JPH04238396A - 音声合成用音声持続期間処理装置 - 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】

【０００１】

【産業上の利用分野】本発明は音声合成における音声持
続期間の処理に際し、よりよい品質の音声を獲得する音
声持続期間を求める音声合成用音声持続期間処理装置に
関するものである。

【０００２】

【従来の技術】中国語の場合、中国語の音声合成システ
ムでは、採用された合成単位は一般的に２種類に分けら
れる。 （１）４０８個の単音節。 （２）５８個の音韻。（２１個の声母、３７個の韻母を
含む。声母は子音であって、韻母は母音である。）合成
単位として４０８個の単音節を採用するのかあるいは音
韻を採用するのかはどちらも結構であるが、各合成単位
の音声持続期間が各々の音調と文に占める各種位置にお
ける各々の値を適当に決定することは音声合成の自然度
に対して大きな影響を与える。従来の中国語の音声合成
用音声持続期間処理装置は、例えば「一套基於共振峰合
成技術的中文文句翻語音系統」（１９８７年台湾大学マ
スタ−論文）に示されている。図７はこの従来の音声持
続期間処理装置を示すブロック図である。図７に、１は
キ−ボ−ドからピンイン文を入力するピンイン文入力部
である。例えば、“ｍｉｎｇ２ｍｉｎｇ２ｍａｉ３ｍｉ
ａｎ４ｍｅｉ２ｍａｉ３ｍｉ３”というピンイン文を入
力する。１０は入力部１から入力されたピンイン文によ
り、各単音節の音声持続期間を決める単音節音声持続期
間決定部である。単音節毎に対してその持続期間を予め
に同じように４００ｍｓに設定する。３０は若干の単音
節の音声持続期間に関するル−ルを応用して前記の単音
節音声持続期間決定部１０によって設定された単音節の
音声持続期間を修正する音声持続期間処理部である。図
７に、１１は入力部１から入力されたピンイン文と、音
声持続期間処理部３０によって処理された単音節の音声
持続期間のデ−タを記憶する記憶部である。この音声持
続期間処理部３０における流れ図は図８、図９、図１０
に示される。これらの図によって下記のようなことがわ
かる。該当単音節が第１声であれば、音声持続期間を３
０ｍｓ減し、第２声であれば、２０ｍｓ減す。第３声で
あれば、増すことも減すこともしない、第４声であれば
、音声持続期間を４０ｍｓ、軽声であれば、音声持続期
間を１２０ｍｓ減す。もし、該当単音節に声母の部分が
なかったら、４０ｍｓの音声持続期間を減し、

【０００３】

【外１】

【０００４】、

【０００５】

【外２】

【０００６】、

【０００７】

【外３】

【０００８】、

【０００９】

【外４】

【００１０】であれば、１０ｍｓ減す。

【００１１】

【外５】

【００１２】、

【００１３】

【外６】

【００１４】、

【００１５】

【外７】

【００１６】、

【００１７】

【外８】

【００１８】であれば、１０ｍｓ、

【００１９】

【外９】

【００２０】であれば、１５ｍｓ、

【００２１】

【外１０】

【００２２】、

【００２３】

【外１１】

【００２４】であれば、２０ｍｓ、

【００２５】

【外１２】

【００２６】、

【００２７】

【外１３】

【００２８】、

【００２９】

【外１４】

【００３０】、

【００３１】

【外１５】

【００３２】であれば、３０ｍｓ増す。そのほかの声母
ならば増すことも減すこともしない。該当単音節が文の
終わりのところにあれば、そして終わりのくぎり符号が
コンマあるいはコロンであるならば、２０ｍｓの音声持
続期間を増し、読点、ダッシュであれば、１０ｍｓの音
声持続期間を増す。セミコロン、句点であれば、４０ｍ
ｓの音声持続期間を増す。そのほか、該当単音節がフレ
−ズにあり、そしてフレ−ズの単音節の数は２であれば
、その音声持続期間は前記に述べたル−ルによって処理
された後の長度に　　０．９４をかけるのである。単音
節の数が３であれば、その音声持続期間は前記に述べた
ル−ルによって処理された後の長度に０．９２を、単音
節の数が４であれば、その音声持続期間は前記に述べた
ル−ルによって処理された後の長度に０．９０をかける
のである。図７に、５０は音声持続期間処理部３０によ
って得られたピンイン文の音声持続期間を出力するピン
イン文音声持続期間出力部である。

