JP2003029774A - 音声波形辞書配信システム、音声波形辞書作成装置、及び音声合成端末装置 - Google Patents

Abstract

(57)【要約】 【課題】 利用者の要求する話者の音色で電子メールな
どのテキスト情報を読み上げることが可能な音声波形辞
書配信システム、音声波形辞書作成装置、及び音声合成
端末装置を提供すること。 【解決手段】 音声波形辞書配信システム１００は、音
声合成端末装置１３０の利用者が、要求する音声波形辞
書の作成条件を辞書条件入力部１３１から入力すると、
音声波形辞書作成装置１１０において、音声データベー
ス１１２ａ〜１１２ｃなどの複数の音声データベースを
用いて、音声合成端末装置１３０の利用者が要求する音
声波形辞書を作成し、作成した音声波形辞書をネットワ
ーク１２０を介して音声合成端末装置１３０の記録媒体
１３２に記録する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、配信されたテキス
ト文章を音声読み上げする携帯電話やモバイルコンピュ
ータなどの音声合成端末装置と、音声合成端末装置の利
用者の好みに応じた音声波形辞書を作成して音声合成端
末装置に送信する音声波形辞書作成装置と、音声合成端
末装置及び音声波形辞書作成装置から構成される音声波
形辞書配信システムとに関するものである。

【０００２】

【従来の技術】従来、電子メールの受信可能な音声合成
端末装置としては、特開平１１―２０２８８５号公報に
記載されているように、テキスト情報を音声合成によっ
て読み上げるものが知られている。

【０００３】

【発明が解決しようとする課題】しかしながら、上記従
来の音声合成端末措置においては、予め搭載されている
話者の音声でしか音声合成することができず、利用者の
要求する音声で読み上げることができないという問題が
あった。利用者の要求する話者の音色で合成するために
は、例えば予め複数の話者の音声データを音声合成端末
措置に所有することが考えられるが、実現するためには
膨大な音声波形辞書のデータが必要となり、音声合成端
末措置の小型化、低価格化などに大きな障害となる。ま
た、声質変換などの技術を利用することが考えられる
が、音色を自由に変換できるインターフェースが提供で
きたとしても、音声合成端末措置の利用者が直接音響パ
ラメータを修正するのは容易な作業ではなく、加えて現
状の声質変換技術では十分に音声合成端末措置の利用者
の満足する声質への変換はできない。

【０００４】一方、サーバから端末措置へ通信回線を利
用して音声情報を配信する情報サービスでは、電子メー
ルなどのテキスト文章をサーバ側で音声合成し、この合
成した音声信号そのものを通信回線により端末措置に配
信する方式が考えられる。この場合、サーバ側では複数
の話者の音声データを予め用意しておき、端末装置の利
用者からの要求のあった話者の音声データでテキスト情
報を音声合成して配信すればよく、端末装置側では配信
されてきた音声信号をそのまま出力することができる。
ところが、このようにサーバ側で音声合成を行って端末
装置に送信する方式では、音声読み上げの度に通信回線
を接続状態にしておく必要があり、音声信号の伝送に時
間がかかることから通信回線の利用時間が長くなり、端
末装置の利用者にとっては好ましくない。また、配信時
間を短縮するために音声信号を高圧縮し、データ量を減
らして配信した場合、圧縮処理により音質劣化が生じ
て、高音質な音声を提供できなくなってしまう。

【０００５】そこで、本発明は、利用者の要求する話者
の音色で電子メールなどのテキスト情報を読み上げるこ
とが可能な音声波形辞書配信システム、音声波形辞書作
成装置、及び音声合成端末装置を提供することを目的と
する。

【０００６】

【課題を解決するための手段】上記課題を解決するため
に、本発明の音声波形辞書配信システムは、音声合成に
使用される音声波形辞書を作成する音声波形辞書作成装
置と、前記音声波形辞書をネットワーク経由で収得して
音声合成を行う音声合成端末装置とから構成され、前記
音声波形辞書作成装置は、複数の音声データベースと、
前記音声合成端末装置から受信する前記音声波形辞書に
対する要求条件に基づいて、前記音声波形辞書の作成条
件を決定する辞書条件決定手段と、前記音声データベー
スの中から前記作成条件に基づいた音声データベースを
用いて前記音声波形辞書を作成する音声波形辞書作成手
段と、前記ネットワークを介して、前記要求条件を受信
し、前記音声波形辞書を送信する条件受信辞書送信手段
とを備え、前記音声合成端末装置は、前記要求条件を入
力する辞書条件入力手段と、前記ネットワークを介し
て、前記要求条件を送信し、前記音声波形辞書を受信す
る条件送信辞書受信手段と、前記音声波形辞書を記録す
る音声波形辞書記録手段と、前記音声波形辞書記録手段
に記録された前記音声波形辞書を用いて音声合成を行う
音声合成手段と、前記音声合成手段で音声合成した音声
信号を出力する音声出力手段とを備える構成を有してい
る。

【０００７】この構成により、本発明の音声波形辞書配
信システムは、音声波形辞書作成装置に複数種類の話者
の音声データベースを用意しておき、音声合成端末装置
の利用者が要求する音声波形辞書のサイズや音色の音声
波形辞書を音声波形辞書作成装置で自由に作成し、音声
波形辞書作成装置から音声合成端末装置にダウンロード
できるので、音声合成端末装置の音声合成器で好みの話
者の音色で電子メールなどのテキスト情報を音声読み上
げすることが可能となる。

【０００８】また、本発明の音声波形辞書配信システム
は、音声波形辞書作成装置の管理者が音声データベース
の追加や修正を行い、音声合成端末装置の利用者が最新
の音声波形辞書をダウンロードすることによって、音声
合成端末装置の音声波形辞書を容易にメンテナンスする
ことができる。

【０００９】また、本発明の音声波形辞書配信システム
は、前記音声波形辞書作成装置は、前記音声波形辞書作
成手段で作成した前記音声波形辞書を用いて音声合成を
実行する作成辞書音声合成手段を備え、前記音声合成端
末装置は、前記ネットワークを介して、前記作成辞書音
声合成手段で音声合成した音声信号を受信し、受信した
前記音声信号を前記音声出力手段で出力する構成を有し
ている。

【００１０】この構成により、本発明の音声波形辞書配
信システムは、音声波形辞書作成装置で作成した音声波
形辞書を音声合成端末装置にダウンロードする前に、音
声合成端末装置の利用者に、音声波形辞書作成装置で作
成した音声波形辞書を使って音声合成した試聴用の音声
信号を試聴させることができので、作成した音声波形辞
書をダウンロードするか否かを選択させることが可能と
なる。

【００１１】また、本発明の音声波形辞書作成装置は、
複数の音声データベースと、音声合成に使用される音声
波形辞書に対する要求条件に基づいて、前記音声波形辞
書の作成条件を決定する辞書条件決定手段と、前記音声
データベースの中から前記作成条件に基づいた音声デー
タベースを用いて前記音声波形辞書を作成する音声波形
辞書作成手段と、ネットワークを介して、前記要求条件
を受信し、前記音声波形辞書を送信する条件受信辞書送
信手段とを備えた構成を有している。

【００１２】この構成により、本発明の音声波形辞書作
成装置は、予め複数種類の話者の音声データベースを用
意しておき、音声合成端末装置の利用者が要求する音声
波形辞書のサイズや音色の音声波形辞書を自由に作成
し、音声合成端末装置に配信することができるので、音
声合成端末装置の音声合成器に、音声合成端末装置の利
用者が要求する話者の音色で電子メールなどのテキスト
情報を音声読み上げさせることが可能となる。

【００１３】また、本発明の音声波形辞書作成装置は、
前記音声波形辞書作成手段は、前記音声データベースに
予め付属させられた付属情報を参照して音声波形を選出
する音声波形選出手段と、前記音声波形選出手段によっ
て選出された前記音声波形を所定の形式に変換するパラ
メータ化手段と、前記音声データベースから前記音声波
形に付属させられた前記付属情報を抽出する音声波形付
属情報抽出手段と、前記パラメータ化手段でパラメータ
化された前記音声波形、及び、前記音声波形付属情報抽
出手段によって抽出された前記付属情報を用いて、前記
音声波形辞書を構築する辞書構築手段とを備える構成を
有している。

【００１４】この構成により、本発明の音声波形辞書作
成装置は、例えば音声合成端末装置で用いられている合
成方式がＬＰＣ系のパラメトリックな合成方式である場
合や波形重畳型の合成方式などである場合、それぞれの
合成方式に応じて指定された形式の音声波形辞書を作成
することができ、音声合成端末装置に搭載されている音
声合成器の種類に関わらず、音声合成端末装置の利用者
が要求する話者の音声波形辞書を作成し、音声合成端末
装置に配信することが可能である。

【００１５】また、本発明の音声波形辞書作成装置は、
前記パラメータ化手段は、前記音声波形を音源特性と声
道特性とに分離して、それぞれを独立にパラメータ化す
る構成を有している。

【００１６】この構成により、本発明の音声波形辞書作
成装置は、音声波形を音源特性と声道特性とに分離する
ことで、音声合成の際には音声の音色などスペクトルに
依存する特徴と、声の高さなど音源に依存する特徴とを
独立に制御することが容易になる。更に、本発明の音声
波形辞書作成装置は、パラメータ化によって音声波形の
データ容量を大幅に圧縮できる音声波形辞書を作成する
ことが可能である。

【００１７】また、本発明の音声波形辞書作成装置は、
前記パラメータ化手段は、前記音声波形をピッチ波形単
位に分割して抽出するピッチ波形抽出手段と、前記ピッ
チ波形抽出手段によって抽出された前記ピッチ波形に対
して、類似度が所定値以上の前記ピッチ波形同士を分類
するピッチ波形分類手段と、前記ピッチ波形分類手段に
よって分類された前記ピッチ波形の中から前記音声波形
辞書に代表として登録する代表ピッチ波形を作成する代
表ピッチ波形作成手段とを備える構成を有している。

【００１８】この構成により、本発明の音声波形辞書作
成装置は、例えば合成単位内または合成単位の枠を越え
て類似度の高いピッチ波形が存在する場合、これら複数
のピッチ波形を代表的な一つのピッチ波形に置き換える
ことで、無駄の少ない効率的な音声波形辞書を作成する
ことが可能であり、音声波形辞書のデータ容量を削減す
ることができる。

【００１９】また、本発明の音声波形辞書作成装置は、
前記音声波形選出手段は、予め音声データに付属させら
れた音素境界ラベル情報を参照して合成単位の境界ラベ
ルを付与し、前記合成単位を作成する合成単位作成手段
と、前記合成単位作成手段で作成された前記合成単位の
前記音声波形を前記音声波形辞書に登録する候補として
抽出する候補波形抽出手段と、前記候補波形抽出手段で
抽出された前記音声波形の中から前記音声波形辞書に登
録する音声波形を選定する登録波形選定手段とを備える
構成を有している。

