JP2003345372A - 音声合成装置及び音声合成方法 - Google Patents

Abstract

(57)【要約】 【課題】 聞き取りやすい合成音声を作成する。 【解決手段】 言語処理部２が入力テキスト１０１の言
語解析を行ない、音響的類似度判定部５が入力テキスト
１０１中の単語と被聞き誤り単語１０４との音響的類似
度を判定し、アクセント位置判定部６が入力テキスト１
０１中の単語を対応する被聞き誤り単語候補に置換した
場合のアクセント位置を判定し、言語的妥当性判定部８
が入力テキスト１０１中の単語を被聞き誤り単語候補と
置換した場合の言語的妥当性を判定し、音声合成部１２
が韻律制御パラメータ１１２と音韻パラメータ１１１か
ら合成音声１１３を作成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は入力したテキスト
を音声に変換して出力する音声合成装置及び音声合成方
法に関するものである。

【０００２】

【従来の技術】入力したテキストを音声に変換して出力
する従来の音声合成装置では、テキストによっては発音
的に聞き取りにくい単語が存在するために、合成された
音声の了解性に問題がある場合があった。この問題を解
決するために、例えば、特開平１０−１７１４８５号公
報（従来例１）のように、聞き取りにくい単語を登録
し、その単語と対応する語義のテーブルを作成してお
き、入力テキスト中に聞き取りにくい単語が存在する場
合には、このテーブルを参照して、その単語を語義で置
換することや、その部分の韻律制御パラメータを変化さ
せることで、了解性を向上させる方法がある。

【０００３】図６は従来例１の音声合成装置の構成を示
すブロック図である。図において、２１は形態素情報２
０２を記憶している言語解析用辞書、２２は言語解析用
辞書２１からの形態素情報２０２を参照して、入力テキ
スト２０１に対して形態素解析及び構文解析を行ない言
語処理結果２０３を出力する言語処理部、２３は聞き取
りにくい単語とその語義文との対応を示す語義情報２０
４を記憶している語義テーブル、２４は言語処理結果２
０３と語義テーブル２３から得た語義情報２０４との照
合を行ない、照合が成功した場合には、言語処理結果２
０３の該当する単語を語義文に置換し、変更済み言語処
理結果２０５を出力する言語処理結果変更部である。

【０００４】また、図６において、２５は音声合成単位
２０６を記憶している音声合成単位記憶部、２６は変更
済み言語処理結果２０５に対応する音声合成単位２０６
を音声合成単位記憶部２５から取り出し、取り出した音
声合成単位２０６に基づいて音韻パラメータ２０７を生
成する音韻パラメータ生成部、２７は変更済み言語処理
結果２０５に基づいて韻律制御パラメータ２０８を生成
する韻律制御パラメータ生成部、２８は音韻パラメータ
２０７と韻律制御パラメータ２０８から合成音声２０９
を作成して出力する音声合成部である。

【０００５】図７は語義テーブル２３に登録されている
単語と語義文の例を示す図であり、例えば、「添削」と
発音が類似しているために聞き取りにくい単語である
「検索」が語義文と共に登録されている。

【０００６】次に従来例１の動作について説明する。入
力テキスト２０１が「検索を頼む」である場合の処理を
考える。言語処理部２２は、言語解析用辞書２１からの
形態素情報２０２を参照して、入力テキスト２０１であ
る「検索を頼む」に対して形態素解析及び構文解析を行
ない、言語処理結果２０３である「｛（検索）（を）｝
｛（頼む）｝」を出力する。ここで、｛ ｝はアクセン
ト句、（ ）は単語を意味している。

【０００７】言語処理結果変更部２４は、言語処理結果
２０３である「｛（検索）（を）｝｛（頼む）｝」と語
義テーブル２３に登録されている単語の照合を行なう。
図７の例の場合は、「（検索）」が語義テーブル２３に
登録されているため、対応する語義文により置換を行な
い、変更済み言語処理結果２０５である「｛（探し）
（出す）（こと）（を）｝｛（頼む）｝」を生成する。

【０００８】音韻パラメータ生成部２６は変更済み言語
処理結果２０５である「｛（探し）（出す）（こと）
（を）｝｛（頼む）｝」に対応する音声合成単位２０６
を音声合成単位記憶部２５から取り出し、取り出した音
声合成単位２０６に基づいて音韻パラメータ２０７を生
成する。韻律制御パラメータ生成部２７は、変更済み済
み言語処理結果２０５である「｛（探し）（出す）（こ
と）（を）｝｛（頼む）｝」に基づいて、対応する韻律
制御パラメータ２０８を生成する。音声合成部２８は、
音韻パラメータ２０７と韻律制御パラメータ２０８か
ら、「検索」を「探し出すこと」に置換した、合成音声
２０９である「探し出すことを頼む」を作成して出力す
る。

【０００９】また、例えば、特開２０００−２０６９８
２公報（従来例２）のように、入力テキスト中に発音的
に類似した単語が存在する場合には、その単語を聞き誤
りやすい単語と判定し、その単語の合成音声を作成する
際に、明瞭度の高い音声素片辞書から音声素片を選択す
ることで了解性を向上させる方法がある。

【００１０】図８は従来例２の音声合成装置の構成を示
すブロック図である。図において、３１は解析用情報３
０２を記憶している言語解析用辞書、３２は言語解析用
辞書３１からの解析用情報３０２を参照して、入力テキ
スト３０１に対して形態素解析及び構文解析を行ない言
語処理結果３０３を出力する言語処理部、３３は言語処
理結果３０３と言語解析用辞書３１からの解析用情報３
０２に基づいて、入力テキスト３０１の各単語に対し
て、発音が類似している単語が存在するか否か判定し、
類似している単語が存在する場合には発音が類似する単
語の組み合わせを表わす類似読み語情報と言語処理結果
３０３を、テキスト解析結果３０４として出力する類似
読み語検出部である。言語処理部３２と類似読み語検出
部３３によりテキスト解析部を構成している。

【００１１】また、図８において、３４は自然性を優先
した音声素片である自然性優先有声素片３０５を記憶し
ている自然性優先音声素片辞書、３５は明瞭度の高い音
声素片である高明瞭度有声素片３０６を記憶している高
明瞭度音声素片辞書である。

【００１２】さらに、図８において、３６はテキスト解
析結果３０４に基づいて、自然性優先音声素片辞書３４
と高明瞭度音声素片辞書３５から、該当する自然性優先
音声素片３０５と高明瞭度音声素片３０６を選択して音
声素片３０７として出力する音声素片選択部、３７は音
声素片３０７に基づいて音韻パラメータ３０８を生成す
る音声素片接続部、３８はテキスト解析結果３０４に基
づいてピッチパターン３０９を生成するピッチパターン
生成処理部、３９は音韻パラメータ３０８とピッチパタ
ーン３０９から合成音声３１０を作成する合成フィルタ
処理部である。音声素片選択部３６、音声素片接続部３
７、ピッチパターン生成処理部３８及び合成フィルタ処
理部３９により音声合成部を構成している。

【００１３】次に従来例２の動作について説明する。入
力テキスト３０１として「平成と訂正は似ている」が入
力されたとする。言語処理部３２は、「平成と訂正は似
ている」が入力されると、言語解析用辞書３１からの解
析用情報３０２を参照して形態素解析及び構文解析を行
ない、以下のデータ形式で示される言語処理結果例を言
語処理結果３０３として出力する。 ｛（平成 ｈｅｉｓｅｉ 名詞）（と ｔｏ 助詞）｝ ｛（訂正 ｔｅｉｓｅｉ 名詞）（は ｗａ 助詞）｝ ｛（似 ｎｉ 動詞）（て ｔｅ 助詞）（い ｉ 動
詞）（る ｒｕ 助詞）｝ ここで、｛ ｝はアクセント句、（ ）は単語を示し、
単語に関しては（表記読み 品詞名）の順に表記してい
る。

【００１４】類似読み語検出部３３は、言語処理結果例
に対して、品詞名が名詞である単語同士の読みを比較
し、子音が一つだけ異なる単語かどうか判定する。その
結果、「平成」と「訂正」が類似読み語であるという類
似読み語情報と言語処理結果例をテキスト解析結果例と
して出力する。

【００１５】音声素片選択部３６は、テキスト解析結果
例に基づいて、「平成」と「訂正」の部分に関しては、
高明瞭度音声素片辞書３５からこれらの読みに対応する
高明瞭度音声素片３０６を選択し、残りの部分に関して
は、自然性優先音声素片辞書３４からこれらの読みに対
応する自然性優先音声素片３０５を選択し、音声素片３
０７として音声素片接続部３７に出力する。音声素片接
続部３７は音声素片３０７を接続し音韻パラメータ３０
８を生成する。

【００１６】一方、ピッチパターン生成処理部３８は、
テキスト解析結果例に基づいて、対応するピッチパター
ン３０９を生成し出力する。合成フィルタ処理部３９
は、音韻パラメータ３０８とピッチパターン３０９に基
づいて、「平成」と「訂正」に対して明瞭度を向上させ
た合成音声３１０を作成して出力する。

【００１７】

【発明が解決しようとする課題】従来例１の音声合成装
置は、以上のように構成されているので、聞き取りにく
い単語を語義で置換する場合に、同じ単語でもコンテキ
ストに依存してアクセント位置が変化するために、聞き
取りにくくなるものや逆にそうでなくなる場合がある
が、アクセント句内における単語のアクセント位置変化
を考慮せずに、聞き取りにくい単語と扱うために、不適
切な単語の置換が行われる場合や、置換されるべきもの
が置換されない場合があるという課題があった。また、
聞き取りにくい単語を語義で置換する場合に、言語的妥
当性を考慮せずに置換しているため、聞き取りにくい単
語を語義で置換すると冗長になる場合や、聞き取りにく
い単語同士からなる複合語を置換する場合に、意味が通
らなくなる場合があるという課題があった。

【００１８】また、従来例２の音声合成装置は以上のよ
うに構成され、入力テキスト内に発音が類似する単語が
存在するか否かを判定基準として、聞き誤りやすい単語
の判定を行なうため、入力テキスト中のある単語に対し
て、発音が類似した、より一般的な単語が存在しても、
入力テキストに出現しない場合には聞き誤りとなる可能
性がないと判定されてしまい、聞き誤りやすい単語がテ
キスト中に存在するにも関わらず、明瞭度が高い音声素
片が選択されず聞き誤りを防ぐための効果が十分でない
という課題があった。また、単語間の音響的な類似度だ
けで聞き誤りやすさの判定を行っているため、音響的類
似度が大きければアクセント位置が異なっていても聞き
誤りやすいと判定してしまい、本来アクセント位置が異
なるために聞き誤りを起こしにくいものまで明瞭化が行
われ、必要以上に自然性が損なわれるという課題があっ
た。

【００１９】この発明は上記のような課題を解決するた
めになされたもので、入力テキストの単語に対して、聞
き誤りやすい単語が一般的に存在するかを確認し、入力
テキストの単語を聞き誤りやすい単語に置換した場合の
アクセント位置を考慮して聞き誤りやすい単語を絞り、
絞られた聞き誤りやすい単語を考慮して、入力テキスト
に対応する音韻パラメータを生成することにより、聞き
取りやすい合成音声を作成することができる音声合成装
置及び音声合成方法を得ることを目的とする。

【００２０】また、入力テキストの単語を聞き誤りやす
い単語に置換した場合の言語的妥当性を考慮して聞き誤
りやすい単語を絞り込むことで、音響的には類似した単
語であってもコンテキストの妥当性から聞き誤ることの
ない単語の自然性を保持しながら、聞き取りやすい合成
音声を作成することができる音声合成装置及び音声合成
方法を得ることを目的とする。

【００２１】

【課題を解決するための手段】この発明に係る音声合成
装置は、言語処理部と、音響的類似度判定部と、アクセ
ント位置判定部と、韻律制御パラメータ生成部と、音韻
パラメータ生成部と、音声合成部とを備えたものであ
る。

【００２２】この発明に係る音声合成装置は、言語処理
部と、音響的類似度判定部と、アクセント位置判定部
と、言語的妥当性判定部と、韻律制御パラメータ生成部
と、音韻パラメータ生成部と、音声合成部とを備えたも
のである。

【００２３】この発明に係る音声合成装置は、韻律制御
パラメータ生成部が、発話速度、音量又はポーズに関す
る韻律制御パラメータを生成するものである。

【００２４】この発明に係る音声合成装置は、音韻パラ
メータ生成部が、単語と被聞き誤り単語との音響的距離
に基づいて、音韻パラメータを生成するものである。

【００２５】この発明に係る音声合成装置は、言語的妥
当性判定部が、単語共起確率に基づいて、入力テキスト
中の単語を被聞き誤り単語候補と置換した場合の言語的
妥当性の判定を行なうものである。

【００２６】この発明に係る音声合成装置は、言語的妥
当性判定部が、同一文内に存在する単語に関する単語共
起確率に基づいて、入力テキスト中の単語を被聞き誤り
単語候補と置換した場合の言語的妥当性の判定を行なう
ものである。

【００２７】この発明に係る音声合成装置は、言語的妥
当性判定部が、特定の品詞の単語のみに関する単語共起
確率に基づいて、入力テキスト中の単語を被聞き誤り単
語候補と置換した場合の言語的妥当性の判定を行なうも
のである。

【００２８】この発明に係る音声合成装置は、言語的妥
当性判定部が、単語の出現順序に関する制約のない単語
共起確率に基づいて、入力テキスト中の単語を被聞き誤
り単語候補と置換した場合の言語的妥当性の判定を行な
うものである。

【００２９】この発明に係る音声合成装置は、言語的妥
当性判定部が、単語Ｎ−ｇｒａｍ確率である単語共起確
率に基づいて、入力テキスト中の単語を被聞き誤り単語
候補と置換した場合の言語的妥当性の判定を行なうもの
である。

【００３０】この発明に係る音声合成装置は、言語的妥
当性判定部が、入力テキスト中の単語に関する単語共起
確率と、単語を被聞き誤り単語候補と置換した場合の単
語共起確率との大小関係に基いて、入力テキスト中の単
語を被聞き誤り単語候補と置換した場合の言語的妥当性
の判定を行なうものである。

【００３１】この発明に係る音声合成装置は、言語的妥
当性判定部が、単語を被聞き誤り単語候補と置換した場
合の単語共起確率と所定の閾値との大小関係に基づい
て、入力テキスト中の単語を被聞き誤り単語候補と置換
した場合の言語的妥当性の判定を行なうものである。

【００３２】この発明に係る音声合成方法は、入力テキ
ストの言語解析を行なう第１のステップと、入力テキス
ト中の単語と被聞き誤り単語との音響的類似度を判定す
る第２のステップと、入力テキスト中の単語を対応する
被聞き誤り単語候補に置換した場合の被聞き誤り単語候
補を含むアクセント句のアクセント位置を判定する第３
のステップと、韻律制御パラメータを生成する第４のス
テップと、音韻パラメータを生成する第５のステップ
と、合成音声を作成する第６のステップとを備えたもの
である。

【００３３】この発明に係る音声合成方法は、入力テキ
ストの言語解析を行なう第１のステップと、入力テキス
ト中の単語と被聞き誤り単語との音響的類似度を判定す
る第２のステップと、入力テキスト中の単語を対応する
被聞き誤り単語候補に置換した場合の被聞き誤り単語候
補を含むアクセント句のアクセント位置を判定する第３
のステップと、入力テキスト中の単語を被聞き誤り単語
候補と置換した場合の言語的妥当性を判定する第４のス
テップと、韻律制御パラメータを生成する第５のステッ
プと、音韻パラメータを生成する第６のステップと、合
成音声を作成する第７のステップとを備えたものであ
る。

【００３４】

【発明の実施の形態】以下、この発明の実施の一形態に
ついて説明する。 実施の形態１．図１はこの発明の実施の形態１による音
声合成装置の構成を示すブロック図である。図におい
て、１は形態素（単語）の表記、読み、品詞、基本アク
セント型等を含む形態素情報１０２を記憶している言語
解析用辞書、２は言語解析用辞書１の形態素情報１０２
を参照して、入力テキスト１０１に対して言語解析し、
入力テキスト１０１に対する単語境界、単語の表記、読
み、品詞、アクセント境界位置、アクセント位置を含む
言語処理結果１０３を出力する言語処理部である。

【００３５】また、図１において、３は聞き誤られやす
い単語である被聞き誤り単語の表記とその読み、品詞、
基本アクセント型から構成される被聞き誤り単語１０４
を保持している被聞き誤り単語リストである。被聞き誤
り単語リスト３は、例えば、テキスト・コーパス中に高
頻度で出現する単語から構成されている。４は例えば、
音素、音節、単語等の音声学上又は言語学上の単位にお
ける、要素同士の聞き誤りやすさを示す要素間音響的類
似度１０５を保持している音響的類似度テーブルであ
る。

【００３６】さらに、図１において、５は言語処理結果
１０３と被聞き誤り単語リスト３の被聞き誤り単語１０
４と音響的類似度テーブル４の要素間音響的類似度１０
５に基づいて、入力テキスト１０１中の単語と被聞き誤
り単語１０４との音響的類似度を判定して被聞き誤り単
語候補を求め、言語処理結果１０３と被聞き誤り単語候
補とを単語候補付き言語処理結果１０６として出力する
音響的類似度判定部である。

【００３７】さらに、図１において、６は単語候補付き
言語処理結果１０６に基づいて、入力テキスト１０１中
の単語を対応する被聞き誤り単語候補と置換した場合の
被聞き誤り単語候補を含むアクセント句のアクセント位
置を判定する共に、被聞き誤り単語候補の絞り込みを行
ない、絞り込まれた被聞き誤り単語候補と言語処理結果
１０３とをアクセント位置判定済み単語候補付き言語処
理結果１０７として出力するアクセント位置判定部であ
る。

【００３８】さらに、図１において、７は単語共起確率
の一例としてＮ単語の共起確率を表わすＮ単語共起確率
１０８を保持している単語共起確率テーブル、８はアク
セント位置判定済み単語候補付き言語処理結果１０７と
単語共起確率テーブル７のＮ単語共起確率１０８に基づ
いて、入力テキスト１０１中の単語を被聞き誤り単語候
補と置換した場合の言語的妥当性を判定して、被聞き誤
り単語候補の絞り込みを行ない、絞り込まれた被聞き誤
り単語候補と言語処理結果１０３とを言語的妥当性判定
済み単語候補付き言語処理結果１０９として出力する言
語的妥当性判定部である。

【００３９】さらに、図１において、９は音声合成単位
１１０をあらかじめ記憶している音声合成単位記憶部、
１０は言語的妥当性判定済み単語候補付き言語処理結果
１０９に基づいて、聞き誤り単語候補が存在する単語に
対して聞き取りやすい合成音声を作成するよう制御を行
なう音韻パラメータ１１１を生成する音韻パラメータ生
成部である。

【００４０】さらに、図１において、１１は言語的妥当
性判定済み単語候補付き言語処理結果１０９に基づい
て、被聞き誤り単語候補が存在する単語に対して聞き取
りやすい合成音声を作成するよう制御を行なう韻律制御
パラメータ１１２を作成する韻律制御パラメータ生成
部、１２は音韻パラメータ１１１と韻律制御パラメータ
１１２から入力テキスト１０１に対する合成音声１１３
を作成して出力する音声合成部である。

【００４１】図２は音響的類似度テーブル４の一例を示
す図であり、音素間の混同確率（％）を表わすｃｏｎｆ
ｕｓｉｏｎ ｍａｔｒｉｘである。

【００４２】図３は単語共起確率テーブル７の一例を示
す図であり、単語共起確率として単語Ｎ−ｇｒａｍ確率
を使用した場合のテーブルを示している。図において、
Ｐ（ｗ₃ ｜ｗ₂ ／ｗ₁ ）は、ｗ₁ ｗ₂ の後にｗ₃ が出現
する確率（％）を表わす。

【００４３】図４はこの実施の形態１による音声合成装
置の動作例を示す図である。図において、１０１ａは入
力テキスト例であり、１０３ａは入力テキスト例１０１
ａに対して言語処理部２が出力する言語処理結果例であ
る。なお、言語処理結果例１０３ａにおいて、｛ ｝が
アクセント句、（ ）が単語情報を示しており、単語毎
に（単語表記 読み 品詞名）を示し、アクセント句毎
にアクセント位置を示している。図４では、アクセント
位置は「０」となっており、基本アクセント型は「０
型」である。

【００４４】また、図４において、１０６ａは言語処理
結果例１０３ａに対して音響的類似度判定部５が出力す
る単語候補付き言語処理結果例である。単語候補付き言
語処理結果例１０６ａは、言語処理結果例１０３ａに被
聞き誤り単語候補が付加された形になっている。図にお
いて、〈 〉が被聞き誤り単語候補の情報を示してお
り、入力テキスト例１０１ａの単語の位置番号に続い
て、被聞き誤り単語候補（《 》で囲まれた部分）に関
する記述を行なう。さらに、《 》内では順に、単語表
記、読み、品詞名、基本アクセント型、異なり音素位置
の情報を記述する。異なり音素位置の情報は、［ ］の
中で括られ、当該単語と、対応する被聞き誤り単語候補
間における、異なり音素の位置番号の組み合わせを示し
ている。なお、異なり音素の組み合わせが複数存在する
場合は、異なり音素の組み合わせごとに［ ］で括り、
その位置番号の組を表記する。

【００４５】さらに、図４において、１０７ａは単語候
補付き言語処理結果例１０６ａに対してアクセント位置
判定部６が出力するアクセント位置判定済み単語候補付
き言語処理結果例である。１０９ａはアクセント位置判
定済み単語候補付き言語処理結果例１０７ａに対して言
語的妥当性判定部８が出力する言語的妥当性判定済み単
語候補付き言語処理結果例である。

【００４６】次に動作について説明する。ここでは、例
えば、図４に示す入力テキスト例１０１ａを音声合成装
置に入力した場合を考える。言語処理部２は、言語解析
用辞書１の形態素情報１０２を参照して、入力テキスト
例１０１ａを言語解析し、図４に示す言語処理結果例１
０３ａを出力する。

【００４７】音響的類似度判定部５は、言語処理結果例
１０３ａと図２に示す音響的類似度テーブル４と被聞き
誤り単語リスト３に基づいて、言語処理結果例１０３ａ
中の単語毎に、被聞き誤り単語リスト３中の被聞き誤り
単語１０４に対して音響的類似度の計算を行なう。具体
的には、言語処理結果例１０３ａ中の自立語である各単
語に対して、被聞き誤り単語リスト３から品詞名が同一
である被聞き誤り単語１０４を選択し、被聞き誤り単語
１０４との音響的類似度を計算して、所定の閾値（例え
ば−１．０）を越えた被聞き誤り単語１０４を被聞き誤
り単語候補とする。

【００４８】音響的類似度の計算は、図２に示す、音素
認識における音素間の混同確率に加え音素の脱落や付加
が起こる確率を考慮したｃｏｎｆｕｓｉｏｎ ｍａｔｒ
ｉｘを利用して、動的計画法を用いて２つの音素系列の
比較することによって実現できる。この方法は、例え
ば、三輪譲二、新津善弘、牧野省三、坂戸健一著、「音
声スペクトルの概略形とその動特性を利用した単語音声
認識システム」、日本音響学会誌、ｖｏｌ．３４，Ｎ
ｏ．３，１９７８に記載されている。

【００４９】被聞き誤り単語１０４の読みの音素系列Ｄ
と単語の読みの音素系列Ｗの音響的類似度ｓ（Ｄ，Ｗ）
は、例えば音素系列に脱落と付加がそれぞれ３音素以上
連続しないこと、脱落と付加が連続しないことを仮定
し、動的計画法を用いて次の漸化式（１）で計算する。
また、この計算を行なう際に、最適パスを求めておき、
すなわち、音素系列Ｄと音素系列Ｗとの対応情報を求め
ておき、後で音素系列Ｄと音素系列Ｗ間における異なり
音素の位置情報として利用することにする。

【００５０】 ｓ（Ｄ，Ｗ）＝ｇ（Ｉ＋１，Ｊ＋１）／（Ｉ＋Ｊ） ｇ（ｉ，ｊ）＝２ｌ（ｉ，ｊ）＋ｍａｘ｛Ｌ，Ｌ_a ，Ｌ_aa，Ｌ_o ，Ｌ_oo｝ Ｌ＝ｇ（ｉ−１，ｊ−１） Ｌ_a ＝ｇ（ｉ−１，ｊ−２）＋ｌ_a （ｉ−１） Ｌ_aa＝ｇ（ｉ−１，ｊ−３）＋ｌ_aa（ｊ−２）＋ｌ_aa（ｊ−１） Ｌ_o ＝ｇ（ｉ−２，ｊ−１）＋ｌ_o （ｉ−１） Ｌ_oo＝ｇ（ｉ−３，ｊ−１）＋ｌ_oo（ｉ−２）＋ｌ_oo（ｉ−１） ｇ（０，０）＝ｌ（Ｉ＋１，Ｊ＋１）＝０ ｇ（ｉ，０）＝ｇ（０、ｊ）＝−∞ ただし、ｉ≠０，ｊ≠０ ｇ（ｉ，Ｊ＋１）＝ｇ（Ｉ＋１、ｊ）＝−∞ ただし、ｉ≠Ｉ＋１，ｊ≠Ｊ＋１ （１）

【００５１】上記漸化式（１）において、ＩはＤの音素
数、ＪはＷの音素数を示す。ｌ（ｉ，ｊ）はｃｏｎｆｕ
ｓｉｏｎ ｍａｔｒｉｘから得られるＤのｉ番目の音素
とＷのｊ番目の音素との対数確率を示し、同様にｌ
_a （ｊ），ｌ_o （ｉ）は１音素の付加と脱落の対数確
率、ｌ_aa（ｊ），ｌ_oo（ｉ）は２音素連続の付加と脱落
の対数確率を示す。ここでは、簡単のため、Ｄのｉ番目
の音素とＷのｊ番目の音素が同一の場合には、ｌ（ｉ，
ｊ）＝０と近似を行なって音響的類似度の計算を行な
う。また、図２のｃｏｎｆｕｓｉｏｎ ｍａｔｒｉｘに
おいて、音素／ｘ／を音素／ｙ／に混同する確率をＣ
（／ｘ／，／ｙ／）と表記することにする。

【００５２】言語処理結果例１０３ａでは、自立語であ
る「検索」「仕事」「行な」に対してそれぞれ、被聞き
誤り単語候補を求める。まず、「検索」と各被聞き誤り
単語１０４との音響的類似度を計算すると、以下のよう
になる。 ｓ（ｔｅＮｓａｋｕ，ｋｅＮｓａｋｕ）＝（２×ｌ
（１，１））／（７＋７）＝（２×Ｃ（／ｔ／，／ｋ
／））／１４＝（２×ｌｏｇ（１０／１００））／１４
＝−０．１４２８ ・・・ ・・・ ｓ（ｇｅＮｓａｋｕ，ｔｅＮｓａｋｕ）＝−∞ ｓ（ｋｙｏ−，ｔｅＮｓａｋｕ）＝−∞

【００５３】音響的類似度の値が一定の閾値を越えた
「ｔｅＮｓａｋｕ（添削）」が被聞き誤り単語候補とし
て求まる。同様にして、「仕事」に対して「日毎」が被
聞き誤り単語候補として求まり、「行な」に対して被聞
き誤り単語候補無しという結果が求まる。従って、音響
的類似度判定部５は、被聞き誤り単語候補として、例え
ば以下の形式のデータ 〈１，《添削 ｔｅＮｓａｋｕ 名詞 ０ ［１，
１］》〉 〈３，《日毎 ｈｉｇｏｔｏ 名詞 ０ ［１，
１］》〉 を言語処理結果例１０３ａに付加し、単語候補付き言語
処理結果例１０６ａとしてアクセント位置判定部６に出
力する。

【００５４】アクセント位置判定部６は、単語候補付き
言語処理結果結果例１０６ａに基づいて、各被聞き誤り
単語候補と置換した場合のアクセント位置を求め、アク
セント位置が共通する各被聞き誤り単語候補のみに絞り
込む。入力テキスト例１０１ａでは、１番目と３番目の
単語に対して、それぞれ独立に被聞き誤り単語候補と置
換し、当該のアクセント句においてアクセント位置を求
める。

【００５５】アクセント位置を求めた結果、１番目の単
語「検索」を「添削」に置換した場合のアクセント句
「検索を」のアクセント位置は０型で置換前と同一であ
り、３番目の単語「仕事」を「日毎」に置換した場合の
アクセント句「日毎として」のアクセント位置は０型で
置換前と同一である。従って、アクセント位置判定部６
は、被聞き誤り単語候補を絞り込むことなく、単語候補
付き言語処理結果例１０６ａを、アクセント位置判定済
み単語候補付き言語処理結果例１０７ａとして言語的妥
当性判定部８に出力する。

【００５６】言語的妥当性判定部８は、アクセント位置
判定済み単語候補付き言語処理結果例１０７ａと単語共
起確率テーブル７のＮ単語共起確率１０８に基づいて、
入力テキスト例１０１ａの１番目の単語「検索」を「添
削」に置換した場合の言語的妥当性と、３番目の単語
「仕事」を「日毎」に置換した場合の言語的妥当性の判
定を行なう。

【００５７】例えば、単語共起確率テーブル７として図
３に示す単語Ｎ−ｇｒａｍ確率（例えば、北研二著、
「確率的言語モデル」、ｐｐ．５７−ｐｐ．７２，東京
大学出版会）のテーブルを用いて、入力テキスト例１０
１ａの単語の言語的妥当性を表わす確率である言語的妥
当度と、当該単語を被聞き誤り単語候補と置換した場合
の言語的妥当度との大小関係を比較し、前者の言語的妥
当度の方が大きい場合には被聞き誤り単語候補の絞り込
みを行ない、小さい場合には被聞き誤り単語候補として
残す。

【００５８】例えば、Ｎ＝３として言語的妥当性を計算
する場合、単語列 ・・・ｗ_i-2 ｗ_i-1 ｗ_i ｗ_i+1 ｗ_i+2 ・・・ に対して、ｗ_i-2 ｗ_i-1 の後にｗ_i が出現する確率を Ｐ（ｗ_i ｜ｗ_i-1 ／ｗ_i-2 ） とすると、単語ｗ_i の言語的妥当度Ｖ（ｗ_i ）はｗ_i が
関連する３つの単語３−ｇｒａｍ確率の積 Ｐ（ｗ_i ｜ｗ_i-1 ／ｗ_i-2 ）×Ｐ（ｗ_i+1 ｜ｗ_i ／ｗ
_i-1 ）×Ｐ（ｗ_i+2 ｜ｗ _i+1 ／ｗ_i ） により求まる。ただし、文頭や文末に関しては定義でき
ない３−ｇｒａｍ確率が存在するので、その３−ｇｒａ
ｍ確率は２−ｇｒａｍ確率で代用する。

【００５９】まず、入力テキスト例１０１ａでは、１番
目の単語「検索」に対する処理として、入力テキスト例
１０１ａ中における単語「検索」の言語的妥当度Ｖ（検
索）、及び「添削」の言語的妥当度Ｖ（添削）を計算す
ると、 Ｖ（検索）＝Ｐ（検索｜＜文頭＞）×Ｐ（を｜検索／＜
文頭＞）×Ｐ（仕事｜を／検索） ＝０．００１×０．０５×０．０４ ＝２．０×１０^-6 Ｖ（添削）＝Ｐ（添削｜＜文頭＞）×Ｐ（を｜添削／＜
文頭＞）×Ｐ（仕事｜を／添削） ＝０．００１×０．０５×０．０７ ＝３．５×１０^-6 となる。Ｖ（添削）＞Ｖ（検索）であるため、入力テキ
スト例１０１ａにおいて、「添削」は「検索」より言語
的妥当性が高いと判定する。

【００６０】同様にして、入力テキスト１０１ａの３番
目の単語に対する処理として、「仕事」の言語的妥当度
Ｖ（仕事）及び「日毎」の言語的妥当度Ｖ（日毎）は、 Ｖ（仕事）＝Ｐ（仕事｜を／検索）×Ｐ（として｜仕事
／を）×Ｐ（行な｜として／仕事） ＝０．０４×０．０６×０．０３ ＝７．２×１０^-5 Ｖ（日毎）＝Ｐ（日毎｜を／検索）×Ｐ（として｜日毎
／を）×Ｐ（行な｜として／日毎） ＝０ となり、Ｖ（日毎）＜Ｖ（仕事）であるため、入力テキ
スト例１０１ａにおいて、「仕事」は「日毎」より言語
的妥当性が高いと判定する。ただし、Ｐ（日毎｜を／検
索）、Ｐ（として｜日毎／を）及びＰ（行な｜として／
日毎）は、単語共起テーブル７に存在しないため０とす
る。

【００６１】以上の処理により、言語的妥当性判定部８
は、入力テキスト例１０１ａの３番目の単語に対する被
聞き誤り単語候補である「日毎」を削除し、言語的妥当
性判定済み単語候補付き言語処理結果例１０９ａを韻律
制御パラメータ生成部１１と音韻パラメータ生成部１０
に出力する。

【００６２】韻律制御パラメータ生成部１１は、言語的
妥当性判定済み単語候補付き言語処理結果例１０９ａに
基づいて、入力テキスト例１０１ａの単語「検索」の部
分の発話速度が他の部分と比較して遅くなるように、入
力テキスト例１０１ａに対して韻律制御パラメータ１１
２を生成し音声合成部１２に出力を行なう。

【００６３】一方、音韻パラメータ生成部１０は、言語
的妥当性判定済み言語処理結果例１０９ａ中の被聞き誤
り単語候補のデータ 〈１，《添削 ｔｅＮｓａｋｕ 名詞 ０ ［１，
１］》〉 の［１，１］を参照して、「添削」の１番目の音素ｔの
音声合成単位１１０との音響的距離（例えば、ケプスト
ラム距離）が最大である音素ｋの音声合成単位１１０を
選択すると共に、入力テキスト例１０１ａの読みに対応
する音声合成単位１１０を音声合成単位記憶部９から読
み出し、音韻パラメータ１１１として出力する。音素ｋ
のｉ番目の音声合成単位をｃ_i （ｋ）、音素ｔのｊ番目
の音声合成単位をｃ_j （ｔ），ｃ_i （ｋ）とｃ_j （ｔ）
との正規化された音響的距離をｄ（ｃ_i （ｋ），ｃ
_j （ｔ））としたとき、音素ｋの音声合成単位は、

【数１】 を最大にするｉ、すなわち、次の（２）式のＩによって
表わされるｃ_I （ｋ）を選択すれば良い。

【数２】

【００６４】音声合成部１２は、入力テキスト例１０１
ａの単語「検索」の部分の発話速度を遅くした韻律制御
パラメータ１１２と、「添削」の１番目の音素ｔと聞き
誤りにくい「検索」の１番目の音素ｋを選択した音韻パ
ラメータ１１１に基づいて、聞き誤りにくい合成音声１
１３を作成して出力する。

【００６５】この実施の形態１では、韻律制御パラメー
タ生成部１１において、入力テキスト１０１中の聞き誤
りやすい単語に対して、発話速度に関する韻律制御パラ
メータ１１２を変化させているが、変化させる韻律制御
パラメータ１１２は、音量又はポーズに関するもの等、
他の韻律制御パラメータでも良い。

【００６６】また、この実施の形態１では、言語的妥当
性判定部８における言語的妥当性の判定において、判定
基準として入力テキスト１０１の単語に関する単語共起
確率と、当該単語を被聞き誤り単語候補と置換した場合
の単語共起確率との大小関係を用いているが、当該の単
語共起確率間の大小関係の代わりに、当該単語を被聞き
誤り単語候補と置換した場合の単語共起確率と所定の閾
値との大小関係を用いても良い。

【００６７】さらに、この実施の形態１では、言語的妥
当性判定部８が、アクセント位置判定済み単語候補付き
言語処理結果１０７と単語共起確率テーブル７のＮ単語
共起確率１０８に基づいて、入力テキスト１０１中の単
語を被聞き誤り単語候補と置換した場合の言語的妥当性
を判定しているが、単語共起確率テーブル７と言語的妥
当性判定部８を削除し、アクセント位置判定済み単語候
補付き言語処理結果１０７を直接、音韻パラメータ生成
部１０と韻律制御パラメータ１１に出力するようにして
も良い。

【００６８】以上のように、この実施の形態１によれ
ば、入力テキスト１０１の単語に対して、音響的類似度
判定部５が聞き誤りやすい単語が一般的に存在するかを
確認し、アクセント位置判定部６が入力テキスト１０１
の単語を聞き誤りやすい単語に置換した場合のアクセン
ト位置を考慮して聞き誤りやすい単語を絞り、音韻パラ
メータ生成部１０が、絞られた聞き誤りやすい単語を考
慮して、すなわち、聞き誤りやすい単語の音素の音声合
成単位１１０との音響的距離が最大である音素の音声合
成単位を選択して音韻パラメータ１１１を生成すること
により、聞き取りやすい合成音声１１３を作成すること
ができるという効果が得られる。

【００６９】また、この実施の形態１によれば、言語的
妥当性判定部８が入力テキスト１０１の単語を聞き誤り
やすい単語に置換した場合の言語的妥当性を考慮して聞
き誤りやすい単語を絞り込むことで、音響的には類似し
た単語であってもコンテキストの妥当性から聞き誤るこ
とのない単語の自然性を保持しながら、聞き取りやすい
合成音声を作成することができるという効果が得られ
る。

【００７０】実施の形態２．この実施の形態２では、上
記実施の形態１の言語的妥当性判定部８と単語共起確率
テーブル７において用いた単語共起確率（単語Ｎ−ｇｒ
ａｍ確率）の代わりに別の単語共起確率を用いる。この
単語共起確率の単語共起を算定する条件は、次の条件を
全て満たすものとする。 （１）単語の出現順序の制約が無い。 （２）算定対象とする単語は自立語である。 （３）算定対象とする単語は同一文内に存在する単語の
みとする。 （４）Ｎ＝２とする。 この単語共起確率は、Ｎの値が同じ単語Ｎ−ｇｒａｍ確
率と比較して制約が少ないので、単語共起確率を学習す
る際のデータ量が少なくて済み、単語共起確率としての
信頼性を向上させることができる。

【００７１】図５は実施の形態２における単語共起確率
テーブル７の一例を示す図であり、図において、Ｐ（ｗ
_i ，ｗ_j ）（ただし、ｉ≠ｊ）は、同一文中で自立語で
ある単語ｗ_i とｗ_j が、出現順序の制約がなく共起する
確率を表わしている。

【００７２】次に動作について説明する。言語的妥当性
判定部８以外の動作は実施の形態１と同様なので省略す
る。言語的妥当性判定部８は、ｎ個の自立語（ｗ₁ ，ｗ
₂ ，ｗ₃ ，・・・，ｗ_n ）から構成される文のｗ_i の言
語的妥当性Ｖ（ｗ_i ）を次の（３）式から求める。

【数３】

【００７３】そこで、図５に示す単語共起確率テーブル
７の一例に基づいて、図４に示す入力テキスト例１０１
ａにおける単語「検索」の言語的妥当度Ｖ（検索）、及
び「添削」の言語的妥当度Ｖ（添削）を計算すると、 Ｖ（検索）＝Ｐ（検索，仕事）×Ｐ（検索，行な） ＝０．０２×０．０１ ＝２．０×１０^-4 Ｖ（添削）＝Ｐ（添削，仕事）×Ｐ（添削，行な） ＝０．０４×０．０１ ＝４．０×１０^-4 となる。以下は実施の形態１と同様なので省略する。

【００７４】なお、この実施の形態２では、言語的妥当
性判定部８における言語的妥当性の判定に単語共起確率
として、同一文内に存在する自立語である単語のみを対
象とした、単語の出現順序に関する制約のない単語共起
確率を用いたが、単語共起確率の代わりに、単語の出現
順序や単語の品詞種類や単語の算定範囲やＮの値等の単
語共起を算定する条件が異なる単語共起確率を用いても
良い。

【００７５】また、この実施の形態２では、単語共起確
率の単語共起を算定する条件として、上記（１）〜
（４）の全ての条件を満たす単語共起確率を用いている
が、いずれかの条件を満たす単語共起確率を用いても良
い。

【００７６】以上のように、この実施の形態２によれ
ば、言語的妥当性判定部８が、単語の言語的妥当性と、
単語を一般的な単語で置換した場合の言語的妥当性を判
定する際に、同一文内に存在する自立語である単語のみ
を対象とすると共に、自立語が出現する順序に関する制
約がない単語共起確率を用いたので、共起情報を学習す
るコーパスのデータ量を少なくしても、実施の形態１と
同様に、適切に聞き誤りやすい単語を検出でき、聞き取
りやすい合成音声１１３を作成することができるという
効果が得られる。

【００７７】

【発明の効果】以上のように、この発明によれば、言語
処理部と、音響的類似度判定部と、アクセント位置判定
部と、韻律制御パラメータ生成部と、音韻パラメータ生
成部と、音声合成部とを備えたことにより、聞き取りや
すい合成音声を作成することができるという効果があ
る。

【００７８】この発明によれば、言語処理部と、音響的
類似度判定部と、アクセント位置判定部と、言語的妥当
性判定部と、韻律制御パラメータ生成部と、音韻パラメ
ータ生成部と、音声合成部とを備えたことにより、音響
的には類似した単語であってもコンテキストの妥当性か
ら聞き誤ることのない単語の自然性を保持しながら、聞
き取りやすい合成音声を作成することができるという効
果がある。

【００７９】この発明によれば、韻律制御パラメータ生
成部が、発話速度、音量又はポーズに関する韻律制御パ
ラメータを生成することにより、聞き取りやすい合成音
声を作成することができるという効果がある。

【００８０】この発明によれば、音韻パラメータ生成部
が、単語と被聞き誤り単語との音響的距離に基づいて、
音韻パラメータを生成することにより、聞き取りやすい
合成音声を作成することができるという効果がある。

【００８１】この発明によれば、言語的妥当性判定部
が、単語共起確率に基づいて、入力テキスト中の単語を
被聞き誤り単語候補と置換した場合の言語的妥当性の判
定を行なうことにより、聞き取りやすい合成音声を作成
することができるという効果がある。

【００８２】この発明によれば、言語的妥当性判定部
が、同一文内に存在する単語に関する単語共起確率に基
づいて、入力テキスト中の単語を被聞き誤り単語候補と
置換した場合の言語的妥当性の判定を行なうことによ
り、共起情報を学習するコーパスのデータ量を少なくし
ても、聞き取りやすい合成音声を作成することができる
という効果がある。

【００８３】この発明によれば、言語的妥当性判定部
が、特定の品詞の単語のみに関する単語共起確率に基づ
いて、入力テキスト中の単語を被聞き誤り単語候補と置
換した場合の言語的妥当性の判定を行なうことにより、
共起情報を学習するコーパスのデータ量を少なくして
も、聞き取りやすい合成音声を作成することができると
いう効果がある。

【００８４】この発明によれば、言語的妥当性判定部
が、単語の出現順序に関する制約のない単語共起確率に
基づいて、入力テキスト中の単語を被聞き誤り単語候補
と置換した場合の言語的妥当性の判定を行なうことによ
り、共起情報を学習するコーパスのデータ量を少なくし
ても、聞き取りやすい合成音声を作成することができる
という効果がある。

【００８５】この発明によれば、言語的妥当性判定部
が、単語Ｎ−ｇｒａｍ確率である単語共起確率に基づい
て、入力テキスト中の単語を被聞き誤り単語候補と置換
した場合の言語的妥当性の判定を行なうことにより、聞
き取りやすい合成音声を作成することができるという効
果がある。

【００８６】この発明によれば、言語的妥当性判定部
が、入力テキスト中の単語に関する単語共起確率と、単
語を被聞き誤り単語候補と置換した場合の単語共起確率
との大小関係に基いて、入力テキスト中の単語を被聞き
誤り単語候補と置換した場合の言語的妥当性の判定を行
なうことにより、聞き取りやすい合成音声を作成するこ
とができるという効果がある。

【００８７】この発明によれば、言語的妥当性判定部
が、単語を被聞き誤り単語候補と置換した場合の単語共
起確率と所定の閾値との大小関係に基づいて、入力テキ
スト中の単語を被聞き誤り単語候補と置換した場合の言
語的妥当性の判定を行なうことにより、聞き取りやすい
合成音声を作成することができるという効果がある。

【００８８】この発明によれば、入力テキストの言語解
析を行なう第１のステップと、入力テキスト中の単語と
被聞き誤り単語との音響的類似度を判定する第２のステ
ップと、入力テキスト中の単語を対応する被聞き誤り単
語候補に置換した場合の被聞き誤り単語候補を含むアク
セント句のアクセント位置を判定する第３のステップ
と、韻律制御パラメータを生成する第４のステップと、
音韻パラメータを生成する第５のステップと、合成音声
を作成する第６のステップとを備えたことにより、聞き
取りやすい合成音声を作成することができるという効果
がある。

【００８９】この発明によれば、入力テキストの言語解
析を行なう第１のステップと、入力テキスト中の単語と
被聞き誤り単語との音響的類似度を判定する第２のステ
ップと、入力テキスト中の単語を対応する被聞き誤り単
語候補に置換した場合の被聞き誤り単語候補を含むアク
セント句のアクセント位置を判定する第３のステップ
と、入力テキスト中の単語を被聞き誤り単語候補と置換
した場合の言語的妥当性を判定する第４のステップと、
韻律制御パラメータを生成する第５のステップと、音韻
パラメータを生成する第６のステップと、合成音声を作
成する第７のステップとを備えたことにより、音響的に
は類似した単語であってもコンテキストの妥当性から聞
き誤ることのない単語の自然性を保持しながら、聞き取
りやすい合成音声を作成することができるという効果が
ある。

【図面の簡単な説明】

【図１】 この発明の実施の形態１による音声合成装置
の構成を示すブロック図である。

【図２】 この発明の実施の形態１による音声合成装置
の音響的類似度テーブルの一例を示す図である。

【図３】 この発明の実施の形態１による音声合成装置
の単語共起確率テーブルの一例を示す図である。

【図４】 この発明の実施の形態１による音声合成装置
の動作例を示す図である。

【図５】 この発明の実施の形態２による音声合成装置
の単語共起確率テーブルの一例を示す図である。

【図６】 従来例１の音声合成装置の構成を示すブロッ
ク図である。

【図７】 従来例１の音声合成装置の語義テーブルに登
録されている単語と語義文の例を示す図である。

【図８】 従来例２の音声合成装置の構成を示すブロッ
ク図である。

【符号の説明】

１ 言語解析用辞書、２ 言語処理部、３ 被聞き誤り
単語リスト、４ 音響的類似度テーブル、５ 音響的類
似度判定部、６ アクセント位置判定部、７単語共起確
率テーブル、８ 言語的妥当性判定部、９ 音声合成単
位記憶部、１０ 音韻パラメータ生成部、１１ 韻律制
御パラメータ生成部、１２ 音声合成部、１０１ 入力
テキスト、１０１ａ 入力テキスト例、１０２ 形態素
情報、１０３ 言語処理結果、１０３ａ 言語処理結果
例、１０４ 被聞き誤り単語、１０５ 要素間音響的類
似度、１０６ 単語候補付き言語処理結果、１０６ａ単
語候補付き言語処理結果例、１０７ アクセント位置判
定済み単語候補付き言語処理結果、１０７ａ アクセン
ト位置判定済み単語候補付き言語処理結果例、１０８
Ｎ単語共起確率、１０９ 言語的妥当性判定済み単語候
補付き言語処理結果、１０９ａ 言語的妥当性判定済み
単語候補付き言語処理結果例、１１０音声合成単位、１
１１ 音韻パラメータ、１１２ 韻律制御パラメータ、
１１３合成音声。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 石川 泰 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5D045 AA09 AB01

Claims (13)

【特許請求の範囲】
1. 【請求項１】 入力テキストの言語解析を行ない言語処
   理結果を出力する言語処理部と、 上記言語処理結果に基づいて、上記入力テキスト中の単
   語と、この単語と聞き誤られやすい単語である被聞き誤
   り単語との音響的類似度を判定して、上記言語処理結果
   と上記被聞き誤り単語候補を単語候補付き言語処理結果
   として出力する音響的類似度判定部と、 上記単語候補付き言語処理結果に基づいて、上記入力テ
   キスト中の単語を対応する上記被聞き誤り単語候補に置
   換した場合の上記被聞き誤り単語候補を含むアクセント
   句のアクセント位置を判定して、絞り込まれた被聞き誤
   り単語候補と上記言語処理結果とをアクセント位置判定
   済み単語候補付き言語処理結果として出力するアクセン
   ト位置判定部と、 上記アクセント位置判定済み単語候補付き言語処理結果
   に基づいて、上記被聞き誤り単語候補が存在する単語に
   対して聞き取りやすい合成音声を作成するよう制御を行
   なう韻律制御パラメータを生成する韻律制御パラメータ
   生成部と、 上記アクセント位置判定済み単語候補付き言語処理結果
   に基づいて、上記被聞き誤り単語候補が存在する単語に
   対して聞き取りやすい合成音声を作成するよう制御を行
   なう音韻パラメータを生成する音韻パラメータ生成部
   と、 上記韻律制御パラメータと上記音韻パラメータから合成
   音声を作成する音声合成部とを備えた音声合成装置。
2. 【請求項２】 入力テキストの言語解析を行ない言語処
   理結果を出力する言語処理部と、 上記言語処理結果に基づいて、上記入力テキスト中の単
   語と、この単語と聞き誤られやすい単語である被聞き誤
   り単語との音響的類似度を判定して、上記言語処理結果
   と上記被聞き誤り単語候補を単語候補付き言語処理結果
   として出力する音響的類似度判定部と、 上記単語候補付き言語処理結果に基づいて、上記入力テ
   キスト中の単語を対応する上記被聞き誤り単語候補に置
   換した場合の上記被聞き誤り単語候補を含むアクセント
   句のアクセント位置を判定して、絞り込まれた被聞き誤
   り単語候補と上記言語処理結果とをアクセント位置判定
   済み単語候補付き言語処理結果として出力するアクセン
   ト位置判定部と、 上記アクセント位置判定済み単語候補付き言語処理結果
   に基づいて、上記入力テキスト中の単語を被聞き誤り単
   語候補と置換した場合の言語的妥当性を判定して、言語
   的妥当性判定済み単語候補付き言語処理結果を出力する
   言語的妥当性判定部と、 上記言語的妥当性判定済み単語候補付き言語処理結果に
   基づいて、上記被聞き誤り単語候補が存在する単語に対
   して聞き取りやすい合成音声を作成するよう制御を行な
   う韻律制御パラメータを生成する韻律制御パラメータ生
   成部と、 上記言語的妥当性判定済み単語候補付き言語処理結果に
   基づいて、上記被聞き誤り単語候補が存在する単語に対
   して聞き取りやすい合成音声を作成するよう制御を行な
   う音韻パラメータを生成する音韻パラメータ生成部と、 上記韻律制御パラメータと上記音韻パラメータから合成
   音声を作成する音声合成部とを備えた音声合成装置。
3. 【請求項３】 韻律制御パラメータ生成部が、発話速
   度、音量又はポーズに関する韻律制御パラメータを生成
   することを特徴とする請求項１又は請求項２記載の音声
   合成装置。
4. 【請求項４】 音韻パラメータ生成部が、単語と被聞き
   誤り単語との音響的距離に基づいて、音韻パラメータを
   生成することを特徴とする請求項１又は請求項２記載の
   音声合成装置。
5. 【請求項５】 言語的妥当性判定部が、単語共起確率に
   基づいて、入力テキスト中の単語を被聞き誤り単語候補
   と置換した場合の言語的妥当性の判定を行なうことを特
   徴とする請求項２記載の音声合成装置。
6. 【請求項６】 言語的妥当性判定部が、同一文内に存在
   する単語に関する単語共起確率に基づいて、入力テキス
   ト中の単語を被聞き誤り単語候補と置換した場合の言語
   的妥当性の判定を行なうことを特徴とする請求項５記載
   の音声合成装置。
7. 【請求項７】 言語的妥当性判定部が、特定の品詞の単
   語のみに関する単語共起確率に基づいて、入力テキスト
   中の単語を被聞き誤り単語候補と置換した場合の言語的
   妥当性の判定を行なうことを特徴とする請求項５記載の
   音声合成装置。
8. 【請求項８】 言語的妥当性判定部が、単語の出現順序
   に関する制約のない単語共起確率に基づいて、入力テキ
   スト中の単語を被聞き誤り単語候補と置換した場合の言
   語的妥当性の判定を行なうことを特徴とする請求項５記
   載の音声合成装置。
9. 【請求項９】 言語的妥当性判定部が、単語Ｎ−ｇｒａ
   ｍ確率である単語共起確率に基づいて、入力テキスト中
   の単語を被聞き誤り単語候補と置換した場合の言語的妥
   当性の判定を行なうことを特徴とする請求項５記載の音
   声合成装置。
10. 【請求項１０】 言語的妥当性判定部が、入力テキスト
    中の単語に関する単語共起確率と、上記単語を被聞き誤
    り単語候補と置換した場合の単語共起確率との大小関係
    に基いて、入力テキスト中の単語を上記被聞き誤り単語
    候補と置換した場合の言語的妥当性の判定を行なうこと
    を特徴とする請求項５記載の音声合成装置。
11. 【請求項１１】 言語的妥当性判定部が、単語を被聞き
    誤り単語候補と置換した場合の単語共起確率と所定の閾
    値との大小関係に基づいて、入力テキスト中の単語を被
    聞き誤り単語候補と置換した場合の言語的妥当性の判定
    を行なうことを特徴とする請求項５記載の音声合成装
    置。
12. 【請求項１２】 入力テキストの言語解析を行なう第１
    のステップと、 上記第１のステップの結果に基づいて、上記入力テキス
    ト中の単語と、この単語と聞き誤られやすい単語である
    被聞き誤り単語との音響的類似度を判定する第２のステ
    ップと、 上記第２のステップの結果に基づいて、上記入力テキス
    ト中の単語を対応する上記被聞き誤り単語候補に置換し
    た場合の上記被聞き誤り単語候補を含むアクセント句の
    アクセント位置を判定する第３のステップと、 上記第３のステップの結果に基づいて、上記被聞き誤り
    単語候補が存在する単語に対して聞き取りやすい合成音
    声を作成するよう制御を行なう韻律制御パラメータを生
    成する第４のステップと、 上記第３のステップの結果に基づいて、上記被聞き誤り
    単語候補が存在する単語に対して聞き取りやすい合成音
    声を作成するよう制御を行なう音韻パラメータを生成す
    る第５のステップと、 上記韻律制御パラメータと上記音韻パラメータから合成
    音声を作成する第６のステップとを備えた音声合成方
    法。
13. 【請求項１３】 入力テキストの言語解析を行なう第１
    のステップと、 上記第１のステップの結果に基づいて、上記入力テキス
    ト中の単語と、この単語と聞き誤られやすい単語である
    被聞き誤り単語との音響的類似度を判定する第２のステ
    ップと、 上記第２のステップの結果に基づいて、上記入力テキス
    ト中の単語を対応する上記被聞き誤り単語候補に置換し
    た場合の上記被聞き誤り単語候補を含むアクセント句の
    アクセント位置を判定する第３のステップと、 上記第３のステップの結果に基づいて、上記入力テキス
    ト中の単語を被聞き誤り単語候補と置換した場合の言語
    的妥当性を判定する第４のステップと、 上記第４のステップの結果に基づいて、上記被聞き誤り
    単語候補が存在する単語に対して聞き取りやすい合成音
    声を作成するよう制御を行なう韻律制御パラメータを生
    成する第５のステップと、 上記第４のステップの結果に基づいて、上記被聞き誤り
    単語候補が存在する単語に対して聞き取りやすい合成音
    声を作成するよう制御を行なう音韻パラメータを生成す
    る第６のステップと、 上記韻律制御パラメータと上記音韻パラメータから合成
    音声を作成する第７のステップとを備えた音声合成方
    法。