JP4206230B2 - 音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラム - Google Patents
音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラム Download PDFInfo
- Publication number
- JP4206230B2 JP4206230B2 JP2002191819A JP2002191819A JP4206230B2 JP 4206230 B2 JP4206230 B2 JP 4206230B2 JP 2002191819 A JP2002191819 A JP 2002191819A JP 2002191819 A JP2002191819 A JP 2002191819A JP 4206230 B2 JP4206230 B2 JP 4206230B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- data
- speech synthesis
- synthesis
- database
- 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
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、音声合成に使用される音声合成用データの削減に関する。
【０００２】
【従来の技術】
従来、音声合成の方法（装置）には、例えば、次に示すものがある。
（１）音声合成方法（特開平２−４７７００号公報）
この公報で公開されている音声合成装置には、単位音声（音素または単語）の発話時間が記録された音声データからなる音声データベースが備えられており、この音声合成装置は、当該装置に入力された文章を単位音声に分解した後、分解した単位音声毎に音声データベースの探索を実行し、得られた音声合成用データに対し、音韻および音律の補正を実行して音声合成を行うものである。
【０００３】
（２）自然発話音声波形信号接続型音声合成装置（特開平１０−４９１９３号公報）
この公報で公開されている音声合成装置には、音素の発話時間が記録された音声データベースが備えられており、この音声合成装置は、当該装置に入力された文章を音素列に分解した後、分解した音素列の音素単位で音声データベースの探索を実行し音声合成を行うものである。
【０００４】
【発明が解決しようとする課題】
しかしながら、従来の音声合成装置では、どのような単位音声（音素または単語）を保持している音声データベースなのかが明示されていなかった。また、いずれの音声合成装置も音声データベースのデータ量が多くなると、音声合成の候補となる音声合成用データ数が増大し、探索時間が膨大となり、処理速度が低下してしまうという問題がある。
【０００５】
そこで、本発明の目的は前記した従来の技術が有する課題を解消し、音声データベースが保持している単位音声を明確にすると共に、音声合成する際の処理速度を向上させるために音声データベースを小容量に保持することができる音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラムを提供することにある。
【０００６】
【課題を解決するための手段】
前記した目的を達成するため、以下に示す構成とした。
請求項１に記載の音声合成用データ削減方法は、音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減する音声合成用データ削減方法であって、前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録ステップと、予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減ステップと、を含み、前記使用頻度記録ステップにおいて、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする。
【０００７】
この方法によれば、使用頻度記録ステップにおいて、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録される。そして、音声合成用データ削減ステップにおいて、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。なお、合成音声用データは、音素および単語からなるもので、音声合成する際の最小単位である。また、予め設定した使用頻度閾値は、任意に設定可能な数値であり、例えば、この使用頻度閾値を音声合成装置の使用回数に基づいて想定すると、「使用回数５０回 使用頻度閾値１」、つまり、５０回音声合成を実行しても一度も使用しない音声合成用データを削減の対象に設定することができる。また、この音声合成用データ削減方法は、音声合成装置における音声合成する方法を問わず、当該装置等に少なくとも音声データベースが存在していれば適用可能なものである。なお、音声データベースには音声合成用データからなる複数の文章が記憶されており、これらの文章それぞれについて、使用頻度記録ステップにて、音声データベース中に記憶されているそれ以外の文章に含まれる音声合成用データを使用して音声合成した場合の音声合成用データの使用頻度が記録され、音声合成用データ削減ステップにて、予め設定した使用頻度閾値より使用頻度が低い音声合成用データが削減される。
【０００８】
請求項２に記載の音声合成用データ削減装置は、音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減する音声合成用データ削減装置であって、前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録手段と、予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減手段と、を備え、前記使用頻度記録手段において、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする。
【０００９】
かかる構成によれば、使用頻度記録手段で、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録される。そして、音声合成用データ削減手段で、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。なお、音声データベースには音声合成用データからなる複数の文章が記憶されており、これらの文章それぞれについて、使用頻度記録手段で、音声データベース中に記憶されているそれ以外の文章に含まれる音声合成用データを使用して音声合成した場合の音声合成用データの使用頻度が記録され、音声合成用データ削減手段で、予め設定した使用頻度閾値より使用頻度が低い音声合成用データが削減される。
【００１０】
請求項３に記載の音声合成用データ削減プログラムは、音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減するために、コンピュータを、音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録手段、予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減手段、として機能させ、前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、前記使用頻度記録手段において、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする。
【００１１】
かかる構成によれば、使用頻度記録手段で、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録される。そして、音声合成用データ削減手段で、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。なお、音声データベースには音声合成用データからなる複数の文章が記憶されており、これらの文章それぞれについて、使用頻度記録手段で、音声データベース中に記憶されているそれ以外の文章に含まれる音声合成用データを使用して音声合成した場合の音声合成用データの使用頻度が記録され、音声合成用データ削減手段で、予め設定した使用頻度閾値より使用頻度が低い音声合成用データが削減される。
【００１８】
【発明の実施の形態】
以下、本発明の一実施の形態について、図面を参照して詳細に説明する。
（音声合成用データ削減装置の構成）
図１は、音声合成用データ削減システムのブロック図である。この図１に示すように、音声合成用データ削減システムは、音声合成用データ削減装置１と音声合成装置２とからなり、音声合成用データ削減装置１は、入出力部３と、合成用データ使用頻度記録部５と、合成用データ削減部７と、記録部９とを備えている。
【００１９】
音声合成装置２は、音声データベース４を備えており、入力されたテキストデータから音声データ列（音声合成結果）を出力するものである。この音声合成装置２の音声データベース４で保持されている単位音声（音声合成用データ）は、「単語」を基盤としており、この実施の形態では、複数の単語からなる「文章」がデータベースの構成単位となっている。そして、各文章には「文番号」が付されており、各単語の発話時間が記憶されている。なお、当該音声合成装置２の他の構成について、例えば、音声合成の仕方については、本発明と直接関係がないので、図示及び説明を省略する。
【００２０】
音声合成用データ削減装置１は、音声合成装置２において音声合成される度に利用される音声データベース４のデータ量、すなわち、音声合成用データ（単語）を削減するためのもので、この音声合成用データ削減装置１によって音声データベース４のデータ量を減少させることで、音声合成する際の音声合成候補（単語の候補）の探索時間を大幅に短縮させることができるものである。
【００２１】
入出力部３は、音声合成装置２と情報（後記する合成用データ使用頻度情報、合成用データ削減情報）を送受信するためのものである。なお、この入出力部３は、インターネット等の通信回線網（図示を省略）を介して情報の送受信が行えるように構成されている。
【００２２】
合成用データ使用頻度記録部５は、音声合成装置２の音声データベース４で音声合成する度に使用された単位音声（音声合成用データ）の使用頻度に関する情報である合成用データ使用頻度情報を記録部９に記録するものである。つまり、この合成用データ使用頻度記録部５は、音声合成装置２で音声合成された場合に、合成用データ使用頻度情報を音声合成装置２から取得するものであるといえる。
【００２３】
この合成用データ使用頻度記録部５では、例えば、音声合成装置２において音声データベース削減用のテストセット（頻繁に音声合成されるテキストデータ）を用意しておき、このテストセットの文章（テキストデータ）が入力された際の音声合成した結果（合成用データ使用頻度情報）が記録される。この実施の形態では、音声合成装置２の音声データベース４の構成単位が文章であるので、この合成用データ使用頻度情報は、どの文章のどの単語が使用されたかが記録されている。
【００２４】
また、この合成用データ使用頻度記録部５は、音声合成装置２の音声データベース４中の音声合成用データが文章単位で記録されている場合には、一つの文章をその文章以外の他の文章で音声合成した場合の音声合成用データの使用頻度に関する情報である合成用データ使用頻度情報が記録部９に記録される。この合成用データ使用頻度記録部５が請求項に記載した音声合成用データ使用頻度記録手段に相当するものである。
【００２５】
合成用データ削減部７は、合成用データ使用頻度記録部５で記録部９に記録された合成用データ使用頻度情報を使用頻度閾値（合計使用頻度閾値）と比較して、この使用頻度閾値（合計使用頻度閾値）よりも小さい場合に、この合成用データ使用頻度情報に含まれている音声合成用データを削減するための情報である合成用データ削減情報を、入出力部３を介して音声合成装置２に出力するものである。この合成用データ削減情報を受信した音声合成装置２では、音声データベース４中の該当する音声合成用データが削減される。この合成用データ削減部７が請求項に記載した音声合成用データ削減手段に相当するものである。
【００２６】
なお、使用頻度閾値は、予め任意に設定可能な数値であり、例えば、この使用頻度閾値を音声合成装置の使用回数に基づいて想定すると、「使用回数５０ 使用頻度閾値１」、つまり、５０回音声合成を実行しても一度も使用しない音声合成用データを削減の対象に設定することができる。
【００２７】
また、合計使用頻度閾値は、音声合成装置２の音声データベース４中の合成用データが文章単位で記録されている場合に、一つの文章をその文章以外の他の文章に含まれる音声合成用データで音声合成した場合の音声合成用データの使用頻度に関する情報である合成用データ使用頻度情報と比較するためのものである。
