JP6727477B1 - ピッチパターン補正装置、プログラム及びピッチパターン補正方法 - Google Patents

Abstract

音声のピッチパターンにおいて、音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部（１０３）と、ピッチパターンにおいて、音声の文末の音韻に対応する区間である文末ピッチ区間を特定する文末ピッチ区間特定部（１０４）と、特定された最大値及び特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチパターンを補正することで、音声の発話様式を変更するピッチパターン補正部（３０９）と、を備え、ピッチパターン補正部（３０９）は、音声の韻律に応じて、ピッチパターンを補正する補正量を変更することを特徴とする。

Description

本発明は、ピッチパターン補正装置、プログラム及びピッチパターン補正方法に関する。

従来、平叙音声のピッチパターンを補正し、例えば、質問調、念押し又は個人性を含むイントネーション等の別の発話様式の音声を生成する技術が多く開発されている。
特許文献１には、ピッチパターンの文末から最大値を抽出し、最大値と終端音韻のピッチとの間の値に相当する基準ピッチを算出し、基準ピッチより小さい値と基準ピッチより大きい値を算出し文末のピッチとすることで、韻律を補正する韻律補正方法が開示されている。

特開２００８−１５３６２号公報

従来の韻律補正方法は、最大値より小さいピッチが必ず文末に発生する構成となっており、平板型のアクセント句が文末である場合に、質問調等のピッチが上昇を継続する発話様式を生成する上で、不自然なピッチパターンになるという課題がある。

そこで、本発明は、自然で発話様式を容易に知覚することができるように、ピッチパターンを補正することを目的とする。

本発明の第１の態様に係るピッチパターン補正装置は、音声のピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部と、前記ピッチパターンにおいて、前記音声の文末の音韻に対応する区間である文末ピッチ区間を特定する文末ピッチ区間特定部と、前記特定された最大値及び前記特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記ピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部と、を備え、前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記ピッチパターンを補正する補正量を変更することを特徴とする。

本発明の第２の態様に係るピッチパターン補正装置は、音声のピッチパターンにおいて、特定の区間を補正する部分ピッチ補正部と、前記補正された特定の区間を含むピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部と、前記特定された最大値、及び、前記補正された特定の区間を含むピッチパターンにおいて前記音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記補正された特定の区間を含むピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部と、を備え、前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記補正された特定の区間を含むピッチパターンを補正する補正量を変更することを特徴とする。

本発明の第１の態様に係るプログラムは、コンピュータを、音声のピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部、前記ピッチパターンにおいて、前記音声の文末の音韻に対応する区間である文末ピッチ区間を特定する文末ピッチ区間特定部、並びに、前記特定された最大値及び前記特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記ピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部、として機能させ、前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記ピッチパターンを補正する補正量を変更することを特徴とする。

本発明の第２の態様に係るプログラムは、コンピュータを、音声のピッチパターンにおいて、特定の区間を補正する部分ピッチ補正部、前記補正された特定の区間を含むピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部、並びに、前記特定された最大値、及び、前記補正された特定の区間を含むピッチパターンにおいて前記音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記補正された特定の区間を含むピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部、として機能させ、前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記補正された特定の区間を含むピッチパターンを補正する補正量を変更することを特徴とする。

本発明の第１の態様に係るピッチパターン補正方法は、音声のピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定し、前記ピッチパターンにおいて、前記音声の文末の音韻に対応する区間である文末ピッチ区間を特定し、並びに、前記特定された最大値及び前記特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記ピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正方法であって、前記ピッチパターンを補正する際に、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記ピッチパターンを補正する補正量を変更することを特徴とする。

本発明の第２の態様に係るピッチパターン補正方法は、音声のピッチパターンにおいて、特定の区間を補正し、前記補正された特定の区間を含むピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定し、並びに、前記特定された最大値、及び、前記補正された特定の区間を含むピッチパターンにおいて前記音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記補正された特定の区間を含むピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正方法であって、前記補正された特定の区間を含むピッチパターンを補正する際に、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記補正された特定の区間を含むピッチパターンを補正する補正量を変更することを特徴とする。

本発明の一又は複数の態様によれば、自然で発話様式を容易に知覚することができるように、ピッチパターンを補正することができる。

実施の形態１に係るピッチパターン補正装置の構成を概略的に示すブロック図である。 ピッチパターン補正装置のハードウェア構成例を示すブロック図である。 実施の形態１に係るピッチパターン補正装置の動作を示すフローチャートである。 実施の形態１におけるピッチパターン補正部の第１の動作例を示す概略図である。 実施の形態１におけるピッチパターン補正部の第２の動作例を示す概略図である。 実施の形態１におけるピッチパターン補正方法情報の一例を示す概略図である。 実施の形態２に係るピッチパターン補正装置の構成を概略的に示すブロック図である。 実施の形態２に係るピッチパターン補正装置の動作を示すフローチャートである。 最大ピッチ区間補正部の動作例を示す概略図である。 最大ピッチ区間補正方法情報の一例を示す概略図である。 文末ピッチ区間補正部の動作例を示す概略図である。 文末ピッチ区間補正方法情報の一例を示す概略図である。 実施の形態２におけるピッチパターン補正部の動作例を示す概略図である。 実施の形態２におけるピッチパターン補正方法情報の一例を示す概略図である。 実施の形態３に係るピッチパターン補正装置の構成を概略的に示すブロック図である。 実施の形態３におけるピッチパターン補正装置の動作を示すフローチャートである。 実施の形態３におけるピッチパターン補正部の動作例を示す概略図である。 実施の形態４に係るピッチパターン補正装置の構成を概略的に示すブロック図である。 実施の形態４に係るピッチパターン補正装置の動作を示すフローチャートである。 実施の形態４におけるピッチパターン補正部の動作例を示す概略図である。

実施の形態１．
図１は、実施の形態１に係るピッチパターン補正装置１００の構成を概略的に示すブロック図である。
ピッチパターン補正装置１００は、音声情報入力部１０１と、ピッチパターン取得部１０２と、最大ピッチ特定部１０３と、文末ピッチ区間特定部１０４と、言語情報入力部１０５と、言語属性情報取得部１０６と、ピッチ補正係数入力部１０７と、ピッチパターン補正方法記憶部１０８と、ピッチパターン補正部１０９とを備える。

音声情報入力部１０１は、音声のピッチパターンを少なくとも特定することのできる音声情報の入力を受け付ける。音声情報入力部１０１は、入力された音声情報をピッチパターン取得部１０２に与える。
音声情報は、ピッチパターンを特定することができればよい。例えば、音声情報は、人が発話した音声を示す音声データであってもよく、音声合成装置における韻律制御のための中間データであってもよく、ピッチパターンそのものであってもよい。

ピッチパターン取得部１０２は、音声情報入力部１０１から与えられる音声情報で特定されるピッチパターンを取得する。ピッチパターン取得部１０２は、取得されたピッチパターンを最大ピッチ特定部１０３、文末ピッチ区間特定部１０４及びピッチパターン補正部１０９に与える。
ピッチは、音の高さを示し、ピッチパターンは、音の高さの変化を示すパターンである。ピッチパターンは、例えば、一定時間毎にサンプリングされたピッチ、時間情報とピッチとを組み合わせた系列、音声合成における音声素片単位（音節、子音−母音又は母音−子音等）における制御点のピッチを示すものであればよい。

最大ピッチ特定部１０３は、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、音声の文末フレーズに含まれているピッチの最大値を特定し、特定された最大値を示す最大ピッチ情報を生成する。そして、最大ピッチ特定部１０３は、その最大ピッチ情報をピッチパターン補正部１０９に与える。

文末フレーズが、アクセントフレーズである場合には、最大ピッチ特定部１０３は、以下のようにして、文末フレーズを特定することができる。
標準語において、１つのフレーズ内では、一度下がり始めたピッチが再度上昇することはないため、最大ピッチ特定部１０３は、ピッチパターンの遷移の山谷の位置でフレーズの区切りを推測することで、文末フレーズを特定することができる。また、例えば、単純な単語のように、末尾の発声が１フレーズのみであると保証される場合には、最大ピッチ特定部１０３は、一定時間以上ピッチが無い区間（ポーズ区間）以降を文末フレーズとみなすことができる。さらに、ピッチパターンが言語情報と紐付けられている場合には、言語情報からフレーズの区切りが分かるため、最大ピッチ特定部１０３は、言語情報を参照することで、文末フレーズを特定することができる。

また、文末フレーズが、呼吸に伴うポーズと文末の間の呼気フレーズである場合、最大ピッチ特定部１０３は、一定時間以上ピッチがない区間（例えば、ポーズ区間）以降を文末フレーズとみなすことができる。

最大ピッチ情報は、文末フレーズ内のピッチの最大値を示すものであればよい。例えば、最大ピッチ情報は、周波数情報そのものであってもよく、離散化又はシンボル化された情報であってもよい。また、最大ピッチ情報は、最大値の１サンプルだけではなく最大値を含む音韻のピッチパターン等の複数サンプルの値でもよく、複数サンプルの平均値等の統計値であってもよい。

文末ピッチ区間特定部１０４は、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、音声の文末の音韻に対応する区間である文末ピッチ区間を特定し、特定された文末ピッチ区間を示す文末ピッチ情報を生成する。
文末ピッチ情報は、発話様式の特徴が出現する区間を特定できる情報であればよい。

言語情報入力部１０５は、ピッチパターンに関する言語属性情報を少なくとも特定することのできる言語情報の入力を受け付ける。言語情報入力部１０５は、入力された言語情報を言語属性情報取得部１０６に与える。

言語情報は、言語属性情報を特定することができる情報であればよい。例えば、言語情報は、言語属性情報そのものであってもよく、日本語であれば漢字仮名混じり文、又は、英語であればアルファベット列等の表記から言語解析により抽出された情報であってもよい。

言語属性情報取得部１０６は、言語情報入力部１０５から与えられた言語情報で特定される言語属性情報を取得する。言語属性情報取得部１０６は、取得された言語属性情報をピッチパターン補正部１０９に与える。

言語属性情報は、ピッチパターンの補正時に制御を切り替えるために使用される言語の属性である言語属性を示す情報を含んでいればよい。例えば、言語属性情報は、アクセント位置、有声又は無声情報、破裂音、破擦音、摩擦音又は子音なし等末尾音韻の子音の種類であってもよく、音韻記号列を示す音韻情報そのものであってもよい。

ピッチ補正係数入力部１０７は、ピッチパターンを補正して、別の発話様式の音声にするためのピッチ補正係数の入力を受け付ける。ピッチ補正係数は、ピッチを補正する補正量であるピッチ補正量の重みに相当する情報であり、1つ以上の数値情報であればよい。ピッチ補正係数入力部１０７は、入力されたピッチ補正係数をピッチパターン補正部１０９に与える。

ピッチパターン補正方法記憶部１０８は、ピッチパターンの補正方法であるピッチパターン補正方法を示すピッチパターン補正方法情報を記憶する。ピッチパターン補正方法情報は、言語属性毎に、ピッチパターン補正方法を示しているものとする。言い換えると、ピッチパターン補正方法情報は、複数の言語属性と、複数の言語属性の各々に各々が対応付けられている複数のピッチパターン補正方法とを示す。なお、ピッチパターン補正方法情報は、変更する発話様式毎に、複数の言語属性と、複数の言語属性の各々に各々が対応付けられている複数のピッチパターン補正方法とを示しているものとする。
ピッチパターン補正方法は、例えば、補正式そのものであってもよく、プログラム内の条件分岐を示したものであってもよい。

ピッチパターン補正部１０９は、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値、及び、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチパターン取得部１０２から与えられるピッチパターンを補正することで、音声の発話様式を変更する。ここで、ピッチパターン補正部は、言語属性情報取得部１０６から与えられた言語属性情報で示される言語属性に応じて、ピッチパターン補正方法を切り替える。

なお、ピッチパターン補正部１０９は、変更する発話様式に応じて、ピッチパターンの予め定められた区間である補正対象区間を補正する。ここでは、補正対象区間は、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間とするが、実施の形態１は、このような例に限定されない。

ピッチパターン補正部１０９は、例えば、言語属性情報取得部１０６から与えられた言語属性情報で示される言語属性に対応するピッチパターン補正方法を、ピッチパターン補正方法記憶部１０８に記憶されているピッチパターン補正方法情報から選択する。
そして、ピッチパターン補正部１０９は、選択されたピッチパターン補正方法により、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を必要に応じて使用し、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間を補正する。
なお、補正されたピッチパターンは、補正ピッチパターンとして出力される。

図２は、実施の形態１に係るピッチパターン補正装置１００のハードウェア構成例を示すブロック図である。
図２に示されているように、ピッチパターン補正装置１００は、メモリ１３１と、プロセッサ１３２と、ネットワークインタフェース（以下、ネットワークＩ／Ｆという）１３３と、テキスト入力インタフェース（以下、テキスト入力Ｉ／Ｆという）１３４と、画像入力インタフェース（以下、画像入力Ｉ／Ｆという）１３５と、音響入力インタフェース（以下、音響入力Ｉ／Ｆという）１３６とを備えるコンピュータ１３０により実現することができる。

例えば、メモリ１３１は、プロセッサ１３２を、ピッチパターン取得部１０２、最大ピッチ特定部１０３、文末ピッチ区間特定部１０４、言語属性情報取得部１０６及びピッチパターン補正部１０９として機能させるプログラムを記憶する。このようなプログラムは、ネットワークを通じて提供されてもよく、また、記録媒体に記録されて提供されてもよい。即ち、このようなプログラムは、例えば、プログラムプロダクトとして提供されてもよい。

また、メモリ１３１は、ピッチパターン補正方法情報を記憶するピッチパターン補正方法記憶部１０８として機能する。
さらに、メモリ１３１は、ピッチパターン、音声情報、言語属性情報、言語情報、最大ピッチ情報、文末ピッチ区間情報、ピッチ補正係数及び補正ピッチパターンといった中間データを記憶する。
なお、メモリ１３１、不揮発性のメモリ又は揮発性のメモリであればよい。

プロセッサ１３２は、メモリ１３１から必要なプログラムを読み出して、そのプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等の回路である。

ネットワークＩ／Ｆ１３３は、音声情報、言語情報又はピッチ補正係数をネットワーク上のデータから参照する場合又はストリームデータを入力する場合、通信するためのインタフェースであり、音声情報入力部１０１、言語情報入力部１０５又はピッチ補正係数入力部１０７として機能することができる。ネットワークＩ／Ｆ１３３は、通信を必要としない構成となっていれば、不要である。

テキスト入力Ｉ／Ｆ１３４は、音声情報、言語情報又はピッチ補正係数の入力手段としてＰＣ又はネットワーク上のデータをテキスト列で指定する際に、キーボード又はマウス等によって入力する場合のインタフェースであり、音声情報入力部１０１、言語情報入力部１０５又はピッチ補正係数入力部１０７として機能することができる。テキスト入力Ｉ／Ｆ１３４は、キーボード又はマウス等による入力を必要としない構成となっていれば、不要である。

画像入力Ｉ／Ｆ１３５は、音声情報、言語情報又はピッチ補正係数の入力手段として、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）又はネットワーク上のデータをＧＵＩ（Ｇｕｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）で指定する場合の表示用のインタフェースであり、音声情報入力部１０１、言語情報入力部１０５又はピッチ補正係数入力部１０７として機能することができる。画像入力Ｉ／Ｆ１３５は、表示器での表示を必要としない構成となっていれば、不要である。

音響入力Ｉ／Ｆ１３６は、マイク等の音響を入力するインタフェースである。音響入力Ｉ／Ｆ１３６は、音声情報入力部として機能することができる。音響入力Ｉ／Ｆ１３６は、ピッチパターン補正装置１００がマイクによる録音を必要としない構成となっていれば、不要である。

なお、図２において、メモリ１３１は、コンピュータ１３０の内部に配置されているが、実施の形態は、このような例に限定されない。例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の外部メモリであってもよく、ネットワークに接続された記憶装置であってもよい。また、メモリ１３１は、コンピュータ１３０の内部のメモリと、コンピュータ１３０の外部のメモリとの両方で構成されていてもよい。

図３は、ピッチパターン補正装置１００の動作を示すフローチャートである。
まず、ピッチパターン取得部１０２は、音声情報入力部１０１から、少なくともピッチパターンを特定することのできる音声情報を受け取り、その音声情報で特定されるピッチパターンを取得する（Ｓ１０）。取得されたピッチパターンは、最大ピッチ特定部１０３、文末ピッチ区間特定部１０４及びピッチパターン補正部１０９に与えられる。

ここで、音声情報入力部１０１は、マイク又はカメラ等の音響信号が取得可能なデバイスから音声情報の入力を受ければよい。また、ユーザが、キーボード又はマウス等のデバイスを使用して、メモリ又はネットワーク上のデータを選択することで、音声情報入力部１０１は、音声情報を読み込むようにしてもよい。さらに、音声情報入力部１０１は、通信を行うことで、他の装置から取得したストリームデータ、又は、音声合成の中間データを音声情報として入力を受けてもよい。

また、ピッチパターン取得部１０２が音声データからピッチパターンを抽出する場合には、例えば、ケプストラム法等の公知の手法を用いればよい。ケプストラム法等の公知の手法は、下記の文献に記載されている。
古井貞熙著、「音声情報処理」、第１版、森北出版株式会社、１９９８年６月３０日、ｐ．２２〜２６

次に、言語属性情報取得部１０６は、言語情報入力部１０５から、言語の必要な属性を特定することのできる言語情報を受け取り、その言語情報で特定される言語属性を示す言語属性情報を取得する（Ｓ１１）。

言語情報が、言語属性情報そのものでない場合には、言語属性情報取得部１０６は、公知の自然言語処理技術によって、読み又はアクセント等の情報を解析し、言語属性を特定し、特定された言語属性を示す言語属性情報を生成すればよい。
この場合、例えば、下記の文献に、公知の自然言語処理技術が記載されている。
匂坂芳典著、「音声合成における自然言語処理」、情報処理、Ｖｏｌ．３４，Ｎｏ．１０、１９９３年

また、音声情報が音声データである場合には、言語属性情報取得部１０６は、言語情報入力部１０５又は音声情報入力部１０１から音声データを取得して、公知の音声認識技術等を用いて言語情報を抽出して、抽出された言語情報から言語属性情報を取得してもよい。
なお、公知の音声認識技術としては、下記の文献に記載されている技術がある。
古井貞熙著、「音声情報処理」、第１版、森北出版株式会社、１９９８年６月３０日、ｐ．９６〜１０５

次に、最大ピッチ特定部１０３は、ピッチパターンから末尾フレーズ内のピッチの最大値を特定し、特定された最大値を示す最大ピッチ情報を生成する（Ｓ１２）。そして、生成された最大ピッチ情報は、ピッチパターン補正部１０９に与えられる。

例えば、最大ピッチ特定部１０３は、ピッチパターンの末尾フレームに含まれているピッチの値のうち、最大値を探索して、その値を示す最大ピッチ情報を生成すればよい。
この時、最大ピッチ特定部１０３は、言語属性情報取得部１０６から言語属性情報を受け取ることで、アクセント位置付近に絞って探索してもよい。

次に、文末ピッチ区間特定部１０４は、ピッチパターンから文末部分の区間を特定して、特定されたピッチパターンの区間を示す文末ピッチ区間情報を生成する（Ｓ１３）。生成された文末ピッチ区間情報は、ピッチパターン補正部１０９に与えられる。

