JPH04149500A - テキスト音声合成装置 - 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〕 本発明は漢字仮名交じり文等のテキストから合成音声を
生成するテキスト音声合成装置に関する。

〔従来の技術〕

テキスト音声合成において高品質な合成音声をうるため
には、韻律情報である音韻継続時間長の制御規則の高度
化が必要である。従来から行われている音韻継続時間長
の制御は、例えば「匂坂芳典、東倉洋−“音韻固有の性
質を考慮した音韻継続時間長設定”音声研究会８８０−
７２４　　がある。

この規則は音韻長設定に用いる各種固有量として以下の
ものを用い、母音長１ｖと子音長Ｌｃを算出する。

（ａ）各子音毎の基本長１／ｃ／ （ｂ）各子音の先行および後続母音基本長：ｔｐ／ｃ／
。

１１／ｃ／ （Ｃ）各子音固有の圧縮係数：　ｐ／ｃ／（ｄ）ｖ−ｃ
およびｃ−ｖ補償係数：　Ｕｐ／ｃ／、Ｕｒ／ｃ／（ｅ
）各母音の基本長比二λ／ｖ／ （ｆ）　Ｎモーラ呼気段落表内の平均音節長：ｔ（Ｎ）
母音長Ｌｖ＝λ／ｖ／Ｘ（ｗＸｔｐ／ｃｌ／＋（１−ｗ
）ＸＺｆ／ｃ２／Ｉ）＋　（ｗＸＬＩｐ／ｃ　Ｉ／＋　
（１−ｗ　）　ＸＵ　ｆ／ｃ　２／）　Ｘ（ｔ（Ｎ）　
−Ｌ（Ｎｏ　））１・・・（１） 子音長ｔｃ＝ｔ／ｃ／＋ｐ／ｃ／Ｘ（４Ｎ）−ｔ（Ｎｏ
））　　　　−（２）但しｃＩ：先行子音、Ｃ２：後続
子音、Ｖ；母音、Ｗは０≦Ｗ≦１の定数で通常は０．５
、ＮＯは定数で通常は４である。

すなわち、この設定規則は呼気段落がＮＯモーラの場合
の各音韻の基本長を基準にしており、発声モーラ数の違
う場合には、呼気段落内の平均音節長：　ｔ（Ｎ）と、
子音と母音の変動量を表す圧縮係数：ｐ／ｃ／を用いて
継続長を算出している。

〔発明が解決しようとする課題〕

ところがこの方法では、基本長よりも速くなる場合と遅
くなる場合に関係なく線形に子音と母音を伸縮させるこ
とになり、発声が遅い場合、子音時間長よりも母音時間
長を伸ばすことによって発声するという実際に観察され
る自然音声きは一致しない。１だ、自然音声では音韻毎
に継続長の上限と下限があり、それは統計的にも求まる
が、上記の規則では各音韻がその範囲に収まる補償がな
いので、その範囲から逸脱する場合があり、合成音声の
自然性を悪くしていた。そのため、発声速度別に場合わ
けして上記の固有量を持ったり、各音韻が自然音声の継
続長から極端に外れないようにチエツクする必要があり
、その結果、蓄えておくデータの量が増え、アルゴリズ
ムも複雑になる傾向があった。

本発明は上記の問題点に鑑みてなされたものであって、
比較的簡便な構成で自然な合成音声を得ることのできる
テキスト音声合成装置を提供することを目的とする。

〔課題を解決するための手段〕

上述の目的を達成するために本発明に係るテキスト音声
合成装置は、韻律的な環境に応じた■モーラあたりの継
続時間長の出現確率を表す第１のメンバシップ関数を求
める手段と、音韻的な環境に応じた音節の継続時間長の
出現確率を表す第２のメンバシップ関数を求める手段と
、前記第１と第２とのメンバシップ関数を合成すること
によって音節の継続時間長を算出する手段と、音節内の
子音と母音との継続時間長を表わすテーブルから前記音
節の継続時間長に基づいて音素の継続時間長を求める手
段とを有する韻律処理部を備えたことを特徴とする。

〔作　用〕

第６図を用いて基本的な考え方を説明する。第６図は、
ある要因Ａと、要因Ｂによる継続長の頻度分布である。

要因Ａ２、要因Ｂから継続長を算出する場合、第６図で
両者が交わっている０点からｄ点までの縞線の部分の最
大値となるｅ点を継続長とする。なお、この０点からｄ
Ａ″１での範囲は音声を発声する際のバラツキまたは他
の要因による発声変動と考える事が出来、要因を追加す
るに従ってこの範囲は小さくなる。

〔実施例〕

以下、本発明を参照しながら説明する。

第１図は、この発明にかかるテキスト音声合成装置のブ
ロック図である。第１図において１０は音声合成すべき
漢字仮名交じり文の入力される入力部、１■は制御部、
１２は音声パラメータに従って音声の合成を行いこれを
出力する音声合成部、１３は音声合成部１２からの合成
音声信号を出力する出力部、Ｉ４は日本語辞書及び漢字
辞書用メモリ、１５は韻律制御用メモリ、１６は音声デ
ータ辞書用メモリをそれぞれ示している。これら入力部
１０、制御部ＩＩ、音声合成部ｆ２及びメモリ１４．１
５．１６はパス１７を介して互いに接続されている。

制御部Ｉ＋は、プログラムされたコンピュータで主とし
て構成されており、後述するごとく、入力部１０から入
力された入力データからメモリ１４．１５．１６を用い
て音声パラメータを生成する。

第２図は、特にこの制御部１■の機能的構成を詳しく表
すブロック図である。入力部１０から与えられる漢字仮
名交じり文は、文字列解析部２０内の単語分割処理部２
１１Ｃ印加される。このとき同時に合成音の発声速度を
指定した制御コードも入力部１０に入力され、そのまま
韻律処理部２３に送られている。単語分割処理部２１に
おいて漢字仮名交じり文は、日本語辞ｔ１４を参照し、
公知の最長−散性又は文中の文節数が最小となるように
単語を選択する文節数最小法等を用いて各単語に分割さ
れる。日本語辞書＋４ＶＣは、単語毎に品詞、読み、モ
ーラ数、及びアクセント等があらかじめ格納されている
。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２２で単語毎にアクセント型と読みを与えられ、
韻律処理部２３へ出力される。

韻律処理部２３では、単語読みアクセント処理部から得
られる各単語のアクセントから、公知の方法で単語が連
鎖した際の文節のアクセント及び呼気段落間のポーズの
設定を行い、後述する方法で音韻継続長を算出した後、
ピッチバタン設定を行う。

続いて音声パラメータ生成部２４では、合成用単位の音
声データ辞書１６を参照して各単語の読みに対応する合
成単位が検索され、゛最終的に音声合成用の音声パラメ
ータの時系列が得られる。

次に、韻律処理部２３での音韻継続長決定アルゴリズム
について第３図を用いて説明する。

ステップＳＯで呼気段落の文字列Ａ（ｉ）（ｉはモーラ
番号）、発話速度を入力する。

ステップＳ１でＡ（ｉ）のモーラ数ｍを算出し、ｍモー
ラの呼気段落の場合の１モーラあたりの継続時間長頻度
分布をあられすメンバシップ関数ｍ　（ｘ）を韻律制御
用メモリ１５から抽出する。なお、変数Ｘは継続時間長
を表している。

ステップＳ２で発声速度毎に場合分けした１モーラあた
りの継続時間長頻度分布をあられすメンバシップ関数ｓ
　（ｘ）を韻律制御用メモリ＋５から抽出する。

ステップＳ３でモーラ番号のポインターであるｊを１に
する。

ステップＳ４で発話内位置を語頭、語中、語尾で場合分
けした１モーラあたりの継続時間長頻度分布をあられす
メンバシップ関数ｈ　（ｘ）を韻律制御用メモリ１５か
ら抽出する。尚、ｊ＝１のとき語頭、１＜ｊ＜ｍのとき
語中、ｊ＝ｍのときは語尾である。

ステップＳ５でステップＳｌ、Ｓ２、Ｓ４で抽出したメ
ンバシップ関数の、共通集合の関数ｆ　（ｘ）を次式で
算出する。

ｆ　（ｘ）＝　ｍ（ｘ）八５（ｘ）△ｈ（ｘ）　　＝１
３）ここで、△はｍｉｎを表し、このｆ　（ｘ）が韻律
的な環境に応じた１モーラあたりの継続時間長の出現確
率を表すメンバシップ関数である。例えば、第４図に示
すようＶＣｍ（ｘ）　、　ｓ　（ｘ）　、　ｈ　（ｘ）
があるとすると、ｆ　（ｘ）は、太線内になる。

ステップＳ６でＡ（ｉ）の各子音及び各母音固有の継続
時間長頻度分布をあられすメンバシップ関数ｔべｘｆ）
・ｔｖ（Ｘ２）を抽出する。

ステップＳ７でｔｃ（ｘｃ）とｔｖ（ｘｖ）の合成関数
！Ａｘ）を次式で算出する。

ｔ（ｘ）＝　ｔ（ｙｃｃ＋ｘｖ）＝（４ｃ（ｘｃ）△ｔ
ｖ＜ｘｖ＞１−（４）ここで、△はｍｉｎ、　Ｖはｍａ
ｘＳｘｃは子音継続時間長、ＸＶは母音継続時間長、Ｘ
は音節継続時間長を表し、ｘ＝ｘｃ＋ｘｖである。また
、（４）式は、ファジー数でいう足し算であり、Ｘの値
に応じて最も出現確率の高いｘｃとｚｖの組合せを求め
ている。そしてこのＬ　（ｘ）は音韻的な環境に応じた
音節の継続時間長の出現確率を表すメンバシップ関数を
表している。この（４）式を簡単に説明するために、例
えば次表に示すように ｔｃ（ＸＣ）とｔｖ（ｘｖ）が離散的に存在していたと
する。この場合、Ｘの範囲はｍ１ｎ（ｘｃ＋ｘｖ）＝５
からｍａｘ（ｘｃ＋ｘｖｌ　＝９までである。そして各
Ｘに対するｔ（ｘ）を算出するのだが、ｘ　＝　５の場
合、ｘｃ＝２：ｘｖ＝３の場合だけなので４５）＝ｍｉ
ｎ（な２）、を式３））＝ｍｉｎ（０，２、０，８１＝
　０．２となる。ｘ　＝　６の場合、ｘｃ＝２・ｘｖ＝
＝４とｘｃ＝８・ｘｖ＝８の２通りがあるが、Ａ６’Ｐ
　ｍａｘ（ｍ　ｉｎ　（ｔｃ（２）　、　ｔｖ（４）　
）、　ｍ　ｉｎ　［ｔｃ（８）　、　ｔｖｆ３）　）　
１＝ｍａｘ（ｍｉｎ（０，２、０，４）、　ｍ１ｎ（０
，５、０，ｆ３　］１＝ｍ４ｘ［０，２、０，３）　＝
　０．３であるから、ｘｃ＝＝３・ｘｖ＝３カ（ｘ＝６
のときの剥続時間長となり、その頻度は０．３である。

このような処理をＸの範囲内に対して行っｌ結果、表に
示すような各Ｘに対するｔ（Ｘ）＋　ｘｃ　、　Ｘ・が
得られる。ただし、ｔ（８）の場合のように、ｘｃとｘ
ｖの組合せが複数存在するときは、どち（を用いても合
成音声に影響はない。そして、これらを韻律制御メモリ
に一時的に蓄える。

ステップＳ８でステップＳ５、Ｓ７で算出し力メンバシ
ップ関数ｆ　（ｘ）、ｌ　（ｘ）の共通集合の関数ｇ　
（ｘ）を次式で算出する。

ｇ（ｘ）＝ｆ（ｘ）Ａｔ（ｘ）　　　−（５）ここで、
△はｍｉｎを表す。第５図に示すようにｆ　（ｘ）とべ
Ｘ）が存在したとすると、太線内がｇ（ｘ）となる。但
しｇ（ｘ）＝■（空集合）の場合、ｇ（ｘ）　＝ａＸ＞
とする。

ステップＳ９でｇ（ｘ）が最大値となるＸを音節の継続
長とし、ステップＳ７で算出したｘＶＣ対するｘｌ、ｘ
２の値を子音及び母音の継続長にする。たとえばｘ　＝
　６のときＶＣｇ（ｘ）が最大であれば、表より子音＝
３、母音＝３となる。ただし、ｇ（ｘ）からＸを算出す
る方法は、ｇ　（ｘ）の重心となるＸを用いても良い。

ステップＳＩＯでモーラ番号ｊをインクリメントする。

ステップＳ１１でもし５５ｍであればステップＳ４から
ステップ５１０の処理を繰り返す。

以上の処理により、韻律の制御を行う。

このように処理をすると、継続長を決定する各要因の重
要度がメンバシップ関数で表されるため、簡単なアルゴ
リズムで自然音声に近い継続長を制御することが可能と
なる。

〔発明の効果〕

以上詳細に説明したように本発明のテキスト音声合成装
置によれば、各種の要因を組み合せた場合の頻度分布か
ら継続長を算出するため、自然音声の継続長の範囲から
外れることはない。又、従来の規則では子音と母音で算
出に用いる要因が異なっていたが、本発明では要因毎の
メンバシップ関数が継続長を決定する重みを自動的に与
えるため、子音と母音を区別する必要がなくアルゴリズ
ムも複雑にならない。また要因の追加や削除も容易に行
うことが出来る。したがって、自然音声に近い継続長を
持った自然性の高い合成音声を得ることができるテキス
ト音声合成装置を提供することができる。

【図面の簡単な説明】

第１図は本発明の一実施例の構成を概略的に示すブロッ
ク図、第２図は制御部の機能的構成を詳しく表すブロッ
ク図、第３図は継続長算出処理の一例のプログラムのフ
ローチャートである。第４図、第５図は、継続長算出処
理の処理例を示す為の模式図、第６図は継続長制御の考
え方を説明する説明図である。 １０・・・日本語文人力部、１■・・・制御部、ｆ２・
・・音声合成部、１３・・・出力部、】４・・・日本語
辞書、＋５・・・韻律制御用メモリ、＋６・・・音声デ
ータ辞書用メモリ、】７・・・バス、２１・・・単語分
割処理部、２２・・・単語読みアクセント処理部、２３
・・・韻律処理部、２４・・・音声パラメータ生成部。 代理人　弁理士　梅　１）　勝（他２名）翅騒灸Ｘ １１４図 ＊、＊表Ｘ

Claims (1)

1. 【特許請求の範囲】 １、任意の文字列から音声合成を行うテキスト音声合成
   装置において、 韻律的な環境に応じた１モーラあたりの継続時間長の出
   現確率を表す第１のメンバシップ関数を求める手段と、 音韻的な環境に応じた音節の継続時間長の出現確率を表
   す第２のメンバシップ関数を求める手段と、 前記第１と第２とのメンバシップ関数を合成することに
   よって音節の継続時間長を算出する手段と、 音節内の子音と母音との継続時間長を表わすテーブルか
   ら前記音節の継続時間長に基づいて音素の継続時間長を
   求める手段と を有する韻律処理部を備えたことを特徴とするテキスト
   音声合成装置。