【００２８】
記録部９は、一般的なハードディスク等によって構成されており、合成用データ使用頻度情報と、使用頻度閾値（合計使用頻度閾値）とを記録するものである。なお、合成用データ使用頻度情報は、この記録部９において、各音声合成用データに設定されているデータ使用頻度に数値を加算していく形式（１回使用されれば＋１）で更新される。
【００２９】
この音声合成用データ削減装置１によれば、合成用データ使用頻度記録部５で、音声合成装置２で音声合成が行われる度に、当該装置２に内在している音声データベース４中の音声合成用データの使用頻度が記録される。そして、合成用データ削減部７で、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。このため、音声合成装置２の音声データベース４で保持されている単位音声（音声合成用データ）が単語である場合に、音声合成する際に利用される音声データベース４中で、使用頻度の低い音声合成用データ（単語）を適宜削除することで、音声データベース４をコンパクトに（小容量に）維持することができ、音声合成装置２で音声合成する際の処理速度を向上させることができる。
【００３０】
音声合成装置２の音声データベース４には音声合成用データ（単語）からなる複数の文章が記憶されており、これらの文章それぞれについて、合成用データ使用頻度記録部５で、音声データベース４中に記憶されているそれ以外の文章を使用して音声合成した場合の音声合成用データの使用頻度が記録され、合成用データ削減部７で、予め設定した合計使用頻度閾値より使用頻度が低い音声合成用データが削減される。このため、音声データベース４の一つの文章中の音声合成用データ（単語）が他の文章を使用して音声合成することで使用頻度が記録され、使用頻度が低い場合には削除されるので、自動的に（自己学習的に）音声データベース４のデータ量を小容量に維持することができ、音声合成装置２で音声合成する際の処理速度を向上させることができる。
【００３１】
（音声合成用データ削減装置の動作）
次に、図２に示すフローチャートを参照して音声合成用データ削減装置１の動作を説明する（適宜図１参照）。
まず、入出力部３で合成用データ使用頻度情報が入力される（Ｓ１）。この音声合成用データ削減装置１の動作の説明では、一定期間、音声合成装置２において音声合成が実行されて、音声合成装置２で保持され合成用データ使用頻度情報が定期的に音声合成用データ削減装置１に入力されるものとしている。そして、入出力部３から合成用データ使用頻度記録部５に合成用データ使用頻度情報が出力されると、合成用データ使用頻度記録部５で、合成用データ使用頻度情報が記録部９に記録される（Ｓ２）。
【００３２】
そして、合成用データ削減部７で、合成用データ使用頻度情報と使用頻度閾値とが比較され、合成用データ使用頻度情報（図２中、使用頻度）が使用頻度閾値未満であるかどうかが判断される（Ｓ３）。合成用データ使用頻度情報が使用頻度閾値未満であると判断された場合（Ｓ３、Ｙｅｓ）には、入出力部３に合成用データ削減情報が出力され、入出力部３から音声合成装置２に出力される（Ｓ４）。その後、音声合成用データ削減装置１の動作が終了される。合成用データ使用頻度情報が使用頻度閾値未満であると判断されない場合（Ｓ３、Ｎｏ）は、そのまま音声合成用データ削減装置１の動作が終了される。
【００３３】
（音声合成用データ削減装置の具体的な音声合成用データ削減例）
次に、具体的に、音声合成用データ削減システムで、音声合成用データの削減を実行（運用）した場合について説明する。
実際の運用例では、音声合成装置２に、テキストデータの文章として「音声データベース削減用テストセット」を入力し、音声合成を行う。この「音声データベース削減用テストセット」は、報道番組等で頻繁に音声合成されるテキストデータの中から無作為抽出した数十種類の文章（テキストデータ）である。つまり、この「音声データベース削減用テストセット」が入力された際に使用される音声データベース４中の音声合成用データ（単語）は、通常の日本語を音声合成する際にも、頻繁に使用される可能性が高いものである。
【００３４】
まず、音声合成装置２で「音声データベース削減用テストセット」が入力されると、音声合成が実行され、音声合成用データ削減装置１の合成用データ使用頻度記録部５で、音声合成装置２の音声データベース４中のどの文章のどの単語が使用されたかが、合成用データ使用頻度情報によって得られ、記録部９に記録される。
【００３５】
例えば、「音声データベース削減用テストセット」として、「〈文頭〉次のニュースです〈文末〉」が入力されたときに、
「〈文頭〉次の」・・・文番号５０の０ｍｓ〜１０００ｍｓ
「ニュース」・・・文番号８の２１２５ｍｓ〜２８４０ｍｓ
「です〈文末〉」・・・文番号３２の１５００ｍｓ〜２０００ｍｓ
が使用されたとする（合成用データ使用頻度情報に含まれたデータとする）。
【００３６】
この時に、合成用データ使用頻度記録部５では、“文番号５０の「〈文頭〉」、「次」”、“文番号８の「ニュース」”、“文番号３２の「です〈文末〉」”のデータ使用頻度（記録部９）にそれぞれ１をプラスする。以降、次のテストセット（文章）が入力される毎に、合成用データ使用頻度記録部５では、使用された単語のデータ使用頻度に＋１していく。全てのテストセットが終了したらデータ使用頻度が低いもの、すなわち、使用頻度閾値に満たないものが合成用データ削減部７によって削減される。
【００３７】
この具体的な例によれば、「音声データベース削減用テストセット」によって生成される合成用データ使用頻度情報に基づいて、音声合成用データ削減装置１で音声合成用データが削減された音声データベース４は、音声データベースのバリエーション、すなわち、合成される日本語のバリエーションの幅が狭まるが、データ量がコンパクト（小容量）に抑えられると共に、音声合成する際の処理速度を向上させることができる。
【００３８】
以上、一実施形態に基づいて本発明を説明したが、本発明はこれに限定されるものではない。
例えば、音声合成用データ削減装置１の各構成の処理を一つずつの工程と捉えた音声合成用データ削減方法とみなすことや、各構成の処理を汎用的なコンピュータ言語で記述した音声合成用データ削減プログラムとみなすことができる。これらの場合、音声合成用データ削減装置１と同様の効果を得ることができる。
【００３９】
【発明の効果】
請求項１、２、３に記載の発明によれば、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録され、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。このため、音声合成装置等の音声データベースで保持されている単位音声が単語である場合に、音声合成する際に利用される音声データベース中で、使用頻度の低い音声合成用データを適宜削除することで、音声データベースを小容量に維持することができ、音声合成装置で音声合成する際の処理速度を向上させることができる。そして、音声データベースには音声合成用データ（単語）からなる複数の文章が記憶されている場合、これらの文章それぞれについて、音声データベース中に記憶されているそれ以外の文章を使用して音声合成した場合の音声合成用データの使用頻度が記録され、予め設定した合計使用頻度閾値より使用頻度が低い音声合成用データが削減される。このため、音声データベースの一つの文章中の音声合成用データが他の文章を使用して音声合成することで使用頻度が記録され、使用頻度が低い場合には削除されるので、自動的に（自己学習的に）音声データベースのデータ量を小容量に維持することができ、音声合成装置で音声合成する際の処理速度を向上させることができる。
【図面の簡単な説明】
【図１】本発明による一実施の形態である音声合成用データ削減システムを図示したブロック図である。
【図２】図１に示した音声合成用データ削減装置の動作を説明したフローチャートである。
【符号の説明】
１ 音声合成用データ削減装置
２ 音声合成装置
３ 入出力部
４ 音声データベース
５ 合成用データ使用頻度記録部
７ 合成用データ削減部
９ 記録部
【発明の属する技術分野】
本発明は、音声合成に使用される音声合成用データの削減に関する。
【０００２】
【従来の技術】
従来、音声合成の方法（装置）には、例えば、次に示すものがある。
（１）音声合成方法（特開平２−４７７００号公報）
この公報で公開されている音声合成装置には、単位音声（音素または単語）の発話時間が記録された音声データからなる音声データベースが備えられており、この音声合成装置は、当該装置に入力された文章を単位音声に分解した後、分解した単位音声毎に音声データベースの探索を実行し、得られた音声合成用データに対し、音韻および音律の補正を実行して音声合成を行うものである。
【０００３】
（２）自然発話音声波形信号接続型音声合成装置（特開平１０−４９１９３号公報）
この公報で公開されている音声合成装置には、音素の発話時間が記録された音声データベースが備えられており、この音声合成装置は、当該装置に入力された文章を音素列に分解した後、分解した音素列の音素単位で音声データベースの探索を実行し音声合成を行うものである。
【０００４】
【発明が解決しようとする課題】
しかしながら、従来の音声合成装置では、どのような単位音声（音素または単語）を保持している音声データベースなのかが明示されていなかった。また、いずれの音声合成装置も音声データベースのデータ量が多くなると、音声合成の候補となる音声合成用データ数が増大し、探索時間が膨大となり、処理速度が低下してしまうという問題がある。
【０００５】
そこで、本発明の目的は前記した従来の技術が有する課題を解消し、音声データベースが保持している単位音声を明確にすると共に、音声合成する際の処理速度を向上させるために音声データベースを小容量に保持することができる音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラムを提供することにある。
【０００６】
【課題を解決するための手段】
前記した目的を達成するため、以下に示す構成とした。
請求項１に記載の音声合成用データ削減方法は、音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減する音声合成用データ削減方法であって、前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録ステップと、予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減ステップと、を含み、前記使用頻度記録ステップにおいて、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする。
【０００７】
この方法によれば、使用頻度記録ステップにおいて、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録される。そして、音声合成用データ削減ステップにおいて、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。なお、合成音声用データは、音素および単語からなるもので、音声合成する際の最小単位である。また、予め設定した使用頻度閾値は、任意に設定可能な数値であり、例えば、この使用頻度閾値を音声合成装置の使用回数に基づいて想定すると、「使用回数５０回 使用頻度閾値１」、つまり、５０回音声合成を実行しても一度も使用しない音声合成用データを削減の対象に設定することができる。また、この音声合成用データ削減方法は、音声合成装置における音声合成する方法を問わず、当該装置等に少なくとも音声データベースが存在していれば適用可能なものである。なお、音声データベースには音声合成用データからなる複数の文章が記憶されており、これらの文章それぞれについて、使用頻度記録ステップにて、音声データベース中に記憶されているそれ以外の文章に含まれる音声合成用データを使用して音声合成した場合の音声合成用データの使用頻度が記録され、音声合成用データ削減ステップにて、予め設定した使用頻度閾値より使用頻度が低い音声合成用データが削減される。
【０００８】
請求項２に記載の音声合成用データ削減装置は、音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減する音声合成用データ削減装置であって、前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録手段と、予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減手段と、を備え、前記使用頻度記録手段において、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする。
【０００９】
かかる構成によれば、使用頻度記録手段で、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録される。そして、音声合成用データ削減手段で、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。なお、音声データベースには音声合成用データからなる複数の文章が記憶されており、これらの文章それぞれについて、使用頻度記録手段で、音声データベース中に記憶されているそれ以外の文章に含まれる音声合成用データを使用して音声合成した場合の音声合成用データの使用頻度が記録され、音声合成用データ削減手段で、予め設定した使用頻度閾値より使用頻度が低い音声合成用データが削減される。
【００１０】
請求項３に記載の音声合成用データ削減プログラムは、音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減するために、コンピュータを、音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録手段、予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減手段、として機能させ、前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、前記使用頻度記録手段において、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする。
【００１１】
かかる構成によれば、使用頻度記録手段で、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録される。そして、音声合成用データ削減手段で、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。なお、音声データベースには音声合成用データからなる複数の文章が記憶されており、これらの文章それぞれについて、使用頻度記録手段で、音声データベース中に記憶されているそれ以外の文章に含まれる音声合成用データを使用して音声合成した場合の音声合成用データの使用頻度が記録され、音声合成用データ削減手段で、予め設定した使用頻度閾値より使用頻度が低い音声合成用データが削減される。
【００１８】
【発明の実施の形態】
以下、本発明の一実施の形態について、図面を参照して詳細に説明する。
（音声合成用データ削減装置の構成）
図１は、音声合成用データ削減システムのブロック図である。この図１に示すように、音声合成用データ削減システムは、音声合成用データ削減装置１と音声合成装置２とからなり、音声合成用データ削減装置１は、入出力部３と、合成用データ使用頻度記録部５と、合成用データ削減部７と、記録部９とを備えている。
【００１９】
音声合成装置２は、音声データベース４を備えており、入力されたテキストデータから音声データ列（音声合成結果）を出力するものである。この音声合成装置２の音声データベース４で保持されている単位音声（音声合成用データ）は、「単語」を基盤としており、この実施の形態では、複数の単語からなる「文章」がデータベースの構成単位となっている。そして、各文章には「文番号」が付されており、各単語の発話時間が記憶されている。なお、当該音声合成装置２の他の構成について、例えば、音声合成の仕方については、本発明と直接関係がないので、図示及び説明を省略する。
【００２０】
音声合成用データ削減装置１は、音声合成装置２において音声合成される度に利用される音声データベース４のデータ量、すなわち、音声合成用データ（単語）を削減するためのもので、この音声合成用データ削減装置１によって音声データベース４のデータ量を減少させることで、音声合成する際の音声合成候補（単語の候補）の探索時間を大幅に短縮させることができるものである。
【００２１】
入出力部３は、音声合成装置２と情報（後記する合成用データ使用頻度情報、合成用データ削減情報）を送受信するためのものである。なお、この入出力部３は、インターネット等の通信回線網（図示を省略）を介して情報の送受信が行えるように構成されている。
【００２２】
合成用データ使用頻度記録部５は、音声合成装置２の音声データベース４で音声合成する度に使用された単位音声（音声合成用データ）の使用頻度に関する情報である合成用データ使用頻度情報を記録部９に記録するものである。つまり、この合成用データ使用頻度記録部５は、音声合成装置２で音声合成された場合に、合成用データ使用頻度情報を音声合成装置２から取得するものであるといえる。
【００２３】
この合成用データ使用頻度記録部５では、例えば、音声合成装置２において音声データベース削減用のテストセット（頻繁に音声合成されるテキストデータ）を用意しておき、このテストセットの文章（テキストデータ）が入力された際の音声合成した結果（合成用データ使用頻度情報）が記録される。この実施の形態では、音声合成装置２の音声データベース４の構成単位が文章であるので、この合成用データ使用頻度情報は、どの文章のどの単語が使用されたかが記録されている。
【００２４】
また、この合成用データ使用頻度記録部５は、音声合成装置２の音声データベース４中の音声合成用データが文章単位で記録されている場合には、一つの文章をその文章以外の他の文章で音声合成した場合の音声合成用データの使用頻度に関する情報である合成用データ使用頻度情報が記録部９に記録される。この合成用データ使用頻度記録部５が請求項に記載した音声合成用データ使用頻度記録手段に相当するものである。
【００２５】
合成用データ削減部７は、合成用データ使用頻度記録部５で記録部９に記録された合成用データ使用頻度情報を使用頻度閾値（合計使用頻度閾値）と比較して、この使用頻度閾値（合計使用頻度閾値）よりも小さい場合に、この合成用データ使用頻度情報に含まれている音声合成用データを削減するための情報である合成用データ削減情報を、入出力部３を介して音声合成装置２に出力するものである。この合成用データ削減情報を受信した音声合成装置２では、音声データベース４中の該当する音声合成用データが削減される。この合成用データ削減部７が請求項に記載した音声合成用データ削減手段に相当するものである。
【００２６】
なお、使用頻度閾値は、予め任意に設定可能な数値であり、例えば、この使用頻度閾値を音声合成装置の使用回数に基づいて想定すると、「使用回数５０ 使用頻度閾値１」、つまり、５０回音声合成を実行しても一度も使用しない音声合成用データを削減の対象に設定することができる。
【００２７】
また、合計使用頻度閾値は、音声合成装置２の音声データベース４中の合成用データが文章単位で記録されている場合に、一つの文章をその文章以外の他の文章に含まれる音声合成用データで音声合成した場合の音声合成用データの使用頻度に関する情報である合成用データ使用頻度情報と比較するためのものである。
【００２８】
記録部９は、一般的なハードディスク等によって構成されており、合成用データ使用頻度情報と、使用頻度閾値（合計使用頻度閾値）とを記録するものである。なお、合成用データ使用頻度情報は、この記録部９において、各音声合成用データに設定されているデータ使用頻度に数値を加算していく形式（１回使用されれば＋１）で更新される。
【００２９】
この音声合成用データ削減装置１によれば、合成用データ使用頻度記録部５で、音声合成装置２で音声合成が行われる度に、当該装置２に内在している音声データベース４中の音声合成用データの使用頻度が記録される。そして、合成用データ削減部７で、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。このため、音声合成装置２の音声データベース４で保持されている単位音声（音声合成用データ）が単語である場合に、音声合成する際に利用される音声データベース４中で、使用頻度の低い音声合成用データ（単語）を適宜削除することで、音声データベース４をコンパクトに（小容量に）維持することができ、音声合成装置２で音声合成する際の処理速度を向上させることができる。
【００３０】
音声合成装置２の音声データベース４には音声合成用データ（単語）からなる複数の文章が記憶されており、これらの文章それぞれについて、合成用データ使用頻度記録部５で、音声データベース４中に記憶されているそれ以外の文章を使用して音声合成した場合の音声合成用データの使用頻度が記録され、合成用データ削減部７で、予め設定した合計使用頻度閾値より使用頻度が低い音声合成用データが削減される。このため、音声データベース４の一つの文章中の音声合成用データ（単語）が他の文章を使用して音声合成することで使用頻度が記録され、使用頻度が低い場合には削除されるので、自動的に（自己学習的に）音声データベース４のデータ量を小容量に維持することができ、音声合成装置２で音声合成する際の処理速度を向上させることができる。
【００３１】
（音声合成用データ削減装置の動作）
次に、図２に示すフローチャートを参照して音声合成用データ削減装置１の動作を説明する（適宜図１参照）。
まず、入出力部３で合成用データ使用頻度情報が入力される（Ｓ１）。この音声合成用データ削減装置１の動作の説明では、一定期間、音声合成装置２において音声合成が実行されて、音声合成装置２で保持され合成用データ使用頻度情報が定期的に音声合成用データ削減装置１に入力されるものとしている。そして、入出力部３から合成用データ使用頻度記録部５に合成用データ使用頻度情報が出力されると、合成用データ使用頻度記録部５で、合成用データ使用頻度情報が記録部９に記録される（Ｓ２）。
【００３２】
そして、合成用データ削減部７で、合成用データ使用頻度情報と使用頻度閾値とが比較され、合成用データ使用頻度情報（図２中、使用頻度）が使用頻度閾値未満であるかどうかが判断される（Ｓ３）。合成用データ使用頻度情報が使用頻度閾値未満であると判断された場合（Ｓ３、Ｙｅｓ）には、入出力部３に合成用データ削減情報が出力され、入出力部３から音声合成装置２に出力される（Ｓ４）。その後、音声合成用データ削減装置１の動作が終了される。合成用データ使用頻度情報が使用頻度閾値未満であると判断されない場合（Ｓ３、Ｎｏ）は、そのまま音声合成用データ削減装置１の動作が終了される。
【００３３】
（音声合成用データ削減装置の具体的な音声合成用データ削減例）
次に、具体的に、音声合成用データ削減システムで、音声合成用データの削減を実行（運用）した場合について説明する。
実際の運用例では、音声合成装置２に、テキストデータの文章として「音声データベース削減用テストセット」を入力し、音声合成を行う。この「音声データベース削減用テストセット」は、報道番組等で頻繁に音声合成されるテキストデータの中から無作為抽出した数十種類の文章（テキストデータ）である。つまり、この「音声データベース削減用テストセット」が入力された際に使用される音声データベース４中の音声合成用データ（単語）は、通常の日本語を音声合成する際にも、頻繁に使用される可能性が高いものである。
【００３４】
まず、音声合成装置２で「音声データベース削減用テストセット」が入力されると、音声合成が実行され、音声合成用データ削減装置１の合成用データ使用頻度記録部５で、音声合成装置２の音声データベース４中のどの文章のどの単語が使用されたかが、合成用データ使用頻度情報によって得られ、記録部９に記録される。
【００３５】
例えば、「音声データベース削減用テストセット」として、「〈文頭〉次のニュースです〈文末〉」が入力されたときに、
「〈文頭〉次の」・・・文番号５０の０ｍｓ〜１０００ｍｓ
「ニュース」・・・文番号８の２１２５ｍｓ〜２８４０ｍｓ
「です〈文末〉」・・・文番号３２の１５００ｍｓ〜２０００ｍｓ
が使用されたとする（合成用データ使用頻度情報に含まれたデータとする）。
【００３６】
この時に、合成用データ使用頻度記録部５では、“文番号５０の「〈文頭〉」、「次」”、“文番号８の「ニュース」”、“文番号３２の「です〈文末〉」”のデータ使用頻度（記録部９）にそれぞれ１をプラスする。以降、次のテストセット（文章）が入力される毎に、合成用データ使用頻度記録部５では、使用された単語のデータ使用頻度に＋１していく。全てのテストセットが終了したらデータ使用頻度が低いもの、すなわち、使用頻度閾値に満たないものが合成用データ削減部７によって削減される。
【００３７】
この具体的な例によれば、「音声データベース削減用テストセット」によって生成される合成用データ使用頻度情報に基づいて、音声合成用データ削減装置１で音声合成用データが削減された音声データベース４は、音声データベースのバリエーション、すなわち、合成される日本語のバリエーションの幅が狭まるが、データ量がコンパクト（小容量）に抑えられると共に、音声合成する際の処理速度を向上させることができる。
【００３８】
以上、一実施形態に基づいて本発明を説明したが、本発明はこれに限定されるものではない。
例えば、音声合成用データ削減装置１の各構成の処理を一つずつの工程と捉えた音声合成用データ削減方法とみなすことや、各構成の処理を汎用的なコンピュータ言語で記述した音声合成用データ削減プログラムとみなすことができる。これらの場合、音声合成用データ削減装置１と同様の効果を得ることができる。
【００３９】
【発明の効果】
請求項１、２、３に記載の発明によれば、音声合成装置等で音声合成が行われる度に、当該装置等に内在している音声データベース中の音声合成用データの使用頻度が記録され、予め設定した使用頻度閾値よりも使用頻度の低い音声合成用データが削減される。このため、音声合成装置等の音声データベースで保持されている単位音声が単語である場合に、音声合成する際に利用される音声データベース中で、使用頻度の低い音声合成用データを適宜削除することで、音声データベースを小容量に維持することができ、音声合成装置で音声合成する際の処理速度を向上させることができる。そして、音声データベースには音声合成用データ（単語）からなる複数の文章が記憶されている場合、これらの文章それぞれについて、音声データベース中に記憶されているそれ以外の文章を使用して音声合成した場合の音声合成用データの使用頻度が記録され、予め設定した合計使用頻度閾値より使用頻度が低い音声合成用データが削減される。このため、音声データベースの一つの文章中の音声合成用データが他の文章を使用して音声合成することで使用頻度が記録され、使用頻度が低い場合には削除されるので、自動的に（自己学習的に）音声データベースのデータ量を小容量に維持することができ、音声合成装置で音声合成する際の処理速度を向上させることができる。
【図面の簡単な説明】
【図１】本発明による一実施の形態である音声合成用データ削減システムを図示したブロック図である。
【図２】図１に示した音声合成用データ削減装置の動作を説明したフローチャートである。
【符号の説明】
１ 音声合成用データ削減装置
２ 音声合成装置
３ 入出力部
４ 音声データベース
５ 合成用データ使用頻度記録部
７ 合成用データ削減部
９ 記録部
Claims (3)
- 音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減する音声合成用データ削減方法であって、
前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、
音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録ステップと、
予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減ステップと、を含み、
前記使用頻度記録ステップにおいて、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする音声合成用データ削減方法。 - 音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減する音声合成用データ削減装置であって、
前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、
音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録手段と、
予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減手段と、を備え、
前記使用頻度記録手段において、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする音声合成用データ削減装置。 - 音声合成を行う際に使用される、音素および単語の発話時間が記録された音声データベース中における使用頻度の低い、音素および単語からなる音声合成用データを削減するために、コンピュータを、
音声合成を行う際に使用した音声合成用データの使用頻度を記録する使用頻度記録手段、
予め設定した使用頻度閾値よりも使用頻度が低い音声合成用データを削減する音声合成用データ削減手段、として機能させ、
前記音声データベースが、当該音声データベース中に含まれる音声合成用データからなる文章の集合として構成されており、
前記使用頻度記録手段において、前記音声データベース中の文章をそれ以外の全ての文章に含まれる音声合成用データに基づいて音声合成を実行した際に、使用した音声合成用データの使用頻度を記録することを特徴とする音声合成用データ削減プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002191819A JP4206230B2 (ja) | 2002-07-01 | 2002-07-01 | 音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002191819A JP4206230B2 (ja) | 2002-07-01 | 2002-07-01 | 音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004037605A JP2004037605A (ja) | 2004-02-05 |
| JP4206230B2 true JP4206230B2 (ja) | 2009-01-07 |
Family
ID=31701277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002191819A Expired - Fee Related JP4206230B2 (ja) | 2002-07-01 | 2002-07-01 | 音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4206230B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5747471B2 (ja) * | 2010-10-20 | 2015-07-15 | 三菱電機株式会社 | 音声合成システム、音声素片辞書作成方法、音声素片辞書作成プログラム、及び、音声素片辞書作成プログラム記録媒体 |
-
2002
- 2002-07-01 JP JP2002191819A patent/JP4206230B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004037605A (ja) | 2004-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6172675B1 (en) | Indirect manipulation of data using temporally related data, with particular application to manipulation of audio or audiovisual data | |
| US6366882B1 (en) | Apparatus for converting speech to text | |
| JP5459214B2 (ja) | 言語モデル作成装置、言語モデル作成方法、音声認識装置、音声認識方法、プログラム、および記録媒体 | |
| US7236931B2 (en) | Systems and methods for automatic acoustic speaker adaptation in computer-assisted transcription systems | |
| US7487093B2 (en) | Text structure for voice synthesis, voice synthesis method, voice synthesis apparatus, and computer program thereof | |
| US6308151B1 (en) | Method and system using a speech recognition system to dictate a body of text in response to an available body of text | |
| JP4105841B2 (ja) | 音声認識方法、音声認識装置、コンピュータ・システムおよび記憶媒体 | |
| US20030191645A1 (en) | Statistical pronunciation model for text to speech | |
| US7480612B2 (en) | Word predicting method, voice recognition method, and voice recognition apparatus and program using the same methods | |
| US7257534B2 (en) | Speech synthesis system for naturally reading incomplete sentences | |
| US7292976B1 (en) | Active learning process for spoken dialog systems | |
| US20020143535A1 (en) | Method of providing concise forms of natural commands | |
| US20090254349A1 (en) | Speech synthesizer | |
| WO1998025216A9 (en) | Indirect manipulation of data using temporally related data, with particular application to manipulation of audio or audiovisual data | |
| CN101305362A (zh) | 语音索引删减 | |
| EP2008189A2 (en) | Automatic language model update | |
| CN110390928B (zh) | 一种自动拓增语料的语音合成模型训练方法和系统 | |
| US20080162559A1 (en) | Asynchronous communications regarding the subject matter of a media file stored on a handheld recording device | |
| US20050149888A1 (en) | Method and apparatus for minimizing weighted networks with link and node labels | |
| JP5180800B2 (ja) | 統計的発音変異モデルを記憶する記録媒体、自動音声認識システム及びコンピュータプログラム | |
| EP1317749A1 (en) | Method of and system for improving accuracy in a speech recognition system | |
| JP2006507530A (ja) | 音声認識装置及び方法 | |
| JP4206230B2 (ja) | 音声合成用データ削減方法、音声合成用データ削減装置および音声合成用データ削減プログラム | |
| US6963838B1 (en) | Adaptive hosted text to speech processing | |
| EP1632933A1 (en) | Device, method, and program for selecting voice data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050207 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070423 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070523 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070720 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080924 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081020 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111024 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121024 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121024 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131024 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141024 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |