JP4635384B2 - 音声合成システム、音声合成方法および音声合成用プログラム - Google Patents
音声合成システム、音声合成方法および音声合成用プログラム Download PDFInfo
- Publication number
- JP4635384B2 JP4635384B2 JP2001202693A JP2001202693A JP4635384B2 JP 4635384 B2 JP4635384 B2 JP 4635384B2 JP 2001202693 A JP2001202693 A JP 2001202693A JP 2001202693 A JP2001202693 A JP 2001202693A JP 4635384 B2 JP4635384 B2 JP 4635384B2
- Authority
- JP
- Japan
- Prior art keywords
- dependency
- sentence
- pose
- reliability
- entire
- 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
Landscapes
- Machine Translation (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は音声合成システム、音声合成方法および音声合成用プログラムに関し、特に読み上げの最中に高精度で安定したポーズ挿入を行う音声合成システム、音声合成方法および音声合成用プログラムに関する。
【０００２】
【従来の技術】
音声合成システムでは、漢字仮名まじりの日本語テキストに対し、辞書等を参照した形態素解析により単語（形態素）に分割し、各単語の読み、品詞等からテキストの読み、アクセント、ポーズなどの読み韻律情報を生成し、この結果を元に音声波形を生成して合成音声を出力する。
【０００３】
このうち、ポーズに関しては、特開平６−５９６９５号公報、「鈴木、斎藤：日本語テキスト音声合成のためのＮ文節構造解析とそれに基づく韻律制御」（電子情報通信学会論文誌 Vol.J78-D2,No.2）等に記載されるように、局所的な文節間の係り受け関係を求めることで、ポーズを設定している。
【０００４】
これらの手法では、文全体の正しい係り受け関係を求めることができないので、あまりよい精度は得られない。
【０００５】
また、「箱田、佐藤：文音声合成における音調規則（電子情報通信学会論文誌 Vol.J63-D,No.9）」、「海木、匂坂：局所的な句構造によるポーズ挿入規則化の検討（電子情報通信学会論文誌 Vol.J79-D-2,No.9）」、「藤尾、匂坂、樋口：確率文脈自由文法を用いた韻律句境界とポーズ位置の予測（電子情報学会論文誌 Vol.J80-D2,No.1）」、特開平６−３４２２９７号公報等では、文全体における文節間の係り受け関係に基づいて設定している。
【０００６】
これらの手法では、多量の統計データが存在すれば、精度のよいポーズ設定が可能である。
【０００７】
【発明が解決しようとする課題】
上述した従来の音声合成システムは、ポーズ設定の精度が不十分という問題点がある。
【０００８】
その理由は、特開平６−５９６９５号公報等に記載された手法では、文全体の正しい係り受け関係を得ることができないので、十分なポーズ精度が得られないことである。また、特開平６−３４２２９７号公報等に記載された手法では、限られたデータを用いた際に、データと類似した構造のテキストに対してはよい精度が得られるが、そうでない場合には精度が不十分である。
【０００９】
本発明の目的は、高精度なポーズ設定の可能な音声合成システム、音声合成方法および音声合成用プログラムを提供することにある。
【００１０】
【課題を解決するための手段】
本発明の音声合成システムは、文全体の係り受け関係を取得する係り受け解析手段と、取得した前記文全体の係り受けの信頼度を求める信頼度抽出手段と、求めた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する信頼度判定手段と、前記文全体の係り受けを前記信頼度判定手段が破棄した場合に、文の局所の係り受け関係を取得する局所係り受け解析手段と、ポーズを設定するポーズ挿入手段とを備え、前記ポーズ挿入手段は、前記文全体の係り受けが破棄された場合には前記文の局所の係り受けを使用し、前記文全体の係り受けが破棄されなかった場合には前記文全体の係り受けを使用することを特徴とする。
【００１１】
本発明の音声合成システムは、テキストを形態素解析する形態素解析手段と、形態素解析された各単語を文節単位にまとめ上げる文節生成手段と、文節列のどこにポーズを設定するか決めるポーズ設定手段と、アクセントの立ち上がりを含む韻律情報を生成する韻律設定手段と、前記韻律設定手段が生成した発音記号から音声波形を生成する音声波形生成手段とを有し、前記ポーズ設定手段は、文全体の係り受け関係を取得する係り受け解析手段と、取得した前記文全体の係り受けの信頼度を求める信頼度抽出手段と、求めた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する信頼度判定手段と、前記文全体の係り受けを前記信頼度判定手段が破棄した場合に、文の局所の係り受け関係を取得する局所係り受け解析手段と、ポーズを設定するポーズ挿入手段とを備え、前記ポーズ挿入手段は、前記文全体の係り受けが破棄された場合には前記文の局所の係り受けを使用し、前記文全体の係り受けが破棄されなかった場合には前記文全体の係り受けを使用することを特徴としてもよい。
【００１２】
本発明の音声合成システムは、前記局所係り受け解析手段は隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得することを特徴としてもよい。
【００１３】
本発明の音声合成方法は、文全体の係り受け関係を取得し、取得した前記文全体の係り受けの信頼度を求め、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定し、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定することを特徴とする。
【００１４】
本発明の音声合成方法は、テキストを形態素解析し、形態素解析された各単語を文節単位にまとめ上げ、文全体の係り受け関係を取得し、取得した前記文全体の係り受けの信頼度を求め、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定し、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定し、アクセントの立ち上がりを含む韻律情報を生成し、生成した発音記号から音声波形を生成することを特徴としてもよい。
【００１５】
本発明の音声合成方法は、隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得することを特徴としてもよい。
【００１６】
本発明のプログラムは、文全体の係り受け関係を取得する処理と、取得した前記文全体の係り受けの信頼度を求める処理と、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する処理と、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定する処理とをコンピュータに実行させる。
【００１７】
本発明のプログラムは、テキストを形態素解析する処理と、形態素解析された各単語を文節単位にまとめ上げる処理と、文全体の係り受け関係を取得する処理と、取得した前記文全体の係り受けの信頼度を求める処理と、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する処理と、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定する処理と、アクセントの立ち上がりを含む韻律情報を生成する処理と、生成した発音記号から音声波形を生成する処理とをコンピュータに実行させるようにしてもよい。
【００１８】
本発明のプログラムは、隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得する処理をコンピュータに実行させるようにしてもよい。
【００１９】
【発明の実施の形態】
次に、本発明の実施の形態について図面を参照して詳細に説明する。図１は本発明の実施の形態の構成を示すブロック図である。
【００２０】
図１を参照すると、本発明の実施の形態は、テキストを形態素解析する形態素解析手段１と、形態素解析された各単語を文節単位にまとめ上げる文節生成手段２と、文節列のどこにポーズを設定するか決めるポーズ設定手段３と、アクセントの立ち上がり等の韻律情報を生成する韻律設定手段４と、韻律設定手段４が生成した発音記号から音声波形を生成する音声波形生成手段５とを含む。
【００２１】
図２はポーズ設定手段３の構成を示すブロック図である。図２を参照すると、ポーズ設定手段３は、文全体の係り受けを求める係り受け解析手段３１と、係り受け解析手段３１が求めた係り受けの信頼度を求める信頼度抽出手段３２と、信頼度抽出手段３２が求めた信頼度から文全体の係り受け関係が信頼できるか判定する信頼度判定手段３３と、信頼度判定手段３３によって信頼できないと判断された際に文の局所的な係り受けを求める局所係り受け解析手段３４と、係り受け解析手段３１または局所係り受け解析手段３４が求めた係り受け結果を元にポーズを挿入するポーズ挿入手段３５とを含む。
【００２２】
これらの手段はそれぞれ概略つぎのように動作する。
【００２３】
形態素解析手段１は、テキストを単語単位に分割し、各単語毎に読み、品詞等の付属情報を取得する。
【００２４】
文節生成手段２は、形態素解析手段１で得られた単語列を各単語の品詞等を参照して文節単位にまとめ上げる。
【００２５】
係り受け解析手段３１は文節生成手段２で得られた文節列に対し、各文節がどの文節に係るかを文全体の情報を元に決定する。
【００２６】
信頼度抽出手段３２は、係り受け解析手段３１で得られた文節間の係り受け関係が、どの程度信頼できるかを表す、信頼度を求める。
【００２７】
信頼度判定手段３３は、信頼度抽出手段３２が求めた信頼度を閾値と比較し、閾値以上であれば処理をポーズ挿入手段３５に移す。閾値未満の場合は、係り受け解析手段３１で得られた係り受け関係を破棄して局所係り受け解析手段３４に進む。
【００２８】
局所係り受け解析手段３４は、文節生成手段２で得られた文節列に対し、各文節がどの文節に係るかを各文節の局所的な情報を元に決定する。
【００２９】
ポーズ挿入手段３５は、係り受け解析手段３１もしくは局所係り受け解析手段３４で得られた係り受け関係を元に、文節列中にポーズを挿入する。
【００３０】
韻律設定手段４は、ポーズ挿入手段３５から得られたポーズの入った文節列に対し、アクセントの立ち上がりなどの韻律情報を付与し、発音記号列を生成する。
【００３１】
音声波形生成手段５は、韻律設定手段４から得られた発音記号列を音声波形に変換して出力する。
【００３２】
次に、図１及び図２を参照して本実施の形態の全体の動作について具体例をあげて詳細に説明する。
【００３３】
まず、テキスト「彼が話す話を聞いた」が入力されると、形態素解析手段１によって、「彼／が／話す／話／を／聞い／た」というように単語に分割される。この際同時に、「か’れ／が／はな’す／はなし’／お／きい／た」のような各単語の読み情報と「名詞/助詞が/動詞連体形/名詞/助詞を/動詞連用形/助動詞た終止形」のような各単語の品詞情報も得る。「’」はアクセントを示している。
【００３４】
次に、このような単語列を文節生成手段２を用いて文節に組み替える。文節への組み替えの結果、「彼が／話す／話を／聞いた」「か’れが／はな’す／はなし’お／きいた」「助詞が／動詞連体形／助詞を／動詞終止系」というような文節列とその読み、品詞の情報が得られる。
【００３５】
次に、このような文節列に対し係り受け解析手段３１で文節間の係り受け関係を求める。係り受け関係は予め学習した確率文脈依存文法（Stochastic Context Free Grammar：ＳＣＦＧ）により決定する。ＳＣＦＧによる係り受けの求め方に関しては、「藤尾、匂坂、樋口：確率文脈自由文法を用いた韻律句境界とポーズ位置の予測（電子情報学会論文誌 Vol.J80-D2,No.1）」に詳述されている。この結果、各文節に関して、「彼が」→「聞いた」「話す」→「話を」「話を」→「聞いた」という、係り受けの関係とそのような係り受けが生成される確率を得ることができる。
【００３６】
次に、先の係り受けが生成される確率から信頼度抽出手段３２で係り受けの信頼度を求める。信頼度は、確率を文節数で正規化することで得られる。
【００３７】
次に、先の信頼度を信頼度判定手段３３で閾値と比較する。信頼度が閾値を超えた場合は、先の係り受け関係（「彼が」→「聞いた」「話す」→「話を」「話を」→「聞いた」）をそのまま用いてポーズ挿入手段３５でポーズ挿入する。
【００３８】
一方、信頼度が閾値を越えない場合、先の係り受け関係を破棄して局所係り受け解析手段３４に進む。
【００３９】
次に、局所係り受け解析手段３４では先の文節生成手段２による文節列に対し文節間の係り受け関係を求める。係り受け関係は、隣接した２文節に着目し、該当文節が係ることができるか非かを判定する。
【００４０】
この場合、「彼が」「話す」「話を」がそれぞれ直後の文節である「話す」「話を」「聞いた」に係るか非かを判定する。判定では、各文節の品詞からテーブル参照する。この結果、「彼が」→「話す」「話す」→「話を」「話を」→「聞いた」という係り受けの関係を得ることができる。
【００４１】
次に、ポーズ挿入手段３５では先の係り受け解析手段３１あるいは局所係り受け解析手段３４から得られた係り受け関係から、ポーズ位置を設定する。ポーズ位置は、先の係り受け関係においてある文節が直後の文節に係らない際、その２文節の境界とする。従って、係り受け解析手段３１による係り受けからポーズを求めた場合、「彼が」と「話す」の間にポーズが入る。これに対し、局所係り受け解析手段３４による係り受けを用いた場合、ポーズは入らない。ここで、「彼」が「話した」のか「聞いた」のかはわからないため、音声合成システムの聞き手に「彼」が「聞いた」と思いこませるようなポーズは挿入しないほうがよい。
【００４２】
次に、韻律設定手段４では、ポーズに加え、アクセントの立ち上がりなどを加えて発音記号を生成する。その結果、「か’れが２はな’す２はなし’お１きいた」という発音記号を得る。ここで、発音記号中の数字は、該当部分でピッチをどれだけ上げるかを示している。
【００４３】
最後に、音声波形生成手段５で、韻律設定手段４が生成した発音記号から合成音声を生成する。
【００４４】
なお、本発明は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。音声合成用プログラムを記録媒体に格納し、記録媒体からコンピュータに読み込ませて、形態素解析手段１と文節生成手段２とポーズ設定手段３と韻律設定手段４と音声波形生成手段５の処理と同様の処理をコンピュータに実行させる。この記録媒体は、磁気ディスク、半導体メモリ、光ディスク、その他の記録媒体であってよい。音声合成用プログラムは記録媒体から直接読み込まれる代わりに、インターネット等のネットワークを介して読み込まれてもよい。
【００４５】
【発明の効果】
以上説明したように、本発明は、係り受け解析手段が信頼度の低い解析をした際、これを破棄して局所的な係り受けを求めるため、精度の高いポーズを得ることができるという効果がある。
【図面の簡単な説明】
【図１】本発明の実施の形態の構成を示すブロック図である。
【図２】ポーズ設定手段の構成を示すブロック図である。
【符号の説明】
１ 形態素解析手段
２ 文節生成手段
３ ポーズ設定手段
４ 韻律設定手段
５ 音声波形生成手段
３１ 係り受け解析手段
３２ 信頼度抽出手段
３３ 信頼度判定手段
３４ 局所係り受け解析手段
３５ ポーズ挿入手段
【発明の属する技術分野】
本発明は音声合成システム、音声合成方法および音声合成用プログラムに関し、特に読み上げの最中に高精度で安定したポーズ挿入を行う音声合成システム、音声合成方法および音声合成用プログラムに関する。
【０００２】
【従来の技術】
音声合成システムでは、漢字仮名まじりの日本語テキストに対し、辞書等を参照した形態素解析により単語（形態素）に分割し、各単語の読み、品詞等からテキストの読み、アクセント、ポーズなどの読み韻律情報を生成し、この結果を元に音声波形を生成して合成音声を出力する。
【０００３】
このうち、ポーズに関しては、特開平６−５９６９５号公報、「鈴木、斎藤：日本語テキスト音声合成のためのＮ文節構造解析とそれに基づく韻律制御」（電子情報通信学会論文誌 Vol.J78-D2,No.2）等に記載されるように、局所的な文節間の係り受け関係を求めることで、ポーズを設定している。
【０００４】
これらの手法では、文全体の正しい係り受け関係を求めることができないので、あまりよい精度は得られない。
【０００５】
また、「箱田、佐藤：文音声合成における音調規則（電子情報通信学会論文誌 Vol.J63-D,No.9）」、「海木、匂坂：局所的な句構造によるポーズ挿入規則化の検討（電子情報通信学会論文誌 Vol.J79-D-2,No.9）」、「藤尾、匂坂、樋口：確率文脈自由文法を用いた韻律句境界とポーズ位置の予測（電子情報学会論文誌 Vol.J80-D2,No.1）」、特開平６−３４２２９７号公報等では、文全体における文節間の係り受け関係に基づいて設定している。
【０００６】
これらの手法では、多量の統計データが存在すれば、精度のよいポーズ設定が可能である。
【０００７】
【発明が解決しようとする課題】
上述した従来の音声合成システムは、ポーズ設定の精度が不十分という問題点がある。
【０００８】
その理由は、特開平６−５９６９５号公報等に記載された手法では、文全体の正しい係り受け関係を得ることができないので、十分なポーズ精度が得られないことである。また、特開平６−３４２２９７号公報等に記載された手法では、限られたデータを用いた際に、データと類似した構造のテキストに対してはよい精度が得られるが、そうでない場合には精度が不十分である。
【０００９】
本発明の目的は、高精度なポーズ設定の可能な音声合成システム、音声合成方法および音声合成用プログラムを提供することにある。
【００１０】
【課題を解決するための手段】
本発明の音声合成システムは、文全体の係り受け関係を取得する係り受け解析手段と、取得した前記文全体の係り受けの信頼度を求める信頼度抽出手段と、求めた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する信頼度判定手段と、前記文全体の係り受けを前記信頼度判定手段が破棄した場合に、文の局所の係り受け関係を取得する局所係り受け解析手段と、ポーズを設定するポーズ挿入手段とを備え、前記ポーズ挿入手段は、前記文全体の係り受けが破棄された場合には前記文の局所の係り受けを使用し、前記文全体の係り受けが破棄されなかった場合には前記文全体の係り受けを使用することを特徴とする。
【００１１】
本発明の音声合成システムは、テキストを形態素解析する形態素解析手段と、形態素解析された各単語を文節単位にまとめ上げる文節生成手段と、文節列のどこにポーズを設定するか決めるポーズ設定手段と、アクセントの立ち上がりを含む韻律情報を生成する韻律設定手段と、前記韻律設定手段が生成した発音記号から音声波形を生成する音声波形生成手段とを有し、前記ポーズ設定手段は、文全体の係り受け関係を取得する係り受け解析手段と、取得した前記文全体の係り受けの信頼度を求める信頼度抽出手段と、求めた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する信頼度判定手段と、前記文全体の係り受けを前記信頼度判定手段が破棄した場合に、文の局所の係り受け関係を取得する局所係り受け解析手段と、ポーズを設定するポーズ挿入手段とを備え、前記ポーズ挿入手段は、前記文全体の係り受けが破棄された場合には前記文の局所の係り受けを使用し、前記文全体の係り受けが破棄されなかった場合には前記文全体の係り受けを使用することを特徴としてもよい。
【００１２】
本発明の音声合成システムは、前記局所係り受け解析手段は隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得することを特徴としてもよい。
【００１３】
本発明の音声合成方法は、文全体の係り受け関係を取得し、取得した前記文全体の係り受けの信頼度を求め、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定し、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定することを特徴とする。
【００１４】
本発明の音声合成方法は、テキストを形態素解析し、形態素解析された各単語を文節単位にまとめ上げ、文全体の係り受け関係を取得し、取得した前記文全体の係り受けの信頼度を求め、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定し、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定し、アクセントの立ち上がりを含む韻律情報を生成し、生成した発音記号から音声波形を生成することを特徴としてもよい。
【００１５】
本発明の音声合成方法は、隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得することを特徴としてもよい。
【００１６】
本発明のプログラムは、文全体の係り受け関係を取得する処理と、取得した前記文全体の係り受けの信頼度を求める処理と、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する処理と、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定する処理とをコンピュータに実行させる。
【００１７】
本発明のプログラムは、テキストを形態素解析する処理と、形態素解析された各単語を文節単位にまとめ上げる処理と、文全体の係り受け関係を取得する処理と、取得した前記文全体の係り受けの信頼度を求める処理と、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する処理と、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定する処理と、アクセントの立ち上がりを含む韻律情報を生成する処理と、生成した発音記号から音声波形を生成する処理とをコンピュータに実行させるようにしてもよい。
【００１８】
本発明のプログラムは、隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得する処理をコンピュータに実行させるようにしてもよい。
【００１９】
【発明の実施の形態】
次に、本発明の実施の形態について図面を参照して詳細に説明する。図１は本発明の実施の形態の構成を示すブロック図である。
【００２０】
図１を参照すると、本発明の実施の形態は、テキストを形態素解析する形態素解析手段１と、形態素解析された各単語を文節単位にまとめ上げる文節生成手段２と、文節列のどこにポーズを設定するか決めるポーズ設定手段３と、アクセントの立ち上がり等の韻律情報を生成する韻律設定手段４と、韻律設定手段４が生成した発音記号から音声波形を生成する音声波形生成手段５とを含む。
【００２１】
図２はポーズ設定手段３の構成を示すブロック図である。図２を参照すると、ポーズ設定手段３は、文全体の係り受けを求める係り受け解析手段３１と、係り受け解析手段３１が求めた係り受けの信頼度を求める信頼度抽出手段３２と、信頼度抽出手段３２が求めた信頼度から文全体の係り受け関係が信頼できるか判定する信頼度判定手段３３と、信頼度判定手段３３によって信頼できないと判断された際に文の局所的な係り受けを求める局所係り受け解析手段３４と、係り受け解析手段３１または局所係り受け解析手段３４が求めた係り受け結果を元にポーズを挿入するポーズ挿入手段３５とを含む。
【００２２】
これらの手段はそれぞれ概略つぎのように動作する。
【００２３】
形態素解析手段１は、テキストを単語単位に分割し、各単語毎に読み、品詞等の付属情報を取得する。
【００２４】
文節生成手段２は、形態素解析手段１で得られた単語列を各単語の品詞等を参照して文節単位にまとめ上げる。
【００２５】
係り受け解析手段３１は文節生成手段２で得られた文節列に対し、各文節がどの文節に係るかを文全体の情報を元に決定する。
【００２６】
信頼度抽出手段３２は、係り受け解析手段３１で得られた文節間の係り受け関係が、どの程度信頼できるかを表す、信頼度を求める。
【００２７】
信頼度判定手段３３は、信頼度抽出手段３２が求めた信頼度を閾値と比較し、閾値以上であれば処理をポーズ挿入手段３５に移す。閾値未満の場合は、係り受け解析手段３１で得られた係り受け関係を破棄して局所係り受け解析手段３４に進む。
【００２８】
局所係り受け解析手段３４は、文節生成手段２で得られた文節列に対し、各文節がどの文節に係るかを各文節の局所的な情報を元に決定する。
【００２９】
ポーズ挿入手段３５は、係り受け解析手段３１もしくは局所係り受け解析手段３４で得られた係り受け関係を元に、文節列中にポーズを挿入する。
【００３０】
韻律設定手段４は、ポーズ挿入手段３５から得られたポーズの入った文節列に対し、アクセントの立ち上がりなどの韻律情報を付与し、発音記号列を生成する。
【００３１】
音声波形生成手段５は、韻律設定手段４から得られた発音記号列を音声波形に変換して出力する。
【００３２】
次に、図１及び図２を参照して本実施の形態の全体の動作について具体例をあげて詳細に説明する。
【００３３】
まず、テキスト「彼が話す話を聞いた」が入力されると、形態素解析手段１によって、「彼／が／話す／話／を／聞い／た」というように単語に分割される。この際同時に、「か’れ／が／はな’す／はなし’／お／きい／た」のような各単語の読み情報と「名詞/助詞が/動詞連体形/名詞/助詞を/動詞連用形/助動詞た終止形」のような各単語の品詞情報も得る。「’」はアクセントを示している。
【００３４】
次に、このような単語列を文節生成手段２を用いて文節に組み替える。文節への組み替えの結果、「彼が／話す／話を／聞いた」「か’れが／はな’す／はなし’お／きいた」「助詞が／動詞連体形／助詞を／動詞終止系」というような文節列とその読み、品詞の情報が得られる。
【００３５】
次に、このような文節列に対し係り受け解析手段３１で文節間の係り受け関係を求める。係り受け関係は予め学習した確率文脈依存文法（Stochastic Context Free Grammar：ＳＣＦＧ）により決定する。ＳＣＦＧによる係り受けの求め方に関しては、「藤尾、匂坂、樋口：確率文脈自由文法を用いた韻律句境界とポーズ位置の予測（電子情報学会論文誌 Vol.J80-D2,No.1）」に詳述されている。この結果、各文節に関して、「彼が」→「聞いた」「話す」→「話を」「話を」→「聞いた」という、係り受けの関係とそのような係り受けが生成される確率を得ることができる。
【００３６】
次に、先の係り受けが生成される確率から信頼度抽出手段３２で係り受けの信頼度を求める。信頼度は、確率を文節数で正規化することで得られる。
【００３７】
次に、先の信頼度を信頼度判定手段３３で閾値と比較する。信頼度が閾値を超えた場合は、先の係り受け関係（「彼が」→「聞いた」「話す」→「話を」「話を」→「聞いた」）をそのまま用いてポーズ挿入手段３５でポーズ挿入する。
【００３８】
一方、信頼度が閾値を越えない場合、先の係り受け関係を破棄して局所係り受け解析手段３４に進む。
【００３９】
次に、局所係り受け解析手段３４では先の文節生成手段２による文節列に対し文節間の係り受け関係を求める。係り受け関係は、隣接した２文節に着目し、該当文節が係ることができるか非かを判定する。
【００４０】
この場合、「彼が」「話す」「話を」がそれぞれ直後の文節である「話す」「話を」「聞いた」に係るか非かを判定する。判定では、各文節の品詞からテーブル参照する。この結果、「彼が」→「話す」「話す」→「話を」「話を」→「聞いた」という係り受けの関係を得ることができる。
【００４１】
次に、ポーズ挿入手段３５では先の係り受け解析手段３１あるいは局所係り受け解析手段３４から得られた係り受け関係から、ポーズ位置を設定する。ポーズ位置は、先の係り受け関係においてある文節が直後の文節に係らない際、その２文節の境界とする。従って、係り受け解析手段３１による係り受けからポーズを求めた場合、「彼が」と「話す」の間にポーズが入る。これに対し、局所係り受け解析手段３４による係り受けを用いた場合、ポーズは入らない。ここで、「彼」が「話した」のか「聞いた」のかはわからないため、音声合成システムの聞き手に「彼」が「聞いた」と思いこませるようなポーズは挿入しないほうがよい。
【００４２】
次に、韻律設定手段４では、ポーズに加え、アクセントの立ち上がりなどを加えて発音記号を生成する。その結果、「か’れが２はな’す２はなし’お１きいた」という発音記号を得る。ここで、発音記号中の数字は、該当部分でピッチをどれだけ上げるかを示している。
【００４３】
最後に、音声波形生成手段５で、韻律設定手段４が生成した発音記号から合成音声を生成する。
【００４４】
なお、本発明は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。音声合成用プログラムを記録媒体に格納し、記録媒体からコンピュータに読み込ませて、形態素解析手段１と文節生成手段２とポーズ設定手段３と韻律設定手段４と音声波形生成手段５の処理と同様の処理をコンピュータに実行させる。この記録媒体は、磁気ディスク、半導体メモリ、光ディスク、その他の記録媒体であってよい。音声合成用プログラムは記録媒体から直接読み込まれる代わりに、インターネット等のネットワークを介して読み込まれてもよい。
【００４５】
【発明の効果】
以上説明したように、本発明は、係り受け解析手段が信頼度の低い解析をした際、これを破棄して局所的な係り受けを求めるため、精度の高いポーズを得ることができるという効果がある。
【図面の簡単な説明】
【図１】本発明の実施の形態の構成を示すブロック図である。
【図２】ポーズ設定手段の構成を示すブロック図である。
【符号の説明】
１ 形態素解析手段
２ 文節生成手段
３ ポーズ設定手段
４ 韻律設定手段
５ 音声波形生成手段
３１ 係り受け解析手段
３２ 信頼度抽出手段
３３ 信頼度判定手段
３４ 局所係り受け解析手段
３５ ポーズ挿入手段
Claims (9)
- 文全体の係り受け関係を取得する係り受け解析手段と、取得した前記文全体の係り受けの信頼度を求める信頼度抽出手段と、求めた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する信頼度判定手段と、前記文全体の係り受けを前記信頼度判定手段が破棄した場合に、文の局所の係り受け関係を取得する局所係り受け解析手段と、ポーズを設定するポーズ挿入手段とを備え、前記ポーズ挿入手段は、前記文全体の係り受けが破棄された場合には前記文の局所の係り受けを使用し、前記文全体の係り受けが破棄されなかった場合には前記文全体の係り受けを使用することを特徴とする音声合成システム。
- テキストを形態素解析する形態素解析手段と、形態素解析された各単語を文節単位にまとめ上げる文節生成手段と、文節列のどこにポーズを設定するか決めるポーズ設定手段と、アクセントの立ち上がりを含む韻律情報を生成する韻律設定手段と、前記韻律設定手段が生成した発音記号から音声波形を生成する音声波形生成手段とを有し、前記ポーズ設定手段は、文全体の係り受け関係を取得する係り受け解析手段と、取得した前記文全体の係り受けの信頼度を求める信頼度抽出手段と、求めた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する信頼度判定手段と、前記文全体の係り受けを前記信頼度判定手段が破棄した場合に、文の局所の係り受け関係を取得する局所係り受け解析手段と、ポーズを設定するポーズ挿入手段とを備え、前記ポーズ挿入手段は、前記文全体の係り受けが破棄された場合には前記文の局所の係り受けを使用し、前記文全体の係り受けが破棄されなかった場合には前記文全体の係り受けを使用することを特徴とする音声合成システム。
- 前記局所係り受け解析手段は隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得することを特徴とする請求項１または２記載の音声合成システム。
- 文全体の係り受け関係を取得し、取得した前記文全体の係り受けの信頼度を求め、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定し、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定することを特徴とする音声合成方法。
- テキストを形態素解析し、形態素解析された各単語を文節単位にまとめ上げ、文全体の係り受け関係を取得し、取得した前記文全体の係り受けの信頼度を求め、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定し、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定し、アクセントの立ち上がりを含む韻律情報を生成し、生成した発音記号から音声波形を生成することを特徴とする音声合成方法。
- 隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得することを特徴とする請求項４または５記載の音声合成方法。
- 文全体の係り受け関係を取得する処理と、取得した前記文全体の係り受けの信頼度を求める処理と、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する処理と、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定する処理とをコンピュータに実行させるためのプログラム。
- テキストを形態素解析する処理と、形態素解析された各単語を文節単位にまとめ上げる処理と、文全体の係り受け関係を取得する処理と、取得した前記文全体の係り受けの信頼度を求める処理と、求められた前記信頼度を閾値と比較して前記文全体の係り受けを破棄するか決定する処理と、前記文全体の係り受けを破棄した場合には文の局所の係り受け関係を取得してポーズを設定し、前記文全体の係り受けを破棄しなかった場合には前記文全体の係り受けを元にポーズを設定する処理と、アクセントの立ち上がりを含む韻律情報を生成する処理と、生成した発音記号から音声波形を生成する処理とをコンピュータに実行させるためのプログラム。
- 隣接した２文節が係ることができるかを判定して文の局所の係り受け関係を取得する処理をコンピュータに実行させるための請求項７または８記載のプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001202693A JP4635384B2 (ja) | 2001-07-03 | 2001-07-03 | 音声合成システム、音声合成方法および音声合成用プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001202693A JP4635384B2 (ja) | 2001-07-03 | 2001-07-03 | 音声合成システム、音声合成方法および音声合成用プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003015680A JP2003015680A (ja) | 2003-01-17 |
| JP4635384B2 true JP4635384B2 (ja) | 2011-02-23 |
Family
ID=19039461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001202693A Expired - Fee Related JP4635384B2 (ja) | 2001-07-03 | 2001-07-03 | 音声合成システム、音声合成方法および音声合成用プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4635384B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1320482C (zh) * | 2003-09-29 | 2007-06-06 | 摩托罗拉公司 | 标识文本串中的自然语音停顿的方法 |
| JP4621936B2 (ja) * | 2005-09-16 | 2011-02-02 | 株式会社国際電気通信基礎技術研究所 | 音声合成装置、学習データ生成装置、ポーズ予測装置およびプログラム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3142160B2 (ja) * | 1991-11-14 | 2001-03-07 | 株式会社リコー | 発音記号生成装置 |
| JP3638000B2 (ja) * | 1998-04-03 | 2005-04-13 | 株式会社リコー | 音声出力装置及び音声出力方法並びにその記録媒体 |
-
2001
- 2001-07-03 JP JP2001202693A patent/JP4635384B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003015680A (ja) | 2003-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6067514A (en) | Method for automatically punctuating a speech utterance in a continuous speech recognition system | |
| Furui et al. | Speech-to-text and speech-to-speech summarization of spontaneous speech | |
| US20040073423A1 (en) | Phonetic speech-to-text-to-speech system and method | |
| US20040049375A1 (en) | Speech synthesis apparatus and method | |
| US6477495B1 (en) | Speech synthesis system and prosodic control method in the speech synthesis system | |
| US20020184030A1 (en) | Speech synthesis apparatus and method | |
| EP1668628A1 (en) | Method for synthesizing speech | |
| Cooper | Text-to-speech synthesis using found data for low-resource languages | |
| Wu et al. | Automatic generation of synthesis units and prosodic information for Chinese concatenative synthesis | |
| US20070088547A1 (en) | Phonetic speech-to-text-to-speech system and method | |
| JP2000029492A (ja) | 音声翻訳装置、音声翻訳方法、音声認識装置 | |
| JP4532862B2 (ja) | 音声合成方法、音声合成装置および音声合成プログラム | |
| JP4635384B2 (ja) | 音声合成システム、音声合成方法および音声合成用プログラム | |
| US6772116B2 (en) | Method of decoding telegraphic speech | |
| JP3518340B2 (ja) | 読み韻律情報設定方法及び装置及び読み韻律情報設定プログラムを格納した記憶媒体 | |
| KR100499116B1 (ko) | 음성합성을 위한 끊어읽기 방법 및 그 장치 | |
| Meng et al. | CU VOCAL: corpus-based syllable concatenation for Chinese speech synthesis across domains and dialects. | |
| JP3006240B2 (ja) | 音声合成方法および装置 | |
| JP2012073280A (ja) | 音響モデル生成装置、音声翻訳装置、音響モデル生成方法 | |
| Sridhar et al. | Factored translation models for enriching spoken language translation with prosody. | |
| Janyoi et al. | An Isarn dialect HMM-based text-to-speech system | |
| JPH07262191A (ja) | 単語分割方法、および音声合成装置 | |
| Rista et al. | CASR: A corpus for Albanian speech recognition | |
| Zhang et al. | A novel method of language modeling for automatic captioning in tc video teleconferencing | |
| JP2004138661A (ja) | 音声素片データベース作成方法、音声合成方法、音声素片データベース作成装置、音声合成装置、音声データベース作成プログラム、音声合成プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20050317 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20070118 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080512 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20080612 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20090512 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101014 |
|
| 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: 20101026 |
|
| 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: 20101108 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131203 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |