JP4286583B2 - 波形辞書作成支援システムおよびプログラム - Google Patents
波形辞書作成支援システムおよびプログラム Download PDFInfo
- Publication number
- JP4286583B2 JP4286583B2 JP2003137624A JP2003137624A JP4286583B2 JP 4286583 B2 JP4286583 B2 JP 4286583B2 JP 2003137624 A JP2003137624 A JP 2003137624A JP 2003137624 A JP2003137624 A JP 2003137624A JP 4286583 B2 JP4286583 B2 JP 4286583B2
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- corpus
- information
- storage unit
- unit
- 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、音声合成用波形辞書の作成を支援するシステムに関し、特に、所望の波形辞書を作成するために補充することが必要なコーパス（追加コーパス）を効率的に探索するためのシステムに関する。
【０００２】
【従来の技術】
従来、定型文章や単語を読み上げた音声データを収録して蓄積し、それらの音声データから、単語単位等で必要な音声データを抽出しつなぎ合わせることによって音声合成を行うシステムが知られている。このような音声データ（通常一人の発声者が発声した全ての音素を含む大量の音声波形、又はその特徴量が蓄積されているデータ）を蓄積したファイルは、波形辞書などと称されている。
【０００３】
従来の音声合成システムにおいて、文章を合成する際には、その文章を合成するために必要な音声データを、音素や音節等の基準単位で波形辞書から検索し抽出する。そして、抽出された音声データを変換したり、複数の音声データを接続したりすることによって、入力されたテキストに対応した最適な合成音声を作成し、出力する。
【０００４】
すなわち、入力された文章（テキスト）に含まれる音の全てが波形辞書に収録されていれば、そのテキストに対応する高品質な合成音声を作成することが可能である。しかし、その逆に、波形辞書に収録されていない音を合成することは不可能である。また、複数の音声データを接続することによって合成音声を作成した場合に、音質が劣化することもある。
【０００５】
従って、任意のテキストを音声合成できるようにするためには、理論的には、波形辞書に多種多様な音声データを格納しておくことが必要となる。しかし、波形辞書のデータ容量が大きくなり過ぎると実装コストや検索効率の点で好ましくない。そこで、大規模コーパス辞書を参照することにより、利用者の用途に応じた波形辞書を適度な大きさで効率よく作成する音声合成用辞書作成装置が、本発明者により既に提案されている（特許文献１参照）。
【０００６】
【特許文献１】
特開２００１−２９６８７８号公報
【０００７】
【発明が解決しようとする課題】
ところで、波形辞書に登録するための大量の音声データについては、一般的に、音声合成エンジンの開発者が、所望する声種・声質のナレータやタレント等と契約し、当該ナレータ等を長時間に渡って拘束して音声収録を行う。このため、時間と費用が嵩むという問題点がある。
【０００８】
従って、例えば新たな音声合成システムを構築する場合や、既存の音声合成システムをバージョンアップする場合などに、波形辞書作成用の音声収録を最初からやり直すのは非効率的である。波形辞書自体を既存の辞書よりもレベルアップさせたい場合には、既存の波形辞書（収録済みの音声データ）に、追加収録によって得られた音声データを追加すれば、音声収録に要するコストおよび時間を削減できる。しかし、追加収録すべき音声データを洗い出す作業は容易ではないという問題があった。
【０００９】
そこで、本発明は、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能な波形辞書作成支援システムを提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記の目的を達成するために、本発明にかかる波形辞書作成支援システムは、音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを入力して分析し、当該音声データの音素情報を求める音声分析部と、前記音声分析部により求められた音素情報を少なくとも含む音声情報を保存する音声情報保存部と、波形辞書に必須な音素情報の条件を保存する必須音素情報保存部と、前記必須音素情報保存部に保存されている条件を満たすために前記音声情報保存部に保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力する不足音素列検索部と、少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積部と、前記コーパス蓄積部から、前記不足音素列検索部より出力された不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力する補充コーパス作成部とを備えたことを特徴とする。
【００１１】
この構成により、所望の波形辞書に応じた条件を必須音素情報保存部に保存しておけば、その条件を満たすために不足している音素列（すなわち、所望の波形辞書を作成するために音声情報保存部に追加しなければならない音素列）が不足音素列として検索され、その音素列を含むコーパスが追加コーパスとして出力される。これにより、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能となる。
【００１２】
なお、出力される追加コーパスは、テキストコーパスおよび音声コーパスのいずれであっても良い。追加コーパスとしてテキストコーパスを出力させたい場合はテキストコーパスが蓄積されたコーパス蓄積部を用い、音声コーパスを出力させたい場合は音声コーパスが蓄積されたコーパス蓄積部を用いれば良い。なお、追加コーパスをテキストコーパスとして出力させた場合は、このテキストコーパスに従って音声の追加収録を行い、追加収録済みの音声情報保存部に基づいて波形辞書を作成すれば良い。また、追加コーパスを音声コーパスとして出力させた場合は、ナレータ等による追加収録を必要とせず、その音声コーパスそのものを音声情報保存部に追加し、波形辞書を作成すれば良い。
【００１３】
また、本発明にかかる波形辞書作成支援システムは、入力された音声波形データから発話内容を認識し、認識した発話内容をテキストデータとして前記音声波形データと共に前記音声分析部へ出力する音声認識部をさらに備えたことが好ましい。発話内容をテキスト入力する手間が省けるからである。
【００１４】
また、本発明にかかる波形辞書作成支援システムにおいて、不足音素列検索部が、更に、合成する音質の品質等級を入力し、入力された品質等級に応じて前記必須音素情報保存部に保存された条件の中から満たすべき条件を決定し、決定した条件に応じて不足音素列を検索することが好ましい。所望の合成音声の品質を実現するために適したサイズ及び内容の波形辞書を作成することが可能となるからである。
【００１５】
また、本発明にかかる波形辞書作成支援システムは、コーパス蓄積部が、分野または用途別に蓄積されたコーパス保存部を有し、前記補充コーパス作成部は、使用する分野または用途情報を入力し、入力された分野または用途情報に応じたコーパス保存部から追加コーパスを検索することが好ましい。分野または用途毎に蓄積されたコーパスから追加コーパスを検索することにより、音声合成システムの使用環境（分野または用途）に応じた波形辞書を作成することが可能となるからである。
【００１６】
また、本発明にかかるコンピュータプログラムは、入力された音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを分析し、当該音声データの音素情報を求めるステップと、前記音声分析部により求められた音素情報を少なくとも含む音声情報を音声情報保存ファイルへ保存するステップと、波形辞書に必須な音素情報の条件を入力し、当該条件を満たすために前記音声情報保存ファイルに保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力するステップと、少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積ファイルから、前記不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力するステップとを含む処理をコンピュータに実行させることを特徴とする。
【００１７】
このプログラムをコンピュータにロードして実行することにより、所望の波形辞書を作成するために音声情報ファイルに追加しなければならない音素列が不足音素列として検索され、その音素列を含むコーパスが追加コーパスとして出力される。これにより、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能となる。
【００１８】
【発明の実施の形態】
（実施形態１）
以下、本発明の一実施形態について説明する。
【００１９】
図１に示すように、本実施形態にかかる波形辞書作成支援システム１は、音声分析部１１、不足音素列検索部１２、補充コーパス作成部１３、音声情報保存部１４、必須音素情報保存部１５、コーパス蓄積部１６を備えている。
【００２０】
音声分析部１１は、収録済みの音声データを入力し分析する。なお、この実施形態で入力される「音声データ」とは、収録済みの音声波形データ（例えばＰＣＭデータ）とテキストデータとを含む。また、コーパス蓄積部１６は、テキストコーパスを蓄積した大規模コーパスデータベースである。
【００２１】
収録された音声データが入力されると、音声分析部１１は、入力された音声データを分析することにより、音素情報を求める。この音素情報には、少なくとも、発声内容を示すラベル情報（音素ラベル）が含まれる。音声分析部１１は、入力された音声波形データに分析結果の音素情報を付与し、音素単位で検索可能な形態の音声データとして、音声情報保存部１４に保存する。
【００２２】
不足音素列検索部１２は、音声情報保存部１４に格納された音声データに、任意の文章を読み上げるために必要な音素列が全て揃っているか否かを調べ、不足している音素列（以下、「不足音素列」と称する）を求める。具体的には、必須音素情報保存部１５を参照することにより、音声情報保存部１４に保存されている収録済み音声データに不足している音素列を検索する。必須音素情報保存部１５には、少なくとも、任意の文章を合成するために必須である、日本語の全音節データの音素列が保存されている。不足音素列検索部１２は、必須音素情報保存部１５に保存されている音素列であって、かつ、音声情報保存部１４に保存されている音声情報にはない音素列を検索し、検索された音素列を不足音素列として出力する。
【００２３】
補充コーパス作成部１３は、不足音素列検索部１２で求められた不足音素列を含むコーパスを、コーパス蓄積部１６から検索し、追加コーパス（単語や文章）として出力する。追加コーパスの出力は、印刷出力、ディスプレイへの表示、ファイルへの出力など、任意の形式で行えば良い。
【００２４】
このように、本実施形態にかかる波形辞書作成支援システム１は、収録済みの音声データから不足音素列を検索し、その不足音素列を含むコーパス（テキストコーパス）を追加コーパスとして出力する。従って、出力された追加コーパスのテキストをナレータなどに読み上げさせて音声データを追加収録すれば、任意の文章を読み上げるために必要な全ての音素情報を、音声情報保存部１４に収録することができる。
【００２５】
本実施形態の波形辞書作成支援システム１の適用例を、図２に示す。図２に示すように、ユーザ（ナレータを含む、以下同じ）が音声を収録するための収録システム２から、収録済みの音声データ（音声波形データおよびテキストデータ）を波形辞書作成支援システム１へ入力する。そして、波形辞書作成支援システム１から追加コーパスが出力されると、ユーザは、出力された追加コーパスに従って収録システム２へ追加収録を行う。波形辞書作成支援システム１は、さらなる追加コーパスがないかを調べ、追加コーパスがないと判断されたら、波形辞書作成システム３へ、音声情報保存部１４に蓄積された音声データや音声情報を出力する。波形辞書作成システム３は、これらの音声データや音声情報に基づき、波形辞書４を作成する。作成された波形辞書４は、音声合成システム５が任意のテキストから合成音声を作成する際に利用される。
【００２６】
なお、図２に示した矢印は、各システムで生成されるデータが他のシステムでどのように利用されるかを表すものに過ぎず、システム間の定常的な接続状態を示すものではない。例えば、音声合成システム５の動作時に、波形辞書４は参照可能でなければならないが、収録システム２、波形辞書作成支援システム１、および波形辞書作成システム３については、波形辞書４および音声合成システム５に接続されている必要はない。
【００２７】
ここで、本実施形態の波形辞書作成支援システム１の他の適用例を、図３に示す。図３の例では、ネットワーク６を介して、ユーザが収録データを送付する点において、図２に示した例と異なっている。このため、図３の例では、ネットワーク６と各システムとの間に送受信部７がさらに設けられた構成である。
【００２８】
ユーザは、電話やＶｏＩＰ（Voice over Internet Protocol）等を利用して音声データを送付する。送受信部７は、ネットワーク６から音声データを受信して、収録システム２に入力して収録する。なお、収録は必ずしもしなくても良い。収録システム２から、収録済みの音声データ（音声波形データおよび発話内容を示すテキストデータ）が波形辞書作成支援システム１へ入力されると、波形辞書作成支援システム１は追加コーパスを求めて送受信部７へ出力する。追加コーパスは送受信部７からネットワーク６を介してユーザへ送られる。ユーザは、追加コーパスを受信し、受信した追加コーパスに従って、電話やＶｏＩＰ等を利用して収録システム２へ追加収録を行う。この処理を、波形辞書作成支援システム１がさらなる追加コーパスはないと判断するまで繰り返す。
【００２９】
追加コーパスがなくなったら、波形辞書作成支援システム１の音声情報保存部１４に蓄積された音声情報を、波形辞書作成システム３へ出力する。波形辞書作成システム３は、これらの音声情報に基づき、波形辞書４を作成する。これにより、ユーザがネットワーク６および送受信部７を介して任意のテキストを入力すると、音声合成システム５は、波形辞書４を利用して音声合成を行い、合成音を送受信部７およびネットワーク６を介してユーザに送付する。
【００３０】
前記「音声データ」は、音声波形データおよび発話内容を表すテキストデータを含む。「音声情報」は、音声分析部１１で分析した結果であり、少なくとも音素ラベルを含む。後述の実施形態で説明するように音声分析部１１においてピッチマーク付与や周波数分析を行う場合は、音声情報にはピッチマークやフォルマントも含まれる。なお、上述の例では、音声情報保存部１４に音声データと音声情報の両方を蓄積するものとしたが、音声データは必ずしも蓄積しなくても良い。
【００３１】
なお、図２と同様に、図３に示す矢印も、各システムで生成されるデータが他のシステムでどのように利用されるかを表すものに過ぎず、必ずしも各システム間の定常的な接続状態を示すものではない。
【００３２】
本実施形態の波形辞書作成支援システム１のさらに他の適用例を、図４に示す。図４に示す例では、ネットワーク６を介した収録システム２への音声収録、波形辞書作成支援システム１による追加コーパスの生成およびユーザへの送信、波形辞書作成システム３による波形辞書４の作成までは、図３に示した例と同様である。ただし、図４に示す例の場合、音声合成システム５はユーザの手元にあり、作成された波形辞書４は、ネットワーク６を介してユーザに送付される。ユーザが音声合成システム５に任意のテキストを入力すると、音声合成システム５は、送付された波形辞書４を利用して、合成音を作成し出力する。
【００３３】
（実施形態２）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００３４】
図５に示すように、本実施形態の波形辞書作成支援システム２１では、音声分析部１１には自動ラベリング部１１ａ、音声情報保存部１４には音素ラベル保存部１４ａ、不足音素列検索部１２には音素列検索部１２ａ、必須音素情報保存部１５には必須音素列保存部１５ａが、それぞれ設けられている。
【００３５】
まず、音声分析部１１に、音声データとしてＰＣＭデータとテキストデータとが入力されると、自動ラベリング部１１ａが音素ラベリングを行う。音素ラベリングの結果は、音声情報保存部１４の音素ラベル保存部１４ａに保存される。
【００３６】
例えば発声内容が「朝早く、バンガローに電報が届いた。」、「青山には、新しいお店がたくさんある。」のような場合には、音素ラベルの例は、
a-s-a-h-a-y-a-k-u b-a-n-g-a-r-o-o-n-i d-e-n-p-o-g-a t-o-d-o-i-t-a a-o-y-a-m-a-n-i-h-a a-t-a-r-a-sh-i-i-o-m-i-s-e-x-a t-a-k-u-s-a-n-a-r-u.
である。
【００３７】
次に、不足音素列検索部１２では必須音素情報保存部１５の必須音素列保存部１５ａの情報を元にして、音声情報保存部１４に保存されている音素情報（音素ラベル）に不足している音素列（不足音素列）を求める。必須音素情報保存部１５には、任意の日本語文章を読み上げるために必要な、全音節データの音素列が保存されている。本実施形態の場合、必須音素列保存部１５ａに、例えば、
母音 ・・・・・・・・・ (1)
母音＋母音 ・・・・・・・・・ (2)
子音＋母音 ・・・・・・・・・ (3)
の全パターンが保持されている。
【００３８】
さらに、上記の (1)〜(3)の３パターンに追加して、
母音＋子音＋母音 ・・・・・・・・・ (４)
の３音素の全てを保持することも好ましい。
【００３９】
あるいは、別の例として、(1)〜(3)の３パターンに追加して、接続すると音が悪くなりやすい、
母音＋半母音＋母音 ・・・・・・・ (５)
母音＋鼻音＋母音 ・・・・・・・ (６)
母音＋弾音＋母音 ・・・・・・・ (７)
等のパターンを保持することも好ましい。
【００４０】
例えば、(1)〜(4)を保持する場合は、
a i u e o n
k-a k-i k-u … r-a r-i …
a-k-a a-k-i a-k-u …i-k-a i-k-i i-k-u … o-w-u o-w-e o-w-o…という音素列が、必須音素列保存部１５ａに保存される。
【００４１】
また、接続する際に異音や雑音混入の原因になりやすい音素列については、４、５音素連鎖の形式で必須音素列保存部１５ａに保持しておけば、さらに高品質な音声合成が可能となる点で望ましい。
【００４２】
不足音素列検索部１２の音素列検索部１２ａは、音声情報保存部１４の音素ラベル保存部１４ａと必須音素情報保存部１５の必須音素列保存部１５ａとを対比することにより、音素ラベル保存部１４ａに必須音素列の全てが存在しているかどうかを検索し、不足音素列を求める。
【００４３】
補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００４４】
以上のように、本実施形態の波形辞書作成支援システム２１によれば、所望の波形辞書を作成するための必須の条件を必須音素情報保存部１５に登録しておけば、その条件を満たすために追加することが必要な音素列（不足音素列）を含むコーパスが「追加コーパス」として出力される。これにより、追加コーパスの探索を効率的に行うことができる。
【００４５】
なお、本実施形態の波形辞書作成支援システム２１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００４６】
（実施形態３）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００４７】
図６に示すように、本実施形態にかかる波形辞書作成支援システム３１では、音声分析部１１には自動ラベリング部１１ａとピッチマーク付与部１１ｂ、音声情報保存部１４には音素ラベル保存部１４ａとピッチマーク保存部１４ｂ、不足音素列検索部１２には音素列検索部１２ａ、音素長情報照合部１２ｂ、およびピッチ情報照合部１２ｃ、必須音素情報保存部１５には必須音素列保存部１５ａ、音素長保存部１５ｂ、およびピッチ情報保存部１５ｃが、それぞれ設けられている。
【００４８】
音声分析部１１に、音声データとしてＰＣＭデータおよびテキストデータが入力されると、自動ラベリング部１１ａが音素ラベリング（境界位置決定を含む）を行い、ピッチマーク付与部１１ｂがピッチマーク付与を行う。なお、本実施形態では音声データとしてＰＣＭデータを用いる例を示したが、音声データであればその形式は任意である。音素ラベルとピッチマークは、それぞれ、音声情報保存部１４の音素ラベル保存部１４ａとピッチマーク保存部１４ｂに保存される。
【００４９】
ここで保存される音素ラベルの例を以下に示す。例えば図７に示すような音声波形の場合には、音素名とその音素境界は、時系列上のサンプリング位置を用いて、下記（表１）のように表すことができる。
【００５０】
【表１】
【００５１】
また、この場合に保存されるピッチマークは、図８に示すように、各ピッチの位置になり、例えば下記のように表される。
【００５２】
o: 154 211 266 326 383 440 498 555 612 667 720 760
m: 810 834 889 861 879 917 958 990 1128 1133
a: 1175 1210 1255 1295 1333 1380 1420 1459 1492 1533
z: 1571 1608 1642 1688 …
…
不足音素列検索部１２では、音素列検索部１２ａが、実施形態２と同様に、音声情報保存部１４の音素ラベル保存部１４ａと必須音素情報保存部１５の必須音素列保存部１５ａとを対比することにより、音素ラベル保存部１４ａに必須音素列の全てが存在しているかどうかを検索する。これにより、必須音素列保存部１５ａに存在する音素列であって、かつ、音素ラベル保存部１４ａに存在しない音素列を、不足音素列と判断する。
【００５３】
また、音素長情報照合部１２ｂは、音声情報保存部１４の音素ラベル保存部１４ａに保存されている音素ラベルから、収録音声データの音素列の音素長を求め、求めた音素長が必須音素情報保存部１５の音素長保存部１５ｂにある合成時の音素長データより極端に短い場合（例えば長さが１／２以下の場合）は、当該音素長条件を満たす音素列が不足していると判断する。なお、音素長保存部１５ｂに保存されている情報例としては、例えば以下のような、各音素の合成時の音素長のリストがあげられる。
【００５４】
a-ｗ-a： a:110msec w:40msec a:100msec
s-a： ｓ:90msec a:100msec
a-i-a： a:110msec i:80msec a:100msec
…
また、ピッチ情報照合部１２ｃは、音声情報保存部１４のピッチマーク保存部１４ｂに保存されているピッチマークから収録音声データのピッチを求め、求めたピッチが、必須音素情報保存部１５のピッチ情報保存部１５ｃにある合成時に必要なピッチとの間に大きな隔たりがある場合（例えば５０％以上のピッチ差がある場合）は、当該ピッチ条件を満たす音素列が不足していると判断する。なお、ピッチ情報保存部１５ｃに保存されている情報例としては、各ＰＣＭデータのピッチ情報から求められるベースピッチがあげられる。
【００５５】
不足音素列検索部１２は、音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃのそれぞれで求められた不足音素列の和集合を、補充コーパス作成部１３に出力する。
【００５６】
補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００５７】
以上のように、本実施形態の波形辞書作成支援システム３１によれば、音素列、音素長、ピッチに関する条件を全て満たすために補充すべき音素列が、不足音素列として検索され、その不足音素列を含むコーパスが、追加コーパスとして出力される。従って、出力された追加コーパスに基づいて追加収録を行えば、音素列、音素長、ピッチに関する条件を全て満たす波形辞書を作成することができ、この波形辞書を用いれば、より高品質な音声合成が可能となる。
【００５８】
なお、本実施形態の波形辞書作成支援システム３１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００５９】
（実施形態４）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００６０】
図９に示すように、本実施形態にかかる波形辞書作成支援システム４１では、音声分析部１１には自動ラベリング部１１ａ、ピッチマーク付与部１１ｂ、および周波数解析部１１ｃが、音声情報保存部１４には音素ラベル保存部１４ａ、ピッチマーク保存部１４ｂ、およびフォルマント保存部１４ｃが、不足音素列検索部１２には音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃ、およびフォルマント情報照合部１２ｄが、必須音素情報保存部１５には必須音素列保存部１５ａ、音素長保存部１５ｂ、ピッチ情報保存部１５ｃ、およびフォルマント情報保存部１５ｄが、それぞれ設けられている。
【００６１】
音声分析部１１に音声データとしてＰＣＭデータとテキストデータが入力されると、音声分析部１１の自動ラベリング部１１ａおよびピッチマーク付与部１１ｂは、実施形態３で説明したように音素ラベルおよびピッチマークの付与を行う。さらに、周波数解析部１１ｃが、ＰＣＭデータの周波数解析を行い、各音素のフォルマント情報を、音声情報保存部１４のフォルマント保存部１４ｃに保存する。
【００６２】
不足音素列検索部１２では、音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃが、実施形態３で説明したように、不足音素列をそれぞれ求める。さらに、フォルマント情報照合部１２ｄが、フォルマント情報保存部１５ｄのデータと、収録データのフォルマントとの照合を行い、大きな隔たりがないかを照合する。
【００６３】
フォルマント情報保存部１５ｄの保存データ例としては、各母音の第一フォルマントおよび第二フォルマントがあげられる。例えば、「i（い）」という音素の第一フォルマントの平均値Fi1と、第二フォルマントの平均値Fi2とを、フォルマント情報保存部１５ｄに保存しておく。この場合、フォルマントの照合は、例えば以下のように行う。周波数解析部１１ｃが、前述のようにＰＣＭデータの周波数解析を行い、各音素の第一フォルマントfi1と第二フォルマントfi2とをフォルマント保存部１４ｃに保存する。そして、フォルマント情報照合部１２ｄが、フォルマント保存部１４ｃに保存されている各音素列ごとに、第一フォルマントおよび第二フォルマントの平均値を求める。例えば、ある音素列中の「ｉ」という音素の第一フォルマントfi1および第二フォルマントfi2と、フォルマント情報保存部１５ｄの平均フォルマントFi1，Fi2との差diffを、例えば下記式により求める。
【００６４】
diff = （ Fi1 − fi1 ）2 ＋（ Fi2 − fi2 ）2
各音素についてdiffの閾値を設定しておき、閾値を超えた場合は、当該音素列を不足音素列と判断する。
【００６５】
不足音素列検索部１２は、音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃ、フォルマント情報照合部１２ｄのそれぞれで求められた不足音素列の和集合を、補充コーパス作成部１３に出力する。
【００６６】
補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００６７】
以上のように、本実施形態の波形辞書作成支援システム４１によれば、音素列、音素長、ピッチ、フォルマントに関する条件を全て満たすために補充すべき音素列が、不足音素列として検索され、その不足音素列を含むコーパスが、追加コーパスとして出力される。従って、出力された追加コーパスに基づいて追加収録を行えば、音素列、音素長、ピッチ、フォルマントに関する条件を全て満たす波形辞書を作成することができ、この波形辞書を用いれば、さらに高品質な音声合成が可能となる。
【００６８】
なお、本実施形態の波形辞書作成支援システム４１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００６９】
（実施形態５）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００７０】
図１０に示すように、本実施形態にかかる波形辞書作成支援システム５１は、実施形態４にかかる波形辞書作成支援システム４１と同様に、音声分析部１１には自動ラベリング部１１ａ、ピッチマーク付与部１１ｂ、および周波数解析部１１ｃが、音声情報保存部１４には音素ラベル保存部１４ａ、ピッチマーク保存部１４ｂ、およびフォルマント保存部１４ｃが、不足音素列検索部１２には音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃ、およびフォルマント情報照合部１２ｄが、必須音素情報保存部１５には必須音素列保存部１５ａ、音素長保存部１５ｂ、ピッチ情報保存部１５ｃ、およびフォルマント情報保存部１５ｄが、それぞれ設けられている。
【００７１】
ただし、本実施形態にかかる波形辞書作成支援システム５１は、不足音素列検索部１２に品質等級を表すデータが入力され、不足音素列検索部１２が入力された品質等級のレベルに応じて不足音素列の検索を行う点において、実施形態４と異なる。
