JP2007206522A - 音声出力装置 - Google Patents

Abstract

【課題】メッセージの目的に応じて、適切に音声を合成し、出力すること。
【解決手段】外部から入力されるメッセージ情報に基づいて、音声を合成し、出力する音声出力装置は、メッセージ情報の目的を推定する目的推定手段と、目的推定手段により推定されたメッセージ情報の目的に応じて、メッセージ情報における音素情報及び抑揚情報のうち少なくとも一方を可変させて、メッセージ情報の音声を合成する音声合成手段と、を備えている。
【選択図】図１

Description

本発明は、例えば、ユーザに対するメッセージの音声を合成し、出力する音声出力装置に関する。

従来、複数のシステムが１つの音声出力装置に接続され、この音声出力装置により各システムからの音声出力の声が特徴付けられる音声出力のための装置が知られている（例えば、特許文献１参照）。

また、電子メールの差出人毎に異なる声質が割り当てられ、さらに、ナビゲーション案内メッセージと、電子メールの読み上げと、で音声の声質を変更するメッセージ処理装置が知られている（例えば、特許文献２参照）。
特表２００４−５１６５１５号公報 特開平１１−１０２１９８号公報

しかしながら、上記特許文献１に示す装置においては、システム毎に音声出力の声の特徴付けが行われており、出力されるメッセージの目的を十分に考慮して、音声出力の声が特徴付けられているとは言えない。また、上記特許文献２に示すメッセージ処理装置においては、電子メールの差出人、及びナビゲーションの案内と電子メールの読み上げとを区別し、声質を変更するのみで、同様に、出力されるメッセージの目的を十分に考慮して、音声出力の声が特徴付けられているとは言えない。

本発明はこのような課題を解決するためのものであり、メッセージの目的に応じて、適切に音声を合成し、出力することを主たる目的とする。

上記目的を達成するための本発明の一態様は、
外部から入力されるメッセージ情報に基づいて、音声を合成し、出力する音声出力装置であって、
前記メッセージ情報の目的を推定する目的推定手段と、
前記目的推定手段により推定された前記メッセージ情報の目的に応じて、前記メッセージ情報における音素情報及び抑揚情報のうち少なくとも一方を可変させて、前記メッセージ情報の音声を合成する音声合成手段と、を備える、ことを特徴とする音声出力装置である。

この一態様において、音声合成手段は、目的推定手段により推定されたメッセージ情報の目的に応じて、メッセージ情報における音素情報及び抑揚情報のうち少なくとも一方を可変させて、メッセージ情報の音声を合成する。これにより、メッセージの目的に応じて、適切に音声を合成し、出力することができる。

この一態様において、前記音素情報及び前記抑揚情報を、要求される前記メッセージ情報の伝達レベルを示す要求伝達レベル毎に分類して記憶する記憶手段を、更に備えていてもよい。

この一態様において、前記音声合成手段は、前記目的推定手段により推定された前記メッセージ情報の目的に基づいて、要求される前記メッセージ情報の伝達レベルを示す要求伝達レベルを、前記メッセージ情報に対して設定し、該設定された要求伝達レベルに基づいて、前記メッセージ情報における音素情報及び抑揚情報のうち少なくとも一方を可変させてもよい。これにより、要求伝達レベルに応じた、最適な音素データ及び抑揚データからなる音声が合成され、出力させることができる。従って、運転者等のユーザに対する要求伝達レベルにより適切に対応した音声を出力することができる。

この一態様において、前記ユーザの環境情報を検出する環境情報検出手段を更に備え、
前記音声合成手段は、前記環境情報検出手段により検出された前記環境情報と、前記目的推定手段により推定された前記メッセージ情報の目的と、に基づいて、前記メッセージ情報における音素及び抑揚のうち少なくとも一方を可変させてもよい。これにより、ユーザの環境情報に応じて、最適な音素データ及び抑揚データが設定される為、より適切にメッセージ情報をユーザに伝達することができる。

この一態様において、前記ユーザの環境情報は、例えば、ユーザが運転する車両の車両情報、ユーザ周囲の外界情報、及びユーザの個人情報のうち少なくとも１つを含む。

この一態様において、前記音声合成手段は、前記環境情報検出手段により検出された前記環境情報に基づいて、前記メッセージ情報が運転者の要求する運転情報であると判断したとき、要求される前記メッセージ情報の伝達レベルを示す要求伝達レベルを高く設定してもよい。これにより、運転者の要求に応じて、伝達レベルの高い音素データ及び抑揚データからなる合成音声が出力される。したがって、運転者の要求する情報を当該運転者に対して、より確実に伝達することができる。

本発明によれば、メッセージの目的に応じて、適切に音声を合成し、出力することができる。

以下、本発明を実施するための最良の形態について、添付図面を参照しながら実施例を挙げて説明する。
（第１の実施の形態）
図１は、本発明の第１の実施の形態に係る音声出力装置のシステム構成を示すブロック図である。

本実施形態に係る音声出力装置１は、後述する各種の演算処理等を行うコンピュータ本体２を中心に構成されている。なお、コンピュータ本体２は、制御、演算プログラムに従って各種処理を実行するとともに、当該装置１の各部を制御するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＣＰＵの実行プログラムを格納するＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、演算結果等を格納する読書き可能なＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、タイマ、カウンタ、入出力インターフェイス（Ｉ／Ｏ）等を有している。

本実施形態に係る音声出力装置１は、例えば、車両に搭載されたナビゲーション装置等の外部装置３から、文字等からなるメッセージ情報を取得するメッセージ取得手段２ａと、メッセージ情報の目的を推定する目的推定手段２ｂと、目的推定手段２ｂにより推定されたメッセージ情報の目的に応じて、メッセージ情報における音素データ及び抑揚データのうち少なくとも一方を可変させて、メッセージ情報の音声を合成する音声合成手段２ｃと、を備えている。なお、メッセージ取得手段２ａ、目的推定手段２ｂ、及び音声合成手段２ｃは、例えば、コンピュータ本体２のＲＯＭに記憶され、ＣＰＵにより実行されるプログラムによって実現されている。

メッセージ取得手段２ａは、外部装置３から任意のメッセージ情報を取得する。外部装置３には、例えば、車両に搭載され、車両の経路探索、経路案内、周辺案内等を行うナビゲーション装置、車両の操作支援等を行う操作支援装置、車両のメンテナンス状態を監視する車両監視装置、ゲーム等の各種アプリケーションの実行、インターネット接続、電子メールの送受信等を行うマルチメディア装置等の任意の装置が含まれる。

メッセージ取得手段２ａは、例えば、ナビゲーション装置から、「まもなく右折です。」「次の信号を左折です。」等のルート案内に関するメッセージ情報、「ランチが評判のレストランがありますよ。」等の飲食店案内に関するメッセージ情報を取得する。また、メッセージ取得手段２ａは、操作支援装置から「一旦停止です。」、「右方向からバイクが接近しています。」等の運転アドバイスに関するメッセージ情報を取得する。さらに、メッセージ取得手段２ａは、車両監視装置から、「エンジンオイルが汚れてきました。交換をお勧めします。」等の消耗品交換に関するメッセージ情報を取得する。

目的推定手段２ｂは、メッセージ取得手段２ａにより取得されたメッセージ情報の目的を推定する。例えば、目的推定手段２ｂは、予め記憶されたメッセージ情報（文言等）とメッセージ情報の目的との関係を規定したテーブル（例えば、後述の表３）と、取得されたメッセージ情報と、を比較し、メッセージ情報に対応した（一致又は最も近い）、メッセージ情報の目的を推定する。

具体的には、目的推定手段２ｂは、メッセージ情報が「まもなく右折です。」であれば、メッセージ情報の目的を「ルート案内」と推定する。また、目的推定手段２ｂは、メッセージ情報が「ランチが評判のレストランがありますよ。」であれば、メッセージ情報の目的を「リコメンド（推奨）」と推定する。なお、目的推定手段２ｂは、予めメッセージ情報に付加されたメッセージ情報の目的を抽出するような構成でもよい。

音声合成手段２ｃは、目的推定手段２ｂにより推定されたメッセージ情報の目的に応じて、メッセージ情報における音素データ及び抑揚データを可変させて、メッセージ情報の音声を合成する。

音声合成手段２ｃには、メッセージ情報の目的毎に、音声の音素データが記憶されたデータベース４が接続されている。音素データには、例えば、声質（周波数）等に関するデータ等が含まれる。

表１は、データベース４に記憶される音素データの一例を示す表であり、音素データとメッセージ情報の目的との対応を示す表である。表１に示す如く、データベース４には、性別（男性、女性）、年代（子供、青年、中年、老人等）、イメージする人物（アナウンサー）等の音声データ（ＰＣＭデータ等）に基づいて、取得された音素データが記憶されている。なお、表１に示す音素データは一例であり、任意の形式が適用可能である。また、データベース４は、音素データをメッセージ情報の目的に対応させた状態で記憶している。

音声合成手段２ｃには、メッセージ情報の目的毎に、音声の抑揚データが記憶されたデータベース５が接続されている。抑揚データには、例えば、音声の高低変化、速度変化、アクセント等に関する情報が含まれる。

表２は、データベース５に記憶される抑揚データの一例を示す表であり、抑揚データと、メッセージ情報と、抑揚（話方）の特徴と、の対応の一例を示す表である。表２に示す如く、データベース５には、任意の被験者による「インフォメーション用」、「注意喚起用」、「読み上げ用」、「口語（対話）用」、「方言」等の抑揚データが記憶されている。

なお、表２に示す抑揚データは、一例であり、任意の形式が適用可能である。また、データベース５は、設定された抑揚データをメッセージ情報の目的に対応させた状態で記憶している。さらに、音素データ及び抑揚データは、１つのデータベースに記憶される構成であってもよい。

音声合成手段２ｃは、データベース４、５からメッセージ情報の目的に対応した音素データ及び抑揚データを取得する。音声合成手段２ｃは、メッセージ情報と、データベース４、５から取得した音素データ及び抑揚データと、に基づいて、メッセージ情報における音素データ及び抑揚データを可変させて、メッセージ情報の音声を合成する。

表３は、メッセージ情報の目的、メッセージ情報、音素データ、及び抑揚データの一例を示す表であり、メッセージ情報の目的と、メッセージ情報と、音素データと、抑揚データと、の対応の一例を示す表である。

表３に示す如く、例えば、メッセージ取得手段２ａは、運転支援装置からメッセージ情報「一旦停止です。」を取得する。目的推定手段２ｂは、予めＲＯＭに記憶されたデータテーブル（表３）に基づいて、メッセージ情報「一旦停止です。」に対応する、メッセージ情報の目的「運転アドバイス」を推定する。さらに、音声合成手段２ｃは、目的推定手段２ｂにより推定されたメッセージ情報の目的「注意喚起用」に対応する、音素データ「女性・青年」及び抑揚データ「インフォメーション用」をデータベース４、５から取得する。

なお、目的推定手段２ｂは、例えば、メッセージ情報の目的「運転アドバイス」を更に詳細にした詳細目的「駐停車サポート」を推定するようにしてもよい。より具体的には、目的推定手段２ｂは、メッセージ情報「ハンドルを右いっぱいに切ってゆっくりバックして下さい。」に対応する、メッセージ情報の目的「駐停車サポート」を推定する。この場合、音声合成手段２ｃは、目的推定手段２ｂにより推定された詳細目的「駐停車サポート」に対応する、音素データ「男性・青年」及び抑揚データ「注意喚起用」をデータベース４、５から取得する。これにより、メッセージ情報の目的に、より最適な音素データ及び抑揚データが選択される。以上のようにして、音声合成手段２ｃは、メッセージ情報の目的に応じて、音素データ及び抑揚データを可変させて、メッセージ情報の音声を合成する。なお、音声合成手段２ｃは、メッセージ情報の目的に応じて、音素データ及び抑揚データのうちいずれか一方のみを可変させて、メッセージ情報の音声を合成してもよい。

音声合成手段２ｃにより合成されたメッセージ情報の音声情報は、スピーカ等の音声出力手段６によって、運転者等のユーザに対して音声により出力される。

以上、本実施の形態に係る音声出力装置１において、音声合成手段２ｃは、メッセージ情報の目的に応じて、音素データ及び抑揚データを可変させて、メッセージ情報の音声を合成する。これにより、メッセージ情報の目的に応じた、最適な音素データ及び抑揚データからなる音声を合成し、出力することができる。従って、ユーザに対して外部装置３からのメッセージをより確実に伝達することができる。

次に、第１の実施の形態に係る音声出力装置１の一変形例について説明する。

音声合成手段２ｃには、ユーザの環境情報を検出する環境情報検出手段７が接続されている。なお、環境情報は、例えば、ユーザの運転する車両の車両情報と、ユーザ周囲の外界情報と、ユーザの個人情報と、を含んでいる。

車両情報には、例えば、車速センサにより検出された車速、加速度センサにより検出された車両前後方向又は横方向の加速度、操舵角センサにより検出された操舵角、ブレーキセンサにより検出されたブレーキ情報等の任意の車両センサにより検出された車両情報が含まれる。また、ユーザ周囲の外界情報には、例えば、現在の時刻情報、カレンダー情報、天候情報（天気、気温、湿度等）の任意の外界情報が含まれる。さらに、ユーザの個人情報には、例えば、ユーザの身体情報（呼吸状態、覚醒度、不具合等）等の任意の個人情報が含まれる。

音声合成手段２ｃは、環境情報検出手段７により検出された環境情報と、目的推定手段２ｂにより推定されたメッセージ情報の目的と、基づいて、メッセージ情報における音素情報及び抑揚情報を可変させて、音声情報を合成する。

例えば、音声合成手段２ｃは、表３に示す如く、メッセージ情報の目的「ルート案内」のときは、音素データ「女性・青年」及び抑揚データ「インフォメーション用」をデータベース４、５から取得する。このとき、音声合成手段２ｃは、車速センサ７により検出された車速が所定速度以上であり、車速が速いと判断したとき、音素データを「女性・青年」から「男性・青年」に変更し、抑揚データを「インフォメーション用」から「注意喚起用」にする変更してもよい。これにより、車両状態に応じて、最適な音素データ及び抑揚データが設定される為、より適切にメッセージ情報をユーザに伝達することができる。
（第２の実施の形態）
図２は、第２の実施の形態に係る音声出力装置１０のシステム構成を示すブロック図である。

各データベース１４、１５には、例えば、要求伝達レベル毎に音素データ及び抑揚データが記憶されている。要求伝達レベルとは、ユーザにより要求されるメッセージ情報の伝達レベルを表すものである。また、要求伝達レベルは、例えば、ユーザに警告を与える警告レベルと、ユーザを誘導する誘導レベルと、ユーザに情報を与える情報レベルと、に分類される。

例えば、警告レベルの音素データを「男性・青年」とし、抑揚データを「注意喚起用」として、比較的強い口調となるようなデータをデータベース１４、１５に記憶する。また、誘導レベルの音素データを「男性・中年」とし、抑揚データを「インフォメーション用」として、警告レベルよりは弱い口調となるようなデータをデータベース１４、１５に記憶する。さらに、情報レベルの音素データを「女性・青年」とし、抑揚データを「インフォメーション用」として、誘導レベルより弱く、明るい口調となるようなデータをデータベース１４、１５に記憶する。

このように、要求伝達レベルに応じて、最適な音素データ及び抑揚データが設定される。なお、上述した警告レベル、誘導レベル、及び情報レベルに対する音素データ及び抑揚データは一例であり、レベルを任意の方法により設定可能である。

音声合成手段２ｃは、目的推定手段２ｂにより推定されたメッセージ情報の目的と、予めＲＯＭに記憶されたデータテーブル（メッセージ情報の目的と要求伝達レベルとの対応テーブル）に基づいて、メッセージ情報の要求伝達レベルを判断する。

例えば、音声合成手段２ｃは、目的推定手段２ｂにより推定されたメッセージ情報の目的「ルート案内」と、ＲＯＭに記憶されたデータテーブルと、に基づいて、要求伝達レベルを「誘導レベル」と判断する。

さらに、音声合成手段２ｃは、判断した要求伝達レベルに対応した音素データ及び抑揚データを、データベース１４、１５から取得する。例えば、音声合成手段２ｃは、要求伝達レベルを「警告レベル」と判断した場合に、音素データ「男性・青年」、及び抑揚データ「注意喚起用」をデータベース１４、１５から取得する。このように、要求伝達レベルに応じて、最適な音素データ及び抑揚データが取得され、最適な音声が合成される。

第２の実施の形態に係る音声出力装置１０において、メッセージ情報の目的に基づいて、要求伝達レベルを判断し、要求伝達レベルに応じた、最適な音素データ及び抑揚データからなる音声を合成し、出力することができる。従って、運転者等のユーザに対する要求伝達レベルにより適切に対応した音声を出力することができる。

次に、第２の実施の形態に係る音声出力装置１０の一変形例について説明する。

音声合成手段２ｃは、環境情報検出手段７により検出された環境情報に基づいて、メッセージ情報が、運転者の要求する運転情報であると判断したとき、要求伝達レベルを高く設定するようにしてもよい。

例えば、音声合成手段２ｃは、上述の如く、メッセージ情報の目的「ルート案内」（メッセージ情報が「まもなく右折です。」）のとき、要求伝達レベルを「誘導レベル」と判断する。このとき音声合成手段２ｃは、車速センサ７により検出された車速が所定速度以上で高速であると判断し、メッセージ情報「まもなく右折です。」が運転者の要求する運転情報であると判断したとき、要求伝達レベルを「誘導レベル」から「警報レベル」に高く設定するようにしてもよい。これにより、運転者の要求に応じて、伝達レベルの高い音素データ及び抑揚データからなる合成音声が出力される。したがって、運転者の要求する情報を当該運転者に対して、より確実に伝達することができる。

他の構成は、第１の実施の形態と略同一である。第１の実施の形態と同一部分には、同一符号を付して詳細な説明は省略する。

以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において、上述した実施例に種々の変形及び置換を加えることができる。

例えば、上記実施の形態において、音声出力装置１、１０は、ナビゲーション装置等の車両搭載装置に内蔵される構成であってもよい。

本発明は、例えば、任意のメッセージ情報を合成音声により出力する音声出力装置に利用できる。

本発明の第１の実施の形態に係る音声出力装置のシステム構成を示すブロック図である。 本発明の第２の実施の形態に係る音声出力装置のシステム構成を示すブロック図である。

（表１）データベースに記憶される音素データの一例を示す表であり、音素データとメッセージ情報の目的との対応を示す表である。

（表２）データベースに記憶される抑揚データの一例を示す表であり、抑揚データと、メッセージ情報と、抑揚の特徴と、の対応の一例を示す表である。

（表３）メッセージ情報の目的、メッセージ情報、音素データ、及び抑揚データの一例を示す表であり、メッセージ情報の目的と、メッセージ情報と、音素データと、抑揚データと、の対応の一例を示す表である。

符号の説明

１ 音声出力装置
２ コンピュータ本体
２ａ メッセージ取得手段
２ｂ 目的推定手段
２ｃ 音声合成手段
３ 外部装置
４ データベース
５ データベース
６ 音声出力手段
７ 環境情報取得手段

Claims (7)

1. 外部から入力されるメッセージ情報に基づいて、音声を合成し、出力する音声出力装置であって、
   前記メッセージ情報の目的を推定する目的推定手段と、
   前記目的推定手段により推定された前記メッセージ情報の目的に応じて、前記メッセージ情報における音素情報及び抑揚情報のうち少なくとも一方を可変させて、前記メッセージ情報の音声を合成する音声合成手段と、を備える、ことを特徴とする音声出力装置。
2. 請求項１記載の音声出力装置であって、
   前記音素情報及び前記抑揚情報を、要求される前記メッセージ情報の伝達レベルを示す要求伝達レベル毎に分類して記憶する記憶手段を、更に備える、ことを特徴とする音声出力装置。
3. 請求項１又は２記載の音声出力装置であって、
   前記音声合成手段は、前記目的推定手段により推定された前記メッセージ情報の目的に基づいて、要求される前記メッセージ情報の伝達レベルを示す要求伝達レベルを、前記メッセージ情報に対して設定し、該設定された要求伝達レベルに基づいて、前記メッセージ情報における音素情報及び抑揚情報のうち少なくとも一方を可変させる、ことを特徴とする音声出力装置。
4. 請求項２又は３記載の音声出力装置であって、
   前記要求伝達レベルは、少なくともユーザに警告を与える警報レベルと、ユーザを誘導する誘導レベルと、ユーザに情報を与える情報レベルとを含む、ことを特徴とする音声出力装置。
5. 請求項１乃至４のうちいずれか１項記載の音声出力装置であって、
   前記ユーザの環境情報を検出する環境情報検出手段を更に備え、
   前記音声合成手段は、前記環境情報検出手段により検出された前記環境情報と、前記目的推定手段により推定された前記メッセージ情報の目的と、に基づいて、前記メッセージ情報における音素及び抑揚のうち少なくとも一方を可変させる、ことを特徴とする音声出力装置。
6. 請求項５記載の音声出力装置であって、
   前記ユーザの環境情報は、ユーザが運転する車両の車両情報、ユーザ周囲の外界情報、及びユーザの個人情報のうち少なくとも１つを含む、ことを特徴とする音声出力装置。
7. 請求項５又は６記載の音声出力装置であって、
   前記音声合成手段は、前記環境情報検出手段により検出された前記環境情報に基づいて、前記メッセージ情報が運転者の要求する運転情報であると判断したとき、要求される前記メッセージ情報の伝達レベルを示す要求伝達レベルを高く設定する、ことを特徴とする音声出力装置。

Images