JP2010117528A - Vocal quality change decision device, vocal quality change decision method and vocal quality change decision program - Google Patents
Vocal quality change decision device, vocal quality change decision method and vocal quality change decision program Download PDFInfo
- Publication number
- JP2010117528A JP2010117528A JP2008290314A JP2008290314A JP2010117528A JP 2010117528 A JP2010117528 A JP 2010117528A JP 2008290314 A JP2008290314 A JP 2008290314A JP 2008290314 A JP2008290314 A JP 2008290314A JP 2010117528 A JP2010117528 A JP 2010117528A
- Authority
- JP
- Japan
- Prior art keywords
- text
- input
- voice
- voice quality
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
本願は、発声者の声質変化の判定を行う声質変化判定装置、声質変化判定方法および声質変化判定プログラムに関する。 The present application relates to a voice quality change determination device, a voice quality change determination method, and a voice quality change determination program for determining a voice quality change of a speaker.
音声合成データベースや録音再生コンテンツ等の音声を収録する場合、発声者による大量の音声を均一な声質で収録する必要がある。しかし、収録が長時間に渡ると、発声者の声質は、疲労により経時的に変化してしまう。さらに、収録が複数日に渡る場合には、収録日に応じて発声者の声質が変化してしまう。従来は、監督者が発声者の音声を聞きながら、収録を行う手法が採られていた。この手法では、発声者の声質が変化した場合は、監督者がそれを察知し、その場で発声者に再収録させる。このような、監督者の聴感に頼った手法では声質の均一化が困難である。そのため、収録後の試聴によって声質変化が判明し、後日改めて再収録するなどといった事態が発生しうる。すなわち、費用コスト、時間コストのロスが発生するといった問題がある。 When recording speech such as a speech synthesis database or recording / playback content, it is necessary to record a large amount of speech by a speaker with uniform voice quality. However, when recording is performed for a long time, the voice quality of the speaker changes over time due to fatigue. Further, when recording is performed over a plurality of days, the voice quality of the speaker changes according to the recording date. Conventionally, a method has been adopted in which the supervisor records while listening to the voice of the speaker. In this method, if the voice quality of the speaker changes, the supervisor will detect it and have the speaker re-record on the spot. It is difficult to equalize the voice quality by such a method that relies on the supervisor's sense of hearing. For this reason, a change in voice quality is revealed by the audition after recording, and a situation such as re-recording at a later date may occur. That is, there is a problem that cost costs and time costs are lost.
そのため、人の聴覚に頼らずに発声者の声質変化を判定する技術が開示されている(例えば、特許文献1参照)。この従来技術は、予め特定の音声を登録しておき、その特定の音声と入力音声との比較により音声認識し、音声認識率に応じて体調を判定するものである。
しかしながら、上記従来技術では、発声者が特定の発声をしなければ声質変化を検査することができない。この方法だと、発声者は、音声収録途中に、声質判定のために特定の発声を強要されるため、無駄に発声量を増やすこととなる。その結果、発声者を疲労させ、発声者の声質を変化させてしまう。 However, in the above prior art, the voice quality change cannot be inspected unless the speaker makes a specific utterance. According to this method, since the speaker is forced to make a specific utterance for voice quality determination during the recording of the voice, the amount of utterance is unnecessarily increased. As a result, the speaker is tired and the voice quality of the speaker is changed.
本発明は、上記課題に鑑み、発声者の発声量を増やすことなく、発声者の声質変化の自動判定を可能にする声質変化判定装置、声質変化判定方法および声質変化判定プログラムを提供することを目的とする。 In view of the above problems, the present invention provides a voice quality change determination device, a voice quality change determination method, and a voice quality change determination program that enable automatic determination of a voice quality change of a speaker without increasing the amount of voice of the speaker. Objective.
本願に開示する声質変化判定装置は、基準となる声質を表す基準特徴量と、基準特徴量に対応する基準テキストとを記録する基準データ記録部にアクセス可能な声質変化判定装置であって、発声者の音声を入力音声として入力する音声入力部と、前記入力音声に対応するテキストを、入力テキストとして入力するテキスト入力部と、前記入力音声の特徴量を算出する特徴量算出部と、前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量を基準特徴量と比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する声質判定部と、該声質判定部が、声質変化は許容範囲内であると判定した入力音声に対応する入力テキストを、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録部とを備える。 A voice quality change determination device disclosed in the present application is a voice quality change determination device that is accessible to a reference data recording unit that records a reference feature amount representing a reference voice quality and a reference text corresponding to the reference feature amount. A voice input unit that inputs a user's voice as input voice, a text input unit that inputs text corresponding to the input voice as input text, a feature amount calculation unit that calculates a feature amount of the input voice, and the input A voice quality that determines whether or not the voice quality change of the input voice is within a predetermined allowable range by comparing a feature quantity of the input voice corresponding to a portion where the text and the reference text match each other with a reference feature quantity A new reference text and an input text corresponding to the input speech determined by the determination unit and the voice quality determination unit that the voice quality change is determined to be within the allowable range. And a reference registration unit for recording the reference data recording section as a fine reference feature amount.
声質判定部は、入力テキストと基準テキストとが互いに一致する部分において、入力音声の特徴量と基準特徴量とを比較することにより、入力音声の声質の変化を判定することができる。そして、声質判定部は、判定結果を出力する。 The voice quality determination unit can determine the change in the voice quality of the input voice by comparing the feature quantity of the input voice with the reference feature quantity in a portion where the input text and the reference text match each other. The voice quality determination unit outputs the determination result.
さらに、前記基準登録部は、前記声質判定部により声質変化が許容範囲内と判定された入力音声の特徴量および対応するテキストを、新たな基準テキストおよび基準特徴量として記録する。そのため、入力音声の声質変化の判定に伴って、基準特徴量と基準テキストの追加登録が自動的になされる。すなわち、発声者の発声量を増やさなくても、声質変化判定の基準となる情報を追加することができる。その結果、発声者の発声量を無駄に増やすくことなく、基準となるデータが拡充され、発声者の声質変化の自動判定が可能になる。ひいては、声質の安定した音声収録が実現になる。 Further, the reference registration unit records the feature amount of the input speech and the corresponding text for which the voice quality change is determined to be within an allowable range by the voice quality determination unit as a new reference text and a reference feature amount. Therefore, additional registration of the reference feature amount and the reference text is automatically performed with the determination of the voice quality change of the input voice. That is, it is possible to add information serving as a reference for determining a voice quality change without increasing the utterance amount of the utterer. As a result, the reference data is expanded without unnecessarily increasing the utterance amount of the utterer, and the voice quality change of the utterer can be automatically determined. As a result, voice recording with stable voice quality is realized.
なお、声質は、例えば、音量、話速、声の高さ、抑揚または音色もしくはこれらの組み合わせによって表すことができる。 The voice quality can be expressed by, for example, volume, speaking speed, voice pitch, intonation, timbre, or a combination thereof.
本発明の実施形態において、前記声質変化判定装置は、さらに、音声入力すべきテキストが予め登録されているテキスト記録部にアクセス可能であり、前記テキスト入力部は、前記テキスト記録部にアクセスして、入力テキストを読み込み、当該入力テキストを発声者に対して出力し、前記音声入力部は、前記出力された前記入力テキストを読み上げる発声者の音声を入力する態様とすることができる。 In an embodiment of the present invention, the voice quality change determination device further has access to a text recording unit in which text to be input is pre-registered, and the text input unit accesses the text recording unit. The input text is read, the input text is output to the speaker, and the voice input unit can input the voice of the speaker who reads the output text.
本発明の実施形態において、声質変化判定装置は、前記入力テキストを言語解析し、言語解析の結果に基づき前記入力テキストを解析単位に分割する言語処理部をさらに備え、前記特徴量算出部は、前記言語処理部により分割された解析単位ごとに対応する特徴量を算出し、前記声質判定部は、前記入力テキストと前記基準テキストとが互いに一致する解析単位に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する態様とすることができる。 In an embodiment of the present invention, the voice quality change determination device further includes a language processing unit that performs language analysis on the input text and divides the input text into analysis units based on a result of language analysis, and the feature amount calculation unit includes: A feature amount corresponding to each analysis unit divided by the language processing unit is calculated, and the voice quality determination unit includes the feature amount and the reference of the input speech corresponding to the analysis unit in which the input text and the reference text match each other. By comparing the feature quantities, it can be determined whether or not the voice quality change of the input speech is within a predetermined allowable range.
上記構成により、言語解析に基づいた適切な解析単位で、特徴量を算出し、声質変化の判定を行うことができる。その結果、判定精度をより向上させることができる。なお、言語解析は、例えば、形態素解析のようにテキストを言語処理上意味のある単位に区切る処理である。解析単位は、声質変化の判定を行うのに適した単位であり、言語解析の結果区切られた単位と必ずしも同じである必要はない。 With the configuration described above, it is possible to calculate a feature amount and determine a voice quality change in an appropriate analysis unit based on language analysis. As a result, the determination accuracy can be further improved. The language analysis is a process of dividing text into meaningful units for language processing, such as morphological analysis. The analysis unit is a unit suitable for determining the voice quality change, and is not necessarily the same as the unit divided as a result of the language analysis.
本発明の実施形態において、基準データ記録部は、前記基準テキストを表音テキストとして記録し、前記入力テキストを表音テキストに変換する変換部をさらに備え、前記声質判定部は、表音テキストに変換された前記入力テキストと前記基準テキストが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化を判定する態様とすることができる。 In an embodiment of the present invention, the reference data recording unit further includes a conversion unit that records the reference text as phonetic text and converts the input text into phonetic text, and the voice quality determination unit converts the phonetic text into phonetic text. The voice quality change of the input voice can be determined by comparing the feature quantity of the input voice corresponding to the portion where the converted input text and the reference text match each other and the reference feature quantity.