【００７２】
入力される品質の等級は、数値や記号等によって表され、例えば、
１：音声品質最高レベル
２：音声品質中級レベル
３：音声品質最低レベル
のように、合成音声の品質として求められるレベルと対応付けられる。また、合成音声について求められる品質のレベルが高くなるほど必要となる波形辞書のサイズも大きくなるので、前記の品質等級「３」、「２」、「１」の順に、不足音素列検索部１２が不足音素列の検索をより綿密に行うこととなる。
【００７３】
例えば、不足音素列検索部１２に、品質等級「３」が入力された場合は、不足音素列検索部１２の音素列検索部１２ａは、必須音素情報保存部１５の必須音素列保存部１５ａの「母音」、「母音＋母音」、「子音＋母音」を満足するために必要な不足音素列の検索を行う。
【００７４】
また、品質等級「１」が入力された場合には、不足音素列検索部１２の音素列検索部１２ａは、例えば、必須音素情報保存部１５の必須音素列保存部１５ａの１音素（「母音」）〜４、５音素連鎖の必須音素も満足するために必要な不足音素列の検索を行い、更に、音素長、ピッチ情報、フォルマント情報を満足する最高品質を提供するために補充することが必要な不足音素列の検索を行う。
【００７５】
なお、品質等級「２」が入力された場合は、不足音素列検索部１２の音素列検索部１２ａは、例えば、必須音素情報保存部１５の必須音素列保存部１５ａの１音素（「母音」）〜４、５音素連鎖の必須音素も満足するために必要な不足音素列のみの検索を行うなど、上述の品質等級「１」と品質等級「２」との中間的なレベルで不足音素列を検索する。
【００７６】
不足音素列検索部１２は、上述のように検索された不足音素列を、補充コーパス作成部１３に出力する。補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００７７】
以上のように、本実施形態の波形辞書作成支援システム５１によれば、入力された品質等級に応じた綿密さで不足音素列を検索し、検索結果として得られた不足音素列を含むコーパスが追加収録用のテキストデータ（追加コーパス）として出力される。これにより、求められる品質等級が高くなるほど、不足音素列をきめ細かく検索することとなるので、より自然な合成音声を得るための波形辞書を作成することが可能となる。一方、例えばコストや記憶容量などとの兼ね合いによって品質等級が低くても良い場合は、求められる品質等級を満足するために必要な最小限の不足音素列を検索することにより、波形辞書のサイズを小さく抑え、コストや記憶容量を節約することができる。
【００７８】
なお、本実施形態の波形辞書作成支援システム５１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００７９】
（実施形態６）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００８０】
なお、本実施形態では、補充コーパス作成部１３およびコーパス蓄積部１６の具体的な構成例についてのみ説明するが、音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５の構成は、本発明の目的を達成できる範囲であれば任意の構成とすることができる。なお、前述の実施形態２〜５のそれぞれで説明した態様の音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５と、本実施形態で説明する補充コーパス作成部１３およびコーパス蓄積部１６とを組み合わせることができることは、言うまでもない。
【００８１】
図１１に示すように、本実施形態の波形辞書作成支援システム６１では、コーパス蓄積部１６に、テキストコーパスが分野別に収集され、分野別コーパス１６ａ〜１６ｄとして保存されている。なお、分野別コーパスの例としては、図１１に示した「金融」、「官公庁」、「一般」、「自然会話調」等に限定されず、音声合成システム５の使用環境等に応じた任意の分野のコーパスを用いればよい。コーパス１６ａ〜１６ｄは、各々の分野で使用される定型文章を多数含んでいる。補充コーパス作成部１３は、ユーザにより入力された分野名に基づき、コーパス蓄積部１６における該当する分野のコーパスから、不足音素列を含むコーパスを検索する。
【００８２】
コーパス蓄積部１６に保存されている情報の例としては、
・テキスト文章、もしくは音素列、
・発話時に予想されるピッチ情報、
等があげられる。
【００８３】
具体的には、金融コーパスのテキスト文章としては、
・「預金残高をご確認下さい。」
・「通帳の口座番号をご確認下さい。」
・「振り込み先の住所、氏名を入力して下さい。」
等があげられる。
【００８４】
また、単語としては、
・「一円」、「二円」、…「千円」、「二千円」、…「一万円」、…（金額読み上げ）
・「預金」
・「通帳」
等があげられる。
【００８５】
また、自然会話調のテキスト文章としては、
・「おはよう。」
・「元気？」
・「今日はいい天気だね。」
・「明日もし雨が降ったら、どこに行く？」
等のような、自然な会話文があげられる。
【００８６】
このように、不足音素列を含む追加コーパスを、分野別に蓄積されたコーパスから選択することにより、音声合成システム５の使用環境に適したより自然な合成音声を得るための波形辞書４を作成することが可能となる。
【００８７】
なお、図１１に示した構成の変形例として、図１２に示すように、音声分析部１１が、収録済み音声データの分析結果である音素列（テキストデータ）を、音声情報保存部１４のみならず、コーパス蓄積部１６にも保存するようにしても良い。
【００８８】
なお、本実施形態の波形辞書作成支援システム６１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００８９】
（実施形態７）
本発明にかかる波形辞書作成支援システムの他の実施形態について、図面を参照しながら説明する。
【００９０】
本実施形態の波形辞書作成支援システムは、補充コーパス作成部およびコーパス蓄積部が、前述の各実施形態と異なっている。図１３に示すように、本実施形態の波形辞書作成支援システム７１は、実施形態１等で説明した補充コーパス作成部１３およびコーパス蓄積部１６の代わりに、補充コーパス作成部２３および音声コーパス蓄積部２６を備えている。
【００９１】
なお、本実施形態では、補充コーパス作成部２３およびコーパス蓄積部２６についてのみ説明するが、音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５の構成は、本発明の目的を達成できる範囲であれば任意の構成とすることができる。なお、前述の実施形態２〜５のそれぞれで説明した態様の音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５と、本実施形態で説明する補充コーパス作成部２３およびコーパス蓄積部２６とを組み合わせることができることは、言うまでもない。
【００９２】
本実施形態の波形辞書作成支援システム７１では、音声コーパス蓄積部２６に、音素ラベル、ピッチ等の波形データの情報を表す情報と共に、音波形データが蓄積されている。補充コーパス作成部２３は、不足音素列検索部１２で求められた不足音素列を含むコーパスを、音声コーパス蓄積部２６から検索し、検索結果を追加音声データとして出力する。
【００９３】
すなわち、実施形態１〜６にかかる波形辞書作成支援システムでは、追加コーパスとしてテキストが出力されるようになっており、そのテキストに従ってユーザが追加収録を行う必要があった。これに対して、本実施形態にかかる波形辞書作成支援システム７１では、追加すべき音声データが、音声コーパス蓄積部２６に蓄積されている音声コーパスから自動的に作成されるので、ユーザは追加収録を行う必要がないという利点がある。
【００９４】
図１４に、本実施形態の波形辞書作成支援システム７１の適用例を示す。図１４に示すように、波形辞書作成支援システム７１から、音声情報保存部１４に保存された音声データと、補充コーパス作成部２３で作成される追加音声データとを、波形辞書作成システム３へ入力する。波形辞書作成システム３は、入力された音声データに基づき、波形辞書４を作成する。音声合成システム５は、この波形辞書４を用いて音声合成を行う。
【００９５】
なお、図１４に示した矢印は、各システムで生成されるデータが他のシステムでどのように利用されるかを表すものに過ぎず、システム間の定常的な接続状態を示すものではない。例えば、音声合成システム５の動作時に、波形辞書４は参照可能でなければならないが、波形辞書作成支援システム７１や波形辞書作成システム３については、波形辞書４および音声合成システム５に接続されている必要はない。
【００９６】
（実施形態８）
本発明にかかる波形辞書作成支援システムの他の実施形態について、図面を参照しながら説明する。なお、本実施形態は、実施形態７で説明した波形辞書作成支援システムのより具体的な例であるので、同様の機能を有する部分には同じ部材番号を付与し、詳細な説明は省略する。
【００９７】
図１５に示すように、本実施形態にかかる波形辞書作成支援システム８１における音声分析部１１、音声情報保存部１４、不足音素列検索部１２、必須音素情報保存部１５の構成および機能は、図９に示す実施形態４と同様であるため、その説明を省略する。
【００９８】
音声コーパス蓄積部２６には、様々な話者による、波形データ、音素ラベル、ピッチマーク、フォルマントの情報が、波形データ保存部２６ａ、音素ラベル保存部２６ｂ、ピッチマーク保存部２６ｃ、フォルマント保存部２６ｄに、それぞれ保存されている。
【００９９】
補充コーパス作成部２３には、不足音素列検索部１２から、例えば実施形態４で説明したように、（１）音素列そのものが音声情報保存部１４に存在しないもの、（２）音声情報保存部１４に保存されている音素列のうち、音素長、ピッチ、フォルマントのいずれかが所定の条件を満たさないもの、の和集合が不足音素列として入力される。そこで、補充コーパス作成部２３は、音声コーパス蓄積部２６から、不足音素列と音素ラベルが同じで、かつ、音素長、ピッチ、フォルマントの一致度の高いものを選択し、追加音声データとして出力する。
【０１００】
波形辞書作成システム３には、音声情報保存部１４に保存されている音声データ（音声波形データと、その音素ラベルやピッチマーク等）と、補充コーパス作成部２３で作成された追加音声データとが入力される。波形辞書作成システム３は、これらに基づき、波形辞書４を作成する。この波形辞書４を用いることで、どのような文章でも読み上げることのできる音声合成システム５が実現される。
【０１０１】
（実施形態９）
本発明にかかる波形辞書作成支援システムの他の実施形態について、図面を参照しながら説明する。
【０１０２】
図１６に示すように、本実施形態にかかる波形辞書作成支援システム９１は、入力されるデータが音声波形データ（例えばＰＣＭデータ）のみであり、音声分析部１１の全段に音声認識を行う音声認識部１７をさらに備えた点において、図１に示す実施形態１にかかる構成と異なっている。
【０１０３】
ＰＣＭデータが入力されると、音声認識部１７は、ＰＣＭデータの音声認識を行い、発話内容を出力する。なお、音声認識部１７による音声認識の手法については、公知の任意の手法を用いることが可能であるため、詳しい説明は省略する。
【０１０４】
音声分析部１１は、ＰＣＭデータと発話内容から、少なくとも発声内容を示すラベル情報を付与し、音素単位で検索可能な形態の音声データとして、音声情報保存部１４に保存する。
【０１０５】
不足音素列検索部１２、必須音素情報保存部１５、補充コーパス作成部１３、コーパス蓄積部１６の構成および機能については、前述の各実施形態で説明した構成および機能を適用することが可能である。
【０１０６】
なお、図１６に示した補充コーパス作成部１３およびコーパス蓄積部１６の代わりに、実施形態７および８で説明した補充コーパス作成部２３および音声コーパス蓄積部２６を備えた構成とすることも可能である。
【０１０７】
また、本実施形態の波形辞書作成支援システム９１の適用例は、収録システム２から波形辞書作成支援システム９１へ入力されるデータがＰＣＭデータである点を除いては、実施形態１において図２〜図４を用いて説明したものと同様であるため、その詳しい説明は省略する。
【０１０８】
以上のように、本実施形態にかかる波形辞書作成支援システム９１では、収録システム２によって収録された音声のＰＣＭデータだけを用いて波形辞書４を作成することが可能である。
【０１０９】
（実施形態１０）
