JP3483230B2 - 発声情報作成装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はテキストを音声に変換す
るテキスト音声合成装置に関する。特に、あらかじめ発
音記号ファイルを用意して何度も発声させる、あるいは
複数の装置によって出力する等の用途に使用される音声
合成装置、例えば発音記号を電話回線等から受信蓄積す
る携帯型の音声情報端末等に関する。

【０００２】

【従来の技術】従来、テキスト音声合成装置では、形態
素解析、構文解析、発音単位分割処理、アクセント結合
処理等の言語処理を行ない、自動的にテキストを発音記
号に変換し、これを規則音声合成器によって音声に変換
していた。しかし、現状の言語処理技術による自動変換
だけでは、完全な読み、アクセント、イントネーション
等を得ることは不可能に近く、これを実現するためには
意味解析を含めた非常に高度な分析を必要とし現実的で
ない。そこで、誤りのない音声が必要であって、テキス
トからリアルタイムに音声を合成する必要のない場合、
自動変換によって得られた発音記号を人手を介して修正
していた。発音記号には様々な種類のものが使われてい
るが、日本語の場合、音韻を片仮名やローマ字で表し、
アクセント核位置やポーズ等のそのほかの韻律情報を様
々な記号で表した独特の記号列を用いることが多い。こ
のため発音記号の修正を行なうためには、これらの記号
の意味を理解することが必要となってくる。又、特に韻
律記号は直感的に音声に結び付く表現とは言いがたいた
め、熟練した人でも効率良く修正作業を行なうことは難
しかった。

【０００３】この修正作業を容易に行なうことを目的と
した発明として、特開平４−１６６８９９号公報「テキ
スト・音声変換装置」がある。又、株式会社リコーから
１９９４年に発売されているパソコン用ソフトウェア
「雄弁家 for Windows ver.1.0」にも修正作業を支援す
る機能が搭載されている。

【０００４】又、特開平０７−２７３３２０号の「発音
情報作成方法およびその装置」には、発音記号とは異な
る、視覚的にわかりやすくアイコン化されたアクセント
核や発音単位境界によって、発音情報を表示している。

【０００５】

【発明が解決しようとする課題】しかしながら、特開平
４−１６６８９９号公報の従来技術では、テキストと発
音記号を並行して表示し、通常のテキストエディタ機能
によって発音記号の修正を可能としている。しかし、こ
の発明ではテキストの最初から音声を聴き、間違いを発
見した時点で修正モードに移行し、修正を完了したら続
きの音声を聴き始めるという単純な流れを想定しており
自由度に欠ける。又、修正作業の対象とするのは発音記
号そのものであるため、直感的に音声に結び付きにく
く、修正操作と結果としての音声の対応も予想しにくい
ため、試行錯誤を多く必要とする。さらに、自動変換を
利用するのは最初だけで、一度修正を始めたら、その後
はすべて修正するユーザーのキー操作によって発音記号
が作られることになる。このことは少なくとも以下の３
つの不具合を生ずる。・結果がユーザーの能力に依存す
ることになり、さらに操作ミスによる致命的な誤りを生
ずる危険性も避けられない。・テキスト中の同じ表現を
同じように誤解析することは良くあることだが、これを
いちいちすべて修正しなければならない。・形態素境界
を誤検出した場合等、言語処理の一部だけを修正すれば
自動変換によって容易に修正できる場合でも、最終結果
の発音記号を修正することしか出来ない。

【０００６】又、前述の「雄弁家」ではテキスト中の任
意の部分へカーソルを移動することが出来るため上記の
発明よりは自由度は大きい。しかし修正対象はやはり発
音記号であり、修正効率の面では同様である。又、自動
変換の結果として複数の候補からの選択が可能なため、
言語処理による自動変換を修正作業中に部分的に利用す
ることもできる。しかし、候補中に所望の結果が含まれ
ていない場合は、結局キー操作によって発音記号を修正
しなければならない。

【０００７】又、特願平０７−２７３３２０号では、わ
かりやすくアイコン化された発音情報表示は使われてい
るが、その移動には特に言及されていない。言語的に存
在しえない、もしくは存在しにくい位置にも、そうでな
い位置と同様にアクセント核や発音単位境界が移動して
しまうことは無駄であり、作業効率を低下させることに
なる。

【０００８】本発明では、以上の問題点に鑑み、テキス
トから発音情報を作成するとき効率的に発音情報を修正
する発音情報作成装置を提供することを目的とする。

【０００９】

【課題を解決するための手段】かかる課題を解決するた
めに請求項１の発明の発音情報作成装置は、テキストを
言語処理して発音情報へ変換する言語処理部と、発音情
報を合成音声にて発声する発音情報発声部と、テキスト
と発音情報の表示、修正等を行ない、視覚的に表示され
たアクセント核記号の移動には言語的特徴による制限を
加え、アクセント核が存在しにくいモーラへのアクセン
ト核記号の移動を禁止あるいは抑制するユーザーインタ
ーフェース部とを有し、前記言語処理部による自動変換
とユーザーによる修正作業の相互作用によって、対話的
に発音情報を作成することを特徴とする。

【００１０】請求項２の発明の前記ユーザーインターフ
ェース部は、外来語のアクセント核位置を、原語のアク
セントに準ずる位置と、日本語としてなじんだ場合に現
われやすい位置のそれぞれへ移動することを特徴とす
る。

【００１１】請求項３の発明の前記ユーザーインターフ
ェース部は、前記言語処理部が変換した発生情報を、発
音情報発声部に自動的に繰り返し発生させる。

【００１２】請求項４の発明の前記ユーザーインターフ
ェース部は、発声とは並行して発音情報を修正させ、該
修正結果を前記言語処理部で再変換し、該変換結果を前
記発音情報発声部によってただちに発声させるようにし
たことを特徴とする。

【００１３】

【作用】本発明の発音情報作成装置は、テキストを言語
処理部で発音情報へ変換し該発音情報を発生部で発生
し、ユーザーインターフェース部でテキストと発音情報
の表示、修正等を行ない、視覚的に表示されたアクセン
ト核記号の移動には言語的特徴による制限を加え、アク
セント核が存在しにくいモーラへのアクセント核記号の
移動を禁止あるいは抑制する。

【００１４】

【実施例】以下、図面を参照して本発明を詳細に説明す
る。図１は本発明による発音情報作成装置の一実施例を
あらわす概略構成図である。ユーザーインターフェース
１は、テキストの入力、言語処理、ユーザーとの会話操
作、発声等の処理のユーザーと装置間の相互インターフ
ェースを制御する。又、最終的に変更された発音情報を
発音記号として出力する。テキスト入力部２は、音声と
して発声させるための日本語テキストを入力する。この
テキストの入力はキーボードからの入力、外部記憶装置
やメモリのような内部記憶装置から入力される。入力部
３は、言語処理された音声情報を変更するための編集操
作をユーザーインターフェース部１へ指示する。例え
ば、タッチパネル、ジョイスティック、マウスやキーボ
ード等が考えられるが、本実施例ではパソコンのテンキ
ーに各機能を割り付けるという簡単な方法を採用した
（図３参照）。なお、図３中のＡＰはアクセント句を表
すものとする。表示部４は、言語処理された発音情報を
変更するための編集操作状況を表示装置へ表示する。言
語処理部５は、形態素解析、構文解析、発音単位分割処
理、アクセント結合処理等を行い、発音情報に変換す
る。単語辞書６は、言語処理部５で使う読み、表記、品
詞、アクセント等に関する情報を保持する。発音情報発
声部７は、言語処理部５で言語処理された発音情報を音
声合成によって発声する。

【００１５】この実施例の動作を図２のフローチャート
に基づいて説明する： ステップ１０：テキスト入力部２から図４(a)のような
日本語漢字仮名混じりテキストを読み込む， ステップ２０：入力されたテキストは、言語処理部５に
よって形態素解析、構文解析、発音単位分割処理、アク
セント結合処理等を行い、自動的に発音情報に自動変換
される， ステップ３０：ユーザーインターフェース部１は、表示
部４へ自動変換された発音情報を図４(b)のように表示
させる。次のように表示することによって、それぞれの
情報を直感的に操作しやすくする， ・表記（テキスト）の上に、読みをルビのように表示す
る， ・アクセント核位置を対応する読み文字上に表示する， ・これらの情報は読みと表記の対応が付きやすいよう
に、アクセント句を単位とするブロックとして表す，
又、アクセント句間の境界情報はポーズの入る場合を矩
形、入らない場合を縦線で表している。この例では特に
示していないが、そのほかの声立て（フレーズ成分の立
て直し）等も適宜表示する， ステップ４０：「発声を行わせるためのスイッチ」がＯ
Ｎになっており、現在発声中でなければステップ５０
へ。そうでなければステップ６０へ， ステップ５０：変換された発音情報を発音情報発声部７
から音声合成によって発声させる， ステップ６０：入力部３からの入力キーの種類によっ
て、次の各ステップへ進む。終了キーのとき、ステップ
７０へ。発声キーのとき、ステップ８０へ。単語登録キ
ーのとき、ステップ９０へ。境界変更キーのとき、ステ
ップ１００へ。その他のキーのとき、ステップ１２０
へ， ステップ７０：発音情報の修正が終了したものとして、
変更結果を発音記号へ変換して出力し、この処理を終了
する， ステップ８０：「発声」キーであれば、現在の「発声を
行わせるためのスイッチ」がＯＮならば、それをＯＦＦ
にする。そうでなければＯＮにする。その後、ステップ
３０へ戻る， ステップ９０：「単語登録」キーであれば、指示した単
語を単語辞書６へ登録し、ステップ１１０へ進む， ステップ１００：表示部４に表示された発音情報の境界
を変更する処理を行わせ、ステップ１１０へ進む， ステップ１１０：修正情報に基づいて言語処理部５によ
ってテキストを音声情報に変換し直す。発音情報の境界
を変更された場合は、その前後のアクセント句のみをそ
れぞれアクセント句分割処理を行なわずに、強制的に単
独アクセント句として解析する。単語登録を行なった場
合はその単語を含む句読点までの単位を変換する。その
後、ステップ３０へ戻る， ステップ１２０：いずれのキーでもなければ、「カーソ
ルの移動」、「発音単位の種別変更」（ポーズを入れる
／取る、声立てを入れる／取る等）、「アクセント核の
移動、レベル変更」、「読みの変更」等の言語処理を伴
わない修正を行う。その後、ステップ３０へ戻る。

【００１６】以下、例文「山梨県上九一色村にある」を
使って、ユーザーインターフェース部１における本実施
例の動作を説明する。最初に言語処理部５から変換され
た結果は、「山梨県上」と「九一色」とに区切られてい
た。しかし、本来は「山梨県」と「上九一色」とに区切
られていなければならなかった。そこで境界を１文字分
左に移動する。例えば、コントロールキーを押しながら
左右移動キーを押すことによって境界を移動する（図３
参照）。その結果、言語処理部５は「山梨県」という文
字列を発音情報に自動変換する。このときアクセント句
に分割する処理は行わずに、強制的に１つのアクセント
句として解析する。次に「上九一色」という文字列にも
同様の処理を行なう。図４(c)は、このように境界を変
更した結果を表示部４へ表示したものである。

【００１７】ここで「上九」のところに下線が引かれて
いるが、この部分の「上九一色」という地名が単語辞書
６にないために未登録語となり、解析に失敗したことを
示している。そこで「上九一色」という地名を単語辞書
に登録するために、単語登録モードに入り（図３の割り
付けではEnter キーを押す）、「表記」に対して左右移
動キーを使って登録範囲の始点を選択し、Enter キーに
よって確定、同様に終点を選択し確定すると、図４
（ｄ）のような単語登録ウインドウが現れる。ここで登
録語に関する情報をユーザーが入力する（図４(d)参
照）。このような操作は通常のワードプロセッサー等の
単語登録と同様にして行うことができる。この登録ウイ
ンドウは、上下移動キーによって項目を選び、左右移動
キーおよび文字入力キーによって内容を変更する。例え
ば、品詞は用意されており、その中の品詞を左右移動キ
ーによって選択し、読みに関しては通常の文字入力キー
によって入力する。又、アクセントは読みのどこのある
のかを左右移動キーによって指定する。単語登録後、ユ
ーザーインターフェース部１は言語処理部５へこの登録
した単語を含む句読点までの範囲に対して自動変換を再
び行なって、表示部４へ図４(e)のように表示する。

【００１８】これで正確な発音情報が得られたので、ユ
ーザーは最終的な出力である発音記号を得るためのキー
操作を行ない、図４(f)のような記号列を得る。この操
作は、ファイルメニューが割り当てられたファンクショ
ンキーを押すことによってメニューを開き上下移動キー
によって「発音記号列出力」メニューを選ぶ等の方法で
実現できる。

【００１９】さらに、このような修正過程においても、
発音情報をキー操作等の妨げとならないように繰り返し
音声として合成し続ける。この発声する内容は、繰り返
し発声する１回の発声を開始した時点での発音情報であ
って、次ぎの繰り返しからは修正された内容を発声す
る。又、繰り返す単位はアクセント句とは限らず、呼気
段落や文等の「任意の発音単位」で大きさを選ぶことも
可能である。このようにユーザーの操作や自動変換によ
って発音情報が変化した場合、ただちにその内容が音声
に反映されるので、間違いを見つけやすく、操作と結果
の対応が直感的につくため作業効率を向上させることが
出来る。

【００２０】このような音声の発声は、タブキー等に割
り当てられた音声 ON/OFF キーを押すことによって音声
出力モードのON/OFF を切り替える。音声出力モードがO
N の場合は、図２から分かるように、一定区間の音声出
力が終わるとすぐにまた同じ区間を出力し始め、結果と
してこの区間のループ出力を続けることになる。このよ
うなことは、音声情報発声部７を別プロセスのソフトウ
ェアや外部ハードウェアとして装備することで容易に実
現することが可能である。

【００２１】次に境界を挿入、削除する例として「日本
人形協会」という複合語を考える。この場合、「日本の
人形協会」なのか、「日本人形の協会」なのかによっ
て、アクセント句境界が違ってくる。前者ならば「日
本」と「人形」の間に入るが、後者ならこの複合語の中
に入らない。このような意味を考慮した複合語の分割は
非常に難しい処理となってくる。そこで自動変換された
結果のアクセント句が希望する分割パターンにならなか
った場合、境界挿入、削除操作を行うことによって希望
するパターンに修正しなければならない。この操作は、
コントロールキーを押しながら挿入（０キー）、削除
（ピリオド・キー）を押す（図３参照）ことによって境
界が挿入、削除される。挿入の場合は前述の移動操作に
よってさらに希望の位置に境界を移動する。

【００２２】図５は、図２のステップ１２０におけるア
クセント核の移動に対応する操作例である。アクセント
核を▼にアイコン化し、その位置を対応する読み文字上
に表示して示している。ユーザーインターフェース部１
では、入力部３を操作して、▼を移動することによっ
て、アクセント核の移動（アクセント型の変更）が可能
であり、直感的に操作ができることになる。

【００２３】ここでは、例文「コミュニケーションパッ
ケージを東京限定発売する」を使って説明する。まず、
言語処理部５で得た発音情報は表示部４へユーザーイン
ターフェース部１を通じて表示される。このとき読み文
字に通常のひらがなを用いているが、これは日常の生活
で使用するルビの形態と同じであるため、ユーザーにと
って違和感が少なくわかりやすいというメリットがあ
る。しかし、ユーザーインターフェース部１は、必ずし
も１文字が１モーラとならないような１モーラが２文字
以上から構成される場合、１文字目以外に×を表示する
と共に、アクセント核移動操作の際に×の場所を自動的
にスキップするように制御する。このようにしたことに
よって、アクセント核は必ず１モーラ単位で移動するよ
うにできるので、ユーザーの操作概念と実際の操作の一
致がはかれるようになる（図５（ａ）参照）。

【００２４】しかるに、アクセント核はどのモーラにも
等しく存在するわけではなく、長音や促音、撥音といっ
たモーラにはアクセント核が存在しにくいことが知られ
ている。ユーザーインターフェース部１は、このような
アクセント核が存在しにくいモーラには×を表示し、ア
クセント核移動操作の際には×の場所を自動的にスキッ
プするようにする（図５（ｂ）参照）。このようにする
ことによってユーザーの知識不足や不注意によるミスの
削減とアクセント核移動の際の操作数削減による効率化
がはかれる。

【００２５】又、外来語のアクセントは、日本語として
馴染みのないものは原語のアクセントに準じて発音さ
れ、原語のアクセントが分からない場合や、日本語とし
て馴染んだものは特定のパターンで発音される場合が多
いことが知られている。ここで特定のパターンとは、モ
ーラ数から２を引いた数をアクセント型とするものであ
る。更に、業界用語等の浸透したものは平板化する等の
パターンが知られている。これらのことから、ユーザー
インターフェース部１は、カタカナ単語を外来語とし
て、上記規則によってアクセント核の存在する可能性の
高い位置を〇で表示する。即ち、ユーザーインターフェ
ース部１は、各単語の原語のアクセント位置と（モーラ
数）−２の位置に○を表示することになる（図５（ｃ）
参照）。ここで図５（ｃ）の表示の▼と○とを組み合わ
せた表示は、アクセント核の位置を示す▼アイコンと、
アクセント核位置の候補の○アイコンとを重ねて表示し
たものである。更に、この位置へ１操作で移動する移動
手段を備えることで、これによってオペレーターの知識
不足や不注意によるミスの削減とアクセント核移動の際
の操作数削減による効率化がはかれる。この移動手段と
しては、例えば、「コントロールキーを押しながらアク
セント核移動キー（テンキー割り付けで言うと７と９）
を押す」等の操作で実現することができる。（図３参
照）ファンクションキーに割り当てられた設定メニュー
を開いて「アクセント候補を表示」メニューを選択する
ことによりアクセント核の位置を表示させたり、このメ
ニューを非選択とすることによってアクセント核の位置
を非表示とすることもできる。

【００２６】又、発音単位境界、特にアクセント句境界
位置の誤りは、不自然な発音を引き起こす大きな原因で
ある。アクセント句境界位置が正しく推定されない主な
ケースのひとつに複合語がある。この様な場合には単語
は正しく切り出せているものの、単語間の隠された格関
係が正しく解析できずにアクセント句がうまく切り出せ
ていない。そこで単語境界毎にアクセント句境界を移動
すれば、素早いアクセント句境界の修正が可能となる
（図５（ｄ）参照）。本例文では、「東京」「限定」
「発売する」の間が単語境界である。

【００２７】又、固有名詞や専門用語等単語分割に失敗
するような場合では、文字毎にアクセント句境界の移動
を行う。例えば、「カーナビショー」等は「カーナビ」
という新しい用語を含んでいるために、単語分割に失敗
し「カーナビショー」が１単語となってしまう場合があ
る。このような場合は「カ」「ー」「ナ」「ビ」「シ」
「ョ」「ー」の間のすべての文字境界の中からアクセン
ト句境界を設定できるようにする。このようなアクセン
ト句境界の設定は、「境界の移動」操作（コントロール
＋１又はコントロール＋３の押下）を行なったときに、
境界を示す縦棒が移動する単位を、例えばコントロール
＋８を押すたびに、文字／単語の切り替えをトグルよう
に行なうように設定することもできる。（図３参照）こ
のようにユーザーが両者を使い分けるように操作するこ
とによって、効率的なアクセント句境界移動が可能にな
る。

【００２８】又、ファンクションキーで設定メニューを
開いて「字種境界で移動」メニューを選択するか、ある
いは上記境界移動単位のトグルを単語／文字／字種と３
段階のトグルにすることによって、「カーナビ搭載」と
いう場合は「カーナビ」「搭載」という字種境界を利用
してアクセント句境界を設定できるようにもできる。

【００２９】

【発明の効果】請求項１の発明の発音情報作成装置は、
アクセント核の存在しにくい位置を避けることができる
ので、無駄な動きを減らして作業効率が向上するととも
に、知識の十分でないユーザーへの支援および不注意ミ
スを削減できる。又、請求項２の発明の発音情報作成装
置は、外来語のアクセントの２つの高頻度パターンを選
択することができるので、無駄な動きを減らして作業効
率が向上するとともに、知識の十分でないユーザーへの
支援および不注意ミスを削減できる。又、請求項３の発
明は、発音情報を繰り返し音声出力することによって、
発音情報と音声の対応がつき、間違いが発見しやすくな
る。又、請求項４の発明は、発音情報の編集操作結果を
即座に音声で確認できるので操作と結果の対応が直感的
にわかり、作業効率が向上する。

【図面の簡単な説明】

【図１】 本発明の一実施例を示す発音情報作成装置の
概略構成図である。

【図２】 本発明の一実施例の処理の流れを示すフロー
チャートである。

【図３】 本発明の操作に用いる機能のキーへの割り付
け例である。

【図４】 本発明の実行の表示例である。

【図５】 本発明のアクセント核の移動操作の表示例で
ある。

【符号の説明】

１：ユーザーインターフェース部、 ２：テキスト入力部、 ３：入力部、 ４：表示部、 ５：言語処理部、 ６：単語辞書、 ７：発音情報発声部

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】テキストから音声を合成するための音声情
   報を作成する発音情報作成装置において、 テキストを言語処理して発音情報へ変換する言語処理部
   と、 発音情報を合成音声にて発声する発音情報発声部と、 テキストと発音情報の表示、修正等を行ない、視覚的に
   表示されたアクセント核記号の移動には言語的特徴によ
   る制限を加え、アクセント核が存在しにくいモーラへの
   アクセント核記号の移動を禁止あるいは抑制するユーザ
   ーインターフェース部とを有し、 前記言語処理部による自動変換とユーザーによる修正作
   業の相互作用によって、対話的に発音情報を作成する発
   音情報作成装置。
2. 【請求項２】前記ユーザーインターフェース部は、外来
   語のアクセント核位置を、原語のアクセントに準ずる位
   置と、日本語としてなじんだ場合に現われやすい位置の
   それぞれへ移動することを特徴とする請求項１に記載の
   発音情報作成装置。
3. 【請求項３】前記ユーザーインターフェース部は、前記
   言語処理部が変換した発生情報を、発音情報発声部に自
   動的に繰り返し発生させる、請求項１又は２に記載の発
   音情報作成装置。
4. 【請求項４】前記ユーザーインターフェース部は、発声
   とは並行して発音情報を修正させ、該修正結果を前記言
   語処理部で再変換し、該変換結果を前記発音情報発声部
   によってただちに発声させるようにしたことを特徴とす
   る請求項３記載の発音情報作成装置。