JP3465326B2

JP3465326B2 - 音声合成装置

Info

Publication number: JP3465326B2
Application number: JP30400993A
Authority: JP
Inventors: 紀代原
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 1993-12-03
Filing date: 1993-12-03
Publication date: 2003-11-10
Anticipated expiration: 2018-11-10
Also published as: JPH07160284A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声合成装置で利用さ
れる言語処理手法、特に卓立の付与に関するものであ
る。また、卓立を実現するイントネーション制御手法に
関する。

【０００２】

【従来の技術】従来の音声規則合成装置としては、例え
ば、古井：ディジタル音声処理 p.146（東海大学出版会
1985）に示されている装置が知られている。図６はこ
の従来の音声合成装置の構成を示すブロック図である。
文字列入力端０には漢字かな混じり文が入力される。形
態素解析部１ａでは、入力された漢字かな混じり文が辞
書１ｂを用いて形態素に分割され、各形態素の読み・ア
クセント型・品詞等が付与される。構文解析部１ｃで
は、形態素処理部１ａで得られた各形態素の情報を用い
て文節の決定を行い、文節間の係受け解析を行う。読み
・アクセント処理部１ｄでは、アクセント句の決定、ア
クセント位置の決定、ポーズやイントネーション立て直
し位置の決定、読みの決定を行う。これら形態素処理部
１ａ、辞書１ｂ、構文解析部１ｃ、アクセント処理部１
ｄは、言語処理部１を構成している。音響処理部２で
は、言語処理部１で得られた読みとアクセントの情報に
基づいて合成パラメータを作成する。この合成パラメー
タとは、音声の大きさを決める振幅、声道の状態を決め
る声道記述パラメータ（ＰＡＲＣＯＲ係数やホルマント
周波数など）、声帯の状態を決める有声／無声判定フラ
グ、声の高さを決める基本周波数等がある。合成処理部
３は、音響処理部２で得られた合成パラメータ列を音声
波形に変換し、合成音出力端４に音声波形を得る。

【０００３】

【発明が解決しようとする課題】音声規則合成装置は、
ＷＰ文章の読み合わせや公共案内放送等いろいろな分野
で利用されつつある。合成された音声の個々の音節が理
解できるという明瞭性の観点からは、かなり実用レベル
に迫ってきている。しかしながら、同じモーラ数、アク
セント型ならば、いつも同じイントネーションが付与さ
れたり自然性という観点からは、非常に単調で機械的で
あるといわざるを得ない。

【０００４】例えば、「勉強するようにしなければなら
ない。」という文章を発話した場合、助詞の「ば」が強
調されて発声されることが多い。文章の内容や発話意図
によって、発話者が、文章のある部分を強調して発声す
るという「卓立」とよばれるこの現象は、文章の了解性
や自然性を向上させる等の効果があり、自然な発話で
は、しばしば観察される。

【０００５】本発明は、かかる従来技術の課題に鑑みて
なされたもので、発声速度や発話内容に従って、付属語
部分の卓立発声を取り入れる事により、規則合成音の単
調性をなくし、了解性の高い規則合成音を提供すること
を目的としている。

【０００６】

【課題を解決するための手段】本発明は，テキストを入
力するテキスト入力手段と、入力されたテキストを形態
素に分割する形態素解析手段と、前記形態素解析手段で
参照する辞書情報を格納した辞書手段と、読みやアクセ
ントを付与する読み・アクセント付与手段と、音声を合
成する音声合成手段と、発声内容の種類として説明的文
章と叙情的文章とを設定する発声内容設定手段と、助詞
の強調の有無を付与する卓立付与手段を有し、前記発声
内容設定手段で設定された発声内容にしたがって、前記
卓立付与手段で卓立の有無を決定することを特徴とする
音声合成装置である。

【０００７】

【作用】本発明では、発話の内容を設定可能な音声合成
装置において、発話内容が解説や社説、天気予報などの
場合には付属語卓立の出現頻度を高くし、小説や詩など
の場合には、卓立の出現頻度を低くする事により、了解
性の高い合成音を提供する。

【０００８】また、卓立の付与された文節のイントネー
ション・パタンを生成する際には、卓立された付属語の
種類によって卓立の種類を分類し、その種類によってイ
ントネーション・パタンを選択することにより、自然な
卓立表現を実現し、自然性の高い合成音を提供する。

【０００９】また、卓立された付属語の種類と、その付
属語に後続するポーズの有無によって卓立の種類を分類
し、その種類によってイントネーション・パタンを選択
することにより、自然な卓立表現を実現し、自然性の高
い合成音を提供する。

【００１０】また、卓立された付属語の種類と、その付
属語に後続する文節の種類によって卓立の種類を分類
し、その種類によってイントネーション・パタンを選択
することにより、自然な卓立表現を実現し、自然性の高
い合成音を提供する。

【００１１】

【実施例】本発明の第１の実施例は、テキストを入力す
るテキスト入力手段と、入力されたテキストを形態素に
分割する形態素解析手段と、前記形態素解析手段で参照
する辞書情報を格納した辞書手段と、読みやアクセント
を付与する読み・アクセント付与手段と、音声を合成す
る音声合成手段と、発声内容の種類として説明的文章と
叙情的文章とを設定する発声内容設定手段と、助詞の強
調の有無を付与する卓立付与手段を有し、前記発声内容
設定手段で設定された発声内容にしたがって、前記卓立
付与手段で卓立の有無を決定することを特徴とする音声
合成装置である。本発明の第２の実施例は、テキストを
入力するテキスト入力手段と、入力されたテキストを形
態素に分割する形態素解析手段と、前記形態素解析手段
で参照する辞書情報を格納した辞書手段と、読みやアク
セントを付与する読み・アクセント付与手段と、助詞の
卓立の有無を付与する卓立付与手段と、助詞の卓立の種
類を設定する卓立分類手段と、音声を合成する音声合成
手段とを有し、前記音声合成手段は、卓立を実現するた
めの韻律制御手段を含み、該韻律制御手段は、卓立の種
類に従って複数のイントネーションパタンを選択するこ
とを特徴とする音声合成装置である。本発明の第３の実
施例は、テキストを入力するテキスト入力手段と、入力
されたテキストを形態素に分割する形態素解析手段と、
前記形態素解析手段で参照する辞書情報を格納した辞書
手段と、読みやアクセントを付与する読み・アクセント
付与手段と、助詞の卓立の有無を付与する卓立付与手段
と、助詞の卓立の種類を設定する卓立分類手段と、音声
を合成する音声合成手段とを有し、前記音声合成手段
は、卓立を実現するための韻律制御手段を含み、前記卓
立分類手段では、付属語の種類と後続するポーズの有無
によって卓立の種類を設定することを特徴とする音声合
成装置である。本発明の第４の実施例は、テキストを入
力するテキスト入力手段と、入力されたテキストを形態
素に分割する形態素解析手段と、前記形態素解析手段で
参照する辞書情報を格納した辞書手段と、読みやアクセ
ントを付与する読み・アクセント付与手段と、助詞の卓
立の有無を付与する助詞卓立付与手段と、助詞の卓立の
種類を設定する助詞卓立分類手段と、音声を合成する音
声合成手段とを有し、前記音声合成手段は、卓立を実現
するための韻律制御手段を含み、前記卓立分類手段で
は、付属語の種類と後続する文節の属性によって卓立の
種類を設定することを特徴とする音声合成装置である。
本発明に関連する実施例は、テキストを入力するテキス
ト入力手段と、入力されたテキストを形態素に分割する
形態素解析手段と、前記形態素解析手段で参照する辞書
情報を格納した辞書手段と、読みやアクセントを付与す
る読み・アクセント付与手段と、音声を合成する音声合
成手段と、合成音声の発声速度を設定する発声速度設定
手段と、助詞の強調の有無を付与する卓立付与手段を有
し、前記発声速度設定手段で設定された発声速度にした
がって、前記卓立付与手段で卓立の有無を決定すること
を特徴とする音声合成装置である。

【００１２】（実施例１）図１は、本発明を利用した音声合成装置の一実施例を利
用した音声合成装置の構成を示すブロック図であって、
以下にその構成をその作用とともに説明する。文字列入
力端０には漢字かな混じり文が入力される。形態素解析
部１ａでは、入力された漢字かな混じり文は辞書１ｂを
用いて形態素に分割され、各形態素の読み・アクセント
型・品詞等が付与される。構文解析部１ｃでは、形態素
処理部１ａで得られた各形態素の情報を用いて文節の決
定を行い、文節間の係受け解析を行う。読み・アクセン
ト処理部１ｄでは、アクセント句の決定、アクセント位
置の決定、ポーズやイントネーション立て直し位置の決
定、読みの決定を行う。卓立付与部１ｅは、卓立の有無
を設定する手段であって、その作用については、後に詳
述する。形態素処理部１ａ、辞書１ｂ、構文解析部１
ｃ、アクセント処理部１ｄ，卓立付与部１ｅで言語処理
部１を構成している。発声速度設定部６は、合成音の速
さを設定する手段であって、５はその設定情報の入力端
子である。その選択情報は、卓立付与部１ｅおよび音響
処理部２へ入力されている。本実施例では、非常に速い
・速い・普通・遅い・非常に遅いの５段階の速度設定が
可能であるとする。

【００１３】音響処理部２では、このような言語処理部
１で得られた読みとアクセントの情報に基づいて合成パ
ラメータを作成する。この合成パラメータは、音声の大
きさを決める振幅、声道の状態を決める声道記述パラメ
ータ（ＰＡＲＣＯＲ係数やホルマント周波数など）、声
帯の状態を決める有声／無声判定フラグ、声の高さを決
める基本周波数等がある。合成処理部３は、音響処理部
２で得られた合成パラメータ列を音声波形に変換し、合
成音出力端４に音声波形を得る。本実施例では音響処理
部、合成処理部の方式については、特に限定しない。

【００１４】各処理の詳細について実例を用いて説明す
る。「それは、自業自得です。」という文章が入力され
た場合について考える。形態素解析部１ａにより入力文
章は以下のように形態素分割され、アクセントや読みの
情報を得る。また、ここで、「は」「です」に対して与
えられている結合アクセント型Ａやｂは、ＮＨＫアクセ
ント辞典・解説付録（日本放送出版会 1985年）に記載
されているもので、自立語と結合して文節を構成する際
の結合アクセント型を示したものである。また、各単語
のアクセント型は、アクセントのある音節位置を示した
ものである。自立語の結合アクセント型は、複合語のを
構成した場合のアクセント型を示す。卓立発声の可能性
は、この例では、格助詞「は」だけに設定されている。
さらに１ｃ構文解析部により文節境界が決定され、文節
間の係受け（文節間距離）が決定される。本例では、文
節「それは」は、直後の文節にかかるので文節間距離は
１となる。読み・アクセント処理部１ｄでは、アクセン
ト句およびアクセント位置の決定、読みの決定を行う。
本例では、「それは」の部分は平板型、「自業自得で
す」の部分は、「で」の部分にアクセントのある７型と
なる。（入力文章）「それは、自業自得です。」（形態素分割）それ／は／、／自業自得／です。

【００１５】

【００１６】（文節間距離）１（アクセント句）それは、／自業自得です。

【００１７】（文節アクセント）０７（言語処理部出力１）so re wa poz ji go o ji to ku de1 su （言語処理部出力２）so re wa' poz ji go o ji to ku de1 su ここで、poz はこの位置にポーズが挿入されイントネー
ションの立て直しが行れることを示す。ローマ字の音節
の後の数字［1］は、アクセントのある音節を、「’」
は、その音節が卓立されることを示す。

【００１８】本実施例では、発声速度が、非常に遅い・
遅いに設定されている場合には、卓立付与部１ｅで卓立
を設定し、言語処理部１は言語処理部出力２を結果とし
て出力する。発声速度が、非常に速い・速い・普通の場
合には、卓立付与部１ｅで卓立なしと設定し、言語処理
部出力１が出力される。

【００１９】このように本実施例によれば、発声速度に
したがって、卓立の有無を設定することが出来、規則合
成音の機械的な単調さを軽減し、自然性の高い合成音を
提供することができる。

【００２０】（実施例２）図２は、本発明を利用した音
声合成装置の第２の実施例の構成を示したブロック図で
ある。なお実施例１と共通する要素には、同一番号をつ
けている。発声速度設定端子５、発声速度設定部６に代
えて、発声内容選択端子７および発声内容選択部８を有
している。本実施例では、説明的・叙情的の２つの発声
内容を選択するものとする。発声内容が説明文、天気予
報、社説等の時に「説明的」と設定し、小説や詩の場合
に「叙情的」と設定する。このような文章を読み上げる
場合、「説明的」な文章では、助詞の卓立を利用して了
解性を確保し、「叙情的」な文章では、その他の手法
（単語の強調やイントネーションのダイナミックレンジ
の増加など）を用いて効果的な朗読を実現する。従っ
て、同じ付属語でも、説明的な文章では卓立されやすく
なり、叙情的な文章では卓立が起こりにくくなる。本実
施例では、発声内容をあらかじめ設定し、その設定に従
って卓立の頻度を制御する事により、発声内容にあった
了解性、自然性の高い合成音を提供できる。

【００２１】（実施例３）図３は、本発明を利用した音
声合成装置の第３の実施例の構成を示したブロック図で
ある。なお実施例１と共通する要素には、同一番号をつ
けている。発声速度設定端子５、発声速度設定部６を有
せず、言語処理部１内に、卓立分類部１ｆを有する。卓
立分類部１ｆでは、卓立付与部１ｅで卓立の設定された
付属語の種類に従って、卓立の種類を決める。卓立を実
際の合成音声で実現するためには、合成のための音響パ
ラメータ（基本周波数、振幅、ホルマント周波数など）
を制御する必要がある。図４は、音響処理部２の構成を
示したブロック図である。音響処理部２は、基本周波数
や各音韻の時間長、振幅などを制御する韻律制御部２ａ
と、声帯に関するパラメータであるホルマント周波数等
制御する音韻処理部２ｂから構成される。本実施例で
は、基本周波数を制御して卓立の実現する。卓立が付与
されている場合には、卓立パタンテーブル２ｃを参照し
て、基本周波数パタンの加工を行なう。図５に卓立パタ
ンテーブルを示す。タイプ１は、卓立の付与された音節
の開始位置まで下降し、卓立のある音節内で、基本周波
数を上昇させる。タイプ２は、卓立のある音節の開始位
置まで下降し、不連続に上昇した後再度下降する。卓立
の付与される付属語に基本周波数パタンを選択するため
の分類を保持しておき、卓立分類部１ｆで、その保持さ
れた情報に従って、卓立のタイプを決定する。例えば、
「は」「を」は、分類１となり、「ば」は分類２、「こ
そ」は分類３となる。分類１は基本周波数パタン・タイ
プ１を、分類２、３はタイプ２を採用する。このよう
に、卓立を受ける付属語の種類によって、卓立を実現す
るための基本周波数パタンを選択することにより、自然
な卓立を実現し、高品質の合成音を提供する事が出来
る。

【００２２】（実施例４）図３は、本発明を利用した音
声合成装置の第４の実施例の構成を示したブロック図で
もある。卓立分類部１ｆでは、付属語に付与された卓立
タイプに加えて、卓立を受ける付属語の直後にポーズ
（休止部分）が付与されているかどうかを利用して、卓
立のタイプを決定する。決定手法は以下の通りである。

【００２３】付属語の分類ポーズありポーズなし１１１２１２３２２すなわち、付属語のタイプが２であっても、直後にポー
ズがない場合は、基本周波数パタンは、タイプ１が利用
される。このように、卓立を受ける助詞の種類とポーズ
の有無によって、卓立を実現するための基本周波数パタ
ンを選択することにより、自然な卓立を実現し、高品質
の合成音を提供する事が出来る。

【００２４】（実施例５）図３は、本発明を利用した音
声合成装置の第５の実施例の構成を示したブロック図で
もある。卓立分類部１ｆでは、付属語に付与された卓立
タイプに加えて、後続する文節の属性に従って卓立のタ
イプを決定する。後続する文節が、新規情報を持つ場合
はタイプ１の卓立表現になるが、新規情報がどうかを判
断するのは困難なので、それに代わる判定法として、後
続文節の属性を利用する。決定手法は以下の通りであ
る。

【００２５】すなわち、付属語のタイプが２であっても、直後が動詞
句でない場合は、基本周波数パタンは、タイプ１が利用
される。このように、卓立を受ける助詞の種類と後続文
節の属性によって、卓立を実現するための基本周波数パ
タンを選択することにより、自然な卓立を実現し、高品
質の合成音を提供する事が出来る。

【００２６】なお、本発明の各手段は、コンピュータを
用いてソフトウエア的に実現し、あるいは、それら各機
能を有する専用のハード回路を用いて実現してもかまわ
ない。

【００２７】

【発明の効果】以上のように本発明によれば、発声速度
や発声内容といった各種要因に応じて卓立の付与を制御
することにより、卓立表現を効果的に用いることが出来
る。また、卓立を受ける付属語の種類やポーズの有無、
後続文節の属性などから、卓立を表現する基本周波数パ
タンを選択する事により、合成音声で自然な卓立を表現
する。以上のことにより、規則合成音の機械的な単調さ
を軽減し、了解性・自然性の高い効果的な合成音を提供
することが出来る。

【図面の簡単な説明】

【図１】本発明実施例１の音声合成装置の構成を示すブ
ロック図

【図２】本発明実施例２の音声合成装置の構成を示すブ
ロック図

【図３】本発明実施例３の音声合成装置の構成を示すブ
ロック図

【図４】本発明実施例３の音声合成装置の音響処理部の
構成を示すブロック図

【図５】本発明実施例３の音声合成装置の卓立の基本周
波数パタンを示す図

【図６】従来例の音声合成装置の構成を示すブロック図

【符号の説明】

０テキスト入力端１言語処理部１ａ形態素解析部１ｂ辞書１ｃ構文解析部１ｄ読み・アクセント処理部１ｅ卓立付与部１ｆ卓立分類部２音響処理部２ａ韻律制御部２ｂ音韻処理部２ｃ卓立パタンテーブル３合成処理部４合成音出力端５発声速度入力端６発声速度設定部７発声内容設定入力端９発声内容設定部

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開平５−80791（ＪＰ，Ａ) 特開平５−204390（ＪＰ，Ａ) 特開平３−196199（ＪＰ，Ａ) 武田昌一，プロミネンスを含有する日本語文音声の韻律的特徴の解析，電子情報通信学会技術研究報告［音声］，日本，1989年９月29日，ＳＰ89−46, ｐ．１−８ (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 13/06 G10L 13/08 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims

(57)【特許請求の範囲】

【請求項１】テキストを入力するテキスト入力手段と、
入力されたテキストを形態素に分割する形態素解析手段
と、前記形態素解析手段で参照する辞書情報を格納した
辞書手段と、読みやアクセントを付与する読み・アクセ
ント付与手段と、音声を合成する音声合成手段と、発声
内容の種類として説明的文章と叙情的文章とを設定する
発声内容設定手段と、助詞の強調の有無を付与する卓立
付与手段を有し、前記発声内容設定手段で設定された発
声内容にしたがって、前記卓立付与手段で卓立の有無を
決定することを特徴とする音声合成装置。
【請求項２】テキストを入力するテキスト入力手段と、
入力されたテキストを形態素に分割する形態素解析手段
と、前記形態素解析手段で参照する辞書情報を格納した
辞書手段と、読みやアクセントを付与する読み・アクセ
ント付与手段と、助詞の卓立の有無を付与する卓立付与
手段と、助詞の卓立の種類を設定する卓立分類手段と、
音声を合成する音声合成手段とを有し、前記音声合成手
段は、卓立を実現するための韻律制御手段を含み、該韻
律制御手段は、卓立の種類に従って複数のイントネーシ
ョンパタンを選択することを特徴とする音声合成装置。
【請求項３】テキストを入力するテキスト入力手段と、
入力されたテキストを形態素に分割する形態素解析手段
と、前記形態素解析手段で参照する辞書情報を格納した
辞書手段と、読みやアクセントを付与する読み・アクセ
ント付与手段と、助詞の卓立の有無を付与する卓立付与
手段と、助詞の卓立の種類を設定する卓立分類手段と、
音声を合成する音声合成手段とを有し、前記音声合成手
段は、卓立を実現するための韻律制御手段を含み、前記
卓立分類手段では、付属語の種類と後続するポーズの有
無によって卓立の種類を設定することを特徴とする音声
合成装置。
【請求項４】テキストを入力するテキスト入力手段と、
入力されたテキストを形態素に分割する形態素解析手段
と、前記形態素解析手段で参照する辞書情報を格納した
辞書手段と、読みやアクセントを付与する読み・アクセ
ント付与手段と、助詞の卓立の有無を付与する助詞卓立
付与手段と、助詞の卓立の種類を設定する助詞卓立分類
手段と、音声を合成する音声合成手段とを有し、前記音
声合成手段は、卓立を実現するための韻律制御手段を含
み、前記卓立分類手段では、付属語の種類と後続する文
節の属性によって卓立の種類を設定することを特徴とす
る音声合成装置。