JPH02113299A - 基本周波数パタン生成装置 - 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〕 本発明は、音声合成装置、特に規則により基本周波数パ
タンを生成する音声規則合成装置やテキスト合成装置に
用いられる基本周波数パタン生成装置に関するものであ
る。

〔従来の技術〕

文字・記号等を入力とした従来の音声合成装置（たとえ
ば、昭和６１年度電子通信学会総合全国大会講演論文集
３２６−５、昭和６１年３月）の処理ブロック図を第２
図に示す、また上記音声合成装置・＼の入力例を第１表
に示す。

入力は、アクセント記号、フレーズ記号、体止記号及び
音節記号である。

アクセント記号は＾ｓ　（０，４０）　、ａ２　（０，
２６）及びＡ０であり、ＡＩとＡ２によってアクセント
の立とがりの音節境界と、アクセントの大きさの種類を
示し、ＡＯでアクセントの立下りの音節境界を示す。

アクセントの大きさは、Ａ１、Ａ２の記号で示される２
種類がある。（）内は実際に割当てるアクセントの大き
さを示す。

フレーズ記号は、ｐｔ（０，４３）、Ｐ２　（０，２６
）、Ｐ３（０，１２）及びＰＯであり、Ｐｌ、Ｐ２、Ｐ
３によってフレーズの開始時点と大きさの種類を示し、
ＰＯはそれ以前にあるＰｌ、　Ｐ２、Ｐ３によって生じ
たフレーズ成分を０に減らすことを示している。、（）
内は割当てるフレーズの大きさを示す。

体上記号はｒ、　Ｊ　　（０，７秒）、「、Ｊ　　（０
，３秒）「・Ｊ（０，０８秒）であり、その音節境界で
休止がおかれること、すなわち間があくことを示してい
る。（）内は休止の長さを示す。

音節記号は「ス」　「ズ」　「メ」　「ワ」・・・・・
・等の片仮名で表された記号であり、音の種類を示して
いる。

入力中、Ｏのついたもの、たとえば「シＯ」は無声化さ
れた「シ」を示す。

第　　　１　　　表 入力によって合成すべき音声が指示されるが、その合成
処理は次のようにして行なう。

（１）音素的パラメータの生成 音節記号により指定される°音節を蓄積パタンがら選び
出し、その蓄積パタン中に記載されているその音節固有
の時間長と、体上記号によって指定される休止時間をも
とにしてその音節の時点を決定する。

次に、蓄積パタンに記載されているその音節固有の音素
的パラメータ、例えばホルマント周波数と帯域幅の時間
変化パタンを読み出し、先に定めた各音節の時点が満た
されるように、音素的パラメータを伸長・圧縮させなが
ら、互いにつなぎあわせる。たとえば、ある音節Ｃ，Ｖ
、の時点を１＝０とし、次の音節Ｃ，Ｖ、がｔ　＝　１
４０ｓｓｅｃであり、Ｃ＋　Ｌ　の音素的パラメータが
Ｌ　＝　１００ｍ５ｅｃの分までしか記述されておらず
、またＣｔｖ！の音素的パラメータがＬ　−１４０ｍ５
ｅｃからの分からしか蓄積パタンに記述されていないと
したら、Ｌ　””　１００ｍ５ｅｃからＬ−１４０ｓｓ
ｅｃまでの間は、ｖｌの部分を引き伸ばすことにより補
う。

以上の処理によって、合成しようとする文音声の音素的
パラメータが得られ、音声合成器（たとえばホルマント
合成器）に送られて、音声信号生成に用いられる。

（２）音源強度パタンの生成 音源強度は、合成する音節の種類ごとに値を定め、また
休止の前・後では、減少・増加させる必要がある。音節
の種類に固有な値は、やはり蓄積パタンに記載されてお
り、音素的パラメータと同はの伸縮処理を行なってつな
ぎ合わせることで、目的とする文の基礎的な音源強度パ
タンか得られる。さらに、休止、特に文と文の区切りを
示す「、」の休止の前後で、音源強度規則にしたがって
、一定置を減少・増加させることで、最終的な音源強度
パタンか得られ、音声合成器に送られて音声信号生成に
用いられる。

（３）基本周波数（声の高さ、記号Ｆ０で表す）パタン
生成 入力中には、フレーズ及びアクセントの時点が、どの音
節境界にあるかが示されており、しかも前述のように音
節の時点が決定しているので、音節の時点を基準とする
ことでフレーズおよびアクセントの時点を決められる。

また入力中のフレーズ記号、アクセント記号の種類によ
って実際に用いる値が決まっている（たとえば、Ａｌは
０．４０）ので、これによりフレーズ指令とアクセント
指令の大きさと時点を決めることができる。フレーズお
よびアクセントの時点と大きさをもとにしてＦ０パタン
の生成モデルの式により、Ｆ０パタンの生成を行なう。

Ｃ，パタン生成モデルを第３図に示す、Ｐａの時間変化
パタンをＦｌｌ　（ｔ　）で表わし、次の式によって計
算を行う。

１ｎＦｏ　　（ｔ）　　＝ｌｎＦＩｌｉｎ＋ΣＡＰ＋　
Ｇｐ　（Ｌ　　ＴｏＩ）＋Σ＾ａＪ（Ｇａ（ｔ　　Ｔｌ
ｊ）　　　Ｇａ（ｔ　　　Ｔｌ１）　　ｌ”・■ス応答
と、テスップ応答になっている。

α、βは応答の速さを決める定数であり、α＝３．０、
β＝２０．０程度の値を用いる。

１−（１＋βｔ）　ｅｘｐ　（−βｔ）は、Ｌが増加す
るに伴って目標値１．０に漸近するが、有限の時間内で
Ｇａ　（Ｌ　）を目標値に収束させるため、θ＝０．９
として処理を行っている。θ≦１の条件の場合Ｇａ（Ｌ
）の目標（直はθである。

■は、その文章内に出てくるフレーズの数を示し、＾ハ
は１番目に出てくるフレーズ上帝の大きさを示す、たと
えば、ＰＩ　（，０，４３）の記号で示されるフレーズ
が来るならＡｐｉ　−０，４３となる。ＴｏＩはそのフ
レーズ指令の時点を示す。

Ｊは、その文章内に出てくるアクセントの数を示し、Ａ
ｓ２はｊ番目に出てくるアクセント指令の大きさを示す
、たとえば、１番目のアクセントとしてＡｔ　（０，４
０）の記号で示されるアクセントが来るならば、Ａａ＋
＝０．４０となる＠　Ｔｌｊ　、、　　Ｔｌｊは、ｊ番
目のアクセント指令の開始時点と終了時点を示す。

ｌｎＦｍ１ｎは、定数項であり、声帯の振動可能最低周
波数に対応している。たとえば、男性音声を合成すると
きは、Ｆｓｉｎζ７５１１ｚ程度に、女性音声を合成す
るときはＦｍ１ｎζ１１５１１２程度に設定する。

ｐ、（ｔ）を計算するときは、前述の処理によって決ま
ったフレーズ指令の大きさと時点ＡＩ’ｌ　５ＴＯＩ（
ｌ≦ｉ≦Ｉ）、アクセント指令の大きさと時点＾ａｊ、
Ｔ目、Ｔ□、（１≦ｊ≦Ｊ）を前掲の０式に当てはめて
右辺を計算し、その結果に対して対数の逆関数、すなわ
ち指数関数をとることにより、ＰＯ（Ｌ）を計算する。

以上の処理によって得られたＰａ（Ｌ）、すなわち基本
周波数パタンは、音声合成器に送られ、音声信号の生成
に用いられる。

上述の処理に用いられるハードウェアは、音声合成器（
たとえばホルマント合成Ｈ）は、信号処理プロセッサに
より実現されており、入力記号から音声合成器への入力
を作成するまでの処理は、マイクロプロセッサによって
処理される０Ｍ積パタンは、マイクロプロセッサのアク
セスするＲＯＭに記憶される。

また、Ｆｏ（ｔ）の計算式の計算などはマイクロプロセ
ッサのプログラムで実現されている。

以上の説明では、音節記号、体上記号、アクセント記号
、フレーズ記号を入力して、音声を合成する場合の処理
を示したが、漢字仮名混じり文章を入力する音声合成装
置も知られている。この場合、漢字仮名混じり文を前述
した音声記号、体上記号、アクセント記号、フレーズ記
号に変換する処理が必要である。この処理は、入力文章
を単語単位に分かち、単語辞書を検索することにより読
みを決定し、同じく単語辞書に書かれたアクセント型に
より、アクセントの上り下りの音節境界を決定し、アク
セントの大きさを割り当てる処理によって行なわれる。

次に、従来技術による体上記号・フレーズ記号を合成し
ようとする文への与え方を説明する（前掲論文参照）。

この与え方は、文の統語構造＜ｔｒｉ、文）に基づいて
おり、次の通りである。なお、統語構造から体上記号・
フレーズ記号を導く導出規則は、これ以外にも種々の変
形・改良版がある。

（１）　　文の句点に″　”とＰＯ１文頭にＰｌを置く
。

（２）文の読点に″　”とＰＯとＰＩを置（。

（３）読点（なければ句点）と比較して統語的に大きな
語境界、または１段小さな語境界には”とＰ２を置く。

（４）読点と比較して２段小さな語境界にはＰａを置（
５）ただし修飾関係にある語の境界では前記（３）（４
）にかかわらず休止・フレーズ記号をおかない。

（６）以上のようにして設定した休止・フレーズ記号の
間隔がある程度以上離れていた場合（通常の発話速度で
１３モ一ラ程度）、大きい語境界の順にＰａを追加する
。

（７）統語上の境界を特に示す必要がある場合には小さ
な語境界でもＰａを置く。

（８）すべてのＰ２について直前のＰＩ、　Ｐ２との間
隔をしらへ、間隔が小さければ（通常の発話速度で４モ
一ラ程度）Ｐａに変更する。

〔発明が解決しようとする課題〕

■弐によりフレーズ成分を計算する場合、フレーズ指令
が短い時間間隔で続くと、前のフレーズ指令によるフレ
ーズ成分が大きく残っている間に次のフレーズ指令によ
りフレーズ成分を追加することになり、フレーズ成分全
体としての大きさはかなり大きくなる。ところが自然音
声の発話では、声の高さは生理的制約によりむやみに高
（なることはない、このため、フレーズ指令が短い時間
間隔で続く場合は、前記（８）の処理により、フレーズ
指令の大きさを小さくする必要があった。

すなわち、フレーズ指令自体は本質的には文の統語構造
を反映して定まると考えられるが、実際に与えるフレー
ズ指令の大きさはそれまでのフレーズ指令により修正す
る必要がある。そのため、文の統語構造とフレーズ指令
の大きさは対応が明瞭ではな（なり、フレーズ指令の与
え方の規則は見通しが悪くならざるをえなかった。

本発明は、この生理的制約に相当するフレーズ上帝大き
さ修正処理をフレーズ成分生成処理に内在させ、もって
見通しのよい韻律生成規則を可能とすることを目的とし
ている。

〔課題を解決するための手段） 本発明は、フレーズ指令としてフレーズ成分の目標値を
与え、フレーズ指令の大きさはその目標値に達するため
に要するフレーズ成分の大きさから求めることを特徴と
する。

〔作用〕

第１図を用いてフレーズ指令の大きさの求め方を説明す
る。

ｉ番目のフレーズ指令として、指令の時点Ｔｏｌと目８
１４１！　Ｔｐｔが与えられる。一方フレーズ制御機構
２により、ｉ−１番目迄のフレーズ指令によるフレーズ
成分が定められる。

本発明はｉ−１番目迄のフレーズ指令によるフレーズ成
分と、１番目のフレーズ成分によって達成されるべきフ
レーズ成分の目標値？、ムとの差を目標未達分計算部１
により計算し、その差に相当するフレーズ成分を生成す
るのに要するフレーズ指令の大きさＡρ五を求める。

〔第１実施例〕 フレーズ成分の正の目標値として２通りある場合の実施
例を説明する。

０式におけるＧｐ　（Ｌ　）は、Ｌ；１／αにおいて最
大値Ｇｐ（１／α）−α／ｅ（ｅは自然対数の底）を取
る（第２表）、そこで、従来技術でのＰＩに対するフレ
ーズ指令の大きさとして０．４３を割り当てていたのを
、ａ　／　ｅ倍して、第１のフレーズ成分の目標値は０
．４３Ｘａ／ｅとする。α−３，０、ｅ　＝　２．７１
８２８とすると、フレーズ成分の目ｌＩ値は０．４７と
なる。第２のフレーズ成分の目標値として、第１の目標
値の８割すなわち、０．４７Ｘ０．８＝　０．３７６と
する。

次に、フレーズ成分の目標未達分の計算実施例を第４図
０））を用いて説明する。ｉ−１番目迄のフレーズ指令
によるフレーズ成分に対し、時刻Ｌ＝０でｉ番目のフレ
ーズ指令が発生してフレーズ成分が追加される場合、フ
レーズ指令が極大値を取る時間ｔｅａｍはｌ／αと異な
る。しかし、　ｔ□つは簡単な計算では求らないこと、
聴覚上はフレーズ指令の大きさは必ずしもｆｆｌ［に制
御する必要はないこと、を考慮して、ｔ＝ｔ７’αにお
けるフレーズ成分未達分をｉ番目のブレーズ指令の大き
さの計算に用いることとする。すなわち、第４図（ｂ）
では、Ｔｐ、−Ｃがフし・−ズ成分未達分である。

最後に、フレーズ指令の大きさの計算実施例を説明する
。フレーズ指令の大きさは、第４図（ａ）より、フレー
ズ成分未達分のｅ／α倍とすればよい。

そこで、フレーズ成分未達分がＴｐ（−ｃとすると、与
えるべきフレーズ指令の大きさは、（ＴｐムーＣ）Ｘｅ
／αとなる。ただし、与えるべきフレーズ指令の大きさ
が負の値になった場合は、フレーズ指令の大きさは０と
する（ｉ番目のフレーズ指令を生成しない）。

なお、負のフレーズ記号ｅＯは、フレーズ成分の下がり
を実現するためなので、従来技術と同様に０．５を固定
的に割り当ててもよく、また、フレーズ成分の目標値と
して０を割り当てて、正のフレーズ指令と同様にしてフ
レーズ指令の大きさを求めてもよい。

〔第２実施例〕 聴覚上は、フレーズ指令の大きさは厳密に制御する必要
がない点に着目し、第１実施例よりも計算が簡単な実施
例を次に説明する。

ｉ−１番目迄のフレーズ指令によるフレーズ成分を求め
るときは、Ｇｐ　（ｔ　）　−α”ｔ　ｅｘｐ　（−ｃ
ｒ　ｔ　）の計算を行う必要があるが、関数は計算時間
がかかる。そこで、これを表に記載しておいて検索すれ
ば、計算時間を短縮できる。そして、フレーズ指令の大
きさが厳密さに欠けても聴覚上差し障りがないので、こ
の表としては比較的粗い時間間隔（たとえば０．１秒）
で記載することで記憶容量を減らすことができる（第２
表）。

さらに、Ｇｐ（Ｌ）の関数はもの増大にともなって除徐
にＯに漸近するので、ｉ−１番目迄のフレーズ指令によ
るフレーズ成分はｉ−１番目のフレーズ指令によるフレ
ーズ成分が主であり、ｉ　−２番目迄のフレーズ指令に
よる寄与分は少ない（第５図）。

以上の観点から、ｉ−１番目のフレーズ指令の大きさを
用いて、１番目のフレーズ指令の大きさを求める実施例
を次に示す。

まず、第１実施例と同様に、１番目のフレーズ指令の時
点からｌ／α後のフレーズ成分の大きさを求める。この
時点のフレーズ指令の大きさは、ｉ−１番目のフレーズ
指令の時点からの経過時間で第２表を検索してＧｐ（ｔ
）の値を求め、ｉ−１番目のフレーズＪ指令の大きさを
掛は合わせることで求め、この値を以降はＣと書く。

次に、フレーズ成分未達分を求めるとＴｐＨ−ｃとなる
。Ｒ後に、１番目のフレーズ指令の大きさは第１実施例
の場合にして（Ｔｐム−ｃ）Ｘｅ／αとする。

〔第３実施例〕 第２実施例では、直前のフレーズ指令の大きさをもとに
してフレーズ成分未達分を求めているが、直前のフレー
ズ指令の目標値をもとにしてフレーズ成分未達分を近領
することもできる。

さらに、直前のフレーズ指令からの時間間隔として拍数
によってカウントすることもできる。

これらの点を考慮した実施例を次に示す。

発話速度をｍ拍／秒とすると、１拍はなれた時間間隔は
［７ｍである。直前のフレーズ指令の目標値ＴＰｂに対
して、Ｔｐ、Ｘｅ／αの大きさのフレーズ指令が生起し
ているとする。１泊はなれた次のフレーズ指令の目標値
ＴＰＲに対する未達分ｄはｄ＝Ｔｐ、ｌ　Ｔｐｂ　Ｘｅ
／αｘＧｐ（１／ｍ＋１／α）となる、よって次のフレ
ーズ指令の大きさは、Ａｐ。

＝ｄＸｅ／αとなる。

フレーズ指令の大きさとして０．４７と０．３７６の２
通りある場合のＡｐ、の値を種々の■に対して表に示す
と第３表の通りとなる。実際にフレーズ指令を与える場
合、Ａｐいが負の場合はＡＰａ＝０とする、すなわち、
フレーズ指令は生起しない、直前のフレーズ指令による
フレーズ成分は、除徐に減衰するので、Ｉ＞２０の場合
はｌ−２０と同し扱いにすればよい。

第３表 （第４実施例〕 第３実施例は、フレーズ指令の大きさとして（Ｔｐ＋　
　　ｃ）Ｘｅ／αの値をそのまま用いているが、フレー
ズ指令の大きさを何段階かに量子化を行うことも可能で
ある。すなわち、フレーズ指令の大きさとして、０．４
３．０．２６．０．１２の３種類（それぞれ、Ｐｌ、Ｐ
２、Ｐ３と記号をつける）用意しておき、Ａｐｌに最も
近い値を採用することもできる。

この観点から第３表を書き直したものを第４表に示す、
この表によれば、橿めて簡便にフレーズ指令の大きさを
決めることができる。

〔第５実施例〕 第１実施例では、１番目のフレーズ指令の時点から１／
α時間後の、ｌ−１番目迄のフレーズ指令によるフレー
ズ成分の大きさＣを必要としていた。処理上の簡便さの
点では、将来の時点の値を予想した値を使うよりも現在
までに判明している値で処理が行える方が簡便である。

そこで、ｉ番目のフレーズ指令の時点で得られるフレー
ズ成分の大きさＣ′を、Ｃの代わりに用いる実施例を次
に説明する。

まず、ｉ番目のフレーズ指令の時点Ｔｏ＋において、フ
レーズ成分の値Ｃ′を求める。音声波形生成のために基
本周波数パタンを求める処理を行っているので（第２図
参照）、時点Ｔｏ、において、フレーズ成分の値Ｃ′を
取り出せばよい（第６図）。

次に、フレーズ成分未達分を求めるとｒｐ、　−ｃ’と
なる。最後に、ｉ番目のフレーズ指令の大きさは第１実
施例の場合と同様にして（Ｔｐ＋　　　Ｃ’）Ｘｅ／α
とする。

〔発明の効果〕

本発明によれば、フレーズ成分が大きくなり過ぎない様
にするための、フレーズ指令の大きさ設定処理が、フレ
ーズ成分生成処理に内在させることができる。このこと
により、従来は必要であったフレーズ指令の大きさ修正
処理が不要になり、フレーズ指令生成規則が簡単になり
見通しが良くなる。

【図面の簡単な説明】

第１図は、本方式のフレーズ指令の大きさ算出処理概念
図 第２図は、音声合成装置の処理ブロック図第３図は、Ｆ
、パタン（基本周波数パタン）生成モデル 第４図の（ａ）及びｆｂ）は、追加のフレーズ成分説明
図第５図は、フレーズ成分の大きさ算出説明図第６図は
、フレーズ成分未達分簡略計算法の説明図 である。 １・・・・・・目標未達分計算部、 ２・・・・・・フレーズ制御機構。

Claims (7)

【特許請求の範囲】
1. （１）文字・記号等を入力とし、入力中にある韻律記号
   によりまたは入力に基づき規則あるいは対応表によって
   韻律的特徴量を得て基本周波数パタンを生成する装置に
   おいて、 基本周波数パタンの成分のうちフレーズ成分を作るフレ
   ーズ指令として フレーズ成分の到達すべき大きさの目標値を与え、フレ
   ーズ指令に対しては、その目標値に対するフレーズ成分
   の未到達分に相当する大きさのフレーズ成分を追加また
   は生成する手段を有することを特徴とする基本周波数パ
   タン生成装置。
2. （２）特許請求範囲第１項記載の基本周波数パタン生成
   装置において、 フレーズ成分が対数軸上の基本周波数パタンにおいて、
   臨界制動二次線形系のインパルス応答の和で近似するこ
   とを特徴とする基本周波数パタン生成装置。
3. （３）特許請求範囲第２項記載の基本周波数パタン生成
   装置において、 臨界制動二次線形系のインパルス応答の式をＧ＿ｐ（ｔ
   ）｛＝α＾２ｔ＿ｅ＿ｘ＿ｐ（−αｔ）（ｔ≧０）｛＝
   ０（ｔ＜０） と書くとき、 ｉ番目のフレーズ指令の目標値と、ｉ番目のフレーズ指
   令の時点から１／α後の時点における、ｉ−１番目まで
   のフレーズ指令によるフレーズ成分と、 の差をフレーズ成分の未達分とすることを を特徴とする基本周波数パタン生成装置。
4. （４）特許請求範囲第１項記載の基本周波数パタン生成
   装置において、 フレーズ成分の未達分が負の場合、すなわち、フレーズ
   成分の追加なくフレーズ指令の目標値に達する場合は、
   フレーズ指令の大きさを０とする、すなわち、フレーズ
   指令を生成しないこと を特徴とする基本周波数パタン生成装置。
5. （５）特許請求範囲第１項記載の基本周波数パタン生成
   装置において、 直前のフレーズ指令の大きさと時間間隔を基にしてテー
   ブルによりフレーズ成分の大きさを求め、その値によっ
   て 追加のフレーズ指令の目標値に対するフレーズ成分未達
   分を求め、 フレーズ指令の大きさを定めること を特徴とする基本周波数パタン生成装置。
6. （６）特許請求範囲第１項記載の基本周波数パタン生成
   装置において、 直前のフレーズ指令の目標値と時間間隔と 追加のフレーズ指令の目標値とを基にして テーブルによって追加のフレーズ指令の大きさを定める
   こと を特徴とする基本周波数パタン生成装置。
7. （７）特許請求範囲第１項記載の基本周波数パタン生成
   装置において、 フレーズ指令に対しては、その目標値とそのフレーズ指
   令の時点におけるフレーズ成分との差によって追加また
   は生成するフレーズ指令の大きさを求めることにより、 フレーズ成分の追加または生成を行うこと を特徴とする基本周波数パタン生成装置。