【００２０】この構成により、本発明の音声波形辞書作
成装置は、音声合成端末装置の利用者に合成単位を自由
に指定させることができ、例えば短い合成単位を指定さ
れればサイズの小さな音声波形辞書を作成することがで
き、長い合成単位を指定されれば、高音質な音声合成が
可能な音声波形辞書を作成することができる。したがっ
て、本発明の音声波形辞書作成装置によれば、音声合成
端末装置の利用者は、音声波形辞書を記録するメモリ容
量と、合成音声の音質との兼ね合いを判断して音声波形
辞書を作成することが可能となる。

【００２１】また、本発明の音声波形辞書作成装置は、
前記登録波形選定手段は、前記候補波形抽出手段で抽出
された全ての前記音声波形のスペクトル情報を抽出する
スペクトル抽出手段と、前記スペクトル情報を用いて、
前記候補波形抽出手段で抽出された前記音声波形間のス
ペクトル距離を計算するスペクトル距離計算手段と、前
記スペクトル距離に基づいて、前記音声波形辞書に代表
として登録する前記音声波形を選定するスペクトル代表
波形選定手段とを備える構成を有している。

【００２２】この構成により、本発明の音声波形辞書作
成装置は、音声合成端末装置の利用者の要求する音声波
形辞書のサイズに応じた音声波形数で、音声合成時に接
続する二つの合成単位間で生じるスペクトル歪を少なく
することが可能な音声波形辞書を作成することができ
る。

【００２３】また、本発明の音声波形辞書作成装置は、
前記登録波形選定手段は、前記候補波形抽出手段で抽出
された全ての前記音声波形の基本周波数情報を抽出する
基本周波数抽出手段と、前記基本周波数情報を用いて、
前記候補波形抽出手段で抽出された前記音声波形間の基
本周波数距離を計算する基本周波数距離計算手段と、前
記基本周波数距離に基づいて、前記音声波形辞書に代表
として登録する前記音声波形を選定する基本周波数代表
波形選定手段とを備える構成を有している。

【００２４】この構成により、本発明の音声波形辞書作
成装置は、音声合成端末装置の利用者の要求する音声波
形辞書サイズに応じた音声波形数で、ピッチ変換や時間
長変換などの韻律変換処理によって生じる波形歪を抑え
ることが可能な音声波形辞書を作成することができる。

【００２５】また、本発明の音声合成端末装置は、音声
合成に使用される音声波形辞書に対する要求条件を入力
する辞書条件入力手段と、ネットワークを介して、前記
要求条件を送信し、前記音声波形辞書を受信する条件送
信辞書受信手段と、前記音声波形辞書を記録する音声波
形辞書記録手段と、前記音声波形辞書記録手段に記録さ
れた前記音声波形辞書を用いて音声合成を行う音声合成
手段と、前記音声合成手段で音声合成した音声信号を出
力する音声出力手段とを備えた構成を有している。

【００２６】この構成により、本発明の音声合成端末装
置は、利用者が音声波形辞書を決定することができ、情
報提供サーバから獲得したテキスト情報を利用者の好み
の話者の声で音声合成を行うことができる。また、本発
明の音声合成端末装置を使用した音声波形辞書配信シス
テムは、サーバ（音声波形辞書作成装置）側で音声合成
して音声信号を送受信するシステムと比較して、音声波
形辞書を一度ダウンロードすれば音声合成端末装置に音
声信号を通信する必要がないため、通信負荷を抑えるこ
とができる。

【００２７】また、本発明の音声合成端末装置は、前記
音声波形辞書記録手段は、複数の前記音声波形辞書を記
録する構成を有している。

【００２８】この構成により、本発明の音声合成端末装
置は、一つのアプリケーションの中で複数話者での合成
が可能となり、例えば電子メールやニュース文などコン
テンツ毎に異なる話者での音声読み上げが可能となるの
で、利用者は現在の音声読み上げの対象が何であるのか
を判断することができる。

【００２９】また、本発明の音声合成端末装置は、前記
音声合成手段は、複数の音声合成器を備え、複数の前記
音声合成器の中から前記音声波形辞書の辞書形式に適し
た音声合成器を使用して音声合成する構成を有してい
る。

【００３０】この構成により、本発明の音声合成端末装
置は、例えば音声波形辞書の辞書形式がＬＰＣパラメー
タである場合や、音声波形をピッチ波形単位に分割した
形式である場合など、それぞれの辞書形式に応じて音声
合成器を自動的に使い分けることで、音声波形辞書をダ
ウンロードする際、利用者に辞書形式を把握させる必要
がない。

【００３１】また、本発明の音声合成端末装置は、前記
音声合成手段は、音声読み上げ対象であるテキスト情報
を表音文字列に変換するテキスト解析手段と、前記音声
波形辞書から前記表音文字列が一致する前記音声波形を
選択する音声波形選択手段と、合成音声の韻律パタンを
決定する韻律生成手段と、前記韻律パタンに基づいて前
記音声波形の韻律変形を行う音声波形変形手段と、韻律
変形された前記音声波形を接続する音声波形接続手段と
を備える構成を有している。

【００３２】この構成により、本発明の音声合成端末装
置は、音声波形辞書に登録されている複数の音声波形の
候補の中から、合成環境に最も適した音声波形を選択す
ることができるようになり、高音質な音声合成が可能と
なる。

【００３３】

【発明の実施の形態】以下、本発明の実施の形態につい
て、図面を用いて説明する。 （第１の実施の形態）

【００３４】まず、第１の実施の形態に係る音声波形辞
書配信システムの構成について説明する。

【００３５】図１において、本実施の形態に係る音声波
形辞書配信システム１００は、音声合成に用いられる音
声波形辞書を作成する音声波形辞書作成装置１１０と、
有線、無線を問わず、データの通信が可能な通信回線に
よって構成されるネットワーク１２０と、音声波形辞書
作成装置１１０によって作成された音声波形辞書をネッ
トワーク１２０を介して取得し、取得した音声波形辞書
を用いて音声合成を行う音声合成端末装置１３０、音声
合成端末装置１４０及び音声合成端末装置１５０と、電
子メールやニュース文などのコンテンツをテキスト情報
としてネットワーク１２０を介して音声合成端末装置１
３０、音声合成端末装置１４０及び音声合成端末装置１
５０に提供する情報提供サーバ１６０とを備えている。

【００３６】また、音声波形辞書作成装置１１０は、音
声合成端末装置１３０の利用者が要求する話者の種類や
音声波形辞書の形式、サイズなどの情報を受け取って音
声波形辞書の作成条件を決定する辞書条件決定部（辞書
条件決定手段）１１１と、音声データベース１１２ａ、
音声データベース１１２ｂ及び音声データベース１１２
ｃなどの複数の音声データベースから構成される音声デ
ータベース群１１２と、辞書条件決定部１１１によって
決定された作成条件に基づいて、音声データベース群１
１２内の音声データベースを加工して音声波形辞書を作
成する音声波形辞書作成部（音声波形辞書作成手段）１
１３と、ネットワーク１２０を介して音声合成端末装置
１３０、音声合成端末装置１４０又は音声合成端末装置
１５０とのデータ通信を制御し、音声合成端末装置１３
０、音声合成端末装置１４０又は音声合成端末装置１５
０の利用者が要求する話者の種類や音声波形辞書の形
式、サイズなどの情報を受信して辞書条件決定部１１１
に渡したり、音声波形辞書作成部１１３によって作成さ
れた音声波形辞書を音声合成端末装置１３０、音声合成
端末装置１４０又は音声合成端末装置１５０に送信した
りするデータ送受信部（条件受信辞書送信手段）１１４
とを備えている。

【００３７】なお、音声データベース１１２ａ、音声デ
ータベース１１２ｂ及び音声データベース１１２ｃなど
の音声データベースは、音声波形と、音素境界のラベリ
ングやピッチマークなどの付属情報とによって話者毎に
構成されている。例えば、音声データベース１１２ａ
は、話者１に、音声データベース１１２ｂは、話者２
に、音声データベース１１２ｃは、話者３に対応してい
る。ここで、音声データベース１１２ａ、音声データベ
ース１１２ｂ及び音声データベース１１２ｃなどの音声
データベースは、音声波形として試聴用の音声波形も備
えている。

【００３８】また、音声合成端末装置１３０は、話者の
種類や音声波形辞書のサイズなどの音声波形辞書の要求
条件を利用者によって入力されるキーボードやマウスな
どの辞書条件入力部（辞書条件入力手段）１３１と、受
け取った１つ又は複数の音声波形辞書を記録する書き換
えが自由な記録媒体（音声波形辞書記録手段）１３２
と、記録媒体１３２によって記録された音声波形辞書を
用いて音声合成を行う複数の音声合成器によって構成さ
れる音声合成部（音声合成手段）１３３と、音声合成部
１３３によって音声合成された音声信号や、後述するデ
ータ送受信部１３５で受信した音声信号を出力するスピ
ーカ（音声出力手段）１３４と、ネットワーク１２０を
介して音声波形辞書作成装置１１０や情報提供サーバ１
６０などの外部装置とのデータ通信を制御し、利用者が
要求する話者の種類や音声波形辞書の形式、サイズなど
の情報を音声波形辞書作成装置１１０に送信したり、音
声波形辞書作成装置１１０や情報提供サーバ１６０から
音声波形辞書やテキスト情報などを受信したりするデー
タ送受信部（条件送信辞書受信手段）１３５とを備えて
いる。

【００３９】なお、音声合成端末装置１４０及び音声合
成端末装置１５０は、音声合成端末装置１３０と同様な
構成であるので詳細な説明を省略する。

【００４０】次に、本実施の形態に係る音声波形辞書配
信システムの動作について説明する。

【００４１】音声合成端末装置１３０の利用者は、図示
していない入力部への入力によって、音声波形辞書作成
装置１１０の音声データベース群１１２の音声データベ
ースの中からサンプル音声を試聴する音声データベース
を選択する。ここで、音声合成端末装置１３０の利用者
から入力部への入力は、信号として、データ送受信部１
３５及びネットワーク１２０を介して、音声波形辞書作
成装置１１０のデータ送受信部１１４で受信される。

【００４２】そして、データ送受信部１１４は、受信し
た信号に応じて、音声データベース群１１２の中の利用
者によって選択された音声データベースから試聴用の音
声波形（音声信号）を取得し、ネットワーク１２０を介
して、音声合成端末装置１３０のデータ送受信部１３５
に送信する。データ送受信部１３５に送信された音声信
号は、データ送受信部１３５によってスピーカ１３４に
出力され、スピーカ１３４によってサンプル音声として
出力される。