例えば、文末ピッチ区間特定部１０４は、ピッチパターンのうち、末尾音韻区間を特定すればよい。
具体的には、音声情報の中に、末尾音韻の区間情報がある場合、又は、言語属性情報取得部１０６で取得される言語属性情報から末尾音韻の区間を推定できる場合には、文末ピッチ区間特定部１０４は、その区間を特定すればよい。例えば、日本語において末尾音韻の子音が無声音である場合には、末尾から連続するピッチパターンは、末尾の母音のピッチパターンとすることができる。

なお、音声情報の中に、末尾音韻の区間情報がない場合には、文末ピッチ区間特定部１０４は、ピッチパターンにおいて、末尾から遡って、末尾のピッチに対するピッチの変化量が一定の閾値を超えるまでの区間、又は、末尾から遡って、ピッチが抽出できなくなるまでの区間を示す情報を文末ピッチ区間情報としてもよい。

次に、ピッチ補正係数入力部１０７は、入力されたピッチ補正係数をピッチパターン補正部１０９に与える（Ｓ１４）。なお、実施の形態１では、ピッチ補正係数が入力されているが、実施の形態１はこのような例に限定されない。例えば、ピッチ補正係数が固定の値である場合には、ピッチパターン補正部１０９として機能するプログラムに、その値が含まれていてもよい。この場合には、ピッチ補正係数入力部１０７はなくてもよい。

次に、ピッチパターン補正部１０９は、ピッチパターンの補正を行う（Ｓ１５）。具体的には、以下の通りである。
ピッチパターン補正部１０９は、ピッチパターン補正方法情報を参照して、言語属性情報で示される言語属性に対応するピッチパターン補正方法を選択する。
そして、ピッチパターン補正部１０９は、選択されたピッチパターン補正方法により、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を必要に応じて使用し、ピッチパターン取得部１０２から与えられるピッチパターンの内、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間を補正する。なお、補正されたピッチパターンは、補正ピッチパターンとして出力される。

なお、図３に示されているフローチャートにおいて、ステップＳ１１〜Ｓ１３の処理は、並行して行うことができ、どのステップから行われてもよい。

また、Ｓ１１で取得される言語属性情報を受け取ることで、最大ピッチ特定部１０３における抽出精度向上又は処理量の削減が可能な場合があり、その場合にはステップＳ１１の処理の後に、ステップＳ１２が行われればよい。この場合、言語属性情報取得部１０６から言語属性情報が、最大ピッチ特定部１０３に与えられる。

図４及び図５は、ピッチパターン補正部１０９の動作例を示す概略図である。
また、図６は、ピッチパターン補正方法記憶部１０８に記憶されているピッチパターン補正方法情報の一例を示す概略図である。ここでは、言語属性として、音声におけるアクセントの位置であるアクセント位置に応じて、ピッチパターン補正方法を選択する例を示す。

図６に示されているように、ピッチパターン補正方法情報１０８ａは、制御対象列１０８ｂと、平板列１０８ｃと、非平板列１０８ｄとを備えるテーブル形式の情報である。
制御対象列１０８ｂは、補正を行う対象を示す。ここでは、制御対象の一例として、「始端」、「終端」及び「補間」が示されている。「始端」は、文末ピッチ区間の始端のピッチを示し、「終端」は、文末ピッチ区間の終端のピッチを示す。「補間」は、文末ピッチ区間における始端のピッチと終端のピッチとの間のピッチを示す。

平板列１０８ｃは、言語属性情報が「平板」を示す場合に選択されるピッチパターン補正方法を示す。
ここでは、「平板」のピッチパターン補正方法として、「−」、「最大ピッチ×ピッチ補正係数」及び「線形補間」が示されている。
「−」は、同じ行の制御対象に補正を行わないことを示している。
「最大ピッチ×ピッチ補正係数」は、最大ピッチ特定部１０３で特定されたピッチの最大値に、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を乗算した値を、同じ行の制御対象に加算することを示している。
「線形補間」は、文末ピッチ区間の始端のピッチと、その終端のピッチとの間のピッチの値を、始端のピッチの値及び終端のピッチの値による線形補間で求めることを示している。補間を行う際の始端のピッチの値及び終端のピッチの値は、補正が行われる場合には、補正後の値である。

非平板列１０８ｄは、言語属性情報が「非平板」を示す場合に選択されるピッチパターン補正方法を示す。
ここでは、「非平板」のピッチパターン補正方法として、「終端ピッチ−始端ピッチ」、「（最大ピッチ−終端ピッチ）×ピッチ補正係数」及び「スプライン補間」が示されている。
「終端ピッチ−始端ピッチ」は、文末ピッチ区間の終端のピッチの値から、その始端のピッチの値を減算した値を、同じ行の制御対象に加算することを示している。
「（最大ピッチ−終端ピッチ）×ピッチ補正係数」は、最大ピッチ特定部１０３で特定されたピッチの最大値から、その終端のピッチの値を減算した値に、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を乗算した値を、同じ行の制御対象に加算することを示している。
「スプライン補間」は、文末ピッチ区間の始端のピッチと、その終端のピッチとの間のピッチの値を、始端のピッチの値及び終端のピッチの値によるスプライン補間で求めることを示している。補間を行う際の始端のピッチの値及び終端のピッチの値は、補正が行われる場合には、補正後の値である。

図４（Ａ）及び（Ｂ）は、平板型のアクセントでモーラ数４の言語属性情報を持つ「はんたい」という単語のピッチパターンを質問調のピッチパターンに補正する例である。

図４（Ａ）は、補正前のピッチパターンを示している。
この場合、属性情報が「平板」を示しているため、ピッチパターン補正部１０９は、例えば、図６に示されているピッチパターン補正方法情報１０８ａから、平板のピッチパターン補正方法を選択する。

このため、図４（Ｂ）に示されているように、ピッチパターン補正部１０９は、与えられたピッチ補正係数をピッチの最大値に積算した値を、文末ピッチ区間の終端のピッチの値に加算することで補正を行っている。さらに、ピッチパターン補正部１０９は、文末ピッチ区間のピッチパターンにおいて、始端のピッチと、終端のピッチとの間のピッチの値に対して、終端のピッチの値と始端のピッチの値とを用いて線形補間を行っている。

図５（Ａ）及び（Ｂ）は、１文字目にアクセントがあり、モーラ数３の言語属性情報を持つ非平板型の「そぐね」という単語のピッチパターンを質問調のピッチパターンに補正する例である。

図５（Ａ）は、補正前のピッチパターンを示している。
この場合、言語属性情報が「非平板」を示しているため、ピッチパターン補正部１０９は、例えば、図６に示されているピッチパターン補正方法情報１０８ａから、非平板のピッチパターン補正方法を選択する。

このため、図５（Ｂ）に示されているように、ピッチパターン補正部１０９は、文末ピッチ区間の終端のピッチの値から、文末ピッチ区間の始端のピッチの値を減算した値を、始端のピッチの値に加算することで補正を行っている。これにより、文末ピッチ区間の始端のピッチの値は、補正前の終端のピッチの値に変換されている。
また、ピッチパターン補正部１０９は、与えられたピッチ補正係数を、ピッチの最大値と、文末ピッチ区間の終端のピッチの値との差分に積算した値を、終端のピッチの値に加算することで補正を行っている。
さらに、ピッチパターン補正部１０９は、文末ピッチ区間ピッチパターンにおいて、始端のピッチと終端のピッチとの間のピッチの値に対して、補正後の値からスプライン補間を行っている。

なお、図４及び図５では、平板型のアクセントと、非平板型のアクセントとでピッチパターン補正方法を選択する場合を示しているが、子音の種類又はモーラ数等の他の言語属性情報を利用して、ピッチパターン補正方法が選択されてもよい。
例えば、末尾音韻の子音が有声音である場合と、それが無声音である場合とで、末尾から継続するピッチパターンの長さが異なる。このため、例えば、ピッチパターンが長い有声音の場合には緩やかな変化を、ピッチパターンが短い有声音の場合には急激な変化となるように、ピッチパターン補正方法を選択することができる。
また、同様にモーラ数が短い場合（音韻数が少ない場合）に緩やかな変化となるように、モーラ数が長い場合に急激な変化となるように、ピッチパターン補正方法を選択することができる。
さらに、音韻情報の中には、有声情報若しくは無声情報、又は、子音の種類を示す情報が内包されており、それらの情報を用いて、ピッチパターン補正方法が選択されてもよい。

また、図４及び図５では、始端のピッチと、終端のピッチとの間のピッチについて、選択されたピッチパターン補正方法で補間するようにしたが、実施の形態１はこのような例に限定されない。例えば、ピッチパターン補正方法によらず、固定の方法で補間が行われてもよい。

また、図４及び図５では、文末ピッチ区間のピッチパターンについて補正が行われているが、文末ピッチ区間だけでなく、ピッチパターン全てに対して補正が行われてもよい。

以上のように、実施の形態１では、言語属性情報に応じてピッチパターン補正方法が選択される。これにより、平叙音声と発話様式と間のピッチパターンの差が、アクセント位置等の言語属性情報により大きく異なる場合においても、言語属性情報に応じたピッチパターン補正方法を選択することが可能となり、韻律補正の精度が改善し、発話様式が知覚されやすい自然なピッチパターンを実現することができる。

実施の形態２．
図７は、実施の形態２に係るピッチパターン補正装置２００の構成を概略的に示すブロック図である。
ピッチパターン補正装置２００は、音声情報入力部１０１と、ピッチパターン取得部１０２と、最大ピッチ特定部２０３と、ピッチ補正係数入力部１０７と、ピッチパターン補正方法記憶部２０８と、ピッチパターン補正部２０９と、部分ピッチ補正部２１０とを備える。
実施の形態２におけるピッチパターン補正装置２００の音声情報入力部１０１、ピッチパターン取得部１０２及びピッチ補正係数入力部１０７は、実施の形態１におけるピッチパターン補正装置１００の音声情報入力部１０１、ピッチパターン取得部１０２及びピッチ補正係数入力部１０７と同様である。
但し、ピッチパターン取得部１０２は、取得されたピッチパターンを部分ピッチ補正部２１０及びピッチパターン補正部２０９に与える。

部分ピッチ補正部２１０は、ピッチパターンにおいて、少なくとも一つの特定の区間を補正する。
部分ピッチ補正部２１０は、最大ピッチ区間抽出部２１１と、最大ピッチ区間補正方法記憶部２１２と、最大ピッチ区間補正部２１３と、文末ピッチ区間抽出部２１４と、文末ピッチ区間補正方法記憶部２１６と、文末ピッチ区間補正部２１５とを備える。

最大ピッチ区間抽出部２１１は、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、文末フレーズ内のピッチの最大値を含む音韻に対応する区間である最大ピッチ区間のピッチパターンを抽出し、抽出されたピッチパターンを示す最大ピッチ区間抽出情報を生成する。生成された最大ピッチ区間抽出情報は、最大ピッチ区間補正部２１３に与えられる。
例えば、最大ピッチ区間抽出情報は、ピッチの最大値に対応する音韻のピッチパターン、又は、ピッチの最大値に対応する音韻及びその付近の音韻におけるピッチパターンであってもよい。なお、最大ピッチ区間抽出情報は、周波数そのものであってもよく、離散化又はシンボル化された情報であってもよい。

最大ピッチ区間補正方法記憶部２１２は、最大ピッチ区間のピッチパターンの補正方法である最大ピッチ区間補正方法を示す最大ピッチ区間補正方法情報を記憶する。
最大ピッチ区間補正方法は、例えば、補正式そのものであってもよく、プログラム内の条件分岐を示したものであってもよい。

最大ピッチ区間補正部２１３は、最大ピッチ区間抽出部２１１から与えられる最大ピッチ区間情報で示される最大ピッチ区間を、最大ピッチ区間補正方法記憶部２１２に記憶されている最大ピッチ区間補正方法情報で示される最大ピッチ区間補正方法に従って補正する。そして、最大ピッチ区間補正部２１３は、補正されたピッチパターンを示す補正最大ピッチ区間情報を生成し、その補正最大ピッチ区間情報を、最大ピッチ特定部２０３及びピッチパターン補正部２０９に与える。

文末ピッチ区間抽出部２１４は、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、音声の文末の音韻に対応する区間である文末ピッチ区間のピッチパターンを抽出し、抽出されたピッチパターンを示す文末ピッチ区間抽出情報を生成する。生成された文末ピッチ区間情報は、文末ピッチ区間補正部２１５に与えられる。

文末ピッチ区間抽出情報は、発話様式の特徴が出現する区間のピッチパターンを含む情報であればよい。例えば、文末ピッチ区間抽出情報は、末尾音韻のピッチパターン、又は、末尾音韻及びその付近の音韻におけるピッチパターンであってもよい。なお、文末ピッチ区間抽出情報は、周波数そのものであってもよく、離散化又はシンボル化された情報であってもよい。

文末ピッチ区間補正方法記憶部２１６は、文末ピッチ区間のピッチパターンの補正方法である文末ピッチ区間補正方法を示す文末ピッチ区間補正方法情報を記憶する。
文末ピッチ区間補正方法は、例えば、補正式そのものであってもよく、プログラム内の条件分岐を示したものであってもよい。

文末ピッチ区間補正部２１５は、文末ピッチ区間抽出部２１４から与えられる文末ピッチ区間情報で示される文末区間を、文末ピッチ区間補正方法記憶部２１６に記憶されている文末ピッチ区間補正方法情報で示される文末ピッチ区間補正方法に従って補正する。そして、文末ピッチ区間補正部２１５は、補正されたピッチパターンを示す補正文末ピッチ区間情報を生成し、その補正文末ピッチ区間情報を、ピッチパターン補正部２０９に与える。

最大ピッチ特定部２０３は、部分ピッチ補正部２１０で補正された特定の区間を含むピッチパターンにおいて、音声における文末フレーズに含まれているピッチの最大値を特定する。
具体的には、最大ピッチ特定部２０３は、最大ピッチ区間補正部２１３から与えられる補正最大ピッチ区間情報で示されるピッチパターンより、ピッチの最大値を特定し、特定された最大値を示す最大ピッチ情報を生成する。そして、最大ピッチ特定部２０３は、その最大ピッチ情報をピッチパターン補正部２０９に与える。

ピッチパターン補正方法記憶部２０８は、ピッチパターンの補正方法を示すピッチパターン補正方法情報を記憶する。実施の形態２では、ピッチパターン補正方法情報は、言語属性毎に、ピッチパターン補正方法を示している必要はなく、変更する発話様式毎に、ピッチパターン補正方法が定められていればよい。
ピッチパターン補正方法は、例えば、補正式そのものであってもよく、プログラム内の条件分岐を示したものであってもよい。

ピッチパターン補正部２０９は、最大ピッチ特定部２０３から与えられる最大ピッチ情報で示される最大値、及び、文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、部分ピッチ補正部２１０により補正された特定の区間を含むピッチパターンを補正することで、音声の発話様式を変更する。ここで、文末ピッチ区間補正部２１５により文末ピッチ区間が補正されている場合には、補正後のピッチの値が用いられる。

具体的には、ピッチパターン補正部２０９は、最大ピッチ区間補正部２１３から与えられる補正最大ピッチ区間情報で示されるピッチパターンと、文末ピッチ区間補正部２１５から与えられる補正文末ピッチ区間情報で示されるピッチパターンとを、ピッチパターン取得部１０２から与えられるピッチパターンに合成することで、部分補正ピッチパターンを生成する。

ピッチパターン補正部２０９は、ピッチパターン補正方法記憶部１０８に記憶されているピッチパターン補正方法情報から、部分補正ピッチパターンを補正する発話様式に応じたピッチパターン補正方法を取得する。
そして、ピッチパターン補正部２０９は、取得されたピッチパターン補正方法により、最大ピッチ特定部２０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を必要に応じて使用し、文末ピッチ区間補正部２１５から与えられる補正文末ピッチ区間情報で示されるピッチパターンに対応する区間（即ち、文末ピッチ区間）の部分補正ピッチパターンを補正する。
なお、補正された部分補正ピッチパターンは、補正ピッチパターンとして出力される。

実施の形態２に係るピッチパターン補正装置２００についても、図２に示されているコンピュータ１３０により実現することができる。
例えば、メモリ１３１は、プロセッサ１３２を、ピッチパターン取得部１０２、最大ピッチ特定部２０３、ピッチパターン補正部１０９及び部分ピッチ補正部２１０として機能させるプログラムを記憶する。

また、メモリ１３１は、ピッチパターン補正方法情報を記憶するピッチパターン補正方法記憶部１０８、最大ピッチ区間補正方法情報を記憶する最大ピッチ区間補正方法記憶部２１２及び文末ピッチ区間補正方法情報を記憶する文末ピッチ区間補正方法記憶部２１６として機能する。

図８は、ピッチパターン補正装置２００の動作を示すフローチャートである。
まず、ピッチパターン取得部１０２は、音声情報入力部１０１から、少なくともピッチパターンを特定することのできる音声情報を受け取り、その音声情報で特定されるピッチパターンを取得する（Ｓ２０）。ここでの処理は、図３に示されているステップＳ１０での処理と同様である。取得されたピッチパターンは、最大ピッチ区間抽出部２１１、文末ピッチ区間抽出部２１４及びピッチパターン補正部２０９に与えられる。

次に、最大ピッチ区間抽出部２１１は、与えられたピッチパターンから、文末フレーズ内のピッチの最大値を含む音韻に対応する区間である最大ピッチ区間のピッチパターンを抽出し、抽出されたピッチパターンを示す最大ピッチ区間抽出情報を生成する（Ｓ２１）。生成された最大ピッチ区間抽出情報は、最大ピッチ区間補正部２１３に与えられる。

次に、文末ピッチ区間抽出部２１４は、与えられたピッチパターンから、文末のピッチを含む文末ピッチ区間のピッチパターンを抽出し、抽出されたピッチパターンを示す文末ピッチ区間抽出情報を生成する（Ｓ２２）。生成された文末ピッチ区間情報は、文末ピッチ区間補正部２１５に与えられる。なお、文末ピッチ区間の特定方法については、図３に示されているステップＳ１３と同様である。

次に、ピッチ補正係数入力部１０７は、入力されたピッチ補正係数をピッチパターン補正部２０９に与える（Ｓ２３）。ここでの処理は、図３に示されているステップＳ１４と同様である。

次に、最大ピッチ区間補正部２１３は、与えられた最大ピッチ区間情報で示される最大ピッチ区間のピッチパターンを、最大ピッチ区間補正方法に従って補正する（Ｓ２４）。そして、最大ピッチ区間補正部２１３は、補正されたピッチパターンを示す補正最大ピッチ区間情報を生成し、その補正最大ピッチ区間情報を、最大ピッチ特定部２０３及びピッチパターン補正部２０９に与える。

次に、文末ピッチ区間補正部２１５は、与えられた文末ピッチ区間情報で示される文末区間のピッチパターンを、文末ピッチ区間補正方法に従って補正する（Ｓ２５）。そして、文末ピッチ区間補正部２１５は、補正されたピッチパターンを示す補正文末ピッチ区間情報を生成し、その補正文末ピッチ区間情報を、ピッチパターン補正部２０９に与える。

次に、最大ピッチ特定部２０３は、与えられた補正最大ピッチ区間情報で示されるピッチパターンにおいて、ピッチの最大値を特定し、特定された最大値を示す最大ピッチ情報を生成する（Ｓ２６）。そして、最大ピッチ特定部２０３は、その最大ピッチ情報をピッチパターン補正部２０９に与える。

次に、ピッチパターン補正部２０９は、ピッチパターンの補正を行う（Ｓ２７）。具体的には、以下の通りである。
まず、ピッチパターン補正部２０９は、与えられた補正最大ピッチ区間情報で示されるピッチパターンと、与えられた補正文末ピッチ区間情報で示されるピッチパターンとを、与えられたピッチパターンに合成することで、部分補正ピッチパターンを生成する。
次に、ピッチパターン補正部２０９は、部分補正ピッチパターンを補正する発話様式に対応するピッチパターン補正方法を、ピッチパターン補正方法記憶部２０８に記憶されているピッチパターン補正方法情報から取得する。
そして、ピッチパターン補正部２０９は、取得されたピッチパターン補正方法により、与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を必要に応じて使用し、与えられた補正文末ピッチ区間情報で示されるピッチパターンに対応する区間の部分補正ピッチパターンを補正する（Ｓ２７）。

なお、図８に示されているフローチャートにおいて、ステップＳ２１〜Ｓ２３の処理は、並行して行うことができ、どのステップから行われてもよい。

図９は、最大ピッチ区間補正部２１３の動作例を示す概略図である。
また、図１０は、最大ピッチ区間補正方法記憶部２１２に記憶されている最大ピッチ区間補正方法情報の一例を示す概略図である。

図１０に示されているように、最大ピッチ区間補正方法情報２１２ａは、発話様式列２１２ｂと、最大ピッチ区間補正方法列２１２ｃとを備えるテーブル形式の情報である。
発話様式列２１２ｂは、ピッチパターン補正部２０９で補正を行うことで生成する発話様式を示している。ここでは、発話様式として、「平叙」、「質問」及び「確認」が示されている。「平叙」は、ピッチパターン補正部２０９で補正を行うことで平叙調のピッチパターンを生成することを示している。「質問」は、ピッチパターン補正部２０９で補正を行うことで質問調のピッチパターンを生成することを示している。「確認」は、ピッチパターン補正部２０９で補正を行うことで確認調のピッチパターンを生成することを示している。

最大ピッチ区間補正方法列２１２ｃには、同じ行の発話様式に応じて、最大ピッチ区間に含まれているピッチを補正する補正方法である最大ピッチ区間補正方法が示されている。

図９（Ａ）及び（Ｂ）は、１文字目にアクセントがあり、モーラ数３の言語属性情報を持つ非平板型の「そぐね」という単語のピッチパターンを質問調のピッチパターンに補正する場合における、最大ピッチ区間補正方法の一例である。
図９（Ａ）は、補正前のピッチパターンを示している。
最大ピッチ区間補正部２１３は、図１０に示されている最大ピッチ区間補正方法情報２１２ａから質問調に対応する最大ピッチ区間補正方法を選択し、図９（Ｂ）に示されているように、最大ピッチ区間のピッチを補正する。ここでは、最大ピッチ区間補正部２１３は、その値を１．２倍している。この例では、最大ピッチ区間は、音韻「ｏ」の２サンプルのピッチであり、それぞれの値が１．２倍されている。

図１１は、文末ピッチ区間補正部２１５の動作例を示す概略図である。
また、図１２は、文末ピッチ区間補正方法記憶部２１６に記憶されている文末ピッチ区間補正方法情報の一例を示す概略図である。

図１２に示されているように、文末ピッチ区間補正方法情報２１６ａは、発話様式列２１６ｂと、文末ピッチ区間補正方法列２１６ｃとを備えるテーブル形式の情報である。
発話様式列２１６ｂは、ピッチパターン補正部２０９で補正を行うことで生成する発話様式を示している。ここでは、発話様式として、「平叙」、「質問」及び「確認」が示されている。

文末ピッチ区間補正方法列２１６ｃには、同じ行の発話様式に応じて、文末ピッチ区間に含まれているピッチを補正する補正方法である文末ピッチ区間補正方法が示されている。

図１１（Ａ）及び（Ｂ）は、１文字目にアクセントがあり、モーラ数３の言語属性情報を持つ非平板型の「そぐね」という単語のピッチパターンを質問調のピッチパターンに補正する場合における、文末ピッチ区間補正方法の一例である。
図１１（Ａ）は、補正前のピッチパターンを示している。
文末ピッチ区間補正部２１５は、図１２に示されている文末ピッチ区間補正方法情報２１６ａから質問調に対応する文末ピッチ区間補正方法を選択し、図１１（Ｂ）に示されているように、文末ピッチ区間のピッチを補正する。ここでは、文末ピッチ区間補正部２１５は、その値を０．９倍している。この例では、文末ピッチ区間は、音韻「ｅ」の２サンプルのピッチであり、それぞれの値が０．９倍されている。

なお、最大ピッチ区間補正部２１３又は文末ピッチ区間補正部２１５の補正対象が複数サンプルである場合には、均一の補正値とする必要はなく、サンプル位置に応じた補正方法が設定されてもよい。また、最大ピッチ区間又は文末ピッチ区間に含まれている始端のピッチと、終端のピッチとを補正した上で、その間のピッチが補間されてもよい。さらに、補正対象となる最大ピッチ区間又は文末ピッチ区間に含まれている値が統計値であれば、統計値が補正方法に従うように、各サンプルが補正されればよい。

図１３は、実施の形態２におけるピッチパターン補正部２０９の動作例を示す概略図である。
また、図１４は、ピッチパターン補正方法記憶部２０８に記憶されているピッチパターン補正方法情報の一例を示す概略図である。

図１４に示されているように、ピッチパターン補正方法情報２０８ａは、発話様式列２０８ｂと、ピッチパターン補正方法列２０８ｃとを備えるテーブル形式の情報である。
発話様式列２０８ｂは、ピッチパターン補正部２０９で補正を行うことで生成する発話様式を示している。ここでは、発話様式として、「平叙」、「質問」及び「確認」が示されている。

ピッチパターン補正方法列２０８ｃには、同じ行の発話様式に応じて、部分補正ピッチパターンに含まれているピッチを補正する補正方法であるピッチパターン補正方法が示されている。

図１３（Ａ）は、補正最大ピッチ区間情報で示されるピッチパターンと、補正文末ピッチ区間情報で示されるピッチパターンとを、ピッチパターンに合成することで生成された部分補正ピッチパターンを示している。
ピッチパターン補正部２０９は、図１４に示されているピッチパターン補正方法情報２０８ａから質問調に対応するピッチパターン補正方法を選択し、図１３（Ｂ）に示されているように、文末ピッチ区間のピッチを補正する。ここでは、ピッチパターン補正部２０９は、最大ピッチ特定部２０３から与えられるピッチの最大値から、文末ピッチ区間の終端のピッチの値を減算した値に、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を乗算した値を、文末ピッチ区間の終端のピッチの値に加算している。

以上の実施の形態２では、最大ピッチ区間の補正と、文末ピッチ区間の補正との両方が実施されているが、実施の形態２はこのような例に限定されない。例えば、実施の形態２において、最大ピッチ区間の補正と、文末ピッチ区間の補正とのいずれか一方が行われてもよい。
なお、最大ピッチ区間の補正を行わない場合には、最大ピッチ区間抽出部２１１、最大ピッチ区間補正方法記憶部２１２及び最大ピッチ区間補正部２１３を省略することができる。この場合、最大ピッチ特定部２０３は、実施の形態１における最大ピッチ特定部１０３と同様に、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、文末フレーズの最大値を特定すればよい。

また、実施の形態２では、最大ピッチ区間及び文末ピッチ区間のピッチを補正しているが、文末フレーズの始端のピッチに対応する区間、又は、文末フレーズのピッチの最小値に対応する区間が補正されてもよい。変更する発話様式に応じて、ピッチを修正する区間が選択できるようにすればよい。

また、実施の形態２では、最大ピッチ補正方法、文末ピッチ補正方法又はピッチパターン補正方法を選択して、ピッチを補正するように構成されているが、実施の形態２は、このような例に限定されない。例えば、補正を行う発話様式が決まっている場合等では、それらの補正方法を固定のものとすることができる。このような場合には、最大ピッチ区間補正方法記憶部２１２、文末ピッチ区間補正方法記憶部２１６及びピッチパターン補正方法記憶部２０８を省略することも可能である。

以上のように、実施の形態２では、最大ピッチ区間補正部２１３及び文末ピッチ区間補正部２１５の少なくとも一つが備えられ、ピッチの値を補正するように構成しているため、発話様式により強調又は変化する抑揚を含む補正が可能であり、生成されるピッチパターンの発話様式の知覚精度が改善できるという効果がある。

また、実施の形態２において、文末フレーズの始端のピッチ、又は、そのピッチの最小値等、他の箇所のピッチパターンを補正するように構成した場合には、最大ピッチ区間又は文末ピッチ区間における抑揚以外にも、発話様式毎に知覚精度に影響が強い抑揚を考慮した補正が可能であり、生成されるピッチパターンの発話様式の知覚精度が改善できるという効果がある。

なお、実施の形態２におけるピッチパターン補正装置２００が、実施の形態１におけるピッチパターン補正装置１００の言語情報入力部１０５、言語属性情報取得部１０６及びピッチパターン補正方法記憶部１０８を備え、ピッチパターン補正部２０９が、実施の形態１と同様に、言語属性に応じて、ピッチパターン補正方法を切り替えるようにしてもよい。

実施の形態３．
図１５は、実施の形態３に係るピッチパターン補正装置３００の構成を概略的に示すブロック図である。
ピッチパターン補正装置３００は、音声情報入力部１０１と、ピッチパターン取得部１０２と、最大ピッチ特定部１０３と、文末ピッチ区間特定部１０４と、ピッチ補正係数入力部１０７と、ピッチパターン補正方法記憶部２０８と、ピッチパターン補正部３０９と、継続長情報入力部３２０と、ピッチ補正係数修正部３２１とを備える。

実施の形態３に係るピッチパターン補正装置３００の音声情報入力部１０１、ピッチパターン取得部１０２、最大ピッチ特定部１０３、文末ピッチ区間特定部１０４及びピッチ補正係数入力部１０７は、実施の形態１に係るピッチパターン補正装置１００の音声情報入力部１０１、ピッチパターン取得部１０２、最大ピッチ特定部１０３、文末ピッチ区間特定部１０４及びピッチ補正係数入力部１０７と同様である。
また、実施の形態３に係るピッチパターン補正装置３００のピッチパターン補正方法記憶部２０８は、実施の形態２に係るピッチパターン補正装置２００のピッチパターン補正方法記憶部２０８と同様である。
但し、ピッチ補正係数入力部１０７は、入力されたピッチ補正係数をピッチ補正係数修正部３２１に与える。

継続長情報入力部３２０は、韻律として、ピッチパターンを補正する区間に対応する音声の長さである継続長、言い換えると、韻律の補正対象となる区間の継続長を示す継続長情報の入力を受ける。ここで、実施の形態３においては、韻律の補正対象となる区間は、文末ピッチ区間である。継続長情報は、ピッチ補正係数修正部３２１に与えられる。

ピッチ補正係数修正部３２１は、ピッチ補正係数入力部１０７から与えられるピッチ補正係数を、継続長情報入力部３２０から与えられる継続長情報に従って修正することで、修正ピッチ補正係数を生成する。そして、生成された修正ピッチ補正係数は、ピッチパターン補正部３０９に与えられる。これにより、ピッチパターン補正部３０９は、音声の韻律に応じて、ピッチパターンを補正する補正量を変更することができる。

ピッチパターン補正部３０９は、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値、及び、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチパターン取得部１０２から与えられるピッチパターンを補正することで、音声の発話様式を変更する。ここで、ピッチパターン補正部は、音声の韻律に応じて、ピッチパターンを補正する補正量を変更する。

例えば、ピッチパターン補正部３０９は、ピッチパターン取得部１０２から与えられるピッチパターンを補正する発話様式に対応するピッチパターン補正方法を、ピッチパターン補正方法記憶部２０８に記憶されているピッチパターン補正方法情報から選択する。
そして、ピッチパターン補正部３０９は、選択されたピッチパターン補正方法により、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチ補正係数修正部３２１から与えられる修正ピッチ補正係数を必要に応じて使用し、ピッチパターン取得部１０２から与えられるピッチパターンにおいて、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間を補正する。
なお、補正されたピッチパターンは、補正ピッチパターンとして出力される。

実施の形態３に係るピッチパターン補正装置３００についても、図２に示されているコンピュータ１３０により実現することができる。
例えば、メモリ１３１は、プロセッサ１３２を、ピッチパターン取得部１０２、最大ピッチ特定部１０３、文末ピッチ区間特定部１０４、ピッチ補正係数修正部３２１及びピッチパターン補正部３０９として機能させるプログラムを記憶する。

また、ピッチ補正係数修正部３２１は、ネットワークＩ／Ｆ１３３、テキスト入力Ｉ／Ｆ１３４又は画像入力Ｉ／Ｆ１３５により実現することができる。

図１６は、ピッチパターン補正装置３００の動作を示すフローチャートである。
まず、ピッチパターン取得部１０２は、音声情報入力部１０１から、少なくともピッチパターンを特定することのできる音声情報を受け取り、その音声情報で特定されるピッチパターンを取得する（Ｓ３０）。ここでの処理は、図３におけるステップＳ１０の処理と同様である。取得されたピッチパターンは、最大ピッチ特定部１０３、文末ピッチ区間特定部１０４及びピッチパターン補正部３０９に与えられる。

次に、最大ピッチ特定部１０３は、ピッチパターンから末尾フレーズ内のピッチの最大値を特定し、特定された最大値を示す最大ピッチ情報を生成する（Ｓ３１）。ここでの処理は、図３におけるステップＳ１２の処理と同様である。そして、生成された最大ピッチ情報は、ピッチパターン補正部３０９に与えられる。

次に、文末ピッチ区間特定部１０４は、ピッチパターンから文末部分のピッチパターンの区間を特定して、特定されたピッチパターンの区間を示す文末ピッチ区間情報を生成する（Ｓ３２）。ここでの処理は、図３におけるステップＳ１３の処理と同様である。生成された文末ピッチ区間情報は、ピッチパターン補正部３０９に与えられる。

次に、ピッチ補正係数入力部１０７は、入力されたピッチ補正係数をピッチ補正係数修正部３２１に与える（Ｓ３３）。なお、実施の形態３では、ピッチ補正係数が入力されているが、実施の形態３はこのような例に限定されない。例えば、ピッチ補正係数が固定の値である場合には、ピッチ補正係数修正部３２１として機能するプログラムに、その値が含まれていてもよい。この場合には、ピッチ補正係数入力部１０７はなくてもよい。

次に、継続長情報入力部３２０は、継続長情報の入力を受け付ける（Ｓ３４）。入力された継続長情報は、ピッチ補正係数修正部３２１に与えられる。
なお、実施の形態３では、継続長情報入力部３２０が継続長情報の入力を直接受け付けるようにしているが、例えば、ピッチ補正係数修正部３２１が、音声情報入力部１０１に入力される音声情報から、継続長を特定するようにしてもよい。この場合、ピッチ補正係数修正部３２１は、公知の音声認識手法を用いて音韻の時間情報を推測し、文末ピッチ区間の継続長を特定してもよい。
公知の音声認識手法は、例えば、下記の文献に記載されている。
古井貞熙著、「音声情報処理」、第１版、森北出版株式会社、１９９８年６月３０日、ｐ．９６〜１０５

次に、ピッチ補正係数修正部３２１は、継続長情報に応じてピッチ補正係数を修正することで、修正ピッチ補正係数を生成する（Ｓ３５）。生成された修正ピッチ補正係数は、ピッチパターン補正部３０９に与えられる。

例えば、ピッチ補正係数修正部３２１は、下記の（１）式に示されているように、線形変換により、ピッチ補正係数の修正を行えばよい。
Ｏ_ｗ＝Ｉ_Ｄｕｒ×Ｉ_ｗ÷Ｄｅｆ_Ｄｕｒ （１）

ここで、Ｉ_ｗは、ピッチ補正係数を示し、Ｉ_Ｄｕｒは、継続長を示し、Ｄｅｆ_Ｄｕｒは、予め設定された基準ピッチ継続長を示し、Ｏ_ｗは、修正ピッチ補正係数を示す。

また、ピッチ補正係数修正部３２１には、継続長に応じて離散的な修正ピッチ補正係数が予め設定され、ピッチ補正係数修正部３２１は、ピッチ補正係数を、設定された修正ピッチ補正係数で置き換えるようにしてもよい。

次に、ピッチパターン補正部３０９は、ピッチパターンの補正を行う（Ｓ３６）。具体的には、以下の通りである。
まず、ピッチパターン補正部３０９は、補正により生成する発話様式に対応するピッチパターン補正方法を取得する。
そして、ピッチパターン補正部３０９は、取得されたピッチパターン補正方法により、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間に含まれているピッチの少なくとも何れか一方に応じて、ピッチ補正係数修正部３２１から与えられる修正ピッチ補正係数を必要に応じて使用し、ピッチパターン取得部１０２から与えられるピッチパターンの内、文末ピッチ区間特定部１０４から与えられる文末ピッチ区間情報で示される文末ピッチ区間を補正する。なお、補正されたピッチパターンは、補正ピッチパターンとして出力される。

なお、図１６に示されているフローチャートにおいて、ステップＳ３１〜Ｓ３３の処理は、並行して行うことができ、どのステップから行われてもよい。

図１７は、実施の形態３におけるピッチパターン補正部３０９の動作例を示す。
なお、実施の形態３におけるピッチパターン補正方法記憶部２０８には、図１４に示されているようなピッチパターン補正方法情報２０８ａが記憶されているものとする。

図１７（Ａ）及び（Ｂ）は、１文字目にアクセントがあり、モーラ数３の言語属性情報を持つ非平板型の「そぐね」という単語のピッチパターンを質問調のピッチパターンに補正する場合の一例である。
図１７（Ａ）は、補正前のピッチパターンを示している。
ピッチパターン補正部３０９は、発話様式を質問にするピッチパターン補正方法に基づいて、図１７（Ｂ）に示されているように、文末ピッチ区間における後端のピッチの値を補正する。ここでは、修正ピッチ補正係数が「０．８」であり、ピッチの最大値よりも低い値となるように、後端のピッチの値が補正されている。

なお、実施の形態３では、継続長情報で示される継続長を基準にピッチ補正係数を修正しているが、実施の形態３はこのような例に限定されない。例えば、文末ピッチ区間の継続長以外の発話音声の韻律を用いてピッチ補正係数が修正されてもよい。例えば、発話全体の継続長又は話速といった韻律に基づいて、ピッチ補正係数が修正されてもよい。また、抑揚の大きさといった韻律に基づいて、ピッチ補正係数が修正されてもよい。
また、継続長又はピッチの統計値（例えば、平均、分散又は中央値等）に応じて、ピッチ補正係数が修正されてもよい。これらを組み合わせた情報に基づいて、ピッチ補正係数が修正されてもよい。

以上のように、実施の形態３によれば、補正量に影響を与えるピッチ補正係数を継続長に応じて修正することができる。継続長に応じて発話様式の知覚に十分な補正量が異なるため、継続長に応じた補正量の設定ができるようになり、発話様式が知覚されやすい自然なピッチパターンを実現することができる。

また、文末ピッチ区間の継続長だけでなく、他の韻律を用いて補正量を修正するように構成した場合には、発話内容等による細かな変化も考慮することが可能となり、より発話様式が知覚されやすい自然なピッチパターンを実現することができる。

なお、実施の形態３におけるピッチパターン補正装置３００が、実施の形態１におけるピッチパターン補正装置１００の言語情報入力部１０５、言語属性情報取得部１０６及びピッチパターン補正方法記憶部１０８を備え、ピッチパターン補正部３０９が、実施の形態１と同様に、言語属性に応じて、ピッチパターン補正方法を切り替えるようにしてもよい。

また、実施の形態３におけるピッチパターン補正装置３００が、実施の形態２におけるピッチパターン補正装置２００の部分ピッチ補正部２１０及び最大ピッチ特定部２０３を備え、ピッチパターン補正部３０９が、部分ピッチ補正部２１０で補正された特定の区間を含むピッチパターンを補正するようにしてもよい。

実施の形態４．
図１８は、実施の形態４に係るピッチパターン補正装置４００の構成を概略的に示すブロック図である。
ピッチパターン補正装置４００は、音声情報入力部１０１と、ピッチパターン取得部１０２と、最大ピッチ特定部２０３と、言語情報入力部１０５と、言語属性情報取得部１０６と、ピッチ補正係数入力部１０７と、ピッチパターン補正方法記憶部１０８と、ピッチパターン補正部４０９と、部分ピッチ補正部２１０と、継続長情報入力部３２０と、ピッチ補正係数修正部３２１とを備える。

実施の形態４に係るピッチパターン補正装置４００の音声情報入力部１０１、ピッチパターン取得部１０２、言語情報入力部１０５、言語属性情報取得部１０６、ピッチ補正係数入力部１０７及びピッチパターン補正方法記憶部１０８は、実施の形態１に係るピッチパターン補正装置１００の音声情報入力部１０１、ピッチパターン取得部１０２、言語情報入力部１０５、言語属性情報取得部１０６、ピッチ補正係数入力部１０７及びピッチパターン補正方法記憶部１０８と同様である。

また、実施の形態４に係るピッチパターン補正装置４００の最大ピッチ特定部２０３及び部分ピッチ補正部２１０は、実施の形態２に係るピッチパターン補正装置２００の最大ピッチ特定部２０３及び部分ピッチ補正部２１０と同様である。
このため、部分ピッチ補正部２１０は、図７に示されているように、最大ピッチ区間抽出部２１１と、最大ピッチ区間補正方法記憶部２１２と、最大ピッチ区間補正部２１３と、文末ピッチ区間抽出部２１４と、文末ピッチ区間補正方法記憶部２１６と、文末ピッチ区間補正部２１５とを備える。

さらに、実施の形態４に係るピッチパターン補正装置４００の継続長情報入力部３２０及びピッチ補正係数修正部３２１は、実施の形態３に係るピッチパターン補正装置３００の継続長情報入力部３２０及びピッチ補正係数修正部３２１と同様である。

ピッチパターン補正部４０９は、最大ピッチ特定部２０３から与えられる最大ピッチ情報で示される最大値、及び、部分ピッチ補正部２１０により補正された特定の区間を含むピッチパターンにおいて音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、部分ピッチ補正部２１０により補正された特定の区間を含むピッチパターンを補正することで、音声の発話様式を変更する。

例えば、ピッチパターン補正部４０９は、最大ピッチ区間補正部２１３から与えられる補正最大ピッチ区間情報で示されるピッチパターンと、文末ピッチ区間補正部２１５から与えられる補正文末ピッチ区間情報で示されるピッチパターンとを、ピッチパターン取得部１０２から与えられるピッチパターンに合成することで、部分補正ピッチパターンを生成する。

また、ピッチパターン補正部４０９は、言語属性情報取得部１０６から与えられた言語属性情報で示される言語属性に対応するピッチパターン補正方法を、ピッチパターン補正方法記憶部１０８に記憶されているピッチパターン補正方法情報から選択する。
そして、ピッチパターン補正部４０９は、選択されたピッチパターン補正方法により、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間に含まれているピッチの少なくとも何れか一方に応じて、ピッチ補正係数修正部３２１から与えられる修正ピッチ補正係数を必要に応じて使用し、与えられた補正文末ピッチ区間情報で示されるピッチパターンに対応する区間の部分補正ピッチパターンを補正する。
なお、補正された部分補正ピッチパターンは、補正ピッチパターンとして出力される。

実施の形態４に係るピッチパターン補正装置４００についても、図２に示されているコンピュータ１３０により実現することができる。
例えば、メモリ１３１は、プロセッサ１３２をピッチパターン補正部４０９として機能させるプログラムも記憶する。

図１９は、ピッチパターン補正装置４００の動作を示すフローチャートである。
まず、ピッチパターン取得部１０２は、音声情報入力部１０１から、少なくともピッチパターンを特定することのできる音声情報を受け取り、その音声情報で特定されるピッチパターンを取得する（Ｓ４０）。ここでの処理は、図３に示されているステップＳ１０の処理と同様である。取得されたピッチパターンは、最大ピッチ区間抽出部２１１、文末ピッチ区間抽出部２１４及びピッチパターン補正部４０９に与えられる。

次に、言語属性情報取得部１０６は、言語情報入力部１０５から、言語属性を特定することのできる言語情報を受け取り、その言語情報で特定される言語属性を示す言語属性情報を取得する（Ｓ４１）。ここでの処理は、図３のステップＳ１１での処理と同様である。取得された言語属性情報は、ピッチパターン補正部４０９に与えられる。

次に、最大ピッチ区間抽出部２１１は、与えられたピッチパターンにおいて、文末フレーズ内のピッチの最大値を含む音韻に対応する区間である最大ピッチ区間のピッチパターンを抽出し、抽出されたピッチパターンを示す最大ピッチ区間抽出情報を生成する（Ｓ４２）。ここでの処理は、図８のステップＳ２１での処理と同様である。生成された最大ピッチ区間抽出情報は、最大ピッチ区間補正部２１３に与えられる。

次に、文末ピッチ区間抽出部２１４は、与えられたピッチパターンにおいて、文末のピッチを含む文末ピッチ区間のピッチパターンを抽出し、抽出されたピッチパターンを示す文末ピッチ区間抽出情報を生成する（Ｓ４３）。ここでの処理は、図８のステップＳ２２での処理と同様である。生成された文末ピッチ区間情報は、文末ピッチ区間補正部２１５に与えられる。

次に、ピッチ補正係数入力部１０７は、入力されたピッチ補正係数をピッチ補正係数修正部３２１に与える（Ｓ４４）。ここでの処理は、図１６のステップＳ３３での処理と同様である。

次に、最大ピッチ区間補正部２１３は、与えられた最大ピッチ区間情報で示される最大区間のピッチパターンを、最大ピッチ区間補正方法に従って補正する（Ｓ４５）。ここでの処理は、図８のステップＳ２４の処理と同様である。そして、最大ピッチ区間補正部２１３は、補正されたピッチパターンを示す補正最大ピッチ区間情報を生成し、その補正最大ピッチ区間情報を、最大ピッチ特定部２０３及びピッチパターン補正部４０９に与える。

次に、文末ピッチ区間補正部２１５は、与えられた文末ピッチ区間情報で示される文末区間のピッチパターンを、文末ピッチ区間補正方法に従って補正する（Ｓ４６）。ここでの処理は、図８のステップＳ２５での処理と同様である。そして、文末ピッチ区間補正部２１５は、補正されたピッチパターンを示す補正文末ピッチ区間情報を生成し、その補正文末ピッチ区間情報を、ピッチパターン補正部４０９に与える。

次に、最大ピッチ特定部２０３は、与えられた補正最大ピッチ区間情報で示されるピッチパターンにおいて、ピッチの最大値を特定し、特定された最大値を示す最大ピッチ情報を生成する（Ｓ４７）。ここでの処理は、図８のステップＳ２６での処理と同様である。そして、最大ピッチ特定部２０３は、その最大ピッチ情報をピッチパターン補正部４０９に与える。

次に、継続長情報入力部３２０は、継続長情報の入力を受け付ける（Ｓ４８）。ここでの処理は、図１６のステップＳ３４での処理と同様である。入力された継続長情報は、ピッチ補正係数修正部３２１に与えられる。

次に、ピッチ補正係数修正部３２１は、継続長情報に応じてピッチ補正係数を修正することで、修正ピッチ補正係数を生成する（Ｓ４９）。ここでの処理は、図１６のステップＳ３５での処理と同様である。生成された修正ピッチ補正係数は、ピッチパターン補正部４０９に与えられる。

次に、ピッチパターン補正部４０９は、ピッチパターンの補正を行う（Ｓ５０）。具体的には、以下の通りである。
まず、ピッチパターン補正部４０９は、補正最大ピッチ区間情報で示されるピッチパターンと、補正文末ピッチ区間情報で示されるピッチパターンとを、ピッチパターン取得部１０２から与えられるピッチパターンに合成することで、部分補正ピッチパターンを生成する。
次に、ピッチパターン補正部４０９は、言語属性情報で示される言語属性に対応するピッチパターン補正方法を、ピッチパターン補正方法記憶部１０８に記憶されているピッチパターン補正方法情報から選択する。
そして、ピッチパターン補正部４０９は、選択されたピッチパターン補正方法により、最大ピッチ特定部１０３から与えられる最大ピッチ情報で示される最大値及び文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、ピッチ補正係数修正部３２１から与えられる修正ピッチ補正係数を必要に応じて使用し、与えられた補正文末ピッチ区間情報で示されるピッチパターンに対応する区間の部分補正ピッチパターンを補正する。

図２０は、実施の形態４におけるピッチパターン補正部４０９の動作例を示す。
なお、実施の形態４におけるピッチパターン補正方法記憶部１０８には、図６に示されているようなピッチパターン補正方法情報１０８ａが記憶されているものとする。

図２０（Ａ）及び（Ｂ）は、１文字目にアクセントがあり、モーラ数３の言語属性情報を持つ非平板型の「そぐね」という単語のピッチパターンを質問調のピッチパターンに補正する場合の一例である。
図２０（Ａ）は、補正最大ピッチ区間情報で示されるピッチパターンと、補正文末ピッチ区間情報で示されるピッチパターンとを、ピッチパターンに合成することで生成された部分補正ピッチパターンを示している。
この場合、言語属性情報が「非平板」を示しているため、ピッチパターン補正部４０９は、例えば、図６に示されているピッチパターン補正方法情報１０８ａから、非平板のピッチパターン補正方法を選択する。

このため、図２０（Ｂ）に示されているように、ピッチパターン補正部４０９は、文末ピッチ区間の終端のピッチの値から、文末ピッチ区間の始端のピッチの値を減算した値を、始端のピッチの値に加算することで補正を行っている。これにより、文末ピッチ区間の始端のピッチの値は、補正前の終端のピッチの値に変換されている。
なお、ここでの終端のピッチの値は、文末ピッチ区間補正部２１５により、ピッチパターン取得部１０２から与えられたピッチパターンにおける終端のピッチの値に「０．９」が乗算された値となっている。

また、ピッチパターン補正部４０９は、与えられた修正ピッチ補正係数を、ピッチの最大値と、文末ピッチ区間の終端のピッチの値との差分に積算した値を、終端のピッチの値に加算することで補正を行っている。ここでのピッチの最大値は、最大ピッチ区間補正部２１３により、ピッチパターン取得部１０２から与えられたピッチパターンにおける最大値に「１．２」が乗算された値となっている。但し、修正ピッチ補正係数は、「０．８」になっている。

以上のように、実施の形態４によれば、平叙音声と発話様式との間のピッチパターンの差が、アクセント位置等の言語属性情報により大きく異なる場合においても、言語属性情報に応じた補正方法を実行することが可能であり、発話様式により強調又は変化する抑揚を補正可能であり、音韻の継続長に応じて発話様式の知覚に十分な補正量が異なるのに対し継続長に応じた補正量の設定ができるようになる。このため、韻律補正の精度が改善し、発話様式が知覚されやすい自然なピッチパターンを実現できるという効果がある。

また、ピッチの最大値付近の一定区間のピッチにおける平均又は中央値といった統計値を算出し、最大値と見なすように構成した場合に、ピッチの抽出精度が悪いことによる外れ値等の影響を抑制でき、ピッチの最大値を抽出する精度を改善できるという効果がある。

また、ステップＳ４３において、発話様式によるピッチパターンの変化が末尾音韻付近の音韻まで影響がある場合に、文末ピッチ区間抽出部２１４が、影響のある音韻まで拡張した区間のピッチパターンを文末ピッチ区間情報とすると、発話様式に応じた柔軟な範囲のピッチパターンの補正が可能であり、発話様式の知覚精度が改善できるという効果がある。

また、ステップＳ４５において、ピッチパターン補正部４０９が発声の平均値又は分散等の統計値を利用してピッチを補正するようにした場合、文末フレーズ全体のピッチパターンの傾向を考慮した補正を行うことができ、発話様式の知覚精度が改善できるという効果がある。

また、ステップＳ４５において、ピッチパターン補正部４０９において、新たにフレーズ内の最小ピッチを抽出する手段を用意し、最小ピッチを考慮した補正を行えるように構成した場合に、最大ピッチと終端ピッチが近い平板型の発声においても、抑揚の大きさを考慮した補正が可能であり、生成されるピッチパターンの発話様式の知覚精度が改善できるという効果がある。

なお、言語属性情報に応じてピッチパターンの補正方法を選択するとともに、ピッチパターンの最大ピッチ区間及び文末ピッチ区間の少なくとも何れか一方を部分的に補正することで、アクセント等の言語属性も考慮したピッチの最大値及び文末ピッチの補正が可能となり、韻律補正の精度が改善し、発話様式が知覚されやすい自然なピッチパターンを実現できるという効果がある。

なお、言語属性情報に応じてピッチパターンの補正方法を選択するとともに、音声の韻律に応じて、ピッチパターンを補正する補正量を変更するようにすることで、例えば、アクセント位置から補正区間までの距離も考慮した補正量の修正が可能となり、韻律補正の精度が改善し、発話様式が知覚されやすい自然なピッチパターンを実現できるという効果がある。

なお、ピッチパターンの最大ピッチ区間及び文末ピッチ区間の少なくとも何れか一方を部分的に補正するとともに、音声の韻律に応じて、ピッチパターンを補正する補正量を変更するようにすることで、最大ピッチ区間及び文末ピッチ区間の補正による抑揚の変化を考慮したピッチ補正係数の修正が可能となり、韻律補正の精度が改善し、発話様式が知覚されやすい自然なピッチパターンを実現できるという効果がある。

１００，２００，３００，４００ ピッチパターン補正装置、 １０１ 音声情報入力部、 １０２ ピッチパターン取得部、 １０３，２０３ 最大ピッチ特定部、 １０４ 文末ピッチ区間特定部、 １０５ 言語情報入力部、 １０６ 言語属性情報取得部、 １０７ ピッチ補正係数入力部、 １０８，２０８ ピッチパターン補正方法記憶部、 １０９，２０９，３０９，４０９ ピッチパターン補正部、 ２１０ 部分ピッチ補正部、 ２１１ 最大ピッチ区間抽出部、 ２１２ 最大ピッチ区間補正方法記憶部、 ２１３ 最大ピッチ区間補正部、 ２１４ 文末ピッチ区間抽出部、 ２１５ 文末ピッチ区間補正部、 ２１６ 文末ピッチ区間補正方法記憶部、 ３２０ 継続長情報入力部、 ３２１ ピッチ補正係数修正部。

Claims (13)

1. 音声のピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部と、
   前記ピッチパターンにおいて、前記音声の文末の音韻に対応する区間である文末ピッチ区間を特定する文末ピッチ区間特定部と、
   前記特定された最大値及び前記特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記ピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部と、を備え、
   前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記ピッチパターンを補正する補正量を変更すること
   を特徴とするピッチパターン補正装置。
2. 前記韻律は、前記ピッチパターンを補正する区間に対応する、前記音声の長さであること
   を特徴とする請求項１に記載のピッチパターン補正装置。
3. 前記韻律は、前記音声の全体の長さであること
   を特徴とする請求項１に記載のピッチパターン補正装置。
4. 前記韻律は、前記音声の話速であること
   を特徴とする請求項１に記載のピッチパターン補正装置。
5. 前記韻律は、前記音声における抑揚の大きさであること
   を特徴とする請求項１に記載のピッチパターン補正装置。
6. 前記ピッチパターン補正部は、前記音声の韻律に関する統計値（但し、ピッチの最大値を除く）を用いて、前記補正量を変更すること
   を特徴とする請求項１に記載のピッチパターン補正装置。
7. 前記ピッチパターン補正部は、前記音声における言語の属性である言語属性に応じて、前記ピッチパターンを補正する方法であるピッチパターン補正方法を切り替えること
   を特徴とする請求項１から６の何れか一項に記載のピッチパターン補正装置。
8. 音声のピッチパターンにおいて、特定の区間を補正する部分ピッチ補正部と、
   前記補正された特定の区間を含むピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部と、
   前記特定された最大値、及び、前記補正された特定の区間を含むピッチパターンにおいて前記音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記補正された特定の区間を含むピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部と、を備え、
   前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記補正された特定の区間を含むピッチパターンを補正する補正量を変更すること
   を特徴とするピッチパターン補正装置。
9. 前記ピッチパターン補正部は、前記音声における言語の属性である言語属性に応じて、前記補正された特定の区間を含むピッチパターンを補正する方法であるピッチパターン補正方法を切り替えること
   を特徴とする請求項８に記載のピッチパターン補正装置。
10. コンピュータを、
    音声のピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部、
    前記ピッチパターンにおいて、前記音声の文末の音韻に対応する区間である文末ピッチ区間を特定する文末ピッチ区間特定部、並びに、
    前記特定された最大値及び前記特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記ピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部、として機能させ、
    前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記ピッチパターンを補正する補正量を変更すること
    を特徴とするプログラム。
11. コンピュータを、
    音声のピッチパターンにおいて、特定の区間を補正する部分ピッチ補正部、
    前記補正された特定の区間を含むピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定する最大ピッチ特定部、並びに、
    前記特定された最大値、及び、前記補正された特定の区間を含むピッチパターンにおいて前記音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記補正された特定の区間を含むピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正部、として機能させ、
    前記ピッチパターン補正部は、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記補正された特定の区間を含むピッチパターンを補正する補正量を変更すること
    を特徴とするプログラム。
12. 音声のピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定し、
    前記ピッチパターンにおいて、前記音声の文末の音韻に対応する区間である文末ピッチ区間を特定し、並びに、
    前記特定された最大値及び前記特定された文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記ピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正方法であって、
    前記ピッチパターンを補正する際に、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記ピッチパターンを補正する補正量を変更すること
    を特徴とするピッチパターン補正方法。
13. 音声のピッチパターンにおいて、特定の区間を補正し、
    前記補正された特定の区間を含むピッチパターンにおいて、前記音声における文末フレーズに含まれているピッチの最大値を特定し、並びに、
    前記特定された最大値、及び、前記補正された特定の区間を含むピッチパターンにおいて前記音声の文末の音韻に対応する区間である文末ピッチ区間に含まれるピッチの少なくとも何れか一方に応じて、前記補正された特定の区間を含むピッチパターンを補正することで、前記音声の発話様式を変更するピッチパターン補正方法であって、
    前記補正された特定の区間を含むピッチパターンを補正する際に、前記音声の韻律（但し、ピッチの最大値を除く）に応じて、前記補正された特定の区間を含むピッチパターンを補正する補正量を変更すること
    を特徴とするピッチパターン補正方法。

Images