JPH06161485A

JPH06161485A - 合成音声ポーズ設定方式

Info

Publication number: JPH06161485A
Application number: JP4313780A
Authority: JP
Inventors: Koji Matsuoka; 浩司松岡; Hisashi Obara; 永小原
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1992-11-24
Filing date: 1992-11-24
Publication date: 1994-06-07

Abstract

(57)【要約】【目的】本発明の目的は、ポーズの挿入間隔や個数を
適切に設定できるようになり、より自然な合成音声を出
力することができる合成音声ポーズ設定方式を提供する
ことを目的とする。【構成】本発明は、様々な品詞に対してモーラ数の統
計的な分布を調べておくことにより、アクセント句境界
にポーズを設定するか否かの判定を行い、ポーズを挿入
する品詞別ポーズ区間推定方式と、品詞による影響を無
視した無ポーズ区間の分布を用いることでポーズを挿入
するする平均化無ポーズ区間推定方式とがある。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、合成音声ポーズ設定方
式に係り、特に、漢字かな混じり文を入力して、アクセ
ント、ポーズ情報を付加した韻律情報列に変換後、合成
音声として出力する合成音声出力装置の合成音声ポーズ
設定方式に関する。

【０００２】

【従来の技術】漢字かな混じり文を入力して、アクセン
ト、ポーズ情報を付加した韻律情報列に変換後、合成音
声として出力する合成音声出力装置が既に実用化されて
いる。また、これらの装置を用いて電子メールや、新聞
記事の内容を電話を通して音声で聴くことのできるサー
ビスが既に実施されている。しかし、現在の技術レベル
では、人間の発話音声と比較して読み、アクセント、ポ
ーズともに誤りや不自然さが残るため、適用範囲が限定
される。これにより利用者数の伸びが低迷しているとい
った問題がある。

【０００３】日本語の漢字かな混じり文を入力して合成
音声を出力するには、形態素解析（入力された文を単語
単位に分割する解析）を行い、個々の単語に対する読み
を決める。この読みが単なる棒読みにならないように、
どこにアクセントとポーズを付ければよいかを決める。

【０００４】日本語を自然に話すときには、いくつかの
単語をひとまとまりにして発生する。ひとまとまりとし
て発生され、アクセント核（ピッチ周波数のピーク部
分）を１個持つ単語列をアクセント句と呼ぶ。アクセン
ト句では、単語に固有のアクセントが変化する。このた
め、アクセント結合規則を用いてアクセント位置を調整
する。

【０００５】ポーズは、適度な間隔をおいて、文の内容
が理解し易いような文法上、意味上の切れ目に適切な長
さで設定する。このため、隣接するアクセントの句間の
結合の強さ、アクセント句のモーラ数、句読点を調べて
ポーズを設定するか否かを決める。ここで、モーラ数
は、読みをカナ文字で表したときのカナ数に相当する。
但し、促音、長音は１モーラとカウントし、濁音、半濁
音、拗音はカウントしない。

【０００６】以下に、従来のポーズ設定方法として、２
つの方法を挙げて説明する。

【０００７】係り受け解析を用いたポーズ設定方法
［箱田、佐藤：「文音声合成における音調規則」電子情
報学会論文誌Vol. 63-D, No9, pp. 715-722 ］は、係り
受け解析により、アクセント句の修飾・被修飾の関係を
求める。この関係から入力文の全てのアクセント句につ
いて、分離度Ｄを求める方法である。ここで、分離度Ｄ
とは、着目するアクセント句から修飾先のアクセント句
に至るアクセント句数と定義する。一般に、分離度Ｄが
大きい程、隣接するアクセント句間の結合が弱くなるの
で、ポーズが発生し易くなる。

【０００８】また、肺の呼気圧に基づく生理的制約か
ら、概ね一定のモーラ数（平均呼気段落内モーラ数）毎
にポーズが挿入される。アクセント句の長さＬをアクセ
ント句境界を挟む２つのアクセント句のモーラ数の和と
定義する。アクセント句の長さＬが大きいほど、ポーズ
が発生し易くなる。

【０００９】分離度Ｄとアクセント句の長さＬとの両方
の影響を考慮し、ポーズを設定する指標として、Ｄ×Ｌ
を用いる。分離度Ｄの小さい境界を挟む隣接する２つの
アクセント句から出発して、再帰的にアクセント句同士
の統合を繰り返す。最終的に一番切れ目の大きい境界に
至るまで順にＤ×Ｌを計算し、閾値を越えたアクセント
句境界にポーズを設定する。

【００１０】形態素解析によるポーズ設定方法［岩田
他：「残差制御型音声合成方式を用いた日本語テキスト
音声音声変換システム」電子情報通信学会音声研究会資
料、ＳＰ９０−５６，ｐｐ１５−２２］は、形態素解析
により得られる単語の品詞情報を用いる方法である。こ
の方法は、係り受け解析が不要であるので、上記の問題
を回避できる。また、この方法は、大量の文章音声デー
タベースにおいて、単語の直前と直後にそれぞれポーズ
がどの程度挿入されやすいかを単語の品詞毎に調べる。
ポーズの挿入し易さの指標として、ポーズ挿入確率を導
入する。

【００１１】ここで、ポーズ挿入確率は、データベース
中のある品詞の全出現数に対するポーズを伴ったその品
詞の出現数の割合と定義する。アクセント句境界の直前
にある品詞ｈ_eの単語の後にポーズが置かれるポーズ挿
入確率Ｐ_e（ｈ_e）と、アクセント句境界の直後にある
品詞ｈ_bの単語の前にポーズが置かれるポーズ挿入確率
Ｐ_b（ｈ_b）とを音声データベースから予め求めてお
く。

【００１２】合成する文のモーラ数と、上記音声データ
ベースから求めた平均呼気段落内モーラ数からポーズを
いくつ挿入するかを決める。次に、各アクセント句の前
後の単語の品詞ｈ_eとｈ_bからポーズ挿入確率Ｐ_e（ｈ
_e）＋Ｐ_b（ｈ_b）を求める。この値が大きいアクセン
ト句の境界から順に必要な数だけポーズを設定する。

【００１３】

【発明が解決しようとする課題】しかしながら、従来の
係り受け解析によるポーズ設定方法では、文の構造から
適切なポーズ位置を決定しているので、ポーズ設定精度
が高いが、その前提となる係り受け解析には、かなりの
計算量を必要とする。また、現状では、係り受け構造を
常に正確に解析することは難しく、解析精度の点で問題
がある。

【００１４】また、形態素解析によるポーズ設定方法で
は、文の長さから決まる一定の個数のポーズをその間隔
（平均呼気段落内モーラ数）を考慮せずに挿入してい
る。このため、連続するアクセント句境界に、ポーズ
挿入確率が高い（低い）品詞が存在すると、平均呼気段
落内モーラ数より小さい（大きい）間隔で、ポーズが挿
入される。また、本来、ポーズの個数は文に現れる品詞
に依存するが、文の長さから一意に決まるといった欠点
がある。従って、計算量や解析精度の観点から実用レベ
ルに達している形態素解析を利用しているが、ポーズの
挿入間隔や個数を適切に設定できないためにポーズ設定
精度が低い。

【００１５】本発明は上記の点に鑑みなされたもので、
上記問題を解決し、ポーズの挿入間隔や個数を適切に設
定できるようになり、より自然な合成音声を出力するこ
とができる合成音声ポーズ設定方式を提供することを目
的とする。

【００１６】

【課題を解決するための手段】図１は本発明の第１の原
理構成図を示す。

【００１７】本発明の合成音声ポーズ設定方式は、漢字
かな混じり文１００を入力して、形態素解析を行い、各
単語の品詞を求めることにより、アクセント句単位にア
クセントを付与して、アクセント句境界にポーズを付与
した読みかな列を作成して、読みかな列を音声合成装置
で音声に変換する音声合成装置内のアクセント句境界に
ポーズを付与する処理において、漢字かな混じり文の各
アクセント句境界について、直前の単語の品詞ｈ_eと直
後の単語の品詞ｈ_bを導出する品詞導出手段１０１と、
ポーズがあるアクセント境界までのモーラ数が属する前
置品詞区間ｉ_eと後置品詞区間ｉ_bを導出する品詞区間
導出手段１０２と、直前の単語が品詞ｈ_eであるアクセ
ント句境界の集合に対して、ポーズがあるアクセント境
界までのモーラ数に応じて、区間１〜区間ｎ_eに分類し
た前置品詞区間ｉ_eを設定し、モーラ数が区間１〜区間
ｉ_e（１≦ｉ_e≦ｎ_e）のいずれかの前置品詞区間に属
する前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）を記録する前
置品詞累積確率テーブル１０３と、直後の単語が品詞ｈ
_bであるアクセント句境界の集合に対してポーズがある
アクセント境界までのモーラ数に応じて、区間１〜区間
ｎ_bに分類した後置品詞区間設定し、モーラ数が区間１
〜区間ｉ_b（１≦ｉ_b≦ｎ_b）のいずれかの後置品詞区
間に属する後置品詞累積確率Ｐ_b（ｈ_b，ｉ_b）を記録
する後置品詞累積確率テーブル１０４と、品詞導出手段
１０１により導出された直前の単語の品詞ｈ_eと直後の
単語の品詞ｈ_bを用いて、前置品詞累積確率テーブル１
０３と後置品詞累積確率テーブル１０４からそれぞれ前
置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）と後置品詞累積確率
Ｐ _b（ｈ_b，ｉ_b）を検索する累積確率検索手段１０５
と、累積確率検索手段１０５により検索された前置品詞
累積確率Ｐ_e（ｈ_e，ｉ_e）と後置品詞累積確率Ｐ
_b（ｈ_b，ｉ_b）を用いて、線形識別関数Ｇ＝Ｃ₁×Ｐ_e（ｈ_e，ｉ_e）＋Ｃ₂×Ｐ_b（ｈ_b，ｉ
_b）＋Ｃ₃ （但し、Ｃ₁，Ｃ₂，Ｃ₃は定数）を計算し、線形識別
関数Ｇ≧０であるときに、各アクセント句境界にポーズ
を挿入するポーズ挿入手段１０６とを含む。

【００１８】また、本発明の合成音声ポーズ設定方式
は、漢字かな混じり文１００を入力して、形態素解析を
行い、各単語の品詞を求めることにより、アクセント句
単位にアクセントを付与して、アクセント句境界にポー
ズを付与した読みかな列を作成して、読みかな列を音声
合成装置で音声に変換する音声合成装置内のアクセント
句境界にポーズを付与する処理において、漢字かな混じ
り文の各アクセント句境界について、直前の単語の品詞
ｈ_eと直後の単語の品詞ｈ_bを導出する品詞導出手段１
０１と、ポーズがあるアクセント境界までのモーラ数が
属する区間ｉ_pを導出する区間導出手段１０２と、品詞
導出手段１０１により直前の単語が品詞ｈ_eであるアク
セント句境界の集合に対してポーズが置かれる確率を記
録する前置品詞確率テーブル２０１と、品詞導出手段１
０１により直後の単語が品詞ｈ_bであるアクセント句境
界の集合に対してポーズが置かれる確率を記録する後置
品詞確率テーブル２０２と、区間導出手段１０２で導出
された区間ｉ_pを用いて、ポーズがあるアクセント句境
界までのモーラ数に応じて区間１〜区間ｎ_pに分類した
区間を設定し、モーラ数が区間１〜区間ｉ_p（１≦ｉ_p
≦ｎ_p）のいずれかの区間に属する累積確率Ｐ
_p（ｉ_p）を記録する累積確率テーブル２０３と、前置
品詞確率テーブル２０１、後置品詞確率テーブル２０２
及び、累積確率テーブル２０３、からそれぞれ累積確率
Ｐ_p（ｉ_p），前置品詞確率Ｐ_e（ｈ_e）、及び後置品
詞確率Ｐ_b（ｈ_b）を検索する確率検索手段２０４と、
確率検索手段２０４で検索された累積確率Ｐ
_p（ｉ_p），前置品詞確率Ｐ_e（ｈ_e）、及び後置品詞
確率Ｐ_b（ｈ_b）を用いて、線形識別関数Ｇ＝Ｃ₁×Ｐ_e（ｈ_e）＋Ｃ₂×Ｐ_b（ｈ_b）＋Ｃ₃×
Ｐ_p（ｉ_p）＋Ｃ₄ （但し、Ｃ₁，Ｃ₂，Ｃ₃，Ｃ₄は定数₎を計算し、線
形識別関数Ｇ≧０であるときに、各アクセント句境界に
ポーズを挿入するポーズ挿入手段２０５とを含む。

