JPH01118200A - 音声合成方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［概　要］ 本発明は人間が発声した音節単位の音声を短い時間間隔
ごとに分析して、これを該音声のパラメータ時系列デー
タとして、音節ごとに蓄積しておいて、これらのパラメ
ータ時系列データから成る音声を結合することにより、
任意の音声を合成する音声合成方式に関し、 促音を有する合成音声について、これが音声として出力
される場合の自然性を向上せしめることを目的とし、 音声の合成に際し、促音の後に特定の音節が続く場合、
該音節のパラメータ時系列データの内の特定の部位のパ
ラメータ時系列データを反復して使用することにより該
音節の合成時間長を伸張して、前記促音の前の音節に接
続することにより構成する。

［産業上の利用分野］ 本発明は音声の合成方式の内、実際に人間が発声した音
節単位の音声を短い時間間隔ごとに分析して、これを該
音声のパラメータ時系列データとして、音節ごとに蓄積
しておいて、これらのパラメータ時系列データから成る
音声を結合することにより、任意の音声を合成する音声
合成方式に関し、特に、促音を伴う場合の音声の自然性
を向上せしめ得る音声合成方式に係る。

［従来の技術］ 人工的に音声を合成する方式を大別すると、■録音ｔｔ
ａｓ方式、■分析合成方式、■規則合成方式の３方式に
分けられる。

これらの内、■の録音編集方式は予め録音した人間の音
声波形をつなぎ合わせて合成するもので装置や制御が比
較的簡単であり、音質も良好であるという長所もあるが
情報量が非常に多いため、大容量の記憶装置を必要とす
る欠点がある。

また、■の規則合成方式は文字等から一定の合成規則を
用いて音声を合成する方式で、人間の音声を予め分析す
る等の必要はないが、自然性の良好な音声を作り出すた
めには、前記合成規則が非常に複雑なものとなり、その
実現は容易ではない。

これらに対して、■の分析合成方式は予め人の音声を分
析して、該音声をその特徴を表すパラメータに変換して
記憶しておいて、これを元に音声を合成する方式であっ
て、この方式においては、音声を波形としてではなく、
音声をその調音によるスベクタルの形状を表すパラメー
タと音源の状態を表すパラメータとに変換して、それら
の情報を圧縮して記憶することができるので、記憶容量
が少なくて済む上、音質も比較的良好なものが得られる
から、近年、この方式を用いた音声合成方式が普及しつ
つある。

このような分析合成方式をもとにして人間の発声した音
節単位の音声（例えば“ア”イ”“つ”・・・・・・等
）を分析して置き、それらの音節を結合してさらに声の
高さを制御することで任意の音声を合成する方式が広く
用いられている。

［尭明が解決し・ようとする問題点］ 上述したような従来の分析合成方式による音声合成方式
において、促音は一音節分（−拍）の無音として合成さ
れていた。

例えば、゛ビット”という音声を合成する場合には°゛
ビ“無音パ“ト”というようにしていた。

しかし、実際の人間の音声においては、特定の音節の前
に位置する促音では無音ではなく特殊な音が存在する場
合がある。

例えば、゛す”行のような無声摩擦音の前の促音は摩擦
性の有音であり、また“ガ、“ザ”、“ダ。

“′バ′°行のような有声摩擦音の前の促音の場合には
“バズバー′′と呼ばれる声帯振動が存在する。

従来の音声合成方式においては、上述のような場合も含
めて総ての促音を一拍の無音として扱っており、その結
果、合成音が不自然になるという問題点があった。

本発明はこのような従来の問題点に鑑み、より自然性の
高い音声の°得られる音声合成方式を提供することを目
的としている。

［問題点を解決するための手段］ 本発明によれば、上述の目的は前記特許請求の範囲に記
載した手段により達成される。すなわち、本発明は、人
間が発声した音節単位の音声を短い時間間隔ごとに分析
して、これを該音声のパラメータ時系列データとして、
音節ごとに蓄積しておいて、これらのパラメータ時系列
データから成る音声を結合することにより、任意の音声
を合成する音声合成方式において、音声の合成に際し、
促音の後に特定の音節が続く場合該音節のパラメータ時
系列データの内の特定の部位のパラメータ時系列データ
、を反復して使用することにより該音節の合成時間長を
伸張して、前記促音の前の音節に接続する音声合成方式
である。

［作　用］ 第１図は本発明の音節結合方式について説明する図であ
って、゛′ハッシン”と言う音声の合成の場合を例に採
って示している。

同図（ａ）は従来から行なわれている方式によるもので
あって、１〜３は予め登録されている音節を表しており
、４は無音の状態を示している。

これに対し、本発明においては、同図（ｂ）に示すよう
に、促音の後の無声摩擦音“シ”の特定のパラメータ時
系列データを反復して用いることにより子音部の伸張部
７を生成し、音節“シ”を５．７．６で示されるように
伸張して音節１（“八″゛）に接続している。

このようにすることにより（ａ）の場合のように促音を
単に一拍の無音として音声合成する場合に比し、遥かに
自然性の高い合成音を得ることができる。

［実施例］ 第２図は本発明の一実施例の機能ブロック図であって、
８は音節読み出し部、９は音節格納部、１０は音節テー
ブル、１１は促音検出部、１２は子音伸張部、１３は切
替部、１４は音節結合部、１５は時間長設定部、１６は
ピッチパターン設定部、１７は波形合成部を表している
。

以下、同図に基づいて実施例の動作について説明する。

音声合成を行なうべき文字列が入力されると、音節読み
出し部８は音節格納部９から必要な音節の音声パラメー
タを読み出し切替部１３のａ接点を通って音節結合部１
４に送る。

一方、時間長設定部１５は前記入力文字列がら各音節の
時間長を設定して音節結合部１４に送る。

該音節結合部１４では、先に音節読み出し部８から送り
込まれた音声パラメータを時間長設定部１５によって設
定された時間長に従って結合する。

このとき、両者の時間長が不一致である場合には、母音
部の時間長を伸縮して調整を行なう。

そして、結合した音声パラメータを波形合成部１７へ送
る。

°語源形合成部１７はピッチパターン設定部１６で設定
されたピッチパターンと、音節結合部１４からの音声パ
ラメータによって、音声を合成する。

音声合成を行なうべき文字列が入力されたとき、促音検
出部１１はこれを監視していて、文字列の中に促音があ
ることを検出すると、該促音に後続する音節が音節テー
ブル１０に登録されているか否かを検索する。それが音
節テーブルに登録されている場合、切替部１３の接点を
ｂ（ｌｌ！Ｉに切り替える。そして、当該音節の伸張指
令を子音伸張部１２に送る。

該子音伸張部１２では、当該音節の子音部を、時間長設
定部１５より送られる促音の時間要分だけ伸張し、音節
結合部へ送る。

以下、前述の促音のない場合と同様に、波形合成部１７
が、音節結合部１４とピッチパターン設定部１６とから
音声を合成し出力する。

なお、子音伸張部１２で伸張を行なう音節の部位は、予
め音節格納部９に格納されている。

［発明の効果］ 以上、説明したように、本発明によれば、人　　　′間
が発声した音節単位の音声を短い時間間隔ごとに分析し
て、これを該音声のパラメータ時系列データとして、音
節ごとに蓄積しておいて、これらのパラメータ時系列デ
ータから成る音声を結合することにより、任意の音声を
合成する音声合成方式において、促音が存在する場合の
合成音の自然性を大幅に向上せしめ得る利点がある。

【図面の簡単な説明】

第１図は本発明の音節結合方式について説明　　゛する
図、第２図は本発明の一実施例の機能ブロック図である
。 １〜３・・・・・・予め登録されている音節、４・・・
・・・無音の状態、５．６・・・・・・音節の一部、７
・・・・・・伸張部、８・・・・・・音節読み出し部、
９・・・・・・音節格納部、１０・・・・・・音節テー
ブル、１１・・・・・・促音検出部、１２・・・・・・
子音伸張部、１３・・・・・・切替部、１４・・・・・
・音節結合部、１５・・・・・・時間長設定部、１６・
・・・・・ピッチパターン設定部、１７・・・・・・波
形合成部 代理人　弁理士　井　桁　貞　− （ａ） （恢音） 沸／薗

Claims (3)

【特許請求の範囲】
1. （１）人間が発声した音節単位の音声を短い時間間隔ご
   とに分析して、これを該音声のパラメータ時系列データ
   として、音節ごとに蓄積しておいて、これらのパラメー
   タ時系列データから成る音声を結合することにより、任
   意の音声を合成する音声合成方式において、音声の合成
   に際し、促音の後に特定の音節が続く場合、該音節のパ
   ラメータ時系列データの内の特定の部位のパラメータ時
   系列データを反復して使用することにより該音節の合成
   時間長を伸張して、前記促音の前の音節に接続すること
   を特徴とする音声合成方式。
2. （２）言語が日本語であって、合成時間長を伸張する音
   節が無声摩擦音である特許請求の範囲第（１）項記載の
   音声合成方式。
3. （３）言語が日本語であって、合成時間長を伸張する音
   節が有声破裂音である特許請求の範囲第（１）項記載の
   音声合成方式。