JP2013161038A - 音声出力装置、および、音声出力システム - Google Patents

Abstract

【課題】予め録音された録音音声と新たに生成した合成音声とからなる混成音声を出力する場合に、録音音声の出力と合成音声の出力とが途切れてしまうことを回避する。
【解決手段】予め録音された録音音声データを記憶する外部記憶部１５を有するナビゲーション装置１１は、車両の進行方向前方に存在する案内ポイントに対応する混成音声データを生成するために必要な録音音声データを抽出し、抽出した録音音声データと外部の携帯通信端末４１が生成した合成音声データとからなる混成音声データを生成し、車両が案内ポイントに到達すると、生成した混成音声データに基づいて混成音声を出力する。
【選択図】図１

Description

本発明は、予め設定された案内ポイントに関する案内音声として、予め録音された録音音声と新たに生成した合成音声とからなる混成音声を出力する音声出力装置、および、この音声出力装置と当該音声出力装置に通信可能に接続される外部の装置とからなる音声出力システムに関する。

従来より、音声合成用のライブラリを搭載し、入力された音声から合成音声データを生成し、その合成音声データに基づいて合成音声を出力する装置が公知である（例えば、特許文献１参照）。ところが、合成音声データを生成する処理は負荷が大きく、従って、合成音声データの生成が遅れてしまう傾向がある。そのため、予め録音された録音音声と新たに生成した合成音声とからなる混成音声を出力する場合には、録音音声と生成が遅れた合成音声との間に音切れ、つまり、録音音声の出力と合成音声の出力とが滑らかに連続せず途中で途切れてしまうという不具合が発生してしまう。

特開２００５−１４２９２６号公報

本発明は上記した事情に鑑みてなされたものであり、その目的は、予め録音された録音音声と新たに生成した合成音声とからなる混成音声を出力する場合に、録音音声の出力と合成音声の出力とが途切れてしまうことを回避することができる音声出力装置、および、この音声出力装置と当該音声出力装置に通信可能に接続される外部の装置とからなる音声出力システムを提供することにある。

本発明によれば、移動体に搭載された音声出力装置は、移動体の進行方向前方に存在する案内ポイントに対応する混成音声データを、当該案内ポイントに移動体が到達する前に、録音音声データ抽出手段が録音音声データ記憶部から抽出した録音音声データと、音声出力装置に通信可能に接続される外部の装置が生成した合成音声データとを用いて生成する。そして、移動体が進行方向前方に存在する案内ポイントに到達すると、その混成音声データに基づいて混成音声を出力する。
即ち、例えば車両などの移動体の進行方向前方に存在する案内ポイントに対応する混成音声データを当該案内ポイントに移動体が到達する前に事前に生成するように構成した。これにより、処理の負荷が大きい合成音声データの生成が遅れたとしても、音声出力装置を搭載する移動体が案内ポイントに到達する前に、余裕を持って録音音声データと合成音声データとからなる混成音声データを生成することができる。従って、生成した混成音声データに基づいて案内音声として混成音声を出力する場合に、録音音声の出力と合成音声の出力とが途切れてしまうことを回避することができる。

本発明の一実施形態に係る音声出力システムの構成を概略的に示す機能ブロック図 （ａ）は音声データテーブルの一例を示す図、（ｂ）は必要音声データテーブルの一例を示す図 合成音声データ用バッファ部および混成音声データ用バッファ部を概略的に示す図 経路案内用の画面の一例を示す図 音声出力システムの動作内容を示すフローチャート 混成音声データが生成される過程を示す図であり、（ａ）は合成音声データが格納された状態を示す図、（ｂ）はさらに録音音声データが格納された状態を示す図、（ｃ）は混成音声データが生成された状態を示す図 混成音声データ生成処理の内容を示すフローチャート 変形例に係る図７相当図 変形例に係る図４相当図

以下、本発明の一実施形態について図面を参照しながら説明する。図１に示すように、音声出力システム１０は、例えば車両などの移動体に搭載されるナビゲーション装置１１と、このナビゲーション装置１１に通信可能に接続される携帯通信端末４１と、からなる。なお、ナビゲーション装置１１は、特許請求の範囲に記載した「音声出力装置」に相当し、携帯通信端末４１は、特許請求の範囲に記載した「外部の装置」に相当する。
ナビゲーション装置１１は、制御部１２、位置検出部１３、データ通信部１４、外部記憶部１５、内部記憶部１６、表示出力部１７、音声出力部１８、操作入力部１９、ナビゲーション機能部２０、ユーザ設定機能部２１、音声合成機能部２２などを備える。制御部１２は、図示しないＣＰＵ、ＲＡＭ、ＲＯＭおよびＩ／Ｏバスなどを有するマイクロコンピュータを主体として構成されている。制御部１２は、ＲＯＭなどの記憶媒体に記憶されているコンピュータプログラムに従って、各種の表示出力動作、音声出力動作、経路案内動作などナビゲーション装置１１の動作全般を制御する。

また、この制御部１２は、コンピュータプログラムを実行することにより、案内ポイント検出処理部３１、録音音声データ抽出処理部３２、合成音声データ保持処理部３３、混成音声データ生成処理部３４、混成音声出力処理部３５をソフトウェアによって仮想的に実現する。なお、録音音声データ抽出処理部３２は、特許請求の範囲に記載した録音音声データ抽出手段に相当し、混成音声データ生成処理部３４は、特許請求の範囲に記載した混成音声データ生成手段に相当し、混成音声出力処理部３５は、特許請求の範囲に記載した混成音声出力手段に相当し、合成音声データ生成処理部３６は、特許請求の範囲に記載した音声出力装置が備える合成音声データ生成手段に相当する。

位置検出部１３は、ナビゲーション装置１１を搭載した車両の現在位置を検出するための検出モジュールである。位置検出部１３は、方位センサ１３ａ、ジャイロセンサ１３ｂ、距離センサ１３ｃ、測位用電波受信器１３ｄなどの各種のセンサ類を有している。方位センサ１３ａは、車両の方位を検出する。ジャイロセンサ１３ｂは、車両の回転角度を検出する。距離センサ１３ｃは、車両の走行距離を検出する。測位用電波受信器１３ｄは、測位システムにより車両の現在位置を測位するために、図示しない測位用衛星から送信される電波を受信する。位置検出部１３は、これらのセンサ類から得られる検出データを相互に補完しながら車両の現在位置を検出し、その現在位置を示す現在位置情報を制御部１２に出力する。

データ通信部１４は、後述する携帯通信端末４１のデータ通信部４３との間に通信回線を確立し、この通信回線を介して携帯通信端末４１との間で各種のデータを送受信する通信モジュールである。この場合、データ通信部１４およびデータ通信部４３は、無線の近距離通信回線を確立する。なお、本実施形態における近距離通信は、一般的な車両の車室内をカバーする程度の距離を主として想定しているが、例えば、車両のタイプ（型）や大きさ、ナビゲーション装置１１および携帯通信端末４１の通信性能など種々の要因に応じて、その距離範囲を適宜変更して実施することができ、その距離範囲に適した通信機能を採用することができる。

外部記憶部１５は、特許請求の範囲に記載した録音音声データ記憶部に相当するものであり、この場合、ナビゲーション装置１１に対して着脱可能な例えばＳＤカードなどの記憶媒体で構成されている。
この外部記憶部１５には、図２（ａ）に示す音声データテーブルＴ１が記憶されており、この音声データテーブルＴ１には、各音声ＩＤに対応付けて録音音声データあるいはテキストデータが格納されている。録音音声データは、予め録音された録音音声のデータであり、例えば録音音声データ[In half of a mile,]は、予め録音された「イン ハーフ オブ ア マイル」という音声を出力するためのデータである。また、テキストデータ[ABC Street]は、「Ａ」，「Ｂ」，「Ｃ」，「Ｓ」，「ｔ」，「ｒ」，「ｅ」，「ｅ」，「ｔ」という文字列を格納したデータである。

また、この外部記憶部１５には、図２（ｂ）に示す必要音声データテーブルＴ２が記憶されている。この必要音声データテーブルＴ２は、特許請求の範囲に記載の「必要音声識別情報」を含むデータテーブルであり、予め設定された複数の案内ポイントについて、これら案内ポイントのそれぞれに対応する混成音声データを生成するために必要な録音音声データおよび合成音声データを、各音声データに付与された音声ＩＤに基づいて案内ポイントごとに指定するデータテーブルである。即ち、例えば案内ポイントａに対応する混成音声データを生成するために必要な音声データは、音声ＩＤ＝１，２，３，４の音声データ、つまり、図２（ａ）に示す音声ＩＤ[１]の録音音声データ[In half of a mile,]、音声ＩＤ[２]の録音音声データ[right turn]、音声ＩＤ[３]の録音音声データ[onto]、および、詳しくは後述するようにして音声ＩＤ[４]のテキストデータ[ABC Street]に基づいて新たに生成される合成音声データ[ABC Street]である。
なお、「案内ポイント」とは、例えば現在走行中の走行道路と当該走行道路に続く案内対象となる道路との交差点などのポイントを示すものではなく、このような交差点などのポイントの手前において案内音声の出力を開始する案内音声出力開始ポイントとして設定されたポイントを示す。

内部記憶部１６は、ナビゲーション装置１１に内蔵された例えばメモリなどの記憶媒体で構成されており、この場合、合成音声データ用バッファ部１６Ａと混成音声データ用バッファ部１６Ｂとを有する。これら合成音声データ用バッファ部１６Ａおよび混成音声データ用バッファ部１６Ｂは、図３に示すように、何れも複数の記憶領域を有しており、各記憶領域に１つの音声データが格納されるようになっている。合成音声データ用バッファ部１６Ａは、詳しくは後述するようにして携帯通信端末４１から受信した合成音声データを一時的に保持するための記憶領域である。一方、混成音声データ用バッファ部１６Ｂは、録音音声データと合成音声データとからなる混成音声データを生成し保持するための記憶領域である。この場合、混成音声データ用バッファ部１６Ｂには、録音音声データを格納するための録音音声データ格納部１６Ｂａと、合成音声データを格納するための合成音声データ格納部１６Ｂｂとが設けられている。

表示出力部１７は、例えば液晶や有機ＥＬなどのカラーディスプレイからなる表示画面を有しており、制御部１２からの表示出力信号に基づいて各種の情報を表示する。この表示出力部１７の画面は、タッチパネルで構成されている。この表示出力部１７に表示される内容は、例えば図４に示す経路案内用の画面Ｇ１、図示しない各種の設定用画面などである。

音声出力部１８は、例えばスピーカなどで構成されており、制御部１２からの音声出力信号に基づいて各種の音声を出力する。この音声出力部１８から出力される音声は、詳しくは後述する混成音声データに基づく案内音声、および、その他の経路案内用の音声、あるいは、操作説明用の音声などである。
操作入力部１９は、表示出力部１７の画面の近傍に設けられたメカニカルスイッチ、あるいは、表示出力部１７の画面に設けられているタッチパネルスイッチなど各種のスイッチ群から構成されている。ユーザは、操作入力部１９の各スイッチを用いて各種の設定操作が可能である。

ナビゲーション機能部２０は、例えば、位置検出部１３から入力される現在位置情報に基づいて特定した車両の現在位置から、操作入力部１９を介して入力された目的地までの経路を探索し、その経路に基づいて車両を案内する機能、いわゆるナビゲーション機能を実行するものである。このナビゲーション機能部２０は、車両の経路案内を実行しない場合には、デフォルト表示として、車両の現在位置周辺の地図を表示出力部１７に表示するとともに、この表示中の地図に重ねて車両の現在位置および進行方向を示す現在位置マークを表示する。このとき、ナビゲーション機能部２０は、車両の現在位置マークを地図中の道路上に合わせるマップマッチング処理を実施する。この現在位置マークは、車両の走行に伴い地図上を移動する。また、表示出力部１７の画面に表示される地図は、車両の現在位置に応じてスクロールされる。また、ナビゲーション機能部２０は、車両の経路案内を実行する場合には、表示出力部１７に例えば図４に示す経路案内用の画面Ｇ１を表示し、探索した案内経路Ｒ１を強調表示するとともに当該案内経路Ｒ１に基づいて車両を案内する。この場合も、ナビゲーション機能部２０は、車両の現在位置マークＮを地図中の道路上に合わせるマップマッチング処理を実施し、現在位置マークＮを車両の走行に伴い地図上を移動させるとともに、表示出力部１７の画面に表示される地図を車両の現在位置に応じてスクロールする。

ユーザ設定機能部２１は、音声出力システム１０を使用するユーザを設定し、その設定したユーザに関する情報を、図示しないユーザ情報記憶部にユーザ情報として保持する。このユーザ情報記憶部に保持される情報には、少なくとも、音声出力システム１０を使用するユーザが所有する携帯通信端末４１を識別するための端末ＩＤが含まれる。ユーザ設定機能部２１は、例えば表示出力部１７に表示される図示しないユーザ設定画面を介してユーザが入力した情報をユーザ情報として保持する。また、ユーザ設定機能部２１は、複数のユーザについてそれぞれのユーザ情報を保持することが可能であり、複数のユーザ情報を保持している場合には、例えば表示出力部１７に表示される図示しないユーザ切替画面を介して、音声出力システム１０を使用する現在のユーザを切り替え可能となっている。なお、ユーザ情報記憶部は、外部記憶部１５、内部記憶部１６、あるいは、制御部１２が備えるメモリなどと共用してもよいし、これらとは独立して別個に設けてもよい。

音声合成機能部２２は、音声合成用の音声合成ライブラリや音声合成辞書などを有している。この音声合成機能部２２は、ナビゲーション装置１１に接続されている図示しない車載マイクを介して入力された音声、あるいは、操作入力部１９を介して入力されたテキストを音声合成ライブラリや音声合成辞書などを用いて音声データに変換し、その音声データを合成音声データとして出力する機能を有する。

案内ポイント検出処理部３１は、この場合、ナビゲーション機能部２０によって経路案内用に設定された案内経路上において車両の進行方向前方に存在する案内ポイントを検出する。なお、案内経路が確定した時点で、当該案内経路上に存在する案内ポイントの座標データは地図データなどに基づいて特定することができる。従って、この場合、この案内ポイント検出処理部３１による案内ポイントの検出処理は、確定した案内経路のデータと地図データとに基づいて、案内経路上に存在する案内ポイントを制御部１２が認識する処理として捉えることができる。

録音音声データ抽出処理部３２は、案内ポイント検出処理部３１が検出した移動体の進行方向前方に存在する案内ポイントに対応する混成音声データを生成するために必要な録音音声データを必要音声データテーブルＴ２に基づいて特定し、その特定した録音音声データを外部記憶部１５の音声データテーブルＴ１から抽出する。
合成音声データ保持処理部３３は、案内ポイント検出処理部３１が検出した移動体の進行方向前方に存在する案内ポイントに対応する混成音声データを生成するために、詳しくは後述するようにして携帯通信端末４１が新たに生成した合成音声データを合成音声データ用バッファ部１６Ａに保持する。

混成音声データ生成処理部３４は、録音音声データ抽出処理部３２が抽出した録音音声データと合成音声データ保持処理部３３が保持している合成音声データとからなる混成音声データを混成音声データ用バッファ部１６Ｂに生成する。この場合、混成音声データ生成処理部３４は、案内ポイントよりも所定距離手前のポイントをデータ生成完了ポイントとして設定し、車両が当該データ生成完了ポイントに到達するまでに混成音声データを生成するようになっている。この所定距離は、車両が案内ポイントに到達するまでに混成音声データの生成が完了することを確実にするために、制御部１２の処理能力や車両の速度などに応じて適宜変更して設定することができる。

混成音声出力処理部３５は、案内ポイント検出処理部３１が検出した案内ポイントに車両が到達すると、混成音声データ生成処理部３４が生成した混成音声データに基づいて音声出力部１８を介して混成音声を出力する。合成音声データ生成処理部３６は、上記した音声合成機能部２２を用いて合成音声データを生成する。即ち、ナビゲーション装置１１は、音声合成機能部２２および合成音声データ生成処理部３６を備えたことにより、外部の装置に依らずとも自身で合成音声データを生成することが可能である。

次に、携帯通信端末４１の構成について説明する。携帯通信端末４１は、制御部４２、データ通信部４３、音声合成機能部４４などを備える。制御部４２は、図示しないＣＰＵ、ＲＡＭ、ＲＯＭおよびＩ／Ｏバスなどを有するマイクロコンピュータを主体として構成されている。制御部４２は、ＲＯＭなどの記憶媒体に記憶されているコンピュータプログラムに従って、各種の表示出力動作、音声出力動作、通話動作、音声合成動作など携帯通信端末４１の動作全般を制御する。
また、この制御部４２は、コンピュータプログラムを実行することにより、合成音声データ生成処理部５１をソフトウェアによって仮想的に実現する。なお、合成音声データ生成処理部５１は、特許請求の範囲に記載した外部の装置が備える合成音声データ生成手段に相当する。
データ通信部４３は、上述したようにデータ通信部１４との間に通信回線を確立し、この通信回線を介してナビゲーション装置１１との間で各種のデータを送受信する通信モジュールである。

音声合成機能部４４は、音声合成用の音声合成ライブラリや音声合成辞書などを有している。この音声合成機能部４４は、携帯通信端末４１が備える図示しないマイクを介して入力された音声、あるいは、詳しくは後述するようにしてナビゲーション装置１１から受信したテキストデータを音声合成ライブラリや音声合成辞書などを用いて音声データに変換し、その音声データを合成音声データとして出力する機能を有する。例えば、「ストリート」という音声がマイクを介して入力された場合、この音声合成機能部４４は、その音声を解析して、「ストリート」という音声が出力される合成音声データを生成する。また、テキストデータ[ABC Street]が入力された場合、この音声合成機能部４４は、そのテキストデータを解析して、「エービーシー ストリート」という音声が出力される合成音声データ[ABC Street]を生成する。
合成音声データ生成処理部５１は、ナビゲーション装置１１から受信したテキストデータに基づいて、案内ポイント検出処理部３１が検出した案内ポイントに対応する混成音声データを生成するために必要な合成音声データを特定し、その特定した合成音声データを、上記した音声合成機能部４４を用いて生成する。

次に、上記した構成の音声出力システム１０の動作内容について図５を参照しながら説明する。なお、以下に説明する処理は、説明の便宜上、「ナビゲーション装置１１」、「携帯通信端末４１」を主体として説明するが、実際は「ナビゲーション装置１１の制御部１２」、「携帯通信端末４１の制御部４２」が実行する処理である。
ナビゲーション装置１１は、起動すると、ユーザ情報記憶部に記憶されている現在のユーザのユーザ情報を読み出す（ステップＡ１）。そして、ナビゲーション装置１１は、当該ナビゲーション装置１１から所定範囲内に存在する携帯通信端末４１を探索し、探索された携帯通信端末４１との間に通信回線を確立して通信可能に接続する（ステップＡ２）。