これにより、表音テキストが一致する部分について、入力音声の特徴量と基準特徴量を比較することにより声質変化が判定されるので、表音テキストが一致しない部分については判定の対象から除外される。そのため、より正確な判定が可能になる。 As a result, the voice quality change is determined by comparing the feature quantity of the input speech with the reference feature quantity for the portion where the phonetic text matches, so the portion where the phonetic text does not match is excluded from the determination target. . Therefore, more accurate determination can be performed.
なお、表音テキストは、コンピュータが処理する際、読みを表す情報として扱うことができるテキストであればよい。 The phonetic text may be any text that can be handled as information representing reading when the computer processes it.
本発明の実施形態において、前記基準登録部は、テキストと基準テキストが一致する部分に対応する入力音声の特徴量を前記基準データ記録部に追加する場合に、前記部分に対応する既存の基準特徴量を、前記入力音声の特徴量に置換するか、または、前記既存の基準特徴量と前記入力音声の特徴量を用いて算出される特徴量を、新たな基準特徴量として追加する態様とすることができる。 In an embodiment of the present invention, the reference registration unit adds an existing speech feature corresponding to a portion where the text and the reference text match to the reference data recording unit, and the existing reference feature corresponding to the portion. A quantity is replaced with a feature quantity of the input speech, or a feature quantity calculated using the existing reference feature quantity and the feature quantity of the input speech is added as a new reference feature quantity be able to.
本発明の実施形態において、前記基準登録部は、前記声質判定部が声質変化は許容範囲内と判定した前記入力音声について、前記入力テキストと前記基準テキストとが互いに一致する解析単位および当該解析単位に隣接する解析単位に対応する入力テキストおよび特徴量を、新たな基準テキストおよび基準特徴量として、前記基準データ記録部に記録する態様とすることができる。 In an embodiment of the present invention, the reference registration unit includes an analysis unit in which the input text and the reference text match each other for the input speech for which the voice quality determination unit determines that the voice quality change is within an allowable range, and the analysis unit. The input text and the feature amount corresponding to the analysis unit adjacent to can be recorded in the reference data recording unit as a new reference text and reference feature amount.
これにより、入力テキストと基準テキストが一致した箇所の近傍を新たに基準テキスト、基準特徴量として登録することができる。そのため、既存の基準となる音声に比べて声質変化の少ない部分の特徴量を適格に選び出し、新たな基準特徴量に追加することができる。 Thereby, the vicinity of the place where the input text and the reference text match can be newly registered as the reference text and the reference feature amount. Therefore, it is possible to appropriately select a feature amount of a portion with less change in voice quality compared to the existing reference speech and add it to a new reference feature amount.
上記実施形態にかかる声質変化判定装置を含む音声収録装置であって、前記入力音声のうち、前記声質変化判定装置の前記声質判定部によって、声質の変化が許容範囲内であると判定された入力音声を、収録データとして記録する収録部を備える音声収録装置も、本発明の実施形態に含まれる。 An audio recording device including the voice quality change determination device according to the embodiment, wherein the input of the input voice is determined by the voice quality determination unit of the voice quality change determination device to be within an allowable range. An audio recording apparatus including a recording unit that records audio as recorded data is also included in the embodiment of the present invention.
コンピュータに声質変化判定処理を実行させることにより、当該コンピュータを上記声質変化判定装置として機能させる声質変化判定プログラムも、本発明の実施形態の一つである。 A voice quality change determination program that causes a computer to function as the voice quality change determination device by causing the computer to execute voice quality change determination processing is also one embodiment of the present invention.
コンピュータが、上記声質変化判定装置の機能を実現するために実行する声質変化判定方法も、本発明の実施形態の一つである。 A voice quality change determination method executed by a computer to realize the function of the voice quality change determination apparatus is also one embodiment of the present invention.
本願開示によれば、人の耳に頼らなくても、発声者の声質変化を正確に自動的に判定できるため、発声者の無駄な発声量を増やすことなく、発声者の声質の安定した音声収録をすることが可能になる。 According to the present disclosure, since it is possible to accurately and automatically determine the voice quality change of the speaker without relying on the human ear, the voice of the voice of the speaker is stable without increasing the amount of useless voice of the speaker. It becomes possible to record.
(第1の実施形態)
[声質変化判定装置の構成]
図1は、第1の実施形態にかかる声質変化判定装置の構成を示す機能ブロック図である。図1に示す声質変化判定装置1は、発声者の音声を入力して、発声者の声質を判定し、声質の変化が許容範囲内でない場合に警告を出力する装置である。そのため、声質変化判定装置1は、音声入力部2、テキスト入力部3、特徴量算出部4、声質判定部5、基準登録部6および基準データ記録部7を備える。
(First embodiment)
[Configuration of voice quality change determination device]
FIG. 1 is a functional block diagram illustrating a configuration of a voice quality change determination device according to the first embodiment. A voice quality change determination device 1 shown in FIG. 1 is a device that inputs a voice of a speaker, determines the voice quality of the speaker, and outputs a warning when the change in voice quality is not within an allowable range. Therefore, the voice quality change determination device 1 includes a
なお、図示していないが、声質変化判定装置1は、スピーカやディスプレイ等の警告を出力するための出力機器、並びに、マウス、キーボード、タブレット、ボタン、スキャナまたはカメラ等の入力情報を入力するための入力機器を備えてもよい。 Although not shown, the voice quality change determination device 1 inputs output information for outputting a warning such as a speaker or a display, and input information such as a mouse, a keyboard, a tablet, a button, a scanner, or a camera. The input device may be provided.
声質変化判定装置1は、例えば、パーソナルコンピュータやサーバマシン等の汎用コンピュータに所定のプログラムをインストールすることによって実現することができる。また、汎用コンピュータに限らず、例えば、車載情報端末、携帯電話、PDA(Personal Digital Assistant)、家電製品等の電子機器に組み込まれたコンピュータによって声質変化判定装置1が形成されてもよい。あるいは、コンピュータを内蔵した専用機器で声質変化判定装置1が形成されてもよい。 The voice quality change determination device 1 can be realized, for example, by installing a predetermined program in a general-purpose computer such as a personal computer or a server machine. In addition, the voice quality change determination device 1 may be formed by a computer incorporated in an electronic device such as an in-vehicle information terminal, a mobile phone, a PDA (Personal Digital Assistant), and a home appliance, for example. Alternatively, the voice quality change determination device 1 may be formed by a dedicated device incorporating a computer.
音声入力部2、テキスト入力部3、特徴量算出部4、声質判定部5および基準登録部6の各機能は、CPUが所定のプログラムを実行することによって実現される。したがって、上記の各機能をコンピュータで実現するためのプログラムまたはそれを記録した記録媒体も本発明の一実施態様である。また、基準データ記録部7は、安定した声質で入力された音声データであり、コンピュータの内蔵記憶装置またはこのコンピュータからアクセス可能な記憶装置によって具現化される。
Each function of the
なお、声質変化判定装置1の構成は、図1に示す例に限られない。例えば、基準データ記録部8は、声質変化判定装置1の外部に設けられた記憶媒体で実現されてもよい。以下、各機能部について詳細に説明する。 The configuration of the voice quality change determination device 1 is not limited to the example illustrated in FIG. For example, the reference data recording unit 8 may be realized by a storage medium provided outside the voice quality change determination device 1. Hereinafter, each functional unit will be described in detail.
[音声入力部2]
音声入力部2は、発声者の音声を外部から入力し、入力音声として、声質変化判定装置1で処理可能な状態にする。音声入力部2は、例えば、収録マイクなどを介して、発声者の音声を声質変化判定装置1に取り込み、特徴量算出部4に渡す。あるいは、音声入力部2は、外部または内蔵の記録媒体に予め記録された発声者の音声データを読み込むか、またはネットワークを介して音声データを受信することで発声者の音声を入力してもよい。
[Voice input unit 2]
The
[テキスト入力部3]
テキスト入力部3は、発声者の音声の内容を示すテキストを外部から入力し、入力テキストとして声質変化判定装置1で処理可能な状態にする。テキスト入力部3は、例えば、基準文章または読み上げ原稿の内容を入力テキストとして入力する。入力テキストの形式は、漢字の読みやアクセント位置情報を表す表音テキストが好ましいが、例えば、かな漢字混じりテキストのような通常表記のテキストでも良い。
[Text input part 3]
The
また、テキスト入力部3は、例えば、GUIを介して、発声者に対してテキストを表示し、表示されたテキストを読み上げる発声者の音声を音声入力部2に入力させることで、入力音声とテキストとの対応関係を特定することができる。あるいは、テキスト入力部3は、GUIを介して発声者あるいは他のユーザから入力音声に対応するテキストの入力を受け付けてもよいし、音声入力部2の入力音声を音声認識することによって入力音声に対応する入力テキストを生成してもよい。そのため、音質変化判定装置1は、例えば、入力音声を認識して入力テキストを生成する音声認識部をさらに備えてもよい。
In addition, the
[特徴量算出部4]
特徴量算出部4は、入力音声と入力テキストから特徴量を算出し、対応する入力テキストとともに、声質判定部5あるいは基準データ記録部7へ出力する。本実施形態における特徴量は、音声の音響的、音韻的な特徴を数値化した量である。特徴量は、例えば、音量、話速、声の高さ、抑揚、音色または音韻のうち少なくとも1つを計算することにより得ることができる。以下に、特徴量の具体例を示すが、特徴量はこれらに限定されない。
[Feature amount calculation unit 4]
The feature
音量については、例えば、音声の有音区間における振幅平均値を特徴量とすることができる。振幅平均値は、絶対値振幅の平均値、あるいはRMS値などを採用することができる。話速については、例えば、音声の有音区間における単位時間(秒)当たりの音節数または拍数(モーラ数)を特徴量とすることができる。声の高さについては、例えば、音声の有音区間のうち、音声波形に周期性が認められる有声区間のピッチ周波数(Hz)を特徴量とすることができる。抑揚については、例えば、前述の声の高さであるピッチ周波数の変化幅(ダイナミックレンジ)を特徴量とすることができる。音色については、例えば、音声の有音区間におけるフォルマント周波数を特徴量とすることができる。音韻については、例えば、音声を音声認識して得られる音素表記を特徴量とすることができる。 For the volume, for example, an average amplitude value in a voiced section can be used as a feature amount. As the average amplitude value, an average absolute amplitude value, an RMS value, or the like can be adopted. For the speech speed, for example, the number of syllables or the number of beats (number of mora) per unit time (second) in a voiced section can be used as a feature amount. Regarding the pitch of the voice, for example, the pitch frequency (Hz) of the voiced section in which the speech waveform has periodicity among the voiced sections of the voice can be used as the feature amount. As for the inflection, for example, the change amount (dynamic range) of the pitch frequency, which is the pitch of the voice, can be used as the feature amount. For the timbre, for example, a formant frequency in a voiced section of speech can be used as a feature amount. For phonemes, for example, phoneme notation obtained by speech recognition of speech can be used as the feature amount.
[切り替え手段8、9]
図1に示す例では、特徴量算出部4からの特徴量およびテキストの出力先を、声質判定部5にするか、基準データ記録部7にするかを切り替える切り替え手段8、9が設けられる。切り替え手段8、9は、例えば、発声者が、声質判定の基準となる音声の特徴量およびテキストを登録する場合に、特徴量算出部4をBとDに接続することができる。これにより、特徴量算出部4からの特徴量およびテキストは、基準データ記録部7に出力される。それ以外の場合は、切り替え手段8、9は、特徴量算出部4をA、Cに接続するようにしてもよい。これにより、入力音声の特徴量およびテキストが声質判定部5に出力され、声質変化の判定が実行される。
[Switching means 8, 9]
In the example shown in FIG. 1, switching means 8 and 9 are provided for switching whether the feature quantity and text output destination from the feature
例えば、発声者が、音声収録の初回に、音量、話速、声の高さ、抑揚、音色等を予め決めた上で、基準文章を読み上げて基準音声とし、その音声の特徴量を基準音声特徴量、読み上げ原稿を基準テキストとして登録する場合が想定される。この場合、発声者が基準テキストとなる文章を読み上げて、その基準テキストと基準特徴量を登録する時に限り、特徴量算出部4をBとDに接続し、それ以外の場合はAとCに接続するように切り替え手段8、9を制御することができる。ここで、初回に登録される基準テキストは、1文章であっても良いが、文章数が多いほど発声者の声質変化判定の精度が向上するため、複数文章用意することが好ましい。
For example, the speaker determines the volume, speaking speed, voice pitch, inflection, timbre, etc. in the first recording of the voice, reads out the reference sentence as the reference voice, and sets the feature amount of the voice as the reference voice. It is assumed that the feature amount and the read-out document are registered as the reference text. In this case, the feature
なお、切り替え手段8、9は、必ずしも、物理的なスイッチである必要はなく、例えば、ソフトウエアの処理によりデータの出力先を切り替えるものであってもよい。
Note that the switching
[基準データ記録部7]
基準データ記録部7は、声質変化の判定において基準声質となる音声の基準特徴量と、基準テキストとを対応付けて記録する。基準特徴量と基準テキストのデータ形式は特に限定されないが、例えば、テーブル形式で記録されてもよい。基準テキストは、例えば、文節単位のように、特徴量を算出し、声質変化の判定を行うのに適した単位で記録されることが好ましい。
[Reference data recording unit 7]
The reference
[声質判定部5]
声質判定部5は、特徴量算出部4から出力された入力音声の特徴量および対応するテキストと、基準データ記録部7から読み出した基準特徴量および基準テキストを比較することにより、声質変化の判定を実行する。声質判定部5は、例えば、入力テキストのうちで基準データ記録部7に記録された基準テキストと一致する部分を検索し、当該一致する部分について、特徴量と基準特徴量を比較することができる。声質判定部5は、この比較によって声質変化の程度を示す値(声質変化量)を計算することができる。一例として、特徴量と基準特徴量の差または比から声質変化量を算出することができる。特徴量に、上記の音量、話速、声の高さ、抑揚、音色、音韻等の複数の項目が含まれる場合は、各項目について声質変化量を算出すればよい。
[Voice quality determination unit 5]
The voice
声質判定部5は、声質変化量が許容範囲を越えているか否かを判断する。この判断は、例えば、声質変化量と予め設定された閾値とを比較することにより行うことができる。声質変化量が許容範囲を越えている場合には、発声者に対して、警告を出力する。警告は、例えば、ディスプレイまたはスピーカ等の出力装置を介して発声者に伝えることができる。なお、声質判定部5が出力する判定結果は、警告に限られない。例えば、声質判定部5は、算出した声質変化量を、判定結果としてそのまま出力してもよい。
The voice
[基準登録部6]
基準登録部6は、声質判定部5が、音声変化量が許容範囲内であると判定した入力音声の特徴量とテキストを、基準特徴量および基準テキストとして、基準データ記録部7に記録する。その際、音声変化量が許容範囲内であると判定された入力音声のうち一部の特徴量およびテキストを抽出して記録してもよい。
[Standard registration unit 6]
The
例えば、入力音声が、文章ごとに入力されて、文章ごとに声質変化判定された場合、許容範囲内と判定された文章について、文章全体のテキストおよび特徴量を基準データ記録部7に記録してもよいし、当該文章のうち、既存の基準テキストと一致する部分とその周辺部を基準テキストおよび基準特徴量として記録してもよい。
For example, when the input speech is input for each sentence and the voice quality change is determined for each sentence, the text and the feature amount of the entire sentence are recorded in the reference
すなわち、基準登録部6は、入力テキストと既存の基準テキストとが一致する部分を基に、基準テキストとして追加する部分を選択することができる。これにより、声質変化が少なく、基準にするのに相応しい部分のテキストおよび特徴量を基準データ記録部に追加することが可能になる。
That is, the
[動作例]
次に、声質変化判定装置1の動作例について説明する。図2は、声質判定部5および基準登録部6の動作例を示すフローチャートである。図2に示す処理は、声質判定部5が、テキストと基準テキストが一致した部分の特徴量と基準特徴量から、音声の声質変化を判定する処理の一例である。
[Operation example]
Next, an operation example of the voice quality change determination device 1 will be described. FIG. 2 is a flowchart showing an operation example of the voice
まず、声質判定部5に、特徴量算出部4から、入力音声の特徴量と入力テキストが入力される(Op1)。ここでは、一例として、入力テキストと入力特徴量が、1文章単位で入力され、文章ごとに音質変化判定が行われる場合について説明する。すなわち、Op1では、1文章の入力テキストと、その1文章を読み上げる入力音声の特徴量の組が入力される。この実施例では、入力テキストと音声を同時に入力しているが、先に入力テキストを登録しておき、登録された入力テキストを表示して、音声を入力するようにしてもよい。
First, the feature quantity and the input text of the input voice are input from the feature
次に、声質判定部5は、1文章(1解析単位)の入力テキスト中に含まれるテキストと一致する基準テキストを探索する(Op2)。
Next, the voice
一例として、発声者が図3Aに示す原稿を読み上げる場合、入力テキストとして、「昨日と今日の天気を調べます。」、「あなたの電話番号を教えて下さい。」および「あしたの予定はありません。」の3つの文章が入力される。例えば、図3Bに示す、「あしたの天気を教えて下さい」という1文章が、基準テキストとして、基準データ記録部7に記録されている場合、上記3つの文章において、基準テキストと一致するテキストは、それぞれ「天気を」、「教えて下さい」、「あしたの」となる。
As an example, if the speaker speaks the manuscript shown in Figure 3A, the input text will be “Check the weather yesterday and today.”, “Tell me your phone number.” And “There is no tomorrow. "Is input. For example, when one sentence “Please tell me the weather tomorrow” shown in FIG. 3B is recorded in the reference
一致する基準テキストが無い場合(Op2でNo)は、声質判定部5は、次の入力テキストと特徴量の組を入力して探索を継続する(Op1およびOp2の処理を繰り返す)。さらなる入力テキストおよび入力特徴量の組が無い場合(Op7でNo)、声質判定部5は処理を終了する。
If there is no matching reference text (No in Op2), the voice
基準テキストと一致するテキストが入力テキスト中にある場合(Op2でYes)、声質判定部5は、一致する部分の特徴量と基準特徴量を比較して声質変化を算出する(Op3)。声質判定部5は、例えば、特徴量と基準特徴量の差または比から声質変化量を算出することができる。ここでは、特徴量が、前述の音量、話速、声の高さ、抑揚、音色、音韻等、複数項目の値を含む場合について説明する。例えば、項目数がn(n=自然数)の場合、特徴量の項目ごと(1,・・・n)に声質変化量K(1),K(2),・・・K(n)が算出される。
When there is a text that matches the reference text in the input text (Yes in Op2), the voice
次に、声質判定部5は、1つ以上の声質変化量K(1),・・・,K(n)と、声質変化量ごとに予め設定された閾値T(1),・・・,T(n)とを比較し、音声の声質変化の有無を判定する(Op4−1〜n)。声質判定部5は、例えば、1つ以上の声質変化量のうち、少なくとも1項目の声質変化量が閾値を超えた場合(Op4−1〜nのいずれかでNoの場合)、音声の声質が変化したと判定し、その情報を警告として出力する(Op6)。また、声質判定部5は、声質変化量の項目全てが閾値を越えないか、あるいは閾値と等しい場合(Op4−1〜nの全てでYesの場合)、音声の声質変化は無く、適正な発声であると判定し、基準登録部6は、入力テキストとその特徴量を基準データ記録部7へ登録する(Op5)。
Next, the voice
ここで、声質判定部5による判定と基準登録部6による登録の具体例について説明する。ここでは、図3Aに示す原稿の例文1)と3)が「声質変化なし」と判定され、例文2)が「声質変化あり」と判定された場合の例を説明する。例文2)については、声質判定部5が、声質変化があったことを、ディスプレイおよびスピーカを介して発声者に通知する。この場合は、例文2)について、改めて、音声の再入力を発声者に促す表示を行うことにより、音声の再収録をすることができる。
Here, a specific example of determination by the voice
一方、例文1)と3)の文章については、声質変化が無いと判定されたため、これらの文章のテキストおよび特徴量が、新たな基準テキストおよび特徴量として、基準データ記録部7に記録される。
On the other hand, for the sentences of example sentences 1) and 3), since it is determined that there is no change in voice quality, the texts and feature quantities of these sentences are recorded in the reference
図4Aおよび図4Bは、新規登録後の基準テキストの例を示す図である。図4Aに示す例では、基準テキストと一致する「天気を」を含む例文1)の文章のテキスト全体と、「あしたの」を含む例文3)の文章のテキスト全体が、新たな基準テキストとして対応する特徴量とともに登録されている。 4A and 4B are diagrams showing examples of reference text after new registration. In the example shown in FIG. 4A, the entire text of the sentence of example sentence 1) including “weather” matches the reference text and the entire text of the sentence of example sentence 3) including “Tomorrow” correspond as new reference texts. It is registered together with the feature amount.
