JPH06161493A - 音声合成装置の長音処理方式 - Google Patents

Abstract

(57)【要約】 【目的】 長音を含む入力文に対して自然性を高めた合
成音声を得る。 【構成】 入力文について、日本語処理部２は長音も１
つの音素とした音素列データと各音素の多段階アクセン
ト量及び多段階継続時間長変化量データを求め、各音素
のピッチパターンデータファイル３Ａ₂には長音も含め
た個別のピッチパターンデータを用意して非長音と区別
した長音のピッチパターンを生成処理部３Ａ₁で生成
し、継続時間長についても時間長データファイル３Ｃ₂
に長音のデータを用意し、変化量データに従って音素定
数テーブルファイル３Ｃ₃による継続時間の補正に非長
音と区別した補正をし、これにより非長音と区別した長
音に対する合成音声を得る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、規則合成方式の音声合
成装置において、ホストコンピュータ等から入力された
文字コードを韻律パラメータに変換する韻律処理のうち
長音処理方式に関する。

【０００２】

【従来の技術】規則合成方式の音声合成装置は、入力文
字列を構文解析や形態素解析によって単語・文節に区切
ると共にイントネーションやアクセントを決定し、単語
や文節を音節や音素にまで分解し、音節又は音素単位の
音源波及び調音フィルタのパラメータを求め、音源波に
対する調音フィルタの応答出力として合成音声を得る。

【０００３】韻律処理にはイントネーションやアクセン
トや生成するピッチパターンによって音節や音素単位の
ピッチ周波数（基本周波数）を調節したピッチパターン
パラメータ生成と、各音の強さを調節するエネルギーパ
ターンパラメータ生成と、各音の強さを調節する継続時
間長パラメータ生成などを行う。

【０００４】図２は従来の規則音声合成方式による韻律
処理方式を示す。ホイストコンピュータ１等から与えら
れる漢字かな混じり文に対し、日本語処理部２により構
文解析や形態素解析によってイントネーションを含むア
クセント決定と音素列データの生成をする。

【０００５】韻律処理部３は音素列データの各音素につ
いてアクセントデータからピッチ周波数を決定するピッ
チパターン生成部３Ａと、各音素についてその基本エネ
ルギーデータをピッチパターンパラメータから決定する
エネルギーパターン生成部３Ｂと、各音素についてその
継続時間長を決定する時間長算出部３Ｃとを備える。

【０００６】合成処理部４は韻律処理結果としての各パ
ラメータから調音フィルタ等を介して合成音信号を得、
音声出力装置５から合成音声を得る。

【０００７】

【発明が解決しようとする課題】従来の方式において、
入力文に対してアクセント変化パターンは高／低の２段
階で与えられる。また音素継続時間長は音韻環境や文節
区切り内モーラ数によって決められ、発声速度変更のた
め入力文全体の時間長を一律に変化させる。

【０００８】ここで、人の発声になる肉声の韻律パター
ンはアクセント変化パターンについては連続的に変化す
るもので、２段階のアクセント変化では粗すぎて音声品
質の向上が望めない。この点については多段階のアクセ
ントパターンを与える方式を本願出願人は既に提案して
いる。

【０００９】この多段階アクセント方式も含めて、長音
と非長音に対するアクセント変化部分は一律に与えられ
るものであった。

【００１０】しかしながら、アクセント即ち音素に与え
られるピッチパターンはアクセント変化をする部分では
人が発声した長音には変化量最大点が母音重心部よりも
前方にあるのに対し、非長音では母音重心部付近にある
という違いがあり、従来方式では合成音に不自然性が表
れる。

【００１１】同様に、音素継続時間長については、長音
では局所的な強調や抑制をした場合に非長音の変化幅に
比べて大きく変化し、例えば母音部変化幅＞有声子音部
変化幅＞無声子音部変化幅の関係が見られる。

