JP2003122384A

JP2003122384A - 携帯端末装置

Info

Publication number: JP2003122384A
Application number: JP2001313455A
Authority: JP
Inventors: Kazunori Hayashi; 和典林; Masaru Mase; 優間瀬
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 2001-10-11
Filing date: 2001-10-11
Publication date: 2003-04-25

Abstract

(57)【要約】【課題】従来より人間の発声に近い合成音声を出力す
るものは考えられているが、１種類の音声データベース
では、例えば文学作品を朗読させた場合、真に感動を与
えるものとは限らず、ユーザにとってはリアリティーに
欠けるという問題があった。【解決手段】本発明は、人の音声の最小構成要素（音
素）をデータ化した音素データベースや音声合成目的の
データを入力するデータ入力手段と、音素データベース
を選択する音素データベース選択手段と、音声合成目的
のデータを解析して最適な音素を音素データベースより
抽出して繋ぎあわせることによって合成音声データを作
成する音声合成処理部とを設けたものであり、ユーザが
所望するキャラクタ音声で小説等のテキストデータの朗
読をよりリアルな感覚で聴くことができる。

Description

【発明の詳細な説明】

【発明の属する技術分野】本発明は音声合成目的のデー
タ、例えば小説等のテキストを音声出力する携帯端末装
置に関する。

【従来の技術】従来、電子メールやワープロ等のテキス
トデータを音声に変換し、外部に出力する装置として
は、記憶容量の豊富さや処理能力の高さ、及びネットワ
ーク機能の充実さ等からパーソナルコンピュータにて実
現していた。しかしながらテキストデータを音声変換す
るのみの機能であれば、コストパフォーマンスに欠ける
等の問題がある。また出力される音声も男性や女性とい
った一般的なものであり、必ずしもユーザが所望する声
色での音声出力ではないので、ユーザが聴いていて楽し
さを感じにくい面があった。特開平７−１４０９９９号
公報には、人間の発声に近い合成音声を生成することが
できる音声合成装置及び音声合成方法が開示されてい
る。すなわち、辞書の中に読み仮名、アクセント型等の
情報をととも、アクセント指令値及び又は音韻継続時間
長情報を予め用意しておき、音韻の継続時間長を用いて
音素片データのパラメータ列を生成し、それらを基に音
声波形を合成することにより、人間の発声に一段と近い
合成音声を出力するものである。また特開平１１−１４
３４８３号公報には、パソコン、ワープロ、ゲーム機な
どを利用する際の合成音声の発生について、特にユーザ
が任意でかつ多様な合成音声を選ぶことが可能な手段を
実現するシステムが開示されている。パーソナルコンピ
ュータを歩きながら使用するには、大きさ、重量の問題
から大変不便であるし、その操作も容易とは言い難い。
この点を解決するものとして、例えば特開平６−３３７
７７４号公報には、情報処理装置への取り付け取り外し
が簡単で、小型の情報処理装置（小型パーソナルコンピ
ユータ等）にも内蔵でき、且つ小型軽量で持ち運びがで
きると共に単体でも文章読み上げ機能を持つＩＣカード
形態の文章読み上げシステムが記載されている。

【発明が解決しようとする課題】以上のように従来か
ら、音韻の継続時間長、韻律情報及びアクセント指令値
に基づいて人間の発声に近い合成音声を出力するものは
考えられているが、例えば文学作品を朗読させた場合、
真に感動を与え、ユーザを楽しませるものとは限らな
い。すなわち１種類の音声データベースでは、例えば複
数の登場人物がある小説の場合、どの人物のセリフでも
同じ音声キャラクタで朗読されることになってしまうた
め、ユーザにとってはリアリティーに欠けるという問題
があった。本発明はこれらの問題を解決する為に、音声
合成目的データの各部分、例えば登場人物のセリフやナ
レーション部分等の音声合成処理においてユーザが所望
するキャラクタ音声での音声出力を行なうことが可能な
携帯端末装置を提供するものである。

【課題を解決するための手段】以上の課題を解決するた
めに本発明は、人の音声の最小構成要素（音素）をデー
タ化した音素データベースや音声合成目的のデータを入
力するデータ入力手段と、音素データベースを選択する
音素データベース選択手段と、音声合成目的のデータを
解析して最適な音素を音素データベースより抽出して繋
ぎあわせることによって合成音声データを作成する音声
合成処理部とを設けたものである。

