JPH0451099A - 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、入力された文から韻律的情報を抽出してパラ
メータ時系列を生成し音声を合成するテキスト音声合成
装置に関する。

［従来の技術］ 一般にテキスト音声合成装置における韻律の制御は、生
成される合成音声の自然性に大きな影響を与える。

従来のテキスト音声合成装置における韻律制御方法は、
文節間結合度を定義してその文節間結合度からフレーズ
指令及びポーズ長の大きさを決定する。

以下、文節間結合度に応じてフレーズ指令及びポーズ長
の大きさを決定する韻律制御方法の概略を説明する。

第６図は文節間結合度の大きさとピッチパターンとの関
係を示す。

図中、ケース１は、両文節の結合が最も弱い場合を示す
。この場合には明確なポーズが文節間に入り、それぞれ
の文節が独立に句を構成する。

ケース２は、文節結合度が強まるにつれ、ポーズ長が短
くなると共に、それぞれのフレーズ成分が−本のフレー
ズ成分に近づくことを示す。

ケース３は、−本のフレーズ成分上に２つの文節がのっ
ており、後続文節には単独のフレーズ指令が無いことを
示す。

ケース４は、上記のケース３よりも文節間の結合が進み
、後続文節のアクセント指令が小さな値になることを示
す。

ケース５は、文節間結合度が最も大きい場合であり、最
終的に一つの複合語のピッチパタンになることを示して
いる。

上述の文節結合度の大きさとピッチパタンとの関係で問
題になるのは、文節間結合度の算出方法である。その１
つとして、構文解析による係受は距離を用いる方法が以
前から提案されている。しかし、この方法は比較的短い
単文の解析結果に基づいており、現状のテキスト解析技
術では実用的な文章を精度良く構文解析することが難し
く、また、そのままでは韻律制御に導入することができ
ない。

そこで韻律制御に導入できる方法の１つとして、１つの
文をいくつかのフレーズに分割して局所的な係受解析を
行う方法が用いられている。また、文節の文法的役割（
以後、係受は関係と称する）、句読点、文章の位置情報
等のテキスト情報と音調結合型（以後、文節間結合度と
称する）との関係を定式化するための線形モデルによる
方法も同様に用いられている。

［発明が解決しようとする課題］ しかし、上述の韻律制御方法を用いた従来のテキスト音
声合成装置では、１つの文全体の構文を解析しないで、
係受は関係にある文節のみに着目して文節間結合度を算
出するので、係受は関係の強い文節が連鎖した場合、長
いモーラに渡って文節間結合度が小さくならず、呼気の
関係で一息に発声出来る文章（以後、呼気段落と称する
）が非常に長くなり、生成された合成音声が不自然な音
声になるという問題点がある。

また、自然音声では呼気段落に制限があり、その呼気段
落は発声スピードにより変化するが、上述の韻律制御方
法を用いた従来のテキスト音声合成装置では、発声スピ
ードが考慮されないので、実用的な文章及び多様な発声
スピードを有する音声を合成することが難しく、生成さ
れた合成音声が不自然な音声になるという問題点がある
。

本発明の目的は、上述の従来の音声合成装置の問題点に
鑑みて、実用的な文章及び多様な発声スピードを有する
音声を合成することができるテキスト音声合成装置を提
供することにある。

［課題を解決するための手段］ 本発明の上述の目的は、入力された文を各単語に分割す
る分割手段と、分割された各単語に対してアクセントの
型及び読みを設定する設定手段と、各単語のアクセント
の型に基づいて韻律を制御する韻律制御手段と、各単語
の読みに対応する合成単位を検索して音声パラメータの
時系列を出力するパラメータ生成手段とを備えており、
韻律制御手段は、隣接する単語間の係受は強度の順に文
全体の単語を結合して階層構造を形成し、階層構造によ
り隣接する文節間の結合度を算出し、算出された文節間
の結合度によりピッチパタン及び呼気段落間のポーズ長
を設定するように構成されているテキスト音声合成装置
によって達成される。

［作用］ 分割手段が入力された文を特定の方法により各単語に分
割し、設定手段が単語分割処理部で分割され各単語を入
力して分割された各単語に対してアクセントの型及び読
みを設定し、韻律制御手段が単語列の隣接する単語間の
係受は強度の順に文全体の単語を結合して階層構造を形
成し、階層構造により隣接する文節間の結合度を算出し
、算出された文節間の結合度により設定手段により与え
られた各単語のアクセントの型に基づいてピッチパタン
及び呼気段落間のポーズ長を設定して韻律を制御し、パ
ラメータ生成手段が単語読みアクセント処理部により与
えられた各単語の読みに対応する合成単位を検索して音
声パラメータの時系列を出力する。

［実施例コ 以下、本発明のテキスト音声合成装置における一実施例
を図面を参照して説明する。

第１図は、本実施例のテキスト音声合成装置の構成を概
略的に示したブロック図である。

第１図のテキスト音声合成装置は、入力部１０゜制御部
１１、音声合成部１２、出力部１３、日本語辞書用メモ
リ１４、韻律制御用メモリ１５、音声データ辞書用メモ
リ１６により構成されている。なお、入力部１０、制御
部ＩＬ音声合成部１２、日本語辞書用メモリ１４、韻律
制御用メモリ１５及び音声データ辞書用メモリ１６は、
バス１７を介して互いに接続されている。

また、制御部１１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ＩＯ
から入力させたデータから日本語辞書用メモリ目、韻律
制御用メモ１月５及び音声データ辞書用メモリ１６を用
いて音声パラメータを生成する。

次に、第１図の制御部１１の詳細な構成を第２図に示す
。

第２図に示すように、制御部１１は、入力部１０及び日
本語辞書用メモ１月４に接続された分割手段としての単
語分割処理部２Ｌ単語分割処理部２１に接続された設定
手段としての単語読みアクセント処理部２２を含む文字
列解析部２０、文字列解析部２０及び韻律制御用メモ１
月５に接続された韻律制御手段としての韻律処理部２３
、韻律処理部２３及び合成用単位の音声データ辞書用メ
モリ１６に接続されたパラメータ生成手段としての音声
パラメータ生成部２４により構成されている。

以下、上述の各構成部分の動作を説明する。

まず、入力部１０は漢字仮名交じり文を入力して、単語
分割処理部２１に出力する。

単語分割処理部２１は、入力部１０から出力された漢字
仮名交じり文を入力し、入力された漢字仮名交じり文を
、日本語辞書用メモ１月４を参照して最長−散性又は文
中の文節数が最少となるように単語を選択する文節最小
法等を用いて各単語に分割する。ここで、日本語辞書用
メモ１月４には、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。

単語分割処理部２１で分割された単語は、単語読みアク
セント処理部２２により単語毎にアクセントの型及び読
みが設定されて韻律処理部２３に出力される。

韻律処理部２３は、単語読みアクセント処理部２２で得
られた各単語のアクセントの型から、単語が連鎖した際
の文節のアクセントの設定を特定の方法により行い、後
述する方法によりピッチパタン及び呼気段落間のポーズ
長の設定を行って韻律を制御する。

音声パラメータ生成部２４は、合成用単位の音声データ
辞書用メモリ１６を参照して各単語の読みに対応する合
成単位を検索し、最終的に音声合成用の音声パラメータ
の時系列を音声合成部Ｉ２を介して出力部１３から出力
する。

次に、上記の韻律処理部２３におけるピッチパタン及び
呼気段落間のポーズ長の設定の方法について詳述する。

第３図は、ピッチパタン及び呼気段落間のポーズ長の設
定に用いるための文節間結合度の算出過程を示すフロー
チャートである。

まず、単語分割処理部２１により漢字仮名交じり文から
単語列Ｔ（ｉ）（１≦ｉ≦ｎ）がすでに算出されている
ものとする。ただし、ｉは入力文章の文頭からの単語番
号、ｎは単語数を表わす正の整数とする。また、単語間
の結合度を表わす配列ＣＯＴ　　（ｉ）　　（１≦ｉ≦
ｎ）をクリアして“０″に設定する。

入力文章の単語列Ｔ（ｉ）（１≦ｉ≦ｎ）から文節列Ｂ
（ｊ）（１≦ｊ≦ｍ、但しｍを文節の数とする）を算出
する。この文節列Ｂ　（ｊ）は、文節の先頭の単語Ｔ（
Ｂ、（１））、末尾の単語（Ｂｌ　　（２））を示すポ
インタ及び次式■ＭＯ（Ｂ　　（Ｄ　）　　＝　　　Σ
ＭＯ（Ｔ　　（ｋ）　）　　・・・■（但し７、ｊｌ、
ｊ２はｋの取り得る範囲の両端を表す）で算出した文節
モーラ長ＭＯ（Ｂ　（ｊ）　）をそれぞれ格納している
（ステップ１）。

上述のステップ１に続いて、各文節の先頭の単語Ｔ（Ｂ
ｌ（１））及び末尾の単語（Ｂｌ　　（２））のラベル
を、第１表及び第２表を用いて求める。

例えば「私は」という文節の場合、先頭の単語「私」と
いう名詞と、末尾の単語「は」という付属語の格助詞か
ら構成されており、第１表から「私」のラベルとしてＮ
を選択し、第２表から「は」のラベルとしてｌを選択し
するので「私は」という文節のラベルとして（Ｎ、ｊ’
）を得る（ステップ２）。

次に、先行文節Ｂ　（Ｄの末尾の単語Ｔ　（Ｂ（２））
と後続文節Ｂ（ｊ＋１）の先頭の単語Ｔ（Ｂｌ。＋（ｉ
））　との結合の強さ（以後、係受は結合度と称する）
を、ステップ２で算出したラベルと第３表とを用いて算
出する。そして、この係受は結合度と各文節のモーラ数
ＭＯ（Ｂ　（ｊ）　）　とから次式■ 文節間結合度Ｃｏ（ｊ）”係受は結合度　×ＣＭＩＮ　
［ＭＯ（Ｂ　（ｊ）　）　、　ＭＯ（Ｂ　（ｊ＋１）　
）　］＋Ｃ）　　＋　　ＭＡＸ　［ＭＯ（Ｂ　（ｊ））
、ＭＯ（Ｂ　（ｊ　＋１））　　コ　　　　　　　　　
　　　　　　　　　　　　　　　　　　・・・■により
文節間結合度Ｃｏ（ｊ）を算出する。ただし、この文節
間結合度Ｃ０（Ｄは結合の強さを逆数で表している。ま
た、Ｃは定数でＭＩＮ、ＭＡＸは因数の最小値及び最大
値を表す。

ステップ２で得られた結合度は文節Ｂ　（ｊ）の末尾の
単語Ｔ（Ｂｌ（２））と後続文節Ｂ　（ｊ＋１）の先頭
の単語Ｔ　（Ｂ、、＋　　（ｉ）　）　との結合度とも
考えられるので、単語間結合度ＣＯＴ　　（Ｂ＋　　（
２））に文節間結合度ｃｏ（Ｄの値を代入する（ステッ
プ３）。

次に、平均文節間結合度を表すＭＥＡＮ　［ＣＯ３を次
式■ ＭＥＡＮ　［ＣＯ３＝　　　　　　　ΣＣｏ　（ｋ）　
・・・０ｍ　　　１　　　ｋ−１ により算出する（ステップ４）。

上記のステップ４で算出した平均文節間結合度ＭＥＡＮ
　［ＣＯ３と、文節毎に文節間結合度Ｃｏ（ｘ）、Ｃｏ
（Ｘ＋１）とを比較し、文節Ｂ（Ｘ）（１≦Ｘ≦ｍ１但
しｍは文節数を表す正の整数）を少し大きくした句ＭＢ
（ｙ）（１≦ｙ≦ｎ１但しｎは句数を表す正の整数）を
第４図に示す手順に従って作成する（ステップ５）。

以下、第４図を参照して句ＭＢ（ｙ）の作成手順を詳細
に説明する。

まず、Ｘ　＝　１　、　　ｙ　＝　１に設定する（ステ
ップ５−１）。

次に、平均文節間結合度ＭＥＡＮ　［ＣＯ３が文節間結
合度Ｃｏ（ｘ）よりも大きいと共に文節間結合度Ｃ０（
Ｘ＋１）が文節間結合度Ｃｏ（ｘ）よりも大きい場合に
はステップ５−３に進み、そうでなければステップ５−
５に進む（ステップ５−２）。

平均文節間結合度ＭＥＡＮ　［ＣＯ３が文節間結合度Ｃ
０（Ｘ）よりも大きいと共に文節間結合度Ｃ０（Ｘ＋１
）が文節間結合度Ｃｏ（ｘ）よりも大きい場合には、先
行の文節Ｂ　（ｘ）と次の文節Ｂ　（Ｘ＋１）との文節
間結合が大きいので、句ＭＢ（ｙ）の先頭単語ポインタ
、末尾の単語ポインタ及びモーラ数を次式■、■及び■ Ｂ　（ｘ）の先頭の単語ポインタ ＭＢ（Ｖ）の先頭の単語ポインタ　　・・・■Ｂ　（Ｘ
＋１）の末尾の単語ポインターＭＢ（Ｙ）の末尾の単語
ポインタ　　・・・■ＭＯ（Ｂ　（ｘ）　）　＋ＭＯ（
Ｂ　（Ｘ＋１）　）　−ＭＢ（ｙ）の末尾の単語ポイン
タＭＯ（ＭＢ　（ｙ）　）・・・■ に従って算出する（ステップ５−３）。

上記のステップ５−３が終了したら変数ｉ、ｊをｘ＝ｘ
＋２．ｙ＝ｙ＋１に夫々インクリメントしてステップ５
−７に行く　（ステップ５−４）。

ステップ５−２において、平均文節間結合度ＭＥＡＮ　
［ＣＯ３が文節間結合度Ｃｏ（ｘ）よりも小さい場合、
又は平均文節間結合度ＭＥＡＮ　［ｃＯ］が文節間結合
度Ｃｏ（ｘ）よりも大きいが、文節間結合度ＣＯ（Ｘ＋
１）が文節間結合度Ｃｏ（ｘ）よりも小さい場合には、
句ＭＢ（ｙ）の先頭単語ポインタ、末尾の単語ポインタ
及びモーラ数を次式■、■及び■Ｂ　（ｘ）の先頭の単
語ポインタ＝ ＭＢ（ｙ）の先頭の単語ポインタ　　・・・■Ｂ　（ｘ
）の末尾の単語ポインター ＭＢ（Ｖ）の末尾の単語ポインタ　　・・・■ＭＯ（Ｂ
　　（ｘ）　）　　＝ＭＯ（ＭＢ　（ｙ）　）　　　　
　　・・・■に従って算出する（ステップ５−５）。

上記のステップ５−５に続いて、変数ｉ、ｊをｘ＝ｘ＋
１．ｙ＝ｙ＋１にそれぞえインクリメントする（ステッ
プ５−６）。

ステップ５−４又はステップ５−６に続いて、Ｘがｍ−
１よりも小さいか否の判定を行って、Ｘがｍ−１よりも
小さい場合にはステップ５−２に進む（ステップ５−７
）。

旬刊ＭＢ（ｚ）を、Ｂ　（ｚ）　＝ＭＢ　（ｚ）　　（
但し、ｚ＝１〜７）として文節の配列Ｂ　（ｚ）に代入
する（ステップ５−８）。

全ての操作が終了したらメインルートにリターンする（
ステップ５−９）。

上記のステップ５の処理で、まとめる文節が無くなるま
で、即ち、ｘ＝ｙとなるまでステップ２からステップ５
の処理を繰り返す（ステップ６）。

上記ステップ６が終了したならば、入力文章の単語列Ｔ
（ｉ）（１≦ｉ≦ｎ）を各文節に区切り、文節間結合度
を文節の境界となる単語の単語間結合度ＣＯＴ　　（ｉ
）　　（１≦ｉ≦ｎ１但しｎは単語数）から算出する（
ステップ７）。

ステップ７で算出された文節間結合度を、第４表のテー
ブルと照らし合わせてフレーズ指令の大きさ及びポーズ
の長さを算出する（ステップ８）。

上記のステップ８に続いて、ピッチパタンＦ（ｔ）を下
記の式０により算出する。

ｉｎ　（Ｆ　（ｔ）　）　＝　　ｉ　ｎ　（Ｆａｕｎ　
）　＋Ａ。

Ｇ、（ｔ　　Ｔｏ）＋Ａ、　　・Ｆｏ　　　（Ｇ、（ｔ
　　Ｔ１）　’−ｃｙ、　　（ｔ　−Ｔ２　）　）　　
　　　　　　　　・・・０上記の式［相］においてＧＤ
　　（ｔ）及びＧ、（ｔ）は、 Ｇｌｌ　（ｔ）＝ａ１１ｔｍｅＸｐ（−ａ−ｔ）、Ｇ、
（ｔ）＝ １−（１＋ｂ−ａ）ｅｘｐ　（−ｂ−ｔ）によりそれぞ
れ示される。

但し、１．　ｎはＩｎの次に記載されている関数の自然
対数、Ａ、・Ｇ、（ｔ　　ＴＯ）はフレーズ成分、Ａ、
・Ｆｏ　・　（Ｇ−（ｔ　　Ｔ＋　）　　Ｇ−（ｔ−’
ｒ２））はアクセント成分、Ｆａ＋ｌａは下限臨界値、
Ａ１はアクセント成分の振幅、Ａ　ｐはフレーズ成分の
振幅、Ｔ、フレーズ成分の開始指令時点、Ｔ１はアクセ
ント成分の開始指令時点、Ｔ２はアクセント成分の終了
指令時点、ａはフレーズ成分の下降時係数、ｂはアクセ
ント成分の下降時係数、ｔは時間をそれぞれ表す。

なお、フレーズ成分の振幅Ａ、は、ステップ８で算出し
たフレーズ成分の大きさに比例した値、例えばフレーズ
成分の大きさを０．０４倍した値を用いる。合成される
音声の自然性は、フレーズ成分の振幅Ａ、の値を発声様
式に対応して変化させることにより向上する（ステップ
９）。

韻律処理部２３においては、上述したステップ１〜９に
基づいて韻律の制御を行う。従って韻律処理部２３では
、このように文節間の接合度を階層的な構造に基づいて
算出するため、例えばポーズを多く入れたい場合には、
第４表を第５表に変えるだけで、文全体の中でバランス
良くポーズを多くすることが出来る。また、修飾語が連
鎖するような場合でも、階層的に文節をまとめてモーラ
長の大きな文節とみなして処理をするため、極端に長い
呼気段落は生じにくい。

次に上述のテキスト音声合成装置による発声文章の解析
方法を概念的に第５図に示す。

第５図では、まず、最も結合度の大きい文節間を結合し
た結果、文節Ａ、（文節Ｂ−Ｃ）、文節Ｄ１文節Ｅの４
セグメントになる（レベル２）。更に結合すると、文節
Ａ−Ｂ−Ｃと文節Ｄ−Ｅの２つのセグメントになる（レ
ベル３）、最終的に１つのセグメントになる（レベル４
）。この結果、文節Ｃと文節りの境界に最もポーズが入
りやすく、次に文節Ａと文節Ｂ１文節りと文節Ｅの境界
がポーズの候補になることが分かる。

文節間の結合度を階層的な構造に基づいで算出するため
、発声スピードに応じてポーズを入れる頻度を変える場
合にも、文全体の中でランス良くポーズを与えることが
出来る。また、修飾語が連鎖するような場合でも、階層
的に文節をまとめてモーラ長の大きな文節とみなして処
理をするため、極端に長い呼気段落は生じにくい。

［発明の効果コ 入力された文を各単語に分割する分割手段と、分割され
た各単語に対してアクセントの型及び読みを設定する設
定手段と、各単語のアクセントの型に基づいて韻律を制
御する韻律制御手段と、各単語の読みに対応する合成単
位を検索して音声パラメータの時系列を出力するパラメ
ータ生成手段とを備えており、韻律制御手段は、隣接す
る単語間の係受は強度の順に文全体の単語を結合して階
層構造を形成し、階層構造により隣接する文節間の結合
度を算出し、算出された文節間の結合度によりピッチパ
タン及び呼気段落間のポーズ長を設定するように構成さ
れているので自然性の高い音声を合成することができる
と共に、計算速度等の制約を考慮して音声を合成できる
。その結果、実用的な文章及び多様な発声スピードを有
する音声合成を生成することができる。

第 表 第 表

【図面の簡単な説明】

第１図は本発明のテキスト音声合成装置の一実施例の構
成を示すブロック図、第２図は第１図中の制御部の構成
を示すブロック図、第３図は文節間結合度算出処理の動
作のを示すフローチャート、第４図は第３図中の１ステ
ツプを詳細に説明するためのフローチャート、第５図は
第１図に示すテキスト音声合成装置で文節間結合度を算
出するときの入力文章の解析を概念的に説明する図、第
６図は従来のテキスト音声合成装置の文節間結合度及び
韻律の関係を示す図である。 １０・・・入力部、１１・・・制御部、１２・・・音声
合成部、１３・・・出力部、１４・・・日本語辞書用メ
モリ、１５・・・韻律制御用メモリ、Ｉ６・・・音声デ
ータ辞書用メモリ、１７・・・バス、２０・・・文字列
解析部、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蔀。 第１ 第２ 第５図 第４図 第６図

Claims (1)

【特許請求の範囲】
1. 入力された文を各単語に分割する分割手段と、前記分割
   された各単語に対してアクセントの型及び読みを設定す
   る設定手段と、前記各単語のアクセントの型に基づいて
   韻律を制御する韻律制御手段と、前記各単語の読みに対
   応する合成単位を検索して音声パラメータの時系列を出
   力するパラメータ生成手段とを備えており、前記韻律制
   御手段は、隣接する単語間の係受け強度の順に文全体の
   単語を結合して階層構造を形成し、該階層構造により隣
   接する文節間の結合度を算出し、該算出された文節間の
   結合度によりピッチパタン及び呼気段落間のポーズ長を
   設定するように構成されていることを特徴とするテキス
   ト音声合成装置。