JP2008083239A - 中間言語編集装置、中間言語編集方法および中間言語編集プログラム - Google Patents

Abstract

【課題】アクセント結合の誤りを容易に修正する中間言語編集装置を提供する。
【解決手段】文書内で連続する単語を含む語句と、語句のアクセント情報を含む中間言語とを対応づけて記憶する中間言語記憶部１２２と、中間言語に含まれるアクセント情報の修正の指示を受付ける修正受付部１０３と、連続する単語を含む語句のアクセントを決定する予め定められた規則に基づいて、修正の指示を受付けたアクセント情報に代わるアクセント情報の候補を生成する候補生成部１０４と、生成した候補をユーザに提示する候補提示部１０５と、提示した候補の中からユーザにより選択された候補を受付ける選択受付部１０６と、中間言語記憶部１２２に記憶された中間言語に含まれるアクセント情報のうち、修正の指示を受付けたアクセント情報を、受付けた候補で置換する置換部１０７と、を備えた。
【選択図】 図１

Description

この発明は、音声合成に関連する中間言語を編集する中間言語編集装置、中間言語編集方法および中間言語編集プログラムに関するものである。

近年、ＴＴＳ（Text To Speech）などのように、テキスト情報を音声合成して出力する音声合成技術が広く知られている。ＴＴＳでは、テキストを言語解析することで、読み、アクセント、ポーズ情報を取得し、それらの情報をもとに合成音声を出力する。

一方、言語解析処理では、１００％の正解率を保証することは一般的に不可能である。結果として、ＴＴＳは、テキストの読みの誤りや、アクセントの誤り、ポーズ長の違和感などを生じる可能性を内包している。誤りや違和感が存在する場合は、読み、アクセント、ポーズ長情報を表現した中間言語を、テキストレベルで人間が手修正することにより、言語解析処理の不備を補い、正しい合成音声出力を得ることができる。

また、読み情報をタグなどにより予め埋め込んだテキスト情報に対して言語解析を実行することにより、言語解析の精度を向上させるように補助する技術や、解析後、単語単位で読みやアクセント等をＧＵＩ（Graphical User Interface）を用いて修正する技術なども提案されている。

特許文献１では、単語に別の読みが存在する場合に、その読みをユーザに提示し、適切な読みを選択させることにより中間言語を編集させる技術が提案されている。このように単語単位でアクセントを変更させる方法は広く知られている。

特許第３４８３２３０号公報

しかしながら、特許文献１の方法では、複数の連続する単語のアクセントを修正する場合であっても単語ごとに修正しなければならず、操作が煩雑になるという問題があった。例えば、名詞等が連続した場合に、複数の名詞のアクセントを結合して１つのアクセントを有するアクセント句を生成するアクセント結合が発生した場合であって、当該アクセント句のアクセントを修正する必要があるとき、連続した単語のそれぞれについて修正を行わなければならない。

また、特許文献１のように、読み、アクセント、ポーズ長情報を表現した中間言語を、専門知識を有さないユーザが直接修正することは困難であった。中間言語を見ただけで、ユーザがアクセントを具体的にイメージすることは難しく、誤り箇所を見つけることも困難だからである。

本発明は、上記に鑑みてなされたものであって、アクセント結合の誤りを容易に修正することができる中間言語編集装置、中間言語編集方法および中間言語編集プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、文字列を音声に変換する音声合成処理で生成される中間言語を編集する中間言語編集装置であって、文書内で連続する単語を含む語句と、前記語句のアクセントの位置に関するアクセント情報を含む前記中間言語とを対応づけて記憶する中間言語記憶手段と、前記語句単位で、前記語句に対応する前記中間言語に含まれる前記アクセント情報の修正の指示を受付ける修正受付手段と、前記語句のアクセントを決定する予め定められた規則に基づいて、修正の指示を受付けた前記アクセント情報に代わる前記アクセント情報の候補を生成する候補生成手段と、生成した前記候補をユーザに提示する候補提示手段と、提示した前記候補の中からユーザにより選択された前記候補を受付ける選択受付手段と、前記中間言語記憶手段に記憶された前記中間言語に含まれる前記アクセント情報のうち、修正の指示を受付けた前記アクセント情報を、受付けた前記候補で置換する置換手段と、を備えたことを特徴とする。

また、本発明は、上記装置を実行することができる中間言語編集方法および中間言語編集プログラムである。

本発明によれば、予め定められた規則に従ってアクセント結合の別候補を提示し、提示した候補の中からユーザがアクセントを選択してアクセントの誤りを修正することができる。このため、アクセント結合の誤りを容易に修正することができるという効果を奏する。

以下に添付図面を参照して、この発明にかかる中間言語編集装置、中間言語編集方法および中間言語編集プログラムの最良な実施の形態を詳細に説明する。

（第１の実施の形態）
第１の実施の形態にかかる中間言語編集装置は、ユーザにより修正が指定されたアクセント結合に対して、予め決められた規則以外のアクセント結合規則を適用したアクセントの候補を生成してユーザに提示し、選択させるものである。

以下では、スピーカなどの音声を出力する機能、音声合成対象となる文書を画面上に出力する機能、文書上の複数の単語を選択可能なキーボードやマウスなどの入力機能、および選択された複数の単語に対するアクセント結合の別候補を生成する機能を有するパソコンなどで実現された中間言語編集装置について説明する。

なお、第１の実施の形態では、このような音声合成の中間言語を編集する機能に加え、入力された文書を受付けて中間言語を生成する機能、および中間言語を音声合成した音声を出力する機能を備えた音声合成装置として中間言語編集装置を実現した例について説明する。