【００３３】“ｍｉｎｇ２ｍｉｎｇ２ｍａｉ３ｍｉａｎ
４ｍｅｉ２ｍａｉ３ｍｉ３（明明買麺没買米）　”とい
う文の場合、前に述べた従来の音声持続期間処理装置で
の計算によって得られた音声合成の各単音節の音声持続
期間は“３７０、　３７０、３９０、３５０、３７０、
３９０、４３０（ｍｓ）”である。しかし、前記の例文
をソナグラフで計り得た自然音声の各単音節の音声持続
期間は“２７０、２９０、３４０、３２０、２８０、　
３００、３３０（ｍｓ）”である。 それで、自然音声と従来例の処理装置から得られた音声
持続期間は大きな相違がある。従来の音声持続期間処理
処置により生じられた音声持続期間のデ−タは正確では
ないことがわかる。

【００３４】

【発明が解決しようとする課題】前記の従来の音声持続
期間処理では、合成単位が単音節である中国語音声合成
システムだけに適用できるが、合成単位が音韻である中
国語音声合成システムには応用できない。そのうえ、自
然音声を解析せずに、各単音節の長さは予めに４００ｍ
ｓに仮定されて、それから、若干のル−ルの修正によっ
て得られた音声持続期間はあまり正確ではないし、合成
音声の品質が低い。

【００３５】本発明はかかる点に鑑み、従来より正確な
音声合成の音声持続期間を生成できる音声合成用音声持
続期間処理装置を提供することを目的とする。

【００３６】

【課題を解決するための手段】前記の問題点を解消する
ために、本発明は、自然音声を構成する各音韻の音声持
続期間について、各々の音調及び該当音韻が文に占める
位置によって各々の値を格納する音声持続期間デ−タ記
憶部と、入力されたピンイン記号、音調記号により構成
された任意の長さのピンイン文が音調記号によって音節
を検出し、該当音調記号を記憶する音調検出部と、前記
入力された任意の長さのピンイン文の各音節における各
音韻及びその音韻が文に占める位置を検出する音韻検出
部と、前記検出された音調と各音韻とその音韻が文に占
める位置を検索インデクスとして前記の音声持続期間デ
−タ記憶部における各該当音韻の音声持続期間デ−タを
取り出す音声持続期間検出部とを備えたことを特徴とす
る音声合成用音声持続期間処理装置である。

【００３７】

【作用】本発明は前記の構成により、キ−ボ−ドから入
力されたピンイン文における各音韻の各々の音調と該当
音韻が文に占める位置などの情報によって音声持続期間
デ−タ記憶部を検索して、各音韻の音声持続期間を獲得
する。本発明は、合成単位が単音節である中国語音声合
成システムにも合成単位が音韻である中国語音声合成シ
ステムにも適用できる。そのうえ、自然的な中国語音声
の音声持続期間を生成できる。

【００３８】

【実施例】図１は、本発明の一実施例における中国語音
声合成用音声持続期間処理装置を示すシステムブロック
図である。図１に示す本実施例の装置は、図７に示した
従来の装置と同じ構成部分には同一番号を付してその動
作の説明は前記の図７に示す動作の説明と同じので、詳
細な説明を省略する。図１において、１２から２０まで
は音声持続期間を処理する時に必要に使われる各種レジ
スタである。そのうち、１２、１３はそれぞれ一音節の
中にある音韻の代表符号を記憶するｉレジスタとｉ１レ
ジスタである。１４は音調を表わす数字を記憶するｊレ
ジスタである。１５は文における一音韻の位置の代表符
号を記憶するｋレジスタである。１６は入力されたピン
イン文における文字ポインタを記憶するｃレジスタであ
る。１７はｓレジスタに格納する文字列の文字ポインタ
を記憶するｃ１レジスタで、１８は単音節に声母の部分
があるかどうかを判断するのを記憶するｃ２レジスタで
ある。１９は単音節文字列を記憶するｓレジスタ、２０
は一音節の音声持続期間を記憶するｄレジスタである。 ２２はピンイン文入力部１から入力されたピンイン文に
対して音調記号で音節を検出して該当音調記号をｊレジ
スタに記憶する音調検出部である。２３は前記ピンイン
文に対して検出された音節の各音韻とその音韻が文にお
ける位置を検出する音韻検出部である。２５は前記音韻
検出部での必要なデ−タを記憶する音節音韻対照記憶部
であり、この詳しい内容は図４のように示している。図
４によって、単音節“ａ”の単音節の代表符号は１で（
１番目の位置に該当単音節を置く）、声母の代表符号は
０で（声母の代表符号が０であることは該当単音節に声
母の部分がないのを示す）、韻母の代表符号は２２であ
ることがわかる。同様に、単音節“ｂａ”の単音節の代
表符号は２で、声母の代表符号は１で、韻母の代表符号
は２２とする。そのため、全部で４０８組の単音節、４
０８組の単音節の代表符号、４０８組の音韻の代表符号
がある。図１において、２４は音調検出部２２によって
検出された音調と音韻検出部２３によって検出された各
音韻とその音韻が文に占める位置を検索インデクスとし
て、音声持続期間デ−タ記憶部２６から各音韻の音声持
続期間デ−タを取り出し、そして、一音節の音声持続期
間を計算することができる音声持続期間検出部である。 ２６は音韻音声持続期間デ−タを記憶する音声持続期間
デ−タ記憶部（ＤＳ，Ｄｕｒａｔｉｏｎ　Ｓｔｏｒａｇ
ｅ）であり、この詳細な内容を図５に示す。図５におい
て、音声持続期間デ−タ記憶部に記憶する音声持続期間
デ−タは（１）音韻部分（ｉレジスタによって音韻の代
表符号を記憶する） （２）音調部分（ｊレジスタによって音調の数字を記憶
する） （３）文に占める位置部分（ｋレジスタによって位置の
代表符号を記憶する）の３つの分によって検索される。 即ち、各音韻の音声持続期間はＤＳ（ｉ、ｊ、ｋ）で表
わすことができる。該当音声持続期間デ−タ記憶部に記
憶する音声持続期間デ−タは、数多くの自然音声を分析
することにより、各種音調と文に占める各種位置におけ
る各音韻の平均的な音声持続期間を統計してから得られ
たものである。該当音声持続期間デ−タ記憶部に５８個
の音韻（２１個声母と３７個韻母を含む）に関する各々
の音調における値と該当音韻が文に占める各種位置にお
ける値のデ−タは記憶されている。図６はＣ言語で図５
における音声持続期間デ−タ記憶部を実現するものであ
る。

【００３９】本発明の音声合成用音声持続期間処理装置
において、は合成単位が音韻である中国語音声合成シス
テムに応用する処理流れ図を図２、図３に示す。図２、
図３において、先ず、キ−ボ−ドから文字を入力する。 そして、該当文字が改行キ−であるかどうかを判断する
。さもなければ、キ−インした文字を記憶部の入力文字
列に記憶し、続いて次の文字を改行キ−までキ−インし
ていく。改行キ−であったら、続いて音調検出をする。 ｃレジスタとｃ１レジスタの初期値が１に設定されて、
記憶部に記憶する第ｃ文字を読取して、ファイルの終わ
りであるかどうかを判断する。さもなければ、音調を表
わす数字ではないかどうかを判断する。さもなげれば、
読入した文字をｓレジスタにおける第ｃ１個の位置に記
憶し、ｃレジスタとｃ１レジスタの値に１ずつを足し、
続いて記憶部に記憶する第ｃ文字を読取する。音調を表
わす数字であれば、ｊレジスタで該当音調を表わす数字
を記憶する。ｉレジスタの値が１に設定されて、ｓレジ
スタに記憶する単音節が音節音韻対照記憶部における第
ｉ個の位置に記憶されているか、どうかを判断する。さ
もなければ、ｉレジスタに記憶する値に１を足し、続い
てｓレジスタに記憶する単音節が音節音韻対照記憶部に
おける第ｉ位置に記憶されているかどうかを判断する。 ｓレジスタに記憶する単音節が音節音韻対照記憶部にお
ける第ｉ位置に記憶された単音節にマッチまで。音節音
韻対照記憶部における第ｉ位置に記憶する韻母の代表記
号と声母の代表符号をそれぞれｉ１レジスタとｉレジス
タに記憶し、ｄレジスタを０にリセットする。単音節に
声母の部分があるかどうかを判断する。もし、あれば、
ｃ２レジスタの値が２に設定され、もし、なかったら、
ｃ２レジスタの値が１に設定される。それから、ｉ１レ
ジスタの値をｉレジスタに記憶する。ｉレジスタに記憶
する値の代表音韻が文に占める位置はどこかを判断する
。文の始めならば、ｋレジスタの値が１に設定され、文
の中ならば、ｋレジスタの値が２に設定される。さもな
ければ、ｋレジスタの値が３に設定される。続いて次の
ような音声持続期間を検出する。ｉレジスタ（音韻の代
表符号を記憶する）とｊレジスタ（音調を表わす数字を
記憶する）とｋレジスタ（位置の代表符号を記憶する）
の値によって音声持続期間デ−タ記憶部から取り出した
該当音韻の音声持続期間はＤＳ（ｉ、ｊ、ｋ）で、ｄ＝
ｄ＋ＤＳ（ｉ、ｊ、ｋ）である。ｃ２レジスタの値が２
であるかどうかを判断する。そうであれば、ｃ２レジス
タでの値から１を引き、ｉ１レジスタに記憶する値をｉ
レジスタにトランスファ−して、続いてｉレジスタに記
憶する値の代表音韻が文に占める位置はどこかを判断す
る。さもなければ、ｄレジスタに記憶する値を記憶部に
記憶し、ｃレジスタでの値に１を足し、ｃ１レジスタで
の値を１にリセット、続いて記憶部の入力文字列に記憶
する第ｃ文字を読取して、そして処理プロセスをくりか
えす。ファイルが終わるまで続く。 処理されたピンイン文の音声持続期間を出力した後、該
当ピンイン文の音声持続期間の処理を終わらせる。

【００４０】例えば、“ｍｉｎｇ２ｍｉｎｇ２ｍａｉ３
ｍｉａｎ４ｍｅｉ２ｍａｉ３ｍｉ３”（明明買麺没買米
）という例文は本発明における音声持続期間装置により
、次の過程により処理される。先ず、キ−ボ−ドによっ
て該当ピンイン文をキ−インして記憶部の入力文字列に
記憶する。ｃレジスタとｃ１レジスタに記憶する値を１
に設定して、記憶部の入力文字列に記憶する第ｃ（現在
値は１）個の文字ｍを読取する。 該当文字はファイルの終わりでも音調を表わす数字でも
ない。それで、文字ｍをｓレジスタの第ｃ１（現在値は
１）位置に記憶し、ｃレジスタとｃ１レジスタに記憶す
る値にそれぞれ１を足す。そして記憶部の入力文字列に
記憶する第ｃ（現在値は２）個の文字ｉを読取して、文
字ｉをｓレジスタの第ｃ１（現在値は２）位置に記憶す
る。このままの順序によって記憶部の入力文字列に記憶
する第３個、第４個の文字ｎとｇをそれぞれｓレジスタ
における第３個、第４個の位置に記憶する。記憶部の入
力文字列に記憶する第５文字２（ｃレジスタに記憶する
値は５）を読込む時、文字２は音調を表わす数字である
ので、文字２をｊレジスタに記憶し、ｉレジスタに記憶
する値が１に設定される。そして、ｓレジスタに現在、
記憶する単音節ｍｉｎｇを音節音韻対照記憶部における
第ｉ位置に記憶することをチェックする。さもなければ
、ｉレジスタに記憶する値に１を足す。このような動作
はｉレジスタに記憶する値が２１１（音節音韻対照記憶
部における第２１１位置に記憶する単音節はｍｉｎｇ）
になるまで続く。音節音韻対照記憶部における第２１１
個の位置に記憶する声母の代表符号３、韻母の代表符号
３３をそれぞれｉレジスタとｉ１レジスタに記憶する。 音声持続期間レジスタｄを０にリセットする。ｉレジス
タに記憶する値は現在０ではないので（現在値は３）、
処理する単音節ｍｉｎｇに声母の部分があるのを示す。 それで、ｃ２レジスタの値が２に設定される。現在、ｉ
レジスタに記憶する音韻の代表符号３の音韻ｍは文の始
めにあるので、ｋレジスタの値が１に設定される。ｉレ
ジスタ（音韻の代表符号３を記憶）、ｊレジスタ（音調
を表わす数字２を記憶）、ｋレジスタ（位置の代表符号
１を記憶）における値によって音声持続期間デ−タ記憶
部から取り出した該当音韻の音声持続期間ＤＳ（３、２
、１）は　　６０ｍｓ、ｄ＝ｄ＋６０ｍｓ。ｃ２レジス
タに現在記憶する値は２であるので、ｃ２レジスタに記
憶する値に１を引き、ｉ１レジスタに記憶する値（音韻
の代表符号３３である。）をｉレジスタに記憶する。現
在、ｉレジスタに記憶する音韻の代表符号３３の音韻ｉ
ｎｇは文の中にあるので、ｋレジスタに記憶する値が２
に設定される。ｉレジスタ（音韻の代表符号３３を記憶
）、ｊレジスタ（音調の数字２を記憶）、ｋレジスタ（
位置の代表符号２を記憶）における値によって、音声持
続期間デ−タ記憶部から取り出した該当音韻の音声持続
期間ＤＳ（３３、２、２）は２２０ｍｓ、ｄ＝ｄ＋２２
０。それで、得られた第１単音節ｍｉｎｇ２の音声持続
期間は２８０ｍｓ。音声持続期間レジスタｄに記憶する
値（２８０ｍｓ）を記憶部に記憶する。現在、ｃ２レジ
スタに記憶する値は１であるために、ｃレジスタに記憶
する値に１を足し（現在値は６）、ｃ１レジスタでの値
を１にリセット、記憶部に記憶する第ｃ文字ｍを読取し
続ける。この順序によって各音韻の音声持続期間を処理
し、ファイルの終わるまで続ける。計算した後得られた
合成音声の各単音節の音声持続期間は次のようである。 “　２８０、２９０、２９０、３３０、２９０、２９０
、３５０（ｍｓ）”この発明は上記実施例に限定される
ことなく、その要旨を変更しない限り、適当に変更して
実施することができる。例えば、本発明、音声持続期間
処理装置における中国語音声合成システムの合成単位は
単音節であってもよい。このためには、音声持続期間デ
−タ記憶部に記憶するものを単音節の音声持続期間に入
れ替え、図１に示す音韻検出部における音韻検出を省略
することにより実現できる。

【００４１】

【発明の効果】本発明によれば、従来より正確な音声合
成の音声持続期間を生成できる。そのうえ、本発明は合
成単位が単音節である音声合成システムにも合成単位が
音韻である音声合成システムにも適用できる。

【図面の簡単な説明】

【図１】本発明における一実施例の中国語音声合成用音
声持続期間処理装置を示すシステムブロック図である。

【図２】本発明における一実施例の中国語音声合成用音
声持続期間処理装置を処理する流れ図である。

【図３】本発明における一実施例の中国語音声合成用音
声持続期間処理装置を処理する図２の続きの流れ図であ
る。

【図４】本発明における一実施例の中国語音声合成用音
声持続期間処理装置を処理する流れ図である。本発明音
声持続期間処理装置における音韻検出部の音節音韻対照
表を示す図である。

【図５】本発明音声持続期間処理装置における音声持続
期間デ−タ記憶部を示す構造図である。

【図６】Ｃ言語で実現された音声持続期間デ−タ記憶部
の一例を示す図である。

【図７】従来の音声持続期間処理装置のシステムブロッ
ク図である。

【図８】従来の音声持続期間処理装置における音声持続
期間処理部を処理する流れ図である。

【図９】従来の音声持続期間処理装置における音声持続
期間処理部を処理する図８の続きの流れ図である。

【図１０】従来の音声持続期間処理装置における音声持
続期間処理部を処理する図９の続きの流れ図である。

【符号の説明】

１　　ピンイン入力部 １１　　記憶部 １２　　ｉレジスタ １３　　ｉ１レジスタ １４　　ｊレジスタ １５　　ｋレジスタ １６　　ｃレジスタ １７　　ｃ１レジスタ １８　　ｃ２レジスタ １９　　ｓレジスタ ２０　　ｄレジスタ ２２　　音調検出部 ２３　　音韻検出部 ２４　　音声持続期間検出部 ２５　　音節音韻対照記憶部 ２６　　音声持続期間データ記憶部

Claims (1)

【特許請求の範囲】
1. 【請求項１】自然音声を構成する各音韻の音声持続期間
   について、各々の音調及び該当音韻が文に占める位置に
   よって各々の値を格納する音声持続期間デ−タ記憶部と
   、入力されたピンイン記号、音調記号により構成された
   任意の長さのピンイン文が音調記号によって音節を検出
   し、該当音調記号を記憶する音調検出部と、前記入力さ
   れた任意の長さのピンイン文の各音節における各音韻及
   びその音韻が文に占める位置を検出する音韻検出部と、
   前記検出された音調と各音韻とその音韻が文に占める位
   置を検索インデクスとして前記の音声持続期間デ−タ記
   憶部における各該当音韻の音声持続期間デ−タを取り出
   す音声持続期間検出部とを備えたことを特徴とする音声
   合成用音声持続期間処理装置。