JPH01321497A - 音声合成装置 - 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】 〈産業上の利用分野〉 この発明は、規則合成音声を生成する音声合成装置に関
する。

〈従来の技術〉 従来、音声の規則合成において、出力される合成音声の
自然性に大きく左右する単語または文節のアクセントを
簡単な規則によって生成し、自然性のある合成音声のア
クセントパターンを実現するモデルとして点ピッデモデ
ルがある。この点ピッチモデルにおける単語あるいは文
節のアクセントパターンの生成は、母音の重心点におけ
るピッチ周波数（基本周波数）を求めて、この母音の重
心点におけるピッチ周波数を線で結ぶことによって近似
的に生成される。

〈発明が解決しようとする課題〉 自然発声による音声のピッチ周波数のパターン（ピッチ
パターン）を観察すると、一般に頭高の単語（アクセン
ト型カ月型の単語）あるいは頭高の文節（アクセント型
がｌ型の文節）の孤立発声におけるピッチパターンにお
いては、ｌモーラ目と２モーラ目の境が最もピッチ周波
数が高くなっている。

しかしながら、上記従来の音声合成装置における点ピッ
チモデルにおいては、母音の重心点におけるピッチ周波
数を求め、この母音の重心点のピッチ周波数を線で結ぶ
ことによって近似的にアクセントパターンを生成してい
るので、単語あるいは文節におけるピッチ周波数の最大
値は常に母音の重心点になる。したがって、上述のよう
にｌモーラ目と２モーラ目の境において最もピッチ周波
数が高くなる頭高の単語あるいは頭高の文節の孤立発生
の場合には、自然音声のピッチパターンに対応したアク
セントパターンが得られないという問題がある。

そこで、この発明の目的は、１モーラ目と２モーラ目の
境において最もピッチ周波数が高くなるような頭高の単
語あるいは頭高の文節の孤立発声の場合にも、自然音声
のピッチパターンに忠実なモデルによってアクセントパ
ターンを生成することができる音声合成装置を提供する
ことにある。

〈課題を解決するための手段〉 上記目的を達成するため、この発明は、単語分割処理部
で入力された文字列から単語を分割し、この分割された
各単語に基づいて韻律パラメータ生成部で合成単位のパ
ラメータの生成を行い、このパラメータに従って音声パ
ラメータ生成部で上記合成単位を補間・結合して音声合
成用パラメータを生成し、この音声合成用のパラメータ
に従って音声合成部で合成音声波形を出力する音声合成
装置において、上記韻律パラメータ生成部は、人力され
た１文章の単語あるいは文節のアクセントから単語ある
いは文節におけるピッチ周波数の経時変化を表す語調成
分を生成する語調成分生成手段と、上記語調成分生成手
段によって生成された語調成分が無音部分の直後に続く
頭高の語調成分であるか否かを判別する語調成分判別手
段と、上記語調成分判別手段によって無音部分の直後に
続く頭高の語調成分であると判別された単語あるいは文
節の語調成分を１モーラ目と２モーラ目との略境界にお
ける制御点でのピッチ周波数が最大になるように再設定
する語調成分再設定手段を備えたことを特徴としている
。

〈作用〉 文章を表す文字列が人力されると、単語分割処理部で上
記文字列から単語が分割され、この分割された単語に基
づいて韻律パラメータ生成部で合成単位のパラメータの
生成が行われる。そうすると、このパラメータに従って
音声パラメータ生成部で上記合成単位が補間・結合され
て音声合成用パラメータが生成され、この音声合成用パ
ラメータに従って音声合成部で合成音声波形が生成され
て出力される。その際に、上記韻律パラメータ生成部に
おいて、上記合成単位のパラメータの一つであるピッチ
パターンを生成する際に用いられる語調成分が次のよう
にして設定される。

すなわち、入力された１文章の単語あるいは文節のアク
セントから、上記語Ｒ成分が語調成分生成手段によって
生成され、上記語調成分生成手段によって生成された語
調成分が無音部分の直後に続く頭高の語調成分であるか
否かが語調成分判別手段によって判別される。その結果
、無音部分の直後に続く頭高の語調成分であると判別さ
れた単語あるいは文節の語調成分が、ｌモーラ目と２モ
ーラ目との略境界における制御点でのピッチ周波数が最
大になるように語調成分再設定手段によって再設定され
る。

したがって、無音部分の直後に続く頭高の単語あるいは
無音部分の直後に続く頭高の文節の語調成分が、常にｌ
モーラ目と２モーラ目との略境界における制御点でのピ
ッチ周波数が最大になるように設定される。

〈実施例〉 以下、この発明を図示の実施例により詳細に説明する。

第１図はこの発明の一実施例である音声合成装置のブロ
ック図である。

人力部＋０１から単語分割処理部＋０２に日本語かな混
じり文が入力されると、この単語分割処理部＋０２によ
って次のような単語分割処理が行われる。すなわち、日
本語辞書１０３およびユーザー辞書１０４を参照して、
従来から行われている最長一致法や文のなかの文節数が
最小になるように単語を選択する文節最小法を用いて、
文がアクセントを付与した単語に分割される。そして、
この分割された単語は単語読みアクセント処理部！０６
に出力される。その結果、上述の単語分割処理部＋０２
において分割された単語が、日本語辞書１０３およびユ
ーザー辞書１０４の格納内容とマツチングして分割され
た単語であれば、同じ文字でありながら違う読みとアク
セントで発声される単語を区別する同形単語選択処理が
単語読みアクセント処理部１０６で行なわれ、処理され
た単語は韻律処理部１１２に出力される。ここで、ユー
ザー辞書編集部！０５は上記ユーザー辞書１０４に新し
く単語の読みとアクセントを追加したり、変換したり、
削除したりするものである。

一方、単語分割処理部＋０２において分割された単語が
日本語辞書１０３とマツチングしなかった未知単語の場
合には次のように処理される。すなわち、未知単語のう
ち漢字未知語は未知単語読み処理部１０７で、漢字１文
字毎の読みを格納した漢字辞書１０８を参照して一旦読
みに変換されて未知単語アクセント処理部１０９に出力
される。

また、平板名１片仮名の未知語はその平仮名および片仮
名を読みとしてそのまま未知単語アクセント処理部＋０
９に出力される。そして、未知単語アクセント処理部＋
０９で、所定のルールを用いて読みからアクセントを生
成する処理が行われ、アクセントを付与された未知単語
は上記韻律処理部１１２に出力される。

そうすると、上記単語読みアクセント処理部１０６また
は未知単語アクセント処理部１０９から出力された各単
語のアクセントから、単語が連鎖した際の文節のアクセ
ントやポーズの設定が上記韻律処理部１１２によって行
われる。

続いて韻律パラメータ生成部１１３で、上記文節に対応
した合成用単位に対する継続時間長、ピッチパターン、
パワーパターンのパラメータの生成が行われる。その際
に、自然発声による音声のアクセントパターンに対応し
たピッチパターンが後に詳述するようにして生成される
。

そして、音声パラメータ生成ｗＪ１１４で、人力された
各単語の読みに対応する合成単位が合成用単位の音声デ
ータ辞１１１５を参照して検索され、その合成単位間を
補間し、さらに、上記韻律パラメータ生成部１１３から
入力される上記合成単位の継続時間長、ピッチパターン
、パワーパターンに従って結合して、最終的な音声合成
用パラメータ時系列が得られる。

音声合成部１１６は、上記音声パラメータ生成部１１４
から人力される音声合成用パラメータに基づいて、実際
の合成音声波形を生成して出力部１１７に出力する。

次に、上記韻律パラメータ生成部１１３によって行われ
るピッチパターン生成処理について、第２図のフローチ
ャートに従って詳細に述べる。

まず、上記韻律処理部１１２から、単語が連鎖した際の
文節のアクセント、呼気段落のアクセントおよびポーズ
が入力されて、ビ・ノチパターン生成処理がスタートさ
れる。

ステップＳ１で、人力されたＩ文章における呼気段落の
アクセントから話調成分（呼気段落におけるピッチ周波
数の経時変化）が生成される。また、上記入力された１
文章における文節（単語）のアクセントから語調成分（
文節または単語におけるピッチ周波数の経時変化）が通
常の生成方法によって生成される。

以下、得られた上記１文章の語調成分の総てについて、
下記の処理が実行される。

ステップＳ２で、上記ステップＳ１において生成された
語調成分の前にポーズがあるか否かが判別される。その
結果ポーズがあればその語調成分に基づく文節（単語）
は孤立発生されたとしてステップＳ３に進む。また、そ
うでなければ上記ステップＳ１において生成された語調
成分を再設定する必要がないのでステップＳ６に進む。

ステップＳ３で、上記ステップＳｌにおいて生成された
語調成分に対応した文節（単語）のアクセント型は１型
（すなわち、頭高の文節あるいは頭高の単語）であるか
否かが判別される。その結果ｌ型であれば上記ステップ
Ｓ１において生成された語調成分を再設定するためにス
テップＳ４に進む。

また、そうでなければ上記語調成分を再設定する必要が
ないのでステップＳ６に進む。

ステップＳ４で、現文節（単語）のアクセント型は１型
であるから、上記ステップＳｌにおいて生成された語調
成分を、アクセント型が１型である文節（単語）の自然
発声時のピンチパターンにより近くなるように再設定さ
れる。

つまり、アクセント型が１型の文節（単語）の場合は、
上述のようにステップＳ１において通常の生成方法によ
って生成された語調成分のピッチ周波数が最大値になる
点は第４図に示すように母音の重心点である。そのため
、自然発声による音声のピッチパターンに対応したアク
セントパターンが得られず自然な合成音声が得られない
。そこで、語調成分を次のように設定し直すのである。

すなわち、第３図に示すように、ｌモーラ目の制御点（
語調成分を設定する際にピッチ周波数が設定される各モ
ーラ毎の代表点）を、Ｉモーラ目の開始点（制御点ＣＩ
）およびｌモーラ目と２モーラ目との略境界（制御点Ｃ
２）に二つ再設定する。

次に、制御点Ｃ２のピッチ周波数を制御点Ｃ１のピッチ
周波数よりも高い値に設定する。また、制御点Ｃ２のピ
ッチ周波数を他のモーラにおけろ制御点のピッチ周波数
よりも高く設定する。

ステップＳ５で、上記ステップＳ４において再設定され
た１モーラ目の制御点Ｃ１および制御点Ｃ２に基づいて
、２モーラ目以降の制御点ら含めた各制御点間が補間さ
れて、語調成分が再設定される。

このように、アクセント型が１型の文節の場合、第４図
に示すような従来の方法によって生成された語調成分を
、第３図に示すようなピッチ周波数の最大値がｌモーラ
目と２モーラ目との略境界の制御点Ｃ２にある語調成分
に再設定することによって、より自然発声による音声の
ピッチパターンに近い語調成分が得られるのである。

ステップＳ６で、上記ステップＳ１において生成された
１文章の語調成分の総に対する処理が完了したか否かが
判別される。その結果終了していればステップＳ７に進
み、そうでなければステップＳ２に戻り次の語調成分に
対する処理に入る。

ステッ°プＳ７で、上記ステップＳ１において生成され
た話調成分上に、上記ステップＳ１において生成された
語調成分と上記ステップＳ２からステップＳ６まての処
理によって再設定された語調成分とを重畳して１文章の
ピッチパターンが生成される。

このようにして生成された１文章のピッチパターンは上
記音声パラメータ生成部１１４に出力されて、ピッチパ
ターン生成処理が終了する。

上述のように、この発明の音声合成装置によれば、無音
部の直後に続（頭高の文節（単語）すなわちアクセント
型が１型の文節（単語）の語調成分は、ピッチ周波数の
最大値が１モーラ目と２モーラ目との略境界になるよう
に設定でき、自然発声に応じたピッチパターンを生成し
、自然な合成音声を出力できる。

ここで、第３図における３モーラ目以降の語調成分は直
線で省略して表示しである。

〈発明の効果〉 以上より明らかなように、この発明の音声合成装置は、
単語分割処理部、韻律パラメータ生成部。

音声パラメータ生成部および音声合成部ををして、上記
韻律パラメータ生成部は、語調成分生成手段によって生
成された単語あるいは文節のＨ成分が無音部分の直後に
続く頭高の語調成分であるか否かを語調成分判別手段で
判別し、無音部分の直後に続く頭高の語調成分であると
判別された単語あるいは文節のＭ？酸成分、ｌモーラ目
と２モーラ目との略境界における制御点でのピンチ周波
数が最大になるように語調成分再設定手段によって再設
定するようにしたので、無音部分の直後に続く頭高の単
語あるいは文節の語調成分は、ｌモーラ目と２モーラ目
との略境界における制御点でのピッチ周波数が最大にな
るように設定される。

したがって、この発明によれば、より自然発声による音
声のピッチパターンに即したピッチパターンを生成し、
より自然な合成音声を出力することができる。

【図面の簡単な説明】

第１図はこの発明の一実施例の音声合成装置のブロック
図、第２図は第１図の韻律パラメータ生成部によって実
行されるピッチパラメータ生成処理のフローチャート、
第３図は再設定されたアクセント型が１型の語調成分の
一例を示す図、第４図は従来例によって設定されたアク
セント型が１型の語調成分の図である。 １０１・・・入力部、　　１０２・・・単語分割処理部
、１０３・・・日本語辞書、１０４・・・ユーザー辞書
、１０５・・・ユーザー辞書編集部、 １０６・・・単語読みアクセント処理部、１０７・・・
未知単語読み処理部、１０８・・・英字辞書、１０９・
・・未知単語アクセント処理部、＋１２・・・韻律処理
部、 ＋１３・・・韻律パラメータ生成部、 ＋１４・・・音声パラメータ生成部、 １１５・・・合成用単位の音声データ辞書、＋１６・・
・音声合成部、　　　　１１７・・・出力部。 特許出願人　　シャープ株式会社

Claims (1)

【特許請求の範囲】
1. （１）単語分割処理部で入力された文字列から単語を分
   割し、この分割された各単語に基づいて韻律パラメータ
   生成部で合成単位のパラメータの生成を行い、このパラ
   メータに従って音声パラメータ生成部で上記合成単位を
   補間・結合して音声合成用パラメータを生成し、この音
   声合成用のパラメータに従って音声合成部で合成音声波
   形を出力する音声合成装置において、 上記韻律パラメータ生成部は、入力された１文章の単語
   あるいは文節のアクセントから単語あるいは文節におけ
   るピッチ周波数の経時変化を表す語調成分を生成する語
   調成分生成手段と、上記語調成分生成手段によって生成
   された語調成分が無音部分の直後に続く頭高の語調成分
   であるか否かを判別する語調成分判別手段と、上記語調
   成分判別手段によって無音部分の直後に続く頭高の語調
   成分であると判別された単語あるいは文節の語調成分を
   １モーラ目と２モーラ目との略境界における制御点での
   ピッチ周波数が最大になるように再設定する語調成分再
   設定手段を備えたことを特徴とする音声合成装置。