図１は、第１の実施の形態にかかる音声合成装置１００の構成を示すブロック図である。同図に示すように、音声合成装置１００は、文書受付部１０１と、中間言語生成部１０２と、修正受付部１０３と、候補生成部１０４と、候補提示部１０５と、選択受付部１０６と、置換部１０７と、音声合成部１０８と、辞書記憶部１２１と、中間言語記憶部１２２と、規則記憶部１２３と、を備えている。

辞書記憶部１２１は、形態素解析処理などで利用する単語の情報を保持する単語辞書を記憶するものである。図２は、辞書記憶部１２１に記憶されている単語辞書のデータ構造の一例を示す説明図である。同図に示すように、単語辞書には、単語と、アクセント結合の型とが対応づけて保持されている。

アクセント結合の型とは、複数の単語が連結する場合に、当該連結した単語に対して付与されるアクセントの種類を表す情報をいう。以下に、複数の名詞が連結した複合名詞に対するアクセント結合の型について説明する。

名詞が複合する場合のアクセント結合は以下の４種類に大別される。
（１）Ａ型：後部要素（後ろの単語）の第一拍まで高い形に変形する。
例：「準備；じゅ＾んび（１型）」「運動；うんどう（０型）」→「準備運動；じゅんびう＾んどう」（後部要素の一拍目にアクセント）
（２）Ｂ型：前部要素（前の単語）の最終拍まで高い形に変形する。
例：「政府；せ＾いふ」「案；あ＾ん」→「政府案；せいふ＾あん」（前部要素の最後の句にアクセント）
（３）０型：全体を０型に変形する。
例：「野良；の＾ら（１型）」「犬；いぬ（０型）」→「野良犬；のらいぬ」
（４）後部アクセント型：全体として後部要素のアクセントに変形する。
例：「児童；じ＾どう（１型）」「図書館；としょ＾かん（２型）」→「じどうとしょ＾かん」

さらに、アクセントが変化しない以下の型を含めることもできる。
（５）無変化型：前部要素および後部要素のアクセントが互いに変化しない。
例：「被害者；ひが＾いしゃ（２型）」「遺族会；いぞく＾かい（３型）；無変化型」→「被害者遺族会；ひが＾いしゃ いぞく＾かい」

なお、無変化型の場合、前の単語と後ろの単語がともに０型ではなかった場合には間にスペースを挿入することにより、アクセント句の区切れを設定する。なお、アクセント句とは、１つのアクセントを有する語句をいう。

なお、上記説明中の記号「＾」は、アクセントが存在する位置を表す記号である。また、括弧内の型（０型、１型、２型、３型）は、単語ごとのアクセントの型を表す。このように、いずれの型も後部要素である名詞の性質に支配される。そこで、形態素解析処理（詳細は後述）の結果、２つの名詞が連続する場合、後方の名詞が「Ａ型」「Ｂ型」「０型」「後部アクセント型」「無変化型」のどれに属するかの情報を元にアクセント結合を行う。

これを実現するため、名詞が「Ａ型」「Ｂ型」「０型」「後部アクセント型」「無変化型」のいずれに属するかの情報を、単語辞書の「アクセント結合の型」として保存しておき、単語のプロパティー情報として形態素解析の結果に含め、後述の処理で利用可能とする。

中間言語記憶部１２２は、文書と中間言語との対応関係を記憶するものである。具体的には、中間言語記憶部１２２は、文書に含まれる単語と、当該単語の読み、アクセントの位置、ポーズに関する情報を含む中間言語とを対応づけて記憶する。

本実施の形態では、読みを片仮名で表記し、アクセントが存在する位置を表すアクセント情報は記号「＾」、短いポーズを表す情報は記号「、」、長いポーズを表す情報は記号「．」とした中間言語を用いる。なお、中間言語の表現形式はこれに限られるものではない。

図３−１、図３−２は、中間言語記憶部１２２に記憶されている情報のデータ構造の一例を示す説明図である。図３−１、図３−２に示すように、中間言語記憶部１２２には、単語と、中間言語とを対応づけた情報が記憶されている。

例えば、図３−１では、日本語「首相は退職金を辞退した。」に含まれる単語ごとの中間言語を記憶した例が示されている。同図に示すように、当該日本語に対する中間言語が「シュショーワ、タイショクキンオ、ジ＾タイシタ．」である場合、中間言語記憶部１２２には、単語単位に中間言語との対応が記憶される。すなわち、「首相」に対し「シュショー」、「は」に対し「ワ、」、「退職金」に対し「タイショクキン」、「を」に対し「オ、」、「辞退し」に対し「ジ＾タイシ」、「た」に対し「タ．」が対応づけられている。

規則記憶部１２３は、アクセント結合に関する規則を記憶するものである。図４は、規則記憶部１２３に記憶された規則の一例を示す説明図である。同図に示すように、規則として、上述のようなアクセント結合ごとのアクセントを変形する方法が格納されている。規則記憶部１２３は、候補生成部１０４が、ユーザに対してアクセント結合の別の候補を提示する際に参照される。

文書受付部１０１は、音声合成の対象となる文書の入力を受け付けるものである。文書受付部１０１は、ワードプロセッサ等による文書の入力、ファイルからの文書の入力、またはネットワークを介した外部装置からの文書の入力などの従来から用いられているあらゆる方法により文書の入力を受付けることができる。

中間言語生成部１０２は、受付けた文書から音声合成の中間言語を生成するものである。具体的には、中間言語生成部１０２は、文書を形態素解析して単語単位に分割し、各単語が有する品詞、読み、アクセント、各種プロパティーなどの基本的な情報を元に、入力文書全体に関する読み、アクセント、ポーズ情報を生成する。