【発明の実施の形態】請求項１記載の発明は、人の音声
の最小構成要素である音素をデータ化した音素データベ
ース、音声合成目的のデータを入力するデータ入力手段
と、音声合成に用いる音素データベースを選択する音素
データベース選択手段と、音声合成目的のデータを解析
し、そのデータ毎に最適な音素を前記音素データベース
より抽出して繋ぎあわせ、合成音声データを作成する音
声合成処理部と、音声合成された音を出力する音声出力
処理部から構成される携帯端末装置であり、ユーザが音
素データベースの種類や朗読対象のテキストデータを選
択することにより、ユーザが所望するキャラクタ音声で
小説等のテキストデータの朗読をよりリアルな感覚で聴
くことができる。請求項９記載の発明は請求項１に記載
した携帯端末装置において、携帯端末装置または記憶装
置に通信処理部を搭載し、ネットワーク上にあるサーバ
ー装置から音素データベースや音声合成目的のデータ及
び音声合成処理プログラムをダウンロードして携帯端末
装置または記憶装置に記憶可能な携帯端末装置であり、
これによりユーザは通信回線を使ってサービス業者のサ
ーバー装置より音素データベース及び朗読対象のデータ
を入手することにより、より多くのメニューの中からキ
ャラクタ音声で小説等のテキストデータを選択し、聴く
ことができる。請求項１０記載の発明は請求項１に記載
した携帯端末装置において、ユーザによって音声キャラ
クタが選択されると音素データベース選択手段は選択さ
れた結果を基に音声合成目的のデータの各音素データベ
ースを適用する部分に対して識別記号を混在させて記憶
部に記憶させ、音声合成処理中に前記音声合成処理部は
前記識別記号を基に適用する音声キャラクタの音素デー
タベースを判別するように構成したものであり、音声合
成目的データの中で部分毎に識別記号によって音素デー
タベースが切り換えられ、音声合成処理時には部分ごと
に適切な音声キャラクタで音声合成がなされる。請求項
１１記載の発明は請求項１に記載した携帯端末装置にお
いて、音声合成目的のデータを楽譜と歌詞から成る楽曲
データとし、ユーザが音素データベースと楽曲データを
指定することで、ユーザが所望する特定キャラクタの音
声で楽曲を提供可能に構成したものであり、携帯端末装
置からは指定された音素で楽曲が出力され、ユーザが所
望する特定キャラクタの音声で楽曲を聴く事ができる。
以下に本発明の詳細を記載する。（実施の形態１）請求項１記載の携帯端末装置について
図を用いて説明する。図２は本携帯端末装置の使用例説
明図であり、図２において、(201)は表示部や操作部、
及びアンプやヘッドフォン、スピーカ等の音声出力手段
を備えた携帯端末装置である。(202)は音声合成目的の
データや音声キャラクタの音素データベース及び音声合
成プログラムを格納し、携帯端末装置とは着脱可能なメ
モリーカードや光ディスク及び磁気ディスク等の記憶装
置である。(203)は携帯端末装置における音声合成目的
のデータであり、例えば小説等のテキストデータ等であ
る。(204)は音素データベースである。これは実在の人
物の肉声をサンプリングし、そのサンプリングデータを
データベース化したものであり、この装置から出力され
る音声合成音の音色を決定する重要な要素となる。(20
5)はインターネット上のサーバー装置である。サーバー
装置(205)は音声合成目的のデータ、例えば小説等のテ
キストデータや音素データベース及び音声合成プログラ
ムを提供する。ここでは、一つのサーバー装置しか記載
していないが、複数のサーバー装置で音声合成目的のデ
ータと音素データベースを分けて提供する場合もある。
(206)はインターネット上のサーバー装置(205)から提供
され、携帯端末装置上で実行される音声合成処理プログ
ラムである。ユーザはまず音声キャラクタの音素データ
ベースや音声合成目的のデータ及び音声合成処理プログ
ラムを記憶している記憶装置(202)を端末装置本体（20
1）に挿入し、再生操作をすることにより、自分が所望
するキャラクタの音素データベースを用いて音声合成処
理を行い、あたかも当該キャラクタが発音したような音
声にて音声合成目的のデータの朗読を聴くことができ
る。または、ユーザはインターネット上のサーバー装置
(205)と接続し、自分が所望する小説等のテキストデー
タやキャラクタ音声を選択し、それらデータをサーバー
装置(205)からダウンロードして上で再生操作をするこ
とにより、当該キャラクタが発音したような音声にて音
声合成目的のデータの朗読を聴くことができる。この場
合、サービス業者は音素提供者が発音した音声のサンプ
リングデータを分析して、音の強弱や音の高低等の音に
関するデータの抽出を行い、その抽出データを文字毎に
データベース化してサーバー装置(205)保存部してい
る。図１は本携帯端末装置のブロック図であり、図１に
おいて、(201)は端末装置本体、(202)は端末装置本体(2
01)に接続可能な記憶装置である。端末装置本体(201)に
おいて、(101)は端末装置本体(201)に設けられたステム
制御部であり、装置内の各処理部とデータのやり取りを
行い、装置全体の制御を行う。(102)は音声合成処理部
であり、音声合成目的のデータの解析を行って、合成目
的のデータ（各文字データまたは単語のデータ）に最適
な音素データを抽出及び連結する。(103)は記憶装置Ｉ
／Ｆ部であり、記憶装置(202)へのデータの書き込み，
データの読み出しをする。(104)は音声出力手段であ
り、音声合成処理部(102)からのデータを受け、データ
のフォーマット変換等の処理を行い、デジタルデータを
アナログデータに変換し、不要なノイズをカットしてス
ピーカまたはヘッドフォン等よりに出力する。(105)は
携帯端末装置の記憶部であり、携帯端末装置を制御する
プログラムや表示部に表示するフォントデータの記憶、
音声合成音データの保存及び様々なデータ処理の際の作
業領域等として用いられる。(106)は操作部であり、こ
れを通じユーザは装置に自分の指示を与える。は表示部
であり、装置の動作状態等をユーザに表示する。(108)
は装置に電源を供給する為の電源部である。(109)は通
信処理部であり、公衆回線と接続して、インターネット
上でのデータのやり取りを実現する。(110)は音声合成
目的のデータの解析し、音声合成処理に用いる音素デー
タベースを選択する音素データベース選択手段である。
(120)は端末装置Ｉ／Ｆ部であり、記憶装置Ｉ／Ｆ部(10
3)と共に端末装置(202)とのデータのやり取りを行う。
次に記憶装置(202)において、(121)は記憶装置(202)内
に保存された音素データベースであり、(122)は記憶装
置(202)内に保存された音声合成目的のデータである。
なお、記憶装置(202)内及び端末装置の記憶部に保存さ
れるのは、音声合成目的のデータや音素データベース及
び音声合成処理プログラムのどのような組み合わせであ
っても良い。次に、本発明の携帯端末装置の動作につい
て図3の動作フローチャートを用いて説明する。ユーザ
が操作部にて装置の電源をオンすると、システム制御部
(101)は記憶装置Ｉ／Ｆ部(103)に指令を出し、記憶装置
(202)が端末装置本体（201）に接続しているか調べる(s
301)。接続していない場合は表示部(107)に「メモリー
カードを挿入してください。」等のユーザに対して端末
装置本体（201）に記憶装置(202)の接続を行うように促
すメッセージを表示する(s302)。記憶装置(202)が端末
装置本体（201）に接続している場合は「操作メニュー
１.朗読２.プログラムアップデート３.音声合成目
的データのダウンロード４.キャラクタ音声データダウ
ンロード・・」等のユーザに端末の操作を促す操作メニ
ューを表示部(107)に表示する(s303)。ユーザーが操作
部(106)を操作し、朗読以外の操作が選ばれたら(s30
4)、システム制御部(101)は通信処理部を通じて端末装
置本体（201）が公衆回線と接続されているかを調べ(s3
05)、接続していない場合は「回線と接続してください」
等の回線の接続を促すメッセージを表示部(107)に表示
する(s306)。端末装置本体（201）が公衆回線に接続し
ている場合は、通信処理部(109)を介し、インターネッ
ト上のサーバー装置(205)に接続する(s307)。端末装置
本体（201）のシステム制御部(101)はサーバー装置(20
5)に音声合成プログラムや音声合成目的のデータや音素
データデータベースのダウンロードを要求し(s308)、サ
ーバー装置(205)から前記データが送られてくると、デ
ータを記憶部(105)や記憶装置(202)に記憶する(s309)。
それが完了すると、サーバー装置(205)との呼を切断す
る。前述の操作メニューが表示されている状態でユーザ
ーが操作部(106)を操作して朗読が選択されると(s30
4)、システム制御部(101）は表示部(107)に装置内に存
在する音声合成目的のデータのリスト、および音声キャ
ラクタのリストを表示する。ユーザは操作部(106)を操
作して音声合成目的のデータを決定する(s310)と、音素
データベース選択手段(110)は音声合成目的のデータを
解析して、各々の音素データベースを適用するデータの
範囲を抽出する(s311)。例えば音声合成目的のデータが
小説のテキストデータの場合は、登場人物のセリフ部分
やナレーション部分等にデータ範囲を分け、その結果を
システム制御部に伝える。システム制御部(101)は音素
データベース選択手段(110)からの結果を基に表示部(10
7)に「次の部分に適用する音声キャラクタを選択してく
ださい。１.登場人物Ａセリフ２.登場人物Ｃセリフ
４.ナレーション」等のような音声合成目的データの前
記各部分の読み上げに割り当てる音声キャラクタを選択
させるメッセージを表示させる。ユーザは操作部(106)
を操作して音声キャラクタを決定する(s312)。ユーザは
場合によっては複数の人物を指定することが可能であ
り、例えば小説の中の複数の登場人物毎に音声キャラク
タを変えて指定することもある。システム制御部(101)
は選択された結果を音素データベース選択手段(110)に
伝える。音素データベース選択手段(110)はこの結果を
基に音声合成目的データの各音素データベースを適用す
る部分に対して識別記号を混在させ(s313)、音声合成処
理部(102)が音声合成目的データ中のどの部分でどの音
声キャラクタの音素データベースを使用すればよいのか
を判別できるようにして結果を記憶部(105)に記憶す
る。すなわち、音声合成目的データの中で部分毎に適切
な音声キャラクタを示す識別記号が加えられる。これに
より、音声合成処理時には、音声合成処理部(102)は音
声合成目的データの中の部分ごとに適切な音声キャラク
タの音素データベースを使用して音声合成を行い、例え
ば小説であれば登場人物のセリフ毎にキャラクタを変え
て音声合成することができ、よりリアルな読み上げを実
現することができる。なおこの音素データベース選択手
段において、各音素データベースを適用させるデータ範
囲の分け方は前記のような登場人物のセリフ毎であった
り、章毎であったり、行毎であったりしても良く、その
分け方は音声合成目的のデータ内容にも依存するので限
定はしない。次にシステム制御部(101)は音声合成処理
部(102)に処理を開始させる。音声合成処理部(102)は記
憶部(105)から音素データベース選択手段が処理したデ
ータを順次読み出し、識別記号に基づき使用する音声キ
ャラクタの音素データベースを選択する。そして音声合
成目的のデータを分析し、各データに最も適する音素デ
ータを記憶部(105)または記憶装置(202)から読み出し
て、繋ぎ合わせ合成音声データを作成する(s314)。音声
出力手段(104)は音声合成処理部(102)から合成音声デー
タを受け取り、データをフォーマット変換して、スピー
カまたはヘッドフォンに出力する(s315)。なお、データ
入力手段としてメモリーカードや光ディスク等の記憶装
置(202)を用いたものであるが、データ入力手段がモデ
ム等のネットワークインターフェース及びキーボードで
あっても良い。また通信処理部(109)が端末装置本体（2
01）に搭載されたものであるが、通信処理部を記憶装置
(202)に搭載し、ネットワーク上にあるサーバー装置か
ら音素データベースや音声合成目的のデータ及び音声合
成処理プログラムをダウンロードして記憶装置に記憶す
るようにしても良い。また、音声合成目的のデータとし
て、小説等のテキストデータのみでなく、スコアデータ
（楽譜）＋テキストデータ（歌詞）の楽曲データとし、
ユーザが端末装置本体（201）を操作して所望のキャラ
クタと楽曲データを指定することで、当該キャラクタの
音素データベースと前述の楽曲データを基に音声合成処
理を行い、ユーザが所望する特定キャラクタの音声で楽
曲を聴くこともできる。

【発明の効果】以上のように本発明の携帯端末装置にお
いては、操作部を操作して音声合成目的のデータを決定
し、さらに音声キャラクタを決定することにより携帯端
末装置上から音声合成音が出力され、さらに音声合成目
的データの各部分にそれぞれ異なった音声キャラクタを
割り当てることができ、所望するキャラクタ音声でテキ
ストデータの朗読を楽しみながら聴くことができ、例え
ば音声合成目的のデータが小説等のテキストデータであ
った場合は、例えば登場人物のセリフ毎等に異なった音
声キャラクタを割り当てる事で各登場人物のセリフが別
々のキャラクタ音声にて読み上げられ、よりリアルな朗
読を聞く事ができる。

【図面の簡単な説明】

【図１】本発明の実施の形態における携帯端末装置のブ
ロック図

【図２】同携帯端末装置の使用例説明図

【図３】同携帯端末装置における動作フローチャート

【符号の説明】

（１０１）システム制御部（１０２）音声合成処理部（１０３）記憶装置Ｉ／Ｆ部（１０４）音声出力手段（１０５）記憶部（１０６）操作部（１０７）表示部（１０８）電源部（１０９）通信処理部（１１０）音素データベース選択手段（１２０）端末装置Ｉ／Ｆ部（１２１）音素データベース（１２２）音声合成目的のデータ（２０１）端末装置本体（２０２）記憶装置（２０３）音声合成目的のデータ（２０４）音素データベース（２０５）サーバー装置（２０６）音声合成処理プログラム

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 5D045 AA20 AB26 AB30 5K027 AA11 HH19 HH29 MM03 5K101 KK18 LL00 LL12 MM07 NN05 NN16 NN23 NN25

Claims

【特許請求の範囲】

【請求項１】人の音声の最小構成要素である音素をデー
タ化した音素データベース、音声合成目的のデータを入
力するデータ入力手段と、音声合成に用いる音素データ
ベースを選択する音素データベース選択手段と、音声合
成目的のデータを解析し、そのデータ毎に最適な音素を
前記音素データベースより抽出して繋ぎあわせ、合成音
声データを作成する音声合成処理部と、音声合成された
音を出力する音声出力処理部から構成される携帯端末装
置。
【請求項２】音素は「あ」や「い」、「か」や「き」と
いった母音や子音の組み合わせから成る音であることを
特徴とする請求項１記載の携帯端末装置。
【請求項３】音素は連続する音声の最小単位である単音
(例えば「秋（あき）」は「a」「k」「i」の単音から成
る)であることを特徴とする請求項１記載の携帯端末装
置。
【請求項４】音素は単語であることを特徴とする請求項
１記載の携帯端末装置。
【請求項５】音素は文節や文章又は楽曲や謡曲であるこ
とを特徴とする請求項１記載の携帯端末装置。
【請求項６】音素は擬音語や擬声語及び擬態語であるこ
とを特徴とする請求項1記載の携帯端末装置。
【請求項７】音素はデジタル合成音声であることを特徴
とする請求項1記載の携帯端末装置。
【請求項８】データ入力手段はメモリーカードや光ディ
スク及び磁気ディスク等の記憶装置や、モデム等のネッ
トワークインターフェース及びキーボードであることを
特徴とする請求項1記載の携帯端末装置。
【請求項９】携帯端末装置または記憶装置に通信処理部
を搭載し、ネットワーク上にあるサーバー装置から音素
データベースや音声合成目的のデータ及び音声合成処理
プログラムをダウンロードして携帯端末装置または記憶
装置に記憶可能な請求項1記載の携帯端末装置。
【請求項１０】ユーザによって音声キャラクタが選択さ
れると、前記音素データベース選択手段は選択された結
果を基に音声合成目的のデータの各音素データベースを
適用する部分に対して識別記号を混在させて記憶部に記
憶させ、音声合成処理中に前記音声合成処理部は前記識
別記号を基に適用する音声キャラクタの音素データベー
スを判別する請求項１記載の携帯端末装置。
【請求項１１】音声合成目的のデータを楽譜と歌詞から
成る楽曲データとし、ユーザが音素データベースと楽曲
データを指定することで、ユーザが所望する特定キャラ
クタの音声で楽曲を提供可能な請求項１記載の携帯端末
装置。