図4Bは、例文1)および3)の文章のテキスト全体ではなく、基準テキストが一致した箇所の近傍のみを新規に基準テキストとして登録した場合の例を示す。図4Bに示す例では、例文1)の場合、「天気の」の前後の文節「今日の」と「調べます」のみが基準テキストとして登録されている。一致部分から離れている文節「昨日と」は登録されていない。例文3)についても、基準テキストと一致する「あしたの」の後の文節「予定は」のみが新たな基準テキストとして登録され、一致部分から離れている文節「ありません」は登録されていない。 FIG. 4B shows an example in which not only the whole text of sentences in example sentences 1) and 3), but only the vicinity of the portion where the reference text matches is newly registered as the reference text. In the example shown in FIG. 4B, in the case of example sentence 1), only the phrases “today” and “check” before and after “weather” are registered as reference texts. The phrase “Yesterday” that is far from the matching part is not registered. In the example sentence 3), only the phrase “schedule” after “Ashitano” that matches the reference text is registered as a new reference text, and the phrase “None” that is far from the matching part is not registered.
このように、基準登録部6は、声質変化の少ない一致部分の近傍のテキストおよび特徴量を選択し、新たな基準テキストおよび基準特徴量として登録することができる。これにより、入力テキストと基準テキストが一致した箇所から離れた部分、すなわち、声質が変化する可能性が高い部分のテキストおよび特徴量が、基準テキストおよび基準特徴量に追加されるのを防ぐことができる。
As described above, the
なお、上記例では、基準登録部6は、一致部分に隣接する文節を基準テキストに含める範囲としているが、基準テキストに含める範囲は、これに限られない。例えば、一致部分に隣接する所定数の単語または所定数の文字等を基準テキストに含める範囲としてもよい。
Note that, in the above example, the
以上、図2に示した声質変化判定装置1の動作により、入力音声のうち、声質変化が少なく、基準の音声に相応しい音声のテキストおよび特徴量が、自動的に基準テキストおよび基準特徴量に追加される。そのため、発声者の無駄な発声量を増やすことなく、基準テキストおよび基準特徴量が拡充される。その結果、発声者の声質(音量、話速、声の高さ、抑揚、音色など)の変化をより正確に自動判定することが可能になる。 As described above, by the operation of the voice quality change determination device 1 shown in FIG. 2, the voice text and the feature amount suitable for the reference voice are automatically added to the reference text and the reference feature amount among the input voices. Is done. For this reason, the reference text and the reference feature amount are expanded without increasing the amount of useless speech of the speaker. As a result, it becomes possible to more accurately and automatically determine changes in the voice quality (sound volume, speech speed, voice pitch, inflection, timbre, etc.) of the speaker.
なお、上記例では、n個の特徴量の差または比をn個の声質変化量とし、n個の声質変化量とn個の各閾値との比較によって声質変化の有無を判定しているが、判定処理はこれに限られない。例えば、n個の声質変化量をn次元ユークリッド空間として捕らえ、ユ−クリッド距離と所定の閾値との比較によって声質変化の有無を判定しても良い。 In the above example, the difference or ratio of n feature values is defined as n voice quality change amounts, and the presence or absence of voice quality change is determined by comparing the n voice quality change amounts with the n threshold values. The determination process is not limited to this. For example, n voice quality changes may be captured as an n-dimensional Euclidean space, and the presence or absence of voice quality changes may be determined by comparing the Euclidean distance with a predetermined threshold.
(変形例)
図5は、上記実施形態における声質変化判定装置1の構成の変形例を示す図である。図5に示す声質変化判定装置1は、発声者が読み上げるためのテキストを事前に入力して画面に表示し、表示されたテキストを見た発声者がそのテキストを読み上げる音声を、入力音声として受け付けるように構成したものである。
(Modification)
FIG. 5 is a diagram showing a modification of the configuration of the voice quality change determination device 1 in the embodiment. The voice quality change determination apparatus 1 shown in FIG. 5 inputs in advance text to be read by the speaker and displays it on the screen, and accepts as input speech the voice that the speaker who has read the displayed text reads the text. It is comprised as follows.
そのため、図5に示す声質変化判定装置1は、テキスト入力部3が外部のテキスト記録部16から読み込んだ入力テキストを発声者に対して出力する入力テキスト出力部17を備える。テキスト記録部16には、発声者が読み上げるべきテキストが予め記録される。なお、テキスト記録部16は、音質変化判定装置1の内部に設けられてもよい。
Therefore, the voice quality change determination device 1 shown in FIG. 5 includes an input
テキスト入力部3は、テキスト記録部16から読み込んだ入力テキストを、入力テキスト出力部17と特徴量算出部4に渡す。入力テキスト出力部17は、入力テキストを発声者に出力する。入力テキスト出力部17は、例えば、入力テキストを文章単位でディスプレイに表示させてもよい。その際、発声者に入力テキストの読み上げを促すメッセージも同時に表示することができる。発声者は、ディスプレイに表示された入力テキストを読み上げ、音声入力部2が発声者の音声を入力して特徴量算出部4へ渡す。入力テキストと入力テキストに対応する入力音声が特徴量算出部4へ入力される。
The
上記構成により、発声者は、入力テキスト出力部17の出力に従って、入力テキストを読み上げるだけで、声質変化判定を実行し、基準データを自動的に拡充することができる。
With the above configuration, the speaker can execute the voice quality change determination and automatically expand the reference data by simply reading the input text in accordance with the output of the input
(第2の実施形態)
第2の実施形態は、上記第1の実施形態におけるテキスト入力部3の変形例である。図6は、本実施形態におけるテキスト入力部3aの構成を示す機能ブロック図である。図6に示すテキスト入力部3aは、言語処理部11と、変換部12を含む。言語処理部11および変換部12は言語辞書13にアクセス可能となっている。言語辞書13は、言語処理部11および変換部12の処理で必要なデータが記録される。言語辞書13には、例えば、入力テキストに含まれ得る複数の単語の表記、読み、品詞、アクセント情報等が記録されている。
(Second Embodiment)
The second embodiment is a modification of the
言語処理部11は、言語辞書13を用いて、入力テキストを言語解析することにより解析単位に分割する。例えば、入力テキストが、かな漢字混じりテキストである場合、言語処理部11は、入力テキストと言語辞書13とを照合して形態素解析を行う。形態素解析の方法として、例えば、ビタビ(Viterbi)アルゴリズムや最長一致法等が挙げられるが、本発明に用いられる形態素解析の方法は、特定のものに限定されない。また、言語解析は、形態素解析に限られない。例えば、対象となる言語が英語の場合は、入力テキストを単語単位で区切る単語解析が実行されてもよい。
The language processing unit 11 divides the input text into analysis units by performing language analysis using the
言語処理部11は、形態素解析によって、入力テキストを、言語処理上意味を持つ要素単位に区切ることができる。例えば、品詞、文節、アクセント句または呼気段落(句読点)などの境界が検出される。言語処理部11は、これらの境界のうちいずれかを解析境界とすることができる。解析境界により、入力テキストが解析単位に分割される。 The language processing unit 11 can divide the input text into element units having meaning in language processing by morphological analysis. For example, boundaries such as parts of speech, phrases, accent phrases or exhalation paragraphs (punctuation marks) are detected. The language processing unit 11 can set one of these boundaries as an analysis boundary. The input text is divided into analysis units by the analysis boundary.
