JP3090238B2 - 合成音声ポーズ設定方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は入力された文から合成音
声を生成する過程で、入力文中のアクセント句境界にポ
ーズを付与するために行われる合成音声ポーズ設定方法
に関する。

【０００２】

【従来の技術】漢字かな混じり文を入力して、アクセン
ト、ポーズ情報を付加した読み列に変換後、合成音声と
して出力する合成音声出力装置が既に実用化されてい
る。またこのような合成音声出力装置を用いて、電子メ
ールや新聞記事の内容を電話などを通して音声で聞くこ
とができるサービスが既に実施されている。しかし、現
在の技術レベルでは、人間の発話音声と合成音声とを比
較すると、読み、アクセント、ポーズ共に誤りや不自然
さが残るものとなっている。このため、適用範囲が限定
され、利用者数の伸びが低迷する原因となっている。

【０００３】日本語の漢字かな混じり文を入力して合成
音声を出力するためには、少なくとも合成音声出力装置
の内部で入力された文に含まれる漢字に対して読みをふ
る必要がある。このために合成音声出力装置で行われる
処理手順としては、まず、入力された文に対して自然言
語処理の１技術である形態素解析処理を行ない、単語単
位に分割して個々の単語の読みを決定する。さらに単な
る棒読みになることを防ぐために、分割された各単語毎
にどこにアクセントを付ければよいかという情報を品詞
情報などと共に、形態素解析処理により各単語に付随す
る情報として決定する。

【０００４】上記のように、より自然な合成音声を出力
させるため、従来より自然言語処理技術が導入されてい
る。一方、本発明が対象とする単語間のポーズについて
も、（文末などの場合のように）長時間のポーズを設定
する場合から、（複合語を構成する各単語の間のよう
に）まったくつなげて読むといった範囲で選択的な設定
が必要であり、この決定にも自然言語解析処理結果に基
づく各単語の品詞情報などが利用されている。ただし、
これらの手法は思考錯誤の結果として得られたものであ
り、品詞などの言語情報との関係で明確に分析が行なわ
れた結果として理論付けがされた、確立された手法があ
る訳ではない。あくまでも実際に発声されている文を音
声レベルで分析して、そのポーズの差を、得ることがで
きる言語情報の範囲で分類した結果と考えるべきであ
る。このため、理想的にはより自然なポーズの設定が可
能であるとしても、その設定に必要な言語情報が現状の
解析技術で入手できない場合には、非現実的な手法と判
断されてしまい実際には使用されない。従ってポーズ設
定に関する手法を提案する場合には、その設定に必要な
言語情報の取得についてもその実現手段を明確に示す必
要がある。

【０００５】従来行なわれている手法は、主にポーズを
設定する間の前置の単語の品詞などをよりどころとして
いた。図８はその一例で、前置の単語の字面、品詞など
を用いて（ポーズ長で）４段階のポーズを設定する。既
に枠組みとしては、前置／後置単語間のバリエーション
に基づいてポーズ長を決定するという方式が提案されて
いるが、同図８で示すとおり“直後の単語の品詞が補助
動詞の場合を除いた助詞の直後に短いポーズを設定す
る”など、あくまでも限定された範囲でしか利用されて
いなかった。またポーズ長決定に利用する言語情報も、
学校で一般的に習う範囲の品詞レベルに留まっていた。

【０００６】なお、厳密にはポーズは単語間に設定され
るのでなく、アクセント句間で設定される。アクセント
句とは、簡単に言えば自然に喋った時に１個のまとまり
として発声される単位で、アクセント核（日本語の場合
には、ピッチ周波数のピーク部分）を１個もつ単位とし
て定義され、一般には複数の単語から成る。しかし本発
明で示す手法について述べる範囲では、前置のアクセン
ト句の最後の単語と、後置のアクセント句の最初の単語
に着目すれば十分であるため、直感的に理解がしやすい
ように、以降の説明でも単語間にポーズの設定を行なう
と説明する。

【０００７】すなわち、本発明で単語間と言った場合に
は、前置のアクセント句の最後の単語と後置のアクセン
ト句の最初の単語の間のことを指す。

【０００８】

【発明が解決しようとする課題】前述したとおり従来の
手法では、主に前置の単語に関する言語情報を利用して
ポーズの設定を行なっている。本発明で対象とする副詞
に関するポーズ設定の場合、図８に示す通り従来は画一
的に“副詞の直後は短ポーズを設定する”という規則に
従っていた。この方法では、 （１）〜改めて／県の反対姿勢を示した。 （２）〜まだ／余程の道のりがある。 といった場合には副詞（下線の単語）の直後でポーズ
（‘／’で示す）を入れる必要があり、従来の手法でう
まく処理できる。しかし、 （３）〜カクさん、スケさんを共に／つれ、〜 （４）〜はっきり／言ってこれはギャンブルだ。

【０００９】という場合には副詞（下線の単語）の直後
でポーズ（‘／’で示す）を設定すると不自然となり、
従来の手法のままではうまく行かない。

【００１０】本発明は以上説明したような従来の技術が
有する問題点に鑑みてなされたものであって、より自然
な合成音声を出力することのできる合成音声ポーズ設定
方法を実現することを目的とする。

【００１１】

【課題を解決するための手段】本発明の合成音声ポーズ
設定方法は、入力文から合成音声を生成する過程で、該
入力文を構成する各単語の品詞が求まり、１つまたは複
数の単語で構成されるアクセント句に分割された漢字か
な混じり文のアクセント句境界にポーズを付与する合成
音声ポーズ設定方法において、アクセント句の末尾の単
語が程度を表している副詞で、次のアクセント句の先頭
の単語が、動詞、補助動詞、形容詞、形容動詞のいずれ
かである用言でなく、かつ数詞、副詞のいずれでもない
第１の条件のときには、その境界にポーズを設定し、ア
クセント句の末尾の単語が程度を表していない副詞で、
次にアクセント句の先頭の単語が、動詞、補助動詞、形
容詞、形容動詞のいずれかである用言でない第２の条件
のときには、その境界にポーズを設定し、アクセント句
の末尾の単語が副詞の場合で、かつ、第１の条件および
第２の条件のいずれでもない第３の条件のときには、該
アクセント句と次のアクセント句の境界にポーズを設定
しない。

【００１２】

【作用】従来限定して行なわれていた前置／後置単語の
組み合わせによるポーズ設定を、前置単語が副詞の場合
に適用する方式を提案する。すなわち、副詞の単語とそ
れに続く単語の組み合わせ（結合力）によりポーズ長を
決定する方式を提案する。副詞は本来、動詞、形容詞、
形容動詞などの用言を修飾する。このため副詞の直後に
用言がきた場合には両単語の結合力は強く、その他の品
詞がきた場合には結合力が弱いと考えた。しかも対象と
する単語が副詞かどうかという情報は、形態素解析処理
を行なうことで得ることができる。例えば、上述の
（１）〜（２）の場合には、後置の単語が‘県’、‘余
程’と共に用言でないため結合力が弱く、ポーズを設定
したほうが良い。一方（３）〜（４）の場合には、後置
の単語が‘つれ’、‘言って’と共に用言であるため結
合力が強く、ポーズを設定しない。 （５）〜もう／一杯ほしい。 （６）〜いっそう／はっきり見えてくる。

【００１３】副詞（下線部分）‘もう’、‘一層’の直
後は数詞‘一杯’、副詞‘はっきり’であるので、上述
した方式では（５）〜（６）のようにポーズ（‘／’で
示す）が設定されてしまい、不自然となる。ところで
（５）〜（６）で示した前置の副詞は程度の副詞と呼ば
れるもので、形態素解析処理の段階で得ることができ他
の副詞と明確に区分できる。程度の副詞には上述した
‘もう’、‘いっそう’の他に、‘いくぶん’、‘およ
そ’、‘かなり’、‘きわめて’などがある。程度の副
詞は他の副詞と異なり、いわゆる修飾される先の単語の
示す意味の程度を明らかにする役割を持っており、その
性格上結合力の高い単語は用言だけでなく、意味的にみ
て程度が左右できる数詞、副詞の品詞の単語に範囲が広
がる。（５）、（６）は、それぞれ程度の副詞が数詞お
よび副詞の直前にきた場合の例である。従ってこの場合
には結合力が強いという判断から、ポーズを設定しな
い。

【００１４】以上、副詞の単語に続く単語の品詞との関
係でポーズ設定の判断を行なう。しかも副詞を程度の副
詞とそれ以外の副詞に細分化することで、より自然なポ
ーズの設定を実現する。

【００１５】なおここで忘れてはならないことは、副詞
とその直後の単語間という限られた範囲でも構文的に必
ずしも修飾関係があるとは限らないということである。
例えば、 （７）とても／赤い色が好きです。

【００１６】と言った場合、‘とても’が‘赤い’を修
飾する場合（すなわち、非常に赤いというニュアンスを
持たせる場合）と、‘好きです’を修飾する場合（文脈
によって一概には言えないが、赤い色ならなんでも好き
ですといったニュアンスを持たせる場合）の２つの解釈
が成り立つ。前者の場合は副詞‘とても’の直後にポー
ズを設定する必要はないが、後者の場合にはポーズを設
定すべきである。前述した方式に従えば、副詞の直後に
用言の１つである形容詞がくるのでポーズを設定せず、
後者の解釈が正しい場合、すなわち‘とても’が‘好き
です’を修飾する場合に問題となる。しかしこの２つの
解釈の選択は、この文を見ただけでは決定できず、前後
の文あるいは、背景となっている知識などを必要とす
る。この違いを区別するには文脈解析処理技術が必要と
なるが、現在実用レベルに耐え得る文脈解析処理技術は
ない。本発明では、現時点で実際に実現できる技術を前
提に考えており、前述した解釈の違いによるポーズ設定
誤りは対象外と考える。

【００１７】

【実施例】次に、本発明の実施例について図面を参照し
て説明する。

【００１８】図１は、本発明で対象とする合成音声出力
の処理手順を示すフローチャートである。

【００１９】図１中で、１０１は合成音声として出力す
る対象となる漢字かな混じり文である。直感的には、通
常のワープロで入力した文章ファイル中の各１文と考え
ればよい。１０２は漢字かな混じり文１０１を入力し
て、１０３の文法情報付き分かち書き単語列を出力する
処理を行う形態素解析処理である。

【００２０】図２に形態素解析処理１０２による１処理
例を示す。

【００２１】図２に示す通り、漢字かな混じり文１０１
を入力して、単語単位に分割した分かち書き単語列を単
語品詞、単語読み、単語アクセント等の文法情報を付随
させて文法情報付き分かち書き単語列１０３として出力
する。本処理は既存技術で、実用に耐え得る技術として
既に確立されている。

【００２２】再び、図１に戻り合成音声出力の処理手順
について説明する。

【００２３】文法情報付き分かち書き単語列１０３を入
力して、１０４の読み、韻律処理でアクセント句単位に
読み、アクセントを、またアクセント句相互の間のポー
ズを設定して、１０５のアクセント、ポーズ情報付きカ
ナ列を出力する。ここで、カナ列といっているのは、対
象とする文の読みに関する情報を意味する。アクセン
ト、ポーズ情報付きカナ列１０５は、１０６の合成音声
出力処理（装置）の入力となって、入力された漢字かな
混じり文１０１を音声として出力する。アクセント、ポ
ーズ情報付カナ列１０５を入力して合成音声を出力する
合成音声出力処理（装置）は既に数社から商品化されて
いる。読み、韻律付与処理１０４はさらに読み付与処理
１０４−１、アクセント付与処理１０４−２および本発
明で対象とするポーズ付与処理１０４−３から構成され
る。

【００２４】図３に読み付与処理１０４−１、アクセン
ト付与処理１０４−２の１処理例を示す。図３に示され
る読み付与処理１０４−１の結果、文全体のカナ列が作
成され、合わせてアクセント句の範囲が明確化される。
図３のカナ列中で‘／’で示されるのがアクセント句境
界である。読み付与処理１０４−１によるカナ列作成の
処理では、下線で示される通り、‘ケンキュウ ショ’
→‘ケンキュウ ジョ’と、また‘イチカイ’→‘イッ
カイ’などの濁音化、促音化処理が施される。同様に、
アクセント付与処理１０４−２により、単語単位のアク
セント付与位置が修正される。上記の濁音化、促音化処
理およびアクセント付与処理の一例を以下に示す。ここ
で、アクセント位置については下線にて示す（アクセン
トの位置修正）。 ‘カナダ グランプリ デ’→‘カナダ グランプリ
デ’ この結果アクセント、品詞等の文法情報が付与されたア
クセント情報付きカナ列３０１が作成され、その後のポ
ーズ付与処理１０４−３によりポーズ付与の処理がなさ
れてアクセントポーズ情報付きカナ列１０５（図１参
照）が作成される。 なお、精度などに問題はあるもの
の、読み付与処理１０４−１、アクセント付与処理１０
４−２は既存の技術である。

【００２５】図４は図１中のポーズ付与処理１０４−３
の詳細を示すもので、本発明で対象とするポーズ付与処
理の一例である。図３における最終の出力であるアクセ
ント、文法情報が付随したアクセント情報付きカナ列３
０１は、分かち書きカナ列４０１として入力される。

【００２６】ポーズ付与処理１０４−３は、ポーズ設定
処理１０４−３−１およびポーズ設定ルール１０４−３
−２から構成されるもので、入力された分かち書きカナ
列４０１を、ポーズ設定ルール１０４−３−２を参照し
ながらのポーズ設定処理１０４−３−１にてアクセント
句の先頭から末尾に向って、アクセント句の境界に適切
なポーズを設定していく。この結果、図１の中のアクセ
ントポーズ情報付きカナ列１０５に対応する、アクセン
ト、ポーズ情報が付随した分かち書きカナ列４０２を出
力する。ポーズ設定ルール１０４−３−２の概念は図８
の従来例で示した通りのもので、アクセント句の末尾の
単語の品詞等を元にそのアクセント句境界のポーズを設
定していく。

【００２７】なお、以後に示すポーズ設定の例では、図
８で示した長ポーズ、中ポーズ、短ポーズ、ポーズなし
の４種類のポーズ設定することを前提とした例を示す。

【００２８】図５は、ポーズ付与処理の処理フローチャ
ートの一例である。以下に、図５に従って処理例を示
す。

【００２９】［１］以前の処理で分かち書きされた単語
について、先頭から末尾まで以下の処理を繰り返す。

【００３０】［ステップＳ５０１］その単語の直後がア
クセント句境界であるか判定する。アクセント句境界で
ない場合には、次の単語の処理を行う。アクセント句境
界である場合には、［ステップＳ５０２］の処理を行
う。

【００３１】［ステップＳ５０２］図４中のポーズ設定
ルール１０４−３−２に含まれる、長ポーズに関するル
ールのみを集めた長ポーズ設定ルール１０４−３−２−
１を参照しながら、長ポーズを設定すべきかどうか判定
する。長ポーズ設定のルール例は図８に示した従来例と
同様である。長ポーズを設定すべきであると判定されれ
ば、［ステップＳ５０３］に移行する。そうでない場合
には［ステップＳ５０４］に移行する。

【００３２】［ステップＳ５０３］長ポーズを設定すべ
きであると判定された場合で、該当単語の直後に長ポー
ズを設定して、次の単語の処理を開始する。

【００３３】［ステップＳ５０４］図４中のポーズ設定
ルール１０４−３−２に含まれる、中ポーズに関するル
ールのみを集めた中ポーズ設定ルール１０４−３−２−
２を参照しながら、中ポーズを設定すべきかどうか判定
する。中ポーズ設定のルール例は図８に示した従来例と
同様である。中ポーズを設定すべきであると判定されれ
ば［ステップＳ５０５］に移行する。そうでない場合に
は［ステップＳ５０６］に移行する。

【００３４】［ステップＳ５０５］中ポーズを設定すべ
きであると判定された場合で、該当単語の直後に中ポー
ズを設定して、次の単語の処理を開始する。そうでない
場合には［ステップＳ５０６］に移行する。

【００３５】［ステップＳ５０６］短ポーズを設定する
か、あるいはポーズを設定しないかの処理を行ったの
ち、次の単語の処理を開始する。この処理の詳細は、図
６に示す。

【００３６】図６は、図５の［ステップＳ５０６］の処
理内容を詳細化したもので、短ポーズ、あるいはポーズ
なし付与処理を示すフローチャートの一例である。以下
に図６に従って処理例を示す。

【００３７】［ステップＳ６０１］注目している単語の
品詞が副詞かどうか判定する。副詞でない場合には［ス
テップＳ６０２］の処理に移行する。副詞である場合に
は［ステップＳ６０３］の処理に移行する。

【００３８】［ステップＳ６０２］図４中のポーズ設定
ルール１０４−３−２に含まれる、その単語が副詞の場
合を除いた短ポーズ／ポーズなしに関するルールのみを
集めた短ポーズ／ポーズなし設定ルール１０４−３−２
−３を参照しながら、短ポーズ／ポーズなしを設定すべ
きかどうか判定してその処理を行う。短ポーズ／ポーズ
なし設定のルール例は図８に示した従来例と同様であ
る。この処理を終了後、処理を終了して、図５で示す次
の単語の処理を開始する。

【００３９】［ステップＳ６０３］注目している単語が
程度の副詞であるかどうか判定する。程度の副詞でなけ
れば［ステップＳ６０４］の処理に移行する。程度の副
詞の場合には［ステップＳ６０７］の処理に移行する。

【００４０】［ステップＳ６０４］注目している単語は
副詞であるが、程度の副詞でない場合で、次の単語が用
言かどうか判定する。用言とは品詞で動詞、（助動詞な
どの）補助動詞、形容詞、形容動詞をいう。次に単語が
用言でない場合には［ステップＳ６０５］の処理に移行
する。次の単語が用言である場合には［ステップＳ６０
６］の処理に移行する。

【００４１】［ステップＳ６０５］注目している単語の
直後に短ポーズを設定して、処理を終了後、図３で示す
次の単語の処理を開始する。

【００４２】［ステップＳ６０６］注目している単語の
直後には短ポーズを設定しないで、処理を終了後、図３
で示す次の単語の処理を開始する。

【００４３】［ステップＳ６０７］注目している単語が
程度の副詞である場合で、次の単語が用言、数詞、副詞
かどうか判定する。次の単語が用言、数詞、副詞でない
場合には［ステップＳ６０５］に移行する。次の単語が
用言、数詞、副詞である場合には［ステップＳ６０６］
に移行する。

【００４４】図７は、図２、図３の処理例を受けたポー
ズ付与処理の１処理例である。図８に示した従来より用
いられているポーズ設定ルール、および副詞に関する本
発明で提案したポーズ設定ルールに従って、各アクセン
ト句に適切なポーズが付与される。

【００４５】

【発明の効果】本発明は以上説明したように構成されて
いるので、以下に記載するような効果を奏する。

【００４６】アクセント句の末尾の単語が副詞の場合
に、従来は、無条件にポーズを設定していたのに対し
て、副詞の種類を判断してポーズを設定することによ
り、適切なポーズを付与できるようになり、より自然な
合成音声を出力することができる効果がある。

【図面の簡単な説明】

【図１】本発明で前提とする合成音声出力の処理を示す
フローチャートの一例である。

【図２】図１中の形態素解説処理の一例を示した図であ
る。

【図３】図１中の読み、アクセント処理の一例を示した
図である。

【図４】図１で行われるポーズ付与処理の一例である。

【図５】図４で行われるポーズ付与処理のフローチャー
トの一例である。

【図６】図５で行われるポーズ付与処理で、本発明で提
案したアクセント句末尾の単語が副詞の場合のポーズ付
与方式を示したフローチャートである。

【図７】本発明で対象とする図１中のポーズ設定処理の
一例を示した図である。

【図８】従来より行われているポーズ決定処理の一例を
示す図である。

【符号の説明】

１０１ 漢字かな混じり文 １０２ 形態素解析処理 １０３ 文法情報付き分かち書き単語列 １０４ 読み、韻律付与処理 １０４−１ 読み付与処理 １０４−２ アクセント付与処理 １０４−３ ポーズ付与処理 １０４−３−１ ポーズ設定処理 １０４−３−２ ポーズ設定ルール １０４−３−２−１ 長ポーズ設定ルール １０４−３−２−２ 中ポーズ設定ルール １０４−３−２−３ 短ポーズ／ポーズなし設定ルー
ル １０５ アクセントポーズ情報付きカナ列 １０６ 合成音声出力装置 ３０１ アクセント情報付きカナ列 ４０１，４０２ 分かち書きカナ列 Ｓ５０１〜Ｓ５０６，Ｓ６０１〜Ｓ６０６ ステップ

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平３−37700（ＪＰ，Ａ) 特開 平３−58097（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 11/00 - 21/06 G06F 3/16 G06F 17/21 G06F 17/28 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】 入力文から合成音声を生成する過程で、
   該入力文を構成する各単語の品詞が求まり、１つまたは
   複数の単語で構成されるアクセント句に分割された漢字
   かな混じり文のアクセント句境界にポーズを付与する合
   成音声ポーズ設定方法において、 前記アクセント句の末尾の単語が程度を表している副詞
   で、次のアクセント句の先頭の単語が、動詞、補助動
   詞、形容詞、形容動詞のいずれかである用言でなく、か
   つ数詞、副詞のいずれでもない第１の条件のときには、
   その境界にポーズを設定し、 前記アクセント句の末尾の単語が程度を表していない副
   詞で、次にアクセント句の先頭の単語が、動詞、補助動
   詞、形容詞、形容動詞のいずれかである用言でない第２
   の条件のときには、その境界にポーズを設定し、 前記アクセント句の末尾の単語が副詞の場合で、かつ、
   前記第１の条件および第２の条件のいずれでもない第３
   の条件のときには、該アクセント句と次のアクセント句
   の境界にポーズを設定しないことを特徴とする合成音声
   ポーズ設定方法。