０３ ROM， １０４ RAM， １０
５ ハードディスク， １０６ 出力部， １０７入力
部， １０８ 通信部， １０９ ドライブ， １１０
入出力インタフェース， １１１ リムーバブル記録
媒体

───────────────────────────────────────────────────── フロントページの続き (72)発明者 浅野 康治 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 狩谷 真一 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 藤田 八重子 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 Ｆターム(参考） 5D045 AA01 AA07 AB11

Claims (23)

【特許請求の範囲】
1. 【請求項１】 少なくとも音韻情報を含む音声情報か
   ら、合成音を生成する音声合成装置であって、 前記音声情報を、所定の規則にしたがって編集すること
   により、前記音声情報における所定の音韻を反復させた
   状態の音声情報に変換する編集手段と、 前記編集手段において編集された前記音声情報にしたが
   い、合成音を生成する音声合成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】 前記編集手段は、前記音声情報における
   文頭の音韻を反復させる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】 前記編集手段は、前記音声情報がポーズ
   を表すポーズ記号を含む場合に、そのポーズ記号の直後
   の音韻を反復させることを特徴とする請求項１に記載の
   音声合成装置。
4. 【請求項４】 前記編集手段は、前記音声情報が、前記
   編集手段に対して、音韻を反復させる編集を行うことを
   指示する編集用タグを含む場合に、その編集用タグにし
   たがって、音韻を反復させることを特徴とする請求項１
   に記載の音声合成装置。
5. 【請求項５】 前記編集手段は、前記所定の音韻を、一
   定回数だけ反復させることを特徴とする請求項１に記載
   の音声合成装置。
6. 【請求項６】 前記編集手段は、前記所定の音韻を、乱
   数により決定される回数だけ反復させることを特徴とす
   る請求項１に記載の音声合成装置。
7. 【請求項７】 前記乱数により決定される回数につい
   て、その上限または下限が設定可能となっていることを
   特徴とする請求項６に記載の音声合成装置。
8. 【請求項８】 前記乱数により決定される回数の上限ま
   たは下限を入力する入力手段をさらに備えることを特徴
   とする請求項７に記載の音声合成装置。
9. 【請求項９】 前記編集手段は、前記編集用タグにおい
   て、音韻の反復回数が指示されている場合に、その反復
   回数だけ、音韻を反復させることを特徴とする請求項４
   に記載の音声合成装置。
10. 【請求項１０】 前記編集手段は、音韻を反復させると
    ともに、その反復される音韻部分の発話速度が他の部分
    よりも速くなるように、前記音声情報を編集することを
    特徴とする請求項１に記載の音声合成装置。
11. 【請求項１１】 前記編集手段は、反復される音韻部分
    の発話速度を、乱数によって決定することを特徴とする
    請求項１０に記載の音声合成装置。
12. 【請求項１２】 前記乱数により決定される発話速度に
    ついて、その上限または下限が設定可能となっているこ
    とを特徴とする請求項１１に記載の音声合成装置。
13. 【請求項１３】 前記編集手段は、反復される音韻部分
    の発話速度を、その音韻の反復回数に基づいて決定する
    ことを特徴とする請求項１０に記載の音声合成装置。
14. 【請求項１４】 前記編集手段は、反復される音韻部分
    の発話速度が変化するように、前記音声情報を編集する
    ことを特徴とする請求項１０に記載の音声合成装置。
15. 【請求項１５】 前記編集手段は、音韻を反復させると
    ともに、その反復される音韻部分の直後の音韻のパワー
    が大きくなるように、前記音声情報を編集することを特
    徴とする請求項１に記載の音声合成装置。
16. 【請求項１６】 前記編集手段は、音韻を反復させると
    ともに、その反復される音韻部分のパワーが変化するよ
    うに、前記音声情報を編集することを特徴とする請求項
    １に記載の音声合成装置。
17. 【請求項１７】 前記編集手段は、音韻を反復させるよ
    うに、前記音声情報を編集するとともに、前記音声合成
    手段に対して、合成音の発話速度またはパワーを指示す
    る合成用タグを、前記音声情報に挿入することを特徴と
    する請求項１に記載の音声合成装置。
18. 【請求項１８】 前記編集手段は、前記音声情報が、前
    記編集手段に対して、合成音の発話速度またはパワーを
    制御する編集を行うことを指示する編集用タグを含む場
    合に、その編集用タグにしたがって、前記音声情報を、
    さらに編集することを特徴とする請求項１に記載の音声
    合成装置。
19. 【請求項１９】 前記編集手段は、前記音声情報におけ
    る音韻情報を繰り返し記述することにより、その音韻情
    報に対応する所定の音韻を反復させた状態の音声情報を
    得ることを特徴とする請求項１に記載の音声合成装置。
20. 【請求項２０】 テキストを言語処理する言語処理手段
    と、 前記言語処理手段による言語処理結果に基づいて、前記
    音声情報を生成する生成手段とをさらに備えることを特
    徴とする請求項１に記載の音声合成装置。
21. 【請求項２１】 少なくとも音韻情報を含む音声情報か
    ら、合成音を生成する音声合成方法であって、 前記音声情報を、所定の規則にしたがって編集すること
    により、前記音声情報における所定の音韻を反復させた
    状態の音声情報に変換する編集ステップと、 前記編集ステップにおいて編集された前記音声情報にし
    たがい、合成音を生成する音声合成ステップとを備える
    ことを特徴とする音声合成方法。
22. 【請求項２２】 少なくとも音韻情報を含む音声情報か
    ら、合成音を生成する音声合成処理を、コンピュータに
    行わせるプログラムであって、 前記音声情報を、所定の規則にしたがって編集すること
    により、前記音声情報における所定の音韻を反復させた
    状態の音声情報に変換する編集ステップと、 前記編集ステップにおいて編集された前記音声情報にし
    たがい、合成音を生成する音声合成ステップとを備える
    ことを特徴とするプログラム。
23. 【請求項２３】 少なくとも音韻情報を含む音声情報か
    ら、合成音を生成する音声合成処理を、コンピュータに
    行わせるプログラムが記録されている記録媒体であっ
    て、 前記音声情報を、所定の規則にしたがって編集すること
    により、前記音声情報における所定の音韻を反復させた
    状態の音声情報に変換する編集ステップと、 前記編集ステップにおいて編集された前記音声情報にし
    たがい、合成音を生成する音声合成ステップとを備える
    プログラムが記録されていることを特徴とする記録媒
    体。