ここで、解析境界は、特徴量を算出し、声質変化の判定を行うのに適した範囲を設定するように決定されることが好ましい。例えば、文節の境界を解析境界とするとよい。なぜなら、句読点で区切られた呼気段落境界のように、文節より長い区間を設定する境界を解析境界とすると、テキストと基準テキストが一致する確率が低下し、声質変化の自動判定や、基準声質への新規登録も困難となる場合があるからである。逆に、解析単位を短くすると、テキストと基準テキストが一致する確率は格段に上がるため、声質変化の自動判定は容易となる傾向はある。しかしながら、品詞単位のように、文節より短い区間を設定する境界を、解析境界とすると、短い音節単位での特徴量と基準特徴量の比較は、その精度の信頼性に乏しい場合が多くなる。そのため、呼気段落境界と品詞境界の中間単位である文節境界が音節数として妥当な解析境界といえる。アクセント句は、1文節ないし数文節で構成される長さであり、アクセント句の境界を解析境界とすることも同様に好ましい。 Here, it is preferable that the analysis boundary is determined so as to set a range suitable for calculating the feature amount and determining the voice quality change. For example, the boundary between clauses may be an analysis boundary. This is because if the boundary that sets a section longer than a clause is set as an analysis boundary, such as a breath paragraph boundary delimited by punctuation marks, the probability that the text matches the reference text will be reduced, and automatic determination of voice quality changes and reference voice quality This is because new registration may be difficult. On the other hand, if the analysis unit is shortened, the probability that the text matches the reference text will be greatly increased, and therefore automatic determination of voice quality changes tends to be easier. However, if a boundary that sets a section shorter than a phrase, such as a part of speech part, is an analysis boundary, comparison of the feature quantity and the reference feature quantity in a short syllable unit often lacks reliability of accuracy. Therefore, the phrase boundary, which is the intermediate unit between the exhalation paragraph boundary and the part-of-speech boundary, can be said to be a valid analysis boundary as the number of syllables. The accent phrase has a length composed of one or several phrases, and it is also preferable that the boundary of the accent phrase is an analysis boundary.
変換部12は、言語辞書13を用いて、入力テキストを表音テキストに変換する。変換部12は、言語処理部11の一部として機能してもよい。表音テキストは、入力テキストの読みを表すテキストであり、アクセント等が付加されていてもよい。
The conversion unit 12 converts the input text into phonetic text using the
例えば、言語処理部11が、入力テキストの形態素解析を実行する際に、各単語の読みおよびアクセント等の表音情報を言語辞書13から取得し、各単語の表音テキストを生成することができる。
For example, when the language processing unit 11 executes morphological analysis of the input text, it can acquire phonetic information such as reading and accent of each word from the
以下、言語処理部11および変換部12の処理の具体例を示す。図7Aは、発声者が読み上げる原稿の一例であり、図7Bは、図7Aに示す原稿の内容の入力テキストが、テキスト入力部3aにより、解析単位に分割され、表音テキストに変換された後のテキストの例を示す。
Hereinafter, specific examples of processing of the language processing unit 11 and the conversion unit 12 will be shown. FIG. 7A is an example of a manuscript read by the speaker. FIG. 7B shows an example in which the input text of the manuscript content shown in FIG. 7A is divided into analysis units by the
テキスト入力部3aが、図7Aに示すような、かな漢字混じりテキストを入力すると、言語処理部11は、当該テキストと言語辞書とを照合して形態素解析を行う。この形態素解析によって、かな漢字混じりテキストが、文節に分解される。それぞれの文節は、変換部12によってカタカナ表記に変換され、さらに、アクセント情報等が付与されて、表音テキストに変換される。
When the
例えば、図7Aに示す例文1)の「会議の最中です。」は、言語処理部11で解析単位「会議の」「最中です」に分解され、変換部12で、表音テキスト「カ’イギノ」、「サイチューデス」に変換される(図7B参照)。なお、図7Bに示す表音テキストは、一例として、文節の境界をスペースで表し、アクセントが「高」から「低」に移行する位置(アクセント核)を「’」で表している。 For example, in the example sentence 1) shown in FIG. 7A, “in the middle of the meeting” is decomposed into the analysis units “meeting” and “in the middle” by the language processing unit 11, and the phonetic text “ka It is converted into “Iguino” and “Situ Dess” (see FIG. 7B). In the phonetic text shown in FIG. 7B, as an example, the boundary between clauses is represented by a space, and the position (accent nucleus) where the accent shifts from “high” to “low” is represented by “′”.
これにより、特徴量算出部4から基準データ記録部7に記録される基準テキストも、特徴量算出部4から声質判定部5に渡されるテキストも、いずれも、解析単位に分解された表音テキストとなる。このように、基準テキストおよび入力テキストのいずれも表音テキストであれば、入力テキストと基準テキストの一致箇所を探索する場合、テキストの文字一致に加え、読みおよびアクセントの一致も考慮できる。そのため、同表記異読語や、同表記異アクセントのテキストを区別することができる。
As a result, both the reference text recorded in the reference
例えば、図7Aに示す例文1)および2)は、同表記の「最中」を含むが、例文1)の「最中」の読みは「サイチュー」であり、例文2)の「最中」読みは「もなか」であり、全く異なる。このように表記が同じでも読みが異なるテキストについて、その表記を比較すると、発声者の声質に変化が無くとも、特徴量全般に大差が生じ、声質判定部5は「声質変化あり」と誤判定してしまう。
For example, example sentences 1) and 2) shown in FIG. 7A include “middle” of the same notation, but “middle” reading of example sentence 1) is “situ” and “middle” of example sentence 2). The reading is “Monaka” and is completely different. Comparing the notation of texts with the same notation but different readings, even if there is no change in the voice quality of the speaker, there is a large difference in the overall feature quantity, and the voice
同様に、図7Aに示す例文3)、4)は共に「天気」を含む読み上げ原稿であるが、例文3)の「天気」は「て」の部分にアクセントのある頭高アクセント、例文4)の「天気」は平板型アクセント(アクセントなし)である。両者のテキスト表記は同一であるが、アクセントは一致しない。アクセントが一致しない特徴量同士を比較した場合、発声者の声質に変化が無くとも、特にピッチ周波数に大差が生じ、声質判定部は「声質変化あり」と誤判定してしまう。 Similarly, example sentences 3) and 4) shown in FIG. 7A are read-out manuscripts including “weather”, but “weather” in example sentence 3) is a head-high accent with an accent in the “te” part, example sentence 4) The "weather" is a flat accent (no accent). The text notation of both is the same, but the accents do not match. When comparing feature quantities whose accents do not match, even if there is no change in the voice quality of the speaker, there is a large difference in the pitch frequency in particular, and the voice quality determination unit erroneously determines that “voice quality has changed”.
したがって、本実施形態の構成では、テキストと基準テキストの一致部分を探索する場合、テキストの一致のみでなく、読みやアクセント等の表音情報の一致を含めた探索をすることが可能になる。すなわち、読みやアクセント情報を含めたテキストと基準テキストの一致部分探索が可能となる。 Therefore, in the configuration of the present embodiment, when searching for a matching portion between the text and the reference text, it is possible to search not only for matching the text but also for matching phonetic information such as reading and accent. That is, it is possible to search for a matching portion between the text including the reading and accent information and the reference text.
具体的には、声質判定部5が、入力テキストに、表音テキストで表される読みおよびアクセントが基準テキストと一致する文節がある否かを探索し、これらが一致する文節があれば、その文節の特徴量を基準特徴量と比較する。これにより、より正確な声質変化の判定が可能になる。
Specifically, the voice
また、テキストと基準テキストの一致部分の探索や、テキストと基準テキストの特徴量の比較が文節単位で実行されるので、より精度の高い探索および特徴量の比較が可能になる。さらに、基準登録部6による、基準テキストおよび基準特徴量の追加も、文節単位で実行することができるので、基準にするのにより適切なテキストおよび特徴量を基準データ記録部に追加することができる。
In addition, since the search for the matching portion of the text and the reference text and the comparison of the feature quantity between the text and the reference text are executed in units of phrases, it is possible to perform a more accurate search and feature quantity comparison. Furthermore, the addition of the reference text and the reference feature amount by the
なお、上記実施形態では、テキスト入力部3aが、言語処理部11および変換部12を有する場合を説明したが、テキスト入力部3aは、言語処理部11または変換部12のいずれか1つを備える構成であってもよい。
In the above embodiment, the case where the
(第3の実施形態)
第3の実施形態は、上記第1または第2の実施形態における基準登録部6の変形例である。本実施形態における基準登録部6bは、入力テキストと基準テキストが一致する部分に対応する入力音声の特徴量を基準データ記録部7に追加する場合に、(1)前記一致する部分に対応する既存の基準特徴量を入力音声の特徴量に置換するか。あるいは、(2)基準登録部6bは、前記既存の基準特徴量と前記入力音声の特徴量を用いて算出される特徴量を基準特徴量として基準データ記録部7に追加する処理を実行する。
(Third embodiment)
The third embodiment is a modification of the
以下に、本実施形態の基準登録部6bによる処理の具体例を説明する。ここでは、一例として、入力テキストが図8Aに示す例文1)〜3)を含み、基準データ記録部7に記録されている既存の基準テキストおよび特徴量が、図8Bに示す内容である場合について説明する。本例では、例文1)〜3)いずれにおいても、「あしたの」の部分(フレーズ)が既存の基準テキストと一致する。ここで、声質判定部5が、例文1)〜3)いずれについても、声質変化量は、許容範囲を越えてない(「声質変化なし」)と判断した場合を想定する。この場合、基準登録部6bは、例えば、下記の3パターンの登録処理を実行することができる。
Below, the specific example of the process by the reference | standard registration part 6b of this embodiment is demonstrated. Here, as an example, a case where the input text includes example sentences 1) to 3) shown in FIG. 8A and the existing reference text and feature amount recorded in the reference
第1の登録処理として、基準登録部6bは、入力テキストと基準テキストが一致する部分の既存の基準特徴量を、入力音声の特徴量に置換してもよい。例えば、基準登録部6bは、既存の「あしたの」の基準特徴量「A1」を破棄し、例文1)、2)、3)における「あしたの」のそれぞれの特徴量A2、A3、A4のうちのいずれかを選定して登録することができる。図9Aは、既存の基本特徴量「A1」を、例文1)の「あしたの」の特徴量「A2」で置換した場合の、基準データ記録部7のデータ内容の一例を示す図である。このように、既存の基準特徴量を、入力音声の特徴量で置換することにより、発声者の状況を基準特徴量に反映させることができる。すなわち、基準特徴量を、発声者の状況に合わせて更新することが可能になる。
As the first registration process, the reference registration unit 6b may replace the existing reference feature amount of the portion where the input text and the reference text match with the feature amount of the input voice. For example, the reference registration unit 6b discards the existing reference feature value “A1” of “Ashitano” and sets the feature values A2, A3, and A4 of “Ashitano” in the example sentences 1), 2), and 3). You can select and register one of them. FIG. 9A is a diagram illustrating an example of the data content of the reference
第2の登録処理として、基準登録部6bは、既存の基準特徴量と入力音声の特徴量を用いて計算された特徴量を、基準特徴量として登録することができる。例えば、既存の基準特徴量と入力音声の特徴量を重み付け平均などによって平均化した特徴量を基準特徴量とすることができる。図9Bは、既存の基準特徴量A1および、例文1)、2)、3)の特徴量A2、A3、A4の重み付け平均を、新たな基準特徴量として記録した場合の、基準データ記録部7のデータ内容の一例を示す図である。図9Bにおいて、α、β、γ、εはそれぞれ重み付け係数を表す。これにより、基準特徴量をより妥当な値に近づけることができる。
As the second registration process, the reference registration unit 6b can register a feature quantity calculated using the existing reference feature quantity and the input voice feature quantity as a reference feature quantity. For example, a feature value obtained by averaging the existing reference feature value and the feature value of the input voice by weighted averaging can be used as the reference feature value. FIG. 9B shows the reference
なお、既存の基準特徴量と入力音声の特徴量を用いて計算される特徴量は、上記例の重み付け平均に限られない。例えば、平均、中間値(最大値と最小値の中間の値)、最頻値等、その他の代表値が計算されてもよい。 Note that the feature amount calculated using the existing reference feature amount and the feature amount of the input speech is not limited to the weighted average in the above example. For example, other representative values such as an average, an intermediate value (a value between the maximum value and the minimum value), a mode value, and the like may be calculated.
第3の登録処理として、基準登録部6bは、入力テキストと基準テキストが一致する部分の基準特徴量については、更新せずにそのまま継続利用してもよい。このように更新処理を省略することで、コンピュータへの負荷を軽減することができる。図9Cは、基準特徴量A1を更新しない場合の基準データ記録部7のデータ内容を示す図である。
As the third registration process, the reference registration unit 6b may continue to use the reference feature amount of the portion where the input text and the reference text match without being updated. By omitting the update process in this way, the load on the computer can be reduced. FIG. 9C is a diagram illustrating data contents of the reference
(第4の実施形態)
第4の実施形態は、上記第1〜3いずれかの実施形態の声質変化判定装置を含む音声収録装置に関するものである。図10は、本実施形態における音声収録装置10の構成を示す機能ブロック図である。図10に示す音声収録装置10は、入力音声を収録データとして記録する機能をさらに有する。音声収録装置10は、図1に示す声質変化判定装置1に、収録部14を追加した構成である。図10において、図1と同じ機能ブロックには同じ番号を付す。
(Fourth embodiment)
The fourth embodiment relates to an audio recording device including the voice quality change determination device according to any one of the first to third embodiments. FIG. 10 is a functional block diagram showing the configuration of the
収録部14は、音声入力部2が入力した入力音声を、収録データ記録部15へ記録する。その際、収録部14は、声質判定部5が、声質変化が許容範囲内であると判定した音声についてのみ記録するようにすることができる。
The
これにより、声質変化が許容範囲を越えている音声については、自動的に、収録データから除外される。その結果、音質の安定した音声収録が実現される。 As a result, the voice whose voice quality change exceeds the allowable range is automatically excluded from the recorded data. As a result, sound recording with stable sound quality is realized.
以上、本発明の実施形態を、第1〜第4の実施形態として例示した。以上の実施形態によれば、発声者は読み上げ原稿を読み上げるだけで、その声質が自動判定されるとともに声質の基準となるデータも拡充されるため、従来技術のような定型文を発声する無駄がなく、発声者の負担が軽減される。すなわち、上記実施形態では、基準音声とする発声者の事前発声は最低1文章程度あれば良く、以後は発声者が原稿読み上げを継続していくにつれ、基準音質が自動的に新規登録される。特に、発声者により読み上げられた入力音声のうち、声質変化が無いと判定された音声の全体、または一部を基準声質(テキスト、特徴量)として新規登録される。これにより、基準声質量が自然増加する。その結果、読み上げ原稿と基準声質のテキスト一致率が増加し、声質判定精度が飛躍的に向上する。 As mentioned above, embodiment of this invention was illustrated as 1st-4th embodiment. According to the above embodiment, the speaker can read out the read-out manuscript, and the voice quality is automatically determined and the data used as a reference for the voice quality is expanded. And the burden on the speaker is reduced. That is, in the above-described embodiment, it is sufficient that the utterance of the speaker as the reference voice is at least about one sentence, and thereafter, the reference sound quality is automatically newly registered as the speaker continues to read the document. In particular, of the input voice read out by the speaker, the whole or a part of the voice determined to have no voice quality change is newly registered as the reference voice quality (text, feature amount). Thereby, the reference voice mass naturally increases. As a result, the text matching rate between the read-out original and the reference voice quality increases, and the voice quality determination accuracy is dramatically improved.
なお、本発明の適用可能な範囲は、上記の実施形態に限定されない。また、上記第1〜4の実施形態のうち少なくとも2つの実施形態の組み合わせも、本発明の実施形態に含まれる。 In addition, the applicable range of this invention is not limited to said embodiment. Further, combinations of at least two of the first to fourth embodiments are also included in the embodiments of the present invention.
以上の第1〜第4の実施形態に関し、さらに以下の付記を開示する。 Regarding the above first to fourth embodiments, the following additional notes are further disclosed.
(付記1)
基準となる声質を表す基準特徴量と、基準特徴量に対応する基準テキストとを記録する基準データ記録部にアクセス可能な声質変化判定装置であって、
発声者の音声を入力音声として入力する音声入力部と、
前記入力音声に対応するテキストを、入力テキストとして入力するテキスト入力部と、
前記入力音声の特徴量を算出する特徴量算出部と、
前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量を基準特徴量と比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する声質判定部と、
該声質判定部が、声質変化は許容範囲内であると判定した入力音声に対応する入力テキストを、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録部とを備える、声質変化判定装置。
(Appendix 1)
A voice quality change determination device accessible to a reference data recording unit for recording a reference feature amount representing a reference voice quality and a reference text corresponding to the reference feature amount,
A voice input unit for inputting a voice of a speaker as an input voice;
A text input unit for inputting text corresponding to the input voice as input text;
A feature amount calculation unit for calculating a feature amount of the input speech;
It is determined whether or not a change in voice quality of the input speech is within a predetermined allowable range by comparing a feature amount of the input speech corresponding to a portion where the input text and the reference text match each other with a reference feature amount. A voice quality determination unit,
A reference for recording, in the reference data recording unit, a new reference text and a reference feature amount together with the corresponding feature amount, the input text corresponding to the input speech for which the voice quality determination unit determines that the voice quality change is within an allowable range. A voice quality change determination device comprising a registration unit.
(付記2)
前記声質変化判定装置は、さらに、音声入力すべきテキストが予め登録されているテキスト記録部にアクセス可能であり、
前記テキスト入力部は、前記テキスト記録部にアクセスして、入力テキストを読み込み、当該入力テキストを発声者に対して出力し、
前記音声入力部は、前記出力された前記入力テキストを読み上げる発声者の音声を入力する、付記1に記載の声質変化判定装置。
(Appendix 2)
The voice quality change determination device is further accessible to a text recording unit in which a text to be voice input is registered in advance,
The text input unit accesses the text recording unit, reads the input text, outputs the input text to the speaker,
The voice quality change determination apparatus according to claim 1, wherein the voice input unit inputs a voice of a speaker who reads the input text that has been output.
(付記3)
前記入力テキストを言語解析し、言語解析の結果に基づき前記入力テキストを解析単位に分割する言語処理部をさらに備え、
前記特徴量算出部は、前記言語処理部により分割された解析単位ごとに対応する特徴量を算出し、
前記声質判定部は、前記入力テキストと前記基準テキストとが互いに一致する解析単位に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する、付記1または2に記載の声質変化判定装置。
(Appendix 3)
Further comprising a language processing unit that linguistically analyzes the input text and divides the input text into analysis units based on a result of language analysis;
The feature amount calculation unit calculates a feature amount corresponding to each analysis unit divided by the language processing unit,
The voice quality determination unit compares a feature quantity of the input speech corresponding to an analysis unit in which the input text and the reference text match each other with a reference feature quantity, so that a change in voice quality of the input speech is within a predetermined allowable range. The voice quality change determination device according to
(付記4)
基準データ記録部は、前記基準テキストを表音テキストとして記録し、
前記入力テキストを表音テキストに変換する変換部をさらに備え、
前記声質判定部は、表音テキストに変換された前記入力テキストと前記基準テキストが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化を判定する、付記1〜3のいずれか1項に記載の声質変化判定装置。
(Appendix 4)
The reference data recording unit records the reference text as a phonetic text,
A conversion unit for converting the input text into phonetic text;
The voice quality determination unit compares a feature quantity of the input speech corresponding to a portion where the input text converted to the phonetic text and the reference text match each other and a reference feature quantity, thereby changing the voice quality change of the input speech. The voice quality change determination device according to any one of appendices 1 to 3, wherein the determination is performed.
(付記5)
前記基準登録部は、テキストと基準テキストが一致する部分に対応する入力音声の特徴量を前記基準データ記録部に追加する場合に、前記部分に対応する既存の基準特徴量を、前記入力音声の特徴量に置換するか、または、前記既存の基準特徴量と前記入力音声の特徴量を用いて算出される特徴量を、新たな基準特徴量として追加する、付記1〜4のいずれか1項に記載の声質変化判定装置。
(Appendix 5)
The reference registration unit adds an existing reference feature amount corresponding to the portion of the input speech when adding the feature amount of the input speech corresponding to the portion where the text and the reference text match to the reference data recording unit. Any one of appendices 1 to 4, wherein the feature quantity is replaced with a feature quantity, or a feature quantity calculated using the existing reference feature quantity and the feature quantity of the input speech is added as a new reference feature quantity. The voice quality change determination device described in 1.
(付記6)
前記基準登録部は、前記声質判定部が声質変化は許容範囲内と判定した前記入力音声について、前記入力テキストと前記基準テキストとが互いに一致する解析単位および当該解析単位に隣接する解析単位に対応する入力テキストおよび特徴量を、新たな基準テキストおよび基準特徴量として、前記基準データ記録部に記録する、付記3に記載の声質変化判定装置。
(Appendix 6)
The reference registration unit corresponds to an analysis unit in which the input text and the reference text match each other and an analysis unit adjacent to the analysis unit for the input speech that the voice quality determination unit determines that the voice quality change is within an allowable range. The voice quality change determination device according to
(付記7)
付記1〜6のいずれか1項に記載の声質変化判定装置を含む音声収録装置であって、
前記入力音声のうち、前記声質変化判定装置の前記声質判定部によって、声質の変化が許容範囲内であると判定された入力音声を、収録データとして記録する収録部を備える、音声収録装置。
(Appendix 7)
An audio recording device including the voice quality change determination device according to any one of appendices 1 to 6,
A voice recording apparatus comprising: a recording unit that records, as recorded data, an input voice in which the change in voice quality is determined to be within an allowable range by the voice quality determination unit of the voice quality change determination device among the input voices.
(付記8)
基準となる声質を示す基準特徴量と、前記基準特徴量に対応する基準テキストとを記録する基準データ記録部にアクセス可能なコンピュータに、声質変化判定処理を実行させる声質変化判定プログラムであって、
発声者の音声を入力音声として入力する音声入力処理と、
前記入力音声に対応するテキストを、入力テキストとして入力するテキスト入力処理と、
前記入力音声の特徴量を算出する特徴量算出処理と、
前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する声質判定処理と、
前記声質判定処理で、声質変化は許容範囲内であると判定された入力音声に対応するテキストを、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録処理とをコンピュータに実行させる、声質変化判定プログラム。
(Appendix 8)
A voice quality change determination program for causing a computer accessible to a reference data recording unit that records a reference feature quantity indicating a reference voice quality and a reference text corresponding to the reference feature quantity to execute a voice quality change determination process,
Voice input processing for inputting the voice of the speaker as input voice,
Text input processing for inputting the text corresponding to the input voice as input text;
A feature amount calculation process for calculating the feature amount of the input speech;
It is determined whether or not a change in voice quality of the input speech is within a predetermined allowable range by comparing a feature amount of the input speech corresponding to a portion where the input text and the reference text match each other and a reference feature amount. Voice quality determination processing,
A reference for recording, in the reference data recording unit, a new reference text and a reference feature amount, together with the corresponding feature amount, the text corresponding to the input speech whose voice quality change is determined to be within an allowable range in the voice quality determination process. A voice quality change determination program that causes a computer to execute registration processing.
(付記9)
コンピュータが、声質変化判定を実行する声質変化判定方法であって、
前記コンピュータは、基準となる声質を示す基準特徴量と、前記基準特徴量に対応する基準テキストとを記録する基準データ記録部にアクセス可能であり、
前記コンピュータが、発声者の音声を入力音声として受け付ける音声入力工程と、
前記コンピュータが、前記入力音声に対応するテキストを、入力テキストとして取得するテキスト入力工程と、
前記コンピュータが、前記入力音声の特徴量を算出する特徴量算出工程と、
前記コンピュータが、前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化を判定する声質判定工程と、
前記コンピュータが、前記声質判定工程で声質変化は許容範囲内であると判定された入力音声に対応するテキストの全体または一部を、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録工程とを含む声質変化判定方法。
(Appendix 9)
A voice quality change determination method in which a computer executes voice quality change determination,
The computer can access a reference data recording unit that records a reference feature amount indicating a voice quality as a reference and a reference text corresponding to the reference feature amount,
A voice input step in which the computer receives a voice of a speaker as an input voice;
A text input step in which the computer acquires text corresponding to the input speech as input text;
A feature amount calculating step in which the computer calculates a feature amount of the input speech;
A voice quality determination step of determining a voice quality change of the input voice by comparing the feature quantity of the input voice and a reference feature quantity corresponding to a portion where the input text and the reference text coincide with each other;
The computer uses the whole or a part of the text corresponding to the input speech determined that the voice quality change is within an allowable range in the voice quality determination step as the new reference text and the reference feature quantity together with the corresponding feature quantity. A voice quality change determination method including a reference registration step of recording in a reference data recording unit.
1 声質変化判定装置
2 音声入力部
3 テキスト入力部
4 特徴量算出部
5 声質判定部
6 基準登録部
7 基準データ記録部
10 音声収録装置
11 言語処理部
12 変換部
13 言語辞書
14 収録部
15 収録データ記録部
DESCRIPTION OF SYMBOLS 1 Voice quality
Claims (7)
発声者の音声を入力音声として入力する音声入力部と、
前記入力音声に対応するテキストを、入力テキストとして入力するテキスト入力部と、
前記入力音声の特徴量を算出する特徴量算出部と、
前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量を基準特徴量と比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する声質判定部と、
該声質判定部が、声質変化は許容範囲内であると判定した入力音声に対応する入力テキストを、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録部とを備える、声質変化判定装置。 A voice quality change determination device accessible to a reference data recording unit for recording a reference feature amount representing a reference voice quality and a reference text corresponding to the reference feature amount,
A voice input unit for inputting a voice of a speaker as an input voice;
A text input unit for inputting text corresponding to the input voice as input text;
A feature amount calculation unit for calculating a feature amount of the input speech;
It is determined whether or not a change in voice quality of the input speech is within a predetermined allowable range by comparing a feature amount of the input speech corresponding to a portion where the input text and the reference text match each other with a reference feature amount. A voice quality determination unit,
A reference for recording, in the reference data recording unit, a new reference text and a reference feature amount together with the corresponding feature amount, the input text corresponding to the input speech for which the voice quality determination unit determines that the voice quality change is within an allowable range. A voice quality change determination device comprising a registration unit.
前記テキスト入力部は、前記テキスト記録部にアクセスして、入力テキストを読み込み、当該入力テキストを発声者に対して出力し、
前記音声入力部は、前記出力された前記入力テキストを読み上げる発声者の音声を入力する、請求項1に記載の声質変化判定装置。 The voice quality change determination device is further accessible to a text recording unit in which a text to be voice input is registered in advance,
The text input unit accesses the text recording unit, reads the input text, outputs the input text to the speaker,
The voice quality change determination device according to claim 1, wherein the voice input unit inputs a voice of a speaker who reads out the output input text.
前記特徴量算出部は、前記言語処理部により分割された解析単位ごとに対応する特徴量を算出し、
前記声質判定部は、前記入力テキストと前記基準テキストとが互いに一致する解析単位に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する、請求項1または2に記載の声質変化判定装置。 Further comprising a language processing unit that linguistically analyzes the input text and divides the input text into analysis units based on a result of language analysis;
The feature amount calculation unit calculates a feature amount corresponding to each analysis unit divided by the language processing unit,
The voice quality determination unit compares a feature quantity of the input speech corresponding to an analysis unit in which the input text and the reference text match each other with a reference feature quantity, so that a change in voice quality of the input speech is within a predetermined allowable range. The voice quality change determination device according to claim 1, wherein the voice quality change determination device determines whether or not
前記入力テキストを表音テキストに変換する変換部をさらに備え、
前記声質判定部は、表音テキストに変換された前記入力テキストと前記基準テキストが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化を判定する、請求項1〜3のいずれか1項に記載の声質変化判定装置。 The reference data recording unit records the reference text as a phonetic text,
A conversion unit for converting the input text into phonetic text;
The voice quality determination unit compares a feature quantity of the input speech corresponding to a portion where the input text converted to the phonetic text and the reference text match each other and a reference feature quantity, thereby changing the voice quality change of the input speech. The voice quality change determination apparatus according to claim 1, wherein the determination is performed.
発声者の音声を入力音声として入力する音声入力処理と、
前記入力音声に対応するテキストを、入力テキストとして入力するテキスト入力処理と、
前記入力音声の特徴量を算出する特徴量算出処理と、
前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化が所定の許容範囲内であるか否かを判定する声質判定処理と、
前記声質判定処理で、声質変化は許容範囲内であると判定された入力音声に対応するテキストを、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録処理とをコンピュータに実行させる、声質変化判定プログラム。 A voice quality change determination program for causing a computer accessible to a reference data recording unit that records a reference feature quantity indicating a reference voice quality and a reference text corresponding to the reference feature quantity to execute a voice quality change determination process,
Voice input processing for inputting the voice of the speaker as input voice,
Text input processing for inputting the text corresponding to the input voice as input text;
A feature amount calculation process for calculating the feature amount of the input speech;
It is determined whether or not a change in voice quality of the input speech is within a predetermined allowable range by comparing a feature amount of the input speech corresponding to a portion where the input text and the reference text match each other and a reference feature amount. Voice quality determination processing,
A reference for recording, in the reference data recording unit, a new reference text and a reference feature amount, together with the corresponding feature amount, the text corresponding to the input speech whose voice quality change is determined to be within an allowable range in the voice quality determination process. A voice quality change determination program that causes a computer to execute registration processing.
前記コンピュータは、基準となる声質を示す基準特徴量と、前記基準特徴量に対応する基準テキストとを記録する基準データ記録部にアクセス可能であり、
前記コンピュータが、発声者の音声を入力音声として受け付ける音声入力工程と、
前記コンピュータが、前記入力音声に対応するテキストを、入力テキストとして取得するテキスト入力工程と、
前記コンピュータが、前記入力音声の特徴量を算出する特徴量算出工程と、
前記コンピュータが、前記入力テキストと前記基準テキストとが互いに一致する部分に対応する入力音声の特徴量と基準特徴量を比較することにより、前記入力音声の声質変化を判定する声質判定工程と、
前記コンピュータが、前記声質判定工程で声質変化は許容範囲内であると判定された入力音声に対応するテキストの全体または一部を、対応する特徴量とともに、新たな基準テキストおよび基準特徴量として前記基準データ記録部に記録する基準登録工程とを含む声質変化判定方法。 A voice quality change determination method in which a computer executes voice quality change determination,
The computer can access a reference data recording unit that records a reference feature amount indicating a voice quality as a reference and a reference text corresponding to the reference feature amount,
A voice input step in which the computer receives a voice of a speaker as an input voice;
A text input step in which the computer acquires text corresponding to the input speech as input text;
A feature amount calculating step in which the computer calculates a feature amount of the input speech;
A voice quality determination step of determining a voice quality change of the input voice by comparing the feature quantity of the input voice and a reference feature quantity corresponding to a portion where the input text and the reference text coincide with each other;
The computer uses the whole or a part of the text corresponding to the input speech determined that the voice quality change is within an allowable range in the voice quality determination step as the new reference text and the reference feature quantity together with the corresponding feature quantity. A voice quality change determination method including a reference registration step of recording in a reference data recording unit.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008290314A JP5152588B2 (en) | 2008-11-12 | 2008-11-12 | Voice quality change determination device, voice quality change determination method, voice quality change determination program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008290314A JP5152588B2 (en) | 2008-11-12 | 2008-11-12 | Voice quality change determination device, voice quality change determination method, voice quality change determination program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010117528A true JP2010117528A (en) | 2010-05-27 |
JP5152588B2 JP5152588B2 (en) | 2013-02-27 |
Family
ID=42305236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008290314A Expired - Fee Related JP5152588B2 (en) | 2008-11-12 | 2008-11-12 | Voice quality change determination device, voice quality change determination method, voice quality change determination program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5152588B2 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012078702A (en) * | 2010-10-05 | 2012-04-19 | Yamaha Corp | Singing voice evaluation device |
WO2014203370A1 (en) * | 2013-06-20 | 2014-12-24 | 株式会社東芝 | Speech synthesis dictionary creation device and speech synthesis dictionary creation method |
US9905219B2 (en) | 2012-08-16 | 2018-02-27 | Kabushiki Kaisha Toshiba | Speech synthesis apparatus, method, and computer-readable medium that generates synthesized speech having prosodic feature |
JP2019128531A (en) * | 2018-01-26 | 2019-08-01 | 株式会社日立製作所 | Voice analysis apparatus and voice analysis method |
US11074926B1 (en) | 2020-01-07 | 2021-07-27 | International Business Machines Corporation | Trending and context fatigue compensation in a voice signal |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6223097A (en) * | 1985-07-23 | 1987-01-31 | 株式会社トミー | Voice recognition equipment |
JP2006230548A (en) * | 2005-02-23 | 2006-09-07 | Matsushita Electric Ind Co Ltd | Physical condition judging device and its program |
-
2008
- 2008-11-12 JP JP2008290314A patent/JP5152588B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6223097A (en) * | 1985-07-23 | 1987-01-31 | 株式会社トミー | Voice recognition equipment |
JP2006230548A (en) * | 2005-02-23 | 2006-09-07 | Matsushita Electric Ind Co Ltd | Physical condition judging device and its program |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012078702A (en) * | 2010-10-05 | 2012-04-19 | Yamaha Corp | Singing voice evaluation device |
US9905219B2 (en) | 2012-08-16 | 2018-02-27 | Kabushiki Kaisha Toshiba | Speech synthesis apparatus, method, and computer-readable medium that generates synthesized speech having prosodic feature |
WO2014203370A1 (en) * | 2013-06-20 | 2014-12-24 | 株式会社東芝 | Speech synthesis dictionary creation device and speech synthesis dictionary creation method |
CN105340003A (en) * | 2013-06-20 | 2016-02-17 | 株式会社东芝 | Speech synthesis dictionary creation device and speech synthesis dictionary creation method |
JPWO2014203370A1 (en) * | 2013-06-20 | 2017-02-23 | 株式会社東芝 | Speech synthesis dictionary creation device and speech synthesis dictionary creation method |
US9792894B2 (en) | 2013-06-20 | 2017-10-17 | Kabushiki Kaisha Toshiba | Speech synthesis dictionary creating device and method |
JP2019128531A (en) * | 2018-01-26 | 2019-08-01 | 株式会社日立製作所 | Voice analysis apparatus and voice analysis method |
US11074926B1 (en) | 2020-01-07 | 2021-07-27 | International Business Machines Corporation | Trending and context fatigue compensation in a voice signal |
Also Published As
Publication number | Publication date |
---|---|
JP5152588B2 (en) | 2013-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7013276B2 (en) | Method of assessing degree of acoustic confusability, and system therefor | |
US20180349495A1 (en) | Audio data processing method and apparatus, and computer storage medium | |
US8204747B2 (en) | Emotion recognition apparatus | |
US8015011B2 (en) | Generating objectively evaluated sufficiently natural synthetic speech from text by using selective paraphrases | |
US6910012B2 (en) | Method and system for speech recognition using phonetically similar word alternatives | |
US20090259475A1 (en) | Voice quality change portion locating apparatus | |
US20080177543A1 (en) | Stochastic Syllable Accent Recognition | |
JP4129989B2 (en) | A system to support text-to-speech synthesis | |
WO2005034082A1 (en) | Method for synthesizing speech | |
US20090138266A1 (en) | Apparatus, method, and computer program product for recognizing speech | |
Choi et al. | Finding intonational boundaries using acoustic cues related to the voice source | |
JP4586615B2 (en) | Speech synthesis apparatus, speech synthesis method, and computer program | |
JPWO2004066271A1 (en) | Speech synthesis apparatus, speech synthesis method, and speech synthesis system | |
JP2016521383A (en) | Method, apparatus and computer readable recording medium for improving a set of at least one semantic unit | |
JP5152588B2 (en) | Voice quality change determination device, voice quality change determination method, voice quality change determination program | |
US20130080155A1 (en) | Apparatus and method for creating dictionary for speech synthesis | |
JP2014066779A (en) | Voice recognition device and method, and semiconductor integrated circuit device | |
JP6013104B2 (en) | Speech synthesis method, apparatus, and program | |
JP2007316330A (en) | Rhythm identifying device and method, voice recognition device and method | |
KR101460447B1 (en) | Apparatus of learning intonations for learning foreign language and method thereof | |
JP5696638B2 (en) | Dialog control apparatus, dialog control method, and computer program for dialog control | |
JP2003186489A (en) | Voice information database generation system, device and method for sound-recorded document creation, device and method for sound recording management, and device and method for labeling | |
JP2003271183A (en) | Device, method and program for preparing voice recognition dictionary, device and system for recognizing voice, portable terminal device and program recording medium | |
JP6197523B2 (en) | Speech synthesizer, language dictionary correction method, and language dictionary correction computer program | |
JP2013195928A (en) | Synthesis unit segmentation device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110808 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120816 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121015 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121121 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151214 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5152588 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |