JP3515039B2 - テキスト音声変換装置におけるピッチパタン制御方法 - Google Patents
テキスト音声変換装置におけるピッチパタン制御方法Info
- Publication number
- JP3515039B2 JP3515039B2 JP2000058821A JP2000058821A JP3515039B2 JP 3515039 B2 JP3515039 B2 JP 3515039B2 JP 2000058821 A JP2000058821 A JP 2000058821A JP 2000058821 A JP2000058821 A JP 2000058821A JP 3515039 B2 JP3515039 B2 JP 3515039B2
- Authority
- JP
- Japan
- Prior art keywords
- pitch
- phoneme
- unit
- pitch pattern
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
- G10L13/10—Prosody rules derived from text; Stress or intonation
Description
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、日常読み書きして
いる漢字・仮名混じり文を音声として出力するテキスト
音声変換技術に係わり、特に合成音声のピッチパタン制
御方法に関するものである。
いる漢字・仮名混じり文を音声として出力するテキスト
音声変換技術に係わり、特に合成音声のピッチパタン制
御方法に関するものである。
【０００２】
【従来の技術】テキスト音声変換技術は、我々が日常読
み書きしている漢字かな混じり文を入力し、それを音声
に変換して出力するもので、出力語彙の制限がないこと
から録音・再生型の音声合成に代わる技術として種々の
利用分野での応用が期待できる。
み書きしている漢字かな混じり文を入力し、それを音声
に変換して出力するもので、出力語彙の制限がないこと
から録音・再生型の音声合成に代わる技術として種々の
利用分野での応用が期待できる。
【０００３】従来、この種の音声合成装置としては、図
２１に示すような処理形態となっているものが代表的で
ある。この装置において、日常読み書きしている漢字仮
名混じり文（以下テキストと呼ぶ）を入力すると、テキ
スト解析部１０１は、文字情報から音韻・韻律記号列を
生成する。ここで、音韻・韻律記号列とは、入力文の読
みに加えて、アクセント、イントネーション等の韻律情
報を文字列として記述したもの（以下中間言語と呼ぶ）
である。単語辞書１０４は個々の単語の読みやアクセン
ト等が登録された発音辞書で、テキスト解析部１０１は
この単語辞書を参照しながら、形態素解析ならびに構文
解析等の言語処理を施して中間言語を生成する。テキス
ト解析部１０１で生成された中間言語は、パラメータ生
成部１０２で処理されて、音声素片（音の種類）、音韻
継続時間（音の長さ）、音韻パワー（音の強さ）、基本
周波数（声の高さ、以下ピッチと呼ぶ）等の各パタンか
ら成る合成パラメータが決定され、波形生成部１０３に
送られる。ここで音声素片とは、合成波形を作るための
音声の基本単位で、音の種類等に応じて様々なものがあ
る。波形生成部１０３では、音声素片等を蓄積するＲＯ
Ｍ等から構成された素片辞書１０５が参照されて、合成
波形が生成され、スピーカを通して合成音声が出力され
る。以上がテキスト音声変換処理の流れである。
２１に示すような処理形態となっているものが代表的で
ある。この装置において、日常読み書きしている漢字仮
名混じり文（以下テキストと呼ぶ）を入力すると、テキ
スト解析部１０１は、文字情報から音韻・韻律記号列を
生成する。ここで、音韻・韻律記号列とは、入力文の読
みに加えて、アクセント、イントネーション等の韻律情
報を文字列として記述したもの（以下中間言語と呼ぶ）
である。単語辞書１０４は個々の単語の読みやアクセン
ト等が登録された発音辞書で、テキスト解析部１０１は
この単語辞書を参照しながら、形態素解析ならびに構文
解析等の言語処理を施して中間言語を生成する。テキス
ト解析部１０１で生成された中間言語は、パラメータ生
成部１０２で処理されて、音声素片（音の種類）、音韻
継続時間（音の長さ）、音韻パワー（音の強さ）、基本
周波数（声の高さ、以下ピッチと呼ぶ）等の各パタンか
ら成る合成パラメータが決定され、波形生成部１０３に
送られる。ここで音声素片とは、合成波形を作るための
音声の基本単位で、音の種類等に応じて様々なものがあ
る。波形生成部１０３では、音声素片等を蓄積するＲＯ
Ｍ等から構成された素片辞書１０５が参照されて、合成
波形が生成され、スピーカを通して合成音声が出力され
る。以上がテキスト音声変換処理の流れである。
【０００４】次に、パラメータ生成部１０２における処
理を図２２を参照して詳細に説明する。パラメータ生成
部１０２に入力される中間言語は、アクセント位置・ポ
ーズ位置などの韻律情報を含んだ音韻文字列であり、こ
れより、ピッチの時間的な変化（以下ピッチパタン）、
音声パワー、それぞれの音韻継続時間、素片辞書内に格
納されている音声素片アドレス等の波形を生成する上で
のパラメータ（以下、合成パラメータ）を決定する。
理を図２２を参照して詳細に説明する。パラメータ生成
部１０２に入力される中間言語は、アクセント位置・ポ
ーズ位置などの韻律情報を含んだ音韻文字列であり、こ
れより、ピッチの時間的な変化（以下ピッチパタン）、
音声パワー、それぞれの音韻継続時間、素片辞書内に格
納されている音声素片アドレス等の波形を生成する上で
のパラメータ（以下、合成パラメータ）を決定する。
【０００５】入力された中間言語に対して、中間言語解
析部２０１で文字列の解析を行い、呼気段落記号・単語
区切り記号から単語境界を判定し、アクセント記号から
アクセント核のモーラ（音節）位置を得る。呼気段落と
は、一息で発声する区間の区切り単位である。アクセン
ト核とは、アクセントが下降する位置のことで、１モー
ラ目にアクセント核が存在する単語を１型アクセント、
ｎモーラ目にアクセント核が存在する単語をｎ型アクセ
ントと呼び、総称して起伏型アクセント単語と呼ぶ。逆
に、アクセント核の存在しない単語（例えば「新聞」や
「パソコン」）を０型アクセントまたは平板型アクセン
ト単語と呼ぶ。
析部２０１で文字列の解析を行い、呼気段落記号・単語
区切り記号から単語境界を判定し、アクセント記号から
アクセント核のモーラ（音節）位置を得る。呼気段落と
は、一息で発声する区間の区切り単位である。アクセン
ト核とは、アクセントが下降する位置のことで、１モー
ラ目にアクセント核が存在する単語を１型アクセント、
ｎモーラ目にアクセント核が存在する単語をｎ型アクセ
ントと呼び、総称して起伏型アクセント単語と呼ぶ。逆
に、アクセント核の存在しない単語（例えば「新聞」や
「パソコン」）を０型アクセントまたは平板型アクセン
ト単語と呼ぶ。
【０００６】ピッチパタン決定部２０２は、中間言語上
の韻律情報などから音節あるいは音韻単位でのピッチ周
波数の算出を行う。従来のテキスト音声変換におけるピ
ッチパタン制御には、各音節の母音中心位置におけるピ
ッチ周波数を推定し、母音間を線形補間あるいはスプラ
イン補間して実現する「点ピッチモデル」が利用されて
きた。母音中心ピッチの推定は、例えば、数量化Ｉ類な
どの統計的手法を用いて行われる。この時の制御要因と
しては、例えば、現在の母音の属する単語のアクセント
型・単語先頭からの音節位置・呼気段落内での音節位置
・音韻の種類などといった情報が用いられる。母音中心
位置の推定ピッチ群を点ピッチパタン、これらを母音間
で内挿したものを単にピッチパタンと呼ぶことにする。
ピッチパタン生成には、後述する音韻継続時間決定部２
０３において決定された音韻毎の継続時間を基にして算
出される。またこの時、ユーザからの抑揚（イントネー
ションの大きさ）や声の高さの指定があった場合は、そ
れらに応じた処理が施される。通常、声の高さ指定は、
５〜１０段階程度に制御され、それぞれのレベルに対し
てあらかじめ割り当てられた定数を加えることにより行
われる。抑揚指定は３〜５段階に制御され、それぞれの
レベルに対してあらかじめ割り当てられた定数を乗ずる
ことにより行われる。文中のある単語を特に強調あるい
は抑制したい時に用いることを想定した制御機構であ
る。これについては本発明の主題に関わる部分であるの
で後述する。
の韻律情報などから音節あるいは音韻単位でのピッチ周
波数の算出を行う。従来のテキスト音声変換におけるピ
ッチパタン制御には、各音節の母音中心位置におけるピ
ッチ周波数を推定し、母音間を線形補間あるいはスプラ
イン補間して実現する「点ピッチモデル」が利用されて
きた。母音中心ピッチの推定は、例えば、数量化Ｉ類な
どの統計的手法を用いて行われる。この時の制御要因と
しては、例えば、現在の母音の属する単語のアクセント
型・単語先頭からの音節位置・呼気段落内での音節位置
・音韻の種類などといった情報が用いられる。母音中心
位置の推定ピッチ群を点ピッチパタン、これらを母音間
で内挿したものを単にピッチパタンと呼ぶことにする。
ピッチパタン生成には、後述する音韻継続時間決定部２
０３において決定された音韻毎の継続時間を基にして算
出される。またこの時、ユーザからの抑揚（イントネー
ションの大きさ）や声の高さの指定があった場合は、そ
れらに応じた処理が施される。通常、声の高さ指定は、
５〜１０段階程度に制御され、それぞれのレベルに対し
てあらかじめ割り当てられた定数を加えることにより行
われる。抑揚指定は３〜５段階に制御され、それぞれの
レベルに対してあらかじめ割り当てられた定数を乗ずる
ことにより行われる。文中のある単語を特に強調あるい
は抑制したい時に用いることを想定した制御機構であ
る。これについては本発明の主題に関わる部分であるの
で後述する。
【０００７】音韻継続時間決定部２０３は、音韻文字列
・韻律記号からそれぞれの音韻の長さを決定する。音韻
継続時間の決定方法は通常、目標となる音韻の前後近傍
の音韻の種別あるいは、単語内・呼気段落内の音節位置
などにより、数量化Ｉ類などの統計的手法を用いられる
場合が多い。またこの時、ユーザから発声速度を指定さ
れた場合は、それに応じて音韻継続時間の伸縮を行う。
通常、発声速度指定は、５〜１０段階程度に制御され、
それぞれのレベルに対してあらかじめ割り当てられた定
数を乗ずることにより行われる。発声速度を遅くしたい
場合は音韻継続時間を長くし、発声速度を速くしたい場
合は音韻継続時間を短くする。
・韻律記号からそれぞれの音韻の長さを決定する。音韻
継続時間の決定方法は通常、目標となる音韻の前後近傍
の音韻の種別あるいは、単語内・呼気段落内の音節位置
などにより、数量化Ｉ類などの統計的手法を用いられる
場合が多い。またこの時、ユーザから発声速度を指定さ
れた場合は、それに応じて音韻継続時間の伸縮を行う。
通常、発声速度指定は、５〜１０段階程度に制御され、
それぞれのレベルに対してあらかじめ割り当てられた定
数を乗ずることにより行われる。発声速度を遅くしたい
場合は音韻継続時間を長くし、発声速度を速くしたい場
合は音韻継続時間を短くする。
【０００８】音韻パワー決定部２０４は、音韻文字列か
らそれぞれの音韻の波形振幅値の算出を行う。波形振幅
値は、／ａ，ｉ，ｕ，ｅ，ｏ／などの音韻の種類・呼気
段落内での音節位置などから経験的に決められる。ま
た、音節内においても、立ち上がりの徐々に振幅値が大
きくなる区間と、定常状態にある区間と、立ち下がりの
徐々に振幅値が小さくなる区間のパワー遷移も同時に決
定している。これらパワー制御は通常、テーブル化され
た係数値を用いることにより実行される。またこの時、
ユーザからの声の大きさ指定があった場合は、それに応
じて振幅値を増減する。通常、声の大きさ指定は、１０
段階程度に制御され、それぞれのレベルに対してあらか
じめ割り当てられた定数を乗ずることにより行われる。
らそれぞれの音韻の波形振幅値の算出を行う。波形振幅
値は、／ａ，ｉ，ｕ，ｅ，ｏ／などの音韻の種類・呼気
段落内での音節位置などから経験的に決められる。ま
た、音節内においても、立ち上がりの徐々に振幅値が大
きくなる区間と、定常状態にある区間と、立ち下がりの
徐々に振幅値が小さくなる区間のパワー遷移も同時に決
定している。これらパワー制御は通常、テーブル化され
た係数値を用いることにより実行される。またこの時、
ユーザからの声の大きさ指定があった場合は、それに応
じて振幅値を増減する。通常、声の大きさ指定は、１０
段階程度に制御され、それぞれのレベルに対してあらか
じめ割り当てられた定数を乗ずることにより行われる。
【０００９】音声素片決定部２０５は、音韻文字列を表
現するために必要な音声素片について、素片辞書１０５
内アドレスの決定を行う。素片辞書１０５は、例えば男
声音と女性音といった具合に複数話者の音声素片が格納
されており、ユーザからの話者指定により素片アドレス
の決定を行う。
現するために必要な音声素片について、素片辞書１０５
内アドレスの決定を行う。素片辞書１０５は、例えば男
声音と女性音といった具合に複数話者の音声素片が格納
されており、ユーザからの話者指定により素片アドレス
の決定を行う。
【００１０】以上の処理により生成されたピッチパタン
・音韻パワー・音韻継続時間・音声素片アドレスは合成
パラメータ生成部２０６に送られ、合成パラメータが生
成される。合成パラメータは、フレーム（通常８ｍｓ程
度の長さ）を一つの単位とした波形生成用のパラメータ
であり、波形生成部１０３に送られる。
・音韻パワー・音韻継続時間・音声素片アドレスは合成
パラメータ生成部２０６に送られ、合成パラメータが生
成される。合成パラメータは、フレーム（通常８ｍｓ程
度の長さ）を一つの単位とした波形生成用のパラメータ
であり、波形生成部１０３に送られる。
【００１１】次にピッチパタンの抑揚制御に関する従来
技術を詳細に説明する。図２３に従来技術によるピッチ
パタン決定部２０２の機能ブロック図を示す。中間言語
解析部２０１から送られてくる音韻記号列や、韻律記号
から、音韻ピッチ推定部３０１で各音節の母音中心ピッ
チを推定する。ピッチ推定は、自然発声データを基に数
量化Ｉ類などの統計的手法を用いて、予め学習した予測
テーブル３０２を用いて行われる。音韻ピッチ推定部３
０１で求められた点ピッチパタンは、スイッチ３０３に
送られ、ユーザからの抑揚指定がない場合はそのままピ
ッチパタン補間部３０７に送られ、ユーザからの抑揚変
更指定があった場合は、最小ピッチ探索部３０４に送ら
れる。最小ピッチ探索部３０４では単語単位で処理が施
され、単語内において最小となる母音中心ピッチが探索
される。そして、アクセント成分算出部３０５におい
て、先に探索された最小ピッチとの差分（これをアクセ
ント成分とする）が単語内の各音節すべてに対して計算
される。そして音韻ピッチ修正部３０６において、ユー
ザからの抑揚変更指定レベルに従い、予め定められた定
数を先に求められたアクセント成分に乗じて修正し、修
正結果をスイッチ３０３を介してピッチパタン補間部３
０７に送る。ピッチパタン補間部３０７では、音節毎に
求められた点ピッチパタンと、音韻継続時間決定部２０
３で算出された音韻継続時間とから、音韻間のピッチ遷
移を線形補間あるいはスプライン補間などにより内挿す
る処理を施し、その結果を合成パラメータ生成部２０６
に送る。なお図示していないが、ユーザからの声の高さ
指定があった場合は、音韻ピッチ推定部３０１で求めら
れた母音中心ピッチに対して、指定レベルに応じた定数
を加減する処理が施される。
技術を詳細に説明する。図２３に従来技術によるピッチ
パタン決定部２０２の機能ブロック図を示す。中間言語
解析部２０１から送られてくる音韻記号列や、韻律記号
から、音韻ピッチ推定部３０１で各音節の母音中心ピッ
チを推定する。ピッチ推定は、自然発声データを基に数
量化Ｉ類などの統計的手法を用いて、予め学習した予測
テーブル３０２を用いて行われる。音韻ピッチ推定部３
０１で求められた点ピッチパタンは、スイッチ３０３に
送られ、ユーザからの抑揚指定がない場合はそのままピ
ッチパタン補間部３０７に送られ、ユーザからの抑揚変
更指定があった場合は、最小ピッチ探索部３０４に送ら
れる。最小ピッチ探索部３０４では単語単位で処理が施
され、単語内において最小となる母音中心ピッチが探索
される。そして、アクセント成分算出部３０５におい
て、先に探索された最小ピッチとの差分（これをアクセ
ント成分とする）が単語内の各音節すべてに対して計算
される。そして音韻ピッチ修正部３０６において、ユー
ザからの抑揚変更指定レベルに従い、予め定められた定
数を先に求められたアクセント成分に乗じて修正し、修
正結果をスイッチ３０３を介してピッチパタン補間部３
０７に送る。ピッチパタン補間部３０７では、音節毎に
求められた点ピッチパタンと、音韻継続時間決定部２０
３で算出された音韻継続時間とから、音韻間のピッチ遷
移を線形補間あるいはスプライン補間などにより内挿す
る処理を施し、その結果を合成パラメータ生成部２０６
に送る。なお図示していないが、ユーザからの声の高さ
指定があった場合は、音韻ピッチ推定部３０１で求めら
れた母音中心ピッチに対して、指定レベルに応じた定数
を加減する処理が施される。
【００１２】図２４は従来技術におけるピッチパタン抑
揚制御を表わした図である。縦軸がピッチ周波数、横軸
が時間推移を表わしており、分かりやすいように音韻境
界線（縦破線）を明示する。この図は「音声処理」と発
声した場合の例である。黒丸太実線で表現されているパ
タンが、統計的手法を用いて推定された母音中心点ピッ
チパタンである。ここで、ユーザからの抑揚制御指令と
して、抑揚を１．５倍、０．５倍にする場合を考える。
四角細実線が抑揚を１．５倍にしたピッチパタン、白丸
細実線が抑揚を０．５倍にしたピッチパタンである。従
来技術においては、まず、注目単語内の最小ピッチの探
索を行う。この例では、最終音節「り」の母音／ｉ／が
最小ピッチとして推定されている。この母音の推定ピッ
チをｍｉｎ［Ｈｚ］とし、／Ｎ／に注目した場合の、最
小ピッチからの増分（図中のＡ）を算出する。抑揚を
０．５倍にした結果のピッチ値Ｂおよび、抑揚を１．５
倍にした結果のピッチ値Ｃは下式により算出される。 Ｂ ＝ Ａ ＊ ０．５ ＋ ｍｉｎ …（１） Ｃ ＝ Ａ ＊ １．５ ＋ ｍｉｎ …（２） このようにして、先頭音節から最終音節まで順次ピッチ
を修正していき抑揚制御を行う。
揚制御を表わした図である。縦軸がピッチ周波数、横軸
が時間推移を表わしており、分かりやすいように音韻境
界線（縦破線）を明示する。この図は「音声処理」と発
声した場合の例である。黒丸太実線で表現されているパ
タンが、統計的手法を用いて推定された母音中心点ピッ
チパタンである。ここで、ユーザからの抑揚制御指令と
して、抑揚を１．５倍、０．５倍にする場合を考える。
四角細実線が抑揚を１．５倍にしたピッチパタン、白丸
細実線が抑揚を０．５倍にしたピッチパタンである。従
来技術においては、まず、注目単語内の最小ピッチの探
索を行う。この例では、最終音節「り」の母音／ｉ／が
最小ピッチとして推定されている。この母音の推定ピッ
チをｍｉｎ［Ｈｚ］とし、／Ｎ／に注目した場合の、最
小ピッチからの増分（図中のＡ）を算出する。抑揚を
０．５倍にした結果のピッチ値Ｂおよび、抑揚を１．５
倍にした結果のピッチ値Ｃは下式により算出される。 Ｂ ＝ Ａ ＊ ０．５ ＋ ｍｉｎ …（１） Ｃ ＝ Ａ ＊ １．５ ＋ ｍｉｎ …（２） このようにして、先頭音節から最終音節まで順次ピッチ
を修正していき抑揚制御を行う。
【００１３】
【発明が解決しようとする課題】しかしながら上記の従
来技術では、以下に述べる問題があった。すなわち、抑
揚を強くあるいは弱くする処理であるにもかかわらず、
同時に、声の高さまでも高くあるいは低くなってしまっ
ていた。図２４の３種類の抑揚制御後のピッチパタンを
比較しても明らかなように、抑揚を１．５倍にすると単
語全体的に平均ピッチが上昇し、抑揚を０．５倍にする
と全体的にピッチが下降する。つまり文章全体から見る
と、抑揚制御を施した単語だけがやけに声高な発声にな
ったり、声の低い発声になったりする場合がある。こう
いったバランスの崩れた合成音声は非常に聞きづらいと
いう問題があった。
来技術では、以下に述べる問題があった。すなわち、抑
揚を強くあるいは弱くする処理であるにもかかわらず、
同時に、声の高さまでも高くあるいは低くなってしまっ
ていた。図２４の３種類の抑揚制御後のピッチパタンを
比較しても明らかなように、抑揚を１．５倍にすると単
語全体的に平均ピッチが上昇し、抑揚を０．５倍にする
と全体的にピッチが下降する。つまり文章全体から見る
と、抑揚制御を施した単語だけがやけに声高な発声にな
ったり、声の低い発声になったりする場合がある。こう
いったバランスの崩れた合成音声は非常に聞きづらいと
いう問題があった。
【００１４】また、従来技術においては、以下の不具合
が発生する。すなわち、全体に渡って抑揚を大きくする
処理を施した場合、抑揚と共に全体的な声の高さも高く
なり、逆に、抑揚を小さくする処理を施した場合、抑揚
と共に全体的な声の高さも低くなる。通常、声の高さを
上下変動させる指定は別に設けられているため、ユーザ
の欲するイントネーションと異なる合成音が生成されて
いた。
が発生する。すなわち、全体に渡って抑揚を大きくする
処理を施した場合、抑揚と共に全体的な声の高さも高く
なり、逆に、抑揚を小さくする処理を施した場合、抑揚
と共に全体的な声の高さも低くなる。通常、声の高さを
上下変動させる指定は別に設けられているため、ユーザ
の欲するイントネーションと異なる合成音が生成されて
いた。
【００１５】またさらに、以下に述べる問題もある。図
２５に、５モーラから成る単語の各アクセント型に対応
する点ピッチパタンを示す。単語の点ピッチパタンは、
低ピッチで始まり、第２モーラで上昇して、アクセント
核を有するモーラにかけてゆっくりと下降し、アクセン
ト核を有するモーラから次のモーラにかけて大きく下降
し、最終ピッチに落ち着くのが基本的なパタンである。
ただし、１型では第１モーラから高く始まり、ｎモーラ
単語のｎ型と０型ではピッチの大きな下降がない。ここ
で０型アクセント単語に注目する。０型アクセントは基
本的に、第１モーラが「低」、第２モーラが「高」とな
る特徴を有する。しかし第２モーラが音節としての独立
性に乏しい従属音の場合、すなわち、第１、第２モーラ
が１音節として発声される傾向の強い場合には、第１か
ら第２モーラにかけて平坦な感じで発声され第１モーラ
が相対的に高くなる傾向がある。第２モーラが長音の後
部や撥音、母音でしかも従属音の場合がそれにあたる。
２５に、５モーラから成る単語の各アクセント型に対応
する点ピッチパタンを示す。単語の点ピッチパタンは、
低ピッチで始まり、第２モーラで上昇して、アクセント
核を有するモーラにかけてゆっくりと下降し、アクセン
