JP5863598B2 - 音声合成装置、方法およびプログラム - Google Patents

Description

本発明の実施形態は、音声合成装置、方法およびプログラムに関する。

近年、いわゆるタブレットＰＣなどの普及に伴い、電子書籍を購入してタブレットＰＣで読むことが多くなっている。書籍が電子化されることにより、音声合成システムが書籍テキストを読み上げる電子書籍の読み上げアプリケーションなどもある。一般的に電子書籍の読み上げでは、書籍テキストに対して自動で読みを推定し、推定に基づいて読み上げを行うため、読み誤りが発生することが多い。そこで、読み誤りを補正するために、誤っている可能性の高い箇所の形態素列をユーザに提示する手法や、誤りを登録したユーザ辞書を作成し、ユーザ辞書を複数ユーザ間で共有する手法がある。

特開２００４−２２３１３６号公報 特開平７−２７１６４９号公報 特開２００９−２９３０２９号公報

しかし、一般的にユーザが形態素列を修正することは容易ではなく、修正に時間を要する。また、形態素列の修正時には形態素列を表示する表示部が必要となるため、読み上げアプリケーションによりテキストの表示を見ずに読書ができる利点が生かされない。

また、ユーザ辞書を複数のユーザ間で共有する場合は、多数の読者がいる書籍であれば、多くのユーザ辞書が生成されるため効果が期待できるが、読者が少ない書籍では共有できるユーザ辞書が少ないため効果が少なく、例えば雑誌のように短い時間間隔で入れ替わる書籍に対してはユーザ辞書を共有する利点が少ない。

本開示は、上述の課題を解決するためになされたものであり、書籍の種類にかかわらず容易に読み誤りを修正することができる音声合成装置、方法およびプログラムを提供することを目的とする。

本実施形態に係る音声合成装置は、音声合成部、取得部、選択部および修正部を含む。音声合成部は、テキストから合成音声を生成する。取得部は、ユーザからの指示を取得し、修正指示情報を得る。選択部は、前記修正指示情報に基づいて、修正の対象となる修正対象語を少なくとも含む文字列である検索範囲を前記テキストから選択する。修正部は、前記修正対象語の読みを変更する条件を示す修正ルールに基づいて、前記検索範囲に含まれる前記修正対象語に対応する第１読みとは異なる前記第２読みで音声合成するように前記修正対象語の読みを修正する。

第１の実施形態に係る音声合成装置を示すブロック図。 辞書格納部に格納される同表記異音語辞書の一例を示す図。 本実施形態に係る音声合成装置の動作を示すフローチャート。 選択部における誤り検索範囲の選択例を示す図。 選択部における誤り検索範囲の選択の別例を示す図。 音声合成装置の修正動作を示す図。 第１の変形例に係る同表記異音語辞書の一例を示す図。 第２の変形例に係る同表記異音語辞書の一例を示す図。 第２の変形例に係る音声合成装置の修正動作を示す図。 第２の実施形態に係る音声合成装置を示すブロック図。

以下、図面を参照しながら本実施形態に係る音声合成装置、方法およびプログラムについて詳細に説明する。なお、以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。
（第１の実施形態）
第１の実施形態に係る音声合成装置について図１のブロック図を参照して説明する。
第１の実施形態に係る音声合成装置１００は、修正指示取得部１０１、選択部１０２、辞書格納部１０３、検索部１０４、ルール修正部１０５、音声合成部１０６および表示部１０７を含む。

修正指示取得部１０１は、ユーザから修正指示を受け取り、修正指示情報を生成する。 修正指示情報としては、修正指示があった時刻を示す時間情報などが考えられる。

選択部１０２は、修正指示取得部１０１から修正指示情報を受け取り、後述の音声合成部１０６で用いられるテキストから、ユーザからの修正の対象となる修正対象語を少なくとも含む文字列である誤り検索範囲を選択する。
辞書格納部１０３は、同じ表記であるが読みが異なる語である同表記異音語に関するテーブルである同表記異音語辞書を格納する。辞書格納部１０３に格納される具体的な同表記異音語辞書は図２を参照して後述する。

検索部１０４は、選択部１０２から誤り検索範囲を受け取り、辞書格納部１０３の同表記異音語辞書を参照して、誤り検索範囲に含まれる修正対象語と一致する同表記異音語があるかどうかを検索する。誤り検索範囲に含まれる修正対象語と一致する同表記異音語があれば、その修正対象語に関して音声合成部１０６で読み上げた読みと異なる読みに関する読み情報を得る。
ルール修正部１０５は、検索部１０４から読み情報を受け取り、後述の音声合成部１０６で、修正指示があったのちにテキスト中に出現する修正対象語に対して、異なる読みで読み上げるように修正する。
音声合成部１０６は、入力テキストを受け取り、入力テキストの語に対して音声合成処理を行ない、合成音声を生成して外部に出力する。音声合成部１０６は、ルール修正部１０５から修正があった場合は、読みを変更して音声合成処理を行なう。なお、本実施形態に係る音声合成処理は一般的な音声合成処理であるため、ここでの説明は省略する。

次に、辞書格納部１０３に格納される同表記異音語辞書の一例について図２を参照して説明する。
図２に示すように、見出し２０１、読み２０２−１および読み２０２−２がそれぞれ対応づけられて格納される。見出し２０１は、同表記異音語の表記を示す。読み２０２−１および読み２０２−２は、見出し２０１の語に関する異なる読み仮名をそれぞれ示す。具体的には、例えば、見出し２０１「方」、読み２０２−１「ほう」および読み２０２−２「かた」がそれぞれ対応づけられて格納される。このように、１つの見出しに対して複数の読み仮名が対応づけられる。

次に、本実施形態に係る音声合成装置１００の動作について図３のフローチャートを参照して説明する。
ステップＳ３０１では、修正指示取得部１０１が、ユーザからの修正指示を取得する。
ステップＳ３０２では、選択部１０２が、修正指示情報に基づいて音声合成中のテキストから誤り検索範囲を選択する。誤り検索範囲の決定方法としては、例えば、時間情報に基づいて修正指示を取得した時点から一定時間遡った時点までの間に音声合成された文字列を、誤り検索範囲とすればよい。また、時間情報によらず、修正指示を取得した時点で出力された合成音声に対応する第１文字から、所定の文字数だけ前に遡って生成された合成音声に対応する第２文字との間の文字列を検索範囲としてもよい。例えば、修正指示があった時点で読み上げた単語から遡って１０文字前までの文字列の範囲を誤り検索範囲とすればよい。さらに、修正指示があった時刻で読み上げられていた一文を誤り検索範囲としてもよい。

ステップＳ３０３では、検索部１０４が、辞書格納部１０３に格納される同表記異音語辞書を参照して、誤り検索範囲に含まれる語と一致する同表記異音語が存在するかどうか、すなわち修正対象語が存在するかどうかを判定する。修正対象語が存在すればステップＳ３０４に進み、修正対象語が存在しなければ処理を終了する。

ステップＳ３０４では、検索部１０４が、音声合成部１０６で読み上げられた読みとは異なる読みを含む読み情報を得る。
ステップＳ３０５では、ルール修正部１０５が、読み情報に基づいて、修正指示があったのちにテキストに出現する修正対象語の音声合成による読み上げの際に、異なる読みで音声合成を行なうように修正する。以上で音声合成装置の動作を終了する。

次に、誤り検索範囲の選択例について図４を参照して説明する。
図４は、いわゆるスマートフォン４００（高機能携帯端末）を用いて音声合成による読み上げを行なうアプリケーションを起動している場合において、ユーザから修正指示が入力される場合を示す。表示画面には、本文４０１の表示する領域と、読み誤りを通知するためのボタン４０２（図４中では「読み誤り通知ボタン」）を示す領域とがある。

ユーザが読み上げ中に読み誤りに気づいた場合、表示画面中のボタン４０２の領域に触れることで、修正指示取得部１０１が、修正指示があったことを検出することができる。また、ユーザからの修正指示があった場合に、選択部１０２により誤り検索範囲４０３が決定される。
なお、修正指示取得部１０１は、タッチパネル式のディスプレイに限らず、決定ボタンなどハードウェアでのボタンが押下されることによりユーザからの修正指示を検出してもよい。

上述のように、ユーザが１度ボタンに触れるまたはボタンを押下するという単純な動作だけで修正を指示することができるので、ユーザは修正時にテキストの読み上げを停止して修正するといった煩わしさがなくなる。

次に、誤り検索範囲の抽出の別例について図５を参照して説明する。
図５は、いわゆるタブレットＰＣにおいて、修正指示取得部１０１が、ユーザからの修正指示を検出する例を示す。タブレットＰＣ５００では、本文５０１がディスプレイに表示される。ユーザは、読み誤りを検知したときに、ディスプレイに表示される本文５０１のうちの読み誤った箇所に指またはタッチペンなどで触れる。選択部１０２は、ユーザが触れた部分の周辺を誤り検索範囲５０２として取得すればよい。例えば、ある単語を示す領域に触れた場合は、前後の単語を含めて誤り検索範囲５０２とすればよい。

なお、図４および図５では、表示部にテキストが表示される場合を想定して説明したが、表示部を有さなくてもよい。例えば、読み上げの再生および停止をおこなう制御機能を有するリモコン、または音量調整機能を有するヘッドフォンおよびイヤフォンなどにより、読み誤りがあった場合にユーザがリモコン、ヘッドフォンおよびイヤフォンに付属するボタンを押下すればよい。これにより、修正指示取得部１０１は、ユーザからの修正指示を上述の場合と同様に取得することができる。この場合も、選択部１０２は、修正指示を取得した時点から一定時間遡った時点までの間に音声合成された文字列を、誤り検索範囲とするといった上述の選択手法を用いて、誤り検索範囲を選択すればよい。

次に、本実施形態に係る音声合成装置の修正動作の一例について図６を参照して説明する。
図６は、入力テキスト６０１が音声合成され、合成音声６０２として読み上げられる例である。入力テキスト６０１中「ですから、菅野さんは学校の」に対応する合成音声６０２−１として「ですからかんのさんはがっこうの」と読み上げられた場合を想定する。このとき、ユーザから修正指示があり、誤り検索範囲６０３として「ですから、菅野さんは」が選択される。検索部１０４は、誤り検索範囲６０３内に同表記異音語である「菅野」が含まれているかどうかを検索する。図２の同表記異音語辞書を参照すると「菅野」が存在するので「菅野」が修正対象語となる。検索部１０４は、「かんの」と読み上げられたときに修正指示があったので、同表記異音語辞書における「かんの」の次の読みである「すがの」を読み情報として得る。ルール修正部１０５では、読み情報に基づいて、修正指示があった以降のテキスト中に出現する「菅野」の読みを、「かんの」の次の読みである「すがの」で読み上げるように設定する。図６の例では、入力テキスト６０１として「それでも菅野は」が出現するので合成音声６０２−２として「それでもすがのは」と読み上げる。

なお、読みの設定方法（修正ルールともいう）は、一度修正があった読みは用いずに、以降は新たな修正があるまで修正された読みを用いてもよい。例えば、「かんの」の読みを用いずに、以降は常に「すがの」で読み上げればよい。
また、修正対象語の前後で出現した単語を組として記憶し、以降の読み上げで同じ組が出現した場合にのみ読み方を替える方法でもよい。例えば、「菅野さんは学校」のように、修正対象語「菅野」と「学校」とを組として、「菅野」と「学校」との組が出現した場合にのみ読み仮名として「すがの」で読み上げ、本文中に「菅野」が単独で出現した場合は、読み仮名として「かんの」で読み上げるようにしてもよい。

また、音声合成部１０６で形態素解析した結果を取得して、修正対象語が固有名詞である場合は、強制的に読みを変更し、固有名詞以外は、修正対象語が他の単語と組で出現した場合のみ読みを変更するような方法でもよい。

なお、読みの設定方法に関しては、あるドメインで設定した読みの修正ルールを、異なるドメインでは使用しない方が好ましい場合が多い。ここでいうドメインとは、読み上げる文の属する集合を指す。例えば、書籍１冊１冊をそれぞれ異なるドメインであるとした場合、ある書籍において作成された修正ルールはその書籍内でのみ有効となり、他のドメイン、つまり、他の書籍ではこの修正ルールを用いないことになる。１つのドメインとする範囲は、上記以外にも様々な定義の仕方が考えられる。例えば、同一著者の書籍を１つのドメインとしたり、新聞や雑誌などの１つの記事を１つのドメインとしたり、同一ジャンル、例えばスポーツジャンルの記事を１つのドメインとしたり、一定文字数以内の範囲を１つのドメインとすることが考えられる。どの範囲を１つのドメインとするかは、読み上げアプリケーションの開発者もしくはユーザが適宜設定すればよい。

以上に示した第１の実施形態によれば、ユーザからの修正指示があった場合に、修正指示情報に基づいて誤り検索範囲を設定し、同表記異音語辞書を参照して音声合成による読み上げにおける読みを変更する。これによって、ユーザは１度ボタンを押すだけで修正指示を出すことができるので、複雑な動作無しに、かつ音声合成の再生を一時停止することなしに読み誤りの修正を行うことができる。

（第１の実施形態に係る第１の変形例）
第１の実施形態では、同表記異音語辞書として読み仮名が異なる場合を例として説明したが、表記および読み仮名も同一であるが、アクセントが異なるという場合も想定される。例えば、「カキ」は、単一の読み仮名「かき」しか有さないが、アクセントによっては、果物である「柿」を意味したり、貝類である「牡蠣」を意味することがある。
よって、第１の変形例では、同表記異音語辞書にアクセントに関する項目を関連づけて含める点が第１の実施形態とは異なる。

第１の変形例に係る辞書格納部に格納される同表記異音語辞書の一例を図７に示す。
第１の変形例に係る辞書格納部には、同表記異音語辞書として、見出し７０１と読み７０２とが対応づけられ、読み７０２として、読み仮名７０３およびアクセント７０４がそれぞれ対応づけて格納される。

具体的には、例えば、見出し７０１「カキ」、読み仮名７０３−１「かき」、アクセント７０４−１「０型」、読み仮名７０３−２「かき」およびアクセント７０４−２「１型」が対応づけられて格納される。ここで「０型」は、「柿」の発音となるように、「か」の音が低く、「き」の音が高くなるように設定する。「１型」は、「牡蠣」の発音となるように、「か」の音が高く、「き」の音が低くなるように設定する。

ルール修正部１０５は、ユーザからの修正指示があった場合に、読み情報として読み仮名とアクセントとを検索部１０４から受け取って、読み上げたアクセントとは異なるアクセントで音声合成による読み上げを行うように修正する。

以上に示した第１の実施形態に係る第１の変形例は、同表記異音語辞書にさらにアクセントを対応づけて格納することで、アクセントが異なる読み上げがなされた場合でも、第１の実施形態と同様に、複雑な動作無しに読み誤りの修正を行うことができる。

（第１の実施形態に係る第２の変形例）
第２の変形例は、誤り検索範囲に複数の修正対象語が存在する場合を想定する点が第１の実施形態と異なる。複数の修正対象語を全て修正すると過剰に修正してしまう場合が多い。そこで修正対象語を選択的に修正する点が異なる。

第２の変形例に係る同表記異音語辞書の一例について図８を参照して説明する。
図８は、図２に示す同表記異音語辞書における見出し２０１および読み２０２に加えて、各読みに対する読み尤度８０１を対応づける点が異なる。具体的には、例えば、見出し２０１「方」、読み２０２−１「ほう」および対応する読み尤度８０１−１「０．６」、読み２０２−２「かた」および対応する読み尤度８０１−２「０．４」、がそれぞれ対応付けられ、辞書格納部１０３に格納される。読み尤度の算出方法は、例えば、読みが付いているテキストコーパスを大量に用意し、コーパス内での各読みの出現頻度の比を読み尤度とすればよいが、読み尤度を算出できればどのような方法でもよい。

第２の変形例に係る音声合成装置の修正動作の一例について図９を参照して説明する。
図９の例では、図６と同様に、入力テキスト９０１を音声合成し、合成音声９０２で読み上げる場合を想定する。ここで、ユーザからの修正指示により誤り検索範囲９０３として「市場で菅野に」が得られたと仮定する。

誤り検索範囲９０３には、「市場」と「菅野」という２つの修正対象語が存在する。この場合どちらを優先的に修正するかは、同表記異音語辞書中の尤度を参照すればよい。
例えば、図８を参照すると、「市場」を「しじょう」と読み尤度は０．７であり、「菅野」を「かんの」と読み尤度は０．５５であるので、「菅野」の方が「市場」よりも現在の読みの尤度が低いことがわかる。よって、優先的に修正される修正対象語は「菅野」となる。

なお、複数の同表記異音語のうち「菅野」の読みではなく「市場」の読みが間違っている場合もあり得る。すなわち、図９の例では、「菅野」の読み「かんの」が正しく、「市場」の読み「しじょう」が間違っていると仮定する。

この場合は、一度読みを「かんの」から「すがの」に修正したので、以降、「菅野」が読み上げられる場合は、「すがの」と読まれる。このとき、再びユーザから修正指示がある場合、「菅野」の読みを「すがの」と修正したことが間違いであったと判定することができるので、ルール修正部１０５は、「菅野」の読みを「かんの」に戻すように修正する。

また、ユーザから再び修正指示があることで、前回の修正指示の際に、修正対象語「菅野」の読みではなく修正対象語「市場」の読みが間違っていたと判定できる。よって、ルール修正部１０５は、市場の読みを「しじょう」から「いちば」に修正すればよい。

以上に示した第２の変形例によれば、誤り検索範囲に修正対象語が複数存在する場合でも、複雑な動作無しに読み誤りの修正を行うことができる。

（第２の実施形態）
第２の実施形態は、誤り検索範囲に含まれる修正対象語が、辞書格納部に格納される同表記異音語辞書の中に含まれない場合に、外部のサーバなどへ誤り検索範囲の文字列などを送信する点が第１の実施形態とは異なる。ユーザからの修正指示があったにもかかわらず、誤り検索範囲内に修正可能な単語が存在しない場合は、誤り検索範囲内に同表記異音語辞書にない同表記異音語が含まれる可能性が高い。よって、外部へ誤り検索範囲に関する情報を送ることで、効率的に同表記異音語辞書の語彙数を増やすことができる。追加された同表記異音語の情報は、アプリケーションアップデート等によってアプリケーションに反映される。これにより従来修正できなかった箇所を修正できるようになるというユーザメリットがある。

第２の実施形態に係る音声合成装置について図１０のブロック図を参照して説明する。
第２の実施形態に係る音声合成装置１０００は、修正指示取得部１０１、選択部１０２、辞書格納部１０３、検索部１０４、ルール修正部１００１、音声合成部１０６、表示部１０７および誤り情報送信部１００２を含む。
修正指示取得部１０１、選択部１０２、辞書格納部１０３、検索部１０４、音声合成部１０６および表示部１０７については、第１の実施形態と同様であるのでここでの説明は省略する。

ルール修正部１００１は、第１の実施形態に係るルール修正部１０５とほぼ同様の動作であるが、誤り検索範囲に含まれる語が、辞書格納部１０３に格納される同表記異音語辞書に該当しない場合は、誤り情報を生成する。誤り情報は、誤り検索範囲に含まれる語、修正指示を行ったユーザＩＤ、読み上げている書籍ＩＤなどを含むことが考えられる。

誤り情報送信部１００２は、ルール修正部１００１から誤り情報を受け取り、誤り情報を外部のサーバなど（図示せず）へ送信する。また、外部へ送信した誤り情報に関する同表記異音語の情報を取得する場合、音声合成装置１０００は、外部のサーバから誤り情報に関する同表記異音語情報を得て辞書格納部１０３に格納すればよい。

以上に示した第２の実施形態によれば、辞書格納部に格納されていない同表記異音語に関する情報を外部に送信することで、効率的に辞書格納部に格納される同表記異音語辞書の語彙数を増やすことができる。

なお、上述した本実施形態にかかる音声合成装置は１つのデバイスで実現する例を示したが、サーバとクライアントとで実現することも可能である。
例えば、サーバは、選択部１０２、辞書格納部１０３、検索部１０４、ルール修正部１０５および音声合成部１０６を含み、クライアントは、修正指示取得部１０１および表示部１０７を含む。各部の動作は上述と同様の処理を行えばよい。このように、格納されるデータ量が多い辞書格納部１０３および処理量が多い音声合成処理を行なう音声合成部１０６をサーバ側に備えることで、クライアント側での処理量を減らすことができ、クライアントをより簡易な構成とすることができる。

上述の実施形態の中で示した処理手順に示された指示は、ソフトウェアであるプログラムに基づいて実行されることが可能である。汎用の計算機システムが、このプログラムを予め記憶しておき、このプログラムを読み込むことにより、上述した音声合成装置による効果と同様な効果を得ることも可能である。上述の実施形態で記述された指示は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フレキシブルディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＯＭ、ＤＶＤ±Ｒ、ＤＶＤ±ＲＷ、Ｂｌｕ−ｒａｙ（登録商標）Ｄｉｓｃなど）、半導体メモリ、又はこれに類する記録媒体に記録される。コンピュータまたは組み込みシステムが読み取り可能な記録媒体であれば、その記憶形式は何れの形態であってもよい。コンピュータは、この記録媒体からプログラムを読み込み、このプログラムに基づいてプログラムに記述されている指示をＣＰＵで実行させれば、上述した実施形態の音声合成装置と同様な動作を実現することができる。もちろん、コンピュータがプログラムを取得する場合又は読み込む場合はネットワークを通じて取得又は読み込んでもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワーク等のＭＷ（ミドルウェア）等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は１つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。

なお、本実施形態におけるコンピュータまたは組み込みシステムは、記録媒体に記憶されたプログラムに基づき、本実施形態における各処理を実行するためのものであって、パソコン、マイコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であってもよい。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行なうことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００，１０００・・・音声合成装置、１０１・・・修正指示取得部、１０２・・・選択部、１０３・・・辞書格納部、１０４・・・検索部、１０５・・・ルール修正部、１０６・・・音声合成部、１０７・・・表示部、２０１，７０１・・・見出し、２０２，７０２・・・読み、４００・・・スマートフォン、４０１，５０１・・・本文、４０２・・・ボタン、４０３，５０２，６０３，９０３・・・誤り検索範囲、６０１，９０１・・・入力テキスト、６０２，９０２・・・合成音声、７０３・・・読み仮名、７０４・・・アクセント、８０１・・・読み尤度、１００１・・・ルール修正部、１００２・・・誤り情報送信部。

Claims (10)

1. テキストから合成音声を生成する音声合成部と、
   前記合成音声によるテキストの読み上げ中にユーザの動作に基づく修正指示を検出し、該修正指示があった時刻を示す時間情報を得る取得部と、
   前記時間情報に基づいて、修正の対象となる修正対象語を少なくとも含む文字列である検索範囲を前記テキストから選択する選択部と、
   前記修正対象語の読みを変更する条件を示す修正ルールに基づいて、前記検索範囲に含まれる前記修正対象語に対応する第１読みとは異なる第２読みで音声合成するように前記修正対象語の読みを修正する修正部と、を具備することを特徴とする音声合成装置。
2. 同じ表記であるが発音が異なる同表記異音語ごとに、該同表記異音語の表記と該表記の複数の読みとを関連づけて格納する格納部と、
   前記修正対象語と、前記格納部に格納される同表記異音語とが一致するかどうかを検索し、該修正対象語と該同表記異音語とが一致する場合、前記第２読みに関する読み情報を得る検索部と、をさらに具備することを特徴とする請求項１に記載の音声合成装置。
3. 前記修正対象語と前記格納部に格納される同表記異音語とが一致しない場合、該修正対象語に関する情報を含む誤り情報を外部へ送信する送信部をさらに具備することを特徴とする請求項２に記載の音声合成装置。
4. 前記読み情報は、単語の読み仮名と該単語のアクセント情報とを含むことを特徴とする請求項２または請求項３に記載の音声合成装置。
5. 前記修正指示は、前記読み仮名および前記アクセント情報を含まないことを特徴とする請求項４に記載の音声合成装置。
6. 前記音声合成部は、前記修正指示があった場合でも継続して音声合成して合成音声を生成し、
   前記修正部は、前記修正指示があった時点以降に前記テキスト中に出現する前記修正対象語について前記第１読みから前記第２読みに変更することを特徴とする請求項１から請求項５のいずれか１項に記載の音声合成装置。
7. 前記選択部は、前記修正指示を取得した第１時点から第１期間遡った第２時点までの間に生成された合成音声に対応する文字列を検索範囲として選択することを特徴とする請求項１から請求項６のいずれか１項に記載の音声合成装置。
8. 前記修正部は、前記検索範囲に複数の同表記異音語が含まれる場合、該複数の同表記異音語のうちの第１同表記異音語に関する第１読みを第２読みに変更したのち、再度ユーザからの修正指示があったときの検索範囲に該第１同表記異音語が含まれる場合、該第１同表記異音語に関する該第２読みを該第１読みに戻し、該第１同表記異音語と異なる第２同表記異音語に関する第１読みを第２読みに変更することを特徴とする請求項２から請求項７のいずれか１項に記載の音声合成装置。
9. テキストから合成音声を生成し、
   前記合成音声によるテキストの読み上げ中にユーザの動作に基づく修正指示を検出し、該修正指示があった時刻を示す時間情報を得、
   前記時間情報に基づいて、修正の対象となる修正対象語を少なくとも含む文字列である検索範囲を前記テキストから選択する選択し、
   前記修正対象語の読みを変更する条件を示す修正ルールに基づいて、前記検索範囲に含まれる前記修正対象語に対応する第１読みとは異なる第２読みで音声合成するように前記修正対象語の読みを修正することを特徴とする音声合成方法。
10. コンピュータを、
    テキストから合成音声を生成する音声合成部と、
    前記合成音声によるテキストの読み上げ中にユーザの動作に基づく修正指示を検出し、該修正指示があった時刻を示す時間情報を得る取得手段と、
    前記時間情報に基づいて、修正の対象となる修正対象語を少なくとも含む文字列である検索範囲を前記テキストから選択する選択手段と、
    前記修正対象語の読みを変更する条件を示す修正ルールに基づいて、前記検索範囲に含まれる前記修正対象語に対応する第１読みとは異なる第２読みで音声合成するように前記修正対象語の読みを修正する修正手段として機能させるための音声合成プログラム。

Images