【００４３】以上のようにして、音声合成端末装置１３
０の利用者は、音声波形辞書作成装置１１０の音声デー
タベース群１１２の音声データベースの中からサンプル
音声を試聴し、自分の気に入った話者を探すことができ
る。

【００４４】そして、音声合成端末装置１３０の利用者
は、音声波形辞書作成装置１１０の音声データベース群
１１２の音声データベースの中に音声読み上げに使用す
ることを要求する話者が存在した場合、話者の種類や音
声波形辞書のサイズなどの音声波形辞書に対する要求条
件を辞書条件入力部１３１から入力することができる。

【００４５】音声合成端末装置１３０の利用者が、話者
の種類や音声波形辞書のサイズなどの音声波形辞書の要
求条件を辞書条件入力部１３１から入力すると、音声合
成端末装置１３０は、辞書条件入力部１３１から入力さ
れた音声波形辞書の要求条件をデータ送受信部１３５か
らネットワーク１２０を介して音声波形辞書作成装置１
１０に送信する。

【００４６】また、音声合成端末装置１３０は、音声合
成部１３３で使用している音声合成器の種類や、記録媒
体１３２で使用可能なメモリ残量情報などの音声波形辞
書の使用可能条件も、データ送受信部１３５からネット
ワーク１２０を介して自動的に音声波形辞書作成装置１
１０に送信する。

【００４７】音声波形辞書作成装置１１０は、音声合成
端末装置１３０から送信された音声波形辞書の要求条件
及び使用可能条件をデータ送受信部１１４によって受信
すると、受信した音声波形辞書の要求条件及び使用可能
条件に基づいて、辞書条件決定部１１１によって音声合
成端末装置１３０の利用者がダウンロードできる音声波
形辞書の作成条件を決定し、決定した音声波形辞書の作
成条件を辞書条件決定部１１１から音声波形辞書作成部
１１３に出力する。

【００４８】音声波形辞書作成部１１３は、辞書条件決
定部１１１から出力される音声波形辞書の作成条件に基
づいて、音声データベース群１１２内の音声データベー
スを加工して音声波形辞書を作成し、作成した音声波形
辞書をデータ送受信部１１４に出力する。

【００４９】より詳細に説明すると、音声波形辞書作成
部１１３では、例えば同じ話者の音声波形辞書でも、音
声合成に必要な最低限の音韻並びの音声波形しか持たな
い標準的な音声波形辞書や、調音結合の影響や韻律パタ
ンの種類も考慮した音声波形を用いる最高音質版の合成
が可能な音声波形辞書など、音声合成端末装置１３０の
利用者の要求する音質や音声波形辞書のサイズに応じて
音声波形辞書をカスタマイズすることができる。

【００５０】また、音声波形辞書作成部１１３では、音
声合成端末装置１３０で使用されている音声合成器に合
った音声波形辞書を作成することができる。例えば、音
声合成端末装置１３０の音声合成部１３３で使用されて
いる音声合成器が波形重畳型合成（ＰＳＯＬＡ）方式で
ある場合は、ピッチ波形配列の羅列によって音声波形辞
書が構成され、ＬＳＰなどに代表されるＬＰＣ系のパラ
メトリックな合成方式である場合は、フレーム毎のパラ
メータ系列によって音声波形辞書が構成される。

【００５１】なお、音声波形辞書作成部１１３は、上述
したように音声合成端末装置１３０の利用者の要求に応
じてその場で音声波形辞書を作成し、作成した音声波形
辞書をデータ送受信部１１４に出力するようにしても良
いし、予め複数の話者の音声波形辞書を作成して用意し
ておいて、用意しておいた音声波形辞書のうち、音声合
成端末装置１３０の利用者の要求に応じた音声波形辞書
をデータ送受信部１１４に出力するようにしても良い。

【００５２】音声波形辞書作成装置１１０は、音声波形
辞書作成部１１３からデータ送受信部１１４に音声波形
辞書を出力されると、音声波形辞書作成部１１３から出
力された音声波形辞書をデータ送受信部１１４からネッ
トワーク１２０を介して音声合成端末装置１３０に送信
する。

【００５３】音声合成端末装置１３０は、音声波形辞書
作成装置１１０から送信された音声波形辞書をデータ送
受信部１３５によって受信すると、受信した音声波形辞
書を記録媒体１３２によって格納する。

【００５４】以上のようにして、音声合成端末装置１３
０の利用者は、音声波形辞書作成装置１１０の音声デー
タベース群１１２の音声データベースの中に音声読み上
げに使用することを要求する話者が存在した場合、その
話者の音声波形辞書を音声波形辞書作成装置１１０で作
成して自分の音声合成端末装置１３０にダウンロードす
ることができる。

【００５５】したがって、音声合成端末装置１３０で
は、情報提供サーバ１６０などからネットワーク１２０
を介してデータ送受信部１３５で受信したテキスト情報
を音声合成部１３３に出力し、音声合成部１３３におい
て記録媒体１３２に格納された音声波形辞書を使用して
音声合成することによって、音声読み上げを可能とす
る。

【００５６】また、音声合成端末装置１３０は、一度ダ
ウンロードした音声波形辞書をずっと使い続けることも
可能だし、何度でも書き換えることも可能である。ま
た、音声合成端末装置１３０は、記録媒体１３２のメモ
リ容量に応じて、複数の音声波形辞書を保持することも
可能である。

【００５７】なお、音声合成端末装置１４０及び音声合
成端末装置１５０の動作については、音声合成端末装置
１３０の動作と同様であるので詳細な説明を省略する。

【００５８】以上説明したように、音声波形辞書配信シ
ステム１００は、音声波形辞書作成装置１１０に複数種
類の話者の音声データベースを用意しておき、音声合成
端末装置１３０、音声合成端末装置１４０又は音声合成
端末装置１５０の利用者が要求する音声波形辞書のサイ
ズや音色の音声波形辞書を音声波形辞書作成装置１１０
で自由に作成し、音声波形辞書作成装置１１０から音声
合成端末装置１３０にダウンロードできるので、音声合
成端末装置１３０の音声合成器で好みの話者の音色で電
子メールなどのテキスト情報を音声読み上げすることが
可能となる。

【００５９】また、音声波形辞書配信システム１００
は、音声波形辞書作成装置１１０の管理者が音声データ
ベース群１１２に対して音声データベースの追加や修正
を行い、音声合成端末装置１３０、音声合成端末装置１
４０又は音声合成端末装置１５０の利用者が最新の音声
波形辞書をダウンロードすることによって、音声合成端
末装置１３０、音声合成端末装置１４０又は音声合成端
末装置１５０の音声波形辞書を容易にメンテナンスする
ことができる。 （第２の実施の形態）

【００６０】まず、第２の実施の形態に係る音声波形辞
書配信システムの構成について説明する。なお、本実施
の形態に係る音声波形辞書配信システムの構成のうち、
第１の実施の形態に係る音声波形辞書配信システムの構
成と同様な構成については、同一の符合を付して詳細な
説明を省略する。

【００６１】図２において、本実施の形態に係る音声波
形辞書配信システム２００は、第１の実施の形態に係る
音声波形辞書配信システムの音声波形辞書作成装置１１
０（図１参照）の代わりに、音声波形辞書作成装置２０
１を備えている。

【００６２】音声波形辞書作成装置２０１は、辞書条件
決定部１１１と、音声データベース１１２ａ、音声デー
タベース１１２ｂ及び音声データベース１１２ｃなどの
複数の音声データベースから構成される音声データベー
ス群１１２と、音声波形辞書作成部１１３と、データ送
受信部１１４と、音声波形辞書作成部１１３によって作
成された音声波形辞書を用いて音声合成を行う音声合成
器から構成され、試聴用の音声信号を合成する音声合成
部（作成辞書音声合成手段）２０２とを備えている。

【００６３】次に、本実施の形態に係る音声波形辞書配
信システムの動作について説明する。

【００６４】図３において、第１の実施の形態と同様に
して、音声合成端末装置１３０の利用者が、音声合成端
末装置１３０の辞書条件入力部１３１から音声波形辞書
の要求条件を設定すると（ステップＳ３０１）、音声波
形辞書作成装置２０１は、音声合成端末装置１３０の利
用者によって設定された要求条件や、音声合成端末装置
１３０から受信する使用可能条件に基づいて音声波形辞
書の作成条件を決定し、決定した作成条件に基づいて音
声波形辞書作成部１１３によって音声波形辞書を作成す
る（ステップＳ３０２）。

【００６５】音声波形辞書作成装置２０１は、音声波形
辞書作成部１１３によって音声波形辞書を作成すると、
音声合成部２０２によって、作成した音声波形辞書を用
いて試聴用の音声信号の音声合成を行う。そして、音声
合成された音声信号は、音声合成部２０２から、データ
送受信部１１４、ネットワーク１２０、及び、音声合成
端末装置１３０のデータ送受信部１３５を介して、音声
合成端末装置１３０のスピーカ１３４から出力される。

【００６６】したがって、音声合成端末装置１３０の利
用者は、スピーカ１３４から出力される試聴用の音声信
号を試聴することができ（ステップＳ３０３）、試聴し
た音声信号に基づいて、音声波形辞書作成装置２０１に
よって作成した音声波形辞書をダウンロードするか否か
を決定することができる（ステップＳ３０４）。

【００６７】音声合成端末装置１３０の利用者は、音声
波形辞書作成装置２０１によって作成した音声波形辞書
をダウンロードすると決定すると、ダウンロード命令を
図示していない入力部に入力する。入力されたダウンロ
ード命令は、音声合成端末装置１３０からネットワーク
１２０を介して音声波形辞書作成装置２０１に送信され
る。音声波形辞書作成装置２０１に音声合成端末装置１
３０からダウンロード命令が送信されると、音声波形辞
書作成部１１３によって作成された音声波形辞書は、第
１の実施の形態と同様にして、音声波形辞書作成部１１
３から、データ送受信部１１４、ネットワーク１２０、
及び、音声合成端末装置１３０のデータ送受信部１３５
を介して、音声合成端末装置１３０の記録媒体１３２に
送信されて、格納される（ステップＳ３０５）。

【００６８】一方、音声合成端末装置１３０の利用者
は、音声波形辞書作成装置２０１によって作成した音声
波形辞書をダウンロードしないと決定する場合、他の要
求条件で音声辞書を作成し直すか否かを判断し（ステッ
プＳ３０６）、他の要求条件で音声波形辞書を作成し直
すと判断したときには、ステップＳ３０１の処理から繰
り返す。

【００６９】以上説明したように、音声波形辞書配信シ
ステム２００は、音声波形辞書作成装置２０１で作成し
た音声波形辞書を音声合成端末装置１３０にダウンロー
ドする前に、音声合成端末装置１３０の利用者に、音声
波形辞書作成装置２０１で作成した音声波形辞書を使っ
て音声合成した試聴用の音声信号を試聴させることがで
きので、作成した音声波形辞書をダウンロードするか否
かを選択させることが可能となる。

【００７０】なお、第１の実施の形態に係る音声波形辞
書配信システムで出力されるサンプル音声が、音声デー
タベース群１１２の音声データベースの試聴用の音声波
形をそのまま出力する原音声であったのに対し、音声波
形辞書配信システム２００で出力されるサンプル音声
は、音声波形辞書作成装置２０１で作成した音声波形辞
書を使って音声合成した合成音声である。したがって、
第１の実施の形態に係る音声波形辞書配信システムが、
試聴によって音声データベース間の話者の音色の違いを
比較することができるのに対し、音声波形辞書配信シス
テム２００は、試聴によって、音声データベース間の話
者の音色の違いに加え、音声波形辞書のデータ圧縮方法
や合成方式に起因する音質の違いなども比較することが
できる。 （第３の実施の形態）

【００７１】図４に示すように、第３の実施の形態に係
る音声波形辞書作成装置４０１の構成は、第１の実施の
形態に係る音声波形辞書配信システムの音声波形辞書作
成装置の構成と同様であるので、同一の符合を付して詳
細な説明を省略する。

【００７２】また、本実施の形態に係る音声波形辞書作
成装置４０１は、第１の実施の形態に係る音声波形辞書
配信システムの音声波形辞書作成装置と同様に動作する
ことができる。

【００７３】したがって、音声波形辞書作成装置４０１
は、予め複数種類の話者の音声データベースを用意して
おき、音声合成端末装置の利用者が要求する音声波形辞
書のサイズや音色の音声波形辞書を自由に作成し、音声
合成端末装置に配信することができるので、音声合成端
末装置の音声合成器に、音声合成端末装置の利用者が要
求する話者の音色で電子メールなどのテキスト情報を音
声読み上げさせることが可能となる。 （第４の実施の形態）

【００７４】まず、第４の実施の形態に係る音声波形辞
書作成装置の構成について説明する。なお、本実施の形
態に係る音声波形辞書作成装置の構成は、第３の実施の
形態に係る音声波形辞書作成装置の構成とほぼ同様であ
るので、第３の実施の形態に係る音声波形辞書作成装置
の構成とほぼ同様な構成については、同一の符合を付し
て詳細な説明を省略する。

【００７５】図５に示すように、本実施の形態に係る音
声波形辞書作成装置は、第３の実施の形態に係る音声波
形辞書作成装置の音声波形辞書作成部１１３（図４参
照）の代わりに、音声波形辞書作成部（音声波形辞書作
成手段）５０１を備えている。

【００７６】音声波形辞書作成部５０１は、音声データ
ベース１１２ａの中から、予めラベリングされたラベル
情報を参照して辞書に含める音声波形を選出する音声波
形選出部（音声波形選出手段）５０２と、音声波形選出
部５０２で選出された音声波形を、辞書条件決定部１１
１によって決定された所定の形式に変換するパラメータ
化部（パラメータ化手段）５０３と、音声波形選出部５
０２で選出された音声波形に対応する付属情報を音声デ
ータベース１１２ａから抽出し、必要な付属情報を音声
波形辞書に格納する音声波形付属情報抽出部（音声波形
付属情報抽出手段）５０４と、パラメータ化部５０３で
所定の形式に変換された音声波形、及び、音声波形付属
情報抽出部５０４で抽出された付属情報を書き出し、音
声波形辞書を構築する辞書構築部（辞書構築手段）５０
５とを備えている。

【００７７】なお、音声データベース１１２ａなどの音
声データベースは、上述したように話者毎に音声波形を
有しており、更に、音声波形の抽出環境を示すコンテキ
スト情報や音素・音節境界ラベル、基本周波数Ｆ０、ピ
ッチマークなどの音声波形に対応する付属情報を有して
いる。

【００７８】次に、本実施の形態に係る音声波形辞書作
成装置の動作について説明する。

【００７９】まず、辞書条件決定部１１１では、音声合
成端末装置（図示していない）の利用者の要求する辞書
サイズに応じて、合成単位を決定する。合成単位として
は、例えば音素、音節、ＶＣＶ（母音―子音―母音）連
鎖などが考えられる。また、音声合成を行うのに必要最
低限の音声波形だけを音声波形辞書に格納するのか、そ
れとも同じ音韻並びの音声波形を複数用意するのかなど
も、辞書条件決定部１１１で決定される。

【００８０】次いで、音声波形選出部５０２では、辞書
条件決定部１１１で決定された合成単位や音声波形数な
どに基づき、音声データベース１１２ａに含まれている
ラベル情報を参照して必要な音声波形を選出する。もし
同じ音韻並びの音声波形に複数の候補がある場合は、音
声波形の韻律パタンや前後の音韻環境などを考慮して音
声波形を選出する。

【００８１】次いで、パラメータ化部５０３では、音声
波形選出部５０２によって選出された音声波形を、音声
合成端末装置で使用されている音声合成器に合わせて加
工する。例えば音声合成端末装置で使用されている音声
合成器がＰＳＯＬＡ法に基づく方式である場合は、音声
波形をピッチ波形単位に分割し、このピッチ波形をパラ
メータとする。また、例えば音声合成器がＬＰＣ系の方
式である場合は、音声波形をフレーム分割して線形予測
分析を行い、パラメータ化する。

【００８２】次いで、辞書構築部５０５では、パラメー
タ化部５０３で所定の形式に変換された音声波形を書き
出し、音声波形辞書を構築する。なお、辞書構築部５０
５は、音声波形辞書を構築する際、音声波形付属情報抽
出部５０４で抽出された各音声波形の付属情報を辞書に
付属させる。ここで、付属情報は、上述したように音素
並びや基本周波数パタン、音素境界ラベルなどであり、
音声合成の際に音声波形選択のために参照される。

【００８３】最後に、辞書構築部５０５で構築された音
声波形辞書は、第１の実施の形態において説明したよう
に、データ送受信部１１４を経由して音声合成端末装置
に送信される。

【００８４】以上説明したように、本実施の形態に係る
音声波形辞書作成装置は、例えば音声合成端末装置で用
いられている合成方式がＬＰＣ系のパラメトリックな合
成方式である場合や波形重畳型の合成方式などである場
合、それぞれの合成方式に応じて指定された形式の音声
波形辞書を作成することができ、音声合成端末装置に搭
載されている音声合成器の種類に関わらず、音声合成端
末装置の利用者が要求する話者の音声波形辞書を作成
し、音声合成端末装置に配信することが可能である。 （第５の実施の形態）

【００８５】まず、第５の実施の形態に係る音声波形辞
書作成装置の構成について説明する。なお、本実施の形
態に係る音声波形辞書作成装置の構成は、第４の実施の
形態に係る音声波形辞書作成装置の構成とほぼ同様であ
るので、第４の実施の形態に係る音声波形辞書作成装置
の構成とほぼ同様な構成については、同一の符合を付し
て詳細な説明を省略する。

【００８６】図６に示すように、本実施の形態に係る音
声波形辞書作成装置は、第４の実施の形態に係る音声波
形辞書作成装置のパラメータ化部５０３（図５参照）の
代わりに、パラメータ化部（パラメータ化手段）６０１
を備えている。

【００８７】パラメータ化部６０１は、音声波形を、主
に音声の高さや強さなどを決定するパラメータである音
源情報（音源特性）と、主に音声の音韻の種類や音色な
どに寄与するパラメータであるスペクトル情報（声道特
性）とに分離する音声分析を行う音源・声道特性分離処
理部６０２を備えている。

【００８８】次に、本実施の形態に係る音声波形辞書作
成装置の動作について説明する。

【００８９】音声波形選出部５０２で選出された音声波
形は、パラメータ化部６０１によって、音声合成器で採
用されている音声合成方式に適した形式にパラメータ化
が行なわれる。

【００９０】ここで、パラメータ化部６０１では、音源
・声道特性分離処理部６０２によって、音声波形６１１
を音源情報とスペクトル情報とに分離する。例として音
源・声道特性分離処理部６０２に準同型分析が用いられ
る場合、スペクトル情報はスペクトル包絡６１２、音源
情報は音源パルス列６１３に分離される。

【００９１】このように音声波形を音源・声道特性分離
処理部６０２でスペクトル情報と音源情報とに分離する
ことで、主に音韻の種類や音色に特徴を与えるスペクト
ル情報と、声の高さや強さを制御する音源情報とを、そ
れぞれ独立に制御することができるようになる。ここで
分離されたスペクトル情報と音源情報とは、それぞれの
重要度に応じて情報圧縮が行なわれ、辞書構築部５０５
で音声波形辞書に格納される。

【００９２】以上説明したように、本実施の形態に係る
音声波形辞書作成装置は、音声波形を音源特性と声道特
性とに分離することで、音声合成の際には音声の音色な
どスペクトルに依存する特徴と、声の高さなど音源に依
存する特徴とを独立に制御することが容易になる。更
に、本実施の形態に係る音声波形辞書作成装置は、パラ
メータ化によって音声波形のデータ容量を大幅に圧縮で
きる音声波形辞書を作成することが可能である。

【００９３】なお、本実施の形態においては、準同型分
析によって音源特性と声道特性を分離する例を示した
が、本発明によれば、線形予測分析が用いられる場合
は、声道特性として線形予測係数、音源特性として残差
信号に分離することも可能である。 （第６の実施の形態）

【００９４】まず、第６の実施の形態に係る音声波形辞
書作成装置の構成について説明する。なお、本実施の形
態に係る音声波形辞書作成装置の構成は、第４の実施の
形態に係る音声波形辞書作成装置の構成とほぼ同様であ
るので、第４の実施の形態に係る音声波形辞書作成装置
の構成とほぼ同様な構成については、同一の符合を付し
て詳細な説明を省略する。

【００９５】図７に示すように、本実施の形態に係る音
声波形辞書作成装置は、第４の実施の形態に係る音声波
形辞書作成装置のパラメータ化部５０３（図５参照）の
代わりに、パラメータ化部（パラメータ化手段）７０１
を備えている。

【００９６】パラメータ化部７０１は、音声波形選出部
５０２で音声波形辞書に登録することが決定された音声
波形について、ピッチマークを基準に抽出窓を用いてピ
ッチ波形単位に分解するピッチ波形抽出部（ピッチ波形
抽出手段）７０２と、ピッチ波形抽出部７０２で分解さ
れたピッチ波形を類似度を評価尺度としてクラスタリン
グし、類似度が所定値以上のピッチ波形（即ち、波形形
状の似ているピッチ波形）同士をまとめあげるピッチ波
形分類部（ピッチ波形分類手段）７０３と、ピッチ波形
分類部７０３でのクラスタリングによって生成された各
クラスタの中から、音声波形辞書に代表として登録する
代表ピッチ波形を選出する代表ピッチ波形作成部（代表
ピッチ波形作成手段）７０４とを備えている。

【００９７】また、音声波形選出部５０２は、音声デー
タベースの中から音声波形辞書に登録する音声波形を韻
律バランスやスペクトル距離などを考慮して選出するよ
うになっており、辞書構築部５０５は、音声波形選出部
５０２で選出された音声波形によって音声波形辞書を構
築するようになっている。

【００９８】ただし、辞書構築部５０５において実際に
音声波形辞書に書き出されるのは、後述するように、各
音声波形を構成し、パラメータ化部７０１によって選出
される代表ピッチ波形である。

【００９９】次に、本実施の形態に係る音声波形辞書作
成装置の動作について説明する。

【０１００】図８に示すように、音声波形選出部５０２
で選出されたＶＣＶ単位の音声波形８０１〜８０４は、
音声波形辞書に登録されることになる。

【０１０１】ここで、音声合成端末装置（図示していな
い）で採用されている音声合成器が波形重畳型の音声合
成方式を採用している場合、音声波形８０１〜８０４の
うち有声音はピッチ波形抽出部７０２で１ピッチ周期相
当分の波形（ピッチ波形）に区切られる。このピッチ波
形は予め音声波形に付属させられたピッチマークを基準
に、ハニング窓を用いて抽出される。

【０１０２】ピッチ波形は周期性のある音声波形から抽
出された波形であるため、ピッチ波形間で類似度の高い
ものが多い。そのためピッチ波形分類部７０３では、ピ
ッチ波形間の類似度を評価関数として波形形状が似てい
て類似度が所定値以上のピッチ波形同士をまとめてクラ
スタ８１１及びクラスタ８１２を作成する。ここで、類
似度を表す評価関数は、ピッチ波形間の相関係数やユー
クリッド距離などが用いられる。

【０１０３】代表ピッチ波形作成部７０４では、各クラ
スタ（クラスタ８１１及びクラスタ８１２）のセントロ
イドに最も近いピッチ波形を代表ピッチ波形８２１及び
代表ピッチ波形８２２とする。すなわち、同一クラスタ
内の複数のピッチ波形が一つのピッチ波形に置き換えら
れることになる。音声波形８０１〜８０４の有声音部分
は、もとのピッチ波形の代わりにこの代表ピッチ波形に
よって構成される。

【０１０４】辞書構築部５０５では、音声波形辞書に、
代表ピッチ波形と、この代表ピッチ波形を構成要素とす
る音声波形との関係を登録する。

【０１０５】したがって、音声合成端末装置１３０は、
音声合成の際に、必要な音声波形と結びついたピッチ波
形を用いることができる。

【０１０６】以上説明したように、本実施の形態に係る
音声波形辞書作成装置は、例えば合成単位内または合成
単位の枠を越えて類似度の高いピッチ波形が存在する場
合、これら複数のピッチ波形を代表的な一つのピッチ波
形に置き換えることで、無駄の少ない効率的な音声波形
辞書を作成することが可能であり、音声波形辞書のデー
タ容量を削減することができる。 （第７の実施の形態）

【０１０７】まず、第７の実施の形態に係る音声波形辞
書作成装置の構成について説明する。なお、本実施の形
態に係る音声波形辞書作成装置の構成は、第４の実施の
形態に係る音声波形辞書作成装置の構成とほぼ同様であ
るので、第４の実施の形態に係る音声波形辞書作成装置
の構成とほぼ同様な構成については、同一の符合を付し
て詳細な説明を省略する。

【０１０８】図９に示すように、本実施の形態に係る音
声波形辞書作成装置は、第４の実施の形態に係る音声波
形辞書作成装置の音声波形選出部５０２（図５参照）の
代わりに、音声波形選出部（音声波形選出手段）９０１
を備えている。

【０１０９】音声波形選出部９０１は、音声データベー
ス１１２ａの中に含まれる音素境界ラベル情報を参照し
て、指定された合成単位で音声波形を抽出するための区
切り情報（合成単位の境界ラベル）を作成する合成単位
作成部（合成単位作成手段）９０２と、合成単位作成部
９０２で作成された区切り情報に基づき音声波形を音声
波形辞書に登録する候補として切り出し、切り出した音
声波形の一覧をリストにする候補波形抽出部（候補波形
抽出手段）９０３と、候補波形抽出部９０３で抽出され
た音声波形の中から、音声波形辞書に登録する音声波形
を選定する登録波形選定部（登録波形選定手段）９０４
とを備えている。

【０１１０】また、辞書条件決定部１１１は、話者の種
類や音声波形辞書の形式に加えて、音声合成端末装置の
利用者の所望する合成単位を受け取って音声波形辞書の
作成条件を決定するようになっており、パラメータ化部
５０３は、登録波形選定部９０４で選定された音声波形
を、音声波形辞書作成装置の音声合成器の条件に合致し
た所定の波形（パラメータ）形式に変換するようになっ
ている。

【０１１１】また、音声データベース１１２ａは、図１
０に示すように、付属情報の一つとして、隣接する音素
との境界を示し、各音素の終点位置情報とその音素の種
類を表す記号である音素境界ラベル１０１０を格納して
いる。ここで、音素境界ラベル１０１０は、音声波形１
０００に予め付属させられており、同様に、音声データ
ベース１１２ａに格納される全ての音声波形には、音素
境界ラベルが予め付属させられている。なお、音声波形
１０００は、自然発声の音声データであり、音声データ
ベース１１２ａを構成する文の一例である。

【０１１２】次に、本実施の形態に係る音声波形辞書作
成装置の動作について説明する。

【０１１３】辞書条件決定部１１１は、音声合成端末装
置の利用者の要求や、音声合成端末装置の音声合成器の
条件によって、合成単位を決定する。ここで、合成単位
とは、音声合成時に接続する音声波形の最小単位のこと
であり、音素単位１０１１、ＣＶ（子音・母音）・ＶＣ
（母音・子音）単位１０１２、ＶＣＶ（母音・子音・母
音）単位１０１３などが一般的に用いられる。

【０１１４】例えば、音声合成端末装置の音声合成器の
条件によって、音素が合成単位として選択された場合、
合成単位作成部９０２は、音声データベース１１２ａ内
に格納されている音素境界ラベル１０１０を参照し、音
声波形を音素単位１０１１に区切る。なお、合成単位作
成部９０２は、指定された任意の合成単位に音声波形を
区切ることができる。また、ＣＶ・ＶＣ単位１０１２と
ＶＣＶ単位１０１３の二つの合成単位を採用し、一つの
音声波形辞書に複数の合成単位を持たせることも可能で
ある。

【０１１５】候補波形抽出部９０３では、合成単位に区
切られた音声波形を抽出し、この合成単位で抽出された
音声波形の一覧を作成する。

【０１１６】もし、合成単位に複数の候補が存在する場
合などは、登録波形選定部９０４で音声波形辞書に登録
する音声波形を選択する。例として、図１０の音声波形
１０００「家族の同意がある場合・・・(kazokuno/do-i
ga/arubaai)」を音素単位１０１１で区切った場合、こ
の中に音素/k/の音声波形は、音声波形１０２１及び音
声波形１０２２の２つ存在する。複数の音声波形を音声
波形辞書に登録できる場合は別として、コンパクトな音
声波形辞書を作成するためには、必要最低限の音声波形
だけを登録することになる。したがって、登録波形選定
部９０４では、候補となる複数の音声波形の中から、音
声合成端末装置の利用者が設定した評価基準に基づき音
声波形辞書に登録する音声波形を選択する。

【０１１７】登録波形選定部９０４で選択された音声波
形は、パラメータ化部５０３によって音声合成器の条件
に合致した所定の音声波形（パラメータ）形式に変換さ
れる。

【０１１８】以上説明したように、本実施の形態に係る
音声波形辞書作成装置は、音声合成端末装置の利用者に
合成単位を自由に指定させることができ、例えば短い合
成単位を指定されればサイズの小さな音声波形辞書を作
成することができ、長い合成単位を指定されれば、高音
質な音声合成が可能な音声波形辞書を作成することがで
きる。したがって、本実施の形態に係る音声波形辞書作
成装置によれば、音声合成端末装置の利用者は、音声波
形辞書を記録するメモリ容量と、合成音声の音質との兼
ね合いを判断して音声波形辞書を作成することが可能と
なる。 （第８の実施の形態）

【０１１９】まず、第８の実施の形態に係る音声波形辞
書作成装置の構成について説明する。なお、本実施の形
態に係る音声波形辞書作成装置の構成は、第７の実施の
形態に係る音声波形辞書作成装置の構成とほぼ同様であ
るので、第７の実施の形態に係る音声波形辞書作成装置
の構成とほぼ同様な構成については、同一の符合を付し
て詳細な説明を省略する。

【０１２０】図１１に示すように、本実施の形態に係る
音声波形辞書作成装置は、第７の実施の形態に係る音声
波形辞書作成装置の登録波形選定部９０４（図９参照）
の代わりに、登録波形選定部（登録波形選定手段）１１
０１を備えている。

【０１２１】登録波形選定部１１０１は、候補波形抽出
部９０３で抽出した各音声波形について、音素毎に長時
間の平均スペクトル（スペクトル情報）を求めるスペク
トル抽出部（スペクトル抽出手段）１１０２と、スペク
トル抽出部１１０２で得た長時間平均スペクトルを用い
て、同じ音素並びの音声波形間におけるスペクトル距離
を計算するスペクトル距離計算部（スペクトル距離計算
手段）１１０３と、スペクトル距離計算部１１０３で求
めた音声波形間のスペクトル距離に基づき、音声波形辞
書に代表として登録する音声波形を選定する代表波形選
定部（スペクトル代表波形選定手段）１１０４とを備え
ている。

【０１２２】また、候補波形抽出部９０３は、音声デー
タベース１１２ａ（図１２参照）から音声波形を抽出
し、この音声波形の中で音素並びが同じものが複数ある
場合は、これらを音声波形辞書に登録する候補波形とし
てリストアップするようになっている。

【０１２３】また、パラメータ化部５０３は、登録波形
選定部１１０１で選定された音声波形を、音声合成器の
条件に合致した所定の波形（パラメータ）形式に変換す
るようになっている。

【０１２４】次に、本実施の形態に係る音声波形辞書作
成装置の動作について説明する。

【０１２５】候補波形抽出部９０３は、図１２に示すよ
うに、音声データベース１１２ａから音声合成端末装置
の利用者が要求する合成単位で音声波形を抽出する。こ
の際、音声波形に音素並びの同じものが複数ある場合
は、これらの音声波形リストを作成する。例えば、候補
波形抽出部９０３は、音声データベース１１２ａに格納
されている音声波形の中で必要な音素並びを含む音声波
形の一覧、即ち、リスト１２０１に示す音声から、ＶＣ
Ｖ連鎖を合成単位とする音声波形/ama/として、音声波
形辞書に登録する候補波形である音声波形１２１１及び
音声波形１２１２などの複数の音声波形を抽出する。

【０１２６】次いで、スペクトル抽出部１１０２は、候
補波形抽出部９０３で抽出された複数の音声波形１２１
１及び音声波形１２１２などの複数の音声波形につい
て、各音素（/a/,/m/,/a/）毎にそのスペクトル情報１
２２１〜１２２６を計算する。なお、スペクトル情報は
各音素内の長時間平均スペクトルである。

【０１２７】次いで、音声波形/ama/として複数存在す
る音声波形１２１１及び音声波形１２１２などの複数の
音声波形の中から、音声波形辞書に登録する音声波形を
選出する。そのためにスペクトル距離計算部１１０３で
は、候補音声波形間のスペクトル距離を評価関数とし
て、候補音声波形をクラスタリングする。ここでクラス
タリングよって生成されるクラスタ数は、音声波形辞書
に登録する音声波形数であって、音声合成端末装置の利
用者の要求する音声波形辞書のサイズによって決まる。

【０１２８】次いで、代表波形選定部１１０４では、ス
ペクトル距離計算部１１０３によってクラスタリングさ
れた各クラスタから代表音声波形１２３１及び代表音声
波形１２３２を選出する。代表音声波形１２３１及び代
表音声波形１２３２は、各クラスタにおける平均スペク
トルに最も近い音声波形が選出される。

【０１２９】最後に、パラメータ化部５０３は、代表音
声波形１２３１及び代表音声波形１２３２を音声波形辞
書に登録する音声波形として所定の形式に変換する。

【０１３０】なお、上記説明では、ＶＣＶ連鎖を合成単
位とした場合を例にしたが、合成単位の種類にかかわら
ず本方式を用いることができる。

【０１３１】以上説明したように、本実施の形態に係る
音声波形辞書作成装置は、音声合成端末装置の利用者の
要求する音声波形辞書のサイズに応じた音声波形数で、
音声合成時に接続する二つの合成単位間で生じるスペク
トル歪を少なくすることが可能な音声波形辞書を作成す
ることができる。 （第９の実施の形態）

【０１３２】まず、第９の実施の形態に係る音声波形辞
書作成装置の構成について説明する。なお、本実施の形
態に係る音声波形辞書作成装置の構成は、第７の実施の
形態に係る音声波形辞書作成装置の構成とほぼ同様であ
るので、第７の実施の形態に係る音声波形辞書作成装置
の構成とほぼ同様な構成については、同一の符合を付し
て詳細な説明を省略する。

【０１３３】図１３に示すように、本実施の形態に係る
音声波形辞書作成装置は、第７の実施の形態に係る音声
波形辞書作成装置の登録波形選定部９０４（図９参照）
の代わりに、登録波形選定部（登録波形選定手段）１３
０１を備えている。

【０１３４】登録波形選定部１３０１は、候補波形抽出
部９０３で抽出した各音声波形における基本周波数パタ
ン（基本周波数情報）を求める基本周波数抽出部（基本
周波数抽出手段）１３０２と、基本周波数抽出部１３０
２で求めた音声波形の基本周波数パタンを考慮して、同
じ音素並びの音声波形間の基本周波数距離の計算を行う
基本周波数距離計算部（基本周波数距離計算手段）１３
０３と、基本周波数距離計算部１３０３で求めた音声波
形間の基本周波数距離に基づき、音声波形辞書に代表と
して登録する音声波形を選定する代表波形選定部（基本
周波数代表波形選定手段）１３０４とを備えている。

【０１３５】また、候補波形抽出部９０３は、音声デー
タベース１１２ａ（図９参照）から音声波形を抽出し、
この音声波形の中で音素並びが同じものが複数ある場合
は、これらを音声波形辞書に登録する候補波形としてリ
ストアップするようになっている。

【０１３６】また、パラメータ化部５０３は、登録波形
選定部１３０１で選定された音声波形を、音声合成器の
条件に合致した所定の波形（パラメータ）形式に変換す
るようになっている。

【０１３７】次に、本実施の形態に係る音声波形辞書作
成装置の動作について説明する。

【０１３８】まず、候補波形抽出部９０３は、音声デー
タベース１１２ａから、音声合成端末装置の利用者が要
求する合成単位で音声波形を抽出する。この際、音声波
形に音素並びの同じものが複数ある場合は、基本周波数
パタンを考慮して音声波形辞書に登録する音声波形を選
出することになる。なお、音声波形辞書に登録する音声
波形数は、音声合成端末装置の利用者の要求する音声波
形辞書サイズによって決まる。

【０１３９】次いで、基本周波数抽出部１３０２は、図
１４に示すように、候補波形抽出部９０３によって音素
並び毎に抽出された音声波形について、その基本周波数
パタン１４０１〜１４０８を計算する。

【０１４０】次いで、基本周波数距離計算部１３０３
は、基本周波数パタン１４０１〜１４０８の基本周波数
距離を類似度の評価関数として、音声波形をクラスタリ
ングする。

【０１４１】次いで、代表波形選定部１３０４では、基
本周波数距離計算部１３０３におけるクラスタリングよ
って生成される各クラスタ１４２１〜１４２３から最も
平均的な基本周波数パタンを代表音声波形１４１１〜１
４１３として選出する。

【０１４２】最後に、パラメータ化部５０３は、代表音
声波形１４１１〜１４１３を音声波形辞書に登録する音
声波形として所定の形式に変換する。

【０１４３】なお、上記説明では、ＶＣＶ連鎖を合成単
位とした場合を例にしたが、合成単位の種類にかかわら
ず本方式を用いることが可能である。

【０１４４】以上説明したように、本実施の形態に係る
音声波形辞書作成装置は、音声合成端末装置の利用者の
要求する音声波形辞書サイズに応じた音声波形数で、ピ
ッチ変換や時間長変換などの韻律変換処理によって生じ
る波形歪を抑えることが可能な音声波形辞書を作成する
ことができる。 （第１０の実施の形態）

【０１４５】図１５に示すように、第１０の実施の形態
に係る音声合成端末装置１５０１の構成は、第１の実施
の形態に係る音声波形辞書配信システムの音声合成端末
装置の構成と同様であるので、同一の符合を付して詳細
な説明を省略する。

【０１４６】また、本実施の形態に係る音声合成端末装
置１５０１は、第１の実施の形態に係る音声波形辞書配
信システムの音声合成端末装置と同様に動作することが
できる。

【０１４７】したがって、音声合成端末装置１５０１
は、利用者が音声波形辞書を決定することができ、情報
提供サーバから獲得したテキスト情報を利用者の好みの
話者の声で音声合成を行うことができる。また、音声合
成端末装置１５０１を使用した音声波形辞書配信システ
ムは、サーバ（音声波形辞書作成装置）側で音声合成し
て音声信号を送受信するシステムと比較して、音声波形
辞書を一度ダウンロードすれば音声合成端末装置に音声
信号を通信する必要がないため、通信負荷を抑えること
ができる。 （第１１の実施の形態）

【０１４８】まず、第１１の実施の形態に係る音声合成
端末装置の構成について説明する。なお、本実施の形態
に係る音声合成端末装置の構成は、第１０の実施の形態
に係る音声合成端末装置の構成とほぼ同様であるので、
第１０の実施の形態に係る音声合成端末装置の構成とほ
ぼ同様な構成については、同一の符合を付して詳細な説
明を省略する。

【０１４９】図１６に示すように、本実施の形態に係る
音声合成端末装置は、記録する音声波形辞書の数及びサ
イズを管理する音声波形辞書管理部１６０１を備えてい
るとともに、第１０の実施の形態に係る音声合成端末装
置の記録媒体１３２（図１５参照）の代わりに、音声波
形辞書管理部１６０１によって管理された音声波形辞書
を記録する記録媒体（音声波形辞書記録手段）１６０２
を備えている。

【０１５０】記録媒体１６０２は、音声合成を行うため
に必要な音声波形情報によって構成された複数の音声波
形辞書１６０３〜１６０５を保存することが可能となっ
ている。なお、音声波形辞書１６０３〜１６０５の辞書
形式は音声合成端末装置に搭載されている音声合成器に
依存している。

【０１５１】次に、本実施の形態に係る音声合成端末装
置の動作について説明する。

【０１５２】本実施の形態に係る音声合成端末装置は、
音声波形辞書管理部１６０１で、記録媒体１６０２の記
録容量をチェックすることによって記録媒体１６０２に
記録可能な音声波形辞書の数及びサイズを管理し、利用
者の要求によって音声波形辞書作成装置で作成した音声
波形辞書をデータ送受信部１３５で受信し、記録媒体１
６０２に格納する。

【０１５３】ここで、記録媒体１６０２では、上述した
ように、記録容量に応じて、一つまたは複数の音声波形
辞書を格納することが可能である。

【０１５４】また、本実施の形態に係る音声合成端末装
置は、音声合成部１３３において、記録媒体１６０２に
記録してある音声波形辞書１６０３〜１６０５の中から
音声波形辞書を１つ選択し、選択した音声波形辞書を使
用して音声合成を行う。

【０１５５】例えば、本実施の形態に係る音声合成端末
装置は、音声読み上げの対象が電子メールの場合は話者
１の音声波形辞書１６０３を使い、ニュース文の場合は
話者２の音声波形辞書１６０４を使うなど、音声読み上
げする情報毎に音声波形辞書を切り替えて使用すること
が可能である。

【０１５６】ただし、記録容量の限られた記録媒体１６
０２で複数の音声波形辞書を記録するためには、音声波
形辞書１つあたりのサイズを小さくする必要があるの
で、音質と、音声波形辞書の数とはトレードオフの関係
になる。

【０１５７】以上説明したように、本実施の形態に係る
音声合成端末装置は、記録媒体１６０２の記録容量と、
記録媒体１６０２に記録する音声波形辞書のサイズとに
応じて、記録媒体１６０２に記録する音声波形辞書の数
を決定することができるので、複数の音声波形辞書を保
持することができる。したがって、本実施の形態に係る
音声合成端末装置は、一つのアプリケーションの中で複
数話者での合成が可能となり、例えば電子メールやニュ
ース文などコンテンツ毎に異なる話者での音声読み上げ
が可能となるので、利用者は現在の音声読み上げの対象
が何であるのかを判断することができる。 （第１２の実施の形態）

【０１５８】まず、第１２の実施の形態に係る音声合成
端末装置の構成について説明する。なお、本実施の形態
に係る音声合成端末装置の構成は、第１１の実施の形態
に係る音声合成端末装置の構成とほぼ同様であるので、
第１１の実施の形態に係る音声合成端末装置の構成とほ
ぼ同様な構成については、同一の符合を付して詳細な説
明を省略する。

【０１５９】図１７に示すように、本実施の形態に係る
音声合成端末装置は、第１１の実施の形態に係る音声合
成端末装置の音声合成部１３３（図１６参照）の代わり
に、ＬＰＣ方式を代表とするパラメトリックな音声合成
器や波形重畳系のノンパラメトリックな音声合成器な
ど、複数の音声合成器によって構成される音声合成部
（音声合成手段）１７０１を備えている。

【０１６０】例えば、音声合成部１７０１は、音声合成
器１７０２〜１７０４によって構成されており、音声合
成器１７０２〜１７０４は、それぞれが採用している音
声合成方式に適したフォーマットの音声波形辞書を参照
して音声合成を行うようになっている。

【０１６１】なお、音声波形辞書管理部１６０１は、複
数の音声合成器１７０２〜１７０４の中から、記録媒体
１６０２に記録された音声波形辞書１６０３及び１６０
４などの複数の音声波形辞書のうち、音声合成に使用す
る音声波形辞書の辞書形式に適合した音声合成器を選択
し、選択した音声合成器と、音声合成に使用する音声波
形辞書との間で音声波形データの受け渡しをするように
なっている。

【０１６２】次に、本実施の形態に係る音声合成端末装
置の動作について説明する。

【０１６３】本実施の形態に係る音声合成端末装置は、
例えば、音声読み上げの対象が電子メールの場合は音声
波形辞書（話者１）１６０３を利用し、ニュース文の場
合は音声波形辞書（話者２）１６０４を利用するという
ように、利用者の設定によって音声読み上げの対象コン
テンツ毎にそれぞれの音声波形辞書が割り振られている
場合、音声読み上げの対象コンテンツ毎に使用する音声
波形辞書を音声波形辞書管理部１６０１によって切り替
える。

【０１６４】ここで、音声読み上げに使用する音声波形
辞書（話者１）１６０３がピッチ同期の波形重畳型合成
方式に対応した辞書形式であった場合、音声波形辞書管
理部１６０１によって、この合成方式を扱える音声合成
器１７０２が選択され、音声波形辞書（話者２）１６０
４がＬＳＰ係数を利用したフレーム同期型の合成方式に
対応した辞書形式であった場合、音声波形辞書管理部１
６０１によって、この合成方式を扱える音声合成器１７
０３が選択される。

【０１６５】このように、音声合成部１７０１は、音声
波形辞書管理部１６０１によって、音声読み上げに使用
される音声波形辞書の辞書形式に応じて音声合成器が自
動的に選択され、選択された音声合成器によって音声合
成を実現する。

【０１６６】したがって、音声波形辞書１６０３及び音
声波形辞書１６０４の辞書形式としては、音声合成端末
装置に搭載されている音声合成器に対応した辞書形式の
みが許される。

【０１６７】以上説明したように、本実施の形態に係る
音声合成端末装置は、例えば音声波形辞書の辞書形式が
ＬＰＣパラメータである場合や、音声波形をピッチ波形
単位に分割した形式である場合など、それぞれの辞書形
式に応じて音声合成器を自動的に使い分けることで、音
声波形辞書をダウンロードする際、利用者に辞書形式を
把握させる必要がない。

【０１６８】なお、本実施の形態においては、音声合成
端末装置に波形重畳型の合成方式に対応した音声合成器
や、ＬＳＰ係数を利用したフレーム同期型の合成方式に
対応した音声合成器を搭載した例を示したが、本発明に
よれば、音声合成端末装置には、これらの音声合成器以
外にも様々な音声合成方式に対応した音声合成器を搭載
することが可能である。

【０１６９】また、本実施の形態においては、記録媒体
１６０２が複数の音声波形辞書を記録する構成を採って
いたが、本発明によれば、記録媒体１６０２は音声波形
辞書を１つだけ記録する構成であっても良い。 （第１３の実施の形態）

【０１７０】まず、第１３の実施の形態に係る音声合成
端末装置の構成について説明する。なお、本実施の形態
に係る音声合成端末装置の構成は、第１０の実施の形態
に係る音声合成端末装置の構成とほぼ同様であるので、
第１０の実施の形態に係る音声合成端末装置の構成とほ
ぼ同様な構成については、同一の符合を付して詳細な説
明を省略する。

【０１７１】図１８に示すように、本実施の形態に係る
音声合成端末装置は、第１０の実施の形態に係る音声合
成端末装置の音声合成部１３３（図１５参照）の代わり
に、音声合成部（音声合成手段）１８０１を備えてい
る。

【０１７２】音声合成部１８０１は、サーバなどから配
信されたテキスト情報を、形態素解析や構文解析などを
行って、韻律情報を付属させた表音文字並びに変換する
テキスト解析部（テキスト解析手段）１８０２と、テキ
スト解析部１８０２によるテキスト解析の結果から、音
声合成対象となる表音文字並び相応しい韻律パタン（基
本周波数パタンと音韻継続時間長パタン、振幅パタン）
を生成する韻律生成部（韻律生成手段）１８０３と、指
定された合成単位毎に表音文字並びが一致する音声波形
を後述する音声波形辞書１８１４の中から検索する音声
波形選択部（音声波形選択手段）１８０４と、音声波形
選択部１８０４で選択された音声波形について、ターゲ
ットとなる韻律パタンに沿って基本周波数や音韻継続時
間長の変更を行い、最終的に音声波形を接続して合成音
声を出力する音声波形変形部（音声波形変形手段及び音
声波形接続手段）１８０５とを備えている。

【０１７３】なお、音声波形選択部１８０４は、複数の
音声波形候補が存在する場合は、合成単位長や韻律パタ
ンなどの条件が最も適合する音声波形を選択して用いる
ようになっている。

【０１７４】また、本実施の形態に係る音声合成端末装
置は、第１０の実施の形態に係る音声合成端末装置の記
録媒体１３２（図１５参照）の代わりに、記録媒体（音
声波形辞書記録手段）１８１１を備えている。

【０１７５】記録媒体１８１１は、テキスト解析部１８
０２で用いる単語辞書であり、読み情報、品詞情報、ア
クセント情報などを保持するテキスト解析辞書１８１２
と、韻律生成部１８０３が基本周波数パタンや音韻継続
時間長パタンを決定するのに必要なパラメータを保持す
る韻律辞書１８１３と、音声合成部１８０１が参照可能
な所定の形式の音声波形データによって構成される音声
波形辞書１８１４とを備えている。

【０１７６】次に、本実施の形態に係る音声合成端末装
置の動作について説明する。

【０１７７】本実施の形態に係る音声合成端末装置は、
情報提供サーバなどから配信されたテキスト情報をデー
タ送受信部１３５で受信すると、受信したテキスト情報
を音声合成部１８０１に出力する。音声合成部１８０１
では、データ送受信部１３５から出力されたテキスト情
報を以下のように処理する。

【０１７８】まず、テキスト解析部１８０２が、形態素
解析を行って、単語辞書（テキスト解析辞書１８１２）
を参照して表音文字並びを生成した後、構文解析を行っ
て、生成した表音文字並びにアクセントやポーズなどの
韻律情報を付属させる。

【０１７９】次いで、韻律生成部１８０３が、アクセン
トフレーズ毎の基本周波数パタンや音素又は音韻毎の継
続時間長テーブルを保持する韻律辞書１８１３を参照す
ることで、合成する表音文字並びに適した基本周波数パ
タンや音韻継続時間長パタンを生成する。

【０１８０】次いで、音声波形選択部１８０４が、合成
する表音文字並びを合成単位に分割し、これと一致する
音声波形を音声波形辞書１８１４の中から検索する。も
し、一つの表音文字並びに対して複数の音声波形候補が
存在する場合は、韻律パタンの適合性や接続位置でのス
ペクトルの適合性を評価関数として、合成環境に最も適
合した音声波形を選択する。

【０１８１】次いで、音声波形変形部１８０５が、音声
波形選択部１８０４によって選択された音声波形の韻律
をターゲットの韻律パタンに変換する。例として、音声
合成部１８０１がピッチ同期の波形重畳型音声合成方式
を採用している場合、音声波形変形部１８０５では必要
なピッチ波形を音声波形辞書１８１４から読み出し、こ
のピッチ波形をターゲットの基本周波数間隔に合わせて
配列することで基本周波数変更を行う。また、ピッチ波
形を所望する時間長だけ配列することで音韻継続時間長
を制御する。

【０１８２】最後に、音声合成端末装置は、韻律変換し
た音声波形を音声波形変形部１８０５で接続してスピー
カ１３４から出力することによって、情報提供サーバな
どから配信されたテキスト情報を音声読み上げする。

【０１８３】以上説明したように、本実施の形態に係る
音声合成端末装置は、音声波形辞書に登録されている複
数の音声波形の候補の中から、合成環境に最も適した音
声波形を選択することができるようになり、高音質な音
声合成が可能となる。

【０１８４】なお、上記説明では音声波形変形部１８０
５に波形重畳型の音声合成方式を採用した場合を例にし
たが、その他パラメトリックな音声合成方式を採用する
ことも可能である。

【０１８５】

【発明の効果】以上説明したように、本発明によれば、
利用者の要求する話者の音色で電子メールなどのテキス
ト情報を読み上げることが可能な音声波形辞書配信シス
テム、音声波形辞書作成装置、及び音声合成端末装置を
提供することができる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態に係る音声波形辞書
配信システムのブロック図

【図２】本発明の第２の実施の形態に係る音声波形辞書
配信システムのブロック図

【図３】図２に示す音声波形辞書配信システムの動作の
フローチャート

【図４】本発明の第３の実施の形態に係る音声波形辞書
作成装置のブロック図

【図５】本発明の第４の実施の形態に係る音声波形辞書
作成装置の一部のブロック図

【図６】本発明の第５の実施の形態に係る音声波形辞書
作成装置の一部のブロック図

【図７】本発明の第６の実施の形態に係る音声波形辞書
作成装置の一部のブロック図

【図８】図７に示す音声波形辞書作成装置の動作を説明
する模式図

【図９】本発明の第７の実施の形態に係る音声波形辞書
作成装置の一部のブロック図

【図１０】図９に示す音声波形辞書作成装置の動作を説
明する模式図

【図１１】本発明の第８の実施の形態に係る音声波形辞
書作成装置の一部のブロック図

【図１２】図１１に示す音声波形辞書作成装置の動作を
説明する模式図

【図１３】本発明の第９の実施の形態に係る音声波形辞
書作成装置の一部のブロック図

【図１４】図１３に示す音声波形辞書作成装置の動作を
説明する模式図

【図１５】本発明の第１０の実施の形態に係る音声合成
端末装置のブロック図

【図１６】本発明の第１１の実施の形態に係る音声合成
端末装置の一部のブロック図

【図１７】本発明の第１２の実施の形態に係る音声合成
端末装置の一部のブロック図

【図１８】本発明の第１３の実施の形態に係る音声合成
端末装置の一部のブロック図

【符号の説明】

１００ 音声波形辞書配信システム １１０ 音声波形辞書作成装置 １１１ 辞書条件決定部（辞書条件決定手段） １１２ａ、１１２ｂ、１１２ｃ 音声データベース １１３ 音声波形辞書作成部（音声波形辞書作成手
段） １１４ データ送受信部（条件受信辞書送信手段） １２０ ネットワーク １３０、１４０、１５０ 音声合成端末装置 １３１ 辞書条件入力部（辞書条件入力手段） １３２ 記録媒体（音声波形辞書記録手段） １３３ 音声合成部（音声合成手段） １３４ スピーカ（音声出力手段） １３５ データ送受信部（条件送信辞書受信手段） ２００ 音声波形辞書配信システム ２０１ 音声波形辞書作成装置 ２０２ 音声合成部（作成辞書音声合成手段） ４０１ 音声波形辞書作成装置 ５０１ 音声波形辞書作成部（音声波形辞書作成手
段） ５０２ 音声波形選出部（音声波形選出手段） ５０３ パラメータ化部（パラメータ化手段） ５０４ 音声波形付属情報抽出部（音声波形付属情
報抽出手段） ５０５ 辞書構築部（辞書構築手段） ６０１ パラメータ化部（パラメータ化手段） ６１１ 音声波形 ６１２ スペクトル包絡（声道特性） ６１３ 音源パルス列（音源特性） ７０１ パラメータ化部（パラメータ化手段） ７０２ ピッチ波形抽出部（ピッチ波形抽出手段） ７０３ ピッチ波形分類部（ピッチ波形分類手段） ７０４ 代表ピッチ波形作成部（代表ピッチ波形作
成手段） ８０１ 音声波形 ８２１、８２２ 代表ピッチ波形 ９０１ 音声波形選出部（音声波形選出手段） ９０２ 合成単位作成部（合成単位作成手段） ９０３ 候補波形抽出部（候補波形抽出手段） ９０４ 登録波形選定部（登録波形選定手段） １０００ 音声波形 １０１０ 音素境界ラベル １０１１ 音素単位（合成単位） １０１２ ＣＶ・ＶＣ単位（合成単位） １０１３ ＶＣＶ単位（合成単位） １０２１、１０２２ 音声波形 １１０１ 登録波形選定部（登録波形選定手段） １１０２ スペクトル抽出部（スペクトル抽出手
段） １１０３ スペクトル距離計算部（スペクトル距離
計算手段） １１０４ 代表波形選定部（スペクトル代表波形選
定手段） １２１１、１２１２ 音声波形 １２２１ スペクトル情報 １３０１ 登録波形選定部（登録波形選定手段） １３０２ 基本周波数抽出部（基本周波数抽出手
段） １３０３ 基本周波数距離計算部（基本周波数距離
計算手段） １３０４ 代表波形選定部（基本周波数代表波形選
定手段） １４０１ 基本周波数パタン（基本周波数情報） １５０１ 音声合成端末装置 １６０２ 記録媒体（音声波形辞書記録手段） １６０３、１６０４、１６０５ 音声波形辞書 １７０１ 音声合成部（音声合成手段） １７０２、１７０３、１７０４ 音声合成器 １８０１ 音声合成部（音声合成手段） １８０２ テキスト解析部（テキスト解析手段） １８０３ 韻律生成部（韻律生成手段） １８０４ 音声波形選択部（音声波形選択手段） １８０５ 音声波形変形部（音声波形変形手段、音
声波形接続手段） １８１１ 記録媒体（音声波形辞書記録手段）

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ１０Ｌ 3/00 Ｎ

Claims (13)

【特許請求の範囲】
1. 【請求項１】 音声合成に使用される音声波形辞書を作
   成する音声波形辞書作成装置と、前記音声波形辞書をネ
   ットワーク経由で収得して音声合成を行う音声合成端末
   装置とから構成され、 前記音声波形辞書作成装置は、複数の音声データベース
   と、前記音声合成端末装置から受信する前記音声波形辞
   書に対する要求条件に基づいて、前記音声波形辞書の作
   成条件を決定する辞書条件決定手段と、前記音声データ
   ベースの中から前記作成条件に基づいた音声データベー
   スを用いて前記音声波形辞書を作成する音声波形辞書作
   成手段と、前記ネットワークを介して、前記要求条件を
   受信し、前記音声波形辞書を送信する条件受信辞書送信
   手段とを備え、 前記音声合成端末装置は、前記要求条件を入力する辞書
   条件入力手段と、前記ネットワークを介して、前記要求
   条件を送信し、前記音声波形辞書を受信する条件送信辞
   書受信手段と、前記音声波形辞書を記録する音声波形辞
   書記録手段と、前記音声波形辞書記録手段に記録された
   前記音声波形辞書を用いて音声合成を行う音声合成手段
   と、前記音声合成手段で音声合成した音声信号を出力す
   る音声出力手段とを備えることを特徴とする音声波形辞
   書配信システム。
2. 【請求項２】 前記音声波形辞書作成装置は、前記音声
   波形辞書作成手段で作成した前記音声波形辞書を用いて
   音声合成を実行する作成辞書音声合成手段を備え、 前記音声合成端末装置は、前記ネットワークを介して、
   前記作成辞書音声合成手段で音声合成した音声信号を受
   信し、受信した前記音声信号を前記音声出力手段で出力
   することを特徴とする請求項１に記載の音声波形辞書配
   信システム。
3. 【請求項３】 複数の音声データベースと、音声合成に
   使用される音声波形辞書に対する要求条件に基づいて、
   前記音声波形辞書の作成条件を決定する辞書条件決定手
   段と、前記音声データベースの中から前記作成条件に基
   づいた音声データベースを用いて前記音声波形辞書を作
   成する音声波形辞書作成手段と、ネットワークを介し
   て、前記要求条件を受信し、前記音声波形辞書を送信す
   る条件受信辞書送信手段とを備えたことを特徴とする音
   声波形辞書作成装置。
4. 【請求項４】 前記音声波形辞書作成手段は、前記音声
   データベースに予め付属させられた付属情報を参照して
   音声波形を選出する音声波形選出手段と、前記音声波形
   選出手段によって選出された前記音声波形を所定の形式
   に変換するパラメータ化手段と、前記音声データベース
   から前記音声波形に付属させられた前記付属情報を抽出
   する音声波形付属情報抽出手段と、前記パラメータ化手
   段でパラメータ化された前記音声波形、及び、前記音声
   波形付属情報抽出手段によって抽出された前記付属情報
   を用いて、前記音声波形辞書を構築する辞書構築手段と
   を備えることを特徴とする請求項３に記載の音声波形辞
   書作成装置。
5. 【請求項５】 前記パラメータ化手段は、前記音声波形
   を音源特性と声道特性とに分離して、それぞれを独立に
   パラメータ化することを特徴とする請求項４に記載の音
   声波形辞書作成装置。
6. 【請求項６】 前記パラメータ化手段は、前記音声波形
   をピッチ波形単位に分割して抽出するピッチ波形抽出手
   段と、前記ピッチ波形抽出手段によって抽出された前記
   ピッチ波形に対して、類似度が所定値以上の前記ピッチ
   波形同士を分類するピッチ波形分類手段と、前記ピッチ
   波形分類手段によって分類された前記ピッチ波形の中か
   ら前記音声波形辞書に代表として登録する代表ピッチ波
   形を作成する代表ピッチ波形作成手段とを備えることを
   特徴とする請求項４に記載の音声波形辞書作成装置。
7. 【請求項７】 前記音声波形選出手段は、予め音声デー
   タに付属させられた音素境界ラベル情報を参照して合成
   単位の境界ラベルを付与し、前記合成単位を作成する合
   成単位作成手段と、前記合成単位作成手段で作成された
   前記合成単位の前記音声波形を前記音声波形辞書に登録
   する候補として抽出する候補波形抽出手段と、前記候補
   波形抽出手段で抽出された前記音声波形の中から前記音
   声波形辞書に登録する音声波形を選定する登録波形選定
   手段とを備えることを特徴とする請求項４に記載の音声
   波形辞書作成装置。
8. 【請求項８】 前記登録波形選定手段は、前記候補波形
   抽出手段で抽出された全ての前記音声波形のスペクトル
   情報を抽出するスペクトル抽出手段と、前記スペクトル
   情報を用いて、前記候補波形抽出手段で抽出された前記
   音声波形間のスペクトル距離を計算するスペクトル距離
   計算手段と、前記スペクトル距離に基づいて、前記音声
   波形辞書に代表として登録する前記音声波形を選定する
   スペクトル代表波形選定手段とを備えることを特徴とす
   る請求項７に記載の音声波形辞書作成装置。
9. 【請求項９】 前記登録波形選定手段は、前記候補波形
   抽出手段で抽出された全ての前記音声波形の基本周波数
   情報を抽出する基本周波数抽出手段と、前記基本周波数
   情報を用いて、前記候補波形抽出手段で抽出された前記
   音声波形間の基本周波数距離を計算する基本周波数距離
   計算手段と、前記基本周波数距離に基づいて、前記音声
   波形辞書に代表として登録する前記音声波形を選定する
   基本周波数代表波形選定手段とを備えることを特徴とす
   る請求項７に記載の音声波形辞書作成装置。
10. 【請求項１０】 音声合成に使用される音声波形辞書に
    対する要求条件を入力する辞書条件入力手段と、ネット
    ワークを介して、前記要求条件を送信し、前記音声波形
    辞書を受信する条件送信辞書受信手段と、前記音声波形
    辞書を記録する音声波形辞書記録手段と、前記音声波形
    辞書記録手段に記録された前記音声波形辞書を用いて音
    声合成を行う音声合成手段と、前記音声合成手段で音声
    合成した音声信号を出力する音声出力手段とを備えたこ
    とを特徴とする音声合成端末装置。
11. 【請求項１１】 前記音声波形辞書記録手段は、複数の
    前記音声波形辞書を記録することを特徴とする請求項１
    ０に記載の音声合成端末装置。
12. 【請求項１２】 前記音声合成手段は、複数の音声合成
    器を備え、複数の前記音声合成器の中から前記音声波形
    辞書の辞書形式に適した音声合成器を使用して音声合成
    することを特徴とする請求項１０に記載の音声合成端末
    装置。
13. 【請求項１３】 前記音声合成手段は、音声読み上げ対
    象であるテキスト情報を表音文字列に変換するテキスト
    解析手段と、前記音声波形辞書から前記表音文字列が一
    致する前記音声波形を選択する音声波形選択手段と、合
    成音声の韻律パタンを決定する韻律生成手段と、前記韻
    律パタンに基づいて前記音声波形の韻律変形を行う音声
    波形変形手段と、韻律変形された前記音声波形を接続す
    る音声波形接続手段とを備えることを特徴とする請求項
    １０に記載の音声合成端末装置。