ト核を有するモーラから次のモーラにかけて大きく下降
し、最終ピッチに落ち着くのが基本的なパタンである。
ただし、１型では第１モーラから高く始まり、ｎモーラ
単語のｎ型と０型ではピッチの大きな下降がない。ここ
で０型アクセント単語に注目する。０型アクセントは基
本的に、第１モーラが「低」、第２モーラが「高」とな
る特徴を有する。しかし第２モーラが音節としての独立
性に乏しい従属音の場合、すなわち、第１、第２モーラ
が１音節として発声される傾向の強い場合には、第１か
ら第２モーラにかけて平坦な感じで発声され第１モーラ
が相対的に高くなる傾向がある。第２モーラが長音の後
部や撥音、母音でしかも従属音の場合がそれにあたる。
【００１６】従来技術によれば、ピッチの最小点からの
増分に対して予め定められた係数を乗ずることによりピ
ッチの修正を行っている。０型アクセント単語でかつ、
上記の例で挙げた単語の場合、ピッチ最小点、すなわち
第１モーラの値が、第２モーラに引きずられる形で高い
ピッチとなるため、単語全体に渡って高ピッチ状態が続
く。この場合には、正確なアクセント成分を算出するこ
とは難しく、十分な抑揚制御を行うことができなかっ
た。この結果、他の単語に比べて抑揚が大きくなりにく
い、または小さくなりにくいといった現象が発生してい
た。このように従来では、ユーザの欲する抑揚制御が十
分に実現されていないという問題があった。
増分に対して予め定められた係数を乗ずることによりピ
ッチの修正を行っている。０型アクセント単語でかつ、
上記の例で挙げた単語の場合、ピッチ最小点、すなわち
第１モーラの値が、第２モーラに引きずられる形で高い
ピッチとなるため、単語全体に渡って高ピッチ状態が続
く。この場合には、正確なアクセント成分を算出するこ
とは難しく、十分な抑揚制御を行うことができなかっ
た。この結果、他の単語に比べて抑揚が大きくなりにく
い、または小さくなりにくいといった現象が発生してい
た。このように従来では、ユーザの欲する抑揚制御が十
分に実現されていないという問題があった。
【００１７】またさらに以下に述べる問題もある。文章
全体でピッチパタンを見ると、最終単語最終音節のピッ
チが他に比べて極端に低くなる傾向がある。抑揚制御対
象となる単語が文内最終単語の場合、単語内ピッチ最小
点は最終音節となり、最小ピッチからの増分が極端に大
きくなる。したがって文内最終単語の抑揚制御を行う場
合、特に、抑揚を大きくしようとした場合、単語先頭付
近の音節のピッチが極端に高くなってしまって、不自然
な発声になるといった問題もあった。
全体でピッチパタンを見ると、最終単語最終音節のピッ
チが他に比べて極端に低くなる傾向がある。抑揚制御対
象となる単語が文内最終単語の場合、単語内ピッチ最小
点は最終音節となり、最小ピッチからの増分が極端に大
きくなる。したがって文内最終単語の抑揚制御を行う場
合、特に、抑揚を大きくしようとした場合、単語先頭付
近の音節のピッチが極端に高くなってしまって、不自然
な発声になるといった問題もあった。
【００１８】またさらに以下に述べる問題もある。素片
辞書は従来、一定ピッチで発声した無意味単語の音声デ
ータから作成されていた。このため、合成音声のピッチ
が素片作成時のピッチに近い場合は明瞭性が高い反面、
素片作成時のピッチと比べて極端に高い場合や低い場合
などは、合成音声が歪んだ音になってしまっていた。従
来の抑揚制御は、対象となる単語のピッチがどうであれ
一律の修正処理を施していた。その結果、元々高いピッ
チとして推定された単語に対して抑揚を大きくする操作
を施した場合、極端に声高となる場合が発生し、不自然
なイントネーションになるという問題が生じていた。
辞書は従来、一定ピッチで発声した無意味単語の音声デ
ータから作成されていた。このため、合成音声のピッチ
が素片作成時のピッチに近い場合は明瞭性が高い反面、
素片作成時のピッチと比べて極端に高い場合や低い場合
などは、合成音声が歪んだ音になってしまっていた。従
来の抑揚制御は、対象となる単語のピッチがどうであれ
一律の修正処理を施していた。その結果、元々高いピッ
チとして推定された単語に対して抑揚を大きくする操作
を施した場合、極端に声高となる場合が発生し、不自然
なイントネーションになるという問題が生じていた。
【００１９】本発明の第１の目的は、上記従来技術の問
題点である、最終単語の抑揚を大きくした場合に単語先
頭付近のピッチが極端に高くなり不自然なイントネーシ
ョンになってしまうということを解消し、自然で聞きや
すい合成音声を生成するテキスト音声変換装置における
ピッチパタン制御方法を提供することである。
題点である、最終単語の抑揚を大きくした場合に単語先
頭付近のピッチが極端に高くなり不自然なイントネーシ
ョンになってしまうということを解消し、自然で聞きや
すい合成音声を生成するテキスト音声変換装置における
ピッチパタン制御方法を提供することである。
【００２０】また本発明の第２の目的は、上記従来技術
の問題点である、抑揚制御による単語平均ピッチの変動
を極力抑え、全体的にピッチのバランスが取れた抑揚制
御を実現し、さらに抑揚制御対象となる単語のアクセン
ト型に依らず正確な抑揚制御を可能とする、自然で聞き
やすい合成音声を生成するテキスト音声変換装置におけ
るピッチパタン制御方法を提供することである。
の問題点である、抑揚制御による単語平均ピッチの変動
を極力抑え、全体的にピッチのバランスが取れた抑揚制
御を実現し、さらに抑揚制御対象となる単語のアクセン
ト型に依らず正確な抑揚制御を可能とする、自然で聞き
やすい合成音声を生成するテキスト音声変換装置におけ
るピッチパタン制御方法を提供することである。
【００２１】また本発明の第３の目的は、特に文章全体
に抑揚制御処理を施した場合において、文全体としての
平均的なピッチを変動させないで抑揚制御を施すことを
にあり、ユーザの要求した抑揚制御のみが有効となるテ
キスト音声変換装置におけるピッチパタン制御方法を提
供することである。
に抑揚制御処理を施した場合において、文全体としての
平均的なピッチを変動させないで抑揚制御を施すことを
にあり、ユーザの要求した抑揚制御のみが有効となるテ
キスト音声変換装置におけるピッチパタン制御方法を提
供することである。
【００２２】また本発明の第４の目的は、従来技術にお
いて抑揚制御を行った場合にピッチが極端に高く、ある
いは低くなることによる音質劣化を解消し、明瞭性の高
い抑揚制御処理を実現できるテキスト音声変換装置にお
けるピッチパタン制御方法を提供することである。
いて抑揚制御を行った場合にピッチが極端に高く、ある
いは低くなることによる音質劣化を解消し、明瞭性の高
い抑揚制御処理を実現できるテキスト音声変換装置にお
けるピッチパタン制御方法を提供することである。
【００２３】
【課題を解決するための手段】上記第１の目的を達成す
るために、請求項１に記載の発明は、音声素片が登録さ
れた素片辞書と、音韻・韻律記号列に対して少なくとも
音声素片・音韻継続時間・基本周波数の合成パラメータ
を生成するパラメータ生成手段と、パラメータ生成手段
から生成される合成パラメータに基づいて前記素片辞書
を参照しながら波形重畳を行って合成波形を生成する波
形生成手段とを備え、前記パラメータ生成手段は音韻・
韻律記号を利用して複数の点ピッチを算出し、該複数の
点ピッチ間を補間することによりピッチパタンを生成す
るピッチパタン決定手段を備えたテキスト音声変換装置
におけるピッチパタン制御方法において、前記ピッチパ
タン決定手段は、単語先頭に位置する点ピッチと単語終
端に位置する点ピッチとを直線で結んだピッチ傾斜線を
超える成分に比例した値を用いて前記点ピッチパタンを
修正することを特徴とする。
るために、請求項１に記載の発明は、音声素片が登録さ
れた素片辞書と、音韻・韻律記号列に対して少なくとも
音声素片・音韻継続時間・基本周波数の合成パラメータ
を生成するパラメータ生成手段と、パラメータ生成手段
から生成される合成パラメータに基づいて前記素片辞書
を参照しながら波形重畳を行って合成波形を生成する波
形生成手段とを備え、前記パラメータ生成手段は音韻・
韻律記号を利用して複数の点ピッチを算出し、該複数の
点ピッチ間を補間することによりピッチパタンを生成す
るピッチパタン決定手段を備えたテキスト音声変換装置
におけるピッチパタン制御方法において、前記ピッチパ
タン決定手段は、単語先頭に位置する点ピッチと単語終
端に位置する点ピッチとを直線で結んだピッチ傾斜線を
超える成分に比例した値を用いて前記点ピッチパタンを
修正することを特徴とする。
【００２４】上記第２の目的を達成するために、請求項
２に記載の発明は、音声素片が登録された素片辞書と、
音韻・韻律記号列に対して少なくとも音声素片・音韻継
続時間・基本周波数の合成パラメータを生成するパラメ
ータ生成手段と、パラメータ生成手段から生成される合
成パラメータに基づいて前記素片辞書を参照しながら波
形重畳を行って合成波形を生成する波形生成手段とを備
え、前記パラメータ生成手段は音韻・韻律記号を利用し
て複数の点ピッチを算出し、該複数の点ピッチ間を補間
することによりピッチパタンを生成するピッチパタン決
定手段を備えたテキスト音声変換装置におけるピッチパ
タン制御方法において、前記ピッチパタン決定手段は、
前記点ピッチパタンを高ピッチと低ピッチとの２値に判
定する簡易ピッチパタン生成手段を備え、単語の点ピッ
チパタンの最大値と最小値との差分値に比例した値を用
いて前記点ピッチパタンを修正することを特徴とする。
２に記載の発明は、音声素片が登録された素片辞書と、
音韻・韻律記号列に対して少なくとも音声素片・音韻継
続時間・基本周波数の合成パラメータを生成するパラメ
ータ生成手段と、パラメータ生成手段から生成される合
成パラメータに基づいて前記素片辞書を参照しながら波
形重畳を行って合成波形を生成する波形生成手段とを備
え、前記パラメータ生成手段は音韻・韻律記号を利用し
て複数の点ピッチを算出し、該複数の点ピッチ間を補間
することによりピッチパタンを生成するピッチパタン決
定手段を備えたテキスト音声変換装置におけるピッチパ
タン制御方法において、前記ピッチパタン決定手段は、
前記点ピッチパタンを高ピッチと低ピッチとの２値に判
定する簡易ピッチパタン生成手段を備え、単語の点ピッ
チパタンの最大値と最小値との差分値に比例した値を用
いて前記点ピッチパタンを修正することを特徴とする。
【００２５】上記第３の目的を達成するために、請求項
８に記載の発明は、音声素片が登録された素片辞書と、
音韻・韻律記号列に対して少なくとも音声素片・音韻継
続時間・基本周波数の合成パラメータを生成するパラメ
ータ生成手段と、パラメータ生成手段から生成される合
成パラメータに基づいて前記素片辞書を参照しながら波
形重畳を行って合成波形を生成する波形生成手段とを備
え、前記パラメータ生成手段は前記音韻・韻律記号を利
用して複数の点ピッチを算出し、該複数の点ピッチ間を
補間することによりピッチパタンを生成するピッチパタ
ン決定手段を備えたテキスト音声変換装置におけるピッ
チパタン制御方法において、前記ピッチパタン決定手段
は、合成音声の平均ピッチを登録する登録手段と、前記
点ピッチパタンに対してあらかじめ定められた数値を超
える成分に比例した値を用いて修正を行う一次修正手段
と、一次修正が施された後に前記平均ピッチに比例した
値を用いて修正を行う二次修正手段とを備えたことを特
徴とする。
８に記載の発明は、音声素片が登録された素片辞書と、
音韻・韻律記号列に対して少なくとも音声素片・音韻継
続時間・基本周波数の合成パラメータを生成するパラメ
ータ生成手段と、パラメータ生成手段から生成される合
成パラメータに基づいて前記素片辞書を参照しながら波
形重畳を行って合成波形を生成する波形生成手段とを備
え、前記パラメータ生成手段は前記音韻・韻律記号を利
用して複数の点ピッチを算出し、該複数の点ピッチ間を
補間することによりピッチパタンを生成するピッチパタ
ン決定手段を備えたテキスト音声変換装置におけるピッ
チパタン制御方法において、前記ピッチパタン決定手段
は、合成音声の平均ピッチを登録する登録手段と、前記
点ピッチパタンに対してあらかじめ定められた数値を超
える成分に比例した値を用いて修正を行う一次修正手段
と、一次修正が施された後に前記平均ピッチに比例した
値を用いて修正を行う二次修正手段とを備えたことを特
徴とする。
【００２６】上記第４の目的を達成するために、請求項
９に記載の発明は、音声素片が登録された素片辞書と、
音韻・韻律記号列に対して少なくとも音声素片・音韻継
続時間・基本周波数の合成パラメータを生成するパラメ
ータ生成手段と、パラメータ生成手段から生成される合
成パラメータに基づいて前記素片辞書を参照しながら波
形重畳を行って合成波形を生成する波形生成手段とを備
え、前記パラメータ生成手段は前記音韻・韻律記号を利
用して複数の点ピッチを算出し、該複数の点ピッチ間を
補間することによりピッチパタンを生成するピッチパタ
ン決定手段を備えたテキスト音声変換装置におけるピッ
チパタン制御方法において、前記ピッチパタン決定手段
は、音声素片作成時の話者発声ピッチを登録する登録手
段と、音韻の最大ピッチと最小ピッチとの差分とユーザ
により指定される抑揚制御レベルに基づいて抑揚修正値
を算出する手段と、対象単語の点ピッチパタンと前記音
声素片作成時の話者発声ピッチとを比較して、その比較
結果に基づき前記抑揚修正値を変更する手段とを備えた
ことを特徴とする。
９に記載の発明は、音声素片が登録された素片辞書と、
音韻・韻律記号列に対して少なくとも音声素片・音韻継
続時間・基本周波数の合成パラメータを生成するパラメ
ータ生成手段と、パラメータ生成手段から生成される合
成パラメータに基づいて前記素片辞書を参照しながら波
形重畳を行って合成波形を生成する波形生成手段とを備
え、前記パラメータ生成手段は前記音韻・韻律記号を利
用して複数の点ピッチを算出し、該複数の点ピッチ間を
補間することによりピッチパタンを生成するピッチパタ
ン決定手段を備えたテキスト音声変換装置におけるピッ
チパタン制御方法において、前記ピッチパタン決定手段
は、音声素片作成時の話者発声ピッチを登録する登録手
段と、音韻の最大ピッチと最小ピッチとの差分とユーザ
により指定される抑揚制御レベルに基づいて抑揚修正値
を算出する手段と、対象単語の点ピッチパタンと前記音
声素片作成時の話者発声ピッチとを比較して、その比較
結果に基づき前記抑揚修正値を変更する手段とを備えた
ことを特徴とする。
【００２７】
【発明の実施の形態】以下図面を参照して本発明の実施
の形態について詳細に説明する。 ＜第１の実施形態＞図１は第１の実施形態におけるピッ
チパタン決定部２０２の機能ブロック図である。本実施
形態におけるピッチパタン決定部と従来技術との相違点
は、単語先頭音韻から最終音韻にかけてのピッチ傾斜
（ピッチの変動量）を求めて、音韻毎に抑揚制御対象を
変化させる点である。
の形態について詳細に説明する。 ＜第１の実施形態＞図１は第１の実施形態におけるピッ
チパタン決定部２０２の機能ブロック図である。本実施
形態におけるピッチパタン決定部と従来技術との相違点
は、単語先頭音韻から最終音韻にかけてのピッチ傾斜
（ピッチの変動量）を求めて、音韻毎に抑揚制御対象を
変化させる点である。
【００２８】＜構成＞ピッチパタン決定部２０２への入
力は従来と同じく中間言語解析部２０１からの音韻・韻
律情報、音韻継続時間決定部２０３で決定された音韻個
々の継続時間、ユーザからの抑揚制御指定である。声の
高さの制御指定が入力される場合もあるが、ここでは省
略している。
力は従来と同じく中間言語解析部２０１からの音韻・韻
律情報、音韻継続時間決定部２０３で決定された音韻個
々の継続時間、ユーザからの抑揚制御指定である。声の
高さの制御指定が入力される場合もあるが、ここでは省
略している。
【００２９】音韻・韻律情報は音韻ピッチ推定部６０１
に入力され、音韻ピッチ推定のための制御要素として用
いられる。ピッチ推定は通常、数量化Ｉ類といった統計
的手法に基づいて行われる。この手法は、実際に人間が
発声した大量の音声データベースから制御規則を求める
もので、あらかじめ学習された予測テーブル６０２を用
いて、対象となる音節の母音中心ピッチを推定する。数
量化Ｉ類については公知であるのでここでは特に説明は
しない。音韻ピッチ推定部６０１から出力される母音中
心ピッチ群すなわち、すなわち点ピッチパタンは、ピッ
チ傾斜算出部６０３と抑揚制御対象算出部６０４と音韻
ピッチ修正部６０５に出力される。
に入力され、音韻ピッチ推定のための制御要素として用
いられる。ピッチ推定は通常、数量化Ｉ類といった統計
的手法に基づいて行われる。この手法は、実際に人間が
発声した大量の音声データベースから制御規則を求める
もので、あらかじめ学習された予測テーブル６０２を用
いて、対象となる音節の母音中心ピッチを推定する。数
量化Ｉ類については公知であるのでここでは特に説明は
しない。音韻ピッチ推定部６０１から出力される母音中
心ピッチ群すなわち、すなわち点ピッチパタンは、ピッ
チ傾斜算出部６０３と抑揚制御対象算出部６０４と音韻
ピッチ修正部６０５に出力される。
【００３０】ピッチ傾斜算出部６０３は、点ピッチパタ
ンを単語単位に分割し、目標とする単語内の先頭音節母
音ピッチと最終音節母音ピッチとの差分、すなわちピッ
チ傾斜を算出して抑揚制御対象算出部６０４に出力す
る。
ンを単語単位に分割し、目標とする単語内の先頭音節母
音ピッチと最終音節母音ピッチとの差分、すなわちピッ
チ傾斜を算出して抑揚制御対象算出部６０４に出力す
る。
【００３１】抑揚制御対象算出部６０４には、前記ピッ
チ傾斜算出部６０３からのピッチ傾斜と、音韻ピッチ推
定部６０１からの点ピッチパタンと、先に述べた音韻継
続時間決定部２０４から出力される音韻個々の継続時間
が入力される。抑揚制御対象算出部６０４では、ピッチ
傾斜を基に、単語内の各音節全てに対して、抑揚制御の
対象とする成分値の算出が行われ、音韻ピッチ修正部６
０５に出力される。本実施形態における抑揚制御対象成
分は、先頭音節ピッチと最終音節ピッチとを直線で結ん
だピッチ傾斜線を超えるピッチ成分を指す。
チ傾斜算出部６０３からのピッチ傾斜と、音韻ピッチ推
定部６０１からの点ピッチパタンと、先に述べた音韻継
続時間決定部２０４から出力される音韻個々の継続時間
が入力される。抑揚制御対象算出部６０４では、ピッチ
傾斜を基に、単語内の各音節全てに対して、抑揚制御の
対象とする成分値の算出が行われ、音韻ピッチ修正部６
０５に出力される。本実施形態における抑揚制御対象成
分は、先頭音節ピッチと最終音節ピッチとを直線で結ん
だピッチ傾斜線を超えるピッチ成分を指す。
【００３２】音韻ピッチ修正部６０５には、前述の抑揚
制御対象成分と点ピッチパタンと、ユーザからの抑揚指
定レベルが入力される。音韻ピッチ修正部６０５では、
ユーザから指定される抑揚制御レベルに応じてあらかじ
め定められた割合で、抑揚制御対象成分の増減を行い、
点ピッチパタンの修正を施した後にピッチパタン補間部
６０６に出力する。
制御対象成分と点ピッチパタンと、ユーザからの抑揚指
定レベルが入力される。音韻ピッチ修正部６０５では、
ユーザから指定される抑揚制御レベルに応じてあらかじ
め定められた割合で、抑揚制御対象成分の増減を行い、
点ピッチパタンの修正を施した後にピッチパタン補間部
６０６に出力する。
【００３３】ピッチパタン補間部６０６には、前述の音
韻継続時間と修正後の点ピッチパタンが入力され、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６に出力される。
韻継続時間と修正後の点ピッチパタンが入力され、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６に出力される。
【００３４】＜動作＞以上のように構成された第１の実
施形態における動作について図１〜図８を用いて詳細に
説明する。従来技術と異なる点は、ピッチパタン生成に
関わる処理であるので、それ以外の処理については省略
する。
施形態における動作について図１〜図８を用いて詳細に
説明する。従来技術と異なる点は、ピッチパタン生成に
関わる処理であるので、それ以外の処理については省略
する。
【００３５】まず、中間言語解析部２０１（図２２参
照）から音韻ピッチ推定部６０１へ音韻情報や韻律情報
が入力される。ここでは通常、１文章単位の情報が入力
され、数量化Ｉ類といった統計的手法に基づいて母音中
心ピッチが推定される。この時、大量の音声データベー
スを用いてあらかじめ学習された予測テーブル６０２に
基づいて推定が行われる。数量化Ｉ類については公知で
あるのでここでは特に説明はしない。１文章中の全音節
に対して母音中心ピッチが推定されると、これら点ピッ
チパタンはピッチ傾斜算出部６０３と抑揚制御対象算出
部６０４と音韻ピッチ修正部６０５へと送られる。この
時の情報は例えば、第ｎ番目の単語における第ｍ番目の
音節の母音中心ピッチが何Ｈｚかという具合に、単語分
割された情報とする。
照）から音韻ピッチ推定部６０１へ音韻情報や韻律情報
が入力される。ここでは通常、１文章単位の情報が入力
され、数量化Ｉ類といった統計的手法に基づいて母音中
心ピッチが推定される。この時、大量の音声データベー
スを用いてあらかじめ学習された予測テーブル６０２に
基づいて推定が行われる。数量化Ｉ類については公知で
あるのでここでは特に説明はしない。１文章中の全音節
に対して母音中心ピッチが推定されると、これら点ピッ
チパタンはピッチ傾斜算出部６０３と抑揚制御対象算出
部６０４と音韻ピッチ修正部６０５へと送られる。この
時の情報は例えば、第ｎ番目の単語における第ｍ番目の
音節の母音中心ピッチが何Ｈｚかという具合に、単語分
割された情報とする。
【００３６】ピッチ傾斜算出部６０３は、目標とする単
語内の先頭音節ピッチと最終音節ピッチとの差分、すな
わちピッチ傾斜を算出して抑揚制御対象算出部６０４に
送る。例として図２に、ある単語の点ピッチパタンを示
す。横軸が時間、縦軸がピッチ周波数を表わしており、
白丸太実線が音韻ピッチ推定部６０１で推定された点ピ
ッチパタンである。この例では母音中心点は時刻ｔ０，
ｔ１，ｔ２，ｔ３，ｔ４で観測されている。時刻Ｔにお
けるピッチ周波数をＦ（Ｔ）で表現すると、先に述べた
ピッチ傾斜は、Ｆ（ｔ０）−Ｆ（ｔ４）となる。そし
て、Ｆ（ｔ０）とＦ（ｔ４）を結んだ直線をピッチ傾斜
線と呼ぶことにする。図２中の黒丸破線がそれである。
語内の先頭音節ピッチと最終音節ピッチとの差分、すな
わちピッチ傾斜を算出して抑揚制御対象算出部６０４に
送る。例として図２に、ある単語の点ピッチパタンを示
す。横軸が時間、縦軸がピッチ周波数を表わしており、
白丸太実線が音韻ピッチ推定部６０１で推定された点ピ
ッチパタンである。この例では母音中心点は時刻ｔ０，
ｔ１，ｔ２，ｔ３，ｔ４で観測されている。時刻Ｔにお
けるピッチ周波数をＦ（Ｔ）で表現すると、先に述べた
ピッチ傾斜は、Ｆ（ｔ０）−Ｆ（ｔ４）となる。そし
て、Ｆ（ｔ０）とＦ（ｔ４）を結んだ直線をピッチ傾斜
線と呼ぶことにする。図２中の黒丸破線がそれである。
【００３７】抑揚制御対象算出部６０４は、単語内各母
音に対して、ピッチ傾斜線を超えるピッチ成分、すなわ
ち抑揚制御対象成分の算出を行う。時刻Ｔにおけるピッ
チ傾斜線をＦ０（Ｔ）で表現すると、時刻ｔ１の母音に
おける抑揚制御対象成分はＦ（ｔ１）−Ｆ０（ｔ１）と
表わせる。図２中の白丸太実線と黒丸破線に囲まれた範
囲が抑揚制御対象成分である。ピッチ傾斜線を求めるた
めには、対象となる音韻の継続時間情報が必要なので、
音韻継続時間決定部２０３（図２２参照）から抑揚制御
対象算出部６０４にその情報が入力される。この時の情
報は例えば、第ｎ番目の単語における第ｍ番目の音節の
母音中心の絶対時刻という具合に、単語分割された情報
とする。抑揚制御対象が算出されると音韻ピッチ修正部
６０５へと送られる。
音に対して、ピッチ傾斜線を超えるピッチ成分、すなわ
ち抑揚制御対象成分の算出を行う。時刻Ｔにおけるピッ
チ傾斜線をＦ０（Ｔ）で表現すると、時刻ｔ１の母音に
おける抑揚制御対象成分はＦ（ｔ１）−Ｆ０（ｔ１）と
表わせる。図２中の白丸太実線と黒丸破線に囲まれた範
囲が抑揚制御対象成分である。ピッチ傾斜線を求めるた
めには、対象となる音韻の継続時間情報が必要なので、
音韻継続時間決定部２０３（図２２参照）から抑揚制御
対象算出部６０４にその情報が入力される。この時の情
報は例えば、第ｎ番目の単語における第ｍ番目の音節の
母音中心の絶対時刻という具合に、単語分割された情報
とする。抑揚制御対象が算出されると音韻ピッチ修正部
６０５へと送られる。
【００３８】音韻ピッチ修正部６０５にはユーザから指
定される抑揚制御レベルが入力されており、このレベル
に応じて前記抑揚制御対象成分の増減処理を行う。ユー
ザからの抑揚制御指定は例えば、３段階で与えられ、レ
ベル１が抑揚を０．５倍に、レベル２が抑揚を１．０倍
に、レベル３が抑揚を１．５倍にといった具合に定めら
れている。このレベルに応じた処理が行われ、音韻ピッ
チの修正が行われる。図２中の四角細実線が１．５倍に
抑揚制御された点ピッチパタンを示している。
定される抑揚制御レベルが入力されており、このレベル
に応じて前記抑揚制御対象成分の増減処理を行う。ユー
ザからの抑揚制御指定は例えば、３段階で与えられ、レ
ベル１が抑揚を０．５倍に、レベル２が抑揚を１．０倍
に、レベル３が抑揚を１．５倍にといった具合に定めら
れている。このレベルに応じた処理が行われ、音韻ピッ
チの修正が行われる。図２中の四角細実線が１．５倍に
抑揚制御された点ピッチパタンを示している。
【００３９】ピッチパタン補間部６０６では、音韻継続
時間情報と前記修正後の点ピッチパタンとから、音韻間
のピッチが線形補間あるいはスプライン補間等により内
挿され、ピッチパタンとして合成パラメータ生成部２０
６（図２２参照）に出力される。
時間情報と前記修正後の点ピッチパタンとから、音韻間
のピッチが線形補間あるいはスプライン補間等により内
挿され、ピッチパタンとして合成パラメータ生成部２０
６（図２２参照）に出力される。
【００４０】さらに詳細に説明するために図３〜図５に
抑揚制御処理のフローチャートを示す。このフローチャ
ートは、図１中のピッチ傾斜算出部６０３、抑揚制御対
象算出部６０４、音韻ピッチ修正部６０５の処理内容を
示したものである。
抑揚制御処理のフローチャートを示す。このフローチャ
ートは、図１中のピッチ傾斜算出部６０３、抑揚制御対
象算出部６０４、音韻ピッチ修正部６０５の処理内容を
示したものである。
【００４１】まず、図３のステップＳＴ１において以下
のパラメータが初期化される。すなわち、入力文章中に
含まれる単語総数Ｉ、第ｉ番目の単語を構成する音節総
数ＷＰi、第ｉ番目の単語に対して指定される抑揚制御
係数Ａi、第ｉ番目の単語における第ｊ番目の音節の母
音中心点の絶対時刻Ｔij、第ｉ番目の単語における第ｊ
番目の音節の母音中心ピッチ周波数Ｐijである。ここで
抑揚制御係数Ａiは、ユーザから指定される抑揚制御レ
ベルに応じた実際の乗数である。
のパラメータが初期化される。すなわち、入力文章中に
含まれる単語総数Ｉ、第ｉ番目の単語を構成する音節総
数ＷＰi、第ｉ番目の単語に対して指定される抑揚制御
係数Ａi、第ｉ番目の単語における第ｊ番目の音節の母
音中心点の絶対時刻Ｔij、第ｉ番目の単語における第ｊ
番目の音節の母音中心ピッチ周波数Ｐijである。ここで
抑揚制御係数Ａiは、ユーザから指定される抑揚制御レ
ベルに応じた実際の乗数である。
【００４２】ステップＳＴ２では、単語カウンタｉを０
に初期化する。
に初期化する。
【００４３】ステップＳＴ３で第ｉ番目における単語の
音節総数を変数Ｊに設定する。これは後の説明におい
て、変数の添字を分かり易くするための処理であり、実
際の処理では必要ない。
音節総数を変数Ｊに設定する。これは後の説明におい
て、変数の添字を分かり易くするための処理であり、実
際の処理では必要ない。
【００４４】ステップＳＴ４からステップＳＴ８にかけ
て、第ｉ番目の単語に対する抑揚制御処理を施す。
て、第ｉ番目の単語に対する抑揚制御処理を施す。
【００４５】ステップＳＴ４で、第０番目の音節の母音
中心ピッチＰi0と、第Ｊ−１番目の音節の母音中心ピッ
チＰi(J ュ 1)との比較すなわち、単語先頭母音と単語最終
母音のピッチ周波数の比較を行う。先頭母音ピッチが大
きい場合はステップＳＴ５に進み、そうでない場合はス
テップＳＴ６に進む。
中心ピッチＰi0と、第Ｊ−１番目の音節の母音中心ピッ
チＰi(J ュ 1)との比較すなわち、単語先頭母音と単語最終
母音のピッチ周波数の比較を行う。先頭母音ピッチが大
きい場合はステップＳＴ５に進み、そうでない場合はス
テップＳＴ６に進む。
【００４６】ステップＳＴ５のサブルーチンＡの処理は
図４に、ステップＳＴ６のサブルーチンＢの処理は図５
に示す。双方のサブルーチンでは第ｉ番目の単語の各音
節に対して修正処理が施される。これらについては後述
する。
図４に、ステップＳＴ６のサブルーチンＢの処理は図５
に示す。双方のサブルーチンでは第ｉ番目の単語の各音
節に対して修正処理が施される。これらについては後述
する。
【００４７】各サブルーチンの処理が終了すると、ステ
ップＳＴ７において単語カウンタｉを１インクリメント
して、次のステップＳＴ８で単語総数Ｉとの比較が行わ
れる。単語カウンタｉが単語総数を超えた場合、すなわ
ち全ての単語に対して処理が終了した場合は抑揚制御処
理を終了し、そうでない場合はステップＳＴ３に戻り、
次単語の処理を同様に施していく。
ップＳＴ７において単語カウンタｉを１インクリメント
して、次のステップＳＴ８で単語総数Ｉとの比較が行わ
れる。単語カウンタｉが単語総数を超えた場合、すなわ
ち全ての単語に対して処理が終了した場合は抑揚制御処
理を終了し、そうでない場合はステップＳＴ３に戻り、
次単語の処理を同様に施していく。
【００４８】次に図４を用いてサブルーチンＡの処理を
説明する。サブルーチンＡは、当該単語の先頭母音ピッ
チが最終母音ピッチよりも大きい場合のピッチ修正処理
である。まずステップＳＴ１１でピッチ傾斜を算出す
る。この場合、最終母音ピッチを基準にした先頭母音ピ
ッチの相対値である。ピッチ傾斜をＤＰとすると次式で
表わせる。 ＤＰ ＝ Ｐi0 − Ｐi(J ュ 1) …（３）
説明する。サブルーチンＡは、当該単語の先頭母音ピッ
チが最終母音ピッチよりも大きい場合のピッチ修正処理
である。まずステップＳＴ１１でピッチ傾斜を算出す
る。この場合、最終母音ピッチを基準にした先頭母音ピ
ッチの相対値である。ピッチ傾斜をＤＰとすると次式で
表わせる。 ＤＰ ＝ Ｐi0 − Ｐi(J ュ 1) …（３）
【００４９】ステップＳＴ１２で先頭母音中心点から最
終母音中心点までの時間を次式により算出する。 ＤＴ ＝ Ｔi(J-1)− Ｔi0 …（４）
終母音中心点までの時間を次式により算出する。 ＤＴ ＝ Ｔi(J-1)− Ｔi0 …（４）
【００５０】ステップＳＴ１３で音節カウンタｊを１に
初期化する。本実施形態においては、単語先頭の音節に
対しては抑揚制御が施されないため、第０番目ではなく
第１番目の音節から処理を開始する。
初期化する。本実施形態においては、単語先頭の音節に
対しては抑揚制御が施されないため、第０番目ではなく
第１番目の音節から処理を開始する。
【００５１】ステップＳＴ１４で第ｊ番目の母音中心点
と最終母音中心点との時間差を算出する。これをｚとす
ると次式で表現できる。 ｚ ＝ ＤＴ − （Ｔij − Ｔi0） …（５）
と最終母音中心点との時間差を算出する。これをｚとす
ると次式で表現できる。 ｚ ＝ ＤＴ − （Ｔij − Ｔi0） …（５）
【００５２】ステップＳＴ１５で、第ｊ番目の母音のピ
ッチ傾斜線上の値を、最終母音ピッチからの相対値とし
て算出する。これをｘとすると次式で算出できる。 ｘ ＝ ＤＰ ＊ ｚ ／ ＤＴ …（６）
ッチ傾斜線上の値を、最終母音ピッチからの相対値とし
て算出する。これをｘとすると次式で算出できる。 ｘ ＝ ＤＰ ＊ ｚ ／ ＤＴ …（６）
【００５３】ステップＳＴ１６で、第ｊ番目の音節にお
ける、ピッチ傾斜線を超えるピッチ成分、すなわち抑揚
制御対象成分の算出を行う。抑揚制御対象成分をｙとす
ると次式で算出する。 ｙ ＝ Ｐij − ｘ …（７）
ける、ピッチ傾斜線を超えるピッチ成分、すなわち抑揚
制御対象成分の算出を行う。抑揚制御対象成分をｙとす
ると次式で算出する。 ｙ ＝ Ｐij − ｘ …（７）
【００５４】ステップＳＴ１７で、抑揚制御を行ってピ
ッチ修正を行う。前述の処理から明らかなように、第ｊ
番目の抑揚制御後のピッチ周波数は下式で表現できる。 Ｐij ＝ Ｐi(J ュ 1) ＋ ｘ ＋ ｙ ＊ Ａi …（８）
ッチ修正を行う。前述の処理から明らかなように、第ｊ
番目の抑揚制御後のピッチ周波数は下式で表現できる。 Ｐij ＝ Ｐi(J ュ 1) ＋ ｘ ＋ ｙ ＊ Ａi …（８）
【００５５】第ｊ番目の処理が終了すると、ステップＳ
Ｔ１８で音節カウンタｊを１インクリメントして、ステ
ップＳＴ１９で第ｉ番目の単語における処理の終了判定
を行う。本実施形態においては、最終音節に対しては抑
揚制御が施されないため、音節総数Ｊュ１を超えた時点
で終了となる。以上説明した処理に用いた変数を図に表
わすと図６のようになる。
Ｔ１８で音節カウンタｊを１インクリメントして、ステ
ップＳＴ１９で第ｉ番目の単語における処理の終了判定
を行う。本実施形態においては、最終音節に対しては抑
揚制御が施されないため、音節総数Ｊュ１を超えた時点
で終了となる。以上説明した処理に用いた変数を図に表
わすと図６のようになる。
【００５６】続いて図５を用いてサブルーチンＢの処理
を説明する。サブルーチンＢは、当該単語の先頭母音ピ
ッチが最終母音ピッチよりも小さい場合のピッチ修正処
理である。まずステップＳＴ２１でピッチ傾斜を算出す
る。この場合、先頭母音中心ピッチを基準にした最終母
音中心ピッチの相対値である。ピッチ傾斜をＤＰとする
と次式で表わせる。 ＤＰ ＝ Ｐi(J ュ 1) − Ｐi0 …（９）
を説明する。サブルーチンＢは、当該単語の先頭母音ピ
ッチが最終母音ピッチよりも小さい場合のピッチ修正処
理である。まずステップＳＴ２１でピッチ傾斜を算出す
る。この場合、先頭母音中心ピッチを基準にした最終母
音中心ピッチの相対値である。ピッチ傾斜をＤＰとする
と次式で表わせる。 ＤＰ ＝ Ｐi(J ュ 1) − Ｐi0 …（９）
【００５７】次いでステップＳＴ２２で先頭母音中心点
から最終母音中心点までの時間を、サブルーチンＡと同
様に式（４）により算出する。次にステップＳＴ２３で
音節カウンタｊを１に初期化する。本実施形態において
は、単語先頭の音節に対しては抑揚制御が施されないた
め、第０番目ではなく第１番目の音節から処理を開始す
る。
から最終母音中心点までの時間を、サブルーチンＡと同
様に式（４）により算出する。次にステップＳＴ２３で
音節カウンタｊを１に初期化する。本実施形態において
は、単語先頭の音節に対しては抑揚制御が施されないた
め、第０番目ではなく第１番目の音節から処理を開始す
る。
【００５８】ステップＳＴ２４で第ｊ番目の母音中心点
と先頭母音中心点との時間差を算出する。これをｚとす
ると次式で表現できる。 ｚ ＝ Ｔij − Ｔi0 …（１０）
と先頭母音中心点との時間差を算出する。これをｚとす
ると次式で表現できる。 ｚ ＝ Ｔij − Ｔi0 …（１０）
【００５９】ステップＳＴ２５で、第ｊ番目の母音のピ
ッチ傾斜線上の値を、最終母音ピッチからの相対値とし
て算出する。サブルーチンＡと同様に式（６）で算出す
る。
ッチ傾斜線上の値を、最終母音ピッチからの相対値とし
て算出する。サブルーチンＡと同様に式（６）で算出す
る。
【００６０】ステップＳＴ２６で、第ｊ番目の音節にお
ける、ピッチ傾斜線を超えるピッチ成分、すなわち抑揚
制御対象成分の算出を式（７）により行う。
ける、ピッチ傾斜線を超えるピッチ成分、すなわち抑揚
制御対象成分の算出を式（７）により行う。
【００６１】ステップＳＴ２７で、抑揚制御を行ってピ
ッチ修正を行う。前述の処理から明らかなように、第ｊ
番目の抑揚制御後のピッチ周波数は下式で表現できる。 Ｐij ＝ Ｐi0 ＋ ｘ ＋ ｙ ＊ Ａi …（１１）
ッチ修正を行う。前述の処理から明らかなように、第ｊ
番目の抑揚制御後のピッチ周波数は下式で表現できる。 Ｐij ＝ Ｐi0 ＋ ｘ ＋ ｙ ＊ Ａi …（１１）
【００６２】第ｊ番目の処理が終了すると、ステップＳ
Ｔ２８で音節カウンタｊを１インクリメントして、ステ
ップＳＴ２９で第ｉ番目の単語における処理の終了判定
を行う。本実施形態においては、最終音節に対しては抑
揚制御が施されないため、音節総数Ｊ−１を超えた時点
で終了となる。以上説明した処理に用いた変数を図に表
わすと図７のようになる。
Ｔ２８で音節カウンタｊを１インクリメントして、ステ
ップＳＴ２９で第ｉ番目の単語における処理の終了判定
を行う。本実施形態においては、最終音節に対しては抑
揚制御が施されないため、音節総数Ｊ−１を超えた時点
で終了となる。以上説明した処理に用いた変数を図に表
わすと図７のようになる。
【００６３】以上詳細に説明したように第１の実施形態
によれば、単語内先頭に現れる母音中心ピッチと、単語
内最終母音中心ピッチとを直線で結んだ線を超えるピッ
チ成分のみに対して、増減を行って抑揚制御を施してい
るため、従来では抑揚を大きくした場合に見られた、単
語先頭付近のピッチが極端に高くなってしまうという不
具合が解消され、聴きやすい合成音声を生成することが
可能となる。
によれば、単語内先頭に現れる母音中心ピッチと、単語
内最終母音中心ピッチとを直線で結んだ線を超えるピッ
チ成分のみに対して、増減を行って抑揚制御を施してい
るため、従来では抑揚を大きくした場合に見られた、単
語先頭付近のピッチが極端に高くなってしまうという不
具合が解消され、聴きやすい合成音声を生成することが
可能となる。
【００６４】図８に、従来技術により抑揚を１．５倍に
した点ピッチパタンと、本発明により抑揚を１．５倍に
した点ピッチパタンを示す。白丸太実線が抑揚制御前の
点ピッチパタンであり、黒丸細実線が従来技術によるも
の、四角細実線が本発明によるものである。この図を見
ても明らかなように、最終母音ピッチが極端に低い場
合、これは特に文章末に見られる現象であるが、従来技
術では先頭付近の音韻ピッチが極端に高くなっているの
に対して、本発明の第１の実施形態によれば理想的なピ
ッチパタンが生成されていることが確認できる。
した点ピッチパタンと、本発明により抑揚を１．５倍に
した点ピッチパタンを示す。白丸太実線が抑揚制御前の
点ピッチパタンであり、黒丸細実線が従来技術によるも
の、四角細実線が本発明によるものである。この図を見
ても明らかなように、最終母音ピッチが極端に低い場
合、これは特に文章末に見られる現象であるが、従来技
術では先頭付近の音韻ピッチが極端に高くなっているの
に対して、本発明の第１の実施形態によれば理想的なピ
ッチパタンが生成されていることが確認できる。
【００６５】＜第２の実施形態＞第１の実施形態では、
単語内先頭母音ピッチと、単語内最終母音ピッチとを直
線で結んだ線を超えるピッチ成分のみに対して増減を行
うという方法で、最終単語のイントネーション劣化を防
いだ。しかしながら、１型アクセント単語のように先頭
音節のピッチが「高」で始まる単語に対しては、ピッチ
傾斜線が急峻になりすぎるために抑揚制御成分が小さく
なり、ユーザの期待する抑揚と実際の抑揚の隔たりが生
じる場合がある。またさらに、０型アクセント単語のよ
うに明確なアクセント核が存在しない単語に対して抑揚
を大きくする操作を行った場合、抑揚制御が行われない
単語最終音韻に比べて前方の音韻ピッチが高めに修正さ
れ、その結果、本来存在しないはずのアクセントが聴感
上感じられる場合もある。第２の実施形態においては、
このようなアクセント型による抑揚制御効果のばらつき
を解消すると共に従来技術の問題であった平均ピッチの
変動を極力抑えるという特徴を有する。
単語内先頭母音ピッチと、単語内最終母音ピッチとを直
線で結んだ線を超えるピッチ成分のみに対して増減を行
うという方法で、最終単語のイントネーション劣化を防
いだ。しかしながら、１型アクセント単語のように先頭
音節のピッチが「高」で始まる単語に対しては、ピッチ
傾斜線が急峻になりすぎるために抑揚制御成分が小さく
なり、ユーザの期待する抑揚と実際の抑揚の隔たりが生
じる場合がある。またさらに、０型アクセント単語のよ
うに明確なアクセント核が存在しない単語に対して抑揚
を大きくする操作を行った場合、抑揚制御が行われない
単語最終音韻に比べて前方の音韻ピッチが高めに修正さ
れ、その結果、本来存在しないはずのアクセントが聴感
上感じられる場合もある。第２の実施形態においては、
このようなアクセント型による抑揚制御効果のばらつき
を解消すると共に従来技術の問題であった平均ピッチの
変動を極力抑えるという特徴を有する。
【００６６】本実施形態が従来技術と異なる点は、単語
単位に簡易ピッチパタンを作成し、それらに基づいて抑
揚修正値を加減して音韻ピッチの修正を行う点である。
したがって、従来と異なるピッチパタン決定部について
のみ、図９を用いて説明する。 ＜構成＞
単位に簡易ピッチパタンを作成し、それらに基づいて抑
揚修正値を加減して音韻ピッチの修正を行う点である。
したがって、従来と異なるピッチパタン決定部について
のみ、図９を用いて説明する。 ＜構成＞
【００６７】ピッチパタン決定部２０２への入力は、従
来と同じく中間言語解析部２０１からの音韻・韻律情
報、音韻継続時間決定部２０３で決定された音韻個々の
継続時間、ユーザからの抑揚制御指定である。声の高さ
の制御指定が入力される場合もあるが、ここでは省略し
ている。
来と同じく中間言語解析部２０１からの音韻・韻律情
報、音韻継続時間決定部２０３で決定された音韻個々の
継続時間、ユーザからの抑揚制御指定である。声の高さ
の制御指定が入力される場合もあるが、ここでは省略し
ている。
【００６８】音韻・韻律情報は音韻ピッチ推定部１４０
１と簡易ピッチパタン作成部１４０７とに入力される。
音韻ピッチ推定部１４０１では、音韻ピッチ推定のため
の制御要因として用いられる。ピッチ推定は通常、数量
化Ｉ類といった統計的手法に基づいて行われる。この手
法は、実際に人間が発声した大量の音声データベースか
ら制御規則を求めるもので、あらかじめ学習された予測
テーブル１４０２を用いて、対象となる音節の母音中心
ピッチを推定する。数量化Ｉ類については公知であるの
でここでは特に説明はしない。音韻ピッチ推定部１４０
１から出力される母音中心ピッチ群すなわち、すなわち
点ピッチパタンは、最大最小探索部１４０３と音韻ピッ
チ修正部１４０５とに入力される。
１と簡易ピッチパタン作成部１４０７とに入力される。
音韻ピッチ推定部１４０１では、音韻ピッチ推定のため
の制御要因として用いられる。ピッチ推定は通常、数量
化Ｉ類といった統計的手法に基づいて行われる。この手
法は、実際に人間が発声した大量の音声データベースか
ら制御規則を求めるもので、あらかじめ学習された予測
テーブル１４０２を用いて、対象となる音節の母音中心
ピッチを推定する。数量化Ｉ類については公知であるの
でここでは特に説明はしない。音韻ピッチ推定部１４０
１から出力される母音中心ピッチ群すなわち、すなわち
点ピッチパタンは、最大最小探索部１４０３と音韻ピッ
チ修正部１４０５とに入力される。
【００６９】最大最小探索部１４０３は、点ピッチパタ
ンを単語単位に分割し、目標とする単語における最大音
韻ピッチと最小音韻ピッチとを算出して抑揚修正値算出
部１４０４に出力する。抑揚修正値算出部１４０４に
は、前記最大最小探索部１４０３からの最大音韻ピッチ
と最小音韻ピッチに加え、ユーザから指定される抑揚制
御レベルが入力される。
ンを単語単位に分割し、目標とする単語における最大音
韻ピッチと最小音韻ピッチとを算出して抑揚修正値算出
部１４０４に出力する。抑揚修正値算出部１４０４に
は、前記最大最小探索部１４０３からの最大音韻ピッチ
と最小音韻ピッチに加え、ユーザから指定される抑揚制
御レベルが入力される。
【００７０】抑揚修正値算出部１４０４では、前記最大
音韻ピッチ、最小音韻ピッチ、抑揚制御レベルとから音
韻ピッチを修正するための増減値を音韻ピッチ修正部１
４０５に出力する。一方、簡易ピッチパタン作成部１４
０７には、中間言語解析部２０１からの音韻・韻律情報
が入力され、各音節の母音中心ピッチを「高」あるいは
「低」の２種類に分類した形式の簡易ピッチパタンを作
成し、音韻ピッチ修正部１４０５に出力する。
音韻ピッチ、最小音韻ピッチ、抑揚制御レベルとから音
韻ピッチを修正するための増減値を音韻ピッチ修正部１
４０５に出力する。一方、簡易ピッチパタン作成部１４
０７には、中間言語解析部２０１からの音韻・韻律情報
が入力され、各音節の母音中心ピッチを「高」あるいは
「低」の２種類に分類した形式の簡易ピッチパタンを作
成し、音韻ピッチ修正部１４０５に出力する。
【００７１】音韻ピッチ修正部１４０５では、前記簡易
ピッチパタン作成部１４０７から入力される簡易ピッチ
パタンと、前記音韻ピッチ推定部１４０１から入力され
る点ピッチパタンと、前記抑揚修正値算出部１４０４か
ら入力される抑揚修正値とから各有声音韻のピッチの修
正を行い、その結果をピッチパタン補間部１４０６に出
力する。
ピッチパタン作成部１４０７から入力される簡易ピッチ
パタンと、前記音韻ピッチ推定部１４０１から入力され
る点ピッチパタンと、前記抑揚修正値算出部１４０４か
ら入力される抑揚修正値とから各有声音韻のピッチの修
正を行い、その結果をピッチパタン補間部１４０６に出
力する。
【００７２】ピッチパタン補間部１４０６には、前述の
音韻継続時間と修正後の点ピッチパタンが接続され、音
韻間のピッチが線形補間あるいはスプライン補間等によ
り内挿され、ピッチパタンとして合成パラメータ生成部
２０６に出力される。
音韻継続時間と修正後の点ピッチパタンが接続され、音
韻間のピッチが線形補間あるいはスプライン補間等によ
り内挿され、ピッチパタンとして合成パラメータ生成部
２０６に出力される。
【００７３】＜動作＞以上のように構成された第２の実
施形態における動作について図９〜図１４を用いて詳細
に説明する。従来技術と異なる点は、ピッチパタン生成
に関わる処理であるので、それ以外の処理については省
略する。
施形態における動作について図９〜図１４を用いて詳細
に説明する。従来技術と異なる点は、ピッチパタン生成
に関わる処理であるので、それ以外の処理については省
略する。
【００７４】まず、中間言語解析部２０１（図２２参
照）から音韻ピッチ推定部１４０１へ音韻情報や韻律情
報が入力される。ここでは通常、１文章単位の情報が入
力され、数量化Ｉ類といった統計的手法に基づいて母音
中心ピッチが推定される。この時、大量の音声データベ
ースを用いてあらかじめ学習された予測テーブル１４０
２に基づいて推定が行われる。数量化Ｉ類については公
知であるのでここでは特に説明はしない。１文章中の全
音節に対して母音中心ピッチが推定されると、これら点
ピッチパタンは最大最小探索部１４０３と音韻ピッチ修
正部１４０５へと送られる。この時の情報は例えば、第
ｎ番目の単語における第ｍ番目の音節の母音中心ピッチ
が何Ｈｚかという具合に、単語分割された情報とする。
照）から音韻ピッチ推定部１４０１へ音韻情報や韻律情
報が入力される。ここでは通常、１文章単位の情報が入
力され、数量化Ｉ類といった統計的手法に基づいて母音
中心ピッチが推定される。この時、大量の音声データベ
ースを用いてあらかじめ学習された予測テーブル１４０
２に基づいて推定が行われる。数量化Ｉ類については公
知であるのでここでは特に説明はしない。１文章中の全
音節に対して母音中心ピッチが推定されると、これら点
ピッチパタンは最大最小探索部１４０３と音韻ピッチ修
正部１４０５へと送られる。この時の情報は例えば、第
ｎ番目の単語における第ｍ番目の音節の母音中心ピッチ
が何Ｈｚかという具合に、単語分割された情報とする。
【００７５】最大最小探索部１４０３は、目標とする単
語内の音韻最大ピッチと最小ピッチの探索を行い、その
結果であるそれぞれのピッチ周波数データを抑揚修正値
算出部１４０４に送る。
語内の音韻最大ピッチと最小ピッチの探索を行い、その
結果であるそれぞれのピッチ周波数データを抑揚修正値
算出部１４０４に送る。
【００７６】抑揚修正値算出部１４０４では、前記音韻
最大ピッチと最小ピッチとの差分を計算し、これに、ユ
ーザから指定される抑揚制御レベルに応じた係数を乗ず
る操作が行われる。ユーザからの抑揚制御指定は例え
ば、３段階で与えられ、レベル１が抑揚を１．５倍に、
レベル２が抑揚を１．０倍に、レベル３が抑揚を０．５
倍にといった具合に定められている。この場合、前記抑
揚制御レベルに応じた係数値（以下、抑揚制御係数）
は、レベル１が０．５、レベル２が０、レベル３がュ
０．５となる。こうして抑揚を制御するための修正値が
算出され、その結果が音韻ピッチ修正部１４０５に出力
される。
最大ピッチと最小ピッチとの差分を計算し、これに、ユ
ーザから指定される抑揚制御レベルに応じた係数を乗ず
る操作が行われる。ユーザからの抑揚制御指定は例え
ば、３段階で与えられ、レベル１が抑揚を１．５倍に、
レベル２が抑揚を１．０倍に、レベル３が抑揚を０．５
倍にといった具合に定められている。この場合、前記抑
揚制御レベルに応じた係数値（以下、抑揚制御係数）
は、レベル１が０．５、レベル２が０、レベル３がュ
０．５となる。こうして抑揚を制御するための修正値が
算出され、その結果が音韻ピッチ修正部１４０５に出力
される。
【００７７】一方簡易ピッチパタン作成部１４０７に
は、前記音韻ピッチ推定部１４０１と同様に、中間言語
解析部２０１から音韻情報や韻律情報が入力される。簡
易ピッチパタン作成部１４０７では、対象となる音節の
母音中心ピッチが高ピッチなのか、あるいは低ピッチな
のかを２値で判定して簡易ピッチパタンとして音韻ピッ
チ修正部１４０５へ送る。簡易ピッチパタンは、対象と
なる単語のアクセント型によって決まり、１型アクセン
トの場合は「高低低低・・」となり、０型アクセントの
場合は「低高高高・・」となり、それ以外のアクセント
型では「低高」で始まりアクセント核の直後の音韻で
「低」となる。これは図２５で説明したアクセントパタ
ンをさらに簡略化したものと考えられる。こうした２値
化ピッチパタンである簡易ピッチパタンは前記音韻ピッ
チ修正部１４０５に出力される。
は、前記音韻ピッチ推定部１４０１と同様に、中間言語
解析部２０１から音韻情報や韻律情報が入力される。簡
易ピッチパタン作成部１４０７では、対象となる音節の
母音中心ピッチが高ピッチなのか、あるいは低ピッチな
のかを２値で判定して簡易ピッチパタンとして音韻ピッ
チ修正部１４０５へ送る。簡易ピッチパタンは、対象と
なる単語のアクセント型によって決まり、１型アクセン
トの場合は「高低低低・・」となり、０型アクセントの
場合は「低高高高・・」となり、それ以外のアクセント
型では「低高」で始まりアクセント核の直後の音韻で
「低」となる。これは図２５で説明したアクセントパタ
ンをさらに簡略化したものと考えられる。こうした２値
化ピッチパタンである簡易ピッチパタンは前記音韻ピッ
チ修正部１４０５に出力される。
【００７８】音韻ピッチ修正部１４０５では点ピッチパ
タンの各音節に対して、簡易ピッチパタンが「高」の場
合に前記抑揚修正値を加え、「低」の場合に前記抑揚修
正値を減ずるという処理を施す。修正された点ピッチパ
タンはピッチパタン補間部１４０６へ出力される。
タンの各音節に対して、簡易ピッチパタンが「高」の場
合に前記抑揚修正値を加え、「低」の場合に前記抑揚修
正値を減ずるという処理を施す。修正された点ピッチパ
タンはピッチパタン補間部１４０６へ出力される。
【００７９】ピッチパタン補間部１４０６では、音韻継
続時間情報と前記修正後の点ピッチパタンとから、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６（図２２参照）に出力される。
続時間情報と前記修正後の点ピッチパタンとから、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６（図２２参照）に出力される。
【００８０】図１０に本実施形態における抑揚制御処理
を表わす点ピッチパタンを示す。この例では５モーラ単
語４型アクセントに対してレベル１の抑揚制御を施した
図である。白丸太実線が抑揚制御前の点ピッチパタン、
黒丸細実線が抑揚制御後の点ピッチパタンである。４型
アクセント単語であるので、簡易ピッチパタンは「低高
高高低」となる。また、抑揚制御レベル１、すなわち抑
揚を１．５倍にするということは、現在の抑揚成分の
０．５倍をさらに加えるということに他ならない。
を表わす点ピッチパタンを示す。この例では５モーラ単
語４型アクセントに対してレベル１の抑揚制御を施した
図である。白丸太実線が抑揚制御前の点ピッチパタン、
黒丸細実線が抑揚制御後の点ピッチパタンである。４型
アクセント単語であるので、簡易ピッチパタンは「低高
高高低」となる。また、抑揚制御レベル１、すなわち抑
揚を１．５倍にするということは、現在の抑揚成分の
０．５倍をさらに加えるということに他ならない。
【００８１】本実施形態においては、高ピッチ音韻には
ピッチを上昇させ、逆に低ピッチ音韻にはピッチを下降
させる処理を施すため実際の処理においては、高ピッチ
音韻には現在の抑揚成分の０．２５倍の値を加え、逆に
低ピッチ音韻からは減じている。
ピッチを上昇させ、逆に低ピッチ音韻にはピッチを下降
させる処理を施すため実際の処理においては、高ピッチ
音韻には現在の抑揚成分の０．２５倍の値を加え、逆に
低ピッチ音韻からは減じている。
【００８２】また、単語内における最大ピッチは第２音
韻（ピッチの値はＰmax）であり、最小ピッチは第５音
韻（ピッチの値はＰmin）である。したがって、抑揚修
正値は （Ｐmax−Ｐmin）＊０．２５となる。第１音韻
の簡易ピッチパタンは「低」であるので前記抑揚修正値
を減じ、第２音韻の簡易ピッチパタンは「高」であるの
で前記抑揚修正値を加える。このようにして最終音韻ま
での修正を行っていく。
韻（ピッチの値はＰmax）であり、最小ピッチは第５音
韻（ピッチの値はＰmin）である。したがって、抑揚修
正値は （Ｐmax−Ｐmin）＊０．２５となる。第１音韻
の簡易ピッチパタンは「低」であるので前記抑揚修正値
を減じ、第２音韻の簡易ピッチパタンは「高」であるの
で前記抑揚修正値を加える。このようにして最終音韻ま
での修正を行っていく。
【００８３】さらに詳細に説明するために図１１〜図１
４に抑揚制御処理のフローチャートを示す。このフロー
チャートは、図９中における、簡易ピッチパタン作成部
１４０７、最大最小探索部１４０３、抑揚修正値算出部
１４０４、音韻ピッチ修正部１４０５の処理内容を示し
たものである。まず図１１を用いて単語単位の処理の流
れを説明する。
４に抑揚制御処理のフローチャートを示す。このフロー
チャートは、図９中における、簡易ピッチパタン作成部
１４０７、最大最小探索部１４０３、抑揚修正値算出部
１４０４、音韻ピッチ修正部１４０５の処理内容を示し
たものである。まず図１１を用いて単語単位の処理の流
れを説明する。
【００８４】ステップＳＴ３１において以下のパラメー
タが初期化される。すなわち、入力文章中に含まれる単
語総数Ｉ、第ｉ番目の単語を構成する音節総数ＷＰi、
第ｉ番目の単語に対して指定される抑揚制御レベルに応
じた抑揚制御係数Ａi、第ｉ番目の単語のアクセント型
ＡＣi、第ｉ番目の単語における第ｊ番目の音節の母音
中心ピッチ周波数Ｐijである。
タが初期化される。すなわち、入力文章中に含まれる単
語総数Ｉ、第ｉ番目の単語を構成する音節総数ＷＰi、
第ｉ番目の単語に対して指定される抑揚制御レベルに応
じた抑揚制御係数Ａi、第ｉ番目の単語のアクセント型
ＡＣi、第ｉ番目の単語における第ｊ番目の音節の母音
中心ピッチ周波数Ｐijである。
【００８５】ステップＳＴ３２で、単語カウンタｉを０
に初期化する。
に初期化する。
【００８６】ステップＳＴ３３で、第ｉ番目における単
語の音節総数ＷＰiを変数Ｊに設定する。これは後の説
明において、変数の添字を分かり易くするための処理で
あり、実際の処理では必要ない。
語の音節総数ＷＰiを変数Ｊに設定する。これは後の説
明において、変数の添字を分かり易くするための処理で
あり、実際の処理では必要ない。
【００８７】ステップＳＴ３４からステップＳＴ４０に
おいて、第ｉ番目の単語に対する抑揚制御処理を施す。
まずステップＳＴ３４では当該単語の最大音韻ピッチＰ
maxと最小音韻ピッチＰminの探索が行われる。内容につ
いては図１２を用いて後述する。
おいて、第ｉ番目の単語に対する抑揚制御処理を施す。
まずステップＳＴ３４では当該単語の最大音韻ピッチＰ
maxと最小音韻ピッチＰminの探索が行われる。内容につ
いては図１２を用いて後述する。
【００８８】ステップＳＴ３５で、当該単語の簡易ピッ
チパタンが作成される。簡易ピッチパタンは、対象単語
のアクセント型や音節数といった情報から音韻ピッチを
「高」また「低」の２値に分類したものであり、詳しい
内容については図１３を用いて後述する。
チパタンが作成される。簡易ピッチパタンは、対象単語
のアクセント型や音節数といった情報から音韻ピッチを
「高」また「低」の２値に分類したものであり、詳しい
内容については図１３を用いて後述する。
【００８９】ステップＳＴ３６において、前述最大音韻
ピッチＰmaxと最小音韻ピッチＰminとの差分ｄｐｏｗを
算出する。
ピッチＰmaxと最小音韻ピッチＰminとの差分ｄｐｏｗを
算出する。
【００９０】ステップＳＴ３７で、高ピッチに対する抑
揚制御修正値ｄｍａｘを下式より算出する。 ｄｍａｘ ＝ ｄｐｏｗ ＊ Ａi／２ …（１２） ここでＡｉは、ユーザが指定する抑揚制御レベルに応じ
てあらかじめ定められている抑揚制御係数であり、先に
説明したように抑揚制御レベルと抑揚制御係数の関係は
例えば以下のようになる。 レベル１（抑揚を１．５倍） Ａi＝０．５ レベル２（抑揚を１．０倍） Ａi＝０ レベル３（抑揚を０．５倍） Ａi＝−０．５
揚制御修正値ｄｍａｘを下式より算出する。 ｄｍａｘ ＝ ｄｐｏｗ ＊ Ａi／２ …（１２） ここでＡｉは、ユーザが指定する抑揚制御レベルに応じ
てあらかじめ定められている抑揚制御係数であり、先に
説明したように抑揚制御レベルと抑揚制御係数の関係は
例えば以下のようになる。 レベル１（抑揚を１．５倍） Ａi＝０．５ レベル２（抑揚を１．０倍） Ａi＝０ レベル３（抑揚を０．５倍） Ａi＝−０．５
【００９１】ステップＳＴ３８で、低ピッチに対する抑
揚制御修正値ｄｍｉｎが算出される。低ピッチも高ピッ
チも抑揚制御修正値は変わらず、それを加えるか減ずる
かという違いだけであるので、 ｄｍｉｎ ＝ −ｄｍａｘ …（１３） となる。
揚制御修正値ｄｍｉｎが算出される。低ピッチも高ピッ
チも抑揚制御修正値は変わらず、それを加えるか減ずる
かという違いだけであるので、 ｄｍｉｎ ＝ −ｄｍａｘ …（１３） となる。
【００９２】ステップＳＴ３９で、先に求められたｄｍ
ａｘ、ｄｍｉｎを用いて点ピッチパタンの修正が行われ
る。内容については図１４を用いて後述する。点ピッチ
パタンの修正が終了すると、次のステップＳＴ４０にお
いて、単語カウンタｉを１インクリメントする。次いで
ステップＳＴ４１で入力文章中の単語総数Ｉとの比較を
行い、単語カウンタｉが単語総数Ｉを超えた場合、すな
わち全て単語に対する処理が終了した場合に抑揚制御処
理を終える。そうでない場合は、ステップＳＴ３３に戻
り次単語に対する処理を前述と同様に繰り返す。以上が
単語毎の処理の流れである。
ａｘ、ｄｍｉｎを用いて点ピッチパタンの修正が行われ
る。内容については図１４を用いて後述する。点ピッチ
パタンの修正が終了すると、次のステップＳＴ４０にお
いて、単語カウンタｉを１インクリメントする。次いで
ステップＳＴ４１で入力文章中の単語総数Ｉとの比較を
行い、単語カウンタｉが単語総数Ｉを超えた場合、すな
わち全て単語に対する処理が終了した場合に抑揚制御処
理を終える。そうでない場合は、ステップＳＴ３３に戻
り次単語に対する処理を前述と同様に繰り返す。以上が
単語毎の処理の流れである。
【００９３】次に図１２を用いて最大最小ピッチ探索の
処理について説明する。まず、ステップＳＴ５１で算出
すべき最大音韻ピッチＰmaxを０に初期化し、ステップ
ＳＴ５２で最小音韻ピッチＰminを無限大に近い値、あ
るいはピッチ周波数のとりうる値を超える値に初期化
し、ステップＳＴ５３で、音節カウンタｊを０に初期化
する。
処理について説明する。まず、ステップＳＴ５１で算出
すべき最大音韻ピッチＰmaxを０に初期化し、ステップ
ＳＴ５２で最小音韻ピッチＰminを無限大に近い値、あ
るいはピッチ周波数のとりうる値を超える値に初期化
し、ステップＳＴ５３で、音節カウンタｊを０に初期化
する。
【００９４】ステップＳＴ５４で、当該音節母音ピッチ
ＰijがＰmaxよりも大きい場合はステップＳＴ５５でＰ
maxの更新を行い、そうでない場合はステップ５６へ進
む。次いでステップ５６で、当該音節母音ピッチＰijが
Ｐminよりも小さい場合はステップ５７でＰminの更新を
行い、そうでない場合はステップＳＴ５８に進む。
ＰijがＰmaxよりも大きい場合はステップＳＴ５５でＰ
maxの更新を行い、そうでない場合はステップ５６へ進
む。次いでステップ５６で、当該音節母音ピッチＰijが
Ｐminよりも小さい場合はステップ５７でＰminの更新を
行い、そうでない場合はステップＳＴ５８に進む。
【００９５】ステップＳＴ５８で、音節カウンタｊを１
インクリメントし、ステップＳＴ５９で当該単語中の音
節総数Ｊを超えたかを判定し、超えていれば処理を終了
し、そうでなければステップＳＴ５４に戻り同様の処理
を繰り返す。サブルーチンＣの処理が終了すると、変数
Ｐmaxに当該単語の最大音韻ピッチが、Ｐminには最小音
韻ピッチが格納されていることになる。
インクリメントし、ステップＳＴ５９で当該単語中の音
節総数Ｊを超えたかを判定し、超えていれば処理を終了
し、そうでなければステップＳＴ５４に戻り同様の処理
を繰り返す。サブルーチンＣの処理が終了すると、変数
Ｐmaxに当該単語の最大音韻ピッチが、Ｐminには最小音
韻ピッチが格納されていることになる。
【００９６】次に図１３を用いて簡易ピッチパタンの作
成処理について説明する。先に説明したように簡易ピッ
チパタンとは、音韻ピッチを「高」「低」の２値に分類
した点ピッチパタンであるが、ここでは、「低」から
「高」に遷移する音韻位置ｍｏｒ１、「高」から「低」
に遷移する音韻位置ｍｏｒ２を算出するとこを目的とし
ている。以降便宜上、ｍｏｒ１を低高遷移位置と呼び、
ｍｏｒ２を高低遷移位置と呼ぶことにする。
成処理について説明する。先に説明したように簡易ピッ
チパタンとは、音韻ピッチを「高」「低」の２値に分類
した点ピッチパタンであるが、ここでは、「低」から
「高」に遷移する音韻位置ｍｏｒ１、「高」から「低」
に遷移する音韻位置ｍｏｒ２を算出するとこを目的とし
ている。以降便宜上、ｍｏｒ１を低高遷移位置と呼び、
ｍｏｒ２を高低遷移位置と呼ぶことにする。
【００９７】ステップＳＴ６１で、当該単語のアクセン
ト型ＡＣiが０型かどうかの判定を行う。０型であれば
ステップＳＴ６２に進み、そうでなければステップＳＴ
６６に進む。
ト型ＡＣiが０型かどうかの判定を行う。０型であれば
ステップＳＴ６２に進み、そうでなければステップＳＴ
６６に進む。
【００９８】ステップＳＴ６２からステップＳＴ６５ま
での０型アクセント単語に対する処理については、まず
ステップＳＴ６２でｍｏｒ２に当該単語音節総数Ｊを設
定する。０型アクセントにはアクセント核がないためで
ある。
での０型アクセント単語に対する処理については、まず
ステップＳＴ６２でｍｏｒ２に当該単語音節総数Ｊを設
定する。０型アクセントにはアクセント核がないためで
ある。
【００９９】ステップＳＴ６３で、当該単語の第２音節
が従属音であるかどうかの判定を行う。従属音すなわ
ち、長音の後部や撥音、母音でしかも従属音であった場
合は、ステップＳＴ６４へ進み、そうでない場合はステ
ップＳＴ６５に進む。ステップＳＴ６４ではｍｏｒ１を
０に設定し、ステップＳＴ６５ではｍｏｒ１を１に設定
する。
が従属音であるかどうかの判定を行う。従属音すなわ
ち、長音の後部や撥音、母音でしかも従属音であった場
合は、ステップＳＴ６４へ進み、そうでない場合はステ
ップＳＴ６５に進む。ステップＳＴ６４ではｍｏｒ１を
０に設定し、ステップＳＴ６５ではｍｏｒ１を１に設定
する。
【０１００】第１、第２モーラが１音節として発声され
る傾向の強い場合には、第１から第２モーラにかけて平
坦な感じで発声され第１モーラが相対的に高くなる傾向
があるため、低高遷移位置を区別している。
る傾向の強い場合には、第１から第２モーラにかけて平
坦な感じで発声され第１モーラが相対的に高くなる傾向
があるため、低高遷移位置を区別している。
【０１０１】次いで、０型以外の単語の処理について説
明する。ステップＳＴ６６でｍｏｒ２にアクセント型す
なわちアクセント核の存在する音節位置を設定する。次
いでステップＳＴ６７でアクセント型が１型かどうかの
判定を行い、１型であればステップＳＴ６９に進みｍｏ
ｒ１を０に設定し、そうでなければステップＳＴ６８に
進む。
明する。ステップＳＴ６６でｍｏｒ２にアクセント型す
なわちアクセント核の存在する音節位置を設定する。次
いでステップＳＴ６７でアクセント型が１型かどうかの
判定を行い、１型であればステップＳＴ６９に進みｍｏ
ｒ１を０に設定し、そうでなければステップＳＴ６８に
進む。
【０１０２】１型アクセントであればそのピッチパタン
は「高低低低・・」であるので、低高遷移がないためｍ
ｏｒ１を０に設定している。一方、０型でも１型でもな
い場合はステップＳＴ６８で、第２音節が従属音である
かどうかの判定を行う。これは０型アクセント単語で行
ったことと同様である。従属音であれば、第１音韻は
「高」で始まるため、ｍｏｒ１に０を設定し、そうでな
ければステップＳＴ７０でｍｏｒ１を１に設定する。以
上が簡易ピッチパタンの作成過程である。
は「高低低低・・」であるので、低高遷移がないためｍ
ｏｒ１を０に設定している。一方、０型でも１型でもな
い場合はステップＳＴ６８で、第２音節が従属音である
かどうかの判定を行う。これは０型アクセント単語で行
ったことと同様である。従属音であれば、第１音韻は
「高」で始まるため、ｍｏｒ１に０を設定し、そうでな
ければステップＳＴ７０でｍｏｒ１を１に設定する。以
上が簡易ピッチパタンの作成過程である。
【０１０３】次に図１４を用いて音韻ピッチ修正処理に
ついて説明する。まずステップＳＴ７１で音節カウンタ
ｊを０に初期化する。そしてステップＳＴ７２で音節カ
ウンタｊが低高遷移位置ｍｏｒ１に達していない場合
（すなわち当該音節は「低」ピッチ）はステップＳＴ７
３に進み、そうでない場合はステップＳＴ７４に進む。
ついて説明する。まずステップＳＴ７１で音節カウンタ
ｊを０に初期化する。そしてステップＳＴ７２で音節カ
ウンタｊが低高遷移位置ｍｏｒ１に達していない場合
（すなわち当該音節は「低」ピッチ）はステップＳＴ７
３に進み、そうでない場合はステップＳＴ７４に進む。
【０１０４】ステップＳＴ７３では、下式に従って低ピ
ッチ用の修正処理を行う。 Ｐij ＝ Ｐij ＋ ｄｍｉｎ …（１４）なお、右辺のＰ ij が修正処理前のピッチ周波数であり、
左辺のＰ ij が修正後のピッチ周波数である。
ッチ用の修正処理を行う。 Ｐij ＝ Ｐij ＋ ｄｍｉｎ …（１４）なお、右辺のＰ ij が修正処理前のピッチ周波数であり、
左辺のＰ ij が修正後のピッチ周波数である。
【０１０５】ステップＳＴ７４では、音節カウンタｊと
高低遷移位置ｍｏｒ２との比較を行い、音節カウンタｊ
が高低遷移位置ｍｏｒ２に達していない場合（すなわち
当該音節は「高」ピッチ）はステップＳＴ７５に進み、
そうでない場合はステップＳＴ７６に進む。
高低遷移位置ｍｏｒ２との比較を行い、音節カウンタｊ
が高低遷移位置ｍｏｒ２に達していない場合（すなわち
当該音節は「高」ピッチ）はステップＳＴ７５に進み、
そうでない場合はステップＳＴ７６に進む。
【０１０６】ステップＳＴ７５では下式に従って高ピッ
チ用の修正処理を行う。 Ｐij ＝ Ｐij ＋ ｄｍａｘ …（１５）なお、右辺のＰ ij が修正処理前のピッチ周波数であり、
左辺のＰ ij が修正後のピッチ周波数である。
チ用の修正処理を行う。 Ｐij ＝ Ｐij ＋ ｄｍａｘ …（１５）なお、右辺のＰ ij が修正処理前のピッチ周波数であり、
左辺のＰ ij が修正後のピッチ周波数である。
【０１０７】ステップＳＴ７６の処理は前述したステッ
プＳＴ７３の低ピッチ用の処理と同一である。そしてこ
れらの処理が終了したのち、ステップＳＴ７７へ進み、
音節カウンタｊを１インクリメントする。次いでステッ
プＳＴ７８で、音節カウンタｊと単語内音韻総数Ｊとの
比較を行い、音節カウンタｊが当該単語中の音節総数Ｊ
を超えていれば処理を終了し、そうでなければステップ
ＳＴ７２に戻り、次音節に対して同様の処理を繰り返
す。以上が音韻ピッチ修正の流れである。
プＳＴ７３の低ピッチ用の処理と同一である。そしてこ
れらの処理が終了したのち、ステップＳＴ７７へ進み、
音節カウンタｊを１インクリメントする。次いでステッ
プＳＴ７８で、音節カウンタｊと単語内音韻総数Ｊとの
比較を行い、音節カウンタｊが当該単語中の音節総数Ｊ
を超えていれば処理を終了し、そうでなければステップ
ＳＴ７２に戻り、次音節に対して同様の処理を繰り返
す。以上が音韻ピッチ修正の流れである。
【０１０８】以上詳細に説明したように本実施形態によ
れば、対象単語のアクセント型に応じて簡易的なピッチ
パタンを作成し、例えば抑揚を大きくする場合には、ピ
ッチが高レベルにある音韻ピッチに対しては修正値を加
えて上昇させ、逆にピッチが低レベルにある音韻ピッチ
に対しては修正値を減じて下降させるといった制御を施
しているため、従来技術で発生していた、抑揚修正と同
時に平均ピッチまでも変動してしまうといった不具合が
解消され、聴きやすい合成音声を生成することが可能と
なる。また本実施形態においては、アクセント型に依ら
ず正確な抑揚制御が行えるようになる。
れば、対象単語のアクセント型に応じて簡易的なピッチ
パタンを作成し、例えば抑揚を大きくする場合には、ピ
ッチが高レベルにある音韻ピッチに対しては修正値を加
えて上昇させ、逆にピッチが低レベルにある音韻ピッチ
に対しては修正値を減じて下降させるといった制御を施
しているため、従来技術で発生していた、抑揚修正と同
時に平均ピッチまでも変動してしまうといった不具合が
解消され、聴きやすい合成音声を生成することが可能と
なる。また本実施形態においては、アクセント型に依ら
ず正確な抑揚制御が行えるようになる。
【０１０９】＜第３の実施形態＞前述の第２の実施形態
では、単語のアクセント型を基に、対象となる音節のピ
ッチを高レベルにあるのか低レベルにあるのかを判定
し、高レベルの場合は修正値を加え低レベルの場合は修
正値を減ずる操作を施すことにより、聴感上の平均ピッ
チの変動を抑制しつつ抑揚の制御を行った。しかしなが
ら、厳密な意味での平均ピッチの変動が十分に抑制出来
ない場合がある。例えば、文中の全ての単語に抑揚を大
きくする指定を行う場合を考える。これは、本来利用者
に対して特に注意を促すために用いられている抑揚制御
機構を、感情変化という目的で使う場面を想定したもの
である。概して、抑揚を大きくした場合は明るい発声に
なり、逆に抑揚を小さくした場合は暗い発声になりがち
である。
では、単語のアクセント型を基に、対象となる音節のピ
ッチを高レベルにあるのか低レベルにあるのかを判定
し、高レベルの場合は修正値を加え低レベルの場合は修
正値を減ずる操作を施すことにより、聴感上の平均ピッ
チの変動を抑制しつつ抑揚の制御を行った。しかしなが
ら、厳密な意味での平均ピッチの変動が十分に抑制出来
ない場合がある。例えば、文中の全ての単語に抑揚を大
きくする指定を行う場合を考える。これは、本来利用者
に対して特に注意を促すために用いられている抑揚制御
機構を、感情変化という目的で使う場面を想定したもの
である。概して、抑揚を大きくした場合は明るい発声に
なり、逆に抑揚を小さくした場合は暗い発声になりがち
である。
【０１１０】また、前述の従来技術においては、以下の
不具合が発生する。すなわち、全体に渡って抑揚を大き
くする処理を施した場合、抑揚と共に全体的な声の高さ
も高くなり、逆に、抑揚を小さくする処理を施した場
合、抑揚と共に全体的な声の高さも低くなる。通常、声
の高さを上下変動させる指定は別に設けられているた
め、抑揚を大きくする指定と共に、声の高さを低くする
指定を行って上記不具合を回避するしかない。第３の実
施形態では、特に文章全体に渡って抑揚制御を施す場合
に有効な方法であり、文全体としての平均的なピッチを
変動させないで抑揚制御を施すことが可能であるという
特徴を有する。またさらに、前述した第１、第２の実施
形態と比較して単純な構成で実現できるという特徴も併
せ持つ。
不具合が発生する。すなわち、全体に渡って抑揚を大き
くする処理を施した場合、抑揚と共に全体的な声の高さ
も高くなり、逆に、抑揚を小さくする処理を施した場
合、抑揚と共に全体的な声の高さも低くなる。通常、声
の高さを上下変動させる指定は別に設けられているた
め、抑揚を大きくする指定と共に、声の高さを低くする
指定を行って上記不具合を回避するしかない。第３の実
施形態では、特に文章全体に渡って抑揚制御を施す場合
に有効な方法であり、文全体としての平均的なピッチを
変動させないで抑揚制御を施すことが可能であるという
特徴を有する。またさらに、前述した第１、第２の実施
形態と比較して単純な構成で実現できるという特徴も併
せ持つ。
【０１１１】＜構成＞以下、本発明の第３の実施形態に
おける構成を図１５を参照しながら詳細に説明する。本
発明が従来技術と異なる点は、音韻ピッチを推定するた
めに用いている予測テーブルを学習する際に、学習話者
の平均ピッチも同時に算出し、抑揚制御制御後の平均ピ
ッチが学習時の平均ピッチと同一になるように全体的に
ピッチを上下にシフト操作を行う点である。したがっ
て、従来と異なるピッチパタン決定部についてのみ、図
１５を用いて説明する。
おける構成を図１５を参照しながら詳細に説明する。本
発明が従来技術と異なる点は、音韻ピッチを推定するた
めに用いている予測テーブルを学習する際に、学習話者
の平均ピッチも同時に算出し、抑揚制御制御後の平均ピ
ッチが学習時の平均ピッチと同一になるように全体的に
ピッチを上下にシフト操作を行う点である。したがっ
て、従来と異なるピッチパタン決定部についてのみ、図
１５を用いて説明する。
【０１１２】ピッチパタン決定部２０２への入力は、従
来と同じく中間言語解析部２０１からの音韻・韻律情
報、音韻継続時間決定部２０３で決定された音韻個々の
継続時間、ユーザからの抑揚制御指定である。声の高さ
の制御指定が入力される場合もあるが、ここでは省略し
ている。
来と同じく中間言語解析部２０１からの音韻・韻律情
報、音韻継続時間決定部２０３で決定された音韻個々の
継続時間、ユーザからの抑揚制御指定である。声の高さ
の制御指定が入力される場合もあるが、ここでは省略し
ている。
【０１１３】音韻・韻律情報は音韻ピッチ推定部２００
１に入力される。これらの情報は、音韻ピッチ推定部２
００１において音韻ピッチ推定のための制御要因として
用いられる。ピッチ推定は通常、数量化Ｉ類といった統
計的手法に基づいて行われる。この手法は、実際に人間
が発声した大量の音声データベースから制御規則を求め
るもので、あらかじめ学習された予測テーブル２００２
を用いて、対象となる音節の母音中心ピッチを推定す
る。数量化Ｉ類については公知であるのでここでは特に
説明はしない。音韻ピッチ推定部２００１から出力され
る母音中心ピッチ群すなわち、すなわち点ピッチパタン
は、音韻ピッチ一次修正部２００３に出力される。
１に入力される。これらの情報は、音韻ピッチ推定部２
００１において音韻ピッチ推定のための制御要因として
用いられる。ピッチ推定は通常、数量化Ｉ類といった統
計的手法に基づいて行われる。この手法は、実際に人間
が発声した大量の音声データベースから制御規則を求め
るもので、あらかじめ学習された予測テーブル２００２
を用いて、対象となる音節の母音中心ピッチを推定す
る。数量化Ｉ類については公知であるのでここでは特に
説明はしない。音韻ピッチ推定部２００１から出力され
る母音中心ピッチ群すなわち、すなわち点ピッチパタン
は、音韻ピッチ一次修正部２００３に出力される。
【０１１４】音韻ピッチ一次修正部２００３には、前記
点ピッチパタンに加え、ユーザから指定される抑揚制御
レベルが入力される。音韻ピッチ一次修正部２００３で
は、前記抑揚制御レベルに応じてあらかじめ定められた
乗数により音韻ピッチの第一次修正を行い、その結果を
音韻ピッチ二次修正部２００４に出力する。
点ピッチパタンに加え、ユーザから指定される抑揚制御
レベルが入力される。音韻ピッチ一次修正部２００３で
は、前記抑揚制御レベルに応じてあらかじめ定められた
乗数により音韻ピッチの第一次修正を行い、その結果を
音韻ピッチ二次修正部２００４に出力する。
【０１１５】音韻ピッチ二次修正部２００４には、前記
一次修正後の点ピッチパタンに加え、平均ピッチ２００
６が入力される。平均ピッチ２００６は、前記予測テー
ブル２００２と同一の音声データを基に、学習話者のピ
ッチの平均として算出された値である。音韻ピッチ二次
修正部２００４では、前記一次修正後の点ピッチパタン
を、前記平均ピッチ２００６で二次修正を行い、その結
果をピッチパタン補間部２００５に出力する。
一次修正後の点ピッチパタンに加え、平均ピッチ２００
６が入力される。平均ピッチ２００６は、前記予測テー
ブル２００２と同一の音声データを基に、学習話者のピ
ッチの平均として算出された値である。音韻ピッチ二次
修正部２００４では、前記一次修正後の点ピッチパタン
を、前記平均ピッチ２００６で二次修正を行い、その結
果をピッチパタン補間部２００５に出力する。
【０１１６】ピッチパタン補間部２００５においては、
音韻間のピッチが線形補間あるいはスプライン補間等に
より内挿され、ピッチパタンとして合成パラメータ生成
部２０６（図２２参照）に出力される。
音韻間のピッチが線形補間あるいはスプライン補間等に
より内挿され、ピッチパタンとして合成パラメータ生成
部２０６（図２２参照）に出力される。
【０１１７】＜動作＞以上のように構成された第３の実
施形態における動作について図１５〜図１７を用いて詳
細に説明する。従来技術と異なる点は、ピッチパタン生
成に関わる処理であるので、それ以外の処理については
省略する。
施形態における動作について図１５〜図１７を用いて詳
細に説明する。従来技術と異なる点は、ピッチパタン生
成に関わる処理であるので、それ以外の処理については
省略する。
【０１１８】まず、中間言語解析部２０１から音韻ピッ
チ推定部２００１へ音韻情報や韻律情報が入力される。
ここでは通常、１文章単位の情報が入力され、数量化Ｉ
類といった統計的手法に基づいて母音中心ピッチが推定
される。この時、大量の音声データベースを用いてあら
かじめ学習された予測テーブル２００２に基づいて推定
が行われる。数量化Ｉ類については公知であるのでここ
では特に説明はしない。１文章中の全音節に対して母音
中心ピッチが推定されると、これら点ピッチパタンは音
韻ピッチ一次修正部２００３へと送られる。この時の情
報は例えば、第ｎ番目の単語における第ｍ番目の音節の
母音中心ピッチが何Ｈｚかという具合に、単語分割され
た情報とする。
チ推定部２００１へ音韻情報や韻律情報が入力される。
ここでは通常、１文章単位の情報が入力され、数量化Ｉ
類といった統計的手法に基づいて母音中心ピッチが推定
される。この時、大量の音声データベースを用いてあら
かじめ学習された予測テーブル２００２に基づいて推定
が行われる。数量化Ｉ類については公知であるのでここ
では特に説明はしない。１文章中の全音節に対して母音
中心ピッチが推定されると、これら点ピッチパタンは音
韻ピッチ一次修正部２００３へと送られる。この時の情
報は例えば、第ｎ番目の単語における第ｍ番目の音節の
母音中心ピッチが何Ｈｚかという具合に、単語分割され
た情報とする。
【０１１９】音韻ピッチ一次修正部２００３にはユーザ
からの抑揚制御レベルが入力されており、例えば３段階
で与えられ、レベル１が抑揚を１．５倍に、レベル２が
抑揚を１．０倍に、レベル３が抑揚を０．５倍にといっ
た具合にあらかじめ定められている。音韻ピッチ一次修
正部２００３は、目標とする単語内の各音韻ピッチの、
ベースピッチからの相対値を算出し、前述した抑揚レベ
ルに応じて増減する処理を行う。ベースピッチは、発声
し得る最低ピッチを指し、例えば３０Ｈｚなどに設定さ
れる。次いで、一次修正された点ピッチパタンは音韻ピ
ッチ二次修正部２００４に送られ、二次修正が施され
る。
からの抑揚制御レベルが入力されており、例えば３段階
で与えられ、レベル１が抑揚を１．５倍に、レベル２が
抑揚を１．０倍に、レベル３が抑揚を０．５倍にといっ
た具合にあらかじめ定められている。音韻ピッチ一次修
正部２００３は、目標とする単語内の各音韻ピッチの、
ベースピッチからの相対値を算出し、前述した抑揚レベ
ルに応じて増減する処理を行う。ベースピッチは、発声
し得る最低ピッチを指し、例えば３０Ｈｚなどに設定さ
れる。次いで、一次修正された点ピッチパタンは音韻ピ
ッチ二次修正部２００４に送られ、二次修正が施され
る。
【０１２０】音韻ピッチ二次修正部２００４には平均ピ
ッチ２００６から、学習話者の平均ピッチが入力され、
これに応じて一律に点ピッチの増減処理を行う。平均ピ
ッチは、前述した予測テーブル２００２を学習する際に
用いた音声サンプルデータのピッチ平均であり、前記ベ
ースピッチからの相対値として保存されている。例え
ば、学習話者の平均ピッチが１５０Ｈｚであり、ベース
ピッチを３０Ｈｚと設定すると、平均ピッチ２００６か
ら入力される値は１２０Ｈｚとなる。こうして二次修正
が施された点ピッチパタンは、ピッチパタン補間部２０
０５に送られ、音韻継続時間情報と前記二次修正後の点
ピッチパタンとから、音韻間のピッチが線形補間あるい
はスプライン補間等により内挿され、ピッチパタンとし
て合成パラメータ生成部２０６に出力される。
ッチ２００６から、学習話者の平均ピッチが入力され、
これに応じて一律に点ピッチの増減処理を行う。平均ピ
ッチは、前述した予測テーブル２００２を学習する際に
用いた音声サンプルデータのピッチ平均であり、前記ベ
ースピッチからの相対値として保存されている。例え
ば、学習話者の平均ピッチが１５０Ｈｚであり、ベース
ピッチを３０Ｈｚと設定すると、平均ピッチ２００６か
ら入力される値は１２０Ｈｚとなる。こうして二次修正
が施された点ピッチパタンは、ピッチパタン補間部２０
０５に送られ、音韻継続時間情報と前記二次修正後の点
ピッチパタンとから、音韻間のピッチが線形補間あるい
はスプライン補間等により内挿され、ピッチパタンとし
て合成パラメータ生成部２０６に出力される。
【０１２１】さらに詳細に説明するために図１７に抑揚
制御処理のフローチャートを示す。このフローチャート
は、図１５中における、音韻ピッチ一次修正部２００３
と音韻ピッチ二次修正部２００４の処理内容を示したも
のである。
制御処理のフローチャートを示す。このフローチャート
は、図１５中における、音韻ピッチ一次修正部２００３
と音韻ピッチ二次修正部２００４の処理内容を示したも
のである。
【０１２２】ステップＳＴ８１において以下のパラメー
タが初期化される。すなわち、入力文章中に含まれる単
語総数Ｉ、第ｉ番目の単語を構成する音節総数ＷＰi、
第ｉ番目の単語に対して指定される抑揚制御レベルに応
じた抑揚制御係数Ａi、話者平均ピッチＰave、ベースピ
ッチＰＢ、第ｉ番目の単語における第ｊ番目の音節の母
音中心ピッチ周波数Ｐijである。話者平均ピッチＰave
は図１５中記載の平均ピッチ２００６から入力される数
値であり、ベースピッチＰＢは、抑揚制御を施す成分の
基準値であり、前記平均ピッチＰaveは、このベースピ
ッチＰＢからの相対値で設定されている。ベースピッチ
ＰＢは例えば３０Ｈｚ程度に設定される。
タが初期化される。すなわち、入力文章中に含まれる単
語総数Ｉ、第ｉ番目の単語を構成する音節総数ＷＰi、
第ｉ番目の単語に対して指定される抑揚制御レベルに応
じた抑揚制御係数Ａi、話者平均ピッチＰave、ベースピ
ッチＰＢ、第ｉ番目の単語における第ｊ番目の音節の母
音中心ピッチ周波数Ｐijである。話者平均ピッチＰave
は図１５中記載の平均ピッチ２００６から入力される数
値であり、ベースピッチＰＢは、抑揚制御を施す成分の
基準値であり、前記平均ピッチＰaveは、このベースピ
ッチＰＢからの相対値で設定されている。ベースピッチ
ＰＢは例えば３０Ｈｚ程度に設定される。
【０１２３】ステップＳＴ８２で、単語カウンタｉを０
に初期化する。
に初期化する。
【０１２４】ステップＳＴ８３で第ｉ番目における単語
総数ＷＰiを変数Ｊに設定する。これは後の説明におい
て、変数の添字を分かり易くするための処理であり、実
際の処理では必要ない。
総数ＷＰiを変数Ｊに設定する。これは後の説明におい
て、変数の添字を分かり易くするための処理であり、実
際の処理では必要ない。
【０１２５】ステップＳＴ８４からステップＳＴ９０に
かけて、第ｉ番目の単語に対する抑揚制御処理を施す。
まずステップＳＴ８４で、音節カウンタｊを０に初期化
する。次いでステップＳＴ８５で音韻ピッチの一次修正
を下式に従い行う。 Ｐij ＝（Ｐij − ＰＢ） ＊ Ａi …（１６） この処理は、各音韻ピッチの、ベースピッチＰＢを超え
る成分値に対して抑揚制御係数を乗ずる操作を意味す
る。右辺の Pij が一次修正前のピッチ周波数であり、左
辺の Pij が一次修正後のピッチ周波数である。
かけて、第ｉ番目の単語に対する抑揚制御処理を施す。
まずステップＳＴ８４で、音節カウンタｊを０に初期化
する。次いでステップＳＴ８５で音韻ピッチの一次修正
を下式に従い行う。 Ｐij ＝（Ｐij − ＰＢ） ＊ Ａi …（１６） この処理は、各音韻ピッチの、ベースピッチＰＢを超え
る成分値に対して抑揚制御係数を乗ずる操作を意味す
る。右辺の Pij が一次修正前のピッチ周波数であり、左
辺の Pij が一次修正後のピッチ周波数である。
【０１２６】続いてステップＳＴ８６で、音韻ピッチの
二次修正を下式に従い行う。 Ｐij ＝ Ｐij ＋ Ｐave ＊ （１−Ａi） … （１７）右辺の Pij が二次修正前のピッチ周波数であり、左辺の P
ij が二次修正後のピッチ周波数である。 話者平均ピッチ
の（１−Ａi）倍の成分値を加算するということは、話
者平均ピッチＰaveからの相対値に対して抑揚制御処理
を施すことに他ならない。例えば、上式を音韻単位では
なく、単語内平均ピッチとして置き換えてみる。抑揚制
御前の単語内平均ピッチをＰＷ０、抑揚制御後の単語内
平均ピッチをＰＷ１として式（１６）と式（１７）とか
ら、 ＰＷ１＝（ＰＷ０−ＰＢ）＊Ａi ＋Ｐave ＊（１−Ａｉ） …（１８） となる。平均ピッチＰaveは、ベースピッチＰＢからの
相対値であるので、単語内平均ピッチもそれに合わせ
て、（ＰＷ０−ＰＢ）をＰＷ０として置き換える。する
と上式は以下のように表現できる。 ＰＷ１＝ Ａi ＊（ＰＷ０−Ｐave）＋ Ｐave …（１９）
二次修正を下式に従い行う。 Ｐij ＝ Ｐij ＋ Ｐave ＊ （１−Ａi） … （１７）右辺の Pij が二次修正前のピッチ周波数であり、左辺の P
ij が二次修正後のピッチ周波数である。 話者平均ピッチ
の（１−Ａi）倍の成分値を加算するということは、話
者平均ピッチＰaveからの相対値に対して抑揚制御処理
を施すことに他ならない。例えば、上式を音韻単位では
なく、単語内平均ピッチとして置き換えてみる。抑揚制
御前の単語内平均ピッチをＰＷ０、抑揚制御後の単語内
平均ピッチをＰＷ１として式（１６）と式（１７）とか
ら、 ＰＷ１＝（ＰＷ０−ＰＢ）＊Ａi ＋Ｐave ＊（１−Ａｉ） …（１８） となる。平均ピッチＰaveは、ベースピッチＰＢからの
相対値であるので、単語内平均ピッチもそれに合わせ
て、（ＰＷ０−ＰＢ）をＰＷ０として置き換える。する
と上式は以下のように表現できる。 ＰＷ１＝ Ａi ＊（ＰＷ０−Ｐave）＋ Ｐave …（１９）
【０１２７】これは、単語内平均ピッチＰＷ０を、話者
平均ピッチＰaveからの相対成分だけに抑揚制御を行う
ことを意味しており、結果的に文全体で見た場合に平均
ピッチはＰaveと変わらない。
平均ピッチＰaveからの相対成分だけに抑揚制御を行う
ことを意味しており、結果的に文全体で見た場合に平均
ピッチはＰaveと変わらない。
【０１２８】図１６は本実施形態における抑揚制御処理
の説明図である。白丸太実線が抑揚制御前であり、黒丸
細実線が抑揚制御後の点ピッチパタンである。修正前の
単語平均ピッチが、平均ピッチＰaveを超える単語（図
中左Ａ）と下回る単語（図中右Ｂ）を並べて表示してい
るが、同じ抑揚を大きくする処理を施した場合でも、平
均ピッチＰaveを超える単語Ａは平均ピッチが上昇し、
平均ピッチＰaveを下回る単語Ｂは平均ピッチが下降す
る。
の説明図である。白丸太実線が抑揚制御前であり、黒丸
細実線が抑揚制御後の点ピッチパタンである。修正前の
単語平均ピッチが、平均ピッチＰaveを超える単語（図
中左Ａ）と下回る単語（図中右Ｂ）を並べて表示してい
るが、同じ抑揚を大きくする処理を施した場合でも、平
均ピッチＰaveを超える単語Ａは平均ピッチが上昇し、
平均ピッチＰaveを下回る単語Ｂは平均ピッチが下降す
る。
【０１２９】ステップＳＴ８７で音節カウンタｊを１イ
ンクリメントした後、ステップＳＴ８８で当該単語の音
節総数Ｊを超えたかどうかの判定を行う。超えていれ
ば、当該単語における全て音節に対しての処理が終了し
たとしてステップＳＴ８９に進み、そうでなければステ
ップＳＴ８５に戻り、次音節に対する処理を前述と同様
に繰り返す。ステップＳＴ８９では、単語カウンタｉを
１インクリメントし、次のステップＳＴ９０で単語総数
Ｉを超えたかどうかの判定を行う。超えていれば処理を
終了し、そうでなければステップＳＴ８３に戻り、次単
語に対する処理を前述と同様に繰り返す。以上が音韻ピ
ッチ修正の流れである。
ンクリメントした後、ステップＳＴ８８で当該単語の音
節総数Ｊを超えたかどうかの判定を行う。超えていれ
ば、当該単語における全て音節に対しての処理が終了し
たとしてステップＳＴ８９に進み、そうでなければステ
ップＳＴ８５に戻り、次音節に対する処理を前述と同様
に繰り返す。ステップＳＴ８９では、単語カウンタｉを
１インクリメントし、次のステップＳＴ９０で単語総数
Ｉを超えたかどうかの判定を行う。超えていれば処理を
終了し、そうでなければステップＳＴ８３に戻り、次単
語に対する処理を前述と同様に繰り返す。以上が音韻ピ
ッチ修正の流れである。
【０１３０】以上詳細に説明したように本実施形態によ
れば、あらかじめ学習された平均ピッチを基準とした成
分に対して抑揚制御処理を施しているため、特に文章全
体に渡って抑揚制御を施す場合に、文全体としての平均
的なピッチを変動させないで抑揚制御を施すことが可能
であるという効果がある。またさらに、第１、第２の実
施形態と比較して単純な構成で実現できるという効果も
ある。
れば、あらかじめ学習された平均ピッチを基準とした成
分に対して抑揚制御処理を施しているため、特に文章全
体に渡って抑揚制御を施す場合に、文全体としての平均
的なピッチを変動させないで抑揚制御を施すことが可能
であるという効果がある。またさらに、第１、第２の実
施形態と比較して単純な構成で実現できるという効果も
ある。
【０１３１】＜第４の実施形態＞従来技術においては、
合成音声の元となる素片を格納した素片辞書は通常、実
際に発声・録音された音声データから、声帯の１回分の
振動によるインパルス応答波形に相当する１ピッチ波形
を切り出すことにより作成される。合成時には前記１ピ
ッチ波形の間隔を調整して波形重畳することにより、様
々なピッチパタンを実現している。しかしながら前記音
声データは通常、ピッチ変動の少ない（故意に声の高さ
を一定にして発声する）無意味単語で構成されることが
多い。したがって、合成音のピッチパタンが発声時のピ
ッチに近い場合は比較的良好な音質が実現できるもの
の、発声時のピッチから大きく離れる場合は、（例えば
極めて高い声、低い声など）合成音は歪んだ音になって
しまっていた。このような性格を有するテキスト合成に
おいて、さらに、抑揚を大きくまたは小さくする場合、
一層の音質劣化をもたらしていた。
合成音声の元となる素片を格納した素片辞書は通常、実
際に発声・録音された音声データから、声帯の１回分の
振動によるインパルス応答波形に相当する１ピッチ波形
を切り出すことにより作成される。合成時には前記１ピ
ッチ波形の間隔を調整して波形重畳することにより、様
々なピッチパタンを実現している。しかしながら前記音
声データは通常、ピッチ変動の少ない（故意に声の高さ
を一定にして発声する）無意味単語で構成されることが
多い。したがって、合成音のピッチパタンが発声時のピ
ッチに近い場合は比較的良好な音質が実現できるもの
の、発声時のピッチから大きく離れる場合は、（例えば
極めて高い声、低い声など）合成音は歪んだ音になって
しまっていた。このような性格を有するテキスト合成に
おいて、さらに、抑揚を大きくまたは小さくする場合、
一層の音質劣化をもたらしていた。
【０１３２】本発明の第４の実施形態は、素片作成時の
発声ピッチと比較して、抑揚制御対象とする単語のピッ
チが低い場合、或いは高い場合それぞれで抑揚制御の際
のピッチ修正処理を変更するという方法により上記問題
点を解決するものである。
発声ピッチと比較して、抑揚制御対象とする単語のピッ
チが低い場合、或いは高い場合それぞれで抑揚制御の際
のピッチ修正処理を変更するという方法により上記問題
点を解決するものである。
【０１３３】以下に、第４の実施形態における構成を図
１８を参照しながら詳細に説明する。本発明が従来技術
と異なる点は、単語単位に簡易的なピッチパタンを作成
し、素片作成時の発声ピッチと比較しつつ抑揚修正値を
加減して音韻ピッチの修正を行う点である。したがっ
て、従来と異なるピッチパタン決定部についてのみ、図
面を用いて説明する。
１８を参照しながら詳細に説明する。本発明が従来技術
と異なる点は、単語単位に簡易的なピッチパタンを作成
し、素片作成時の発声ピッチと比較しつつ抑揚修正値を
加減して音韻ピッチの修正を行う点である。したがっ
て、従来と異なるピッチパタン決定部についてのみ、図
面を用いて説明する。
【０１３４】＜構成＞ピッチパタン決定部２０２への入
力は、従来と同じく中間言語解析部２０１からの音韻・
韻律情報、音韻継続時間決定部２０３で決定された音韻
個々の継続時間、ユーザからの抑揚制御指定である。声
の高さの制御指定が入力される場合もあるが、ここでは
省略している。音韻・韻律情報は音韻ピッチ推定部２３
０１と簡易ピッチパタン作成部２３０９とに入力され
る。音韻ピッチ推定部２３０１では、音韻ピッチ推定の
ための制御要因として用いられる。ピッチ推定は通常、
数量化Ｉ類といった統計的手法に基づいて行われる。こ
の手法は、実際に人間が発声した大量の音声データベー
スから制御規則を求めるもので、あらかじめ学習された
予測テーブル２３０２を用いて、対象となる音節の母音
中心ピッチを推定する。数量化Ｉ類については公知であ
るのでここでは特に説明はしない。音韻ピッチ推定部２
３０１から出力される母音中心ピッチ群すなわち、すな
わち点ピッチパタンは、最大最小探索部２３０３と音韻
ピッチ修正部２３０６とに出力される。
力は、従来と同じく中間言語解析部２０１からの音韻・
韻律情報、音韻継続時間決定部２０３で決定された音韻
個々の継続時間、ユーザからの抑揚制御指定である。声
の高さの制御指定が入力される場合もあるが、ここでは
省略している。音韻・韻律情報は音韻ピッチ推定部２３
０１と簡易ピッチパタン作成部２３０９とに入力され
る。音韻ピッチ推定部２３０１では、音韻ピッチ推定の
ための制御要因として用いられる。ピッチ推定は通常、
数量化Ｉ類といった統計的手法に基づいて行われる。こ
の手法は、実際に人間が発声した大量の音声データベー
スから制御規則を求めるもので、あらかじめ学習された
予測テーブル２３０２を用いて、対象となる音節の母音
中心ピッチを推定する。数量化Ｉ類については公知であ
るのでここでは特に説明はしない。音韻ピッチ推定部２
３０１から出力される母音中心ピッチ群すなわち、すな
わち点ピッチパタンは、最大最小探索部２３０３と音韻
ピッチ修正部２３０６とに出力される。
【０１３５】最大最小探索部２３０３は、点ピッチパタ
ンを単語単位に分割し、目標とする単語における最大音
韻ピッチと最小音韻ピッチとを算出して抑揚修正値算出
部２３０４と抑揚加減判定部２３０５とに出力する。
ンを単語単位に分割し、目標とする単語における最大音
韻ピッチと最小音韻ピッチとを算出して抑揚修正値算出
部２３０４と抑揚加減判定部２３０５とに出力する。
【０１３６】抑揚修正値算出部２３０４には、前記最大
最小探索部２３０３からの最大音韻ピッチと最小音韻ピ
ッチに加え、ユーザから指定される抑揚制御レベルが入
力される。抑揚修正値算出部２３０４では、前記最大音
韻ピッチ、最小音韻ピッチ、抑揚制御レベルとから音韻
ピッチを修正するための増減幅（以下、抑揚修正値）を
求め抑揚加減判定部２３０５に出力する。
最小探索部２３０３からの最大音韻ピッチと最小音韻ピ
ッチに加え、ユーザから指定される抑揚制御レベルが入
力される。抑揚修正値算出部２３０４では、前記最大音
韻ピッチ、最小音韻ピッチ、抑揚制御レベルとから音韻
ピッチを修正するための増減幅（以下、抑揚修正値）を
求め抑揚加減判定部２３０５に出力する。
【０１３７】抑揚加減判定部２３０５には、前記抑揚修
正値と、前記最大最小探索部２３０３からの最大音韻ピ
ッチ・最小音韻ピッチと、あらかじめ素片作成時に測定
した話者発声ピッチが発声ピッチ２３０８から入力され
る。先に述べたように、素片作成時の発声は、ほぼ一定
ピッチで行われる。この時の発声ピッチ、すなわち音声
データベース全体を通しての平均ピッチを算出してお
き、前記発声ピッチ２３０８に格納している。図示して
いないが、素片辞書１０５に登録されている話者の数だ
け発声ピッチが存在する。使用する音素片に応じて、前
記発声ピッチ２３０８は切り替えられる。抑揚加減判定
部２３０５では、現在処理を行っている単語が、前記平
均ピッチと比較して高いのか低いのかを判定してその結
果である抑揚修正値を音韻ピッチ修正部２３０６に出力
する。
正値と、前記最大最小探索部２３０３からの最大音韻ピ
ッチ・最小音韻ピッチと、あらかじめ素片作成時に測定
した話者発声ピッチが発声ピッチ２３０８から入力され
る。先に述べたように、素片作成時の発声は、ほぼ一定
ピッチで行われる。この時の発声ピッチ、すなわち音声
データベース全体を通しての平均ピッチを算出してお
き、前記発声ピッチ２３０８に格納している。図示して
いないが、素片辞書１０５に登録されている話者の数だ
け発声ピッチが存在する。使用する音素片に応じて、前
記発声ピッチ２３０８は切り替えられる。抑揚加減判定
部２３０５では、現在処理を行っている単語が、前記平
均ピッチと比較して高いのか低いのかを判定してその結
果である抑揚修正値を音韻ピッチ修正部２３０６に出力
する。
【０１３８】一方、簡易ピッチパタン作成部２３０９に
は、中間言語解析部２０１からの音韻・韻律情報が接続
され、各音節母音中心ピッチを「高」あるいは「低」の
２種類に分類した形式の簡易ピッチパタンを作成し、音
韻ピッチ修正部２３０６に出力する。
は、中間言語解析部２０１からの音韻・韻律情報が接続
され、各音節母音中心ピッチを「高」あるいは「低」の
２種類に分類した形式の簡易ピッチパタンを作成し、音
韻ピッチ修正部２３０６に出力する。
【０１３９】音韻ピッチ修正部２３０６には、前記音韻
ピッチ推定部２３０１から出力される点ピッチパタン
と、前記抑揚加減判定部２３０５から出力される抑揚修
正値と、前記簡易ピッチパタン作成部２３０９から出力
される簡易ピッチパタンとが入力され、単語内全音節の
母音中心ピッチを修正した後、その結果をピッチパタン
補間部２３０７に出力する。
ピッチ推定部２３０１から出力される点ピッチパタン
と、前記抑揚加減判定部２３０５から出力される抑揚修
正値と、前記簡易ピッチパタン作成部２３０９から出力
される簡易ピッチパタンとが入力され、単語内全音節の
母音中心ピッチを修正した後、その結果をピッチパタン
補間部２３０７に出力する。
【０１４０】ピッチパタン補間部２３０７には、前述音
韻継続時間と修正後の点ピッチパタンが接続され、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６に出力される。
韻継続時間と修正後の点ピッチパタンが接続され、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６に出力される。
【０１４１】＜動作＞以上のように構成された本発明の
第４の実施形態における動作について図１８〜図２０を
用いて詳細に説明する。従来技術と異なる点は、ピッチ
パタン生成に関わる処理であるので、それ以外の処理に
ついては省略する。
第４の実施形態における動作について図１８〜図２０を
用いて詳細に説明する。従来技術と異なる点は、ピッチ
パタン生成に関わる処理であるので、それ以外の処理に
ついては省略する。
【０１４２】まず、中間言語解析部２０１から音韻ピッ
チ推定部２３０１へ音韻情報や韻律情報が入力される。
ここでは通常、１文章単位の情報が入力され、数量化Ｉ
類といった統計的手法に基づいて母音中心ピッチが推定
される。この時、大量の音声データベースを用いてあら
かじめ学習された予測テーブル２３０２に基づいて推定
が行われる。数量化Ｉ類については公知であるのでここ
では特に説明はしない。
チ推定部２３０１へ音韻情報や韻律情報が入力される。
ここでは通常、１文章単位の情報が入力され、数量化Ｉ
類といった統計的手法に基づいて母音中心ピッチが推定
される。この時、大量の音声データベースを用いてあら
かじめ学習された予測テーブル２３０２に基づいて推定
が行われる。数量化Ｉ類については公知であるのでここ
では特に説明はしない。
【０１４３】一方簡易ピッチパタン作成部２３０９に
は、前記音韻ピッチ推定部２３０１と同様に、中間言語
解析部２０１から音韻情報や韻律情報が入力される。簡
易ピッチパタン作成部２３０９では、対象となる音節の
ピッチが高ピッチなのか、あるいは低ピッチなのかを２
値で判定して簡易ピッチパタンとして音韻ピッチ修正部
２３０６へ送る。この簡易ピッチパタンの動作について
は第２の実施形態に記載されている動作と同様である。
は、前記音韻ピッチ推定部２３０１と同様に、中間言語
解析部２０１から音韻情報や韻律情報が入力される。簡
易ピッチパタン作成部２３０９では、対象となる音節の
ピッチが高ピッチなのか、あるいは低ピッチなのかを２
値で判定して簡易ピッチパタンとして音韻ピッチ修正部
２３０６へ送る。この簡易ピッチパタンの動作について
は第２の実施形態に記載されている動作と同様である。
【０１４４】音韻ピッチ推定部２３０１において、１文
章中の全音節に対して母音中心ピッチが推定されると、
これら点ピッチパタンは最大最小探索部２３０３と音韻
ピッチ修正部２３０６へと送られる。この時の情報は例
えば、第ｎ番目の単語における第ｍ番目の音節の母音中
心ピッチが何Ｈｚかという具合に、単語分割された情報
とする。
章中の全音節に対して母音中心ピッチが推定されると、
これら点ピッチパタンは最大最小探索部２３０３と音韻
ピッチ修正部２３０６へと送られる。この時の情報は例
えば、第ｎ番目の単語における第ｍ番目の音節の母音中
心ピッチが何Ｈｚかという具合に、単語分割された情報
とする。
【０１４５】最大最小探索部２３０３は、目標とする単
語内の音韻最大ピッチと最小ピッチの探索を行い、その
結果であるそれぞれのピッチ周波数データを抑揚修正値
算出部２３０４と抑揚加減判定部２３０５に送る。
語内の音韻最大ピッチと最小ピッチの探索を行い、その
結果であるそれぞれのピッチ周波数データを抑揚修正値
算出部２３０４と抑揚加減判定部２３０５に送る。
【０１４６】抑揚修正値算出部２３０４では、前記音韻
最大ピッチと最小ピッチとの差分を計算し、これに、ユ
ーザから指定される抑揚制御レベルに応じた係数を乗ず
る操作が行われる。ユーザからの抑揚制御指定は例え
ば、３段階で与えられ、レベル１が抑揚を１．５倍に、
レベル２が抑揚を１．０倍に、レベル３が抑揚を０．５
倍にといった具合に定められている。この場合、前記抑
揚制御レベルに応じた係数値（以下、抑揚制御係数）
は、レベル１が０．５、レベル２が０、レベル３が−
０．５となる。抑揚制御係数が乗じられた結果（以下、
抑揚修正値）は抑揚加減判定部２３０５に出力される。
最大ピッチと最小ピッチとの差分を計算し、これに、ユ
ーザから指定される抑揚制御レベルに応じた係数を乗ず
る操作が行われる。ユーザからの抑揚制御指定は例え
ば、３段階で与えられ、レベル１が抑揚を１．５倍に、
レベル２が抑揚を１．０倍に、レベル３が抑揚を０．５
倍にといった具合に定められている。この場合、前記抑
揚制御レベルに応じた係数値（以下、抑揚制御係数）
は、レベル１が０．５、レベル２が０、レベル３が−
０．５となる。抑揚制御係数が乗じられた結果（以下、
抑揚修正値）は抑揚加減判定部２３０５に出力される。
【０１４７】抑揚加減判定部２３０５には、前記最大最
小探索部２３０３からの単語内最大音韻ピッチ、最小音
韻ピッチと、前記抑揚修正部２３０４からの抑揚修正値
と、発声ピッチ２３０８からの発声ピッチが入力されて
おり、前述した簡易ピッチパタンにおける「高」ピッチ
音韻に対する抑揚修正値（以下、高ピッチ修正値）と
「低」ピッチ音韻に対する抑揚修正値（以下、低ピッチ
修正値）の算出を行う。それぞれの修正値は、現在処理
を行っている単語の点ピッチパタンが、前記発声ピッチ
と比較して高い場合、低い場合、同程度の場合と、３種
類に場合分けされ算出される。これらについては後述す
る。
小探索部２３０３からの単語内最大音韻ピッチ、最小音
韻ピッチと、前記抑揚修正部２３０４からの抑揚修正値
と、発声ピッチ２３０８からの発声ピッチが入力されて
おり、前述した簡易ピッチパタンにおける「高」ピッチ
音韻に対する抑揚修正値（以下、高ピッチ修正値）と
「低」ピッチ音韻に対する抑揚修正値（以下、低ピッチ
修正値）の算出を行う。それぞれの修正値は、現在処理
を行っている単語の点ピッチパタンが、前記発声ピッチ
と比較して高い場合、低い場合、同程度の場合と、３種
類に場合分けされ算出される。これらについては後述す
る。
【０１４８】このようにして抑揚を制御するための修正
値が算出され、その結果が音韻ピッチ修正部２３０６に
出力される。音韻ピッチ修正部２３０６では、前記簡易
ピッチパタンにおける「高」ピッチ音韻に対して高ピッ
チ修正値を加え、「低」ピッチ音韻に対して低ピッチ修
正値を加える操作が施される。修正された点ピッチパタ
ンはピッチパタン補間部２３０７へ出力される。
値が算出され、その結果が音韻ピッチ修正部２３０６に
出力される。音韻ピッチ修正部２３０６では、前記簡易
ピッチパタンにおける「高」ピッチ音韻に対して高ピッ
チ修正値を加え、「低」ピッチ音韻に対して低ピッチ修
正値を加える操作が施される。修正された点ピッチパタ
ンはピッチパタン補間部２３０７へ出力される。
【０１４９】ピッチパタン補間部２３０７では、音韻継
続時間情報と前記修正後の点ピッチパタンとから、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６（図２２参照）に出力される。
続時間情報と前記修正後の点ピッチパタンとから、音韻
間のピッチが線形補間あるいはスプライン補間等により
内挿され、ピッチパタンとして合成パラメータ生成部２
０６（図２２参照）に出力される。
【０１５０】さらに詳細に説明するために図２０に抑揚
制御処理のフローチャートを示す。このフローチャート
は、図１８における、最大最小探索部２３０３、抑揚修
正値算出部２３０４、抑揚加減判定部２３０５、音韻ピ
ッチ修正部２３０６の処理内容を示したものである。
制御処理のフローチャートを示す。このフローチャート
は、図１８における、最大最小探索部２３０３、抑揚修
正値算出部２３０４、抑揚加減判定部２３０５、音韻ピ
ッチ修正部２３０６の処理内容を示したものである。
【０１５１】まずステップＳＴ９１において以下のパラ
メータが初期化される。すなわち、入力文章中に含まれ
る単語総数Ｉ、第ｉ番目の単語を構成する音節総数ＷＰ
i、第ｉ番目の単語に対して指定される抑揚制御レベル
に応じた抑揚制御係数Ａi、素片作成時の発声ピッチＰ
０、第ｉ番目の単語のアクセント型ＡＣi、第ｉ番目の
単語における第ｊ番目の音節の母音中心ピッチ周波数Ｐ
ijである。
メータが初期化される。すなわち、入力文章中に含まれ
る単語総数Ｉ、第ｉ番目の単語を構成する音節総数ＷＰ
i、第ｉ番目の単語に対して指定される抑揚制御レベル
に応じた抑揚制御係数Ａi、素片作成時の発声ピッチＰ
０、第ｉ番目の単語のアクセント型ＡＣi、第ｉ番目の
単語における第ｊ番目の音節の母音中心ピッチ周波数Ｐ
ijである。
【０１５２】ステップＳＴ９２で、単語カウンタｉを０
に初期化し、ステップＳＴ９３で第ｉ番目における単語
総数ＷＰiを変数Ｊに設定する。これは後の説明におい
て、変数の添字を分かり易くするための処理であり、実
際の処理では必要ない。
に初期化し、ステップＳＴ９３で第ｉ番目における単語
総数ＷＰiを変数Ｊに設定する。これは後の説明におい
て、変数の添字を分かり易くするための処理であり、実
際の処理では必要ない。
【０１５３】ステップＳＴ９４からステップＳＴ１０７
において、第ｉ番目の単語に対する抑揚制御処理を施
す。まずステップＳＴ９４では当該単語の最大音韻ピッ
チＰma xと最小音韻ピッチＰminの探索が行われる。この
内容については、第２の実施形態における図１２に記載
の通りである。
において、第ｉ番目の単語に対する抑揚制御処理を施
す。まずステップＳＴ９４では当該単語の最大音韻ピッ
チＰma xと最小音韻ピッチＰminの探索が行われる。この
内容については、第２の実施形態における図１２に記載
の通りである。
【０１５４】ステップＳＴ９５で当該単語の簡易ピッチ
パタンを作成する。簡易ピッチパタンは、対象単語のア
クセント型や音韻数といった情報から音韻ピッチを
「高」また「低」の２値に分類したものであり、この詳
しい内容については、第２の実施形態における図１３に
記載の通りである。
パタンを作成する。簡易ピッチパタンは、対象単語のア
クセント型や音韻数といった情報から音韻ピッチを
「高」また「低」の２値に分類したものであり、この詳
しい内容については、第２の実施形態における図１３に
記載の通りである。
【０１５５】ステップＳＴ９６において抑揚修正値の算
出を行う。抑揚修正値ｄｐｏｗは、前述最大音韻ピッチ
Ｐmaxと最小音韻ピッチＰminと抑揚制御係数Ａiとから
下式により算出する。 ｄｐｏｗ ＝（Ｐmax−Ｐmin）＊ Ａｉ …（２０）
出を行う。抑揚修正値ｄｐｏｗは、前述最大音韻ピッチ
Ｐmaxと最小音韻ピッチＰminと抑揚制御係数Ａiとから
下式により算出する。 ｄｐｏｗ ＝（Ｐmax−Ｐmin）＊ Ａｉ …（２０）
【０１５６】ステップＳＴ９７で、発声ピッチＰ０と最
小音韻ピッチＰminの比較を行い、発声ピッチが小さけ
ればステップＳＴ９８に進み、そうでなければステップ
ＳＴ１００に進む。
小音韻ピッチＰminの比較を行い、発声ピッチが小さけ
ればステップＳＴ９８に進み、そうでなければステップ
ＳＴ１００に進む。
【０１５７】ステップＳＴ１００ではさらに最大音韻ピ
ッチＰmaxとの比較が行われ、発声ピッチが小さければ
ステップＳＴ１０１に、そうれなければステップＳＴ１
０３にそれぞれ進む。
ッチＰmaxとの比較が行われ、発声ピッチが小さければ
ステップＳＴ１０１に、そうれなければステップＳＴ１
０３にそれぞれ進む。
【０１５８】ステップＳＴ９８〜ＳＴ９９にかけては、
発声ピッチが最小ピッチよりも小さい場合の処理であ
り、高ピッチ修正値ｄｍａｘおよび低ピッチ修正値ｄｍ
ｉｎはそれぞれ、 ｄｍａｘ ＝ ０ …（２１） ｄｍｉｎ ＝ −ｄｐｏｗ …（２２） で与えられる。上式は、低ピッチ音韻に対してのみ抑揚
制御を施すことを意味している。
発声ピッチが最小ピッチよりも小さい場合の処理であ
り、高ピッチ修正値ｄｍａｘおよび低ピッチ修正値ｄｍ
ｉｎはそれぞれ、 ｄｍａｘ ＝ ０ …（２１） ｄｍｉｎ ＝ −ｄｐｏｗ …（２２） で与えられる。上式は、低ピッチ音韻に対してのみ抑揚
制御を施すことを意味している。
【０１５９】ステップＳＴ１０１〜ＳＴ１０２にかけて
は、発声ピッチが最小ピッチよりも大きく、最大ピッチ
よりも小さい場合の処理であり、高ピッチ修正値ｄｍａ
ｘおよび低ピッチ修正値ｄｍｉｎはそれぞれ、 ｄｍａｘ ＝ ｄｐｏｗ ／ ２ …（２３） ｄｍｉｎ ＝ −ｄｐｏｗ ／ ２ …（２４） で与えられる。上式は、低ピッチ音韻、高ピッチ音韻両
者に対してそれぞれ、抑揚修正値の１／２を修正するこ
とを意味している。
は、発声ピッチが最小ピッチよりも大きく、最大ピッチ
よりも小さい場合の処理であり、高ピッチ修正値ｄｍａ
ｘおよび低ピッチ修正値ｄｍｉｎはそれぞれ、 ｄｍａｘ ＝ ｄｐｏｗ ／ ２ …（２３） ｄｍｉｎ ＝ −ｄｐｏｗ ／ ２ …（２４） で与えられる。上式は、低ピッチ音韻、高ピッチ音韻両
者に対してそれぞれ、抑揚修正値の１／２を修正するこ
とを意味している。
【０１６０】ステップＳＴ１０３〜ＳＴ１０４にかけて
は、発声ピッチが最大ピッチよりも大きい場合の処理で
あり、高ピッチ修正値ｄｍａｘおよび低ピッチ修正値ｄ
ｍｉｎはそれぞれ、 ｄｍａｘ ＝ ｄｐｏｗ …（２５） ｄｍｉｎ ＝ ０ …（２６） で与えられる。上式は、高ピッチ音韻に対してのみ抑揚
制御を施すことを意味している。
は、発声ピッチが最大ピッチよりも大きい場合の処理で
あり、高ピッチ修正値ｄｍａｘおよび低ピッチ修正値ｄ
ｍｉｎはそれぞれ、 ｄｍａｘ ＝ ｄｐｏｗ …（２５） ｄｍｉｎ ＝ ０ …（２６） で与えられる。上式は、高ピッチ音韻に対してのみ抑揚
制御を施すことを意味している。
【０１６１】式（２１）〜（２６）は、（ｄｍａｘ−ｄ
ｍｉｎ）が常にｄｐｏｗになることを表わしている。
ｍｉｎ）が常にｄｐｏｗになることを表わしている。
【０１６２】ステップＳＴ１０５で先に求められたｄｍ
ａｘ、ｄｍｉｎを用いて点ピッチパタンの修正が行われ
る。この内容については、第２の実施形態における図１
４に記載の通りである。
ａｘ、ｄｍｉｎを用いて点ピッチパタンの修正が行われ
る。この内容については、第２の実施形態における図１
４に記載の通りである。
【０１６３】点ピッチパタンの修正が終了すると、次の
ステップＳＴ１０６において、単語カウンタｉを１イン
クリメントする。次いでステップＳＴ１０７で入力文章
中の単語総数Ｉとの比較を行い、単語カウンタｉが単語
総数Ｉを超えた場合、すなわち全て単語に対する処理が
終了した場合に抑揚制御処理を終える。そうでない場合
は、ステップＳＴ９３に戻り次単語に対する処理を前述
と同様に繰り返す。以上が単語毎の処理の流れである。
ステップＳＴ１０６において、単語カウンタｉを１イン
クリメントする。次いでステップＳＴ１０７で入力文章
中の単語総数Ｉとの比較を行い、単語カウンタｉが単語
総数Ｉを超えた場合、すなわち全て単語に対する処理が
終了した場合に抑揚制御処理を終える。そうでない場合
は、ステップＳＴ９３に戻り次単語に対する処理を前述
と同様に繰り返す。以上が単語毎の処理の流れである。
【０１６４】図１９に第４の実施形態による抑揚制御処
理を表わす点ピッチパタンを示す。この例では５モーラ
単語４型アクセントに対してレベル１（すなわち抑揚を
１．５倍にする）の抑揚制御を施した図である。白丸太
実線が抑揚制御前の点ピッチパタン、黒丸細実線が抑揚
制御後の点ピッチパタンである。４型アクセント単語で
あるので、簡易ピッチパタンは「低高高高低」となる。
図中Ａは発声ピッチが音韻最小ピッチよりも小さい場合
（図２０のＳＴ９８〜ＳＴ９９）、図中Ｂは発声ピッチ
が音韻最小ピッチよりも大きく音韻最大ピッチよりも小
さい場合（図２０のＳＴ１０１〜ＳＴ１０２）、図中Ｃ
は発声ピッチが音韻最大ピッチよりも大きい場合（図２
０のＳＴ１０３〜ＳＴ１０４）である。
理を表わす点ピッチパタンを示す。この例では５モーラ
単語４型アクセントに対してレベル１（すなわち抑揚を
１．５倍にする）の抑揚制御を施した図である。白丸太
実線が抑揚制御前の点ピッチパタン、黒丸細実線が抑揚
制御後の点ピッチパタンである。４型アクセント単語で
あるので、簡易ピッチパタンは「低高高高低」となる。
図中Ａは発声ピッチが音韻最小ピッチよりも小さい場合
（図２０のＳＴ９８〜ＳＴ９９）、図中Ｂは発声ピッチ
が音韻最小ピッチよりも大きく音韻最大ピッチよりも小
さい場合（図２０のＳＴ１０１〜ＳＴ１０２）、図中Ｃ
は発声ピッチが音韻最大ピッチよりも大きい場合（図２
０のＳＴ１０３〜ＳＴ１０４）である。
【０１６５】以上詳細に説明したように本実施形態によ
れば、抑揚制御対象単語の点ピッチパタンと素片作成時
の発声ピッチとを比較して、その結果に応じて抑揚修正
値を変更するといった制御を施しているため、発声ピッ
チよりも高いピッチの単語に対しては低ピッチ音韻のみ
が修正され、発声ピッチよりも低いピッチの単語に対し
ては高ピッチ音韻のみが修正される。したがって、従来
技術においては抑揚制御をおこなったためにピッチが極
端に高く、あるいは低くなることによる音質劣化が生じ
ていたが、この不具合が解消され、聴きやすい合成音声
を生成することが可能となる。
れば、抑揚制御対象単語の点ピッチパタンと素片作成時
の発声ピッチとを比較して、その結果に応じて抑揚修正
値を変更するといった制御を施しているため、発声ピッ
チよりも高いピッチの単語に対しては低ピッチ音韻のみ
が修正され、発声ピッチよりも低いピッチの単語に対し
ては高ピッチ音韻のみが修正される。したがって、従来
技術においては抑揚制御をおこなったためにピッチが極
端に高く、あるいは低くなることによる音質劣化が生じ
ていたが、この不具合が解消され、聴きやすい合成音声
を生成することが可能となる。
【０１６６】尚、本発明は前述の実施形態に限定される
ものではなく、本発明の趣旨に基づいて種々変形させる
ことが可能である。
ものではなく、本発明の趣旨に基づいて種々変形させる
ことが可能である。
【０１６７】例えば、第１〜第４の実施形態において、
ユーザからの抑揚制御指定がない場合は実施形態で詳細
に述べている抑揚制御処理は一切行う必要はない。この
場合、従来技術の項目で示したようにスイッチで切り替
えられる機能を有することが望ましい。本発明において
はスイッチの説明を省略している。
ユーザからの抑揚制御指定がない場合は実施形態で詳細
に述べている抑揚制御処理は一切行う必要はない。この
場合、従来技術の項目で示したようにスイッチで切り替
えられる機能を有することが望ましい。本発明において
はスイッチの説明を省略している。
【０１６８】また、点ピッチを求める際に数量化Ｉ類と
いった統計的手法を用いているが、これに限るものでは
ない。本発明においては、点ピッチが算出された後の抑
揚修正方法に主題を置いているため、その単語のアクセ
ント型やモーラ数に応じてあらかじめ規則化された点ピ
ッチを用いる方法やその他の手法を用いても構わない。
いった統計的手法を用いているが、これに限るものでは
ない。本発明においては、点ピッチが算出された後の抑
揚修正方法に主題を置いているため、その単語のアクセ
ント型やモーラ数に応じてあらかじめ規則化された点ピ
ッチを用いる方法やその他の手法を用いても構わない。
【０１６９】第１の実施形態において、単語先頭母音と
単語終端母音のピッチ周波数の比較の比較を行って、そ
の判定結果によりサブルーチンＡ、またはサブルーチン
Ｂへ処理が移るようになっているが、それぞれのサブル
ーチン内には重複する処理が幾つかあるため、共通のサ
ブルーチンを用いて、内部で処理を切り分ける方法でも
構わない。
単語終端母音のピッチ周波数の比較の比較を行って、そ
の判定結果によりサブルーチンＡ、またはサブルーチン
Ｂへ処理が移るようになっているが、それぞれのサブル
ーチン内には重複する処理が幾つかあるため、共通のサ
ブルーチンを用いて、内部で処理を切り分ける方法でも
構わない。
【０１７０】第２、第４の実施形態において、簡易ピッ
チパタン作成時に、第２音節が従属音かそうでないかを
判定し、従属音であれば第１音節ピッチを高ピッチと判
定しているが、さらに単純化してアクセント型のみで判
定する処理でも構わない。また、「高」「低」の判定は
対象単語のアクセント型情報に基づいて行っているが、
例えば、最大ピッチと最小ピッチの間に閾値を設け、そ
の閾値を上回る音韻を高ピッチ、下回る音韻を低ピッチ
と判定する方法でもよい。
チパタン作成時に、第２音節が従属音かそうでないかを
判定し、従属音であれば第１音節ピッチを高ピッチと判
定しているが、さらに単純化してアクセント型のみで判
定する処理でも構わない。また、「高」「低」の判定は
対象単語のアクセント型情報に基づいて行っているが、
例えば、最大ピッチと最小ピッチの間に閾値を設け、そ
の閾値を上回る音韻を高ピッチ、下回る音韻を低ピッチ
と判定する方法でもよい。
【０１７１】第３の実施形態において、平均ピッチは学
習話者の平均ピッチとしているが特に正確に求める必要
はなく、一般的に適当とされている数値を設定してもよ
い。また当然のことながら、男声音と女性音では平均ピ
ッチは大きく異なるため、合成音の性別に適応して切り
替える必要がある。
習話者の平均ピッチとしているが特に正確に求める必要
はなく、一般的に適当とされている数値を設定してもよ
い。また当然のことながら、男声音と女性音では平均ピ
ッチは大きく異なるため、合成音の性別に適応して切り
替える必要がある。
【０１７２】第４の実施形態において、発声ピッチが最
小ピッチよりも大きく最大ピッチよりも小さい場合に、
高ピッチに対してはｄｐｏｗ／２を加算し、低ピッチに
対してはュｄｐｏｗ／２を加算しているが、同一の値で
ある必要はない。例えば、高ピッチにはｄｐｏｗ／４を
加算し、低ピッチには−ｄｐｏｗ＊３／４という具合に
高ピッチに対する修正値に重きを置いてよい。（ｄｍａ
ｘ−ｄｍｉｎ）が常にｄｐｏｗになればよい。
小ピッチよりも大きく最大ピッチよりも小さい場合に、
高ピッチに対してはｄｐｏｗ／２を加算し、低ピッチに
対してはュｄｐｏｗ／２を加算しているが、同一の値で
ある必要はない。例えば、高ピッチにはｄｐｏｗ／４を
加算し、低ピッチには−ｄｐｏｗ＊３／４という具合に
高ピッチに対する修正値に重きを置いてよい。（ｄｍａ
ｘ−ｄｍｉｎ）が常にｄｐｏｗになればよい。
【０１７３】
【発明の効果】以上詳細に説明したように、第１の発明
によれば、音声素片が登録された素片辞書と、音韻・韻
律記号列に対して少なくとも音声素片・音韻継続時間・
基本周波数の合成パラメータを生成するパラメータ生成
手段と、パラメータ生成手段から生成される合成パラメ
ータに基づいて前記素片辞書を参照しながら波形重畳を
行って合成波形を生成する波形生成手段とを備え、前記
パラメータ生成手段は音韻・韻律記号を利用して複数の
点ピッチを算出し、該複数の点ピッチ間を補間すること
によりピッチパタンを生成するピッチパタン決定手段を
備えたテキスト音声変換装置におけるピッチパタン制御
方法において、前記ピッチパタン決定手段は、単語先頭
に位置する点ピッチと単語終端に位置する点ピッチとを
直線で結んだピッチ傾斜線を超える成分に比例した値を
用いて前記点ピッチパタンを修正する構成としたので、
従来では抑揚を大きくした場合に見られた、単語先頭付
近のピッチが極端に高くなってしまうという不具合が解
消され、聴きやすい合成音声を生成することが可能とな
る。
によれば、音声素片が登録された素片辞書と、音韻・韻
律記号列に対して少なくとも音声素片・音韻継続時間・
基本周波数の合成パラメータを生成するパラメータ生成
手段と、パラメータ生成手段から生成される合成パラメ
ータに基づいて前記素片辞書を参照しながら波形重畳を
行って合成波形を生成する波形生成手段とを備え、前記
パラメータ生成手段は音韻・韻律記号を利用して複数の
点ピッチを算出し、該複数の点ピッチ間を補間すること
によりピッチパタンを生成するピッチパタン決定手段を
備えたテキスト音声変換装置におけるピッチパタン制御
方法において、前記ピッチパタン決定手段は、単語先頭
に位置する点ピッチと単語終端に位置する点ピッチとを
直線で結んだピッチ傾斜線を超える成分に比例した値を
用いて前記点ピッチパタンを修正する構成としたので、
従来では抑揚を大きくした場合に見られた、単語先頭付
近のピッチが極端に高くなってしまうという不具合が解
消され、聴きやすい合成音声を生成することが可能とな
る。
【０１７４】また、第２の発明によれば、音声素片が登
録された素片辞書と、音韻・韻律記号列に対して少なく
とも音声素片・音韻継続時間・基本周波数の合成パラメ
ータを生成するパラメータ生成手段と、パラメータ生成
手段から生成される合成パラメータに基づいて前記素片
辞書を参照しながら波形重畳を行って合成波形を生成す
る波形生成手段とを備え、前記パラメータ生成手段は音
韻・韻律記号を利用して複数の点ピッチを算出し、該複
数の点ピッチ間を補間することによりピッチパタンを生
成するピッチパタン決定手段を備えたテキスト音声変換
装置におけるピッチパタン制御方法において、前記ピッ
チパタン決定手段は、前記点ピッチパタンを高ピッチと
低ピッチとの２値に判定する簡易ピッチパタン生成手段
を備え、単語の点ピッチパタンの最大値と最小値との差
分値に比例した値を用いて前記点ピッチパタンを修正す
る構成としたので、従来技術で発生していた、抑揚修正
と同時に平均ピッチまでも変動してしまうといった不具
合が解消され、聴きやすい合成音声を生成することが可
能となる。また本実施形態においては、アクセント型に
依らず正確な抑揚制御が行えるようになる。
録された素片辞書と、音韻・韻律記号列に対して少なく
とも音声素片・音韻継続時間・基本周波数の合成パラメ
ータを生成するパラメータ生成手段と、パラメータ生成
手段から生成される合成パラメータに基づいて前記素片
辞書を参照しながら波形重畳を行って合成波形を生成す
る波形生成手段とを備え、前記パラメータ生成手段は音
韻・韻律記号を利用して複数の点ピッチを算出し、該複
数の点ピッチ間を補間することによりピッチパタンを生
成するピッチパタン決定手段を備えたテキスト音声変換
装置におけるピッチパタン制御方法において、前記ピッ
チパタン決定手段は、前記点ピッチパタンを高ピッチと
低ピッチとの２値に判定する簡易ピッチパタン生成手段
を備え、単語の点ピッチパタンの最大値と最小値との差
分値に比例した値を用いて前記点ピッチパタンを修正す
る構成としたので、従来技術で発生していた、抑揚修正
と同時に平均ピッチまでも変動してしまうといった不具
合が解消され、聴きやすい合成音声を生成することが可
能となる。また本実施形態においては、アクセント型に
依らず正確な抑揚制御が行えるようになる。
【０１７５】また、第３の発明によれば、音声素片が登
録された素片辞書と、音韻・韻律記号列に対して少なく
とも音声素片・音韻継続時間・基本周波数の合成パラメ
ータを生成するパラメータ生成手段と、パラメータ生成
手段から生成される合成パラメータに基づいて前記素片
辞書を参照しながら波形重畳を行って合成波形を生成す
る波形生成手段とを備え、前記パラメータ生成手段は前
記音韻・韻律記号を利用して複数の点ピッチを算出し、
該複数の点ピッチ間を補間することによりピッチパタン
を生成するピッチパタン決定手段を備えたテキスト音声
変換装置におけるピッチパタン制御方法において、前記
ピッチパタン決定手段は、合成音声の平均ピッチを登録
する登録手段と、前記点ピッチパタンに対してあらかじ
め定められた数値を超える成分に比例した値を用いて修
正を行う一次修正手段と、一次修正が施された後に前記
平均ピッチに比例した値を用いて修正を行う二次修正手
段とを備えた構成としたので、特に文章全体に渡って抑
揚制御を施す場合に、文全体としての平均的なピッチを
変動させないで抑揚制御を施すことが可能であるという
効果がある。また比較的単純な構成で実現できるという
効果もある。
録された素片辞書と、音韻・韻律記号列に対して少なく
とも音声素片・音韻継続時間・基本周波数の合成パラメ
ータを生成するパラメータ生成手段と、パラメータ生成
手段から生成される合成パラメータに基づいて前記素片
辞書を参照しながら波形重畳を行って合成波形を生成す
る波形生成手段とを備え、前記パラメータ生成手段は前
記音韻・韻律記号を利用して複数の点ピッチを算出し、
該複数の点ピッチ間を補間することによりピッチパタン
を生成するピッチパタン決定手段を備えたテキスト音声
変換装置におけるピッチパタン制御方法において、前記
ピッチパタン決定手段は、合成音声の平均ピッチを登録
する登録手段と、前記点ピッチパタンに対してあらかじ
め定められた数値を超える成分に比例した値を用いて修
正を行う一次修正手段と、一次修正が施された後に前記
平均ピッチに比例した値を用いて修正を行う二次修正手
段とを備えた構成としたので、特に文章全体に渡って抑
揚制御を施す場合に、文全体としての平均的なピッチを
変動させないで抑揚制御を施すことが可能であるという
効果がある。また比較的単純な構成で実現できるという
効果もある。
【０１７６】更に、第４の発明によれば、音声素片が登
録された素片辞書と、音韻・韻律記号列に対して少なく
とも音声素片・音韻継続時間・基本周波数の合成パラメ
ータを生成するパラメータ生成手段と、パラメータ生成
手段から生成される合成パラメータに基づいて前記素片
辞書を参照しながら波形重畳を行って合成波形を生成す
る波形生成手段とを備え、前記パラメータ生成手段は前
記音韻・韻律記号を利用して複数の点ピッチを算出し、
該複数の点ピッチ間を補間することによりピッチパタン
を生成するピッチパタン決定手段を備えたテキスト音声
変換装置におけるピッチパタン制御方法において、前記
ピッチパタン決定手段は、音声素片作成時の話者発声ピ
ッチを登録する登録手段と、音韻の最大ピッチと最小ピ
ッチとの差分とユーザにより指定される抑揚制御レベル
に基づいて抑揚修正値を算出する手段と、対象単語の点
ピッチパタンと前記音声素片作成時の話者発声ピッチと
を比較して、その比較結果に基づき前記抑揚修正値を変
更する手段とを備えた構成としたので、発声ピッチより
も高いピッチの単語に対しては低ピッチ音韻のみが修正
され、発声ピッチよりも低いピッチの単語に対しては高
ピッチ音韻のみが修正される。したがって、従来技術に
おいては抑揚制御をおこなったためにピッチが極端に高
く、あるいは低くなることによる音質劣化が生じていた
が、この不具合が解消され、聴きやすい合成音声を生成
することが可能となる。
録された素片辞書と、音韻・韻律記号列に対して少なく
とも音声素片・音韻継続時間・基本周波数の合成パラメ
ータを生成するパラメータ生成手段と、パラメータ生成
手段から生成される合成パラメータに基づいて前記素片
辞書を参照しながら波形重畳を行って合成波形を生成す
る波形生成手段とを備え、前記パラメータ生成手段は前
記音韻・韻律記号を利用して複数の点ピッチを算出し、
該複数の点ピッチ間を補間することによりピッチパタン
を生成するピッチパタン決定手段を備えたテキスト音声
変換装置におけるピッチパタン制御方法において、前記
ピッチパタン決定手段は、音声素片作成時の話者発声ピ
ッチを登録する登録手段と、音韻の最大ピッチと最小ピ
ッチとの差分とユーザにより指定される抑揚制御レベル
に基づいて抑揚修正値を算出する手段と、対象単語の点
ピッチパタンと前記音声素片作成時の話者発声ピッチと
を比較して、その比較結果に基づき前記抑揚修正値を変
更する手段とを備えた構成としたので、発声ピッチより
も高いピッチの単語に対しては低ピッチ音韻のみが修正
され、発声ピッチよりも低いピッチの単語に対しては高
ピッチ音韻のみが修正される。したがって、従来技術に
おいては抑揚制御をおこなったためにピッチが極端に高
く、あるいは低くなることによる音質劣化が生じていた
が、この不具合が解消され、聴きやすい合成音声を生成
することが可能となる。
【図１】本発明の第１の実施形態におけるピッチパタン
決定部の機能ブロック図である。
決定部の機能ブロック図である。
【図２】本発明の第１の実施形態における抑揚制御処理
の説明図である。
の説明図である。
【図３】本発明の第１の実施形態における抑揚制御フロ
ーチャートである。
ーチャートである。
【図４】本発明の第１の実施形態におけるサブルーチン
Ａのフローチャートである。
Ａのフローチャートである。
【図５】本発明の第１の実施形態におけるサブルーチン
Ｂのフローチャートである。
Ｂのフローチャートである。
【図６】本発明の第１の実施形態におけるサブルーチン
Ａの変数の説明図である。
Ａの変数の説明図である。
【図７】本発明の第１の実施形態におけるサブルーチン
Ｂの変数の説明図である。
Ｂの変数の説明図である。
【図８】本発明の第１の実施形態における効果の説明図
である。
である。
【図９】本発明の第２の実施形態におけるピッチパタン
決定部の機能ブロック図である。
決定部の機能ブロック図である。
【図１０】本発明の第２の実施形態における抑揚制御処
理の説明図である。
理の説明図である。
【図１１】本発明の第２の実施形態における抑揚制御フ
ローチャートである。
ローチャートである。
【図１２】本発明の第２の実施形態における最大最小ピ
ッチ探索のフローチャートである。
ッチ探索のフローチャートである。
【図１３】本発明の第２の実施形態における簡易ピッチ
パタン作成フローチャートである。
パタン作成フローチャートである。
【図１４】本発明の第２の実施形態における音韻ピッチ
修正フローチャートである。
修正フローチャートである。
【図１５】本発明の第３の実施形態におけるピッチパタ
ン決定部の機能ブロック図である。
ン決定部の機能ブロック図である。
【図１６】本発明の第３の実施形態における抑揚制御処
理の説明図である。
理の説明図である。
【図１７】本発明の第３の実施形態における抑揚制御フ
ローチャートである。
ローチャートである。
【図１８】本発明の第４の実施形態におけるピッチパタ
ン決定部の機能ブロック図である。
ン決定部の機能ブロック図である。
【図１９】本発明の第４の実施形態における抑揚制御処
理の説明図である。
理の説明図である。
【図２０】本発明の第４の実施形態における抑揚制御フ
ローチャートである。
ローチャートである。
【図２１】テキスト音声変換処理の機能ブロック図であ
る。
る。
【図２２】従来技術におけるパラメータ生成部の機能ブ
ロック図である。
ロック図である。
【図２３】従来技術におけるピッチパタン決定部の機能
ブロック図である。
ブロック図である。
【図２４】従来技術におけるピッチパタン抑揚制御処理
を表わす図である。
を表わす図である。
【図２５】５モーラ単語のアクセントパタンの例を示す
図である。
図である。
６０１ 音韻ピッチ推定部
６０２ 予測テーブル
６０３ ピッチ傾斜算出部
６０４ 抑揚制御対象算出部
６０５ 音韻ピッチ修正部
６０６ ピッチパタン補間部
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 平９−152885（ＪＰ，Ａ)
特開 昭62−133490（ＪＰ，Ａ)
特開 昭62−134694（ＪＰ，Ａ)
特開 平９−198073（ＪＰ，Ａ)
特開 平３−2800（ＪＰ，Ａ)
特開 平９−292897（ＪＰ，Ａ)
深田俊明，他，ＨＭＭ統計情報に基づ
く単語ピッチパターン生成，日本音響学
会平成６年度春季研究発表会講演論文
集，1994年 ３月，２−８−12，ｐ.
229−230
濱上知樹，他，拡張点ピッチモデルに
よる韻律制御，日本音響学会平成６年度
秋季研究発表会講演論文集，1994年10
月，２−５−１，ｐ．267−268
(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 (8)
- 【請求項１】 音声素片が登録された素片辞書と、音韻
・韻律記号列に対して少なくとも音声素片・音韻継続時
間・基本周波数の合成パラメータを生成するパラメータ
生成手段と、パラメータ生成手段から生成される合成パ
ラメータに基づいて前記素片辞書を参照しながら波形重
畳を行って合成波形を生成する波形生成手段とを備え、
前記パラメータ生成手段は音韻・韻律記号を利用して複
数の点ピッチを算出し、該複数の点ピッチ間を補間する
ことによりピッチパタンを生成するピッチパタン決定手
段を備えたテキスト音声合成装置におけるピッチパタン
制御方法において、 前記ピッチパタン決定手段は、前記点ピッチパタンを高
ピッチと低ピッチとの２値に判定する簡易ピッチパタン
生成手段を備え、単語の点ピッチパタンの最大値と最小
値との差分値に比例した値を用いて前記点ピッチパタン
を修正することを特徴とするテキスト音声変換装置にお
けるピッチパタン制御方法。 - 【請求項２】 前記簡易ピッチパタン生成手段は、少な
くとも対象単語のアクセント型情報に基づいて簡易ピッ
チパタンを生成することを特徴とする請求項１記載のテ
キスト音声変換装置におけるピッチパタン制御方法。 - 【請求項３】 前記簡易ピッチパタン生成手段は、第２
音節が従属音であるかどうかの判定を行い、従属音であ
れば第１音節を高ピッチと設定することを特徴とする請
求項１記載のテキスト音声変換装置におけるピッチパタ
ン制御方法。 - 【請求項４】 前記ピッチパタン決定手段は、高ピッチ
に対してはピッチが増加する方向へ修正し、低ピッチに
対してはピッチが減少する方向へ修正を施すことを特徴
とする請求項１記載のテキスト音声変換装置におけるピ
ッチパタン制御方法。 - 【請求項５】 前記ピッチパタン決定手段は、対象単語
の点ピッチと所定の閾値とを比較し、対象単語の点ピッ
チが閾値を上回る場合は低ピッチに対してのみ修正を行
うことを特徴とする請求項１記載のテキスト音声変換装
置におけるピッチパタン制御方法。 - 【請求項６】 前記ピッチパタン決定手段は、対象単語
の点ピッチと所定の閾値とを比較し、対象単語の点ピッ
チが閾値を下回る場合は高ピッチに対してのみ修正を行
うことを特徴とする請求項１記載のテキスト音声変換装
置におけるピッチパタン制御方法。 - 【請求項７】 音声素片が登録された素片辞書と、音韻
・韻律記号列に対して少なくとも音声素片・音韻継続時
間・基本周波数の合成パラメータを生成するパラメータ
生成手段と、パラメータ生成手段から生成される合成パ
ラメータに基づいて前記素片辞書を参照しながら波形重
畳を行って合成波形を生成する波形生成手段とを備え、
前記パラメータ生成手段は前記音韻・韻律記号を利用し
て複数の点ピッチを算出し、該複数の点ピッチ間を補間
することによりピッチパタンを生成するピッチパタン決
定手段を備えたテキスト音声合成装置におけるピッチパ
タン制御方法において、 前記ピッチパタン決定手段は、合成音声の平均ピッチを
登録する登録手段と、前記点ピッチパタンに対してあら
かじめ定められた数値を超える成分に比例した値を用い
て修正を行う一次修正手段と、一次修正が施された後に
前記平均ピッチに比例した値を用いて修正を行う二次修
正手段とを備えたことを特徴とするテキスト音声変換装
置におけるピッチパタン制御方法。 - 【請求項８】 音声素片が登録された素片辞書と、音韻
・韻律記号列に対して少なくとも音声素片・音韻継続時
間・基本周波数の合成パラメータを生成するパラメータ
生成手段と、パラメータ生成手段から生成される合成パ
ラメータに基づいて前記素片辞書を参照しながら波形重
畳を行って合成波形を生成する波形生成手段とを備え、
前記パラメータ生成手段は前記音韻・韻律記号を利用し
て複数の点ピッチを算出し、該複数の点ピッチ間を補間
することによりピッチパタンを生成するピッチパタン決
定手段を備えたテキスト音声変換装置におけるピッチパ
タン制御方法において、 前記ピッチパタン決定手段は、音声素片作成時の話者発
声ピッチを登録する登録手段と、音韻の最大ピッチと最
小ピッチとの差分とユーザにより指定される抑揚制御レ
ベルに基づいて抑揚修正値を算出する手段と、対象単語
の点ピッチパタンと前記音声素片作成時の話者発声ピッ
チとを比較して、その比較結果に基づき前記抑揚修正値
を変更する手段とを備えたことを特徴とするテキスト音
声変換装置におけるピッチパタン制御方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000058821A JP3515039B2 (ja) | 2000-03-03 | 2000-03-03 | テキスト音声変換装置におけるピッチパタン制御方法 |
| US09/752,774 US6625575B2 (en) | 2000-03-03 | 2001-01-03 | Intonation control method for text-to-speech conversion |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000058821A JP3515039B2 (ja) | 2000-03-03 | 2000-03-03 | テキスト音声変換装置におけるピッチパタン制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001249677A JP2001249677A (ja) | 2001-09-14 |
| JP3515039B2 true JP3515039B2 (ja) | 2004-04-05 |
Family
ID=18579358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000058821A Expired - Fee Related JP3515039B2 (ja) | 2000-03-03 | 2000-03-03 | テキスト音声変換装置におけるピッチパタン制御方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6625575B2 (ja) |
| JP (1) | JP3515039B2 (ja) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001077635A1 (en) * | 2000-04-06 | 2001-10-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Estimating the pitch of a speech signal using a binary signal |
| AU2001258298A1 (en) * | 2000-04-06 | 2001-10-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Pitch estimation in speech signal |
| WO2002073595A1 (fr) * | 2001-03-08 | 2002-09-19 | Matsushita Electric Industrial Co., Ltd. | Dispositif generateur de prosodie, procede de generation de prosodie, et programme |
| US7177810B2 (en) * | 2001-04-10 | 2007-02-13 | Sri International | Method and apparatus for performing prosody-based endpointing of a speech signal |
| US20030093280A1 (en) * | 2001-07-13 | 2003-05-15 | Pierre-Yves Oudeyer | Method and apparatus for synthesising an emotion conveyed on a sound |
| SE525796C2 (sv) * | 2002-09-16 | 2005-04-26 | Volvo Technology Corp | Energiomvandlare inrättad så att den anpassar sin uteffekt beroende på den erforderliga lasten |
| US20040102964A1 (en) * | 2002-11-21 | 2004-05-27 | Rapoport Ezra J. | Speech compression using principal component analysis |
| JP2004226505A (ja) * | 2003-01-20 | 2004-08-12 | Toshiba Corp | ピッチパタン生成方法、音声合成方法とシステム及びプログラム |
| JP2004226711A (ja) * | 2003-01-23 | 2004-08-12 | Xanavi Informatics Corp | 音声出力装置及びナビゲーション装置 |
| DE10304229A1 (de) * | 2003-01-28 | 2004-08-05 | Deutsche Telekom Ag | Kommunikationssystem, Kommunikationsendeinrichtung und Vorrichtung zum Erkennen fehlerbehafteter Text-Nachrichten |
| US20040260551A1 (en) * | 2003-06-19 | 2004-12-23 | International Business Machines Corporation | System and method for configuring voice readers using semantic analysis |
| BRPI0413407A (pt) * | 2003-08-26 | 2006-10-10 | Clearplay Inc | método e processador de controle da reprodução de um sinal de áudio |
| US20050075865A1 (en) * | 2003-10-06 | 2005-04-07 | Rapoport Ezra J. | Speech recognition |
| FR2861491B1 (fr) * | 2003-10-24 | 2006-01-06 | Thales Sa | Procede de selection d'unites de synthese |
| US20050102144A1 (en) * | 2003-11-06 | 2005-05-12 | Rapoport Ezra J. | Speech synthesis |
| KR100669241B1 (ko) * | 2004-12-15 | 2007-01-15 | 한국전자통신연구원 | 화행 정보를 이용한 대화체 음성합성 시스템 및 방법 |
| JP2006309162A (ja) * | 2005-03-29 | 2006-11-09 | Toshiba Corp | ピッチパターン生成方法、ピッチパターン生成装置及びプログラム |
| US20070055526A1 (en) * | 2005-08-25 | 2007-03-08 | International Business Machines Corporation | Method, apparatus and computer program product providing prosodic-categorical enhancement to phrase-spliced text-to-speech synthesis |
| TWI277947B (en) * | 2005-09-14 | 2007-04-01 | Delta Electronics Inc | Interactive speech correcting method |
| KR100900438B1 (ko) * | 2006-04-25 | 2009-06-01 | 삼성전자주식회사 | 음성 패킷 복구 장치 및 방법 |
| JP2009042509A (ja) * | 2007-08-09 | 2009-02-26 | Toshiba Corp | アクセント情報抽出装置及びその方法 |
| JP2009047957A (ja) * | 2007-08-21 | 2009-03-05 | Toshiba Corp | ピッチパターン生成方法及びその装置 |
| JP5238205B2 (ja) * | 2007-09-07 | 2013-07-17 | ニュアンス コミュニケーションズ，インコーポレイテッド | 音声合成システム、プログラム及び方法 |
| JP4455633B2 (ja) * | 2007-09-10 | 2010-04-21 | 株式会社東芝 | 基本周波数パターン生成装置、基本周波数パターン生成方法及びプログラム |
| US8321225B1 (en) | 2008-11-14 | 2012-11-27 | Google Inc. | Generating prosodic contours for synthesized speech |
| US9761219B2 (en) * | 2009-04-21 | 2017-09-12 | Creative Technology Ltd | System and method for distributed text-to-speech synthesis and intelligibility |
| CN102237081B (zh) * | 2010-04-30 | 2013-04-24 | 国际商业机器公司 | 语音韵律评估方法与系统 |
| US10019995B1 (en) * | 2011-03-01 | 2018-07-10 | Alice J. Stiebel | Methods and systems for language learning based on a series of pitch patterns |
| CN102214463A (zh) * | 2011-06-01 | 2011-10-12 | 北京宇音天下科技有限公司 | 一种基于自适应加权谱内插系数的嵌入式语音合成方法 |
| CN102231275B (zh) * | 2011-06-01 | 2013-10-16 | 北京宇音天下科技有限公司 | 一种基于加权混合激励的嵌入式语音合成方法 |
| CN103345920B (zh) * | 2013-05-29 | 2015-07-15 | 河海大学常州校区 | 基于Mel-KSVD稀疏表示的自适应内插加权谱模型的语音转换及重构方法 |
| CN105247609B (zh) * | 2013-05-31 | 2019-04-12 | 雅马哈株式会社 | 利用言语合成对话语进行响应的方法及装置 |
| JP6442982B2 (ja) * | 2014-10-28 | 2018-12-26 | 富士通株式会社 | 基本周波数調整装置、方法及びプログラム、並びに、音声合成装置、方法及びプログラム |
| JP6520108B2 (ja) * | 2014-12-22 | 2019-05-29 | カシオ計算機株式会社 | 音声合成装置、方法、およびプログラム |
| JP6561499B2 (ja) * | 2015-03-05 | 2019-08-21 | ヤマハ株式会社 | 音声合成装置および音声合成方法 |
| CN108469966A (zh) * | 2018-03-21 | 2018-08-31 | 北京金山安全软件有限公司 | 语音播报控制方法、装置、智能设备及介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5642466A (en) * | 1993-01-21 | 1997-06-24 | Apple Computer, Inc. | Intonation adjustment in text-to-speech systems |
| US5796916A (en) * | 1993-01-21 | 1998-08-18 | Apple Computer, Inc. | Method and apparatus for prosody for synthetic speech prosody determination |
| JP3242331B2 (ja) * | 1996-09-20 | 2001-12-25 | 松下電器産業株式会社 | Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置 |
| US6226614B1 (en) * | 1997-05-21 | 2001-05-01 | Nippon Telegraph And Telephone Corporation | Method and apparatus for editing/creating synthetic speech message and recording medium with the method recorded thereon |
| US6101470A (en) * | 1998-05-26 | 2000-08-08 | International Business Machines Corporation | Methods for generating pitch and duration contours in a text to speech system |
| JP3180764B2 (ja) * | 1998-06-05 | 2001-06-25 | 日本電気株式会社 | 音声合成装置 |
-
2000
- 2000-03-03 JP JP2000058821A patent/JP3515039B2/ja not_active Expired - Fee Related
-
2001
- 2001-01-03 US US09/752,774 patent/US6625575B2/en not_active Expired - Lifetime
Non-Patent Citations (2)
| Title |
|---|
| 深田俊明，他，ＨＭＭ統計情報に基づく単語ピッチパターン生成，日本音響学会平成６年度春季研究発表会講演論文集，１９９４年 ３月，２−８−１２，ｐ．２２９−２３０ |
| 濱上知樹，他，拡張点ピッチモデルによる韻律制御，日本音響学会平成６年度秋季研究発表会講演論文集，１９９４年１０月，２−５−１，ｐ．２６７−２６８ |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001249677A (ja) | 2001-09-14 |
| US20010021906A1 (en) | 2001-09-13 |
| US6625575B2 (en) | 2003-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3515039B2 (ja) | テキスト音声変換装置におけるピッチパタン制御方法 | |
| JP3913770B2 (ja) | 音声合成装置および方法 | |
| EP1308928A2 (en) | System and method for speech synthesis using a smoothing filter | |
| JP2000305585A (ja) | 音声合成装置 | |
| JPH086592A (ja) | 音声合成方法及び装置 | |
| JP2009047957A (ja) | ピッチパターン生成方法及びその装置 | |
| JP3576840B2 (ja) | 基本周波数パタン生成方法、基本周波数パタン生成装置及びプログラム記録媒体 | |
| US5212731A (en) | Apparatus for providing sentence-final accents in synthesized american english speech | |
| US20020072909A1 (en) | Method and apparatus for producing natural sounding pitch contours in a speech synthesizer | |
| US20110196680A1 (en) | Speech synthesis system | |
| JP3281266B2 (ja) | 音声合成方法及び装置 | |
| JP5874639B2 (ja) | 音声合成装置、音声合成方法及び音声合成プログラム | |
| JP5175422B2 (ja) | 音声合成における時間幅を制御する方法 | |
| JP5106274B2 (ja) | 音声処理装置、音声処理方法及びプログラム | |
| JPH0580791A (ja) | 音声規則合成装置および方法 | |
| JP3771565B2 (ja) | 基本周波数パタン生成装置、基本周波数パタン生成方法、及びプログラム記録媒体 | |
| JPH11249676A (ja) | 音声合成装置 | |
| JP2000310996A (ja) | 音声合成装置および音韻継続時間長の制御方法 | |
| Thippareddy et al. | Prosody transplantation using unit-selection: Principles and early results | |
| WO2013014858A1 (ja) | ピッチパタン生成方法、ピッチパタン生成装置、音声合成装置およびピッチパタン生成プログラム | |
| JP2006084854A (ja) | 音声合成装置、音声合成方法および音声合成プログラム | |
| JP3368948B2 (ja) | 音声規則合成装置 | |
| JP3567477B2 (ja) | 発声変形音声認識装置 | |
| JP3284634B2 (ja) | 規則音声合成装置 | |
| JPH07239698A (ja) | 音声規則合成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040106 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040114 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090123 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090123 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100123 Year of fee payment: 6 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100123 Year of fee payment: 6 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100123 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110123 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120123 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120123 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130123 Year of fee payment: 9 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |