JP3345432B2 - 音声合成装置及び方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、小さな記憶容量で合成
単位を保持し、自然性および明瞭性の高い連続音声を規
則合成する音声合成装置及び方法に関する。

【０００２】

【従来の技術】日本語の音声規則合成で、子音＋母音
（以下、ＣＶ素片という）を合成単位とした方式は、合
成単位である音声素片を蓄積しておく記憶容量が少なく
て済むという利点があるが、素片の接続において、母音
から子音への調音結合の影響が考慮されないため、ＣＶ
素片の接続部で合成音声が不自然になることがしばしば
生じていた。

【０００３】これに対し、母音から子音への調音結合の
影響を反映させるために、ＣＶ素片と同時に母音＋子音
（以下、ＶＣ素片という）を合成単位として用いる方法
も存在するが、この方法では、確かに母音から子音への
接続は滑らかになるものの、一方で音声パワーの大きな
母音部で接続が行なわれるため、合成音声の母音部で揺
らぎなどの問題が生じることが多く、また、ＣＶ素片の
みを用いる方式に比べ素片数が多くなる。

【０００４】さらに、最近では、子音＋母音＋子音（以
下、ＣＶＣ素片という）などの比較的に長い合成単位を
用い、合成音声の自然性を高める方式の研究が広く行な
われている。このように長い合成単位を用い、子音部で
接続を行なう方式は、合成単位の接続が滑らかで、合成
された音声の自然性や明瞭性が優れているが、素片数が
膨大になり（ＣＶＣ素片で６千種以上）、これら素片を
保持するのに大容量の記憶媒体が必要となるという欠点
がある。

【０００５】この問題に対処するため、たとえばＣＶＣ
素片を用いた方式では、ＣＶＣ素片に関しては出現頻度
が高いものだけを使用し、音声を合成する際に該当する
素片が記憶媒体にない場合、ＣＶ素片やＶＣ素片などの
短い単位の素片の接続で代用し、記憶容量を節約する方
式がよく用いられる。

【０００６】

【発明が解決しようとする課題】現在、上記のような技
術が存在しているが、音声を合成する際に該当するＣＶ
Ｃ素片が記憶媒体にない場合、ＣＶ素片とＶＣ素片など
の短い合成単位の接続で代用するため、これらの接続部
分で、合成音声の自然性および明瞭性が損なわれるとい
う問題があった。

【０００７】そこで、本発明は、あらかじめ保持してお
く音声素片数が少数で済み、よって音声素片作成の手間
が省け、さらに、音声素片の保持に必要となる記憶媒体
の記憶容量が少量で済む音声合成装置及び方法を提供す
ることを目的とする。

【０００８】

【課題を解決するための手段】本発明の子音−母音−子
音の発声音声より、先頭子音から母音の後尾子音への過
渡部までを切り出したＣＶｃ素片、及び子音−母音−Ｎ
又は母音−子音の発声音声より、先頭子音からＮ又は母
音の後尾子音への過渡部までを切り出したＣＶＭｃ素片
を音声素片として用いて、音声合成を行う音声合成装置
は、入力される文字列を、上記音声素片に分割して、そ
れぞれの音声素片を表す音声素片名系列を作成する音声
素片名系列作成手段と、上記音声素片を単位として、上
記音声素片末尾の過渡部より前方が同じ音韻からなり、
前記過渡部のスペクトルが類似し後尾子音が互いに異な
る複数の音声素片の音声素片名と、その中から選択され
た代表音声素片の代表素片名を対応付けたテーブルと、
前記テーブルを参照して、前記音声素片名系列作成手段
で作成された音声素片名系列を代表素片名に置き換えた
代表素片名系列に変換する音声素片名置換手段と、前記
代表素片名の音声素片を合成パラメータとして記憶する
合成パラメータ記憶手段と、前記音声素片名置換手段に
よって得た代表素片名の音声素片の合成パラメータを前
記合成パラメータ記憶手段から読み出して、これら合成
パラメータを接続する合成パラメータ変換手段と、前記
合成パラメータ変換手段によって接続された合成パラメ
ータに従い音声合成を行う音声合成手段と、を有するこ
とを特徴とする。また、本発明の子音−母音−子音の発
声音声より、先頭子音から母音の後尾子音への過渡部ま
でを切り出したＣＶｃ素片、及び子音−母音−Ｎ又は母
音−子音の発声音声より、先頭子音からＮ又は母音の後
尾子音への過渡部までを切り出したＣＶＭｃ素片を音声
素片として用いて、音声合成を行う音声合成方法は、入
力される文字列を、上記音声素片に分割して、それぞれ
の音声素片を表す音声素片名系列を作成し、上記音声素
片を単位として、上記音声素片末尾の過渡部より前方が
同じ音韻からなり、前記過渡部のスペクトルが類似し後
尾子音が互いに異なる複数の音声素片の音声素片名と、
その中から選択された代表音声素片の代表素片名を対応
付け、前記作成された音声素片名系列を代表素片名に置
き換えた代表素片名系列に変換し、前記代表素片名の音
声素片が記憶された合成パラメータを参照して、前記変
換によって得た代表素片名の音声素片の合成パラメータ
を読み 出し、当該合成パラメータを接続し、接続された
合成パラメータに従い音声合成を行うことを特徴とす
る。

【０００９】

【作用】このように本発明においては、音声素片末尾の
過渡部のスペクトルが類似し後尾子音が互いに異なる複
数の音声素片の音声素片名と、その中から選択された代
表音声素片の代表素片名を対応付けておき、入力される
文字列に対応する音声素片名系列に含まれる各音声素片
名を代表音声素片名で置き換えた上で音声合成する構成
としたので、音声素片数を減らし、音声素片の保持に必
要な記憶容量を大幅に節約することが可能となる。

【００１０】

【実施例】以下、本発明の一実施例について図面を参照
して説明する。

【００１１】図１は、本実施例に係る音声合成方式を説
明するためのブロック図である。まず、音声素片として
は、たとえば、「子音＋母音＋子音」の発声音声より、
先頭子音から母音の後尾子音への過渡部までを切り出し
たＣＶｃ素片と、「子音＋母音＋［Ｎまたは母音］＋子
音」の発声音声より、先頭子音から［Ｎまたは母音］の
後尾子音への過渡部までを切り出したＣＶＭｃ素片を用
いている。

【００１２】そして、代表音声素片を選定するためにＣ
Ｖｃ素片、ＣＶＭｃ素片を分類する。分類にあたって
は、素片末尾の過渡部の類似性に着目する。たとえば、
発声時において、母音ａから子音ｋに移行するときの母
音過渡部スペクトルは、母音ａの口の構えから子音ｋに
向かって舌が盛り上がり、軟口蓋に達するまでの発声器
官の動きによって生じており、これは同様な発声方法を
とるａからｇの過渡部分のスペクトルに極めて類似して
いる。このように、発声時の発声器官の動きや調音位置
に着目して、過渡部を後方子音によって分類すると、表
１のようになる。

【００１３】

【表１】

【００１４】表１にしたがって、ＣＶｃ素片、ＣＶＭｃ
素片を分類し、それぞれのグループの中で有声子音への
過渡部を末尾にもつ一素片を代表素片として選ぶ。これ
を表２に示す。なお、表１で、／φ／は子音のないこと
を示し、素片名、たとえば、／ｈａｎ／は、子音ｈ＋母
音ａ＋子音ｎの発声音声より子音ｈから母音ａの子音ｎ
への過渡部までを切り出したＣＶｃ素片を表す。

【００１５】

【表２】

【００１６】こうして選定した代表音声素片を、合成パ
ラメータとして合成パラメータ記憶部６に保持し、ま
た、どの音声素片を合成パラメータ記憶部６に保持した
どの音声素片で代表させたかという対応表を、代表素片
名対応テーブル４に記憶しておく。

【００１７】さて、文字列入力部１から文字列が入力さ
れると、音声素片名系列作成部２に送られる。音声素片
名系列作成部２は、入力された文字列をＣＶｃ素片、ま
たは、ＣＶＭｃ素片の単位で分割して、それぞれの音声
素片名の系列に変換し、音声素片名置換部３に送る。音
声素片名置換部３は、代表素片名対応テーブル４を参照
しながら、それぞれの音声素片名を代表させた代表素片
名の系列に変換し、素片名／合成パラメータ変換部５に
送る。

【００１８】素片名／合成パラメータ変換部５は、この
ようにして得られた代表素片名系列を、その素片名に対
応する合成パラメータを合成パラメータ記憶部６から読
出し、接続規則などにしたがって接続する。接続の際、
合成パラメータ記憶部６から読出したＣＶｃ素片、また
は、ＣＶＭｃ素片が有声子音への過渡部を末尾にもって
おり、この後ろ側に無声子音で始まる素片を接続する場
合には、音声のパワーを図３（ａ）から同図（ｂ）のよ
うに緩やかに小さくなるよう変形する。さらに、適切な
接続部分で適切な時間長の直線補間を行なう。

【００１９】このようにして接続した合成パラメータは
音声合成器７に送られ、音声合成器７において、その合
成パラメータにしたがって音声合成され、合成音声が出
力される。

【００２０】ここで、具体例をあげて説明すると、たと
えば、図２（ａ）に示す文字列「アカイハナガサイテイ
ル」（赤い花が咲いている）が入力された場合、まず、
音声素片名系列作成部２は、この入力された文字列をＣ
Ｖｃ素片、ＣＶＭｃ素片単位に分割し、図２（ｂ）に示
すような音声素片名系列を作成する。

【００２１】次に、音声素片名置換部３は、この作成さ
れた音声素片名系列を、代表素片名対応テーブル４の内
容にしたがって、図２（ｃ）に示すような代表素片名系
列に変換する。次に、素片名／合成パラメータ変換部５
は、この変換された代表素片名系列にしたがって、合成
パラメータ記憶部６から合成パラメータを読出し接続
し、この接続された合成パラメータを音声合成器７へ送
り、音声合成器７から合成音声を出力する。

【００２２】なお、本発明は上記実施例に限定されるも
のではない。すなわち、本方式の構成や合成パラメータ
の接続方法は、上記実施例に限定されるものではなく、
また、音声素片についても、末尾に母音から子音への過
渡部をもつということ以外は何ら限定されない。たとえ
ば、本発明をＣＶ素片、Ｖｃ素片を用いた合成方式で、
Ｖｃ素片数を減らすために用いることも可能である。要
するに、本発明は、その要旨を逸脱しない範囲で種々変
形して実施することができる。

【００２３】

【発明の効果】以上詳述したように本発明によれば、音
声素片末尾の過渡部のスペクトルが類似し後尾子音が互
いに異なる複数の音声素片の音声素片名と、その中から
選択された代表音声素片の代表素片名を対応付けてお
き、入力される文字列に対応する音声素片名系列に含ま
れる各音声素片名を代表音声素片名で置き換えた上で音
声合成する構成としたので、あらかじめ保持しておく音
声素片数が少数で済み、よって音声素片作成の手間が省
け、さらに、音声素片の保持に必要となる記憶媒体の容
量が少量で済む。

【図面の簡単な説明】

【図１】本発明の一実施例に係る音声合成方式を説明す
るためのブロック図。

【図２】入力文字列とそれに対応する音声素片名系列、
代表素片名系列の具体例を示す図。

【図３】ＣＶＭｃ素片接続の際、後ろに無声子音がくる
場合の素片の音声パワーの変形を説明する図。

【符号の説明】

１……文字列入力部、２……音声素片名系列作成部、３
……音声素片名置換部、４……代表素片名対応テーブ
ル、５……素片名／合成パラメータ変換部、６……合成
パラメータ記憶部、７……音声合成器。

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 子音−母音−子音の発声音声より、先頭
   子音から母音の後尾子音への過渡部までを切り出したＣ
   Ｖｃ素片、及び子音−母音−Ｎ又は母音−子音の発声音
   声より、先頭子音からＮ又は母音の後尾子音への過渡部
   までを切り出したＣＶＭｃ素片を音声素片として用い
   て、音声合成を行う音声合成装置に於いて、 入力される文字列を、上記音声素片に分割して、それぞ
   れの音声素片を表す音声素片名系列を作成する音声素片
   名系列作成手段と、上記音声素片を単位として、上記音声素片末尾の過渡部
   より前方が同じ音韻からなり、前記過渡部のスペクトル
   が類似し後尾子音が互いに異なる複数の音声素片の音声
   素片名と、その中から選択された代表音声素片の 代表素
   片名を対応付けたテーブルと、 前記テーブルを参照して、前記音声素片名系列作成手段
   で作成された音声素片名系列を代表素片名に置き換えた
   代表素片名系列に変換する音声素片名置換手段と、前記代表素片名の音声素片を合成パラメータとして 記憶
   する合成パラメータ記憶手段と、 前記音声素片名置換手段によって得た代表素片名の音声
   素片の合成パラメータを前記合成パラメータ記憶手段か
   ら読み出して、これら合成パラメータを接続する合成パ
   ラメータ変換手段と、 前記合成パラメータ変換手段によって接続された合成パ
   ラメータに従い音声合成を行う音声合成手段と、 を有することを特徴とする音声合成手段。
2. 【請求項２】 子音−母音−子音の発声音声より、先頭
   子音から母音の後尾子音への過渡部までを切り出したＣ
   Ｖｃ素片、及び子音−母音−Ｎ又は母音−子音の発声音
   声より、先頭子音からＮ又は母音の後尾子音への過渡部
   までを切り出したＣＶＭｃ素片を音声素片として用い
   て、音声合成を行う音声合成方法に於いて、 入力される文字列を、上記音声素片に分割して、それぞ
   れの音声素片を表す音 声素片名系列を作成し 、上記音声素片を単位として、上記音声素片末尾の過渡部
   より前方が同じ音韻からなり、前記過渡部のスペクトル
   が類似し後尾子音が互いに異なる複数の音声素片の音声
   素片名と、その中から選択された代表音声素片の代表素
   片名を対応付け、前記作成された音声素片名系列を代表
   素片名に置き換えた代表素片名系列に変換し、 前記代表素片名の音声素片が記憶された合成パラメータ
   を参照して、前記変換によって得た代表素片名の音声素
   片の合成パラメータを読み出し、当該合成パラメータを
   接続し、 接続された 合成パラメータに従い音声合成を行うことを
   特徴とする音声合成方法。