JP2003140677A - 読み上げシステム - Google Patents

Abstract

(57)【要約】 【課題】 従来の読み上げシステムは、サーバー装置に
前もって準備されたテキストデータのみが音声合成可能
であった。本発明は、ユーザが音声合成させたい文章を
作成し、所望の音声キャラクタにて読ませる。 【解決手段】 サーバー手段(201)においては人の音声
の最小構成要素（音素）をデータ化した音素データベー
スと、ユーザ情報を管理するデータ登録処理部(102)
と、音声合成目的のデータを解析して最適な音素を抽出
して繋ぎあわせる音声合成処理部(101)とを備え、ユー
ザの端末装置を前記サーバー手段に接続し、ユーザから
送られてくる音声合成目的データとユーザ情報を対応づ
けして管理し、ユーザが指定した音素データベースを用
いて音声合成処理部(101)が作成した合成音声データを
ユーザに配信するものであり、例えばユーザは自分で書
いたドラマを自分の好きな声優等の声で読ませるといっ
たことが可能となる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はテキストデータを音
声変換する読み上げシステムに関する。

【０００２】

【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。

【０００３】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１１−１４３４８３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。

【０００４】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６−３３７７７４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。

【０００５】

【発明が解決しようとする課題】しかしながら従来は、
ユーザ自ら音声合成させたい文章を作成し、その文章を
所望の音声キャラクタにて読ませるといった楽しみ方が
できるものではなかった。従来ものはサーバー装置に前
もって準備されたテキストデータのみが音声合成の対象
であり、ユーザ自ら作成した文章を所望の音声キャラク
タにて朗読させるという楽しみ方ができなかった。

【０００６】本発明はこれらの問題を解決する為に、ユ
ーザ自ら作成した文章を所望の音声キャラクタにて朗読
させることが可能な読み上げシステムを提供するもので
ある。

【０００７】

【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、サーバー手段においては人の音声の最小
構成要素（音素）をデータ化した音素データベースと、
音声合成目的のデータ、例えば文章が記述されたテキス
トデータと、ユーザから送られてくる音声合成目的デー
タとユーザ情報を対応づけして管理するデータ登録処理
部と、音声合成目的のデータを解析し、そのデータ毎に
最適な音素を抽出して繋ぎあわせる音声合成処理部と、
音声合成処理部が作成した合成音声データをユーザに配
信する通信処理部を備え、音声合成済みの合成音声デー
タを入力する合成音データ入力手段と合成音声を出力す
る音声出力手段から構成される端末装置を前記サーバー
手段に接続する構成とした。

【０００８】

【発明の実施の形態】請求項１記載の発明は音声の最小
構成要素を音素と定め、その個性を持つ音素をデータ化
した音素データベースと音声合成目的のデータ、例えば
文章が記述されたテキストデータと、ユーザから送られ
てくる音声合成目的データとユーザ情報を対応付けして
管理するデータ登録処理部と、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抽出して繋ぎあわ
せる音声合成処理部と、音声合成処理部が作成した合成
音声データをユーザに配信する通信処理部から構成され
るサーバー手段と、音声合成済みの合成音声データを入
力する合成音データ入力手段と合成音声を出力する音声
出力手段から構成される端末装置から成る読み上げシス
テムであり、ユーザは音声合成させたい文章、例えば自
分史やドラマ等を作成し、その文章を所望の音声キャラ
クタにて朗読させるという新たな楽しみを享受できる。 （実施の形態）以下、本発明の読み上げシステムについ
て図１〜図３を用いて説明する。図２は請求項１記載の
読み上げシステムの使用例説明図である。(201)はユー
ザが音声合成を希望する音声合成目的データと音声キャ
ラクタの音素データベースを用いて音声合成を行い、合
成音声データをユーザに配信するインターネット上のサ
ーバー手段である。(202)は合成音データ入力手段と、
アンプ，スピーカ等を含んだ音声出力手段を備えた端末
装置本体(202)である。

【０００９】ここでの合成音データ入力手段は、モデム
等のネットワークインターフェースや光ディスク、磁気
ディスク、メモリーカード等である記録媒体のデータ入
力が可能な記憶装置のインターフェースである。(203)
はサーバー手段(201)から配信される合成音声データで
ある。(204)はユーザがサーバー手段(201)に送信する音
声合成目的のデータである。

【００１０】ユーザはまず端末装置本体(202)を通じて
音声合成目的の文章が記述されたデータを端末装置本体
(202)を通じてサーバー手段(201)に送信すると共に、自
分が所望する音声キャラクタを選択する。サーバー手段
(201)は選択された音声キャラクタの音素データベース
を用いてユーザから送信された音声合成目的データの音
声合成を行い、合成音声データをインターネット経由で
ユーザに返信する。ユーザは端末装置本体(202)内にそ
のデータを取り込み、再生操作を行うことで端末装置本
体(202)からユーザが所望するキャラクタの音声でユー
ザが送信した文章データの合成音声が出力される。

【００１１】(203)は合成音データ等を格納し、端末装
置本体(202)とは脱着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。なおユーザか
らの音声合成の依頼やその受け付けはインターネット経
由だけでなく、電話やファックス及び郵便や人手にて行
われても良い。またサーバー手段(201)からの合成音声
データのユーザへの配信はインターネット経由だけでは
なく、光ディスクや磁気ディスク及びメモリーカード等
の記憶媒体に合成音声データを記録し、それをユーザに
配達してもよい。

【００１２】図１は請求項１記載の読み上げシステムの
ブロック図である。図１において、(201)はサーバー手
段、(202)は端末装置本体、(203)は記憶装置である。ま
ずサーバー手段(201)の各ブロックの説明を行う。

【００１３】サーバー手段(201)において、(100)はサー
バー制御部であり、サーバー手段全体の制御を行う。
（101）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、各データに最適な音素データを抽出
し連結する。(102)はデータ登録処理部であり、ユーザ
から送られてくる音声合成目的のデータとユーザ情報を
対応づけたデータを作成し、管理する。

【００１４】(103)はサーバー通信処理部であり、音声
合成された合成音データをユーザに配信したり、ユーザ
とのインターフェースを行う。(104)はサーバー記憶部
であり、サーバー手段全体の制御を行うプログラムの保
管やデータ処理の際の作業領域として用いられる。(10
5)は音声合成目的のデータを記録する合成目的データ記
録部であり、(106)は音声キャラクタの音素データベー
スを記録する音素データベース記録部である。

【００１５】次に端末装置本体(202)の各ブロックの説
明を行う。端末装置本体(202)において、(107)は端末制
御部であり装置内の各部とデータのやり取りを行い、装
置全体の制御を行う。(108)は音声出力部であり、合成
音データのフォーマット変換を行い、スピーカまたはヘ
ッドフォンに出力する。(109)は合成音データ入力手段
の一つである記憶装置Ｉ／Ｆ部であり、記憶装置へのデ
ータを読み書きする。(110)は端末記憶部であり、装置
全体のプログラムの格納や様々な処理の作業領域として
用いられる。(111)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。(112)は表示部であり、
装置の動作状態等をユーザに表示する。(113)は合成音
データ入力手段の一つである端末通信処理部であり、サ
ーバー装置から送られてくる合成音データを受信した
り、サーバー手段(201)と端末装置本体(202)のインター
フェースを行う。(114)は装置に電源を供給する為の電
源部である。(115)はユーザが音声合成目的のデータを
入力するデータ入力処理部である。

【００１６】(120)は端末装置Ｉ／Ｆ部であり、記憶装
置Ｉ／Ｆ部(109)とともに端末装置本体(202)とデータの
やり取りを行う。(121)は記憶装置内部に記憶された合
成音データである。

【００１７】図３は請求項１記載の読み上げシステムの
フローチャートである。ユーザが端末装置本体(202)の
操作部(111)を用いてサーバー手段(201)との接続操作を
行うと、端末通信処理部(113)はサーバー手段(201)と接
続を行う。そしてユーザはサーバー手段(201)に対して
音声合成の要求を行う(s301)。端末装置本体(202)から
の要求はサーバー通信処理部(103)を通じ、サーバー手
段(201)に取り込まれ、サーバー制御部(100)はユーザか
らの音声合成要求を認識する(s302)。次にサーバー制御
部(100)は音素データベース記録部内にある音声キャラ
クタのリスト情報を作成し、そのデータを端末装置本体
(202)に提供する(s303)。

【００１８】端末装置本体(202)の端末制御部(107)はサ
ーバー手段(201)から送られてきたリスト情報を認識し
て、その表示部(112)に表示する(s304)。そしてユーザ
は端末装置本体(202)の操作部(111)を用いて所望する音
声キャラクタを選択決定する。またデータ入力処理部を
用いて音声合成目的のデータを端末装置本体(202)に入
力する。さらに操作部(111)を用いてユーザの名前や住
所、電話番号やE-MAILアドレス、クレジット番号等のユ
ーザ情報を入力する。そして端末制御部(107)はこれら
のデータをサーバー手段(201)に伝える(s305)。なおこ
のユーザ情報はユーザを特定出来、さらにサーバー手段
(201)がサービスに対する報酬を得る場合において、ユ
ーザから料金を徴収する為に必要なデータである限り限
定はしない。

【００１９】次にサーバー制御部(100)はユーザから選
択決定された音声キャラクタと合成目的データ及びユー
ザ情報データを認識し(s306)、合成目的データは合成目
的データ記録部に記録し、ユーザ情報はサーバー記憶部
(104)に記録を行う。そしてデータ登録処理部は両デー
タを対応づけるとともに、ユーザから受信した音声合成
目的データのデータ量や音声キャラクタ名等のデータも
サーバー記憶部(104)に記録する(s307)。そしてこの対
応付けしたデータに基づき、サーバー手段(201)がサー
ビスに見合った報酬をユーザから徴収しても良い。

【００２０】次にサーバー制御部(100)は合成目的デー
タ記憶部からユーザが合成依頼したデータを読み出して
サーバー記憶部(104)に記録し、音声合成処理部(101)に
処理を開始させる。順次読み出し、音声合成目的のデー
タを分析して、各データに最も適する音素データをサー
バー記憶部(104)または音素データベース記録部から読
み出して、繋ぎ合わせ、合成音データを作成する(s30
8)。サーバー制御部(100)は音声合成処理部(101)が作成
した合成音データをサーバー通信通信処理部を通じて、
ユーザに配信する(s309)。

【００２１】サーバー手段(201)から配信された合成音
データは端末通信処理部(113)を通じて、端末装置本体
内の端末記憶部(110)または記憶装置に記録される。そ
してユーザが操作部(111)を通じて再生の操作を行う
と、合成音データが端末記憶部(110)または記憶装置か
ら読み出されて音声出力部に渡される。音声出力部(10
8)はデータのフォーマット変換を行い、合成音声をスピ
ーカーまたはヘッドフォンに出力する(s310)。

【００２２】

【発明の効果】以上のように本発明は、ユーザは端末装
置をサーバー手段に繋げ、端末装置より音声合成目的デ
ータをサーバー手段へ送り、さらに音声キャラクタを決
定することによりサーバー手段に音声合成処理を行わ
せ、さらにサーバー手段より合成音声データを端末装置
に取り込むことで、指定した音声キャラクタによる音声
合成音を聞くことができ、例えばユーザは自分で書いた
ドラマを自分の好きな声優等の声で読ませるといったこ
とが可能となる。従ってユーザにとっては新たな楽しみ
方が増え、また公共の機関が公共情報を説得力のある声
の持ち主である俳優や政治家の声で伝えることも可能と
なり、そうすることで情報の認知度をあげることもでき
る。したがって音素を用いるビジネスそのものが大きく
発展する可能性がある。

【図面の簡単な説明】

【図１】本発明の読み上げシステムを構成するサーバー
手段および端末装置本体，記憶装置のブロック図

【図２】本発明の読み上げシステムの概略説明図

【図３】本発明の読み上げシステムにおける動作フロー
チャート

【符号の説明】

(100) サーバー制御部 (101) 音声合成処理部 (102) データ登録処理部 (103) サーバー通信処理部 (104) サーバー記憶部 (105) 合成目的データ記録部 (106) 音素データベース記録部 (107) 端末制御部 (108) 音声出力部 (109) 記憶装置Ｉ／Ｆ部 (110) 端末記憶部 (111) 操作部 (112) 表示部 (113) 端末通信処理部 (114) 電源部 (115) データ入力処理部 (120) 端末装置Ｉ／Ｆ部 (121) 合成音データ (201) サーバー手段 (202) 端末装置本体 (203) 合成音声データ (204) 音声合成目的データ (205) 記憶装置

Claims (8)

【特許請求の範囲】
1. 【請求項１】音声の最小構成要素を音素と定め、その個
   性を持つ音素をデータ化した音素データベースと音声合
   成目的のデータ、例えば文章が記述されたテキストデー
   タと、ユーザから送られてくる音声合成目的データとユ
   ーザ情報を対応付けして管理するデータ登録処理部と、
   音声合成目的のデータを解析し、そのデータ毎に最適な
   音素を抽出して繋ぎあわせる音声合成処理部と、音声合
   成処理部が作成した合成音声データをユーザに配信する
   通信処理部から構成されるサーバー手段と、音声合成済
   みの合成音声データを入力する合成音データ入力手段と
   合成音声を出力する音声出力手段から構成される端末装
   置から成る読み上げシステム。
2. 【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記載の読み上げシステム。
3. 【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記載の読み上げシ
   ステム。
4. 【請求項４】音素は単語であることを特徴とする請求項
   １記載の読み上げシステム。
5. 【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記載の読み上げシステム。
6. 【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記載の読み上げシステム。
7. 【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記載の読み上げシステム。
8. 【請求項８】端末装置の合成音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であることを
   特徴とする請求項１記載の読み上げシステム