JP3464435B2 - 音声合成装置 - 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、電子メール読み上
げのための音声合成装置に関するものである。

【０００２】

【従来の技術】従来、テキスト音声変換において同形異
音語の読み分けを行う方法として、文献１：（『決定リ
ストによる同形異音語の読み分け』 梅村祥之、清水
司、トヨタ中央研究所機械認識研究室、言語処理学会第
４回年次大会発表論文集、１９９８年３月）のような方
法がある。同形異音語とは、表記が同じで、複数の読み
がある単語を指す。例えば、「市場」は、普通名詞とし
て、「シジョウ」、「イ↓チバ」の２つの読みがある同
形異音語である（「↓」は、アクセントの下降位置を表
す）。

【０００３】決定リストを用いた自然言語解析として
は、文献２：（『コーパスからの日本語従属節係り受け
選好情報の抽出およびその評価』、宇津呂武仁 他、自
然言語処理 Ｖｏｌ．６、Ｎｏ．７、１９９９年１０
月）のような方法がある。

【０００４】日本語文を単語に分割し、さらに、品詞や
読みを決定する形態素解析の方法については、文献３：
（『確率付決定木を用いた日本形態素解析』、柏岡秀
紀、他、言語処理学会第３回年次大会発表論文集、１９
９７年３月）のような方法がある。この方法では、単語
に関する属性を用意し、属性の値により単語を分類し
て、確率付き決定木を構成することにより学習を行う。
解析時には、単語属性の値の組を用いて、決定木から単
語の出現確率を得て、より出現確率の高い単語の組み合
わせを、出力の単語分割とすることにより単語分割を行
う。

【０００５】話者の違いによるアクセント・継続時間・
ポーズの違いについて示したものとしては、文献４：
（『座談会及び落語における日本語会話音声の韻律的特
徴の解析』、武田昌一、他、日本音響学会誌５４巻３
号、１９９８年）に示すような知見がある。韻律とは、
個々の母音や子音の分節的特徴ではなく、複数の音素か
らなる音声連続に対して与えられる特徴で、アクセント
（ａｃｃｅｎｔ）、イントネーション（ｉｎｔｏｎａｔ
ｉｏｎ）、強勢（ｓｔｒｅｓｓ）、強調（ｅｍｐｈａｓ
ｉｓ）、卓立（ｐｒｏｍｉｎｅｎｃｅ）、リズム（ｒｈ
ｙｔｈｍ）、テンポ（ｔｅｍｐｏ）、ポーズ（ｐａｕｓ
ｅ）等が相当する（［音響用語辞典］の「韻律的特徴」
の記述）。音声合成装置においては、韻律の選択は、継
続時間予測テーブル、アクセント予測テーブル、ピッチ
予測テーブル、ポーズ長予測テーブル等の韻律予測テー
ブルの選択に対応する。

【０００６】また、メール読み上げに際して、メールの
発信者毎に声質を変え、メールの発信者の識別を容易に
するものとして文献５：（特開平１１−１０２１９８
『メッセージ処理装置、メッセージ処理方法及びメッセ
ージ処理プログラムを記録した媒体』）のような方法が
ある。声質とは、音声波から知覚される、言語情報とし
ての音素以外の、音声全体の聴覚上の特質で、誰が話し
ているかという話者の個人性情報、どのような心的状態
で話しているかという感情に関連する情報等を示す
（［音響用語辞典］の「声質」の記述）。音声合成装置
においては、声質の選択は、素片セット（一人の話者か
ら作成した素片一式）の選択に対応する。

【０００７】

【発明が解決しようとする課題】電子メールを音声合成
する場合、電子メールの分野は多岐に渡るため、従来の
韻律・声質使用方法では、メールの文脈からかけ離れた
読みになることが多かった。本発明は、メールに付加さ
れている発信者・宛先・複写送付先等の情報と、装置内
のデータベースとを用いて、メールの文脈に適した読み
を選択することにより、同形異音語の読み誤りが少ない
音声合成装置を提供することを第１の目的とする。

【０００８】また、電子メールを音声合成する場合、電
子メールの分野は多岐に渡るため、従来の韻律・声質を
使用する方法では、メールの発信人や内容にそぐわない
韻律・声質になることが多かった。本発明は、メールに
付加されている発信者・宛先・複写送付先等の情報と、
装置内のデータベースとを用いて、メールに適した読み
・韻律・声質を選択することにより、メールの内容に適
した韻律・声質で読み上げることができる了解性の高い
音声合成装置を提供することを第２の目的とする。

【０００９】

【課題を解決するための手段】そのために、第１発明の
音声合成装置においては、受信メールをテキスト解析す
る際に用いる単語を登録する手段と、メールアドレスの
データベースを格納する手段と、メールアドレスのデー
タベースの内容を追加・修正・削除する手段とを備えた
音声合成装置において、前記データベースのメールアド
レスをグルーピングすると共に、各グループを階層化し
た階層データとして格納する手段と、単語に前記階層デ
ータのノード名を付加してユーザ単語辞書に登録する手
段と、メールの発信人・宛先・複写送付先の情報から前
記階層データのノード名のリストを作成する手段とを備
え、前記ユーザ単語辞書の検索に際して、前記作成され
たリストのメンバーとユーザ単語辞書の単語に付加され
ているノード名とを照合し、ノード名が前記リストのメ
ンバーのいずれかに一致する単語のみを用いてテキスト
解析を行うことを特徴とする。

【００１０】また、第２発明の音声合成装置において
は、受信メールを読み上げる際の韻律又は声質を制御す
る手段と、メールアドレスのデータベースを格納する手
段と、メールアドレスのデータベースの内容を追加・修
正・削除する手段とを備えた音声合成装置において、前
記データベースのメールアドレスをグルーピングすると
共に、各グループを階層化した階層データとして格納す
る手段と、メールの発信人、宛先、複写送付先の情報に
基づいて、前記階層データのノードを選択する手段とを
備え、メールを読み上げる際に、前記選択されたノード
に対応付けられている韻律及び声質でメールを読み上げ
ることを特徴とする。

【００１１】更に、第３発明の音声合成装置において
は、決定リストを用いて同形異音語を読み分ける手段
と、メールアドレスのデータベースを格納する手段と、
メールアドレスのデータベースの内容を追加・修正・削
除する手段とを備えた音声合成装置において、前記デー
タベースのメールアドレスをグルーピングすると共に、
各グループを階層化した階層データとして格納する手段
と、メールの発信人・宛先・複写送付先の情報から前記
階層データのノード名を選択する手段とを備え、前記選
択されたノードに設定されている属性を証拠とした規則
を含む決定リストを用いて単語の読み分けを行うことを
特徴とする。

【００１２】

【発明の実施の形態】以下、本発明の実施の形態（以
下、実施形態）について、図面を参照しながら詳細に説
明する。 ＜第１の実施形態＞ ＜構成＞図１は、第１の実施形態の構成を示す図であ
る。１０１は、音声合成装置を操作するためのユーザイ
ンタフェース、１０２は、メール管理部１１１における
メール送受信部１１２が受信したメールの内容を読み上
げるテキスト音声変換部であり、１０３は、受信したメ
ールからの入力文章読み出し、メールについている発信
人・宛先・複写送付先情報のテキスト音声変換用情報設
定部への受け渡し、及び、同処理部から返される２種類
の情報の後続処理部への受け渡しを行うテキスト入力部
である。１０４は、入力文章から中間言語（読み・アク
セント位置・フレーズ立ち上げ位置・ポーズ位置）を生
成するテキスト解析部であり、１０５は、テキスト解析
で用いる単語情報（表記・読み・品詞・アクセント型・
アクセント結合型等）を格納するシステム単語辞書、１
０６は、ユーザが追加した単語情報を格納するメールア
ドレス付きユーザ単語辞書である。１０７は、テキスト
解析の出力から、合成パラメータ（合成単位・継続時間
・ピッチ・ポーズ・振幅）を生成する合成パラメータ生
成部であり、１０８は、合成パラメータを決定するため
に用いる予測テーブルを格納する予測テーブル格納部で
ある。予測テーブル格納部には、継続時間予測テーブル
・ピッチ予測テーブル・ポーズ予測テーブル・振幅予測
テーブルが含まれ。韻律の選択に対応するため、いずれ
の種類のテーブルについても複数のテーブルを格納して
おく。１０９は、合成パラメータから波形を生成する音
声合成部であり、１１０は、音声合成で用いる音声素片
セットを格納する音声素片辞書である。音声素片辞書に
は、声質の選択に対応するため、複数の素片セットを格
納しておく。

【００１３】１１１は、メールの送受信・保存を行うメ
ール管理部であり、１１２は、メールの送受信を行うメ
ール送受信部、１１３は、受信したメールを格納するメ
ール格納部である。

【００１４】１１４は、メールアドレスに関連するデー
タベースを管理するデータベース管理部であり、１１５
は、メールアドレスデータベース１１６、及び、メール
アドレス階層データベース１１７の管理を行うメールア
ドレス管理部である。１１６は、メールアドレス及びグ
ループに関する情報を格納するメールアドレスデータベ
ース、１１７は、メールアドレス及びグループ間の階層
関係を格納するメールアドレス階層データベースであ
る。１１８は、ユーザアドレス付きユーザ単語辞書の単
語の追加・削除・修正を行うユーザ単語辞書管理部、１
１９は、韻律・声質設定データベース１２０のデータの
追加・削除・修正を行う韻律・声質設定データベース管
理部であり、１２０は、メールアドレスデータベース１
１６に格納されているメールアドレス又はグループと韻
律の属性の組及び声質の属性の組を対応づける韻律・声
質設定データベース、１２１は、韻律・声質設定データ
ベース１２０で用いられている韻律の属性の組と、予測
テーブル格納部１０８に格納されている予測テーブルと
を対応づける韻律・予測テーブル対応データベースであ
る。１２２は、韻律・声質設定データベース１２０で用
いられている声質の属性の組と、音声素片辞書１１０の
素片セットとを対応づける声質・素片セット対応データ
ベースである。

【００１５】１２３は、メールについている発信者・宛
先・複写送付先情報から、「ユーザ辞書検索用メールア
ドレスリスト」と「韻律・声質設定用メールアドレス」
の２つの情報を決定するテキスト音声変換用情報設定部
である。メールの「発信者」・「宛先」・「複写送付
先」は以下のように定義する。発信者とは、メールを発
信した人のメールアドレスとする。宛先とは、メールを
発信した人が指定するメールの送付先のメールアドレス
で、複数指定が可能とする。複写送付先とは、メールの
発信者がコピーを送る目的で、宛先に追加して指定する
メールアドレスで、複数指定が可能とする。宛先を省略
して、複写送付先だけを指定することはできないとす
る。受信メールの発信者・宛先・複写送付先は、発信時
の設定と同じとする。したがって、メーリングリストを
経由してくるメールについては、宛先・複写送付先のい
ずれにも、自分のメールアドレスがない場合がある。

【００１６】「ユーザ辞書検索用メールアドレスリス
ト」は、ユーザ辞書中の単語のうち、メールの発信人・
宛先・複写送付先に共通に関連する単語だけを取り出す
のに用いる情報で、メールアドレス又はグループ名のリ
ストである。リストのメンバーには、以下に説明するよ
うな優先度を付与し、リストのメンバーを優先度の降順
にソートしてある。優先度の値は、メールアドレスは
０、終端グループは−１とし、非終端グループは、木構
造を下方向にたどって、リスト中にあるいずれかの終端
グループまで到達する場合の最小値のリンク数にマイナ
スをつけたものとする。唯一、リストに共通グループし
かない場合は優先度が求まらないが、優先度の値として
０を設定する。

【００１７】メールアドレス付きユーザ単語辞書１０６
検索の際に、単語に付与されているメールアドレス又は
グループ名が、このリストのメンバーと一致する場合に
限り、解析に用いる（システム辞書の単語については、
このような制限はしない）。「韻律・声質設定用メール
アドレス」は、メールを読み上げる際の韻律と声質を選
択するための情報で、メールアドレス又はグループ名で
ある。例えば、ユーザが宛先に入っているメールでは、
メールの発信人に設定した韻律・声質で読み上げるが、
複写送付で送られてきたメールでは、受信者であるユー
ザは第３者であるため、発信人・複写送付先・宛先が共
通に属するグループに設定した韻律・声質で読み上げ
る。また、メーリングリスト経由で来たメールは、メー
リングリストに設定した韻律・声質で読み上げる。韻律
・声質設定用メールアドレスは、合成パラメータ生成部
１０７で韻律選択に用い、また、音声合成部１０９で声
質選択に用いる。

【００１８】

【表１】 表１は、ユーザが追加した単語情報を格納するメールア
ドレス付きユーザ単語辞書の内容の一部を表示したもの
である。ユーザが表記・品詞・読み・アクセント等の情
報の他、メールアドレス又はグループ名を付与する。

【００１９】

【表２】 表２は、メールアドレスデータベースの内容の一部を表
示したものである。ユーザが、メールアドレス又はグル
ープ名・種別・名前・電話番号・所属等の情報を格納す
る。名前・電話番号・所属は、ユーザがメールの送信時
の宛先設定や宛先を識別するために用いる。

【００２０】

【表３】 表３は、メールアドレス及びグループ間の階層関係を格
納するメールアドレス階層データベースの内容の一部を
表示したものである。メールアドレスが複数のグループ
に属する場合は、複数のデータとして登録する。ｓｕｚ
ｕｋｉ＠ｏｋｉ．ｃｏ．ｊｐは、社内グループと音声グ
ループに属するため、２つのデータがある。

【００２１】

【表４】 表４は、メールアドレスデータベース１１６に格納され
ているメールアドレス又はグループに韻律・声質を設定
する韻律・声質設定データベースの内容の一部を表示し
たものである。メールアドレス及びグループに対し、韻
律を、「速さ」と「口調」等、予め用意した属性の組
（属性が１つの場合も含む）で指定する。声質も同じく
予め用意した属性の組（属性が１つの場合も含む）で指
定する。メールアドレス及びグループに対し、予測テー
ブル・素片セットを対応付けるための属性が設定され
る。属性は予め用意したものだけをユーザが選択して設
定する。属性の値も予め用意した値のみを用いる。

【００２２】

【表５】 表５は、韻律・声質設定データベースで用いられている
韻律の属性の組と、予測テーブル格納部１０８に格納さ
れている予測テーブルとを対応づける韻律・予測テーブ
ル対応データベースの内容の一部を表示したものであ
る。予測テーブルについては、継続時間、ピッチ、ポー
ズ、振幅の４種類のテーブルがある。「Ｄｕｒａｔｉｏ
ｎ」＋数字、「Ｐｉｔｃｈ」＋数字、「Ｐａｕｓｅ」＋
数字、「Ｐｏｗｅｒ」＋数字の文字列は、予測テーブル
の識別子とする。

【００２３】

【表６】 表６は、韻律・声質設定データベースで用いられている
声質の属性の組と、音声素片辞書１１０の素片セットと
を対応づける声質・素片セット対応データベースの内容
の一部を表示したものである。「Ｍａｌｅ」＋数字、
「Ｆｅｍａｌｅ」＋数字の文字列は、素片セットの識別
子とする。声質の属性の設定パタンに、素片セットを対
応させる。

【００２４】＜動作＞本実施形態では、図２に示す、メ
ールアドレス階層データベースと呼ぶデータを用いる。
このデータベースにおける「グループ」、「非終端グル
ープ」、「終端グループ」、「共通グループ」は以下の
ような条件を満たす。

【００２５】（１）「グループ」は、「非終端グルー
プ」と「終端グループ」に分類される。 （２）「非終端グループ」は、グループが下位に来るこ
とができるが、メールアドレスが下位に来ることはでき
ない。 （３）「終端グループ」は、メールアドレスが下位に来
ることができるが、グループが下位に来ることはできな
い。 （４）階層構造のルートには、常に「共通グループ」と
呼ぶ非終端グループがあるとする。 （５）「共通グループ」以外の非終端グループは、ただ
１つの非終端グループの下位に来る。ただし、自分自身
や自分自身の下方向にある非終端グループの下位に来る
ようなループは許さない。 （６） メールアドレスは、必ず終端グループの下位に
来る。メールアドレスが複数の終端グループの下位に来
ることも許す。

【００２６】以下の説明において、特に記述しない場合
でも、データベース間でデータの整合性を保つように動
作する。メールアドレス又はグループは、ユーザが追加
・修正・削除できるため、整合性を失わせる処理を常に
チェックし排除するようにし、メールアドレス付きユー
ザ単語辞書１０６、メールアドレスデータベース１１
６、メールアドレス階層データベース１１７、韻律・声
質設定データベース１２０のデータの整合性を保てるよ
うにする。

【００２７】ユーザは、ユーザインタフェース１０１を
介して、メールアドレス管理部１１５を呼び出すことに
より、メールアドレスデータベース１１６とメールアド
レス階層データベース１１７の内容を追加・削除・変更
する。また、ユーザ単語辞書管理部１１８を呼び出すこ
とにより、メールアドレス付きユーザ単語辞書１０６の
単語を追加・削除・変更する。さらに、韻律・声質設定
データベース管理部１１９を呼び出すことにより、韻律
・声質設定データベース１２０の内容を追加・削除・変
更する。

【００２８】ユーザは、メール送受信部１１２により、
メールを送受信する。受信したメール、或いは、送信し
たメールの複写等は、メール格納部１１３に保存する。
ユーザがメールをテキスト音声変換する場合には、ユー
ザインタフェース１０１を介して、メール格納部１１３
に格納されている電子メールを指定し、テキスト音声変
換部１０２を呼び出す。

【００２９】テキスト音声変換部１０２では、まず、テ
キスト入力部１０３がメール格納部１１３からメールを
読み込む。次に、テキスト音声変換用情報設定部１２３
を呼び出して、読み込んだメールについている宛先・発
信人・複写送付先から、ユーザ辞書検索用メールアドレ
スリストと、韻律・声質設定用メールアドレスを獲得
し、後続の処理部へ渡す。テキスト音声変換用情報設定
部１２３の処理終了後、テキスト解析部１０４が、メー
ルの文章を単語に分割し、読み・アクセント位置・イン
トネーション立ち上げ位置・ポーズ位置を決定し、中間
言語を生成する。

【００３０】合成パラメータ生成部１０７は、テキスト
解析部が出力した中間言語に対して、音素の継続時間・
ピッチ・ポーズ長・振幅についてのパラメータを決定す
る。テキスト音声変換用情報設定部１２３が決定した韻
律・声質設定用メールアドレスに対応付けられている予
測テーブルは、韻律・声質設定データベース１２０と韻
律・予測テーブル対応データベース１２１を参照するこ
とにより得ることができる。そして、この予測テーブル
を用いて韻律を生成する。

【００３１】音声合成部１０９は、テキスト解析部が出
力する中間言語、合成パラメータ生成部が出力するパラ
メータから、音声を合成する。テキスト音声変換用情報
設定部１２３が決定した韻律・声質設定用メールアドレ
スに対応付けられている声質は、韻律・声質設定データ
ベース１２０と声質・素片セット対応データベース１２
２を参照することにより知ることができる。そして、音
声素片辞書１１０中の素片セットを用いて音声を合成す
る。

【００３２】図３、図４、図５、図６、図７は、テキス
ト音声変換用情報設定部１２３が、ユーザ辞書検索用メ
ールアドレスリストと韻律・声質設定用メールアドレス
を設定する、テキスト音声変換用情報設定処理のフロー
である。

【００３３】図３は、テキスト音声変換用情報設定処理
のメインルーチンである。処理３０１、処理３０２で、
メールについている発信人、宛先、複写送付先を参照し
て、自分宛のメール、複写で送付されてきたメール、メ
ーリングリスト経由で来たメールの分類を行う。それぞ
れの分類に応じて、処理３０３、処理３０４、処理３０
５のサブルーチンを実行する。処理３０６で、各サブル
ーチンで決定されたユーザ辞書検索用メールアドレスリ
ストに、リンクを上方向に向かってたどることにより到
達できるすべてのグループのグループ名を追加する。リ
ストが空のときは、無条件に「共通グループ」を追加す
る。処理３０７では、ユーザ単語辞書検索用メールアド
レスリストのメンバーに優先度を付与し、優先度の降順
にソートするサブルーチンを実行する。

【００３４】図４は、自分宛に来たメールについての情
報設定の処理フローである。処理４０１、処理４０２、
処理４０３は、ユーザ単語辞書検索用メールアドレスリ
ストを決定する処理であり、処理４０４、処理４０５、
処理４０６は、韻律・声質設定用メールアドレスを決定
する処理である。

【００３５】図５は、複写で来たメールについてのサブ
ルーチンである。処理５０１は、ユーザ単語辞書検索用
メールアドレスリストを決定する処理であり、処理５０
２は、韻律・声質設定用メールアドレスを決定する処理
である。

【００３６】図６は、メーリングリスト経由で来たメー
ルについての情報設定の処理フローである。メーリング
リスト経由の場合は、メールについている宛先は、自分
ではなく、メーリングリストのアドレスになっている。
処理６０１、処理６０２、処理６０３は、ユーザ単語辞
書検索用メールアドレスリストを決定する処理であり、
処理６０４、処理６０５、処理６０６は、韻律・声質設
定用メールアドレスを決定する処理である。

【００３７】図７は、ユーザ辞書検索用メールアドレス
リストのメンバーのソート処理のフローである。処理７
０１で、リスト中のメールアドレスの優先度に０、リス
ト中の終端グループの優先度に−１を設定し、非終端グ
ループの優先度は、未設定であることを表す１を設定す
る。処理７０２、処理７０３、処理７０４、処理７０
５、処理７０６は、非終端グループのメンバーについ
て、メールアドレス階層データベースにおいて、下方向
へ最短のメールアドレスまでノードをたどったときの距
離の符合を変えた値を優先度として設定する処理であ
る。処理７０７で、ユーザ辞書検索用メールアドレスリ
ストのメンバーを、優先度をキーとして大小関係の降順
にソートする。ソートのアルゴリズムは、既存のものを
用いる。

【００３８】図８は、メールアドレスに付与されている
アドレス（発信人・宛先・複写送付先）、及び、テキス
ト音声変換用情報設定部により決定されるテキスト音声
変換用情報（ユーザ辞書検索用メールアドレスリスト、
及び、韻律・声質設定用メールアドレス）の一例を示し
たものである。

【００３９】以下、図３、図４、図５、図６、図７を用
いて、図８に例示したアドレスからテキスト音声変換用
情報を決定する処理の流れを説明する。ただし、処理に
は、表１、表２、表３、表４のデータベースを用いるも
のとする。

【００４０】まず、図３のメインルーチンにおいて、処
理３０１で自分宛のメールであると判定され、処理３０
３でサブルーチン１が呼び出される。図４において、処
理４０１で複写送付先があるため、処理４０３が実行さ
れる。ａｓａｈｉ＠ｉｉｄｅ．ｃｏ．ｊｐはメールアド
レス階層データベース（表３）に登録されていないた
め、複写送付先にあるｎｏｇｕｃｈｉ＠ｎｏｒｔｈ．ｃ
ｏ．ｊｐ、ｋｕｒｏｂｅ＠ｎｏｒｔｈ．ｃｏ．ｊｐ、ｓ
ｈｉｏｍｉ＠ｓｏｕｔｈ．ｃｏ．ｊｐにうち最も多くが
属するグループを選ぶ。メールアドレス階層データベー
スにより、登山グループに３つのメールアドレスすべて
が属し、いずれのアドレスも他のグループには属さない
ため、ユーザ辞書検索用メールアドレスリストは｛登山
グループ｝となる。

【００４１】次に、処理４０４が実行され、発信人のａ
ｓａｈｉ＠ｉｉｄｅ．ｃｏ．ｊｐがメールアドレスデー
タベース（表２）に登録されていないため、処理４０６
が実行される。ａｓａｈｉ＠ｉｉｄｅ．ｃｏ．がメール
アドレス階層データベースに登録されておらず、複写送
付先にあるｎｏｇｕｃｈｉ＠ｎｏｒｔｈ．ｃｏ．ｊｐ、
ｋｕｒｏｂｅ＠ｎｏｒｔｈ．ｃｏ．ｊｐ、ｓｈｉｏｍｉ
＠ｓｏｕｔｈ．ｃｏ．ｊｐが共に登山グループに属し、
いずれのアドレスも他のグループに属さないため、韻律
・声質設定用メールアドレスは「登山グループ」とな
る。ここで、サブルーチン１を終了し、図３のメインル
ーチンに戻る。

【００４２】図３の処理３０６において、ユーザ辞書検
索用メールアドレスリストは｛登山グループ｝となって
いるため、登山グループの上位のグループである、「私
的関連グループ」と「共通グループ」を追加し、ユーザ
辞書検索用メールアドレスリストは｛登山グループ、私
的関連グループ、共通グループ｝となる。

【００４３】次に、処理３０７でサブルーチン４が呼び
出される。優先度は、終端グループである「登山グルー
プ」が−１、非終端グループである「私的関連グルー
プ」が−２、「共通グループ」が−３となり、ユーザ辞
書検索用メールアドレスリストは｛登山グループ（−
１）、私的関連グループ（−２）、共通グループ（−
３）｝となる。ただし、グループ名の後の括弧中の数値
は優先度の値とする。

【００４４】最終的に、ユーザ辞書検索用メールアドレ
スリストは｛登山グループ（−１）、 私的関連グルー
プ（−２）、共通グループ（−３）｝、韻律・声質設定
用メールアドレスは「登山グループ」となる。以上の処
理で、図８のテキスト音声変換用情報が決定される。

【００４５】図９は、メールに含まれる入力文章と、生
成された中間言語の一例を示したものである。テキスト
解析部１０４は、中間言語を作成する過程において、入
力文章を単語に分割する処理を行うが、この際、分割す
る単語の候補は、システム単語辞書１０５、及び、メー
ルアドレス付きユーザ単語辞書１０６から取り出した単
語を用いる。メールアドレス付きユーザ単語辞書の検索
にあたっては、単語に付与されているメールアドレス又
はグループ名が、ユーザ辞書検索用メールアドレスリス
トのいずれかのメンバーと一致する場合のみ、単語分割
の候補として取り出す。

【００４６】図１０は、辞書引きから単語分割までの処
理フローである。図１１は、処理１０１で生成するグラ
フ構造である。グラフには、文頭と文末に相当する仮想
的なノードを付け加える。

【００４７】処理１０２では、文献３の方法により、出
現確率を決定する。文献３では、単語の属性を用いて、
出現確率を計算するが、本実施形態においては、「優先
度」という属性を追加する。単語の属性としての優先度
の値は、単語に付与されているメールアドレス又はグル
ープ名の、ユーザ辞書検索用メールアドレスリストでの
優先度の値を用いる。メールアドレス又はグループの優
先度は、文章によって異なるため、同じ単語であって
も、単語の属性の「優先度」は、文章によって異なる値
を持つ。システム辞書から取り出した単語については、
ユーザ辞書検索用メールアドレスリストに於ける「共通
グループ」の優先度の値を用いる。共通グループは、必
ず、リストに含まれるため、値を決定することができ
る。但し、この値は、メールアドレス情報により異な
る。単語分割に用いる決定木は、メールアドレス情報の
ついた大量のメールのデータについて、上記の優先度の
属性を決定し、優先度の属性を含む決定木を作成してお
く。

【００４８】処理１０３では、Ｖｉｔｅｒｂｉアルゴリ
ズムを用いて、出現確率最大のパスを選ぶことができ
る。

【００４９】上記の処理では、優先度が大きい単語が常
に選ばれるとは限らないが、他の属性が同じであれば、
優先度の属性値が大きい単語が選ばれる可能性が高い。

【００５０】図１２は、メールに付与されたメールアド
レス情報とユーザ辞書とを用いて、単語検索により、同
形異音語の読み分けを行う処理の経過を説明した図であ
る。処理には、表１，２，３の各データベースを用い
る。入力文は「乗越が問題だ。」である。

【００５１】メールに付与されているアドレスから、テ
キスト音声変換用情報決定処理により、ユーザ辞書検索
用メールアドレスリストは、｛登山グループ（−１）、
私的関連グループ（−２）、共通グループ（−３）｝と
なる。

【００５２】一方、表１のメールアドレス付きユーザ辞
書には、「乗越」の同形異音語として、「乗越（ノッコ
シ）」と「乗越（ノリコシ）」の２つの単語が登録され
ている。「乗越（ノッコシ）」には登山グループのアド
レスが付与されており、「乗越（ノリコシ）」には共通
グループのアドレスが付与されている。

【００５３】ユーザ辞書検索用メールアドレスリストに
おける優先度は、登山グループが−１、共通グループが
−３である。単語の属性としての優先度の値は、「乗越
（ノッコシ）」が−１、「乗越（ノリコシ）」が−３と
なる。この属性と、その他の属性を用いて、２つの単語
の出現確率を計算する。いずれもユーザ辞書の単語であ
り、この文において普通名詞とサ変名詞の違いが単語選
択に当たって影響を与えることはないことから、決定木
の作成方法を考えると、優先度が大きい「乗越（ノッコ
シ）」の方が確率が大きくなる可能性が高い。従って、
このような場合は、「乗越（ノッコシ）」が選択され
る。

【００５４】更に、アクセント位置、フレーズ立ち上げ
位置、ポーズ位置を決定する処理を経て、中間言語、
「Ｐノッコシガ，モンダイダ。」が生成される。この文
の場合、「乗越」の前後には、特に読み分けの手がかり
となる語はないため、本実施形態の優先度以外の属性で
は、正しく読み分けが行われる可能性は低い。例えば、
本実施形態の優先度の属性を用いず、かつ、単語の頻度
が属性として用いられる場合は、一般的な文において頻
度が高い「乗越（ノリコシ）」が選ばれる可能性が高
い。

【００５５】以上説明したように、第１の実施形態にお
いては、以下の効果が得られる。 （１）ユーザが登録する単語の利用範囲を限定すること
が出来るようになり、予期しない副作用による読み誤り
を減少させることができる。 （２）ユーザ単語に登録した単語が使用される文章の分
野が制限されるため、ユーザ辞書への単語登録に際して
悪影響を考慮する必要が少なくなり、単語登録の労力を
軽減できる。 （３）メールの発信人、宛先、複写送付先を考慮した韻
律・声質で読み上げるため、メールの要件を効率的に聴
取することができる。

【００５６】＜第２の実施形態＞ ＜構成＞本実施形態において、「グループ」、「韻律・
声質設定用メールアドレス」の定義は、実施形態１と同
じとする。図１３は、第２の実施形態の構成を示す図で
ある。２０１は、音声合成装置を操作するためのユーザ
インタフェース、２０２は、メール送受信部２１４が受
信したメールの内容を読み上げるテキスト音声変換部で
あり、２０３は、受信したメールからの入力文章読み出
し、メールについている発信人・宛先・複写送付先情報
のテキスト音声変換用情報設定部への受け渡し、及び、
同処理部から返される１つの情報の後続処理部への受け
渡しを行うテキスト入力部である。

【００５７】２０４は、入力文章から中間言語（読み・
アクセント位置・フレーズ立ち上げ位置・ポーズ位置）
を生成するテキスト解析部であり、２０５は、テキスト
解析で用いる単語情報（表記・読み・品詞・アクセント
型・アクセント結合型等）を格納するシステム単語辞
書、２０６は、ユーザが追加した単語情報を格納するユ
ーザ単語辞書である。また、２０７は、同形異音語につ
いて読み分けを行う読み分け処理部であり、２０８は、
同形異音語の読み分けに用いられる読み分け用決定リス
トを格納する読み分け用決定リスト格納部である。決定
リストは、ある証拠ＥのもとでクラスＤを決定するとい
う規則を優先度の高い順にリスト形式で並べたもので、
適用時には優先度の高い規則から順に適用を試みていく
（文献２参照）。本実施形態では、決定リストのクラス
として読み、優先度として出現頻度の比（尤度比）を用
い、以下も「読み」と「尤度比」という用語を用いる。
読み分け用決定リストは、個々の同形異音語毎に、予め
コーパスから作成して格納しておく。

【００５８】２０９は、テキスト解析の出力から、合成
パラメータ（合成単位・継続時間・ピッチ・ポーズ・振
幅）を生成する合成パラメータ生成部であり、２１０
は、合成パラメータを決定するために用いる予測テーブ
ルを格納する予測テーブル格納部である。２１１は、合
成パラメータから波形を生成する音声合成部であり、２
１２は、音声合成で用いる音声素片セットを格納する音
声素片辞書である。２１０の予測テーブル格納部には、
継続時間予測テーブル・ピッチ予測テーブル・ポーズ予
測テーブル・振幅予測テーブルが格納される。

【００５９】２１３は、メールの送受信・保存を行うメ
ール管理部であり、２１４は、メールの送受信を行うメ
ール送受信部、２１５は、受信したメールを格納するメ
ール格納部である。

【００６０】２１６は、メールアドレスに関連するデー
タベースを管理するデータベース管理部であり、２１７
は、メールアドレスデータベース、及び、メールアドレ
ス階層データベースの管理を行うメールアドレス管理部
であり、２１８は、メールアドレス及びグループに関す
る情報を格納する属性付きメールアドレスデータベー
ス、２１９は、メールアドレス及びグループ間の階層関
係を格納するメールアドレス階層データベースである。
２２０は、メールについている発信者・宛先・複写送付
先情報から、テキスト音声変換に用いる１つの情報を決
定するテキスト音声変換用情報設定部である。決定する
テキスト音声変換用情報は、実施形態１の「韻律・声質
設定用メールアドレス」と同じ情報である。実施例２で
は、決定した情報の用途が異なるため、以下、「韻律・
声質設定用メールアドレス」を「読み分け用メールアド
レス」と呼ぶ。

【００６１】

【表７】 表７は、ユーザ単語辞書の内容の一部を示したものであ
る。実施形態１と異なり、ユーザ辞書の単語には、メー
ルアドレス又はグループの情報は含まれない。

【００６２】

【表８】 表８は、同形異音語「市場」の読み分け用決定リストの
内容の一部を示したものである。従来の装置では、「前
後の単語の表記」（前後１０単語以内の自立語と一部の
付属語の表記）等、入力文中の証拠を用いるが、本実施
形態では、入力文以外の証拠として、メールアドレスデ
ータベースの属性を用いる。表８では、規則３が、「メ
ールアドレスデータベースの業種」を用いた規則であ
る。また、ディフォルトの値を設定するため、最も尤度
が低い規則として、証拠の種類が「ディフォルト」の規
則を追加しておく。表８では、規則８がディフォルトの
値を設定する規則である。

【００６３】

【表９】 表９は、属性付きメールアドレスデータベースの内容で
ある。ユーザが、メールアドレス又はグループ名・種別
の情報、名前・電話番号・所属等の情報、及び、読み分
け用決定リストで用いる属性が追加されている。属性
は、「業種」、「分野」等、ユーザが容易に設定できる
ものを用いる。属性の種類と属性の値は、予め用意した
ものを用い、ユーザは装置が表示する属性値から選択す
る。

【００６４】＜動作＞以下の説明において、特に記述し
ない場合でも、データベース間でデータの整合性を保つ
ように動作する。メールアドレス又はグループは、ユー
ザが追加・修正・削除できるため、整合性を失わせる処
理を常にチェックし排除するようにし、属性付きメール
アドレスデータベース２１８、メールアドレス階層デー
タベース２１９のデータの整合性を保てるようにする。

【００６５】ユーザは、ユーザインタフェース２０１を
介して、メールアドレス管理部２１７を呼び出すことに
より、属性付きメールアドレスデータベース２１８の内
容とメールアドレス階層データベース２１９の内容を追
加・削除・変更する。また、ユーザインタフェース２０
１を介して、メール送受信部２１４を呼び出すことによ
り、メールを送受信する。受信したメール、或いは、送
信したメールの複写等は、メール格納部２１５に保存さ
れる。

【００６６】ユーザがメールをテキスト音声変換する場
合には、ユーザインタフェース２０１を介して、メール
格納部に格納されている電子メールを指定し、テキスト
音声変換部２０２を呼び出す。テキスト音声変換部で
は、まず、テキスト入力部２０３がメール格納部２１５
からメールを読み込む。次に、テキスト音声変換用情報
設定部２２０を呼び出して、読み込んだメールについて
いる宛先・発信人・複写送付先から、読み分け用メール
アドレスを獲得し、後続の処理部へ渡す。読み分け用メ
ールアドレスの決定方法は、実施形態１の韻律・声質設
定用メールアドレスの決定方法と同じである。

【００６７】テキスト音声変換用情報設定部２２０の処
理終了後、テキスト解析部２０４が、システム単語辞書
２０５、ユーザ単語辞書２０６から、分割する単語の候
補となる単語を取り出し、メールの文章を単語に分割す
る。ここで、読み分け処理部２０７を呼び出して、同形
異音語の読み分けを行った後、読み・アクセント位置・
イントネーション立ち上げ位置・ポーズ位置を決定し、
中間言語を生成する。

【００６８】図１４は、読み分け処理部の処理フローで
ある。読み分け処理は、テキスト解析が入力文を単語に
分割した後に呼び出される。読み分け処理部は、処理１
２１で、読み分け用メールアドレスを属性付きメールア
ドレスデータベースで検索し、属性を取り出す。処理１
２２で、テキスト解析部が単語分割した単語について、
１単語目に走査位置を設定する。処理１２３から、処理
１２６で、文末へ向かって１単語ずつ走査してゆき、走
査点が文の最後の単語の次に移動すると、処理１２３の
判定により、処理を終了する。処理１２４で、走査中の
単語の読み分け用決定リストが読み分け用決定リスト格
納部２０８にあるかどうか検索する。決定リストがあれ
ば、処理１２５で、規則の尤度の高い順に、決定リスト
の証拠の種類と証拠の値の条件を満たすかどうかチェッ
クし、満たされれば規則を適用する。ディフォルト設定
用の規則があるため、必ず読みが決定される。処理１２
６で、走査点を次の単語に移し、処理１２３に戻る。

【００６９】図１５は、同形異音語の読み分け処理の具
体例を示したものである。表８の読み分け用決定リスト
と、表９の属性付きメールアドレスデータベースがある
とする。入力文章「どこの市場を調べますか？」がメー
ルで送られてきたとする。テキスト解析部で、図に示す
ように単語に分割される。この時点では、一応読みも決
定されている。テキスト音声変換用情報設定部２２０に
おいて、読み分け用メールアドレスは、ｋａｔｏｈ＠ａ
ｏｚｏｒａ−ｂａｎｋ．ｃｏ．ｊｐとなる。読み分け処
理部で、文頭から１単語ずつ走査するが、ｎ＝１、ｎ＝
２については、処理１２４で、決定リストがないため、
走査点が移動してゆく。処理１２６でＮ＝３になった状
態を考える。３番目の単語「市場」は、表８の決定リス
トがあるため処理１２４の条件を満たし、処理１２５を
実行する。

【００７０】表９の属性付きメールアドレスデータベー
スを参照すると、「業種」は金融である。前後の単語と
しては、「どこ」、「の」、「を」、「調べ」、「ま
す」、「か」、「？」という単語がある。決定リストを
検索する証拠の種類と値を列挙すると、図１５に示すよ
うになる。規則１から順に証拠の種類と証拠の値の条件
を満たすかどうかチェックする。規則１、規則２につい
ては、「市場」の前後には、「株式」、「シェア」とい
う単語はないため、規則１、規則２は条件を満たさず、
適用されない。規則３については、種別が「属性付きメ
ールアドレスデータベースの業種」で値が「金融」とい
う証拠があり、規則の条件を満たすため、規則が適用さ
れる。したがって、「市場」の読み分け結果は、規則３
が与える「シジョウ」になる。更に、処理１２６、処理
１２３、処理１２４が繰り返され、ｎ＝９になったとこ
ろで、対応する単語がないため読み分け処理を終了す
る。

【００７１】読み分け部２０７の処理が終わった後、テ
キスト解析部２０４は、読み・アクセント位置・イント
ネーション立ち上げ位置・ポーズ位置を決定し、中間言
語を生成する。合成パラメータ生成部２０９は、テキス
ト解析部が出力した中間言語に対して、音素の継続時間
・ピッチ・ポーズ長・振幅についてのパラメータを決定
する。音声合成部２１１は、テキスト解析部が出力する
中間言語、合成パラメータ部が出力するパラメータか
ら、音声を合成する。

【００７２】以上説明したように、本実施形態に依れ
ば、メールアドレスから得られる属性を読み分けに用い
るため、文章内に手掛かりがない場合でも、読み分けが
可能になる。

【００７３】尚、本発明は、前述の実施形態に限定され
るものではなく、実施形態１、実施形態２は、電子メー
ルの読み上げに用いたが、ホームページの読み上げにも
用いることができる。ホームページの場合、発信者とし
てホームページのアドレス、複写送付先はなし、宛先と
してユーザのメールアドレスを用いる。

【００７４】

【発明の効果】以上詳細に説明したように、第１発明の
音声合成装置においては、受信メールをテキスト解析す
る際に用いる単語を登録する手段と、メールアドレスの
データベースを格納する手段と、メールアドレスのデー
タベースの内容を追加・修正・削除する手段とを備えた
音声合成装置において、前記データベースのメールアド
レスをグルーピングすると共に、各グループを階層化し
た階層データとして格納する手段と、単語に前記階層デ
ータのノード名を付加してユーザ単語辞書に登録する手
段と、メールの発信人・宛先・複写送付先の情報から前
記階層データのノード名のリストを作成する手段とを備
え、前記ユーザ単語辞書の検索に際して、前記作成され
たリストのメンバーとユーザ単語辞書の単語に付加され
ているノード名とを照合し、ノード名が前記リストのメ
ンバーのいずれかに一致する単語のみを用いてテキスト
解析を行う構成としたので、ユーザが登録する単語の利
用範囲を限定することが出来るようになり、予期しない
副作用による読み誤りを減少させることができる。ま
た、ユーザ単語に登録した単語が使用される文章の分野
が制限されるため、ユーザ辞書への単語登録に際して悪
影響を考慮する必要が少なくなり、単語登録の労力を軽
減できる。

【００７５】また、第２発明の音声合成装置において
は、受信メールを読み上げる際の韻律又は声質を制御す
る手段と、メールアドレスのデータベースを格納する手
段と、メールアドレスのデータベースの内容を追加・修
正・削除する手段とを備えた音声合成装置において、前
記データベースのメールアドレスをグルーピングすると
共に、各グループを階層化した階層データとして格納す
る手段と、メールの発信人、宛先、複写送付先の情報に
基づいて、前記階層データのノードを選択する手段と、
を備え、メールを読み上げる際に、前記選択されたノー
ドに対応付けられている韻律及び声質でメールを読み上
げる構成としたので、メールの発信人、宛先、複写送付
先を考慮した韻律・声質で読み上げるため、メールの要
件を効率的に聴取することができる。

【００７６】更に、第３発明の音声合成装置において
は、決定リストを用いて同形異音語を読み分ける手段
と、メールアドレスのデータベースを格納する手段と、
メールアドレスのデータベースの内容を追加・修正・削
除する手段とを備えた音声合成装置において、前記デー
タベースのメールアドレスをグルーピングすると共に、
各グループを階層化した階層データとして格納する手段
と、メールの発信人・宛先・複写送付先の情報から前記
階層データのノード名を選択する手段とを備え、前記選
択されたノードに設定されている属性を証拠とした規則
を含む決定リストを用いて単語の読み分けを行う構成と
したので、文章内に手掛かりがない場合でも、読み分け
が可能になる。

【図面の簡単な説明】

【図１】第１の実施形態の構成図である。

【図２】メールアドレス階層データベースの一例を示す
図である。

【図３】テキスト音声変換用情報設定処理のメインルー
チンである。

【図４】テキスト音声変換用情報設定処理のサブルーチ
ン１である。

【図５】テキスト音声変換用情報設定処理のサブルーチ
ン２である。

【図６】テキスト音声変換用情報設定処理のサブルーチ
ン３である。

【図７】テキスト音声変換用情報設定処理のサブルーチ
ン４である。

【図８】メールアドレスに付与されるアドレス及びテキ
スト音声変換用情報の一例を示す図である。

【図９】入力文章と中間言語の一例を示す図である。

【図１０】辞書引きから単語分割までの処理フローであ
る。

【図１１】図１０の処理１０１で生成するグラフ構造を
示す図である。

【図１２】メールアドレスとユーザ単語辞書を用いた読
み分け処理の経過説明図である。

【図１３】第２の実施形態の構成図である。

【図１４】読み分け処理の処理フローである。

【図１５】同形異音語「市場」の読み分け処理の説明図
である。

【符号の説明】

１０１，２０１ ユーザインターフェース １０２，２０２ テキスト音声変換部 １０３，２０３ テキスト入力部 １０４，２０４ テキスト解析部 １０５，２０５ システム単語辞書 １０６，２０６ メールアドレス付きユーザ単語辞書 １０７，２０９ 合成パラメータ生成部 １０８，２１０ 予測テーブル格納部 １０９，２１１ 音声合成部 １１０，２１２ 音声素片辞書 １１１，２１３ メール管理部 １１２，２１４ メール送受信部 １１３，２１５ メール格納部 １１４，２１６ データベース管理部 １１５，２１７ メールアドレス管理部 １１６，２１８ メールアドレスデータベース １１７，２１９ メールアドレス階層データベース １１８ ユーザ単語辞書管理部 １１９ 韻律・声質設定データベース管理部 １２０ 韻律・声質設定データベース １２１ 韻律・予測テーブル対応データベース １２２ 声質・素片セット対応データベース １２３ 韻律・声質設定データベース ２０７ 読み分け部 ２０８ 読み分け用決定リスト格納部 ２２０ テキスト音声変換用情報設定部

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 13/08 G06F 13/00 605 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】 受信メールをテキスト解析する際に用い
   る単語を登録する手段と、メールアドレスのデータベー
   スを格納する手段と、メールアドレスのデータベースの
   内容を追加・修正・削除する手段とを備えた音声合成装
   置において、 前記データベースのメールアドレスをグルーピングする
   と共に、各グループを階層化した階層データとして格納
   する手段と、 単語に前記階層データのノード名を付加してユーザ単語
   辞書に登録する手段と、 メールの発信人・宛先・複写送付先の情報から前記階層
   データのノード名のリストを作成する手段と、を備え、
   前記ユーザ単語辞書の検索に際して、前記作成されたリ
   ストのメンバーとユーザ単語辞書の単語に付加されてい
   るノード名とを照合し、ノード名が前記リストのメンバ
   ーのいずれかに一致する単語のみを用いてテキスト解析
   を行うことを特徴とする音声合成装置。
2. 【請求項２】 受信メールを読み上げる際の韻律又は声
   質を制御する手段と、メールアドレスのデータベースを
   格納する手段と、メールアドレスのデータベースの内容
   を追加・修正・削除する手段とを備えた音声合成装置に
   おいて、 前記データベースのメールアドレスをグルーピングする
   と共に、各グループを階層化した階層データとして格納
   する手段と、 メールの発信人、宛先、複写送付先の情報に基づいて、
   前記階層データのノードを選択する手段と、を備え、メ
   ールを読み上げる際に、前記選択されたノードに対応付
   けられている韻律及び声質でメールを読み上げることを
   特徴とする音声合成装置。
3. 【請求項３】 決定リストを用いて同形異音語を読み分
   ける手段と、メールアドレスのデータベースを格納する
   手段と、メールアドレスのデータベースの内容を追加・
   修正・削除する手段とを備えた音声合成装置において、 前記データベースのメールアドレスをグルーピングする
   と共に、各グループを階層化した階層データとして格納
   する手段と、 メールの発信人・宛先・複写送付先の情報から前記階層
   データのノード名を選択する手段と、を備え、前記選択
   されたノードに設定されている属性を証拠とした規則を
   含む決定リストを用いて単語の読み分けを行うことを特
   徴とする音声合成装置。