本発明の一実施形態として、本発明にかかる波形辞書作成支援システムをコンピュータで実現するためのプログラムの一例を、図面を参照しながら説明する。
【０１１０】
本実施形態にかかるプログラムは、図１７に示すように、音声データを入力し（ステップＳ１）、入力された音声データを分析して音素情報を求め（ステップＳ２）、音素単位で検索可能な形態の音声データとして音声情報保存ファイルへ保存する（ステップＳ３）。次に、任意の日本語文章を読み上げるために必須とされる音素または音素列の条件を、当該条件があらかじめ保存された必須音素情報保存ファイルから入力する（ステップＳ４）。そして、ステップＳ４で入力された条件を満たすために音声情報保存ファイルに不足している音素列を検索し、検索結果を不足音素列として出力する（ステップＳ５）。続いて、大量のコーパスを蓄積したコーパス蓄積ファイルから、ステップＳ５で求められた不足音素列を含むコーパスを検索し、検索結果を追加コーパスとして出力する（ステップＳ６）。追加コーパスの出力は、印刷出力、ディスプレイへの表示、ファイルへの出力など、任意の形式で行えば良い。
【０１１１】
なお、ステップＳ２、ステップＳ５、ステップＳ６の処理については、上述の各実施形態で説明した音声分析部１１、不足音素列検索部１２、補充コーパス作成部１３（または２３）の処理内容を適用できるが、その詳細な説明は省略する。
【０１１２】
本実施形態にかかるプログラムは、ＣＤ−ＲＯＭ等の任意の可搬型記録媒体を介して、あるいは、無線または有線の通信回線を介して、コンピュータに読み込まれ、実行されることにより、当該コンピュータを上述の各実施形態で説明した波形辞書作成支援システムとして機能させることとなる。
【０１１３】
（付記１） 音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを入力して分析し、当該音声データの音素情報を求める音声分析部と、
前記音声分析部により求められた音素情報を少なくとも含む音声情報を保存する音声情報保存部と、
波形辞書に必須な音素情報の条件を保存する必須音素情報保存部と、
前記必須音素情報保存部に保存されている条件を満たすために前記音声情報保存部に保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力する不足音素列検索部と、
少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積部と、
前記コーパス蓄積部から、前記不足音素列検索部より出力された不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力する補充コーパス作成部とを備えたことを特徴とする波形辞書作成支援システム。
【０１１４】
（付記２） 入力された音声波形データから発話内容を認識し、認識した発話内容をテキストデータとして前記音声波形データと共に前記音声分析部へ出力する音声認識部をさらに備えた、付記１に記載の波形辞書作成支援システム。
【０１１５】
（付記３） 前記音声分析部が、入力された音声波形データに対して、音素ラベル付与、ピッチマーク付与、およびフォルマント検出から選ばれる少なくともいずれか一つを行った結果を、前記音素情報として前記音声情報保存部に保存し、
前記必須音素情報保存部に、波形辞書に必須な音素列に加えて、前記音声情報保存部に保存されている音素情報に関する条件が保存され、
前記不足音素列検索部が、前記音声情報保存部に保存されている音素列であっても、前記必須音素情報保存部における前記条件を満たさない場合は、当該音素列を不足音素列として出力する、付記１または２に記載の波形辞書作成支援システム。
【０１１６】
（付記４） 前記不足音素列検索部は、更に、合成する音質の品質等級を入力し、入力された品質等級に応じて前記必須音素情報保存部に保存された条件の中から満たすべき条件を決定し、決定した条件に応じて不足音素列を検索する、付記１または２に記載の波形辞書作成支援システム。
【０１１７】
（付記５） 前記コーパス蓄積部が、分野または用途別に蓄積されたコーパス保存部を有し、
前記補充コーパス作成部は、使用する分野または用途情報を入力し、入力された分野または用途情報に応じたコーパス保存部から追加コーパスを検索する、付記１〜３のいずれか一項に記載の波形辞書作成支援システム。
【０１１８】
（付記６） 入力された音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを分析し、当該音声データの音素情報を求めるステップと、
前記音声分析部により求められた音素情報を少なくとも含む音声情報を音声情報保存ファイルへ保存するステップと、
波形辞書に必須な音素情報の条件を入力し、当該条件を満たすために前記音声情報保存ファイルに保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力するステップと、
少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積ファイルから、前記不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力するステップとを含む処理をコンピュータに実行させることを特徴とするコンピュータプログラム。
【０１１９】
【発明の効果】
以上のように、本発明によれば、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能な波形辞書作成支援システムを提供することが可能となる。
【図面の簡単な説明】
【図１】 本発明の実施形態１にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図２】 本発明の実施形態１にかかる波形辞書作成支援システムの適用例を示すブロック図
【図３】 本発明の実施形態１にかかる波形辞書作成支援システムの他の適用例を示すブロック図
【図４】 本発明の実施形態１にかかる波形辞書作成支援システムのさらに他の適用例を示すブロック図
【図５】 本発明の実施形態２にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図６】 本発明の実施形態３にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図７】 音素ラベリングの例を示す説明図
【図８】 ピッチマーク付与の例を示す説明図
【図９】 本発明の実施形態４にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１０】 本発明の実施形態５にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１１】 本発明の実施形態６にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１２】 本発明の実施形態６にかかる波形辞書作成支援システムの変形例を示すブロック図
【図１３】 本発明の実施形態７にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１４】 本発明の実施形態７にかかる波形辞書作成支援システムの適用例を示すブロック図
【図１５】 本発明の実施形態８にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１６】 本発明の実施形態９にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１７】 本発明の実施形態１０にかかるコンピュータプログラムの概略動作を示すフローチャート
【符号の説明】
１ 波形辞書作成支援システム
２ 収録システム
３ 波形辞書作成システム
４ 波形辞書
５ 音声合成システム
６ ネットワーク
７ 送受信部
１１ 音声分析部
１１ａ 自動ラベリング部
１１ｂ ピッチマーク付与部
１１ｃ 周波数解析部
１２ 不足音素列検索部
１２ａ 音素列検索部
１２ｂ 音素長情報照合部
１２ｃ ピッチ情報照合部
１２ｄ フォルマント情報照合部
１３ 補充コーパス作成部
１４ 音声情報保存部
１４ａ 音素ラベル保存部
１４ｂ ピッチマーク保存部
１４ｃ フォルマント保存部
１５ 必須音素情報保存部
１５ａ 必須音素列保存部
１５ｂ 音素長保存部
１５ｃ ピッチ情報保存部
１５ｄ フォルマント情報保存部
１６ コーパス蓄積部
１７ 音声認識部
２３ 補充コーパス作成部
２６ 音声コーパス蓄積部
２１ 波形辞書作成支援システム
３１ 波形辞書作成支援システム
４１ 波形辞書作成支援システム
５１ 波形辞書作成支援システム
６１ 波形辞書作成支援システム
７１ 波形辞書作成支援システム
８１ 波形辞書作成支援システム
９１ 波形辞書作成支援システム
【発明の属する技術分野】
本発明は、音声合成用波形辞書の作成を支援するシステムに関し、特に、所望の波形辞書を作成するために補充することが必要なコーパス（追加コーパス）を効率的に探索するためのシステムに関する。
【０００２】
【従来の技術】
従来、定型文章や単語を読み上げた音声データを収録して蓄積し、それらの音声データから、単語単位等で必要な音声データを抽出しつなぎ合わせることによって音声合成を行うシステムが知られている。このような音声データ（通常一人の発声者が発声した全ての音素を含む大量の音声波形、又はその特徴量が蓄積されているデータ）を蓄積したファイルは、波形辞書などと称されている。
【０００３】
従来の音声合成システムにおいて、文章を合成する際には、その文章を合成するために必要な音声データを、音素や音節等の基準単位で波形辞書から検索し抽出する。そして、抽出された音声データを変換したり、複数の音声データを接続したりすることによって、入力されたテキストに対応した最適な合成音声を作成し、出力する。
【０００４】
すなわち、入力された文章（テキスト）に含まれる音の全てが波形辞書に収録されていれば、そのテキストに対応する高品質な合成音声を作成することが可能である。しかし、その逆に、波形辞書に収録されていない音を合成することは不可能である。また、複数の音声データを接続することによって合成音声を作成した場合に、音質が劣化することもある。
【０００５】
従って、任意のテキストを音声合成できるようにするためには、理論的には、波形辞書に多種多様な音声データを格納しておくことが必要となる。しかし、波形辞書のデータ容量が大きくなり過ぎると実装コストや検索効率の点で好ましくない。そこで、大規模コーパス辞書を参照することにより、利用者の用途に応じた波形辞書を適度な大きさで効率よく作成する音声合成用辞書作成装置が、本発明者により既に提案されている（特許文献１参照）。
【０００６】
【特許文献１】
特開２００１−２９６８７８号公報
【０００７】
【発明が解決しようとする課題】
ところで、波形辞書に登録するための大量の音声データについては、一般的に、音声合成エンジンの開発者が、所望する声種・声質のナレータやタレント等と契約し、当該ナレータ等を長時間に渡って拘束して音声収録を行う。このため、時間と費用が嵩むという問題点がある。
【０００８】
従って、例えば新たな音声合成システムを構築する場合や、既存の音声合成システムをバージョンアップする場合などに、波形辞書作成用の音声収録を最初からやり直すのは非効率的である。波形辞書自体を既存の辞書よりもレベルアップさせたい場合には、既存の波形辞書（収録済みの音声データ）に、追加収録によって得られた音声データを追加すれば、音声収録に要するコストおよび時間を削減できる。しかし、追加収録すべき音声データを洗い出す作業は容易ではないという問題があった。
【０００９】
そこで、本発明は、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能な波形辞書作成支援システムを提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記の目的を達成するために、本発明にかかる波形辞書作成支援システムは、音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを入力して分析し、当該音声データの音素情報を求める音声分析部と、前記音声分析部により求められた音素情報を少なくとも含む音声情報を保存する音声情報保存部と、波形辞書に必須な音素情報の条件を保存する必須音素情報保存部と、前記必須音素情報保存部に保存されている条件を満たすために前記音声情報保存部に保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力する不足音素列検索部と、少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積部と、前記コーパス蓄積部から、前記不足音素列検索部より出力された不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力する補充コーパス作成部とを備えたことを特徴とする。
【００１１】
この構成により、所望の波形辞書に応じた条件を必須音素情報保存部に保存しておけば、その条件を満たすために不足している音素列（すなわち、所望の波形辞書を作成するために音声情報保存部に追加しなければならない音素列）が不足音素列として検索され、その音素列を含むコーパスが追加コーパスとして出力される。これにより、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能となる。
【００１２】
なお、出力される追加コーパスは、テキストコーパスおよび音声コーパスのいずれであっても良い。追加コーパスとしてテキストコーパスを出力させたい場合はテキストコーパスが蓄積されたコーパス蓄積部を用い、音声コーパスを出力させたい場合は音声コーパスが蓄積されたコーパス蓄積部を用いれば良い。なお、追加コーパスをテキストコーパスとして出力させた場合は、このテキストコーパスに従って音声の追加収録を行い、追加収録済みの音声情報保存部に基づいて波形辞書を作成すれば良い。また、追加コーパスを音声コーパスとして出力させた場合は、ナレータ等による追加収録を必要とせず、その音声コーパスそのものを音声情報保存部に追加し、波形辞書を作成すれば良い。
【００１３】
また、本発明にかかる波形辞書作成支援システムは、入力された音声波形データから発話内容を認識し、認識した発話内容をテキストデータとして前記音声波形データと共に前記音声分析部へ出力する音声認識部をさらに備えたことが好ましい。発話内容をテキスト入力する手間が省けるからである。
【００１４】
また、本発明にかかる波形辞書作成支援システムにおいて、不足音素列検索部が、更に、合成する音質の品質等級を入力し、入力された品質等級に応じて前記必須音素情報保存部に保存された条件の中から満たすべき条件を決定し、決定した条件に応じて不足音素列を検索することが好ましい。所望の合成音声の品質を実現するために適したサイズ及び内容の波形辞書を作成することが可能となるからである。
【００１５】
また、本発明にかかる波形辞書作成支援システムは、コーパス蓄積部が、分野または用途別に蓄積されたコーパス保存部を有し、前記補充コーパス作成部は、使用する分野または用途情報を入力し、入力された分野または用途情報に応じたコーパス保存部から追加コーパスを検索することが好ましい。分野または用途毎に蓄積されたコーパスから追加コーパスを検索することにより、音声合成システムの使用環境（分野または用途）に応じた波形辞書を作成することが可能となるからである。
【００１６】
また、本発明にかかるコンピュータプログラムは、入力された音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを分析し、当該音声データの音素情報を求めるステップと、前記音声分析部により求められた音素情報を少なくとも含む音声情報を音声情報保存ファイルへ保存するステップと、波形辞書に必須な音素情報の条件を入力し、当該条件を満たすために前記音声情報保存ファイルに保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力するステップと、少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積ファイルから、前記不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力するステップとを含む処理をコンピュータに実行させることを特徴とする。
【００１７】
このプログラムをコンピュータにロードして実行することにより、所望の波形辞書を作成するために音声情報ファイルに追加しなければならない音素列が不足音素列として検索され、その音素列を含むコーパスが追加コーパスとして出力される。これにより、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能となる。
【００１８】
【発明の実施の形態】
（実施形態１）
以下、本発明の一実施形態について説明する。
【００１９】
図１に示すように、本実施形態にかかる波形辞書作成支援システム１は、音声分析部１１、不足音素列検索部１２、補充コーパス作成部１３、音声情報保存部１４、必須音素情報保存部１５、コーパス蓄積部１６を備えている。
【００２０】
音声分析部１１は、収録済みの音声データを入力し分析する。なお、この実施形態で入力される「音声データ」とは、収録済みの音声波形データ（例えばＰＣＭデータ）とテキストデータとを含む。また、コーパス蓄積部１６は、テキストコーパスを蓄積した大規模コーパスデータベースである。
【００２１】
収録された音声データが入力されると、音声分析部１１は、入力された音声データを分析することにより、音素情報を求める。この音素情報には、少なくとも、発声内容を示すラベル情報（音素ラベル）が含まれる。音声分析部１１は、入力された音声波形データに分析結果の音素情報を付与し、音素単位で検索可能な形態の音声データとして、音声情報保存部１４に保存する。
【００２２】
不足音素列検索部１２は、音声情報保存部１４に格納された音声データに、任意の文章を読み上げるために必要な音素列が全て揃っているか否かを調べ、不足している音素列（以下、「不足音素列」と称する）を求める。具体的には、必須音素情報保存部１５を参照することにより、音声情報保存部１４に保存されている収録済み音声データに不足している音素列を検索する。必須音素情報保存部１５には、少なくとも、任意の文章を合成するために必須である、日本語の全音節データの音素列が保存されている。不足音素列検索部１２は、必須音素情報保存部１５に保存されている音素列であって、かつ、音声情報保存部１４に保存されている音声情報にはない音素列を検索し、検索された音素列を不足音素列として出力する。
【００２３】
補充コーパス作成部１３は、不足音素列検索部１２で求められた不足音素列を含むコーパスを、コーパス蓄積部１６から検索し、追加コーパス（単語や文章）として出力する。追加コーパスの出力は、印刷出力、ディスプレイへの表示、ファイルへの出力など、任意の形式で行えば良い。
【００２４】
このように、本実施形態にかかる波形辞書作成支援システム１は、収録済みの音声データから不足音素列を検索し、その不足音素列を含むコーパス（テキストコーパス）を追加コーパスとして出力する。従って、出力された追加コーパスのテキストをナレータなどに読み上げさせて音声データを追加収録すれば、任意の文章を読み上げるために必要な全ての音素情報を、音声情報保存部１４に収録することができる。
【００２５】
本実施形態の波形辞書作成支援システム１の適用例を、図２に示す。図２に示すように、ユーザ（ナレータを含む、以下同じ）が音声を収録するための収録システム２から、収録済みの音声データ（音声波形データおよびテキストデータ）を波形辞書作成支援システム１へ入力する。そして、波形辞書作成支援システム１から追加コーパスが出力されると、ユーザは、出力された追加コーパスに従って収録システム２へ追加収録を行う。波形辞書作成支援システム１は、さらなる追加コーパスがないかを調べ、追加コーパスがないと判断されたら、波形辞書作成システム３へ、音声情報保存部１４に蓄積された音声データや音声情報を出力する。波形辞書作成システム３は、これらの音声データや音声情報に基づき、波形辞書４を作成する。作成された波形辞書４は、音声合成システム５が任意のテキストから合成音声を作成する際に利用される。
【００２６】
なお、図２に示した矢印は、各システムで生成されるデータが他のシステムでどのように利用されるかを表すものに過ぎず、システム間の定常的な接続状態を示すものではない。例えば、音声合成システム５の動作時に、波形辞書４は参照可能でなければならないが、収録システム２、波形辞書作成支援システム１、および波形辞書作成システム３については、波形辞書４および音声合成システム５に接続されている必要はない。
【００２７】
ここで、本実施形態の波形辞書作成支援システム１の他の適用例を、図３に示す。図３の例では、ネットワーク６を介して、ユーザが収録データを送付する点において、図２に示した例と異なっている。このため、図３の例では、ネットワーク６と各システムとの間に送受信部７がさらに設けられた構成である。
【００２８】
ユーザは、電話やＶｏＩＰ（Voice over Internet Protocol）等を利用して音声データを送付する。送受信部７は、ネットワーク６から音声データを受信して、収録システム２に入力して収録する。なお、収録は必ずしもしなくても良い。収録システム２から、収録済みの音声データ（音声波形データおよび発話内容を示すテキストデータ）が波形辞書作成支援システム１へ入力されると、波形辞書作成支援システム１は追加コーパスを求めて送受信部７へ出力する。追加コーパスは送受信部７からネットワーク６を介してユーザへ送られる。ユーザは、追加コーパスを受信し、受信した追加コーパスに従って、電話やＶｏＩＰ等を利用して収録システム２へ追加収録を行う。この処理を、波形辞書作成支援システム１がさらなる追加コーパスはないと判断するまで繰り返す。
【００２９】
追加コーパスがなくなったら、波形辞書作成支援システム１の音声情報保存部１４に蓄積された音声情報を、波形辞書作成システム３へ出力する。波形辞書作成システム３は、これらの音声情報に基づき、波形辞書４を作成する。これにより、ユーザがネットワーク６および送受信部７を介して任意のテキストを入力すると、音声合成システム５は、波形辞書４を利用して音声合成を行い、合成音を送受信部７およびネットワーク６を介してユーザに送付する。
【００３０】
前記「音声データ」は、音声波形データおよび発話内容を表すテキストデータを含む。「音声情報」は、音声分析部１１で分析した結果であり、少なくとも音素ラベルを含む。後述の実施形態で説明するように音声分析部１１においてピッチマーク付与や周波数分析を行う場合は、音声情報にはピッチマークやフォルマントも含まれる。なお、上述の例では、音声情報保存部１４に音声データと音声情報の両方を蓄積するものとしたが、音声データは必ずしも蓄積しなくても良い。
【００３１】
なお、図２と同様に、図３に示す矢印も、各システムで生成されるデータが他のシステムでどのように利用されるかを表すものに過ぎず、必ずしも各システム間の定常的な接続状態を示すものではない。
【００３２】
本実施形態の波形辞書作成支援システム１のさらに他の適用例を、図４に示す。図４に示す例では、ネットワーク６を介した収録システム２への音声収録、波形辞書作成支援システム１による追加コーパスの生成およびユーザへの送信、波形辞書作成システム３による波形辞書４の作成までは、図３に示した例と同様である。ただし、図４に示す例の場合、音声合成システム５はユーザの手元にあり、作成された波形辞書４は、ネットワーク６を介してユーザに送付される。ユーザが音声合成システム５に任意のテキストを入力すると、音声合成システム５は、送付された波形辞書４を利用して、合成音を作成し出力する。
【００３３】
（実施形態２）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００３４】
図５に示すように、本実施形態の波形辞書作成支援システム２１では、音声分析部１１には自動ラベリング部１１ａ、音声情報保存部１４には音素ラベル保存部１４ａ、不足音素列検索部１２には音素列検索部１２ａ、必須音素情報保存部１５には必須音素列保存部１５ａが、それぞれ設けられている。
【００３５】
まず、音声分析部１１に、音声データとしてＰＣＭデータとテキストデータとが入力されると、自動ラベリング部１１ａが音素ラベリングを行う。音素ラベリングの結果は、音声情報保存部１４の音素ラベル保存部１４ａに保存される。
【００３６】
例えば発声内容が「朝早く、バンガローに電報が届いた。」、「青山には、新しいお店がたくさんある。」のような場合には、音素ラベルの例は、
a-s-a-h-a-y-a-k-u b-a-n-g-a-r-o-o-n-i d-e-n-p-o-g-a t-o-d-o-i-t-a a-o-y-a-m-a-n-i-h-a a-t-a-r-a-sh-i-i-o-m-i-s-e-x-a t-a-k-u-s-a-n-a-r-u.
である。
【００３７】
次に、不足音素列検索部１２では必須音素情報保存部１５の必須音素列保存部１５ａの情報を元にして、音声情報保存部１４に保存されている音素情報（音素ラベル）に不足している音素列（不足音素列）を求める。必須音素情報保存部１５には、任意の日本語文章を読み上げるために必要な、全音節データの音素列が保存されている。本実施形態の場合、必須音素列保存部１５ａに、例えば、
母音 ・・・・・・・・・ (1)
母音＋母音 ・・・・・・・・・ (2)
子音＋母音 ・・・・・・・・・ (3)
の全パターンが保持されている。
【００３８】
さらに、上記の (1)〜(3)の３パターンに追加して、
母音＋子音＋母音 ・・・・・・・・・ (４)
の３音素の全てを保持することも好ましい。
【００３９】
あるいは、別の例として、(1)〜(3)の３パターンに追加して、接続すると音が悪くなりやすい、
母音＋半母音＋母音 ・・・・・・・ (５)
母音＋鼻音＋母音 ・・・・・・・ (６)
母音＋弾音＋母音 ・・・・・・・ (７)
等のパターンを保持することも好ましい。
【００４０】
例えば、(1)〜(4)を保持する場合は、
a i u e o n
k-a k-i k-u … r-a r-i …
a-k-a a-k-i a-k-u …i-k-a i-k-i i-k-u … o-w-u o-w-e o-w-o…という音素列が、必須音素列保存部１５ａに保存される。
【００４１】
また、接続する際に異音や雑音混入の原因になりやすい音素列については、４、５音素連鎖の形式で必須音素列保存部１５ａに保持しておけば、さらに高品質な音声合成が可能となる点で望ましい。
【００４２】
不足音素列検索部１２の音素列検索部１２ａは、音声情報保存部１４の音素ラベル保存部１４ａと必須音素情報保存部１５の必須音素列保存部１５ａとを対比することにより、音素ラベル保存部１４ａに必須音素列の全てが存在しているかどうかを検索し、不足音素列を求める。
【００４３】
補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００４４】
以上のように、本実施形態の波形辞書作成支援システム２１によれば、所望の波形辞書を作成するための必須の条件を必須音素情報保存部１５に登録しておけば、その条件を満たすために追加することが必要な音素列（不足音素列）を含むコーパスが「追加コーパス」として出力される。これにより、追加コーパスの探索を効率的に行うことができる。
【００４５】
なお、本実施形態の波形辞書作成支援システム２１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００４６】
（実施形態３）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００４７】
図６に示すように、本実施形態にかかる波形辞書作成支援システム３１では、音声分析部１１には自動ラベリング部１１ａとピッチマーク付与部１１ｂ、音声情報保存部１４には音素ラベル保存部１４ａとピッチマーク保存部１４ｂ、不足音素列検索部１２には音素列検索部１２ａ、音素長情報照合部１２ｂ、およびピッチ情報照合部１２ｃ、必須音素情報保存部１５には必須音素列保存部１５ａ、音素長保存部１５ｂ、およびピッチ情報保存部１５ｃが、それぞれ設けられている。
【００４８】
音声分析部１１に、音声データとしてＰＣＭデータおよびテキストデータが入力されると、自動ラベリング部１１ａが音素ラベリング（境界位置決定を含む）を行い、ピッチマーク付与部１１ｂがピッチマーク付与を行う。なお、本実施形態では音声データとしてＰＣＭデータを用いる例を示したが、音声データであればその形式は任意である。音素ラベルとピッチマークは、それぞれ、音声情報保存部１４の音素ラベル保存部１４ａとピッチマーク保存部１４ｂに保存される。
【００４９】
ここで保存される音素ラベルの例を以下に示す。例えば図７に示すような音声波形の場合には、音素名とその音素境界は、時系列上のサンプリング位置を用いて、下記（表１）のように表すことができる。
【００５０】
【表１】
また、この場合に保存されるピッチマークは、図８に示すように、各ピッチの位置になり、例えば下記のように表される。
【００５２】
o: 154 211 266 326 383 440 498 555 612 667 720 760
m: 810 834 889 861 879 917 958 990 1128 1133
a: 1175 1210 1255 1295 1333 1380 1420 1459 1492 1533
z: 1571 1608 1642 1688 …
…
不足音素列検索部１２では、音素列検索部１２ａが、実施形態２と同様に、音声情報保存部１４の音素ラベル保存部１４ａと必須音素情報保存部１５の必須音素列保存部１５ａとを対比することにより、音素ラベル保存部１４ａに必須音素列の全てが存在しているかどうかを検索する。これにより、必須音素列保存部１５ａに存在する音素列であって、かつ、音素ラベル保存部１４ａに存在しない音素列を、不足音素列と判断する。
【００５３】
また、音素長情報照合部１２ｂは、音声情報保存部１４の音素ラベル保存部１４ａに保存されている音素ラベルから、収録音声データの音素列の音素長を求め、求めた音素長が必須音素情報保存部１５の音素長保存部１５ｂにある合成時の音素長データより極端に短い場合（例えば長さが１／２以下の場合）は、当該音素長条件を満たす音素列が不足していると判断する。なお、音素長保存部１５ｂに保存されている情報例としては、例えば以下のような、各音素の合成時の音素長のリストがあげられる。
【００５４】
a-ｗ-a： a:110msec w:40msec a:100msec
s-a： ｓ:90msec a:100msec
a-i-a： a:110msec i:80msec a:100msec
…
また、ピッチ情報照合部１２ｃは、音声情報保存部１４のピッチマーク保存部１４ｂに保存されているピッチマークから収録音声データのピッチを求め、求めたピッチが、必須音素情報保存部１５のピッチ情報保存部１５ｃにある合成時に必要なピッチとの間に大きな隔たりがある場合（例えば５０％以上のピッチ差がある場合）は、当該ピッチ条件を満たす音素列が不足していると判断する。なお、ピッチ情報保存部１５ｃに保存されている情報例としては、各ＰＣＭデータのピッチ情報から求められるベースピッチがあげられる。
【００５５】
不足音素列検索部１２は、音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃのそれぞれで求められた不足音素列の和集合を、補充コーパス作成部１３に出力する。
【００５６】
補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００５７】
以上のように、本実施形態の波形辞書作成支援システム３１によれば、音素列、音素長、ピッチに関する条件を全て満たすために補充すべき音素列が、不足音素列として検索され、その不足音素列を含むコーパスが、追加コーパスとして出力される。従って、出力された追加コーパスに基づいて追加収録を行えば、音素列、音素長、ピッチに関する条件を全て満たす波形辞書を作成することができ、この波形辞書を用いれば、より高品質な音声合成が可能となる。
【００５８】
なお、本実施形態の波形辞書作成支援システム３１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００５９】
（実施形態４）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００６０】
図９に示すように、本実施形態にかかる波形辞書作成支援システム４１では、音声分析部１１には自動ラベリング部１１ａ、ピッチマーク付与部１１ｂ、および周波数解析部１１ｃが、音声情報保存部１４には音素ラベル保存部１４ａ、ピッチマーク保存部１４ｂ、およびフォルマント保存部１４ｃが、不足音素列検索部１２には音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃ、およびフォルマント情報照合部１２ｄが、必須音素情報保存部１５には必須音素列保存部１５ａ、音素長保存部１５ｂ、ピッチ情報保存部１５ｃ、およびフォルマント情報保存部１５ｄが、それぞれ設けられている。
【００６１】
音声分析部１１に音声データとしてＰＣＭデータとテキストデータが入力されると、音声分析部１１の自動ラベリング部１１ａおよびピッチマーク付与部１１ｂは、実施形態３で説明したように音素ラベルおよびピッチマークの付与を行う。さらに、周波数解析部１１ｃが、ＰＣＭデータの周波数解析を行い、各音素のフォルマント情報を、音声情報保存部１４のフォルマント保存部１４ｃに保存する。
【００６２】
不足音素列検索部１２では、音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃが、実施形態３で説明したように、不足音素列をそれぞれ求める。さらに、フォルマント情報照合部１２ｄが、フォルマント情報保存部１５ｄのデータと、収録データのフォルマントとの照合を行い、大きな隔たりがないかを照合する。
【００６３】
フォルマント情報保存部１５ｄの保存データ例としては、各母音の第一フォルマントおよび第二フォルマントがあげられる。例えば、「i（い）」という音素の第一フォルマントの平均値Fi1と、第二フォルマントの平均値Fi2とを、フォルマント情報保存部１５ｄに保存しておく。この場合、フォルマントの照合は、例えば以下のように行う。周波数解析部１１ｃが、前述のようにＰＣＭデータの周波数解析を行い、各音素の第一フォルマントfi1と第二フォルマントfi2とをフォルマント保存部１４ｃに保存する。そして、フォルマント情報照合部１２ｄが、フォルマント保存部１４ｃに保存されている各音素列ごとに、第一フォルマントおよび第二フォルマントの平均値を求める。例えば、ある音素列中の「ｉ」という音素の第一フォルマントfi1および第二フォルマントfi2と、フォルマント情報保存部１５ｄの平均フォルマントFi1，Fi2との差diffを、例えば下記式により求める。
【００６４】
diff = （ Fi1 − fi1 ）2 ＋（ Fi2 − fi2 ）2
各音素についてdiffの閾値を設定しておき、閾値を超えた場合は、当該音素列を不足音素列と判断する。
【００６５】
不足音素列検索部１２は、音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃ、フォルマント情報照合部１２ｄのそれぞれで求められた不足音素列の和集合を、補充コーパス作成部１３に出力する。
【００６６】
補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００６７】
以上のように、本実施形態の波形辞書作成支援システム４１によれば、音素列、音素長、ピッチ、フォルマントに関する条件を全て満たすために補充すべき音素列が、不足音素列として検索され、その不足音素列を含むコーパスが、追加コーパスとして出力される。従って、出力された追加コーパスに基づいて追加収録を行えば、音素列、音素長、ピッチ、フォルマントに関する条件を全て満たす波形辞書を作成することができ、この波形辞書を用いれば、さらに高品質な音声合成が可能となる。
【００６８】
なお、本実施形態の波形辞書作成支援システム４１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００６９】
（実施形態５）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００７０】
図１０に示すように、本実施形態にかかる波形辞書作成支援システム５１は、実施形態４にかかる波形辞書作成支援システム４１と同様に、音声分析部１１には自動ラベリング部１１ａ、ピッチマーク付与部１１ｂ、および周波数解析部１１ｃが、音声情報保存部１４には音素ラベル保存部１４ａ、ピッチマーク保存部１４ｂ、およびフォルマント保存部１４ｃが、不足音素列検索部１２には音素列検索部１２ａ、音素長情報照合部１２ｂ、ピッチ情報照合部１２ｃ、およびフォルマント情報照合部１２ｄが、必須音素情報保存部１５には必須音素列保存部１５ａ、音素長保存部１５ｂ、ピッチ情報保存部１５ｃ、およびフォルマント情報保存部１５ｄが、それぞれ設けられている。
【００７１】
ただし、本実施形態にかかる波形辞書作成支援システム５１は、不足音素列検索部１２に品質等級を表すデータが入力され、不足音素列検索部１２が入力された品質等級のレベルに応じて不足音素列の検索を行う点において、実施形態４と異なる。
【００７２】
入力される品質の等級は、数値や記号等によって表され、例えば、
１：音声品質最高レベル
２：音声品質中級レベル
３：音声品質最低レベル
のように、合成音声の品質として求められるレベルと対応付けられる。また、合成音声について求められる品質のレベルが高くなるほど必要となる波形辞書のサイズも大きくなるので、前記の品質等級「３」、「２」、「１」の順に、不足音素列検索部１２が不足音素列の検索をより綿密に行うこととなる。
【００７３】
例えば、不足音素列検索部１２に、品質等級「３」が入力された場合は、不足音素列検索部１２の音素列検索部１２ａは、必須音素情報保存部１５の必須音素列保存部１５ａの「母音」、「母音＋母音」、「子音＋母音」を満足するために必要な不足音素列の検索を行う。
【００７４】
また、品質等級「１」が入力された場合には、不足音素列検索部１２の音素列検索部１２ａは、例えば、必須音素情報保存部１５の必須音素列保存部１５ａの１音素（「母音」）〜４、５音素連鎖の必須音素も満足するために必要な不足音素列の検索を行い、更に、音素長、ピッチ情報、フォルマント情報を満足する最高品質を提供するために補充することが必要な不足音素列の検索を行う。
【００７５】
なお、品質等級「２」が入力された場合は、不足音素列検索部１２の音素列検索部１２ａは、例えば、必須音素情報保存部１５の必須音素列保存部１５ａの１音素（「母音」）〜４、５音素連鎖の必須音素も満足するために必要な不足音素列のみの検索を行うなど、上述の品質等級「１」と品質等級「２」との中間的なレベルで不足音素列を検索する。
【００７６】
不足音素列検索部１２は、上述のように検索された不足音素列を、補充コーパス作成部１３に出力する。補充コーパス作成部１３は、実施形態１で説明したように、コーパス蓄積部１６に蓄積されているコーパスの中から、不足音素列を含むコーパスを検索し、検索結果を「追加コーパス」として出力する。
【００７７】
以上のように、本実施形態の波形辞書作成支援システム５１によれば、入力された品質等級に応じた綿密さで不足音素列を検索し、検索結果として得られた不足音素列を含むコーパスが追加収録用のテキストデータ（追加コーパス）として出力される。これにより、求められる品質等級が高くなるほど、不足音素列をきめ細かく検索することとなるので、より自然な合成音声を得るための波形辞書を作成することが可能となる。一方、例えばコストや記憶容量などとの兼ね合いによって品質等級が低くても良い場合は、求められる品質等級を満足するために必要な最小限の不足音素列を検索することにより、波形辞書のサイズを小さく抑え、コストや記憶容量を節約することができる。
【００７８】
なお、本実施形態の波形辞書作成支援システム５１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００７９】
（実施形態６）
以下、本発明にかかる波形辞書作成支援システムの他の実施形態について、具体的な例をあげて説明する。
【００８０】
なお、本実施形態では、補充コーパス作成部１３およびコーパス蓄積部１６の具体的な構成例についてのみ説明するが、音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５の構成は、本発明の目的を達成できる範囲であれば任意の構成とすることができる。なお、前述の実施形態２〜５のそれぞれで説明した態様の音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５と、本実施形態で説明する補充コーパス作成部１３およびコーパス蓄積部１６とを組み合わせることができることは、言うまでもない。
【００８１】
図１１に示すように、本実施形態の波形辞書作成支援システム６１では、コーパス蓄積部１６に、テキストコーパスが分野別に収集され、分野別コーパス１６ａ〜１６ｄとして保存されている。なお、分野別コーパスの例としては、図１１に示した「金融」、「官公庁」、「一般」、「自然会話調」等に限定されず、音声合成システム５の使用環境等に応じた任意の分野のコーパスを用いればよい。コーパス１６ａ〜１６ｄは、各々の分野で使用される定型文章を多数含んでいる。補充コーパス作成部１３は、ユーザにより入力された分野名に基づき、コーパス蓄積部１６における該当する分野のコーパスから、不足音素列を含むコーパスを検索する。
【００８２】
コーパス蓄積部１６に保存されている情報の例としては、
・テキスト文章、もしくは音素列、
・発話時に予想されるピッチ情報、
等があげられる。
【００８３】
具体的には、金融コーパスのテキスト文章としては、
・「預金残高をご確認下さい。」
・「通帳の口座番号をご確認下さい。」
・「振り込み先の住所、氏名を入力して下さい。」
等があげられる。
【００８４】
また、単語としては、
・「一円」、「二円」、…「千円」、「二千円」、…「一万円」、…（金額読み上げ）
・「預金」
・「通帳」
等があげられる。
【００８５】
また、自然会話調のテキスト文章としては、
・「おはよう。」
・「元気？」
・「今日はいい天気だね。」
・「明日もし雨が降ったら、どこに行く？」
等のような、自然な会話文があげられる。
【００８６】
このように、不足音素列を含む追加コーパスを、分野別に蓄積されたコーパスから選択することにより、音声合成システム５の使用環境に適したより自然な合成音声を得るための波形辞書４を作成することが可能となる。
【００８７】
なお、図１１に示した構成の変形例として、図１２に示すように、音声分析部１１が、収録済み音声データの分析結果である音素列（テキストデータ）を、音声情報保存部１４のみならず、コーパス蓄積部１６にも保存するようにしても良い。
【００８８】
なお、本実施形態の波形辞書作成支援システム６１の適用例は、実施形態１において図２〜図４を用いて説明したものと同じであるため、その説明は省略する。
【００８９】
（実施形態７）
本発明にかかる波形辞書作成支援システムの他の実施形態について、図面を参照しながら説明する。
【００９０】
本実施形態の波形辞書作成支援システムは、補充コーパス作成部およびコーパス蓄積部が、前述の各実施形態と異なっている。図１３に示すように、本実施形態の波形辞書作成支援システム７１は、実施形態１等で説明した補充コーパス作成部１３およびコーパス蓄積部１６の代わりに、補充コーパス作成部２３および音声コーパス蓄積部２６を備えている。
【００９１】
なお、本実施形態では、補充コーパス作成部２３およびコーパス蓄積部２６についてのみ説明するが、音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５の構成は、本発明の目的を達成できる範囲であれば任意の構成とすることができる。なお、前述の実施形態２〜５のそれぞれで説明した態様の音声分析部１１、不足音素列検索部１２、音声情報保存部１４、必須音素情報保存部１５と、本実施形態で説明する補充コーパス作成部２３およびコーパス蓄積部２６とを組み合わせることができることは、言うまでもない。
【００９２】
本実施形態の波形辞書作成支援システム７１では、音声コーパス蓄積部２６に、音素ラベル、ピッチ等の波形データの情報を表す情報と共に、音波形データが蓄積されている。補充コーパス作成部２３は、不足音素列検索部１２で求められた不足音素列を含むコーパスを、音声コーパス蓄積部２６から検索し、検索結果を追加音声データとして出力する。
【００９３】
すなわち、実施形態１〜６にかかる波形辞書作成支援システムでは、追加コーパスとしてテキストが出力されるようになっており、そのテキストに従ってユーザが追加収録を行う必要があった。これに対して、本実施形態にかかる波形辞書作成支援システム７１では、追加すべき音声データが、音声コーパス蓄積部２６に蓄積されている音声コーパスから自動的に作成されるので、ユーザは追加収録を行う必要がないという利点がある。
【００９４】
図１４に、本実施形態の波形辞書作成支援システム７１の適用例を示す。図１４に示すように、波形辞書作成支援システム７１から、音声情報保存部１４に保存された音声データと、補充コーパス作成部２３で作成される追加音声データとを、波形辞書作成システム３へ入力する。波形辞書作成システム３は、入力された音声データに基づき、波形辞書４を作成する。音声合成システム５は、この波形辞書４を用いて音声合成を行う。
【００９５】
なお、図１４に示した矢印は、各システムで生成されるデータが他のシステムでどのように利用されるかを表すものに過ぎず、システム間の定常的な接続状態を示すものではない。例えば、音声合成システム５の動作時に、波形辞書４は参照可能でなければならないが、波形辞書作成支援システム７１や波形辞書作成システム３については、波形辞書４および音声合成システム５に接続されている必要はない。
【００９６】
（実施形態８）
本発明にかかる波形辞書作成支援システムの他の実施形態について、図面を参照しながら説明する。なお、本実施形態は、実施形態７で説明した波形辞書作成支援システムのより具体的な例であるので、同様の機能を有する部分には同じ部材番号を付与し、詳細な説明は省略する。
【００９７】
図１５に示すように、本実施形態にかかる波形辞書作成支援システム８１における音声分析部１１、音声情報保存部１４、不足音素列検索部１２、必須音素情報保存部１５の構成および機能は、図９に示す実施形態４と同様であるため、その説明を省略する。
【００９８】
音声コーパス蓄積部２６には、様々な話者による、波形データ、音素ラベル、ピッチマーク、フォルマントの情報が、波形データ保存部２６ａ、音素ラベル保存部２６ｂ、ピッチマーク保存部２６ｃ、フォルマント保存部２６ｄに、それぞれ保存されている。
【００９９】
補充コーパス作成部２３には、不足音素列検索部１２から、例えば実施形態４で説明したように、（１）音素列そのものが音声情報保存部１４に存在しないもの、（２）音声情報保存部１４に保存されている音素列のうち、音素長、ピッチ、フォルマントのいずれかが所定の条件を満たさないもの、の和集合が不足音素列として入力される。そこで、補充コーパス作成部２３は、音声コーパス蓄積部２６から、不足音素列と音素ラベルが同じで、かつ、音素長、ピッチ、フォルマントの一致度の高いものを選択し、追加音声データとして出力する。
【０１００】
波形辞書作成システム３には、音声情報保存部１４に保存されている音声データ（音声波形データと、その音素ラベルやピッチマーク等）と、補充コーパス作成部２３で作成された追加音声データとが入力される。波形辞書作成システム３は、これらに基づき、波形辞書４を作成する。この波形辞書４を用いることで、どのような文章でも読み上げることのできる音声合成システム５が実現される。
【０１０１】
（実施形態９）
本発明にかかる波形辞書作成支援システムの他の実施形態について、図面を参照しながら説明する。
【０１０２】
図１６に示すように、本実施形態にかかる波形辞書作成支援システム９１は、入力されるデータが音声波形データ（例えばＰＣＭデータ）のみであり、音声分析部１１の全段に音声認識を行う音声認識部１７をさらに備えた点において、図１に示す実施形態１にかかる構成と異なっている。
【０１０３】
ＰＣＭデータが入力されると、音声認識部１７は、ＰＣＭデータの音声認識を行い、発話内容を出力する。なお、音声認識部１７による音声認識の手法については、公知の任意の手法を用いることが可能であるため、詳しい説明は省略する。
【０１０４】
音声分析部１１は、ＰＣＭデータと発話内容から、少なくとも発声内容を示すラベル情報を付与し、音素単位で検索可能な形態の音声データとして、音声情報保存部１４に保存する。
【０１０５】
不足音素列検索部１２、必須音素情報保存部１５、補充コーパス作成部１３、コーパス蓄積部１６の構成および機能については、前述の各実施形態で説明した構成および機能を適用することが可能である。
【０１０６】
なお、図１６に示した補充コーパス作成部１３およびコーパス蓄積部１６の代わりに、実施形態７および８で説明した補充コーパス作成部２３および音声コーパス蓄積部２６を備えた構成とすることも可能である。
【０１０７】
また、本実施形態の波形辞書作成支援システム９１の適用例は、収録システム２から波形辞書作成支援システム９１へ入力されるデータがＰＣＭデータである点を除いては、実施形態１において図２〜図４を用いて説明したものと同様であるため、その詳しい説明は省略する。
【０１０８】
以上のように、本実施形態にかかる波形辞書作成支援システム９１では、収録システム２によって収録された音声のＰＣＭデータだけを用いて波形辞書４を作成することが可能である。
【０１０９】
（実施形態１０）
本発明の一実施形態として、本発明にかかる波形辞書作成支援システムをコンピュータで実現するためのプログラムの一例を、図面を参照しながら説明する。
【０１１０】
本実施形態にかかるプログラムは、図１７に示すように、音声データを入力し（ステップＳ１）、入力された音声データを分析して音素情報を求め（ステップＳ２）、音素単位で検索可能な形態の音声データとして音声情報保存ファイルへ保存する（ステップＳ３）。次に、任意の日本語文章を読み上げるために必須とされる音素または音素列の条件を、当該条件があらかじめ保存された必須音素情報保存ファイルから入力する（ステップＳ４）。そして、ステップＳ４で入力された条件を満たすために音声情報保存ファイルに不足している音素列を検索し、検索結果を不足音素列として出力する（ステップＳ５）。続いて、大量のコーパスを蓄積したコーパス蓄積ファイルから、ステップＳ５で求められた不足音素列を含むコーパスを検索し、検索結果を追加コーパスとして出力する（ステップＳ６）。追加コーパスの出力は、印刷出力、ディスプレイへの表示、ファイルへの出力など、任意の形式で行えば良い。
【０１１１】
なお、ステップＳ２、ステップＳ５、ステップＳ６の処理については、上述の各実施形態で説明した音声分析部１１、不足音素列検索部１２、補充コーパス作成部１３（または２３）の処理内容を適用できるが、その詳細な説明は省略する。
【０１１２】
本実施形態にかかるプログラムは、ＣＤ−ＲＯＭ等の任意の可搬型記録媒体を介して、あるいは、無線または有線の通信回線を介して、コンピュータに読み込まれ、実行されることにより、当該コンピュータを上述の各実施形態で説明した波形辞書作成支援システムとして機能させることとなる。
【０１１３】
（付記１） 音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを入力して分析し、当該音声データの音素情報を求める音声分析部と、
前記音声分析部により求められた音素情報を少なくとも含む音声情報を保存する音声情報保存部と、
波形辞書に必須な音素情報の条件を保存する必須音素情報保存部と、
前記必須音素情報保存部に保存されている条件を満たすために前記音声情報保存部に保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力する不足音素列検索部と、
少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積部と、
前記コーパス蓄積部から、前記不足音素列検索部より出力された不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力する補充コーパス作成部とを備えたことを特徴とする波形辞書作成支援システム。
【０１１４】
（付記２） 入力された音声波形データから発話内容を認識し、認識した発話内容をテキストデータとして前記音声波形データと共に前記音声分析部へ出力する音声認識部をさらに備えた、付記１に記載の波形辞書作成支援システム。
【０１１５】
（付記３） 前記音声分析部が、入力された音声波形データに対して、音素ラベル付与、ピッチマーク付与、およびフォルマント検出から選ばれる少なくともいずれか一つを行った結果を、前記音素情報として前記音声情報保存部に保存し、
前記必須音素情報保存部に、波形辞書に必須な音素列に加えて、前記音声情報保存部に保存されている音素情報に関する条件が保存され、
前記不足音素列検索部が、前記音声情報保存部に保存されている音素列であっても、前記必須音素情報保存部における前記条件を満たさない場合は、当該音素列を不足音素列として出力する、付記１または２に記載の波形辞書作成支援システム。
【０１１６】
（付記４） 前記不足音素列検索部は、更に、合成する音質の品質等級を入力し、入力された品質等級に応じて前記必須音素情報保存部に保存された条件の中から満たすべき条件を決定し、決定した条件に応じて不足音素列を検索する、付記１または２に記載の波形辞書作成支援システム。
【０１１７】
（付記５） 前記コーパス蓄積部が、分野または用途別に蓄積されたコーパス保存部を有し、
前記補充コーパス作成部は、使用する分野または用途情報を入力し、入力された分野または用途情報に応じたコーパス保存部から追加コーパスを検索する、付記１〜３のいずれか一項に記載の波形辞書作成支援システム。
【０１１８】
（付記６） 入力された音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを分析し、当該音声データの音素情報を求めるステップと、
前記音声分析部により求められた音素情報を少なくとも含む音声情報を音声情報保存ファイルへ保存するステップと、
波形辞書に必須な音素情報の条件を入力し、当該条件を満たすために前記音声情報保存ファイルに保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力するステップと、
少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積ファイルから、前記不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力するステップとを含む処理をコンピュータに実行させることを特徴とするコンピュータプログラム。
【０１１９】
【発明の効果】
以上のように、本発明によれば、収録済みの音声データがある場合に、所望の波形辞書を作成するために補充すべき音声データ（補充コーパス）を効率的に探索することが可能な波形辞書作成支援システムを提供することが可能となる。
【図面の簡単な説明】
【図１】 本発明の実施形態１にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図２】 本発明の実施形態１にかかる波形辞書作成支援システムの適用例を示すブロック図
【図３】 本発明の実施形態１にかかる波形辞書作成支援システムの他の適用例を示すブロック図
【図４】 本発明の実施形態１にかかる波形辞書作成支援システムのさらに他の適用例を示すブロック図
【図５】 本発明の実施形態２にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図６】 本発明の実施形態３にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図７】 音素ラベリングの例を示す説明図
【図８】 ピッチマーク付与の例を示す説明図
【図９】 本発明の実施形態４にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１０】 本発明の実施形態５にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１１】 本発明の実施形態６にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１２】 本発明の実施形態６にかかる波形辞書作成支援システムの変形例を示すブロック図
【図１３】 本発明の実施形態７にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１４】 本発明の実施形態７にかかる波形辞書作成支援システムの適用例を示すブロック図
【図１５】 本発明の実施形態８にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１６】 本発明の実施形態９にかかる波形辞書作成支援システムの概略構成を示すブロック図
【図１７】 本発明の実施形態１０にかかるコンピュータプログラムの概略動作を示すフローチャート
【符号の説明】
１ 波形辞書作成支援システム
２ 収録システム
３ 波形辞書作成システム
４ 波形辞書
５ 音声合成システム
６ ネットワーク
７ 送受信部
１１ 音声分析部
１１ａ 自動ラベリング部
１１ｂ ピッチマーク付与部
１１ｃ 周波数解析部
１２ 不足音素列検索部
１２ａ 音素列検索部
１２ｂ 音素長情報照合部
１２ｃ ピッチ情報照合部
１２ｄ フォルマント情報照合部
１３ 補充コーパス作成部
１４ 音声情報保存部
１４ａ 音素ラベル保存部
１４ｂ ピッチマーク保存部
１４ｃ フォルマント保存部
１５ 必須音素情報保存部
１５ａ 必須音素列保存部
１５ｂ 音素長保存部
１５ｃ ピッチ情報保存部
１５ｄ フォルマント情報保存部
１６ コーパス蓄積部
１７ 音声認識部
２３ 補充コーパス作成部
２６ 音声コーパス蓄積部
２１ 波形辞書作成支援システム
３１ 波形辞書作成支援システム
４１ 波形辞書作成支援システム
５１ 波形辞書作成支援システム
６１ 波形辞書作成支援システム
７１ 波形辞書作成支援システム
８１ 波形辞書作成支援システム
９１ 波形辞書作成支援システム
Claims (5)
- 音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを入力して分析し、当該音声データの音素情報を求める音声分析部と、
前記音声分析部により求められた音素情報を少なくとも含む音声情報を保存する音声情報保存部と、
波形辞書に必須な音素情報の条件を保存する必須音素情報保存部と、
前記必須音素情報保存部に保存されている条件を満たすために前記音声情報保存部に保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力する不足音素列検索部と、
少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積部と、
前記コーパス蓄積部から、前記不足音素列検索部より出力された不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力する補充コーパス作成部とを備えたことを特徴とする波形辞書作成支援システム。 - 入力された音声波形データから発話内容を認識し、認識した発話内容をテキストデータとして前記音声波形データと共に前記音声分析部へ出力する音声認識部をさらに備えた、請求項１に記載の波形辞書作成支援システム。
- 前記不足音素列検索部は、更に、合成する音質の品質等級を入力し、入力された品質等級に応じて前記必須音素情報保存部に保存された条件の中から満たすべき条件を決定し、決定した条件に応じて不足音素列を検索する、請求項１または２に記載の波形辞書作成支援システム。
- 前記コーパス蓄積部が、分野または用途別に蓄積されたコーパス保存部を有し、
前記補充コーパス作成部は、使用する分野または用途情報を入力し、入力された分野または用途情報に応じたコーパス保存部から追加コーパスを検索する、請求項１〜３のいずれか一項に記載の波形辞書作成支援システム。 - 入力された音声波形データと当該音声の発話内容を表すテキストデータとを含む音声データを分析し、当該音声データの音素情報を求めるステップと、
前記音声分析部により求められた音素情報を少なくとも含む音声情報を音声情報保存ファイルへ保存するステップと、
波形辞書に必須な音素情報の条件を入力し、当該条件を満たすために前記音声情報保存ファイルに保存されている音素情報に不足している音素列を検索し、検索結果として得られた音素列を不足音素列として出力するステップと、
少なくとも前記必須音素情報の全てを含むコーパスが蓄積されたコーパス蓄積ファイルから、前記不足音素列を含むコーパスを検索し、検索結果として得られたコーパスを追加コーパスとして出力するステップとを含む処理をコンピュータに実行させることを特徴とするコンピュータプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003137624A JP4286583B2 (ja) | 2003-05-15 | 2003-05-15 | 波形辞書作成支援システムおよびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003137624A JP4286583B2 (ja) | 2003-05-15 | 2003-05-15 | 波形辞書作成支援システムおよびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004341226A JP2004341226A (ja) | 2004-12-02 |
| JP4286583B2 true JP4286583B2 (ja) | 2009-07-01 |
Family
ID=33527248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003137624A Expired - Fee Related JP4286583B2 (ja) | 2003-05-15 | 2003-05-15 | 波形辞書作成支援システムおよびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4286583B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4775119B2 (ja) * | 2006-06-01 | 2011-09-21 | 沖電気工業株式会社 | コーパス設計装置 |
| JP4895759B2 (ja) * | 2006-10-25 | 2012-03-14 | 三洋電機株式会社 | 音声メッセージ出力装置 |
| JP2013072903A (ja) | 2011-09-26 | 2013-04-22 | Toshiba Corp | 合成辞書作成装置および合成辞書作成方法 |
-
2003
- 2003-05-15 JP JP2003137624A patent/JP4286583B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004341226A (ja) | 2004-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10991360B2 (en) | System and method for generating customized text-to-speech voices | |
| US7716052B2 (en) | Method, apparatus and computer program providing a multi-speaker database for concatenative text-to-speech synthesis | |
| US6910012B2 (en) | Method and system for speech recognition using phonetically similar word alternatives | |
| US8825486B2 (en) | Method and apparatus for generating synthetic speech with contrastive stress | |
| US7124083B2 (en) | Method and system for preselection of suitable units for concatenative speech | |
| CN102549652B (zh) | 信息检索装置 | |
| US8719028B2 (en) | Information processing apparatus and text-to-speech method | |
| US20110131038A1 (en) | Exception dictionary creating unit, exception dictionary creating method, and program therefor, as well as speech recognition unit and speech recognition method | |
| US20090254349A1 (en) | Speech synthesizer | |
| US8914291B2 (en) | Method and apparatus for generating synthetic speech with contrastive stress | |
| US20080120093A1 (en) | System for creating dictionary for speech synthesis, semiconductor integrated circuit device, and method for manufacturing semiconductor integrated circuit device | |
| US8315869B2 (en) | Speech recognition apparatus, speech recognition method, and recording medium storing speech recognition program | |
| EP2595144B1 (en) | Voice data retrieval system and program product therefor | |
| US20140236597A1 (en) | System and method for supervised creation of personalized speech samples libraries in real-time for text-to-speech synthesis | |
| JP4286583B2 (ja) | 波形辞書作成支援システムおよびプログラム | |
| JP3911178B2 (ja) | 音声認識辞書作成装置および音声認識辞書作成方法、音声認識装置、携帯端末器、音声認識システム、音声認識辞書作成プログラム、並びに、プログラム記録媒体 | |
| EP1632932B1 (en) | Voice response system, voice response method, voice server, voice file processing method, program and recording medium | |
| EP1589524B1 (en) | Method and device for speech synthesis | |
| JP2003150185A (ja) | 音声合成システムとその方法及びそれを実現するためのプログラム | |
| JP2001331191A (ja) | 音声合成装置および音声合成方法、携帯端末器、並びに、プログラム記録媒体 | |
| JP4787686B2 (ja) | テキスト選択装置、その方法、そのプログラム、及びその記録媒体 | |
| JP2004272134A (ja) | 音声認識装置及びコンピュータプログラム | |
| CN117043741A (zh) | 信息处理装置、信息处理方法和信息处理程序 | |
| 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 | |
| JP4297496B2 (ja) | 音声合成方法及びその装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050902 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080403 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080422 |
|
| 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: 20090319 |
|
| 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: 20090325 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120403 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: 20120403 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130403 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140403 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |