JP2009047957A - ピッチパターン生成方法及びその装置 - Google Patents

Abstract

【課題】自然な強調度合いの変化をもつピッチパターンの生成を可能とするピッチパターン生成装置を提供する。
【解決手段】韻律制御単位パターン生成部１６は、言語属性情報１００、音韻継続時間長１１１及び強調度合い情報２００に基づいて韻律制御単位毎のピッチパターン１０３を生成し、変形方法決定部１４は、少なくとも強調度合い情報２００に基づいて、当該韻律制御単位の前後少なくとも一方の前記韻律制御単位との接続部分における、ピッチパターン１０３に対する平滑化処理による変形方法を決定して変形方法情報１０４を生成し、パターン接続部１３は、韻律制御単位毎に生成されたピッチパターン１０３を、変形方法情報１０４に応じた平滑化処理によって変形して接続することにより、音声合成対象となるテキストに対応した文ピッチパターン１２１を生成する。
【選択図】 図１

Description

本発明は、例えば、テキスト音声合成において、この合成音声の自然性に大きく影響するピッチパターン生成方法及びその装置に関するものである。

近年、任意の文章から人工的に音声信号を生成するテキスト音声合成装置が開発されている。一般的に、このテキスト音声合成装置は、言語処理部、韻律生成部、音声信号生成部の３つのモジュールから構成される。

この中で、韻律生成部の性能が合成音声の自然性に関係しており、とりわけ声の高さ（ピッチ）の変化パターンであるピッチパターンの自然性が、生成される合成音声の品質を大きく左右する。

従来のテキスト音声合成装置におけるピッチパターン生成方法は、比較的単純なモデルを用いてピッチパターンの生成を行っていたため、抑揚が不自然で単調な合成音声となっていた。

ところで、人間の発声する音声が自然な理由の１つに、発話の中で局所的な強弱の変化がついていることが挙げられる。

そこで、入力テキストの一部を強調したような合成音声を生成するために、強調情報に基づいてピッチパターンを変化させる方法が提案されている（例えば、特許文献１参照）。これは、強調の有無や種類に基づいて、ピッチパターンを制御するアクセント指令などの制御パラメータを変更することで、局所的な変化を持つピッチパターンを生成するものである。

また、強調部分の強調度合いを指定する方法についても提案されている（例えば、特許文献２参照）。これは、指定入力された強調レベルに応じて、例えばピッチパターンを変形させるために乗じる値などの物理制御パラメータを変化させるものである。

一方、適当な単位で切り出されたピッチパターンであるユニットパターンを接続して、一連のフレーズのピッチパターンを生成する際に、ユニットパターン間を補間して接続する方法が提案されている（例えば、特許文献３参照）。これは、使用されたユニットパターンの種類に応じて、ユニットパターン間を直線、あるいは３次曲線で補間して接続するものである。

これらいずれの従来例でも、自然音声に近い合成音声を得ることを目的に、ピッチパターンを変形させている。
特開平３−７８８００号公報 特開平５−２２４６８９号公報 特開平６−２３６１９７号公報

しかしながら、一文よりも短い単位である韻律制御単位のピッチパターンを生成し、それらを接続して入力テキストに対応した一文全体の自然な強弱の変化をもったピッチパターンを生成するピッチパターン生成方法において、上記従来例では下記の問題点がある。

第１の問題点を、当該韻律制御単位に対する強調度合いの指定が大きく、ピッチパターンを大きく変形させる場合について考える。この場合に、従来例では、強調されたピッチパターンとその前後のピッチパターンとの接続部分におけるつながりが滑らかでなくなり、生成される合成音声の自然性が劣化するという問題点が生じる。

例えば、入力テキストが「自然な合成音を生成できます。」であるとする。そして、図２のように韻律制御単位（ここではアクセント句単位）で生成されたピッチパターンに対して、図３のように接続境界部（網掛けの部分）において、パターンの不連続を低減するための平滑化処理による変形を行うことによって、入力テキストに対するピッチパターンが生成される。

ここで、２番目のアクセント句である「自然な」の強調度合いを変化させた合成音声を生成することを考える。

「強調なし」の場合には、平滑化処理によって、図４（ａ）のように後続アクセント句と滑らかに接続している。

しかし、「自然な」に対する強調度合いを大きくした場合には、強調によって変形されたアクセント句ピッチパターン、または、異なったアクセント句ピッチパターンに対して、「強調なし」の場合と同じ平滑化処理を適用すると、図４（ｂ）のように接続部分で急激なピッチの変化が生じてしまい、結果として生成される合成音声が不自然になる場合がある。

第２の問題点としては、当該韻律制御単位に対する強調度合いがあまり大きくない場合に、前後のアクセント句との接続部分におけるピッチパターンの平滑化処理が強すぎて、ピッチの変化が滑らかになりすぎ、当該韻律制御単位に対する強調の効果が聞き取りにくくなる場合が生じることである。

そこで、本発明は、上記問題に鑑み、強調されたピッチパターンとその前後のピッチパターンとの接続部分におけるつながりが滑らかに行え、かつ、目的のピッチパターンも強調できるピッチパターン生成方法及びその装置を提供することを目的とする。

本発明は、音声合成対象となるテキストの韻律制御単位毎のピッチパターンを接続して、該テキストに対応するピッチパターンを生成するピッチパターン生成方法であって、合成される音声における前記韻律制御単位毎の強調度合いを表す強調度合い情報と、言語属性情報とに基づいて、前記強調度合いを反映した第１のピッチパターンを、前記テキストの韻律制御単位毎にそれぞれ生成する第１の生成ステップと、前記第１のピッチパターンのそれぞれについて、他の第１のピッチパターンとの少なくとも前後一方の接続部分において、該接続部分を平滑化するための、少なくとも（１）所定の平滑化処理にかかるパラメータ、または（２）所定の平滑化処理にかかる前記接続部分の変形方法、を前記強調度合い情報に基づいて決定する方法決定ステップと、前記第１のピッチパターンの前記接続部分を前記変形方法に基づいて変形し、前記テキストに対応する第２のピッチパターンを生成する第２の生成ステップと、を有するピッチパターン生成方法である。

本発明によれば、韻律制御単位毎のピッチパターンについて、強調度合いに応じて接続部分における平滑化処理による変形方法を決定し、その変形方法に基づいて韻律制御単位毎のピッチパターンを変形して接続することによって音声合成対象となるテキストに対応したピッチパターンを生成するため、特にピッチパターンの接続部分においても自然な強調度合いの変化をもつピッチパターンを生成することができ、その結果、人間の発声した音声により近い自然な強弱の変化のついた合成音声を生成することが可能となる。

以下、図面を参照して本発明の一実施形態のピッチパターン生成装置１を説明する。

（１）ピッチパターン生成装置１の構成
図１は、本実施形態に係るピッチパターン生成装置１の構成例を示したものである。

ピッチパターン生成装置１は、韻律制御単位パターン生成部１６、変形方法決定部１４、パターン接続部１３から構成される。以下では、韻律制御単位はアクセント句であるとする場合を例にとって説明する。

本実施形態におけるピッチパターン生成装置１の特徴は、変形方法決定部１４において決定された変形方法に従って、パターン接続部１３においてピッチパターンに対する平滑化処理などの変形を行う点である。

上記各部１３、１４、１６の機能は、ソフトウェアとして記述し、適当な機構をもったコンピュータ装置に処理させても実現可能である。

また、コンピュータに実行させることのできるプログラムとして、磁気ディスク、光ディスク、半導体メモリなどの記録媒体に格納して、もしくはネットワークを介して頒布することも可能である。

（１−１）韻律制御単位パターン生成部１６
韻律制御単位パターン生成部１６は、言語属性情報１００、音韻継続時間長１１１及び強調度合い情報２００に基づいて、アクセント句単位のピッチパターン１０３を生成する。

この韻律制御単位パターン生成部１６としては、例えば、図６に示すように、パターン形状選択部１０、パターン形状生成部１１，オフセット制御部１２、ピッチパターン記憶部１５から構成される。

「言語属性情報１００」は、形態素解析や構文解析などの言語解析処理を行うことによって入力テキストから抽出可能な情報である。例えば、音韻記号列、音韻種別、品詞、アクセント型、モーラ数、係り先、ポーズ、文中位置などの情報である。

「強調度合い情報２００」は、「強調０（強調の指定なし）、強調１（弱めの強調）、強調２（中程度の強調）、強調３（強めの強調）」という４段階の出力音声の強調レベルを表す情報である場合を例にとって以下を説明する。なお、生成されるアクセント句単位のピッチパターン１０３は、この強調度合いを反映したパターンになっているものとする。

（１−２）変形方法決定部１４
変形方法決定部１４は、言語属性情報１００、音韻継続時間長１１１及び強調度合い情報２００に基づいて、前後少なくとも一方のアクセント句との接続部分におけるアクセント句単位のピッチパターン１０３に対する平滑化処理による変形方法を決定し、変形方法情報１０４を出力する。なお、このアクセント句単位のピッチパターン１０３は、上記の韻律制御単位パターン生成部１６で生成されたものである。

（１−３）パターン接続部１３
パターン接続部１３は、アクセント句毎に生成されたピッチパターン１０３を接続すると共に、変形方法情報１０４に従って、接続境界部分で不自然な不連続が生じないように平滑化などの処理を行って、文ピッチパターン１２１を出力する。

（２）ピッチパターン生成装置１における処理
次に、図５に基づいてピッチパターン生成装置１の各処理について説明する。図５は、ピッチパターン生成装置１における処理の流れを示すフローチャートである。

（２−１）ステップＳ１
まず、ステップＳ１において、韻律制御単位パターン生成部１６は、言語属性情報１００、音韻継続時間長１１１及び強調度合い情報２００に基づいて、アクセント句単位のピッチパターン１０３を生成する。

（２−１−１）ピッチパターン１０３の生成方法
図６に基づいて、強調度合いに応じた抑揚の変化をもつアクセント句単位のピッチパターン１０３の生成方法を説明する。

例えば、図６のような構成の場合、言語属性情報１００および強調度合い情報２００に基づいてピッチパターン記憶部１５からピッチパターンを選択し、選択したパターンを音韻継続時間長１１１に合わせて時間軸方向の伸縮することによってパターン形状を生成し、さらに、言語属性情報１００および強調度合い情報２００に基づいてパターン全体の高さであるオフセットを制御することによって、アクセント句単位の強調度合いを反映したピッチパターンを生成することができる。

図７（a）に、強調度合い情報２００に応じて、アクセント句単位のピッチパターンのオフセットを変化させることによって生成された、強調度合いを反映したピッチパターン１０３の例を示す。

この方法や構成に限らず、言語属性情報１００や強調度合い情報２００などに基づいて、関数近似モデルの制御パラメータを推定する方法、原音ピッチパターンから所望のパターンを選択するコーパスベースの生成方法、点ピッチモデルなどの既存のピッチパターン生成方法がある。図７（ｂ）には、強調度合い情報２００に応じて、ピッチパターンコーパスから所望のアクセント句単位のピッチパターンを選択することによって生成された、強調度合いを反映したピッチパターン１０３の例を示す。

（２−１−２）生成されたピッチパターン１０３
図２に、入力テキストに対して生成されたアクセント句単位のピッチパターン１０３の例を示す。この例のように、アクセント句単位のピッチパターン１０３は、前後のアクセント句との境界部分のピッチは一致していない場合が多い。

以上のように、入力テキストに対応する複数のアクセント句のそれぞれについて、当該アクセント句に対して指定された強調度合いを反映したピッチパターン１０３を生成し、次に図５のステップＳ２へ進む。

（２−２）ステップＳ２
ステップＳ２において、変形方法決定部１４は、言語属性情報１００、音韻継続時間長１１１及び強調度合い情報２００に基づいて、前後少なくとも一方のアクセント句との接続部分における前記アクセント句単位のピッチパターン１０３に対する平滑化処理による変形方法を決定し、変形方法情報１０４を出力する。

「変形方法情報１０４」は、平滑化処理の対象区間の情報である場合を例にとって以下を説明する。すなわち、前後のアクセント句との接続部分におけるピッチ変化の不自然な不連続を低減するために、変形方法情報１０４は、パターン接続部１３においてアクセント句単位のピッチパターン１０３に対して適用される平滑化処理の対象区間の情報である。

以下では、強調度合い情報２００と言語属性情報１００に含まれるアクセント型の情報とに基づいて、当該アクセント句と後続アクセント句との接続部分における平滑化処理区間の決定方法の一例を説明する。

（２−２−１）強調０、強調１
強調度合い情報２００が「強調０（強調なし）」もしくは「強調１（弱めの強調）」の場合を説明する。このときは、当該アクセント句と後続アクセント句との接続部分における平滑化処理区間は、平板型と平板型以外に分けて考える。

当該アクセント句のアクセント型が平板型の場合は、後続アクセント句の先頭モーラのみを平滑化処理区間とする。

当該アクセント句のアクセント型が平板型以外の場合は、当該アクセント句の最終モーラと後続アクセント句の先頭モーラとを平滑化処理区間とする。

（２−２−２）強調２
強調度合いが「強調２（中程度の強調）」の場合を説明する。

当該アクセント句のアクセント型が平板型の場合は、後続アクセント句の先頭モーラから第２モーラの半分までを平滑化処理区間とする。

また、当該アクセント句のアクセント型が平板型以外の場合は、当該アクセント句の最終モーラの１つ前のモーラの後半半分から、後続アクセント句の第２モーラの半分までを平滑化処理区間とする。

（２−２−３）強調３
強調度合いが「強調３（強めの強調）」の場合を説明する。

当該アクセント句のアクセント型が平板型の場合は、後続アクセント句の先頭モーラから第２モーラまでを平滑化処理区間とする。

また、当該アクセント句のアクセント型が平板型以外の場合は、当該アクセント句の最終モーラの１つ前のモーラから、後続アクセント句の第２モーラまでを平滑化処理区間とする。

（２−２−４）具体例
図８に示すように、例えば、当該アクセント句が「自然な」という平板型のアクセント句とする。後続アクセント句が「合成音を」というアクセント句とする。

強調度合い情報２００が「強調０（強調なし）」の場合は、図８（ａ）のように後続アクセント句の先頭モーラのみが平滑化処理区間となる。「強調３（強めの強調）」の場合は、図８（ｂ）のように後続アクセント句の第２モーラまでが平滑化処理区間となる。

このように、少なくとも韻律制御単位毎の強調度合いに関する情報に基づいて、接続部分におけるピッチパターンの変形方法（この例では平滑化処理区間）を制御する。

以上のように、入力テキストに対応する複数のアクセント句のそれぞれについて、アクセント句単位のピッチパターン１０３に対する変形方法情報１０４を生成し、次に図５のステップＳ３へ進む。

（２−２−５）変更例
なお、上記では、平滑化処理区間をモーラ単位で制御しているが、これに限定されるものではない。

例えば、音素単位や秒単位など処理区間の長さを表現できる単位であればよく、区間の決定方法も少なくとも強調度合い情報２００に応じて区間の長さや範囲（始点、終点）を変化させるものであればよい。

（２−３）ステップＳ３
ステップＳ３において、パターン接続部１３は、アクセント句毎に生成されたピッチパターン１０３を、変形方法情報１０４に従って、接続境界部分で不連続が生じないような平滑化などの処理を行って変形すると共に、それらを接続することによって、文ピッチパターン１２１を出力する。

ある一種類の平滑化方法（平滑化関数）が定義されているとする。そして、平滑化関数に基づいて、変形方法情報１０４の平滑化処理区間について、アクセント句単位のピッチパターン１０３を変形する場合について説明する。すなわち、当該アクセント句と後続アクセント句との境界部分における平滑化処理手順を説明する。

（２−３−１）第１手順
まず、当該アクセント句と後続アクセント句の接続点のピッチは、当該アクセント句のアクセント型が平板型の場合は、当該アクセント句の終点の値とする。

当該アクセント句のアクセント型が平板型以外の場合は、前記ピッチは、当該アクセント句の終点のピッチと後続アクセント句の始点のピッチの平均値とする。

（２−３−２）第２手順
変形方法情報１０４として指定された平滑化処理区間に対して、２次関数による平滑化処理を行ってそれぞれのピッチパターンを変形する。このときに、当該アクセント句のピッチパターンの末尾部分と後続アクセント句のピッチパターンの先頭部分とが、この接続点のピッチへ滑らかに変化するようにする。

（２−３−３）具体例
例えば、当該アクセント句が「自然な」という平板型のアクセント句の場合は、接続点のピッチの値ｐｃ（ここでは対数基本周波数とする）は当該アクセント句の終点となり、後続アクセント句のピッチパターンの時刻ｔの対数基本周波数ｐ（ｔ）を以下のように修正する。

ここで、ｌは平滑化処理区間長である。

すなわち、図９に示すように、上記の平滑化関数によって、図９（ａ）や図９（ｂ）のように変形方法決定部１４で決定された変形方法情報である平滑化処理区間に従って平滑化処理が適用され、強調度合いに応じてピッチパターンが適切に変形されるため、接続部分においても自然なピッチ変化をもったピッチパターンが生成される。

以上のように、アクセント句単位のピッチパターン１０３について、変形方法情報１０４に基づいた変形を行って接続することによって、入力テキストに対応する一文全体のピッチパターン１２１を生成する。

（３）効果
以上説明したように、本実施形態によれば、下記の効果がある。

変形方法決定部１４で少なくとも強調度合い情報２００に基づいて、接続部分における韻律制御単位毎のピッチパターンの変形方法を決定して変形方法情報１０４を出力する。さらに、パターン接続部１３において、強調度合いに応じて韻律制御単位のピッチパターン１０３を自然で滑らかに接続するために、変形方法情報１０４に基づいて変形を行うことができる。

（４）従来例との比較
韻律制御単位のピッチパターン１０３を接続するときにおいて、図１０（ｂ）の本実施形態と、図１０（ａ）のように従来例の強調度合いに基づいた変形が行われない場合（ここでは平滑化処理区間が固定の場合）と比較する。

図１０（ｂ）のように、接続部分において強調度合いに応じた平滑化処理によるピッチパターンの変形が可能である。そのため、当該韻律制御単位に対する強調度合いが大きく、韻律制御単位のピッチパターン１０３が大きく変化している場合でも、接続部における不自然なピッチ変化を低減することができる。

また、強調度合いが小さい場合においても、接続部分の平滑化処理による変形方法を制御できるため、過度な平滑化によって強調箇所が不明瞭になったり、単調になりすぎたりすることを防ぐことができる。

結果として、抑揚に適切な強弱を付与することが可能となり、生成される合成音声の了解性や自然性を向上させることができる。

（６）変更例
本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。

また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

以下、順番にその変更例を説明する。

（６−１）変更例１
上記実施形態では、変形方法決定部１４は、変形方法情報１０４として、パターン接続部１３で適用する平滑化処理の対象区間である平滑化処理区間を決定するものとしたが、これに限定されるものではない。

すなわち、パターン接続部１３において、韻律制御単位のピッチパターン１０３を自然に接続するための変形方法を表現できる情報を決定するものであればよい。

例えば、パターン接続部１３に１つ以上の平滑化方法（平滑化関数）を用意しておき、少なくとも強調度合い情報２００に基づいて、当該韻律制御単位のピッチパターン１０３に適用する平滑化方法と、その平滑化方法を適用する平滑化処理区間とを決定するものでもよい。

具体的には、パターン接続部１３において、平滑化方法として上述した２次関数によるものに加えて、平滑化処理区間の前半でより大きくパターンを変形させる平滑化関数と、平滑化処理区間の後半でより大きくパターンを変形させる平滑化関数とを用意する。そして、変形方法決定部１４は、強調度合い情報２００と言語属性情報１００とに基づいて、この３種類の平滑化関数の１つを選択するための情報と、選択した平滑化関数による平滑化処理の対象区間とを変形方法情報１０４として決定する。

（６−２）変更例２
平滑化方法としては、平滑化関数ではなく、平滑化パターンを保持してよい。そして、変更例１においては、複数の平滑化パターンを準備し、それらを選択するための情報を変形方法情報１０４として決定するものであってもよい。

（６−３）変更例３
少なくとも強調度合い情報２００に基づいて、パターン接続部１３で用いる接続境界における接続点のピッチを決定することで、変形方法を決定するものでもよい。

具体的には、当該アクセント句と後続アクセント句との接続境界の接続点のピッチを、当該アクセント句のアクセント型が平板型の場合は、当該アクセント句の終点の値とする。

また、当該アクセント句のアクセント型が平板型以外の場合は、下記の条件で分ける。

第１の条件は、当該アクセント句の強調度合いが後続アクセント句の強調度合いよりも大きいときである。このときは、当該アクセント句の終点のピッチと後続アクセント句の始点のピッチの平均値よりも高めの値とする。

第２の条件は、強調度合いが等しいときである。このときは前記ピッチの平均値とする。

第３の条件は、当該アクセント句の強調度合いが後続アクセント句の強調度合いよりも小さい場合である。このときは、平均値よりも低めの値と決定する。

このように、接続点のピッチを強調度合いに応じて変更することによっても、接続部分におけるピッチパターンの変形方法を制御できる。

図１１に、境界点のピッチの決め方を強調度合い情報に応じて変更する一例を示す。（ａ）では、当該アクセント句と後続アクセント句ともに強調されていない（強調度合い０）のため、上述の第２の条件となり、接続点ピッチは当該アクセント句の終端ピッチと後続アクセント句の始端ピッチの平均値としている。一方、（ｂ）では、当該アクセント句を強調したため、上述の第１の条件となり、接続点ピッチを平均値よりも高い値とすることで、接続部において不自然なピッチ変化が生じることなく、強調された当該アクセント句と強調されていない後続アクセント句を滑らかに接続することが可能となっている。

（６−４）変更例４
上記実施形態では、変形方法決定部１４は、当該韻律制御単位に対する強調度合い情報２００と言語属性情報１００に含まれるアクセント型の情報とに基づいて、ピッチパターンの変形方法を決定するものとしたが、これに限定されるものではない。

例えば、当該韻律制御単位の強調度合いと、その前後の韻律制御単位の強調度合いとの差の情報を利用するものであってもよい。

また、強調度合いを表す情報に加えて、接続境界付近の音韻継続時間長１１１や、言語属性情報１００に含まれるモーラ数や音韻種別などの情報を用いることで、より細かく変形方法を制御することが可能となり、パターン接続部１３において様々なバリエーションのピッチパターンの接続に対して、適切な変形を行うことができる。

（６−５）変更例５
上記実施形態では、パターン接続部１３では、韻律制御単位のピッチパターン１０３に対して平滑化処理による変形を行い、それから変形したピッチパターンを接続することによって一文全体のピッチパターン１２１を生成しているが、この処理手順はこれに限定されるものではない。

例えば、先に韻律制御単位のピッチパターン１０３を接続し、その後に接続部分に対して変形方法情報１０４に基づいた平滑化処理による変形を行うことも可能である。

（６−６）変更例６
上記実施形態では、強調度合い情報２００を４段階の出力音声の強調レベルを表す情報としたが、これに限定されるものではない。

例えば、出力音声の強弱の変化やその範囲を指定するタグ情報が入力テキストに付与されている場合は、このタグ情報に含まれる強調度合いから強調度合い情報２００を生成することも可能である。また、韻律の変化度合いの指定に変換できる情報であれば、感情表現などを指定するタグ情報を利用することもできる。

タグ情報の具体例としては、Ｗｅｂページ上で音声合成機能を利用するための記述言語であるＳＳＭＬ（Speech Synthesis Markup Language）や、日本語テキスト音声合成用記号の規格であるJEIDA-62-2000などがある。

また、強調度合い情報２００の別の例としては、入力テキストに対して言語解析処理などを行うことによって、推定もしくは抽出された出力音声の強弱の変化に関する情報を用いることも可能である。

さらには、強調の有無によって韻律制御単位パターン生成部１６で生成されるピッチパターンが変化する度合い（変化量）を、新たな強調度合い情報として用いることも可能である。

この場合は、例えば図１２に示すような構成となる。韻律制御単位パターン生成部１６において、強調度合い情報２００に従って生成したピッチパターン１０３に対して、特に強調が指定されなかった（デフォルトの強調度合い）として生成したピッチパターンからの変化量（例えば平均ピッチの差や、始端や終端ピッチの差など）を求め、これを新たな強調度合いを表現する情報（新・強調度合い情報２０１）として、変形方法決定部１４に出力する。

本発明の一実施形態に係るピッチパターン生成装置の構成を示すブロック図である。 アクセント句単位で生成されたピッチパターンの一例を示す図である。 アクセント句単位のピッチパターンを平滑化処理による変形を行って接続することによって生成したピッチパターンの一例を示す図である。 強調度合いの異なるピッチパターンに対する、接続部分における平滑化処理結果の違いの一例を示す図である。 ピッチパターン生成装置１の処理手順の一例を示すフローチャートである。 韻律制御単位パターン生成部の構成の一例を示すブロック図である。 強調度合いに基づく平滑化処理区間の制御の一方法を説明するための図である。 強調度合いを反映して生成されたアクセント句単位のピッチパターンの一例を示す図である。 平滑化処理区間に応じた平滑化処理の一方法を説明するための図である。 平滑化処理区間の制御の有無による接続部分におけるピッチパターンの平滑化処理結果の違いの一例を示す図である。 変更例３に係る接続点のピッチを強調度合いに基づいて変更する平滑化処理の一方法を説明するための図である。 変更例６に係るピッチパターン生成装置の構成例を示すブロック図である。

符号の説明

１ ピッチパターン生成装置
１０ パターン選択部
１１ パターン形状生成部
１２ オフセット制御部
１３ パターン接続部
１４ 変形方法決定部
１５ ピッチパターン記憶部
１６ 韻律制御単位パターン生成部
１００ 言語属性情報
１０１ 選択ピッチパターン
１０２ 時間方向伸縮済みピッチパターン
１０３ 韻律制御単位ピッチパターン
１０４ 変形方法情報
１１１ 音韻継続時間長
１２１ 文ピッチパターン
２００ 強調度合い情報
２０１ 新・強調度合い情報

Claims (18)

1. 音声合成対象となるテキストの韻律制御単位毎のピッチパターンを接続して、該テキストに対応するピッチパターンを生成するピッチパターン生成方法であって、
   合成される音声における前記韻律制御単位毎の強調度合いを表す強調度合い情報と、言語属性情報とに基づいて、前記強調度合いを反映した第１のピッチパターンを、前記テキストの韻律制御単位毎にそれぞれ生成する第１の生成ステップと、
   前記第１のピッチパターンのそれぞれについて、他の第１のピッチパターンとの少なくとも前後一方の接続部分において、該接続部分を平滑化するための、少なくとも（１）所定の平滑化処理にかかるパラメータ、または（２）所定の平滑化処理にかかる前記接続部分の変形方法、を前記強調度合い情報に基づいて決定する方法決定ステップと、
   前記第１のピッチパターンの前記接続部分を前記変形方法に基づいて変形し、前記テキストに対応する第２のピッチパターンを生成する第２の生成ステップと、
   を有するピッチパターン生成方法。
2. 前記方法決定ステップは、
   前記強調度合い情報に基づいて、前記接続部分において前記平滑化処理を適用する区間である平滑化区間を決定する、
   請求項１記載のピッチパターン生成方法。
3. 前記方法決定ステップは、
   前記強調度合い情報に基づいて、予め記憶された複数の平滑化関数の中から一つの平滑化関数を前記変形方法として選択し、
   前記強調度合い情報に基づいて、前記選択した一つの平滑化関数を適用する前記接続部分における平滑化区間を決定する、
   請求項１記載のピッチパターン生成方法。
4. 前記方法決定ステップは、
   前記強調度合い情報に基づいて、前記第１のピッチパターンの境界における接続点のピッチを決定し、
   前記接続点が前記ピッチの位置になるように前記第１のピッチパターンの前記接続部分の変形方法を決定する、
   請求項１記載のピッチパターン生成方法。
5. 前記方法決定ステップは、
   前記強調度合い情報に加えて、前記韻律制御単位毎のアクセント型、モーラ数、音韻種別のうちの少なくとも１つの前記言語属性情報を参照する、
   請求項１記載のピッチパターン生成方法。
6. 前記方法決定ステップは、
   前記強調度合い情報の前記強調度合いが大きいほど、前記第１のピッチパターンの接続部分に対する変形量が大きくなるような変形方法を決定する、
   請求項１記載のピッチパターン生成方法。
7. 前記方法決定ステップは、
   前記第１のピッチパターンの前記強調度合いと、前記第１のピッチパターンの前後の前記他の第１のピッチパターンの前記強調度合いとの差が大きいほど、前記第１のピッチパターンの前記接続部分に対する変形量が大きくなるような変形方法を決定する、
   請求項１記載のピッチパターン生成方法。
8. 前記強調度合い情報は、
   外部から指定される前記韻律制御単位毎の強調度合いである、
   請求項１記載のピッチパターン生成方法。
9. 前記強調度合い情報は、
   前記テキストに基づいて前記韻律制御単位毎に推定された強調度合いである、
   請求項１記載のピッチパターン生成方法。
10. 前記強調度合い情報は、
    強調の有無による前記第１のピッチパターンの変化量に基づいた強調度合いである、
    請求項１記載のピッチパターン生成方法。
11. 音声合成対象となるテキストの韻律制御単位毎のピッチパターンを接続して、該テキストに対応するピッチパターンを生成するピッチパターン生成装置であって、
    合成される音声における前記韻律制御単位毎の強調度合いを表す強調度合い情報と、言語属性情報とに基づいて、前記強調度合いを反映した第１のピッチパターンを、前記テキストの韻律制御単位毎にそれぞれ生成する第１の生成部と、
    前記第１のピッチパターンのそれぞれについて、他の第１のピッチパターンとの少なくとも前後一方の接続部分において、該接続部分を平滑化するためにの、少なくとも（１）所定の平滑化処理にかかるパラメータ、または（２）所定の平滑化処理にかかる前記接続部分の変形方法、を前記強調度合い情報に基づいて決定する方法決定部と、
    前記第１のピッチパターンの前記接続部分を前記変形方法に基づいて変形し、前記テキストに対応する第２のピッチパターンを生成する第２の生成部と、
    を有するピッチパターン生成装置。
12. 前記方法決定部は、
    前記強調度合い情報に基づいて、前記接続部分において前記平滑化処理を適用する区間である平滑化区間を決定する、
    請求項１１記載のピッチパターン生成装置。
13. 前記方法決定部は、
    前記強調度合い情報に基づいて、予め記憶された複数の平滑化関数の中から一つの平滑化関数を前記変形方法として選択し、
    前記強調度合い情報に基づいて、前記選択した一つの平滑化関数を適用する前記接続部分における平滑化区間を決定する、
    請求項１１記載のピッチパターン生成装置。
14. 前記方法決定部は、
    前記強調度合い情報に基づいて、前記第１のピッチパターンの境界における接続点のピッチを決定し、
    前記接続点が前記ピッチの位置になるように前記第１のピッチパターンの前記接続部分の変形方法を決定する、
    請求項１１記載のピッチパターン生成装置。
15. 音声合成対象となるテキストの韻律制御単位毎のピッチパターンを接続して、該テキストに対応するピッチパターンを生成するピッチパターン生成プログラムであって、
    合成される音声における前記韻律制御単位毎の強調度合いを表す強調度合い情報と、言語属性情報とに基づいて、前記強調度合いを反映した第１のピッチパターンを、前記テキストの韻律制御単位毎にそれぞれ生成する第１の生成機能と、
    前記第１のピッチパターンのそれぞれについて、他の第１のピッチパターンとの少なくとも前後一方の接続部分において、該接続部分を平滑化するための、少なくとも（１）所定の平滑化処理にかかるパラメータ、または（２）所定の平滑化処理にかかる前記接続部分の変形方法、を前記強調度合い情報に基づいて決定する方法決定機能と、
    前記第１のピッチパターンの前記接続部分を前記変形方法に基づいて変形し、前記テキストに対応する第２のピッチパターンを生成する第２の生成機能と、
    をコンピュータによって実現するピッチパターン生成プログラム。
16. 前記方法決定機能は、
    前記強調度合い情報に基づいて、前記接続部分において前記平滑化処理を適用する区間である平滑化区間を決定する、
    請求項１５記載のピッチパターン生成プログラム。
17. 前記方法決定機能は、
    前記強調度合い情報に基づいて、予め記憶された複数の平滑化関数の中から一つの平滑化関数を前記変形方法として選択し、
    前記強調度合い情報に基づいて、前記選択した一つの平滑化関数を適用する前記接続部分における平滑化区間を決定する、
    請求項１５記載のピッチパターン生成プログラム。
18. 前記方法決定機能は、
    前記強調度合い情報に基づいて、前記第１のピッチパターンの境界における接続点のピッチを決定し、
    前記接続点が前記ピッチの位置になるように前記第１のピッチパターンの前記接続部分の変形方法を決定する、
    請求項１５記載のピッチパターン生成プログラム。

Images