ナビゲーション装置１１に接続された携帯通信端末４１は、当該携帯通信端末４１の端末ＩＤをナビゲーション装置１１に送信する（ステップＢ１）。携帯通信端末４１から端末ＩＤを受信したナビゲーション装置１１は、ステップＡ１にて読み出したユーザ情報に含まれる携帯通信端末の端末ＩＤと受信した端末ＩＤとを比較し、その比較結果、つまり、両端末ＩＤが一致しているか、あるいは、不一致であるのかを記憶する（ステップＡ３）。ナビゲーション装置１１は、両端末ＩＤが一致した場合には、現在設定されているユーザの携帯通信端末４１が通信可能に接続されたと認識する。

次に、ナビゲーション装置１１は、現在設定されている案内経路と車両の現在位置とに基づいて、案内経路上において車両の進行方向前方であり且つ車両の現在位置から所定距離以内、この場合、１ｋｍ以内に存在する案内ポイントを検出する（ステップＡ４）。例えば図４に示す例では、ナビゲーション装置１１は、案内経路Ｒ１上において車両の進行方向前方であり且つ車両の現在位置Ｎから所定距離内に存在する案内ポイントａを検出する。なお、この所定距離は、例えば車両の速度、案内ポイント周辺の渋滞状況、天候や道路の状況などに応じて変更可能に構成するとよい。

ナビゲーション装置１１は、案内ポイントが検出されると（ステップＡ４：ＹＥＳ）、その案内ポイントに対応する混成音声データを生成するために必要な音声データの音声ＩＤを必要音声データテーブルＴ２から読み出し、読み出した音声ＩＤに基づいて、必要な音声データを特定する（ステップＡ５）。そして、ナビゲーション装置１１は、上記したステップＡ３の比較結果が「一致」であるか否かを判断し（ステップＡ６）、「一致」である場合（ステップＡ６：ＹＥＳ）には、ステップＡ７に移行して合成音声データ先行生成依頼処理を実行する。なお、ナビゲーション装置１１は、上記したステップＡ３の比較結果が「不一致」である場合（ステップＡ６：ＮＯ）には、ステップＡ７，Ａ８に移行することなく、詳しくは後述するステップＡ９に移行する。

ステップＡ７の合成音声データ先行生成依頼処理では、ナビゲーション装置１１は、携帯通信端末４１に合成音声データ先行生成依頼情報を送信する。このとき、ナビゲーション装置１１は、この合成音声データ先行生成依頼情報に、上記のステップＡ５にて特定した音声データに含まれるテキストデータそのもの、および、そのテキストデータの音声ＩＤを添付する。即ち、ステップＡ５にて特定した音声データに、例えばテキストデータ[ABC Street]が含まれている場合には、ナビゲーション装置１１は、そのテキストデータ[ABC Street]そのもの、および、そのテキストデータ[ABC Street]の音声ＩＤ[４]を添付して送信する。

携帯通信端末４１は、ナビゲーション装置１１から合成音声データ先行生成依頼情報を受信すると、受信したテキストデータ[ABC Street]そのものを音声合成機能部４４によって解析することにより、合成音声データ[ABC Street]を生成する（ステップＢ２）。そして、携帯通信端末４１は、生成した合成音声データ[ABC Street]をナビゲーション装置１１に送信する（ステップＢ３）。このとき、携帯通信端末４１は、受信した合成音声データ先行生成依頼情報に含まれる音声ＩＤ、この場合、音声ＩＤ[４]を合成音声データ[ABC Street]に添付して送信する。ナビゲーション装置１１は、受信した合成音声データ[ABC Street]を、図６（ａ）に示すように合成音声データ用バッファ部１６Ａに格納する（ステップＡ８）。そして、ナビゲーション装置１１は、混成音声データ生成処理を実行する（ステップＡ９）。

ここで、この混成音声データ生成処理の内容について図７を参照しながら説明する。この混成音声データ生成処理では、ナビゲーション装置１１は、上記のステップＡ５にて特定した音声データに含まれる録音音声データを録音音声データ格納部１６Ｂａに格納する（ステップＣ１）。即ち、ステップＡ５にて特定した音声データに、例えば録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]が含まれている場合には、図６（ｂ）に示すように、ナビゲーション装置１１は、それら録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]を、音声ＩＤが小さいデータから順に録音音声データ格納部１６Ｂａに格納していく。

そして、ナビゲーション装置１１は、ステップＡ５にて特定した音声データに含まれるテキストデータの音声ＩＤと、携帯通信端末４１から受信した合成音声データに添付されている音声ＩＤとを比較する（ステップＣ２）。この場合、ステップＡ５にて特定した音声データに含まれるテキストデータ[ABC Street]の音声ＩＤ[４]と、携帯通信端末４１から受信した合成音声データ[ABC Street]に添付されている音声ＩＤ[４]とが一致するので（ステップＣ２：ＹＥＳ）、ナビゲーション装置１１は、図６（ｃ）に示すように、合成音声データ用バッファ部１６Ａに格納されている合成音声データ[ABC Street]を合成音声データ格納部１６Ｂｂに移動させる（ステップＣ３）。これにより、ナビゲーション装置１１は、検出した案内ポイントに対応する混成音声データとして、録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]と合成音声データ[ABC Street]とが連続する一連の混成音声データを生成する。

なお、ナビゲーション装置１１は、両音声ＩＤが一致しない場合（ステップＣ２：ＮＯ）には、合成音声データ用バッファ部１６Ａに格納されている合成音声データ[ABC Street]を合成音声データ格納部１６Ｂｂに移動させないようになっている。この場合、図８に示すように、ナビゲーション装置１１は、合成音声データ先行生成依頼処理を再度実行（ステップＣ４）するように構成するとよい。この再度の合成音声データ先行生成依頼処理を受けて、携帯通信端末４１は、再度受信したテキストデータの音声ＩＤと現在生成している合成音声データに添付する音声ＩＤとが一致するか否かを判断する。そして、両音声ＩＤが一致する場合には、携帯通信端末４１は、現在生成中の合成音声データが生成され次第、直ちにナビゲーション装置１１に送信する。そして、ナビゲーション装置１１は、受信した合成音声データを含む混成音声データを生成する。一方、両音声ＩＤが一致しない場合には、携帯通信端末４１は、新たに受信したテキストデータに対応する合成音声データを生成してナビゲーション装置１１に送信する。そして、ナビゲーション装置１１は、その合成音声データを含む混成音声データを生成する。

また、ナビゲーション装置１１は、合成音声データ先行生成依頼処理を再度実行したにも関わらず、所定時間内、即ち、遅くとも案内ポイントに車両が到達するまでに、より好ましくは案内ポイント手前のデータ生成完了ポイントに車両が到達するまでに携帯通信端末４１から合成音声データを受信できない場合には、合成音声データ生成中止依頼処理を実行して、携帯通信端末４１による合成音声データの生成処理を中止する。そして、ナビゲーション装置１１は、合成音声データを有さず録音音声データのみからなる音声データ、この場合、録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]からなる音声データを生成する。

ナビゲーション装置１１は、ステップＡ９の混成音声データ生成処理にて混成音声データを生成すると、その混成音声データに基づいて混成音声を出力する（ステップＡ１０）。即ち、録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]と合成音声データ[ABC Street]とが連続する一連の混成音声データが生成されている場合には、ナビゲーション装置１１は、その混成音声データに基づいて「イン ハーフ オブ ア マイル、ライト ターン オントゥ エービーシー ストリート」という音声を出力する。なお、混成音声データ生成処理にて合成音声データを有しない音声データ、この場合、録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]からなる音声データが生成された場合には、ナビゲーション装置１１は、当該音声データの末端の録音音声データ、この場合、録音音声データ[onto]を削除して、「イン ハーフ オブ ア マイル、ライト ターン」という音声を出力する。

なお、ステップＡ３の比較結果が「不一致」である場合（ステップＡ６：ＮＯ）も、携帯通信端末４１は合成音声データを生成しない。よって、この場合も、混成音声データ生成処理にて合成音声データを有しない音声データ、この場合、録音音声データ[In half of a mile,]、録音音声データ[right turn]、録音音声データ[onto]からなる音声データが生成される。そのため、ナビゲーション装置１１は、音声データの末端の録音音声データを削除して、「イン ハーフ オブ ア マイル、ライト ターン」という音声を出力する。

以上に説明したように本実施形態によれば、例えば車両などの経路案内用に設定された案内経路上において進行方向前方に存在する案内ポイントを予め検出して、その案内ポイントに対応する混成音声データを、当該案内ポイントに車両が到達する前に事前に生成するように構成した。これにより、処理の負荷が大きい合成音声データの生成が遅れたとしても、車両が案内ポイントに到達する前に、余裕を持って録音音声データと合成音声データとからなる混成音声データを生成することができ、生成した混成音声データに基づいて案内音声として混成音声を出力する場合に、録音音声の出力と合成音声の出力とが途切れてしまうことを回避することができる。

また、合成音声データ生成処理部５１を、ナビゲーション装置１１とは別体の外部の携帯通信端末４１に設け、ナビゲーション装置１１は、外部の携帯通信端末４１に合成音声データの生成を依頼し、当該携帯通信端末４１が生成した合成音声データを用いて混成音声データを生成する構成とした。即ち、音声出力の主体となるナビゲーション装置１１は、処理の負荷が大きい合成音声データの生成処理を、自身では行わず外部の携帯通信端末４１に行わせる構成とした。これにより、ナビゲーション装置１１の処理負荷を低減することができ、音声出力処理を無理なく実行することができる。

また、混成音声データは、案内音声の出力を開始する案内ポイントよりも所定距離手前に設定されるデータ生成完了ポイントに車両が到達するまでに生成されるから、車両が案内ポイントに到達する前に十分に余裕を持って混成音声データを準備することができ、案内ポイントにおける混成音声データに基づく案内音声の出力を、遅延することなく円滑に実行することができる。
ナビゲーション装置１１は、予め整備された必要音声データテーブルＴ２に基づいて、外部記憶部１５から抽出する録音音声データおよび新たに生成する合成音声データを精度良く特定することができ、ひいては、最終的に生成される混成音声データを精度良く生成することができる。

なお、本発明は、上述した一実施形態のみに限定されるものではなく、その要旨を逸脱しない範囲で種々の実施形態に適用可能であり、例えば、以下のように変形または拡張することができる。
ナビゲーション装置１１は、案内ポイント検出処理部３１により、案内経路上に存在する案内ポイントのうち車両の進行方向前方に存在する「直近」の案内ポイントを、車両の進行に伴いながら随時検出し、その直近の１つの案内ポイントに対応する混成音声データを随時生成する構成としてもよい。あるいは、ナビゲーション装置１１は、案内経路が設定された時点で当該案内経路上に存在する全ての案内ポイントを検出し、それら複数の案内ポイントにそれぞれ対応する混成音声データを一括して生成する構成としてもよい。この場合、ナビゲーション装置１１は、車両が各案内ポイントに到達するごとに、その案内ポイントに対応する混成音声データに基づいて案内音声を随時出力する。

携帯通信端末４１が存在しない場合には、ナビゲーション装置１１は、自身が備える音声合成機能部２２および合成音声データ生成処理部３６により該当する合成音声データを生成することができる。この場合、ナビゲーション装置１１に合成音声データの生成処理の負荷がかかることから、データ生成完了ポイントを設定する際の所定距離を長く設定し、データ生成完了ポイントから案内ポイントまでの距離を一層長く確保するように構成するとよい。これにより、ナビゲーション装置１１は、車両が変更後のデータ生成完了ポイントに到達するまでに、自身が生成した合成音声データを用いて混成音声データを生成することができる。従って、ナビゲーション装置１１にて合成音声データを生成する場合であっても、車両が案内ポイントに到達する前に十分に余裕を持って混成音声データを準備することができ、案内ポイントにおける案内音声の出力を遅延なく円滑に実行することができる。

合成音声データ生成処理部５１が備えられる外部の装置は、携帯通信端末４１に限られるものではなく、例えば、ナビゲーション装置１１に、渋滞情報や事故情報などの交通情報、天候情報などを提供する情報提供サーバに合成音声データ生成処理部５１を備える構成としてもよい。また、ナビゲーション装置１１に合成音声データ生成処理部５１を備える構成としてもよい。

一旦設定された案内経路が変更された場合、例えば、車両が案内経路から外れ、ナビゲーション装置１１が備えるリルート機能により新たな案内経路が設定される場合も考慮して、ナビゲーション装置１１は、現在走行中の案内経路上において進行方向前方に存在する案内ポイントのみならず、車両が走行する可能性のある経路、つまり、現在走行中の案内経路とは異なる経路上に存在する案内ポイントも検出し、検出した複数の案内ポイントについて、それぞれ、各案内ポイントに対応する混成音声データを予め生成する構成としてもよい。即ち、例えば図９に示すように、ナビゲーション装置１１は、案内ポイントａのみならず、車両が走行する可能性のある経路Ｒ２上に存在する案内ポイントｂも検出し、その案内ポイントｂに対応する混成音声データも予め生成する。

さらに、ナビゲーション装置１１は、通過する可能性がなくなった案内ポイントに関連する音声データを消去する構成とするとよい。例えば図９に示す例では、車両が案内経路Ｒ１から外れ経路Ｒ２を走行し始めた場合には、予め生成した案内ポイントａに対応する混成音声データを消去する。これにより、ナビゲーション装置１１が備える記憶媒体を無駄なく有効に活用することができる。
また、ナビゲーション装置１１は、車両が案内経路Ｒ１から外れ経路Ｒ２を走行し始めたときに、未だ携帯通信端末４１から合成音声データを受信していない場合には、合成音声データ生成中止依頼処理を実行して、携帯通信端末４１による案内ポイントａに対応する合成音声データの生成処理を中止する構成としてもよい。
ナビゲーション装置１１および携帯通信端末４１は、データ通信ケーブルを介して相互に有線通信可能に接続する構成としてもよい。

図面中、１１はナビゲーション装置（音声出力装置）、１５は外部記憶部（録音音声データ記憶部）、３１は案内ポイント検出処理部（案内ポイント検出手段）、３２は録音音声データ抽出処理部（録音音声データ抽出手段）、３３は合成音声データ保持処理部（合成音声データ保持手段）、３４は混成音声データ生成処理部（混成音声データ生成手段）、３５は混成音声出力処理部（混成音声出力手段）、３６は合成音声データ生成処理部（合成音声データ生成手段）、４１は携帯通信端末（外部の装置）、５１は合成音声データ生成処理部（合成音声データ生成手段）を示す。

Claims (9)

1. 移動体に搭載され、予め録音された録音音声データを記憶する録音音声データ記憶部（１５）を有し、前記移動体の進行方向前方に存在する案内ポイントに到達すると、前記録音音声データ記憶部から抽出した前記録音音声データと生成した合成音声データとからなる混成音声データに基づいて混成音声を出力する音声出力装置（１１）であって、
   前記案内ポイントに対応する前記混成音声データを生成するために必要な前記録音音声データを前記録音音声データ記憶部から抽出する録音音声データ抽出手段（３２）と、
   前記移動体が前記案内ポイントに到達する前に、前記録音音声データ抽出手段が抽出した前記録音音声データと、前記案内ポイントに対応する前記混成音声データを生成するために前記音声出力装置に通信可能に接続される外部の装置が生成した前記合成音声データと、からなる前記混成音声データを生成する混成音声データ生成手段（３４）と、
   前記移動体が前記案内ポイントに到達すると、前記混成音声データ生成手段が生成した前記混成音声データに基づいて前記混成音声を出力する混成音声出力手段（３５）と、
   を備える音声出力装置。
2. 前記混成音声データ生成手段は、前記案内ポイントよりも所定距離手前のポイントをデータ生成完了ポイントとして設定し、前記移動体が前記データ生成完了ポイントに到達するまでに前記混成音声データを生成する請求項１に記載の音声出力装置。
3. 前記案内ポイントに対応する前記混成音声データを生成するために必要な前記合成音声データを生成する合成音声データ生成手段（３６）をさらに備え、
   前記混成音声データ生成手段は、前記外部の装置から前記合成音声データが得られない場合には、前記所定距離を長く設定して前記データ生成完了ポイントから前記案内ポイントまでの距離を長くするとともに、前記移動体が変更後の前記データ生成完了ポイントに到達するまでに、前記合成音声データ生成手段が生成した前記合成音声データを用いて前記混成音声データを生成する請求項２に記載の音声出力装置。
4. 前記案内ポイントのそれぞれについて、対応する前記混成音声データを生成するために必要な前記録音音声データおよび前記合成音声データを示す必要音声識別情報を有する請求項１から３の何れか１項に記載の音声出力装置。
5. 前記移動体の進行方向前方に存在する前記案内ポイントは、前記移動体の案内経路上に存在する案内ポイントである請求項１から４の何れか１項に記載の音声出力装置。
6. 前記移動体の進行方向前方に存在する前記案内ポイントは、前記移動体の案内経路とは異なる経路上に存在する案内ポイントである請求項１から４の何れか１項に記載の音声出力装置。
7. 移動体に搭載され、予め録音された録音音声データを記憶する録音音声データ記憶部（１５）を有し、前記移動体の進行方向前方に存在する案内ポイントに到達すると、前記録音音声データ記憶部から抽出した前記録音音声データと生成した合成音声データとからなる混成音声データに基づいて混成音声を出力する音声出力装置（１１）と、この音声出力装置に通信可能に接続される外部の装置（４１）と、からなる音声出力システム（１０）であって、
   前記音声出力装置に設けられ、前記案内ポイントに対応する前記混成音声データを生成するために必要な前記録音音声データを前記録音音声データ記憶部から抽出する録音音声データ抽出手段（３２）と、
   前記外部の装置に設けられ、前記案内ポイントに対応する前記混成音声データを生成するために必要な前記合成音声データを生成する合成音声データ生成手段（５１）と、
   前記音声出力装置に設けられ、前記移動体が前記案内ポイントに到達する前に、前記録音音声データ抽出手段が抽出した前記録音音声データと、前記合成音声データ生成手段が生成した前記合成音声データと、からなる前記混成音声データを生成する混成音声データ生成手段（３４）と、
   前記音声出力装置に設けられ、前記移動体が前記案内ポイントに到達すると、前記混成音声データ生成手段が生成した前記混成音声データに基づいて前記混成音声を出力する混成音声出力手段（３５）と、
   を備える音声出力システム。
8. 前記合成音声データ生成手段は、前記音声出力装置からの合成音声データの生成依頼を受けて前記合成音声データを生成するように構成されている請求項７に記載の音声出力システム。
9. 前記音声出力装置は、依頼した合成音声データが得られない場合には、合成音声データの生成依頼を再度実行する請求項８に記載の音声出力システム。

Images