【００１９】

【作用】本発明の第１の方式である品詞別無ポーズ区間
推定方式は、様々な品詞に対してモーラ数の統計的な分
布を調べておくことにより、アクセント句境界にポーズ
を設定するか否かを判定して、アクセント句境界直前の
単語の品詞と無ポーズ区間のモーラ数が属する前置品詞
区間とに対応して、ポーズが置かれる確率と、アクセン
ト句境界の直後の単語の品詞と無ポーズ区間モーラ数が
属する後置品詞区間とに対応してポーズが置かれる確率
による線形識別関数により、ポーズを挿入するか否かを
判定している。これにより、様々な品詞に対して個別に
無ポーズ区間の分布を求めることができる。

【００２０】また、本発明の第２の方式である平均化無
ポーズ区間推定方式は、信頼できる無ポーズ区間分布を
求めるためには大量の音声データベースが必要となるた
め、用意できる音声データベースが小さい場合を考慮し
て、品詞による影響を無視した無ポーズ区間の分布を用
いて近似させることにより、無ポーズ区間のモーラ数が
属する区間に応じてポーズが置かれる確率による線形識
別関数を用いて、ポーズを挿入するか否かを判定してい
る。これにより、用意できる音声データベースが小さい
場合に、品詞によるばらつきを平均化した無ポーズ区間
の分布を求めることができる。

【００２１】

【実施例】本発明は、品詞別無ポーズ区間推定方式と平
均化無ポーズ区間推定方式がある。最初に本発明の前提
条件及び、両方式の共通部分について説明し、その後
に、品詞別無ポーズ区間推定方式を第１の実施例とし、
平均化無ポーズ区間推定方式を第２の実施例として説明
する。

【００２２】図３は本発明で対象とする合成音声出力装
置の構成例を示す。

【００２３】同図に示す合成音声出力装置は、合成音声
として出力対象となる漢字かな混じり文１を単語単位に
分割する形態素解析処理２に入力し、形態素解析処理２
により単語単位に分割した分かち書き単語列３が生成さ
れ、読み付与処理４−１、アクセント付与処理４−２、
アクセント情報付きカナ列４−３、ポーズ付与処理４−
４の各処理を行う韻律付与処理４に入力される。韻律付
与処理４からアクセント句として適切な読み、アクセン
ト、ポーズが設定されたアクセント・ポーズ情報付カナ
列５が出力され、アクセント・ポーズ情報付きカナ列５
は、合成音声出力装置６に入力され、合成音声出力装置
６は、合成音声を出力する。

【００２４】図４は、形態素解析処理の処理例を示すフ
ローチャートである。

【００２５】形態素解析処理は、まず、漢字かな混じり
文１を入力して（ステップ１）、形態素解析処理を行い
（ステップ２）、分割された各単語に単語品詞、単語読
み、単語アクセントが付与された文法情報付分かち書き
単語列３を出力する（ステップ３）。この処理は、既存
技術であり、実用に耐え得る技術として確立されてい
る。

【００２６】図５は読み付与処理とアクセント付与処理
の処理例のフローチャートである。

【００２７】まず、文法情報付き分かち書き単語列３が
入力され（ステップ４）、読み付与処理４−１では、読
みが付与され（ステップ５）、韻律付与処理４のアクセ
ント付与処理４−２によりアクセント句単位にそれぞれ
読み、アクセントを設定し（ステップ６）、アクセント
情報付きカナ列を出力する（ステップ７）。なお、アク
セント情報付きカナ列において、“／”はアクセント句
境界を表し、

【数１】はアクセント位置を表す。

【００２８】ステップ５の読み付与処理４−１では、同
図中に下線で示される通り、濁音化（“ケンキュウ”→
“ケンキュウジョ”）や促音化（“イチカイ”→“イ
ッカイ”）となる処理が行われる。

【００２９】また、ステップ６のアクセント句付与処理
４−２では、同図中に下線で示される通り、

【数２】のように単語単位のアクセント位置を修正する。

【００３０】（１）品詞別無ポーズ区間推定方式次に、本発明の第１の実施例として品詞別無ポーズ区間
推定方式の概要を説明する。

【００３１】品詞別ポーズ区間推定方式は、様々な品詞
に対してモーラ数ｍの統計的な分布を調べておくことに
より、アクセント句境界にポーズを設定するか否かを判
定する方法である。

【００３２】単語の品詞情報に着目すると、その単語の
前後にポーズが挿入されやすい品詞とそうでない品詞が
ある。例えば、読点「、」や、係り助詞「は」の直後に
ポーズが挿入されやすく、補助動詞「おく」の直前には
ポーズが挿入されにくい。

【００３３】品詞別無ポーズ区間推定方式では、大量の
音声データベースを予め用意して、品詞と平均呼気段落
内モーラ数との相互の影響によるポーズの発生しやすさ
を定量化する。このため、アクセント句境界ａに対し
て、無ポーズ区間モーラ数ｍという指標を導入する。ア
クセント句境界ａから文頭方向に順にアクセント句境界
を調べ、ポーズが設定されたアクセント句境界が見つかる場合
には、最初にポーズが設定されたアクセント句境界まで
のモーラ数をｍとする。ここで、アクセント句境界ａ自
身にポーズが設定されるときには、ｍ＝０とする。

【００３４】ポーズが設定されたアクセント句境界が
ない場合には、文頭までのモーラ数をｍとする。

【００３５】品詞別無ポーズ区間推定方式は、前準備と
して、音声データベースに対して以下の統計データを抽
出する。

【００３６】前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）アクセント句境界の直前の単語（前のアクセント句の末
尾の単語）の品詞の影響を調べる。直前の単語の品詞が
ｈ_eであるアクセント句境界ａ_eの集合についての無ポ
ーズ区間のモーラ数ｍ_eを測定する。

【００３７】この無ポーズ区間のモーラ数ｍ_eを区間１
〜区間ｎ_eに分類した前置品詞区間を設ける。区間ｉの
範囲をｍ_e（ｉ−１）≦ｍ_e＜ｍ_e（ｉ）と定義する。ここで、ｉ＝１，２，…，ｎ_eとし、モー
ラ数ｍ_e（ｉ）は前置品詞区間の境界であり、ｍ
_e（０）＝０とし、ｍ_e（ｎ_e）は測定されるｍ_eの最
大値より大きな値とする。区間ｉに属するアクセント句
境界の個数ｆ_e（ｉ）を集計する。アクセント句境界ａ
_eから文頭方向に向かって区間１〜区間ｉ_e（１≦ｉ_e
≦ｎ_e）のいずれかの区間にポーズが挿入される確率を
前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）と呼び、次式で定
義する。

【数３】音声データベースから得たＰ_e（ｈ_e，ｉ_e）を前置品
詞累積確率テーブルに記録する。

【００３８】後置品詞累積確率Ｐ_b（ｈ_b，ｉ_b）アクセント句境界の直後の単語（後ろのアクセント句の
先頭の単語）の品詞の影響を調べる。直後の単語の品詞
がｈ_bであるアクセント句境界ａ_bの集合についての無
ポーズ区間モーラ数ｍ_bを測定する。

【００３９】この無ポーズ区間モーラ数ｍ_bに分類した
後置品詞区間を設ける。区間ｉの範囲をｍ_b（ｉ−１）≦ｍ_b＜ｍ_b（ｉ）と定義する。ここで、ｉ＝１，２，…，ｎ_bとする。無
ポーズ区間モーラ数ｍ_b（ｉ）は後置品詞区間の境界で
あり、ｍ_b（０）＝０とし、ｍ_b（ｎ_b）は測定される
無ポーズ区間モーラ数ｍ_bの最大値より大きな値とす
る。区間ｉに属するアクセント句境界の個数ｆ_b（ｉ）
を集計する。アクセント句境界ａ_bから文頭方向に向か
って、区間１〜区間ｉ_b（１≦ｉ_b≦ｎ_b）にいずれか
の区間にポーズが挿入される確率を後置品詞累積確率Ｐ
_b（ｈ_b，ｉ_b）と呼び、次式で定義する。

【数４】音声データベースから得たＰ_b（ｈ_b，ｉ_b）を後置品
詞累積テーブルに記録する。

【００４０】入力部の各アクセント句境界ａについて、
次の線形識別関数Ｇを計算して、ポーズを挿入するか否
かを判定する。Ｇ＝Ｃ₁×Ｐ_e（ｈ_e，ｉ_e）＋Ｃ₂×Ｐ_b（ｈ_b，ｉ_b）＋Ｃ₃ (3) 線形識別関数Ｇ≧０となるアクセント句境界にはポーズ
を挿入し、Ｇ＜０となるアクセント句境界にはポーズを
挿入しない。

【００４１】ここで、Ｃ₁，Ｃ₂，Ｃ₃は予め設定した
定数である。着目するアクセント句境界に対する無ポー
ズ区間モーラ数をｍとする。この無ポーズ区間モーラ数
ｍが属する前置品詞区間と後置品詞区間をそれぞれ
ｉ_e、ｉ_bとする。アクセント句境界ａの前後の単語の
品詞をそれぞれｈ_eとｈ_bとする。上記の前置品詞累積
確率Ｐ_e（ｈ_e，ｉ_e）と後置品詞累積確率Ｐ
_b（ｈ_b，ｉ_b）は、それぞれ前置品詞累積確率テーブ
ルと後置品詞累積確率テーブルから求める。

【００４２】なお、(3) 式の定数Ｃ₁，Ｃ₂，Ｃ₃は、
統計処理の一手法である判別分析を適用して、誤判定を
小さくする方法が既に確立している。音声データベース
のアクセント句境界をポーズがある集合Ｓ₁とポーズが
ない集合Ｓ₂に分類し、それぞれの集合に属する前置品
詞累積確率Ｐ_e（ｈ_e，ｉ_e）と後置品詞累積確率Ｐ _b
（ｈ_b，ｉ_b）を測定すれば、定数Ｃ₁，Ｃ₂，Ｃ₃を
決定できる。前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）と後
置品詞累積確率Ｐ_b（ｈ_b，ｉ_b）が正規分布であると
きには、文献：［河口：「多変量解析入門Ｉ」森北出
版，pp.83-87］に解析的な方法が記述されている。ま
た、一般の分布であるときには、［長尾他：「パターン
認識と図形処理」岩波書店、pp.23-26］に学習による方
法が記述されている。また、定数Ｃ₁＝０、又はＣ₂＝
０とすることにより、それぞれ前置品詞累積確率Ｐ
_e（ｈ_e，ｉ_e）と後置品詞累積確率Ｐ_b（ｈ_b，
ｉ_b）を無視して処理量を削減した簡便な方法をとるこ
ともできる。

【００４３】上記のことから、品詞別無ポーズ区間推定
方式によるポーズ設定手順は次の通りである。入力部のすべてのアクセント句境界について無ポーズ
区間モーラ数ｍを求める。アクセント句境界の前後の品詞ｈ_e、ｈ_bを求める。無ポーズ区間モーラ数ｍが属する前置品詞区間ｉ_eと
後置品詞区間ｉ_bを求める。前置品詞区間ｉ_eと品詞ｈ_eにより前置品詞累積確率
テーブルを検索し、前置品詞累積確率Ｐ_e（ｈ_e，
ｉ_e）を求める。また、後置品詞区間ｉ_bと品詞ｈ _bに
よる後置品詞累積確率テーブルを検索し、後置品詞累積
確率Ｐ_b（ｈ_b，ｉ _b）を求める。線形識別関数Ｇを計算する。線形識別関数Ｇ≧０であ
るアクセント句境界にポーズを設定する。

【００４４】図６は、本発明の第１の実施例の品詞別無
ポーズ区間設定方式の構成を示す。同図は、図３の韻律
付与処理４のポーズ付与処理４−４の詳細な構成を示
す。

【００４５】ポーズ付与処理４４は、アクセント情報付
きカナ列４−３を入力して、各アクセント句境界の前後
の品詞ｈ_e、ｈ_bを導出する品詞抽出処理１１、アクセ
ント情報付きカナ列４−３から前置品詞区間ｉ_eと後置
品詞区間ｉ_bを導出する区間抽出処理１２、前置品詞区
間ｉ_eと後置品詞区間ｉ_b、前置品詞累積確率Ｐ_e（ｈ
_e，ｉ_e）を記録する前置品詞累積確率テーブル１４
と、後置品詞累積確率Ｐ _b（ｈ_b，ｉ_b）を記録する後
置品詞累積確率テーブル１５を有し、品詞ｈ_e、ｈ_bを
入力して、前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）、後置
品詞累積確率Ｐ_b（ｈ_b，ｉ_b）を検索する確率テーブ
ル検索処理１３、及び前置品詞累積確率Ｐ _e（ｈ_e，ｉ
_e）と後置品詞累積確率Ｐ_b（ｈ_b，ｉ_b）から線形識
別関数Ｇを計算することによりアクセント・ポーズ情報
付きカナ列５を出力する線形識別関数演算処理１６より
構成される。

【００４６】図７は、本発明の第１の実施例の確率テー
ブル検索処理の構成例を示し、図８は、本発明の第１の
実施例の品詞別無ポーズ区間推定方式によるテーブルの
具体例を示す。図７において、ａは、前置品詞累積テー
ブルの内容を示し、ｂは、後置品詞累積テーブルの内容
を示す。

【００４７】図７は、図６の確率テーブル検索処理１３
の前置品詞累積確率テーブル１４と、後置品詞累積確率
テーブル１５構成を示す。

【００４８】図７において、前置品詞累積確率テーブル
１４は、品詞ｈ_e（ｈ_e＝ｈ₁，ｈ ₂，…，ｈ_r）と前
置品詞区間ｉ_e（ｉ_e＝１，２，…，ｎ_e）との組み合
わせに対する前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）を検
索できる。

【００４９】また、後置品詞累積確率テーブル１５は、
品詞ｈ_b（ｈ_b＝ｈ₁，ｈ₂，…，ｈ_b）と前置品詞区
間ｉ_b（ｉ_b＝１，２，…，ｎ_b）との組み合わせに対
する後置品詞累積確率Ｐ_b（ｈ_b，ｉ_b）を記録し、区
間抽出処理１２で導出した後置品詞区間ｉ_bから後置品
詞累積確率Ｐ_b（ｈ_b，ｉ_b）を決定する。

【００５０】なお、上記の前置品詞累積確率テーブル１
４と、後置品詞累積確率テーブル１５は、品詞による分
類を採用したが、単語あるいは、意味カテゴリによる分
類にも容易に拡張できる。

【００５１】図９は、本発明のポーズ付与処理の具体例
を示す。アクセント情報付きカナ列４−３の具体例とし
て“カナダグランプリデ／ツカウ／エンジンヲ、／ケン
キュウジョデ／アラタメテ／モウ／イッカイ／ミタ”
（アクセント句境界は“／”で表している）に対して、
ポーズを設定する方法を説明する。

【００５２】同図において、アクセント情報付きカナ列
４−３が入力され（ステップ８）、ポーズ付与処理４−
４が行われる（ステップ９）、ポーズ付与処理４−４に
よりアクセント・ポーズ情報付きカナ列５が出力される
（ステップ１０）。

【００５３】同図において、アクセント・ポーズ情報付
きカナ列５のカナ列の上の数値は、アクセント句境界を
示す。

【００５４】ここで、次の前提条件を仮定する。即ち、前置品詞区間は、区間１ … ０≦ｍ＜５区間２ … ５≦ｍ＜１０後置品詞区間は、区間１ … ０≦ｍ＜４区間２ … ４≦ｍ＜７区間３ … ７≦ｍ＜１０に分割する。

【００５５】・(3) 式の線形識別関数は、Ｇ＝Ｐ_e（ｈ_e，ｉ_e）＋Ｐ_b（ｈ_b，ｉ_b）−０．５とする。

【００５６】図１０は、本発明の第１の実施例の品詞別
無ポーズ区間推定方式によるポーズ付与処理仮定例を示
す。

【００５７】アクセント情報付きカナ列４−３の例にお
いて、先頭のアクセント句境界に対して、ポーズの判定
を行う。同図は、アクセント句境界が１である行に相当
する。無ポーズ区間モーラ数ｍは、文頭からのモーラ数９で
ある。アクセント句境界の前後の品詞は、それぞれ品詞ｈ_e
＝助詞、品詞ｈ_b＝動詞である。前置品詞区間は、区間ｉ_e＝２であり、後置品詞区間
は区間ｉ_b＝３である。前置品詞累積確率テーブルから前置品詞累積確率Ｐ_e
（助詞、２）＝０．３を、後置品詞累積確率テーブルか
ら後置品詞累積確率Ｐ_b（動詞、３）＝０．３を得る。線形識別関数Ｇ＝０．３＋０．３−０．５＝０．１≧
０であるので、ポーズを設定する。

【００５８】他のアクセント句境界についても同様にポ
ーズの有無を判定する。その結果、図８に示すアクセン
ト・ポーズ情報付きカナ列を導出できる。

【００５９】（２）平均化無ポーズ区間推定方式次に、本発明の第２の実施例の平均化無ポーズ区間推定
方式について説明する。まず、平均化無ポーズ区間推定
方式の概要を説明する。

【００６０】上記の品詞別無ポーズ区間推定方式では、
様々な品詞に対して個別に無ポーズ区間の分布を求め
た。信頼できる分布を求めるには、大量の音声データベ
ースが必要となる。平均化ポーズ区間推定方式は、容易
できる音声データベースが小さい場合を考慮して、品詞
による影響を無視した（品詞によるばらつきを平均化し
た）無ポーズ区間の分布を用いることで近似する。但
し、品詞によるポーズの挿入し易さのばらつきは、既に
述べた従来の技術の形態素解析によるポーズ設定法と同
様にアクセント句境界の前後の品詞に対応したポーズ挿
入確率Ｐ_e（ｈ_e）、Ｐ_b（ｈ_b）を用いる。

【００６１】本方式では、前準備として、音声データベ
ースから以下の統計データを抽出する累積確率Ｐ_p（ｉ_p）平均呼気段落内モーラ数によるポーズの発生しやすさを
ポーズ間隔モーラ数ｍ _pという指標により定量化する。
この間隔モーラ数ｍ_pは、音声データベースのすべての
文に対して次の手順で求める。・文頭から文末方向にア
クセント句境界を調べ、ポーズが設定された最初のアク
セント句境界までのモーラ数をｍ_pとする。・ポーズが
見つかったアクセント句境界から、さらに文末方向にア
クセント句境界を調べ、ポーズが設定された次のアクセ
ント句境界までのモーラ数をｍ_pとする。文末まで、こ
の処理を繰り返す。

【００６２】以上で求めたモーラ数をｍ_pの分布を測定
する。このモーラ数をｍ_pを区間１〜区間ｎに分割す
る。区間ｉの範囲をｍ_p（ｉ−１）≦ｍ_p＜ｍ_p と定義する。ここで、ｉ＝１，２，…，ｎとする。ｍ_p
（ｉ）は、区間の境界であり、モーラ数をｍ_p（０）＝
０とし、モーラ数をｍ_p（ｎ）は測定されるモーラ数を
ｍ_pの最大値より大きな値とする。区間ｉに属するモー
ラ数の個数ｆ（ｉ）を集計する。あるアクセント句境界
について、文頭方向に向かって、区間１〜区間ｉ_pのい
ずれかの区間ｉ_p（１≦ｉ_p≦ｎ）にポーズが挿入され
る確率を累積確率Ｐ_p（ｉ_p）と呼び、次式で定義す
る。

【数５】累積確率Ｐ_p（ｉ_p）は、アクセント句境界の前後の品
詞による無ポーズ区間のばらつきを平均化した確率とな
っている。Ｐ_p（ｉ_p）を累積確率テーブルに記録す
る。

【００６３】前置品詞確率Ｐ_e（ｈ_e）音声データベースのすべてのアクセント句境界を直前の
単語の品詞ｈ_eにより分類する。品詞ｈ_eに対するアク
セント句境界にポーズが挿入される確率を前置品詞確率
Ｐ_e（ｈ_e）と呼ぶ。音声データベースから求めた前置
品詞確率Ｐ_e（ｈ_e）を前置品詞確率テーブルに記録す
る。

【００６４】後置品詞確率Ｐ_b（ｈ_b）音声データベースのすべてのアクセント句境界を直後の
単語の品詞ｈ_bにより分類する。品詞ｈ_bに対するアク
セント句境界にポーズが挿入される確率を後置品詞確率
Ｐ_b（ｈ_b）と呼ぶ。音声データベースから求めたＰ_b
（ｈ_b）を後置品詞確率テーブルに記録する。

【００６５】入力文の各アクセント句境界ａについて、
次の線形識別関数Ｇを計算して、ポーズを挿入するか否
かを判定する。Ｇ＝Ｃ₁×Ｐ_e（ｈ_e）＋Ｃ₂×Ｐ_b（ｈ_b）＋Ｃ₃Ｐ_p（ｉ_p）＋Ｃ₄ (5) 線形識別関数ＧがＧ≧０となるアクセント句境界には、
ポーズを挿入し、線形識別関数ＧがＧ＜０となるアクセ
ント句境界にはポーズを挿入しない。

【００６６】ここで、Ｃ₁，Ｃ₂，Ｃ₃，Ｃ₄は予め設
定した定数である。ｈ_eとｈ_bはそれぞれ、アクセント
句境界の前後の単語の品詞である。Ｐ_e（ｈ_e）、Ｐ_b
（ｈ _b）は、それぞれ前置品詞確率テーブル、後置品詞
確率テーブルから求める。ｉ _pは、アクセント句境界ａ
に対する無ポーズ区間モーラ数ｍ（品詞別無ポーズ区間
推定方式で既に述べたものと同一である）が属する区間
である。累積確率Ｐ_p（ｉ_p）は、累積確率テーブルか
ら求める。

【００６７】なお、品詞別無ポーズ区間推定方式と同様
に、(5) 式の定数Ｃ₁，Ｃ₂，Ｃ₃，Ｃ₄は、判別分析
を適用して誤判定を小さくするように決定できる。

【００６８】上記のことから、平均化無ポーズ区間推定
方式によるポーズ設定手順は次の通りである。入力文のすべてのアクセント句境界について無ポーズ
区間モーラ数ｍを求めるアクセント句境界の前後の品詞ｈ_e、ｈ_bを求める。モーラ数ｍが属する区間ｉ_pを求める。区間ｉ_pにより前置品詞累積確率テーブルを検索し、
前置品詞確率Ｐ_e（ｈ_e）を求める。品詞ｈ_bにより後
置品詞確率テーブルを検索し、後置品詞確率Ｐ
_b（ｈ_b）を求める。線形識別関数Ｇを計算する。線形識別関数ＧがＧ≧０
であるアクセント句境界にポーズを設定する。

【００６９】次に、本発明の第２の実施例について詳細
に説明する。

【００７０】図１１は、本発明の第２の実施例の平均化
無ポーズ区間推定方式によるポーズ付与処理の構成例を
示す。同図中、図６と同一構成部分には同一符号を付
し、その説明を省略する。

【００７１】同図は、図３のポーズ付与処理４−４の詳
細であり、本発明で対象とする平均化無ポーズ区間推定
方式による構成例である。

【００７２】品詞抽出処理２１は、アクセント情報付き
カナ列を入力して、各アクセント句境界の品詞ｈ_e、ｈ
_bを導出する。区間抽出処理２２は、このアクセント情
報付きカナ列４−３から区間ｉ_pを導出する。確率テー
ブル検索処理２３は、品詞ｈ _e、ｈ_b、区間ｉ_pを入力
して、前置品詞確率Ｐ_e（ｈ_e）、後置品詞確率Ｐ
_b（ｈ_b）、累積確率Ｐ_p（ｉ_p）を検索する。前置品
詞確率テーブル２４は、前置確率Ｐ_e（ｈ_e）を記録す
る。後置品詞確率テーブル２５は、後置品詞確率Ｐ
_b（ｈ_b）を記録する。累積確率テーブル２６は、累積
確率Ｐ_p（ｉ_p）を記録する。線形識別関数演算処理２
７は、前置品詞確率Ｐ_e（ｈ_e）、後置品詞確率Ｐ
_b（ｈ_b）、累積確率Ｐ_p（ｉ_p）から線形識別関数Ｇ
を計算することにより、アクセント・ポーズ情報付きカ
ナ列５を出力する。

【００７３】図１２は、本発明の第２の実施例の平均化
無ポーズ推定方式における確率テーブル検索処理の構成
例を示す。

【００７４】前置品詞確率テーブル２４は、品詞ｈ
_e（ｈ_e＝１，２，…，ｒ）に対する前置品詞確率Ｐ_e
（ｈ_e）を記録し、品詞抽出処理２１で指定された品詞
ｈ_eから前置品詞確率Ｐ_e（ｈ_e）を検索できる。

【００７５】後置品詞確率テーブル２５は、品詞ｈ
_b（ｈ_b＝１，２，…，ｒ）に対する後置確率Ｐ_b（ｈ
_b）を記録し、品詞抽出処理２１で指定された品詞ｈ_b
から後置品詞確率Ｐ_b（ｈ_b）を検索できる。

【００７６】累積確率テーブル２６は、区間ｉ_p（ｉ_p
＝１，２，…，ｎ_p）に対する累積確率Ｐ_p（ｉ_p）を
記録し、区間抽出処理２２で指定された区間ｉ_pから累
積確率Ｐ_p（ｉ_p）を検索できる。

【００７７】なお、上記の前置品詞確率テーブル２４と
後置品詞確率テーブル２５は、品詞による分類を採用し
たが、単語あるいは、意味カテゴリによる分類にも容易
に拡張できる。

【００７８】図１３は、本発明の第２の実施例の平均化
無ポーズ推定方式におけるテーブルの具体例を示す。同
図により、品詞別無ポーズ区間推定方式で用いた図９の
ポーズ付与処理の具体例に対して、次の前提条件を仮定
する。ここでは、図１３の前置品詞確率テーブル２４、
後置品詞確率テーブル２５及び累積確率テーブル２６を
適用する。区間は、区間１ … ０≦ｍ＜４区間２ … ４≦ｍ＜７区間３ … ７≦ｍ＜１０に分割する。・(5) 式の線形識別関数Ｇは、Ｇ＝Ｐ_e（ｈ_e）＋Ｐ_b（ｈ_b）＋Ｐ_p（ｉ_p）−０．
５とする。

【００７９】図１４は、本発明の第２の実施例の平均化
無ポーズ区間推定方式によるポーズ付与処理仮定の例を
示す。

【００８０】同図、図９の具体例に対するポーズの処理
仮定を示す。先頭のアクセント句境界に対してポーズの
判定をする。図１４ではアクセント句境界が１の行に相
当する。無ポーズ区間モーラ数は、文頭からのモーラ数であ
り、モーラ数ｍはｍ＝９である。アクセント句境界の前後の品詞は、それぞれ品詞ｈ_e
＝助詞、品詞ｈ_b＝動詞である。区間は、ｉ_p＝３である。前置品詞確率テーブル２４から前置品詞確率Ｐ_e（助
詞）＝０．３を、後置品詞確率テーブル２５から後置品
詞確率Ｐ_b（動詞）＝０．２を、累積確率テーブル２６
から累積確率Ｐ_p（３）＝０．２を得る。線形識別関数Ｇについて、Ｇ＝０．３＋０．２＋０．２−０．５＝０．２≧０であるので、ポーズを設定する。

【００８１】他のアクセント句境界についても同様にポ
ーズの有無を判定する。その結果、品詞別無ポーズ区間
推定方式と同一の図９のアクセント・ポーズ情報付きカ
ナ列５を導出できる。

【００８２】

【発明の効果】上述のように、本発明の品詞別無ポーズ
区間推定方式によれば、アクセント句境界の直前の単語
の品詞と無ポーズ区間モーラ数が属する前置品詞区間と
に対応してポーズが置かれる確率と、アクセント句境界
の直後の単語の品詞と無ポーズ区間モーラ数が属する後
置品詞区間とに対応してポーズが置かれる確率による線
形識別関数により、ポーズを挿入するか否かを判定して
いる。

【００８３】また、本発明の平均化無ポーズ区間推定方
式によれば、無ポーズ区間モーラ数が属する区間に対応
してポーズが置かれる確率と、アクセント句境界の前後
の単語の品詞に応じてポーズが置かれる確率による線形
識別関数により、ポーズを挿入するか否かを判定してい
る。

【００８４】このため、ポーズの挿入間隔や、個数を適
切に設置できるようになり、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】

【図１】本発明の第１の原理構成図である。

【図２】本発明の第２の原理構成図である。

【図３】本発明で対象とする合成音声出力装置の構成例
を示す図である。

【図４】形態素解析処理の処理例を示すフローチャート
である。

【図５】読み付与処理とアクセント付与処理の処理例の
フローチャートである。

【図６】本発明の第１の実施例の品詞別無ポーズ区間推
定方式の構成を示す図である。

【図７】本発明の第１の実施例の確率テーブルの検索処
理の構成例を示す図である。

【図８】本発明の第１の実施例の品詞別無ポーズ区間推
定方式によるテーブルの具体例を示す図である。

【図９】本発明のポーズ付与処理の具体例を示すフロー
チャートである。

【図１０】本発明の第１の実施例の品詞別無ポーズ区間
推定方式によるポーズ付与処理の過程例を示す図であ
る。

【図１１】本発明の第２の実施例の平均化無ポーズ区間
推定方式によるポーズ付与処理の構成例を示す図であ
る。

【図１２】本発明の第２の実施例の平均化無ポーズ推定
方式における確率テーブル検索処理の構成例を示す図で
ある。

【図１３】本発明の第２の実施例の平均化無ポーズ推定
方式におけるテーブルの具体例を示す図である。

【図１４】本発明の第２の実施例の平均化無ポーズ区間
推定方式によるポーズ付与処理過程例を示す図である。

【符号の説明】

１漢字かな混じり文２形態素解析処理３文法情報付き分かち書き単語列４韻律付与処理４−１読み付与処理４−２アクセント付与処理４−３アクセント情報付きカナ列４−４ポーズ付与処理５アクセント・ポーズ情報付きカナ列６合成音声出力処理１１，２１品詞抽出処理１２，２２区間抽出処理１３，２３確率テーブル検索処理１４前置品詞累積確率テーブル１５後置品詞累積確率テーブル１６線形識別関数演算処理２４前置品詞確率テーブル２５後置品詞確率テーブル２６累積確率テーブル２７線形識別関数演算処理１００漢字かな混じり分１０１品詞導出手段１０２品詞区間導出手段１０３前置品詞累積テーブル１０４後置品詞累積テーブル１０５累積確率検索手段１０６ポーズ挿入手段２０１前置品詞確率テーブル２０２後置品詞確率テーブル２０３累積確率テーブル２０４確率検索手段２０５ポーズ挿入手段

Claims

【特許請求の範囲】

【請求項１】漢字かな混じり文を入力して、形態素解
析を行い、各単語の品詞を求めることにより、アクセン
ト句単位にアクセントを付与して、アクセント句境界に
ポーズを付与した読みかな列を作成して、該読みかな列
を音声合成装置で音声に変換する音声合成装置内のアク
セント句境界にポーズを付与する処理において、該漢字かな混じり文の各アクセント句境界について、直
前の単語の品詞ｈ_eと直後の単語の品詞ｈ_bを導出する
品詞導出手段と、ポーズがあるアクセント境界までのモーラ数が属する該
前置品詞区間ｉ_eと後置品詞区間ｉ_bを導出する品詞区
間導出手段と、直前の単語が品詞ｈ_eであるアクセント句境界の集合に
対して、ポーズがあるアクセント境界までのモーラ数に
応じて、区間１〜区間ｎ_eに分類した前置品詞区間ｉ_e
を設定し、該モーラ数が区間１〜区間ｉ_e（１≦ｉ_e≦
ｎ_e）のいずれかの前置品詞区間に属する前置品詞累積
確率Ｐ_e（ｈ_e，ｉ_e）を記録する前置品詞累積確率テ
ーブルと、直後の単語が品詞ｈ_bであるアクセント句境界の集合に
対してポーズがあるアクセント境界までのモーラ数に応
じて、区間１〜区間ｎ_bに分類した後置品詞区間設定
し、該モーラ数が区間１〜区間ｉ_b（１≦ｉ_b≦ｎ_b）
のいずれかの後置品詞区間に属する後置品詞累積確率Ｐ
_b（ｈ_b，ｉ_b）を記録する後置品詞累積確率テーブル
と、該品詞導出手段により導出された該直前の単語の品詞ｈ
_eと該直後の単語の品詞ｈ_bを用いて、該前置品詞累積
確率テーブルと該後置品詞累積確率テーブルからそれぞ
れ前置品詞累積確率Ｐ_e（ｈ_e，ｉ_e）と後置品詞累積
確率Ｐ_b（ｈ_b，ｉ_b）を検索する累積確率検索手段
と、該累積確率検索手段により検索された該前置品詞累積確
率Ｐ_e（ｈ_e，ｉ_e）と該後置品詞累積確率Ｐ
_b（ｈ_b，ｉ_b）を用いて、線形識別関数Ｇ＝Ｃ₁×Ｐ_e（ｈ_e，ｉ_e）＋Ｃ₂×Ｐ_b（ｈ_b，ｉ
_b）＋Ｃ₃ （但し、Ｃ₁，Ｃ₂，Ｃ₃は定数）を計算し、該線形識
別関数Ｇ≧０であるときに、各アクセント句境界にポー
ズを挿入するポーズ挿入手段とを含むことを特徴とする
合成音声ポーズ設定方式。
【請求項２】漢字かな混じり文を入力して、形態素解
析を行い、各単語の品詞を求めることにより、アクセン
ト句単位にアクセントを付与して、アクセント句境界に
ポーズを付与した読みかな列を作成して、該読みかな列
を音声合成装置で音声に変換する音声合成装置内のアク
セント句境界にポーズを付与する処理において、該漢字かな混じり文の各アクセント句境界について、直
前の単語の品詞ｈ_eと直後の単語の品詞ｈ_bを導出する
品詞導出手段と、ポーズがあるアクセント境界までのモーラ数が属する該
区間ｉ_pを導出する区間導出手段と、該品詞導出手段により該直前の単語が品詞ｈ_eであるア
クセント句境界の集合に対してポーズが置かれる確率を
記録する前置品詞確率テーブルと、該品詞導出手段により該直後の単語が品詞ｈ_bであるア
クセント句境界の集合に対してポーズが置かれる確率を
記録する後置品詞確率テーブルと、該区間導出手段で導出された該区間ｉ_pを用いて、ポー
ズがあるアクセント句境界までのモーラ数に応じて区間
１〜区間ｎ_pに分類した区間を設定し、該モーラ数が区
間１〜区間ｉ_p（１≦ｉ_p≦ｎ_p）のいずれかの区間に
属する累積確率Ｐ_p（ｉ_p）を記録する累積確率テーブ
ルと、該累積確率テーブル、該前置品詞確率テーブル及び、該
後置品詞確率テーブルからそれぞれ累積確率Ｐ
_p（ｉ_p），前置品詞確率Ｐ_e（ｈ_e）、及び後置品詞
確率Ｐ_b（ｈ_b）を検索する確率検索手段と、該確率検索手段で検索された該累積確率Ｐ_p（ｉ_p），
該前置品詞確率Ｐ_e（ｈ_e）、及び該後置品詞確率Ｐ_b
（ｈ_b）を用いて、線形識別関数Ｇ＝Ｃ₁×Ｐ_e（ｈ_e）＋Ｃ₂×Ｐ_b（ｈ_b）＋Ｃ₃×
Ｐ_p（ｉ_p）＋Ｃ₄ （但し、Ｃ₁，Ｃ₂，Ｃ₃，Ｃ₄は定数₎を計算し、該
線形識別関数Ｇ≧０であるときに、該各アクセント句境
界にポーズを挿入するポーズ挿入手段とを含むことを特
徴とする合成音声ポーズ設定方式。