JP3302874B2 - 音声合成方式 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声合成方式に関
し、特に人間の声に近い自然な合成音声を作成する音声
合成方式に関する。

【０００２】

【従来の技術】入力された文字列を基に合成音声を作成
して出力する音声合成方式において、人間の声に近い自
然な合成音声を作成して出力するためには、出力内容の
変化に対応するために予め各種の単位音声を準備してお
き、これらの単位音声の中から適切な単位音声を選択す
る必要がある。

【０００３】このような選択方法の第１の従来例とし
て、特開平４−３６９６９３号公報には、音韻や音節等
の音声の単位となるものを含むデータベースから適当な
音声単位を選択し、基本周波数、パワー及び音韻継続時
間長等の韻律情報を制御して任意の音声を出力する音声
規則合成装置において、複数の音声単位を含むデータベ
ースの中から平均的な音響特性を有する音声単位を優先
的に選択することを特徴とする音声規則合成装置が提案
されている。

【０００４】また、第２の従来例として、特開平５−７
３０９２号公報には、単位音声の種類を予め限定した上
で、各単位音声を含む単位音声データベースの中から単
位音声データを選択する際に、音韻情報を用いて予備選
択を行なった後に音韻情報や韻律情報を基に定めた選択
基準に基づいて単位音声データを選択する音声合成方式
が提案されている。

【０００５】

【発明が解決しようとする課題】しかしながら、前記特
開平４−３６９６９３号公報に提案されている第１の従
来例及び前記特開平５−７３０９２号公報に提案されて
いる第２の従来例では、単位音声データの自然音声中の
アクセント核を基準にした位置と合成音声中のアクセン
ト核を基準にした位置とが異なる単位音声データが選ば
れることがあり、アクセント核よりも前に位置する単位
音声データと後に位置する単位音声データとでは同じ音
韻でも音響的特徴が異なるため、単位音声データが自然
音声中のアクセント核を基準にした位置と異なる部分で
使用されると、作成された合成音声の自然性が劣化する
という問題がある。

【０００６】従って、本発明は前記問題点に鑑みてなさ
れたものであり、膨大な単位音声データベースの中から
効率良く最適な単位音声データを選択すると共に、単位
音声データのアクセント核を基準にした位置関係に起因
する音質劣化を低減してより人間の声に近い自然な合成
音声を作成することができる音声合成方式を提供するを
目的とする。

【０００７】

【課題を解決するための手段】 前記目的を達成するた
め、本発明は、単位音声データの音韻情報と前記単位音
声データの自然音声中のアクセント核を基準にした位置
情報とを含む単位音声データベースから適切な単位音声
データを選択して、入力文字列に対応する音声を出力す
る音声合成方式において、前記入力文字列を、音韻記号
と韻律記号とからなる発音記号列に変換し、単位音声に
区切り出力する合成単位生成部と、前記合成単位生成部
から出力される前記単位音声の音韻情報を抽出する音韻
情報抽出手段と、前記合成単位生成部から出力される前
記単位音声とアクセント核との位置情報を抽出するアク
セント核情報抽出手段と、前記音韻情報抽出手段により
抽出された前記単位音声の音韻情報と、前記アクセント
核情報抽出手段により抽出された前記単位音声のアクセ
ント核情報と、前記単位音声データの音韻情報と、前記
単位音声データの自然音声中のアクセント核を基準にし
た位置情報とに、に基づいて前記単位音声データベース
の中から単位音声候補セットを作成する音声候補セット
作成手段と、前記音声候補セット作成手段により作成さ
れた前記単位音声候補セットの中から所定の選択基準に
基づいて最適な単位音声データを選択する単位音声デー
タ選択手段と、を備えることを特徴とする音声合成方式
を提供する。

【０００８】 先述した構成のもと、本発明の音声合成
方式によれば、前記音声候補セット作成手段が、前記音
韻情報抽出手段により抽出された前記単位音声の音韻情
報と、前記アクセント核情報抽出手段により抽出された
前記単位音声のアクセント核情報と、前記単位音声デー
タの音韻情報と、前記単位音声データのアクセント核を
基準にした位置情報と、に基づいて前期単位音声のアク
セント核を基準にした位置情報と前記単位音声データの
自然音声中のアクセント核を基準にした位置情報との一
致度に応じた優先順位を付けた優先順位付き単位音声候
補セットを作成し、前記単位音声データ選択手段が、該
作成された優先順位付き単位音声候補セットの中から前
記単位音声データの優先順位を考慮して最適な単位音声
データを選択する。

【０００９】

【００１０】

【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して詳細に説明する。

【００１１】図１は、本発明の第１及び第２の実施形態
に係る音声合成方式の全体構成を示すブロック図であ
る。

【００１２】図１を参照すると、入力端子１から入力さ
れた文字列は合成単位生成部２へ送られる。合成単位生
成部２では、入力された文字列が発音記号列に変換され
る。発音記号列は、個々の音韻を表す音韻記号と、アク
セントやイントネーション、区切り位置等を表す韻律記
号と、から構成され、合成音声を作成するための単位で
ある単位音声に区切られて予備選択部３へ送られる。

【００１３】予備選択部３では、発音記号列の音韻情報
とアクセント情報を基に音声単位毎に、単位音声データ
ベース４の中から単位音声データの予備選択が行なわれ
る。単位音声データベース４には、自然音声を単位音声
に分割した単位音声データ毎に、分割前の自然音声の単
語表記や発音記号列、その単位音声データのアクセント
核を基準にした位置、データアドレスが記憶されてい
る。単位音声データベース４の中から予備選択部３によ
って収集された単位音声データは、単位音声候補セット
として単位音声データ選択部５へ送られる。

【００１４】単位音声データ選択部５では、単位音声候
補セットの中の単位音声データが予め設定された音韻や
韻律情報の所定の選択基準に基づいて評価され、最適な
単位音声データが選択されて単位音声抽出部６へ送られ
る。

【００１５】単位音声抽出部６では、選択された単位音
声データに対応する音声パラメータが音声パラメータ蓄
積部７から取り出される。音声パラメータ蓄積部７に
は、単位音声データベース４の単位音声データを含む自
然音声の分析結果が音声パラメータとして記憶されてい
る。単位音声抽出部６で抽出された単位音声データの音
声パラメータは、単位音声編集部８により編集及び接続
処理が行なわれて音声信号生成部９へ出力される。

【００１６】音声信号生成部９では、編集された音声パ
ラメータを基に実際の音声信号が生成されて出力端子１
０から出力される。

【００１７】図２は、本発明の第１及び第２の実施形態
に係る音声合成方式で用いられる単位音声データベース
の一例を示す図である。

【００１８】図２に示すように、単位音声データベース
には、予め音声データ用に収録された自然音声に関する
情報が各単位音声データ毎に記憶されている。

【００１９】記憶されている情報は、単位音声データの
音素名、単語表記、発声記号列、単位音声データのアク
セント核を基準にした位置及びデータアドレスである。
例えば、単位音声データが/a/の場合には、“音素名”
が「ａ」、“単語表記”が「安心」、“発音記号列”が
「anshin」、“アクセント核を基準にした位置”が「核
なし」及び“データアドレス”が「xxx」といった具合
に記憶されている。

【００２０】なお、図中の“アクセント核を基準にした
位置”は、その単位音声データのアクセント核を基準に
した位置関係を示すものである。例えば、/anke'-to/
（アンケート）の/a/のようにその単位音声データがア
クセント核/ke/よりも前にある場合には、その単位音声
データ/a/の“アクセント核を基準にした位置”は
「前」となり、/nige'ashi/（逃げ足）の/a/のようにそ
の単位音声データがアクセント核/ge/よりも後ろにある
場合には、その単位音声データ/a/の“アクセント核を
基準にした位置”は「後」となる。また、/a'isu/（ア
イス）の/a/のようにその単位音声データがアクセント
核である場合には、その単位音声データ/a/の“アクセ
ント核を基準にした位置”は「核」となり、/anshin/
（安心）の/a/のようにアクセント核がない音韻連鎖か
ら抽出された単位音声データの場合には、その単位音声
データ/a/の“アクセント核を基準にした位置”は「核
なし」となる。

【００２１】図３は、本発明の第１の実施形態に係る音
声合成方式の予備選択部の構成の一例を示すブロック図
である。

【００２２】図１及び図３を参照すると、合成単位生成
部２で単位音声に分割された発音記号列が入力端子１１
から入力されると、音韻情報抽出部１２では、単位音声
の音韻情報が抽出され、アクセント核情報抽出部１３で
は、単位音声とアクセント核との位置関係が抽出され
て、それぞれ単位音声候補セット作成部１４へ送られ
る。

【００２３】単位音声候補セット作成部１４では、音韻
情報抽出部１２及びアクセント核情報抽出部１３で抽出
された入力された文字列に関しての情報を基に、単位音
声データベース４の中から単位音声候補の予備選択が行
なわれる。予備選択によって選択された単位音声データ
の候補は、単位音声候補セットとして出力端子１５から
出力される。

【００２４】図４は、本発明の第１の実施形態に係る音
声合成方式により単位音声データベースの中から予備選
択される単位音声候補セットの一例を示す図である。

【００２５】以下、図３及び図４を参照して、入力文字
列「スクラップ」の「ス」を合成するための単位音声候
補セットを作成する手順を説明する。

【００２６】入力端子１１から入力された単位音声に分
割された発音記号列は、音韻情報抽出部１２とアクセン
ト核情報抽出部１３へ送られる。

【００２７】音韻情報抽出部１２では、「ス」を合成す
るための単位音声の音韻情報/su/が抽出され、アクセン
ト核情報抽出部１３では、単位音声/su/が、/sukura'pp
u/のアクセント核/ra/よりも「前」にあるという情報が
抽出され、それぞれ単位音声候補セット作成部１４へ送
られる。

【００２８】単位音声候補セット作成部１４では、単位
音声データベース４の中から単位音声の音韻情報が/su/
で、アクセント核を基準にした位置が「前」である単位
音声データが予備選択され、図４のような単位音声候補
セットが作成される。

【００２９】図５は、本発明の第２の実施形態に係る音
声合成方式の予備選択部の構成の一例を示すブロック図
である。

【００３０】図１及び図５を参照すると、合成単位生成
部２で単位音声に分割された発音記号列が入力端子１１
から入力されると、入力された発音記号列は音韻情報抽
出部１２とアクセント核情報抽出部１３へ送られる。

【００３１】アクセント核情報抽出部１３では、発音記
号列中の単位音声のアクセント核を基準にした位置が抽
出されて優先順位決定部１６へ送られる。

【００３２】優先順位決定部１６では、発音記号列中の
単位音声のアクセント核を基準にした位置と単位音声デ
ータのアクセント核を基準にした位置との一致度に応じ
て単位音声データの優先順位が決められる。

【００３３】優先順位の決め方としては例えば、単位音
声データのアクセント核を基準にした位置と発音記号列
中の単位音声のアクセント核を基準にした位置とが完全
に一致する場合を最小とし、アクセント核を基準に相反
する位置にある場合を最大とするような優先順位を与え
ることで実現することができる。すなわち、ある単位音
声がアクセント核よりも前にあった場合には、アクセン
ト核よりも前にある単位音声データの優先順位を最も高
くし、次いでアクセント核のない単語から作成された単
位音声データの優先順位を高くし、アクセント核よりも
後ろにある単位音声データの優先順位を最も低くするこ
とにより、単位音声のアクセント核を基準にした位置関
係と異なる単位音声データが選択されにくいようにす
る。

【００３４】アクセント核情報抽出部１３で抽出された
単位音声のアクセント核を基準にした位置関係と、優先
順位決定部１６で求められた単位音声データの優先順位
と、音韻情報抽出部１２で抽出された単位音声の音韻情
報と、は、優先順位付き単位音声候補セット作成部１７
へ送られる。

【００３５】優先順位付き単位音声候補セット作成部１
７では、音韻情報抽出部１２で抽出された音韻情報を基
に単位音声データの予備選択が行われ、優先順位別の単
位音声候補セットが作成されて出力端子１５から出力さ
れる。

【００３６】出力端子１５からの出力を受けて、単位音
声データ選択部５では、優先順位の高い単位音声候補セ
ットから順に、単位音声の発音記号列と単位音声データ
が作成された単語の音韻や韻律情報との一致度の評価が
行なわれる。ある優先順位の単位音声候補セットの中の
単位音声データが全て選択基準に満たない場合には、順
次優先度の低い単位音声候補セットへ移動して選択基準
を満たす単位音声データが見つかるまで単位音声データ
の探索が行なわれる。

【００３７】図６は、本発明の第２の実施形態に係る音
声合成方式により単位音声データベースの中から予備選
択される優先順位別の単位音声候補セットの一例を示す
図である。

【００３８】以下、図５及び図６を参照して、入力文字
列「スクラップ」の「ス」を合成するための優先順位別
の単位音声候補セットを作成する手順を説明する。

【００３９】優先順位決定部１６では、優先順位の最も
高いものを「１」、最も低いものを「４」として単位音
声データに順位付けを行なう。

【００４０】入力文字列「スクラップ」の「ス」を合成
する場合には、入力された発音記号列中の単位音声/su/
が、/sukura'ppu/のアクセント核/ra/よりも前にあるこ
とから、単位音声/su/がアクセント核よりも前にある単
位音声データには優先順位「１」、アクセント核のない
単位音声データには優先順位「２」、単位音声/su/がア
クセント核である単位音声データには優先順位「３」、
単位音声/su/がアクセント核よりも後にある単位音声デ
ータには優先順位「４」を与える。

【００４１】優先順位付き単位音声候補セット作成部１
７では、単位音声データベース４から優先順位の付けら
れた単位音声データが抽出され、その結果、図６（Ａ）
ないし（Ｄ）に示すような優先順位別の単位音声候補セ
ットが作成される。

【００４２】なお、前述した本発明の第１及び第２の実
施形態では、単位音声データ選択部５により、予備選択
部３で作成された単位音声候補セットの中から音韻や韻
律情報の所定の選択基準に基づいて最適な単位音声デー
タを選択するために、例えば特開平５−７３０９２号公
報に記載された手法を用いることができる。

【００４３】前記公報に記載された手法は、単位音声デ
ータの両側の音韻に対して、入力された発音記号列にお
ける特定の単位音声の前後と完全に一致している音韻に
のみ階段状に重み付けした値を与えることとし、入力音
声中と単位音声データ中の位置的に対応する音韻列に対
してコスト計算を行ない、音韻の一致度の評価値を求め
て最大値のものを選択するようにするものである。な
お、もし評価値の最大値が複数あった場合には、韻律情
報を用いてアクセントの一致度の最も高いものを選択す
るようにする。

【００４４】図７は、入力される文字列の発音記号列
（ターゲット発音記号列）と選択される単位音声データ
との関係を説明するための図である。

【００４５】図７を参照して、単位音声データ/shi/を
選択する場合を例として、従来の選択方法と前述した本
発明の第１及び第２の実施形態における選択方法との相
違を説明する。

【００４６】従来の選択方法、本発明の第１及び第２の
実施形態における選択方法共に、ターゲット発音記号列
と選択される単位音声データとの一致度の評価方法とし
て、単位音声データの両側の音韻に対して、ターゲット
発音記号列と完全に一致している音韻にのみ値を与え、
階段状に一致度の評価値に重み付けを行なった上で評価
する手法を採用する。具体的には、単位音声データに近
い順に“１０”、“９”、“８”、…、“１”と重みを
与え、１０文字目以降については一律に“１”の重みを
与えるようにする。

【００４７】従来の選択方法では、ターゲット発音記号
列の単位音声/shi/を含む単位音声データは全て候補と
なるため、“data1”、“data2”の双方に対して一致度
を評価することになる。ここで、“data1”は前の３文
字と後ろの４文字が一致しているため、評価値は「６
１」（＝１０＋９＋８＋１０＋９＋８＋７）となる。ま
た、“data2”は前の１文字のみが一致しているため、
評価値は「１０」となる。従って、従来の選択方法で
は、“data1”の/shi/が単位音声データとして選択され
ることになる。

【００４８】これに対し、本発明の第１の実施形態にお
ける選択方法では、“data1”の単位音声データ/shi/
は、アクセント核を基準にした位置がターゲット発音記
号列と一致していないため、予備選択で落されて“data
2”の/shi/が単位音声データとして選択されることにな
る。

【００４９】また、本発明の第２の実施形態における選
択方法でも、“data1”の単位音声データ/shi/は、アク
セント核を基準にした位置がターゲット発音記号列と一
致していないため、予備選択時の優先順位が低くなって
“data2”の/shi/が単位音声データとして選択されるこ
とになる。

【００５０】このように、本発明の第１及び第２の実施
形態における選択方法によれば、単位音声データを選択
する際に、単位音声データのアクセント核を基準にした
位置を考慮しているため、従来の選択方法と比べて、ア
クセント核を基準にした位置がターゲット発音記号列と
は異なる単位音声データが選択されることが少なくな
る。

【００５１】

【発明の効果】以上説明したように、本発明の音声合成
方式によれば、入力文字列を合成するために最も適した
単位音声データを探索する際に、単位音声データの自然
音声中のアクセント核を基準にした位置と合成音声中の
アクセント核を基準にした位置とを考慮することによ
り、従来の方式よりも自然性の高い合成音声を作成する
ことができる。

【図面の簡単な説明】

【図１】本発明の第１及び第２の実施形態に係る音声合
成方式の全体構成を示すブロック図である。

【図２】本発明の第１及び第２の実施形態に係る音声合
成方式で用いられる単位音声データベースの一例を示す
図である。

【図３】本発明の第１の実施形態に係る音声合成方式の
予備選択部の構成の一例を示すブロック図である。

【図４】本発明の第１の実施形態に係る音声合成方式に
より単位音声データベースの中から予備選択される単位
音声候補セットの一例を示す図である。

【図５】本発明の第２の実施形態に係る音声合成方式の
予備選択部の構成の一例を示すブロック図である。

【図６】本発明の第２の実施形態に係る音声合成方式に
より単位音声データベースの中から予備選択される優先
順位別の単位音声候補セットの一例を示す図である。

【図７】入力される文字列の発音記号列（ターゲット発
音記号列）と選択される単位音声データとの関係を説明
するための図である。

【符号の説明】

１ 入力端子 ２ 合成単位生成部 ３ 予備選択部 ４ 単位音声データベース ５ 単位音声データ選択部 ６ 単位音声抽出部 ７ 音声パラメータ蓄積部 ８ 単位音声編集部 ９ 音声信号生成部 １０ 出力端子 １１ 入力端子 １２ 音韻情報抽出部 １３ アクセント核情報抽出部 １４ 単位音声候補セット作成部 １５ 出力端子 １６ 優先順位決定部 １７ 優先順位付き単位音声候補セット作成部

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】単位音声データの音韻情報と前記単位音声
   データの自然音声中のアクセント核を基準にした位置情
   報とを含む単位音声データベースから適切な単位音声デ
   ータを選択して、入力文字列に対応する音声を出力する
   音声合成方式において、 前記入力文字列を、音韻記号と韻律記号とからなる発音
   記号列に変換し、単位音声に区切り出力する合成単位生
   成部と、前記合成単位生成部から出力される前記 単位音声の音韻
   情報を抽出する音韻情報抽出手段と、前記合成単位生成部から出力される前記 単位音声とアク
   セント核との位置情報を抽出するアクセント核情報抽出
   手段と、 前記音韻情報抽出手段により抽出された前記単位音声の
   音韻情報と、前記アクセント核情報抽出手段により抽出
   された前記単位音声のアクセント核情報と、前記単位音
   声データの音韻情報と、前記単位音声データの自然音声
   中のアクセント核を基準にした位置情報と、に基づいて
   前記単位音声データベースの中から単位音声候補セット
   を作成する音声候補セット作成手段と、 前記音声候補セット作成手段により作成された前記単位
   音声候補セットの中から所定の選択基準に基づいて最適
   な単位音声データを選択する単位音声データ選択手段
   と、を備えることを特徴とする音声合成方式。
2. 【請求項２】前記音声候補セット作成手段が、前記音韻
   情報抽出手段により抽出された前記単位音声の音韻情報
   と、前記アクセント核情報抽出手段により抽出された前
   記単位音声のアクセント核情報と、前記単位音声データ
   の音韻情報と、前記単位音声データのアクセント核を基
   準にした位置情報と、に基づいて前期単位音声のアクセ
   ント核を基準にした位置情報と前記単位音声データの自
   然音声中のアクセント核を基準にした位置情報との一致
   度に応じた優先順位を付けた優先順位付き単位音声候補
   セットを作成し、前記単位音声データ選択手段が、該作
   成された優先順位付き単位音声候補セットの中から前記
   単位音声データの優先順位を考慮して最適な単位音声デ
   ータを選択することを特徴とする請求項１記載の音声合
   成方式。