JP2010224236A

JP2010224236A - 音声出力装置

Info

Publication number: JP2010224236A
Application number: JP2009071659A
Authority: JP
Inventors: Fumihiko Aoyama; 文彦青山
Original assignee: Alpine Electronics Inc
Current assignee: Alpine Electronics Inc
Priority date: 2009-03-24
Filing date: 2009-03-24
Publication date: 2010-10-07
Anticipated expiration: 2029-03-24
Also published as: JP5419136B2

Abstract

【課題】複数言語の文字列をよりスムーズに連続的に音声出力することのできる「音声出力装置」を提供することである。
【解決手段】
文字列情報の設定言語での読み音の音声データを生成する設定言語生成手段と、前記設定言語の文字列情報を記憶するとともに、他言語の文字列情報と、該他言語の文字列情報の当該他言語での読み音の音声データとを対応付けて記憶する記憶手段と、文字列情報に対応付けて音声データが記憶さている場合、前記音声データに基づいて該文字列情報の読み音を前記出力手段から出力させる第１出力制御手段と、文字列情報に対応して音声データが記憶されていない場合、該文字列情報から音声データを生成させ、該生成された音声データに基づいて当該文字列情報の読み音を前記出力手段から出力させる第２出力制御手段とを有する構成となる。
【選択図】図６

Description

本発明は、音声合成の手法を用いて文字列情報が表わす文字列の読み音を出力させる音声出力装置に関する。

従来、電子文書（文字列情報にて表わされた文字列）から音声合成して読み音を出力するための音声読み上げ用ファイル（音声データ）を生成し、該音声読み上げ用ファイルを用いて前記電子文書の読み音を出力させるようにした電子文書処理装置が提案されている（特許文献１参照）。この電子文書処理装置では、更に、音声読み上げ用ファイルに電子文書を記述する言語（英語、日本語、フランス語、ドイツ語等）を示す属性情報を付加し、音声出力に際してその属性情報に基づいて使用されるべき音声合成エンジンを選択するようにしている。このような電子文書装置によれば、異なる言語の電子文書であってもその言語にあった的確な読み音を出力させることができるようになる。

特開２００１−１４３０５号公報

ところで、カーナビゲーション装置等の車載機器において個人、会社等の住所、電話番号等（文字列情報）を電子アドレスブックとして登録することが知られている。この電子アドレスブックは、ハンズフリーにて携帯電話機を発信する場合や、電話番号からナビゲーションの目的地を設定する場合等に利用することができる。更に、この電子アドレスブックに登録されている氏名、会社名等の名称（文字列）を音声出力すれば、運転中の乗員であっても電子アドレスブックに登録されている氏名、会社名を確認することができる。

また、電子アドレスブックに複数の言語の文字列情報がランダムに登録されていても、その文字列情報に付加された言語を示す属性情報に基づいて、音声出力の対象となる文字列情報毎に音声合成エンジンを選択することにより、その文字列情報が表わす言語の的確な音声出力が可能になる。

しかしながら、電子アドレスブックにランダムに登録されている複数言語の文字列情報を連続的に音声出力する場合、音声出力の対象となる文字列情報の言語が変わる毎に音声合成エンジンを切換えなければならないので、そのランダムに発生する音声合成エンジンの切換え時間によって、氏名や会社名等のスムーズな連続音声出力が妨げられる。

本発明は、このような事情に鑑みてなされたものであり、複数言語の文字列をよりスムーズに連続的に音声出力することのできる音声出力装置を提供するものである。

本発明に係る音声出力装置は、文字列情報に基づいて文字列情報が表わす文字列の読み音を出力手段から出力させる音声出力装置であって、文字列情報が表わす文字列の予め設定された言語での読み音の音声データを生成する設定言語音声データ生成手段と、前記設定された言語の文字列情報を記憶するとともに、前記設定された言語以外の他言語の文字列情報と、前記他言語の文字列情報が表わす文字列の当該他言語での読み音の音声データとを対応付けて記憶する記憶手段と、前記記憶手段に文字列情報に対応付けて音声データが記憶さている場合、前記音声データに基づいて該文字列情報にて表わされる文字列の読み音を前記出力手段から出力させる第１出力制御手段と、前記記憶手段に文字列情報に対応して音声データが記憶されていない場合、前記設定言語データ生成手段にて該文字列情報から音声データを生成させ、該生成された音声データに基づいて当該文字列情報にて表わされる文字列の読み音を前記出力手段から出力させる第２出力制御手段とを有する構成となる。

このような構成により、記憶手段に、設定された言語の文字列情報が記憶されるとともに、前記設定された言語以外の他言語の文字列情報と、前記他言語の文字列情報が表わす文字列の当該他言語での読み音の音声データとが対応付けて記憶されているので、記憶手段に記憶されている文字列情報のうち音声データが対応付けられている文字列情報については、その音声データに基づいて対応する当該文字列情報にて表わされる文字列の読み音が出力され（第１出力制御手段による）、記憶手段に記憶されている文字列情報のうち音声データが対応付けられていない文字列情報については、設定言語データ生成手段にて当該文字列情報から生成された音声データに基づいてその文字列情報にて表わされる文字列の読み音が出力される（第２出力制御手段による）。

前記文字列情報及び音声データは、外部から提供されるものを記憶手段に記憶させるものであっても、本音声出力装置において記憶手段に記憶させるものであってもよい。

後者の場合、本発明に係る音声出力装置は、更に、文字列情報を取得する文字列情報取得手段と、該取得された文字列情報の言語を表わす言語情報を取得する言語情報取得手段と、取得された言語情報が表わす言語と前記設定された言語とが同じであるか否かを判定する言語判定手段と、前記両言語が同じであるとの判定がなされたときに、前記取得された文字列情報を前記記憶手段に記憶させる第１登録制御手段と、前記両言語が同じでないとの判定がなされたときに、前記文字列情報が表わす文字列の前記取得された言語情報が表わす言語での読み音の音声データを生成する他言語音声データ生成手段と、該他言語音声データ生成手段にて生成された音声データをその元となる文字列情報に対応づけて前記記憶手段に記憶させる第２登録手段とを有する構成とすることができる。

このような構成により、他の装置を用いることなく、記憶手段に、設定された言語の文字列情報を記憶するとともに、前記設定された言語以外の他言語の文字列情報と、前記他言語の文字列情報が表わす文字列の当該他言語での読み音の音声データとが対応付けて記憶することができるようになる。

また、本発明に係る音声出力装置において、前記第１登録制御手段及び第２登録制御手段のそれぞれは、前記取得された文字列情報に対応付けて前記取得された言語情報を前記記憶手段に記憶させる構成とすることができる。

このような構成により、記憶手段に文字列情報とともにその文字列情報の言語を表わす言語情報が記憶されるようになるので、文字列情報の音声出力を行うに際して、その言語情報に基づいて記憶手段に記憶された文字列情報が設定された言語の文字列を表わすものであるか否か、即ち、音声データが対応して記憶されているか否かを容易に判定することができる。

更に、本発明に係る音声出力装置において、前記文字列情報は、それが表わす文字列を構成する各文字の文字コードからなり、前記言語情報取得手段は、言語情報と該言語情報にて表わされる言語特有の文字コードとの対応テーブルを有し、前記対応テーブルから前記取得した文字列情報に含まれる文字コードに対応した言語情報を取得する構成とすることができる。

このような構成により、登録すべき文字列情報の言語を表わす言語情報をユーザが指定しなくてもその言語情報を取得することができるようになる。

本発明に係る音声出力装置によれば、記憶手段に記憶されている文字列情報のうち音声データが対応付けられている文字列情報については、その音声データに基づいて対応する当該文字列情報にて表わされる文字列の読み音が出力され、記憶手段に記憶されている文字列情報のうち音声データが対応付けられていない文字列情報については、設定言語データ生成手段にて当該文字列情報から生成された音声データに基づいてその文字列情報にて表わされる文字列の読み音が出力されるので、記憶手段に記憶された文字列情報の音声出力を行うに際して、設定された言語についての設定言語音声データ生成手段（例えば、設定された言語についての音声合成エンジン）から他の言語の音声データを生成するための手段（例えば、他の言語についての音声合成エンジン）に切換えることなく、音声出力させることが可能になり、その結果、複数言語の文字列をよりスムーズに連続的に音声出力することができるようになる。

本発明に係る音声出力装置が適用される車載ナビゲーション装置を示すブロック図である。名称（文字列）をアドレスブックに登録するための処理手順を示すフローチャートである。言語と、その言語特有となる文字コード（特有文字コード）との関係を表わすテーブルを示す図である。ドイツ語の単語Ｇｕｎｔｅｒ（ｕは、ｕウムラウトを表す。以下同様）（文字列）とその文字コードとの関係及びフランス語の単語Ｆｒａｎｃｏｉｓ（ｃは、ｃセディーユを表す。以下同様）（文字列）とその文字コードとの関係を示す図である。アドレスブックの内容例を示す図である。アドレスブックに登録された名称（文字列）を音声出力するための処理手順を示すフローチャートである。

以下、本発明の実施の形態について図面を用いて説明する。

本発明の実施の一形態に係る音声出力装置が適用される車載ナビゲーション装置は、図１に示すように構成される。

図１において、車載ナビゲーション装置１００は、コンピュータユニット（ＣＰＵを含む）にて構成される処理ユニット１０を有している。処理ユニット１０には、車両ナビゲーションに必要な位置情報を提供するためのＧＰＳユニット１５、センサ類１６（ジャイロセンサ、加速度センサ等）及び地図情報及び各種情報を記憶する記憶部２０（例えば、ハードディスクユニット）が接続されている。また、処理ユニット１０には、車室内に設けられ、ＬＣＤ等により構成される表示部１２、操作ボタンや表示部１２内に構成されるタッチパネル等の操作部１１、車室内に設けられたスピーカ１４に音声信号を供給する出力回路１３が接続されている。

処理ユニット１０は、ＧＰＳユニット１５及びセンサ類１６からの各種情報及び記憶部２０から読み出した地図情報に基づいて車両ナビゲーションに係る処理を実行し、表示部１２にナビゲーションに係る地図ともに車両位置マーク及び案内経路等を表示させるようになっている。更に、処理ユニット１０は、記憶部２０内に構成されるアドレスブックに氏名（名称）及び電話番号を登録し、そのアドレスブックにおいて指定される氏名（名称）の電話番号からカーナビゲーションの目的地の設定に係る処理を行うことができるようになっている。

また、処理ユニット１０は、文字列データをその文字列の読み音の音声データに変換する複数言語についてのＴＴＳ（Text to Speech）エンジンを有しており、このＴＴＳエンジンによって、前記アドレスブックに登録された氏名（名称）を表わす文字列の読み音をスピーカ１４から出力させることが可能となっている。なお、前記ＴＴＳエンジンは、プログラム及び各種辞書等のデータベースに基づいた処理ユニット１０の機能として実現される。利用言語が設定されると（通常、車載ナビゲーション装置１００が利用される国の言語が利用言語としてデフォルト設定されている）、その利用言語についてのＴＴＳエンジンがデフォルトのＴＴＳエンジン（以下、設定言語ＴＴＳエンジンという）として設定される。

処理ユニット１０は、図２に示す手順に従って氏名（名称）のアドレスブックへの登録処理を実行する。

例えば、乗員は、操作部１１及び表示部１２のヒューマンインターフェース（ＨＭＩ）を利用して、登録すべき氏名（名称）の文字列を表わす文字列データ（文字列情報）及びその言語を表わす言語情報を入力するとともに、その登録要求の操作を行う。このような登録要求に係る操作がなされると、処理ユニット１０は、入力された文字列データを取得するとともに、入力された言語情報の取得処理を実行し（Ｓ２１）、その言語情報の取得に成功したか否かを判定する（Ｓ２２）。言語情報の取得に成功すると（Ｓ２２でＹＥＳ）、処理ユニット１０は、取得した言語情報と、利用言語として設定された言語（例えば、英語）を表わす言語情報とが一致するか否かを判定する（Ｓ２３）。それら両言語情報が一致するとの判定がなされると（Ｓ２３でＹＥＳ）、処理ユニット１０は、前記入力された文字列データと言語情報とを対応付けて記憶部２３にアドレスブックの情報として記憶させる（登録する）（Ｓ２７）。

一方、前記両言語情報が一致しないとの判定がなされると（Ｓ２３でＮＯ）、処理ユニット１０は、例えば、英語の設定言語ＴＴＳエンジンを前記取得した言語情報にて表わされる言語、例えば、ドイツ語のＴＴＳエンジンに切替える（Ｓ２４）。そして、処理ユニット１０は、その切り替えによって有効となったＴＴＳエンジンを起動させて、取得した文字列データが表わす文字列の前記取得された言語情報が表わす言語（例えば、ドイツ語）での読み音の合成音声データを生成する（Ｓ２５）。そして、処理ユニット１０は、前記取得した文字列データ、生成した合成音声データ及び前記取得した言語情報を対応付けて記憶部２３にアドレスブックの情報として記憶させる（登録する）（Ｓ２６）。

前述した処理（Ｓ２１〜Ｓ２７）は、乗員によるヒューマンインターフェース（ＨＭＩ）を利用した前記登録要求がなされる毎に実行される。そして、その処理の過程で、乗員が言語情報の入力をし忘れた、あるいは、正確な言語情報の入力がなされなかった等で、言語情報の取得に成功しなかったとの判定がなされると（Ｓ２２でＮＯ）、処理ユニット１０は、前記取得した文字列データを構成する各文字の文字コードと、特有文字コードとして予め登録されている言語特有の文字コードとを比較し（Ｓ２８）、取得した文字列データに登録されている特有文字コードが含まれているか否かを判定する（Ｓ２９）。例えば、図３に示すように、ドイツ語の文字「ｕ」の文字コード「０ｘ００ｆｃ」がドイツ語の特有文字コードとして、また、フランス語の文字「ｃ」の文字コード「０ｘｅ７」がフランス語の特有文字コードとして登録されている。

取得した文字列データに特有文字コードとして登録されている文字コードが含まれているとの判定を行うと（Ｓ２９でＹＥＳ）、処理ユニット１０は、取得した文字列データ（文字列）をその特殊文字コードに対応した言語であると認識する。例えば、文字列「Ｇｕｎｔｅｒ」を表わす文字列データを取得した場合、その文字列データは、図４（ａ）に示すように、「０ｘ００４７０ｘ００ｆｃ０ｘ００６ｅ０ｘ００７４０ｘ００６５０ｘ００７２」の６つの文字コードで構成される。この場合、これら６つの文字コードにドイツ語の特有文字コード「０ｘ００ｆｃ」が含まれることから、処理ユニット１０は、前記６つの文字コードで構成される文字列データ（文字列「Ｇｕｎｔｅｒ」）をドイツ語であると認識する。また、文字列「Ｆｒａｎｃｏｉｓ」を表わす文字列データを取得した場合、その文字列データは、図４（ｂ）に示すように、「０ｘ４６０ｘ７２０ｘ６１０ｘ６ｅ０ｘｅ７０ｘ６ｆ０ｘ６９０ｘ７３」の８つの文字コードで構成される。この場合、これら８つの文字コードにフランス語の特有文字コード「０ｘｅ７」が含まれることから、処理ユニット１０は、前記８つの文字コードで構成される文字列データ（文字列「Ｆｒａｎｃｏｉｓ」）をフランス語であると認識する。

次いで、処理ユニット１０は、このようにして認識した言語と利用言語として予め設定されている言語（例えば、英語）とが一致するか否かを判定し（Ｓ２３）、それらが一致しなければ（Ｓ２３でＮＯ）、前述したのと同様に、英語の設定言語ＴＴＳエンジンから、前記認識した言語のＴＴＳエンジンに切替える（Ｓ２４）。例えば、取得した名称（文字列）が「Ｇｕｎｔｅｒ」であれば、ドイツ語のＴＴＳエンジンに切替えられ、取得した名称（文字列）が「Ｆｒａｎｃｏｉｓ」であれば、フランス語のＴＴＳエンジンに切替えられる。そして、その切り替えによって有効となったＴＴＳエンジンにより、前記取得した文字列データが表わす文字列の前記認識された言語（例えば、ドイツ語）での読み音の合成音声データが生成され（Ｓ２５）、前記取得した文字列データ、生成した合成音声データ及び前記認識した言語情報が対応付けられて記憶部２３にアドレスブックの情報として記憶される（登録される）（Ｓ２６）。

上述したような名称（文字列）のアドレスブックへの登録処理により、例えば、図５に示すようなアドレスブックが記憶部２０に生成される。図５において、利用言語（英語）の名称「Nancy」、「Robert」については、その名称（文字列データ）と、言語情報「英語」と「電話番号」とが１つのレコードの情報として記憶され、また、利用言語（英語）以外の言語であるドイツ語の名称「Ｇｕｎｔｅｒ」、フランス語の名称「Ｆｒａｎｃｏｉｓ」については、その名称（文字列データ）と、言語情報「ドイツ語」、「フランス語」と、「電話番号」とに加えてＴＴＳ合成音声データ「Vos 1」、「Vos 2」が１つのレコードの情報として記憶される。

なお、図２では、「電話番号」を登録するための処理ステップについては図示が省略されている。

アドレスブックへの登録処理が終了した状態で、乗員がアドレスブックに登録された名称（文字列）の再生要求を操作部１１及び表示部１２のヒューマンインターフェース（ＨＭＩ）を利用して行うと、処理ユニット１０は、図６に示す手順に従って、アドレスブックに登録された名称を音声出力する処理を実行する。

図６において、処理ユニット１０は、記憶部２０に格納されたアドレスブックからレコード単位に読み出し処理を実行する過程で、まず、対象レコードの名称（文字列データ）及び言語情報を取得し（Ｓ４１）、設定言語ＴＴＳエンジンの利用言語（例えば、英語）を取得する（Ｓ４２）。処理ユニット１０は、アドレスブックから取得した言語情報で表される言語と利用言語とが一致するか否かを判定する（Ｓ４３）。両言語が一致すると（Ｓ４３でＹＥＳ）、処理ユニット１０は、アドレスブックから取得した文字列データ（名称）が表わす文字列の利用言語（英語）での読み音の合成音声データを生成し、その合成音声データに基づいた音声信号を出力回路１３からスピーカ１４に供給することで、前記アドレスブックから取得した名称（文字列）の読み音をスピーカ１４から出力させる（Ｓ４４）。例えば、図５に示すアドレスブックに登録された名称「Robert」の英語での読み音がスピーカ１４から出力される。

一方、前記アドレスブックから取得した言語情報で表わされる言語と利用言語とが一致しない場合（Ｓ４３でＮＯ）、アドレスブックには取得した名称（文字列）に対応したＴＴＳ合成音声データが登録されているので、処理ユニット１０は、その登録されているＴＴＳ音声データを読み出し、そのＴＴＳ合成音声データに基づいた音声信号を出力回路１３を介してスピーカ１４に供給する（Ｓ４５）。その結果、アドレスブックから取得した名称（文字列）の読み音がスピーカ１４から出力される。例えば、図５に示すアドレスブックに登録された名称「Ｇｕｎｔｅｒ」や「Ｆｒａｎｃｏｉｓ」は、その登録時にドイツ語やフランス語のＴＴＳエンジンにて作成された合成音声データに基づいてドイツ語やフランス語での読み音としてスピーカ１４から出力される。

処理ユニット１０は、前述したようにアドレスブックに登録された名称の音声出力が終了すると、操作部１１での選択操作がなされたか否かを判定し（Ｓ４６）、選択操作がなされていなければ（Ｓ４６でＮＯ）、アドレスブックの以降のレコードについて同様の処理（Ｓ４１〜Ｓ４３、及びＳ４４またはＳ４５）が順次実行される。その結果、アドレスブックに登録された名称が音声にて順次出力される。

このアドレスブックに登録されている名称の音声出力を聞いている乗員は、その名称に対応した電話番号にて目的地設定をする場合、該当する名称の音声出力がなされたときに操作部１１にて所定の選択操作を行うことができる。処理ユニット１０は、その選択操作がなされたことを検出すると（Ｓ４６でＹＥＳ）、前述した音声出力の処理を終了する。なお、処理ユニット１０は、選択操作がなされた直前に音声出力した名称に対応して登録されている電話番号（図５参照）を前述した目的地設定の処理に提供する。

前述した本発明の実施の形態に係る音声出力装置（車載ナビゲーション装置１００）では、利用言語以外の他言語の名称（文字列）については、そのアドレスブック（記憶部２０）への登録時に当該他言語のＴＴＳエンジンを利用して作成された合成音声データが、当該名称と対応づけられて登録されているので、アドレスブックに登録されている名称の音声出力時には、複数の言語の名称が登録されていたとしても、利用言語（英語）の設定言語ＴＴＳエンジンしか用いられず、ＴＴＳエンジンの切り替え処理はなされない。その結果、種々の言語の名称（文字列）の読み音を連続して出力するに際して、ＴＴＳエンジンを切替えるための時間が必要なく、その分、名称（文字列）のよりスムーズな音声出力が可能となる。

なお、前述した実施の形態では、車載ナビゲーション装置１００（音声出力装置）に名称のアドレスブックへの登録機能があったが、図５に示すような構造のアドレスブック全体を別の装置（コンピュータ）で生成し、そのアドレスブックの情報を通信あるいは記録媒体（ＵＳＢメモリ等）を介して記憶部２０に取り込むようにしてもよい。また、名称及び電話番号等の登録も携帯電話機やＵＳＢメモリ等の記録媒体から記憶部２０内のアドレスブックにインポートするように構成することもできる。

図６に示す音声出力処理では、アドレスブックに登録された言語情報と利用言語との比較結果に応じて設定言語ＴＴＳエンジンを利用するか否かを決めていたが、ＴＴＳ合成音声データが記憶されているか否かの判定結果に応じて設定言語ＴＴＳエンジンを利用するか否かを決めることもできる。

前述した実施の形態に係る音声出力装置は、車載ナビゲーション装置１００に適用したものであるが、本発明はこれに限定されず、他の電子機器に適用すること、あるいは、音声出力装置自体として構成することも可能である。

以上説明したように、本発明に係る音声出力装置は、複数言語の文字列をよりスムーズに連続的に音声出力することのできるという効果を有し、音声合成の手法を用いて文字列情報が表わす文字列の読み音を出力させる音声出力装置として有用である。

１０処理ユニット
１１操作部
１２表示部
１３出力回路
１４スピーカ
１５ＧＰＳユニット
１６センサ類（ジャイロセンサ・加速度センサ）
２０記憶部（ＳｔｒａｇｅＭｅｄｉａ）
１００車載ナビゲーション装置

Claims

文字列情報に基づいて文字列情報が表わす文字列の読み音を出力手段から出力させる音声出力装置であって、
文字列情報が表わす文字列の予め設定された言語での読み音の音声データを生成する設定言語音声データ生成手段と、
前記設定された言語の文字列情報を記憶するとともに、前記設定された言語以外の他言語の文字列情報と、前記他言語の文字列情報が表わす文字列の当該他言語での読み音の音声データとを対応付けて記憶する記憶手段と、
前記記憶手段に文字列情報に対応付けて音声データが記憶さている場合、前記音声データに基づいて該文字列情報にて表わされる文字列の読み音を前記出力手段から出力させる第１出力制御手段と、
前記記憶手段に文字列情報に対応して音声データが記憶されていない場合、前記設定言語データ生成手段にて該文字列情報から音声データを生成させ、該生成された音声データに基づいて当該文字列情報にて表わされる文字列の読み音を前記出力手段から出力させる第２出力制御手段とを有する音声出力装置。
文字列情報を取得する文字列情報取得手段と、
該取得された文字列情報の言語を表わす言語情報を取得する言語情報取得手段と、
取得された言語情報が表わす言語と前記設定された言語とが同じであるか否かを判定する言語判定手段と、
前記両言語が同じであるとの判定がなされたときに、前記取得された文字列情報を前記記憶手段に記憶させる第１登録制御手段と、
前記両言語が同じでないとの判定がなされたときに、前記文字列情報が表わす文字列の前記取得された言語情報が表わす言語での読み音の音声データを生成する他言語音声データ生成手段と、
該他言語音声データ生成手段にて生成された音声データをその元となる文字列情報に対応づけて前記記憶手段に記憶させる第２登録手段とを有する請求項１記載の音声出力装置。
前記第１登録制御手段及び第２登録制御手段のそれぞれは、前記取得された文字列情報に対応付けて前記取得された言語情報を前記記憶手段に記憶させる請求項２記載の音声出力装置。
前記文字列情報は、それが表わす文字列を構成する各文字の文字コードからなり、
前記言語情報取得手段は、言語情報と該言語情報にて表わされる言語特有の文字コードとの対応テーブルを有し、
前記対応テーブルから前記取得した文字列情報に含まれる文字コードに対応した言語情報を取得する請求項２または３記載の音声出力装置。