例えば、中間言語生成部１０２は、日本語の文書「首相は退職金を辞退した。」を形態素解析し、「首相（名詞、しゅしょう、０型）／は（助詞、わ、０型）／退職金（名詞、たいしょくきん、０型）／を（助詞、お、０型）／辞退し（動詞、じたいし、１型）／た（助動詞、た、１型）／。（読点、※読みなし）」を得ることができる。

「０型」、「１型」などは、上述のように各単語のアクセント型を示す。一般に、「単語のモーラ数＋１」種類のアクセント型が存在する。ここで、モーラ数とは単語の発音をモーラ単位に分けたときの構成モーラの総数を表す。また、モーラとは、一定の時間的な長さを有する音の単位をいう。例えば、５０音「あいうえお、かきくけこ、さしすせそ、…らりるれろ、わ、ん」の他、「しゃ、しゅ、しょ、…」「っ」「ー（長音）」などがモーラの１単位に該当する。

次に、中間言語生成部１０２は、予め用意してあるアクセント句生成（アクセント結合）の規則を参照してアクセント句を生成する。アクセント句生成の規則としては、上述の複合名詞に関する規則のほか、「「名詞＋助詞は」は一つのアクセント句とし、名詞のアクセントをアクセント句のアクセントとする」、「「名詞＋助詞を」は一つのアクセント句とし、名詞のアクセントをアクセント句のアクセントとする」、「「動詞＋助動詞た」は一つのアクセント句とし、動詞のアクセントをアクセント句のアクセントとする」などが一例として挙げられる。

中間言語生成部１０２は、複合名詞に対しては、後部要素の名詞に対応するアクセント結合の型を辞書記憶部１２１から取得し、取得した型に対応する規則に従ってアクセント結合を行う。

そして、中間言語生成部１０２は、生成したアクセント句ごとに中間言語を生成する。例えば、日本語「首相は退職金を辞退した。」に対しては、中間言語生成部１０２は、まず「首相（名詞、しゅしょう、０型）／は（助詞、わ、０型）」をアクセント句として「シュショウワ」を中間言語として生成する。同様に、中間言語生成部１０２は、「退職金（名詞、たいしょくきん、０型）／を（助詞、お、０型）」をアクセント句として「タイショクキンオ」、および、「辞退し（動詞、じたいし、１型）／た（助動詞、た、０型）」をアクセント句として「ジ＾タイシタ」を中間言語として生成する。

次に、中間言語生成部１０２は、予め用意してあるポーズ情報設定規則を参照して、各アクセント句をつなげるポーズを決定する。ポーズ情報設定規則としては、「「名詞＋助詞は」型のアクセント句に、「名詞＋助詞を」型のアクセント句が続く場合は、間に短いポーズが入る。」、「「名詞＋助詞を」型のアクセント句に、「動詞＋助動詞た」型のアクセント句が続く場合は、間に短いポーズが入る。」、「「動詞＋助動詞た」型のアクセント句に「。、読点」が続く場合、「動詞＋助動詞た」型のアクセント句の後に長いポーズが入る。」などが一例として挙げられる。

上述の例では、この結果として中間言語「シュショーワ、タイショクキンオ、ジ＾タイシタ．」を得ることができる。

そして、中間言語生成部１０２は、このような処理過程で得られるアクセント句と中間言語との対応関係を、中間言語記憶部１２２に格納する。

なお、本実施の形態ではＴＴＳの一般的な方法として、入力文書に対し形態素解析を行って中間言語を生成する方法について説明したが、形態素解析を行わずに中間言語を生成する方法などの従来から用いられているあらゆる中間言語の生成方法を適用できる。

例えば、文書を入力する際に用いられる仮名漢字変換で確定された単語のならびに対して、上記方法と同様にして中間言語を生成する方法も考えられる。この場合は、仮名漢字変換で確定した単語単位に、中間言語との対応関係を得ることができる。

また、文書内の各単語と中間言語との対応関係を表したテーブルを予め用意しておき、当該テーブルを中間言語記憶部１２２に入力することで単語と中間言語との対応関係を得るように構成してもよい。

修正受付部１０３は、中間言語記憶部１２２に記憶された中間言語のうち、アクセント結合されたアクセント句のアクセントの修正指示を受け付けるものである。具体的には、修正受付部１０３は、まず中間言語記憶部１２２から語句と中間言語を取得してユーザに提示する。これに対しユーザは、提示された中間言語を確認し、修正が必要と判断した中間言語に対応する語句を選択する。例えば、画面上に表示された語句をマウスなどのインターフェースを用いて範囲指定することにより、ユーザは当該語句を選択する。修正受付部１０３は、このようにしてユーザにより指定された語句に対応する中間言語の修正指示を受け付ける。

なお、修正箇所の指定方法はこれに限られるものではなく、キーボード上の矢印キーなどでカーソルを操作し単語を選択する方法などの従来から用いられているあらゆる方法を適用できる。

候補生成部１０４は、修正受付部１０３によって修正指示が受付けられたアクセント結合に対して、アクセント結合の別の候補を生成するものである。具体的には、候補生成部１０４は、アクセント結合に対応する語句の後部要素の単語が、対応するアクセント結合の型以外のアクセント結合の型を有するものと仮定して別のアクセント結合の候補を生成する。

例えば、語句「現地集合」については、前部要素の単語「現地」のアクセント型は１型（げ＾んち）であり、後部要素の単語「集合」のアクセント型は２型（しゅうごう）、かつ、アクセント結合型はＡ型である。従って、語句「現地集合」のアクセントは、全体として後部要素の最初の拍にアクセントが移動した「げんちしゅ＾うごう」となる。ユーザに対しては、このように後部要素のプロパティーを参照して設定したアクセント結合が提示される。

これに対してユーザが修正を指示した場合、候補生成部１０４は、後部要素の単語「集合」のアクセント結合の型が「Ａ型」ではないものとして別のアクセント結合の候補を生成する。

例えば、Ｂ型と仮定した場合は「げんち＾しゅうごう」、０型と仮定した場合は「げんちしゅうごう」、後部アクセント型と仮定した場合は「げんちしゅうごう」（０型と同じ）、無変化型と仮定した場合は「げ＾んちしゅうごう」が、それぞれアクセント結合の候補として生成される。

候補提示部１０５は、候補生成部１０４が生成したアクセント結合の候補をユーザに対して提示するものである。具体的には、候補提示部１０５は、候補となる中間言語を画面上にリスト形式で表示する。中間言語は一般ユーザには理解が難しいため、候補提示部１０５が、候補番号だけをユーザに提示し、ユーザが番号を選択することで、中間言語に対応した音声を出力させることで候補を提示するように構成してもよい。また、候補番号の代わりに記号やイメージを利用する方法や、候補となる中間言語を表示して選択時に音声を提示する方法を用いてもよい。

選択受付部１０６は、候補提示部１０５により提示された候補からユーザが選択した候補を受付けるものである。例えば、表示した中間言語のそれぞれに対応する選択ボタンの押下を受付けることにより、候補の選択を受付けることができる。

置換部１０７は、アクセント結合の修正が指示された語句に対応する中間言語のアクセント結合を、選択受付部１０６によって受付けられたアクセント結合の別候補へ変更する編集を行うものである。

音声合成部１０８は、中間言語記憶部１２２に記憶された中間言語を参照して入力された文書を音声合成して出力するものである。音声合成部１０８により行われる音声合成処理は、音声素片編集音声合成、フォルマント音声合成、音声コーパスベースの音声合成などの一般的に利用されているあらゆる方法を適用することができる。

次に、このように構成された第１の実施の形態にかかる音声合成装置１００による中間言語編集処理について説明する。図５は、第１の実施の形態における音声合成処理の全体の流れを示すフローチャートである。

まず、文書受付部１０１が、音声合成の対象となる文書の入力を受け付ける（ステップＳ５０１）。次に、中間言語生成部１０２が、受付けた文書を形態素解析し、辞書記憶部１２１および規則記憶部１２３を参照して中間言語を生成する（ステップＳ５０２）。

このとき、文書内に連続する２つの名詞が存在した場合は、中間言語生成部１０２は、図４に示したような規則の中から、２つの名詞のうち後ろの名詞のアクセント結合の型に対応する規則を取得して、取得した規則にしたがってアクセント結合を行う。また、このようにして生成された中間言語は、中間言語記憶部１２２に保存される。

次に、生成した中間言語の編集を行う中間言語編集処理が実行される（ステップＳ５０３）。中間言語編集処理の詳細については後述する。

次に、音声合成部１０８が、編集済みの中間言語を音声合成して出力し（ステップＳ５０４）、音声合成処理を終了する。

次に、ステップＳ５０３の中間言語編集処理の詳細について説明する。図６は、中間言語編集処理の全体の流れを示すフローチャートである。

まず、修正受付部１０３が、中間言語記憶部１２２に記憶されている語句と中間言語とを取得し、ユーザに対して提示する（ステップＳ６０１）。修正受付部１０３は、例えば、ディスプレイなどの表示部（図示せず）に語句と中間言語とを対応づけて表示する。また、画面には語句のみを表示し、語句に対応するボタン等を押下したときに当該語句に対応するアクセントをユーザが視聴できるように構成してもよい。

次に、修正受付部１０３は、修正するアクセント結合の選択を受付ける（ステップＳ６０２）。例えば、修正受付部１０３は、ユーザがマウスで範囲指定することにより選択した語句を、アクセント結合を修正する語句として受付ける。図７は、修正を指示する指示画面の一例を示す説明図である。

同図では、ＣＲＴなどのディスプレイ７０１上のウインドウの１つとして、指示画面７０２が表示された例が示されている。ユーザが、指示画面７０２上でマウスカーソル７０３を操作することにより、修正箇所７０４を選択する。

図６に戻り、候補生成部１０４が、修正箇所に対するアクセント結合の別候補を生成する候補生成処理を実行する（ステップＳ６０３）。候補生成処理の詳細については後述する。

次に、候補提示部１０５は、候補生成部１０４により生成された候補を画面に表示する（ステップＳ６０４）。図８は、候補を表示する候補表示画面の一例を示す説明図である。

同図に示すように、候補表示画面８０１には、生成した候補に対応する中間言語を表示する中間言語表示フィールド８０２と、各候補に対応する合成音声を視聴するための視聴ボタン８０３と、候補を選択するための選択ボタン８０４と、操作を中止するためのキャンセルボタン８０５とが含まれている。

同図は、語句「現地集合」のアクセント結合に対する別候補を提示する例であり、別候補１「げんち＾しゅうごう」、別候補２「げんちしゅうごう」、別候補３「げ＾んちしゅうごう」、元のアクセント結合「げんちしゅ＾うごう」が表示されている。各候補にそれぞれ対応する試聴ボタンを押下することで候補の合成音声を試聴でき、元のアクセント結合を除く各候補に対応する各選択ボタンの押下によって選択を確定することができる。

図６に戻り、選択受付部１０６が、キャンセルボタンが押下されたか否かを判断する（ステップＳ６０５）。キャンセルボタンが押下された場合は（ステップＳ６０５：ＹＥＳ）、中間言語編集処理を終了する。

キャンセルボタンが押下されていない場合は（ステップＳ６０５：ＮＯ）、選択受付部１０６は、視聴ボタンが押下されたか否かを判断する（ステップＳ６０６）。視聴ボタンが押下された場合は（ステップＳ６０６：ＹＥＳ）、候補提示部１０５は、押下された視聴ボタンに対応する候補による合成音声を生成し、ユーザに対して出力する（ステップＳ６０７）。

視聴ボタンが押下されていない場合（ステップＳ６０６：ＮＯ）、または、合成音声を出力後、選択受付部１０６は、選択ボタンが押下されたか否かを判断する（ステップＳ６０８）。

選択ボタンが押下されていない場合は（ステップＳ６０８：ＮＯ）、キャンセルボタン受付処理に戻り処理を繰り返す（ステップＳ６０５）。選択ボタンが押下された場合は（ステップＳ６０８：ＹＥＳ）、置換部１０７が、選択した候補で修正が指定された箇所のアクセント結合を置換することにより中間言語を編集し（ステップＳ６０９）、中間言語編集処理を終了する。

次に、ステップＳ６０３の候補生成処理の詳細について説明する。図９は、第１の実施の形態における候補生成処理の全体の流れを示すフローチャートである。

まず、候補生成部１０４は、修正するアクセント結合の型を取得する（ステップＳ９０１）。候補生成部１０４は、修正箇所の語句の後部要素の単語に対応するアクセント結合の型を辞書記憶部１２１から取得することにより、修正するアクセント結合の型を取得可能である。また、アクセント句ごとにアクセント結合の型を保持しておき、保持した型を参照して取得するように構成してもよい。

次に、候補生成部１０４は、取得した型に対応する規則以外の規則を、規則記憶部１２３から取得する（ステップＳ９０２）。続いて、候補生成部１０４は、取得した規則を適用してアクセントを変形したアクセント結合の別候補を生成する（ステップＳ９０３）。

例えば、語句「現地集合」については、後部要素の単語「集合」のアクセント結合型はＡ型であるため、Ａ型以外のアクセント型である、Ｂ型、０型、後部アクセント型、無変化型に対応する候補をそれぞれ生成する。なお、上述のようにこの例では、後部アクセント型に対応する候補と、０型に対応する候補とが一致する。このような場合は、候補を統合してユーザに提示する。

（変形例１）
なお、ここまでは修正受付部１０３で修正が指定された単語が名詞２単語であるケースについて述べた。修正対象となる単語は２単語に限られず、３単語以上の連続した名詞に対しても同様の処理を行うことができる。

この場合、候補生成部１０４は、以下のようにして別候補を生成する。まず、３単語「単語Ａ／単語Ｂ／単語Ｃ」であった場合、「単語Ａ」および「単語Ｂ」の２単語に対して、上述と同様の別候補生成を行う。次に、「単語Ａ」と「単語Ｂ」とを連結した語句と、生成した候補の組をそれぞれ１単語とみなし、それらと単語Ｃとの組あわせそれぞれに対し、２単語の場合に行った別候補の生成を行うことで、別候補が得る。

なお「単語Ａ」、「単語Ｂ」から作られた別候補のうち、無変化型に対応する候補に対しては、アクセント句が２つ含まれる場合が生じうる。この場合は、後方のアクセント句と、単語Ｃとの関係で別候補を生成する。４単語以上についても同様に、前から順に別アクセント句を決定していくことで全体の別アクセント句を生成することができる。

（変形例２）
修正が指示された単語が名詞以外を含む場合、つまり「名詞＋名詞」以外でも、「接頭＋名詞」「名詞＋接尾」や、「動詞＋動詞」「名詞＋助詞助動詞」「動詞＋助詞助動詞」などの関係にも、同様なアクセント結合の規則が存在するため、それらについても同様な枠組みで別候補を生成することができる。

（変形例３）
修正が指示された単語が単語単独で複合名詞であった場合にも適用可能である。複合名詞とは、基本的に複数の単語を１単語として扱った単語であり、例えば複合名詞「預金口座」は、構成語として「預金」および「口座」の２つの単語に分解できる。この場合は、「預金口座」を構成語に分解し、「預金」および「口座」の複数単語として別候補を生成する。修正が指示された複数単語の中に複合名詞が含まれる場合も同様に処理できる。なお、修正が指示された単語が単独の単語であって、複合名詞でもない場合には、単語単独で可能なアクセント変化を別候補として処理することが考えられる。

（変形例４）
「名詞＋名詞」のアクセント結合の規則として５種類を例に挙げたが、規則は当該５種類の規則に限られるものではなく、従来から用いられているその他のあらゆるバリエーションの結合規則を適用することができる。

このように、第１の実施の形態にかかる音声合成装置では、ユーザにより修正が指定されたアクセント結合に対して、予め決められた規則以外のアクセント結合規則を適用したアクセントの候補を生成してユーザに提示し、提示した候補からユーザが選択したアクセントで中間言語を編集することができる。

これにより、中間言語の知識が不足した、または修正するスキルが不足したユーザであっても、簡単にアクセント結合に関するアクセントの誤りの修正を行うことができる。また音声で候補を提示することにより、アクセント結合の知識が不足していても、正しいアクセントを選択可能となる。さらに、限られた個数のアクセント規則を利用して別候補を生成するので、選択肢の数が絞れるという利点がある。すなわち、音声合成出力の品質を保つために必要不可欠である中間言語の編集作業を、より少ないコストで実現することができる。

（第２の実施の形態）
第１の実施の形態では、「名詞＋名詞」のアクセント結合規則として５種類を例に挙げたが、組み合わせ論的には、「前方の名詞のモーラ数＋後方の名詞のモーラ数＋１」種類のアクセントを生成する規則が存在しうる。なお、この規則で生成される候補は、上記５種類の規則で生成される候補と重複する場合もありうる。

第２の実施の形態にかかる中間言語編集装置は、組合せから考えられるすべての候補をさらに生成するとともに、各候補に対して予め定められた優先順位に従って、生成した候補をユーザに提示するものである。

図１０は、第２の実施の形態にかかる音声合成装置１０００の構成を示すブロック図である。同図に示すように、音声合成装置１０００は、文書受付部１０１と、中間言語生成部１０２と、修正受付部１０３と、候補生成部１００４と、候補提示部１００５と、選択受付部１０６と、置換部１０７と、音声合成部１０８と、辞書記憶部１２１と、中間言語記憶部１２２と、規則記憶部１０２３と、を備えている。

第２の実施の形態では、候補生成部１００４と候補提示部１００５の機能、および規則記憶部１０２３の構造が第１の実施の形態と異なっている。その他の構成および機能は、第１の実施の形態にかかる音声合成装置１００の構成を表すブロック図である図１と同様であるので、同一符号を付し、ここでの説明は省略する。

規則記憶部１０２３は、アクセント結合に関する規則を記憶するものであり、各規則ごとに規則を適用する順位を表す優先順位をさらに対応づけて記憶する点が、第１の実施の形態の規則記憶部１２３と異なっている。

図１１は、規則記憶部１０２３に記憶された規則の一例を示す説明図である。同図に示すように、規則記憶部１０２３は、第１の実施の形態と同様の規則のそれぞれに対し、優先順位を記憶している。

なお、優先順位は、例えば新聞記事１ヶ月分の文書に対して言語処理を行ってアクセント結合が行われるケースについて各規則の適応頻度を調べることにより決定し、事前に規則記憶部１０２３に記憶しておく。

候補生成部１００４は、規則記憶部１０２３に記憶された規則に対応する候補に加え、修正対象となる語句が取りうるアクセントに対応するすべての候補を生成する点が、第１の実施の形態における候補生成部１０４と異なっている。具体的には、候補生成部１００４は、アクセント結合を修正する語句のモーラ数＋１個のアクセントの候補を生成する。１を加算するのは、いずれのモーラにもアクセントが付与されない０型のアクセントの候補を生成するためである。

例えば、語句「現地集合」の候補を生成する場合、「げんち」が３モーラ、「しゅうごう」が４モーラであるため、以下の８種類の候補を生成することができる。
（０型ルール）「げんちしゅうごう」
（１型ルール）「げ＾んちしゅうごう」
（２型ルール）「げん＾ちしゅうごう」
（３型ルール）「げんち＾しゅうごう」
（４型ルール）「げんちしゅ＾うごう」
（５型ルール）「げんちしゅう＾ごう」
（６型ルール）「げんちしゅうご＾う」
（７型ルール）「げんちしゅうごう＾」

候補生成部１００４は、このようにして生成した各候補にも優先順位を付与する。なお、規則記憶部１０２３に記憶された規則から生成した候補を優先して優先順位付けを行い、その他の候補は、別途統計情報から算出した優先順位にしたがって優先順位付けを行う。例えば、辞書記憶部１２１に記憶された単語のうち、７モーラを有する単語に対して各アクセント型の頻度を算出し、頻度の大きい順に優先順位を高く設定する。

候補提示部１００５は、候補生成部１００４が生成したアクセント結合の候補を優先順位の高い順に提示するものである。

次に、このように構成された第２の実施の形態にかかる音声合成装置１０００による音声合成処理について説明する。第２の実施の形態における音声合成処理の全体の流れは、第１の実施の形態における音声合成処理を表す図５と同様であるため、その説明を省略する。

次に、第２の実施の形態における中間言語編集処理について説明する。図１２は、第２の実施の形態における中間言語編集処理の全体の流れを示すフローチャートである。

ステップＳ１２０１からステップＳ１２０２までの、修正受付処理は、第１の実施の形態にかかる音声合成装置１００におけるステップＳ６０１からステップＳ６０２までと同様の処理なので、その説明を省略する。

修正箇所を受付けた後（ステップＳ１２０２）、候補生成部１００４が候補生成処理を実行する（ステップＳ１２０３）。第２の実施の形態における候補生成処理の詳細は、第１の実施の形態と異なっている（後述）。

次に、候補提示部１００５は、候補生成部１００４により生成された候補を優先順位の高い順に画面に表示する（ステップＳ１２０４）。例えば、図８に示すような候補表示画面の場合、候補提示部１００５は、優先順位の高い候補を画面の上部に表示する。なお、候補提示部１００５は、優先順位が高い候補のうち、予め定められた個数の候補のみを画面に表示するように構成してもよい。また、ユーザの要求にしたがって、予め定められた個数の候補以外の別候補を順次提示するように構成してもよい。

ステップＳ１２０５からステップＳ１２０８までの、選択受付処理、修正箇所置換処理は、第１の実施の形態にかかる音声合成装置１００におけるステップＳ６０５からステップＳ６０８までと同様の処理なので、その説明を省略する。

次に、ステップＳ１２０３の候補生成処理の詳細について説明する。図１３は、第２の実施の形態における候補生成処理の全体の流れを示すフローチャートである。

ステップＳ１３０１からステップＳ１３０３までの、規則記憶部１０２３に記憶された規則による候補の生成処理は、第１の実施の形態にかかる音声合成装置１００におけるステップＳ９０１からステップＳ９０３までと同様の処理なので、その説明を省略する。

次に、候補生成部１００４は、「前方の名詞のモーラ数＋後方の名詞のモーラ数＋１」種類の規則によって作られるアクセントの別候補を生成する（ステップＳ１３０４）。例えば、語句「現地集合」に対しては、上述のような（０型ルール）から（７型ルール）までの８種類の候補を生成する。

次に、候補生成部１００４は、規則記憶部１０２３の規則から生成した候補に対応する候補を選択し、優先順位に従い並び替えを行う（ステップＳ１３０５）。例えば、図１１に示すような優先順位が規則記憶部１０２３に記憶されていた場合、「０型」、「Ａ型」、「Ｂ型」、「後部アクセント型」、「無変化型」の順で、各規則に対応する候補を並び替える。なお、編集前と同じ候補については優先順を下げるように構成してもよい。

次に、候補生成部１００４は、規則記憶部１０２３の規則から生成した候補以外の候補を、統計情報に従い並び替えを行う（ステップＳ１３０６）。統計情報とは、上述のように事前に辞書等を参照して算出した優先順位などを意味し、図示しない記憶部等に記憶されているものとする。なお、優先順位の決定方法はこれに限られるものではなく、より適切な候補を提示するために利用可能なあらゆる基準を用いて優先順位を決定することができる。

このように、第２の実施の形態にかかる音声合成装置では、予め定められた優先順位に従って生成した候補をユーザに提示することができる。このため、ユーザにとってより適切な候補を提示可能となり、アクセント結合に関するアクセントの誤りの修正をより容易に行うことができる。

図１４は、第１または第２の実施の形態にかかる音声合成装置のハードウェア構成を示す説明図である。

第１または第２の実施の形態にかかる音声合成装置は、ＣＰＵ（Central Processing Unit）５１などの制御装置と、ＲＯＭ（Read Only Memory）５２やＲＡＭ（Random Access Memory）５３などの記憶装置と、ネットワークに接続して通信を行う通信Ｉ／Ｆ５４と、ＨＤＤ（Hard Disk Drive）、ＣＤ（Compact Disc）ドライブ装置などの外部記憶装置と、ディスプレイ装置などの表示装置と、キーボードやマウスなどの入力装置と、各部を接続するバス６１を備えており、通常のコンピュータを利用したハードウェア構成となっている。

第１または第２の実施の形態にかかる音声合成装置で実行される中間言語編集プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ（Compact Disk Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、第１または第２の実施の形態にかかる音声合成装置で実行される中間言語編集プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、第１または第２の実施の形態にかかる音声合成装置で実行される中間言語編集プログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

また、第１または第２の実施の形態の中間言語編集プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

第１または第２の実施の形態にかかる音声合成装置で実行される中間言語編集プログラムは、上述した各部（文書受付部、中間言語生成部、修正受付部、候補生成部、候補提示部、選択受付部、置換部、音声合成部）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ５１（プロセッサ）が上記記憶媒体から中間言語編集プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、上述した各部が主記憶装置上に生成されるようになっている。

以上のように、本発明にかかる中間言語編集装置、中間言語編集方法および中間言語編集プログラムは、中間言語を編集可能な音声合成機能を備えたパソコン、ＰＤＡ、組み込みボードなどに適している。

第１の実施の形態にかかる音声合成装置の構成を示すブロック図である。 単語辞書のデータ構造の一例を示す説明図である。 中間言語記憶部に記憶されている情報のデータ構造の一例を示す説明図である。 中間言語記憶部に記憶されている情報のデータ構造の一例を示す説明図である。 規則記憶部に記憶された規則の一例を示す説明図である。 第１の実施の形態における音声合成処理の全体の流れを示すフローチャートである。 中間言語編集処理の全体の流れを示すフローチャートである。 指示画面の一例を示す説明図である。 候補表示画面の一例を示す説明図である。 第１の実施の形態における候補生成処理の全体の流れを示すフローチャートである。 第２の実施の形態にかかる音声合成装置の構成を示すブロック図である。 規則記憶部に記憶された規則の一例を示す説明図である。 第２の実施の形態における中間言語編集処理の全体の流れを示すフローチャートである。 第２の実施の形態における候補生成処理の全体の流れを示すフローチャートである。 第１または第２の実施の形態にかかる中間言語編集装置のハードウェア構成を示す説明図である。

符号の説明

５１ ＣＰＵ
５２ ＲＯＭ
５３ ＲＡＭ
５４ 通信Ｉ／Ｆ
６１ バス
１００ 音声合成装置
１０１ 文書受付部
１０２ 中間言語生成部
１０３ 修正受付部
１０４ 候補生成部
１０５ 候補提示部
１０６ 選択受付部
１０７ 置換部
１０８ 音声合成部
１２１ 辞書記憶部
１２２ 中間言語記憶部
１２３ 規則記憶部
７０１ ディスプレイ
７０２ 指示画面
７０３ マウスカーソル
７０４ 修正箇所
８０１ 候補表示画面
８０２ 中間言語表示フィールド
８０３ 視聴ボタン
８０４ 選択ボタン
８０５ キャンセルボタン
１０００ 音声合成装置
１００４ 候補生成部
１００５ 候補提示部
１０２３ 規則記憶部

Claims (11)

1. 文字列を音声に変換する音声合成処理で生成される中間言語を編集する中間言語編集装置であって、
   文書内で連続する単語を含む語句と、前記語句のアクセントの位置に関するアクセント情報を含む前記中間言語とを対応づけて記憶する中間言語記憶手段と、
   前記語句単位で、前記語句に対応する前記中間言語に含まれる前記アクセント情報の修正の指示を受付ける修正受付手段と、
   前記語句のアクセントを決定する予め定められた規則に基づいて、修正の指示を受付けた前記アクセント情報に代わる前記アクセント情報の候補を生成する候補生成手段と、
   生成した前記候補をユーザに提示する候補提示手段と、
   提示した前記候補の中からユーザにより選択された前記候補を受付ける選択受付手段と、
   前記中間言語記憶手段に記憶された前記中間言語に含まれる前記アクセント情報のうち、修正の指示を受付けた前記アクセント情報を、受付けた前記候補で置換する置換手段と、
   を備えたことを特徴とする中間言語編集装置。
2. 前記中間言語記憶手段は、前記語句と、前記語句に対するアクセントとして、前記規則のうちから選択された第１規則に基づいて決定されたアクセントの位置に関する前記アクセント情報を含む前記中間言語とを対応づけて記憶し、
   前記候補生成手段は、前記規則のうち前記第１規則以外の規則に基づいて決定されたアクセントの位置に関する前記アクセント情報を前記候補として生成すること、
   を特徴とする請求項１に記載の中間言語編集装置。
3. 前記候補提示手段は、生成した前記候補を含む前記中間言語をユーザに提示すること、
   を特徴とする請求項１に記載の中間言語編集装置。
4. 前記候補提示手段は、修正の指示を受付けた前記アクセント情報を含む前記中間言語に対応する前記語句を、生成した前記候補を含む前記中間言語を用いて音声合成した音声をユーザに提示すること、
   を特徴とする請求項１に記載の中間言語編集装置。
5. 前記中間言語記憶手段は、文書内で連続する名詞を含む前記語句と、前記中間言語とを対応づけて記憶し、
   前記修正受付手段は、連続する名詞を含む前記語句に対応する前記中間言語に含まれる前記アクセント情報の修正の指示を受付け、
   前記候補生成手段は、連続する名詞を含む前記語句のアクセントを決定する前記規則に基づいて前記候補を生成すること、
   を特徴とする請求項１に記載の中間言語編集装置。
6. 前記修正受付手段は、さらに、複数の名詞を連結した複合名詞に対応する前記中間言語に含まれる前記アクセント情報の修正の指示を受付け、
   前記候補生成手段は、修正の指示を受付けた前記アクセント情報が含まれる前記中間言語に対応する前記複合名詞を連続する名詞に分割し、分割した名詞を、前記語句に含まれる連続する名詞として前記規則に基づいて前記候補を生成すること、
   を特徴とする請求項５に記載の中間言語編集装置。
7. 前記候補提示手段は、前記規則を適用する順位であって前記規則ごとに予め定められた第１の優先順位の高い順に、生成した前記候補をユーザに提示すること、
   を特徴とする請求項１に記載の中間言語編集装置。
8. 前記候補提示手段は、前記第１の優先順位の高い順に予め定められた個数の前記候補をユーザに提示すること、
   を特徴とする請求項７に記載の中間言語編集装置。
9. 前記候補生成手段は、さらに、前記語句に含まれるモーラのそれぞれに対し、前記モーラにアクセントを付与した前記候補を生成し、
   前記候補提示手段は、さらに、アクセントを付与した前記モーラの前記語句内の位置ごとに予め定められた第２の優先順位の高い順に、生成した前記候補をユーザに提示すること、
   を特徴とする請求項７に記載の中間言語編集装置。
10. 文字列を音声に変換する音声合成処理で生成される中間言語を編集する中間言語編集装置における中間言語編集方法であって、
    前記中間言語編集装置は、
    文書内で連続する単語を含む語句と、前記語句のアクセントの位置に関するアクセント情報を含む前記中間言語とを対応づけて記憶する中間言語記憶手段を備え、
    修正受付手段によって、前記語句単位で、前記語句に対応する前記中間言語に含まれる前記アクセント情報の修正の指示を受付ける修正受付ステップと、
    候補生成手段によって、前記語句のアクセントを決定する予め定められた規則に基づいて、修正の指示を受付けた前記アクセント情報に代わる前記アクセント情報の候補を生成する候補生成ステップと、
    候補提示手段によって、生成した前記候補をユーザに提示する候補提示ステップと、
    選択受付手段によって、提示した前記候補の中からユーザにより選択された前記候補を受付ける選択受付ステップと、
    置換手段によって、前記中間言語記憶手段に記憶された前記中間言語に含まれる前記アクセント情報のうち、修正の指示を受付けた前記アクセント情報を、受付けた前記候補で置換する置換ステップと、
    を備えたことを特徴とする中間言語編集方法。
11. 文字列を音声に変換する音声合成処理で生成される中間言語を編集する中間言語編集装置における中間言語編集プログラムであって、
    前記中間言語編集装置は、
    文書内で連続する単語を含む語句と、前記語句のアクセントの位置に関するアクセント情報を含む前記中間言語とを対応づけて記憶する中間言語記憶手段を備え、
    前記語句単位で、前記語句に対応する前記中間言語に含まれる前記アクセント情報の修正の指示を受付ける修正受付手順と、
    前記語句のアクセントを決定する予め定められた規則に基づいて、修正の指示を受付けた前記アクセント情報に代わる前記アクセント情報の候補を生成する候補生成手順と、
    生成した前記候補をユーザに提示する候補提示手順と、
    提示した前記候補の中からユーザにより選択された前記候補を受付ける選択受付手段と、
    前記中間言語記憶手段に記憶された前記中間言語に含まれる前記アクセント情報のうち、修正の指示を受付けた前記アクセント情報を、受付けた前記候補で置換する置換手順と、
    をコンピュータに実行させる中間言語編集プログラム。

Images