【００１２】本発明の目的は、長音を含む入力文に対し
て自然性を高めた合成音声を得る長音処理方式を提供す
ることにある。

【００１３】

【課題を解決するための手段】本発明は、前記課題の解
決を図るため、規則合成方式による音声合成装置におい
て、入力文から長音も１つの音素とした音素列データと
各音素の多段階アクセント量データ及び多段階継続時間
長変化量を求める手段と、前記音素列データとアクセン
ト量データから長音も含めたピッチパターンを生成する
手段と、前記音素列データと継続時間長変化量から長音
も含めた音素継続時間長を算出する手段とを備え、前記
ピッチパターンと音素継続時間長及び音素のエネルギー
パターンをパラメータとして音声信号を合成することを
特徴とする。

【００１４】

【作用】音素列データには長音も１つの音素として生成
し、この長音に対応づけてピッチパターンデータ及び継
続時間長変化量補正分データを用意しておき、長音に対
するピッチパターン及び継続時間を非長音とは区別して
生成する。

【００１５】

【実施例】図１は本発明の一実施例を示す韻律処理方式
である。日本語処理部２は、アクセントとして多段階
（３以上）のアクセントパターンと音素列データ及び各
音素についての多段階の音素継続時間長変化量を発生す
る。このとき、長音も１つの音素データとして処理す
る。

【００１６】ピッチパターン生成処理部３Ａ₁とピッチ
パターンデータファイル３Ａ₂からなるピッチパターン
生成部は、ファイル３Ａ₂に各音素のアクセント基本デ
ータを有し、このデータを当該音素とその前後（先行音
素，後続音素）との関係及び多段階アクセントに従って
ピッチパターンを調節する。

【００１７】この調節に際し、ピッチパターンデータフ
ァイル３Ａ₂には人の音声のピッチパターン分析に従っ
たデータが保存されるが、このデータには非長音と区別
した長音も含めたデータが追加される。そして、日本語
処理部２から与えられる音素には長音と非長音を含めた
多段階アクセントコードが与えられ、このコードによっ
て生成されるピッチパターンデータも長音と非長音が区
別されたものにされる。

【００１８】例えば、長音を２つ含む「東京」の例では
音素列は「’ト’’ー’’キョ’’ー’」の４つで与え
られ、それに対するアクセントパターンには５段階の場
合には「２４４３」が与えられる。

【００１９】次に、音素継続時間長算出処理部３Ｃ₁と
時間長データファイル３Ｃ₂及び音素定数テーブル３Ｃ₃
からなる時間長算出部は、当該音素の時間長データを基
本継続時間長とし、日本語処理部から与えられる音素継
続時間長変化量と人の音声の継続時間長を統計処理した
音素定数データを使って基本継続時間長を補正するが、
音素定数テーブルファイル３Ｃ₃のデータには長音も含
めたデータが追加され、長音と非長音が区別された継続
時間長補正がなされる。

【００２０】このとき、日本語処理部２からの多段階の
音素継続時間長変化量がコードとして音素列データと共
に与えられ、例えば前述の「東京」の例では変化量コー
ド「２３３４」が与えられる。

【００２１】従って、長音を含む入力文に対する韻律処
理には長音専用のピッチパターン及び音素継続時間長補
正量によって非長音と区別したパラメータを得ることが
でき、長音が入力されたときに人の音声に近づけたピッ
チパターン及び継続時間長にして自然性の高い合成音声
を得ることができる。

【００２２】

【発明の効果】以上のとおり、本発明によれば、長音を
１つの音素としてそのピッチパターン及び継続時間長を
非長音と区別して生成するようにしたため、以下の効果
がある。

【００２３】（１）長音が入力された場合、より自然な
ピッチパターンが生成できる。

【００２４】（２）長音が入力された場合、より精密に
音素継続時間長の局所的な強調や抑制が実現できる。

【００２５】（３）以上より、長音が入力された場合、
自然な合成音声が得られる。

【図面の簡単な説明】

【図１】本発明の一実施例を示す構成図。

【図２】従来の構成図。

【符号の説明】

２…日本語処理部 ３…韻律処理部 ４…合成処理部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 規則合成方式による音声合成装置におい
   て、 入力文から長音も１つの音素とした音素列データと各音
   素の多段階アクセント量データ及び多段階継続時間長変
   化量を求める手段と、 前記音素列データとアクセント量データから長音も含め
   たピッチパターンを生成する手段と、 前記音素列データと継続時間長変化量から長音も含めた
   音素継続時間長を算出する手段とを備え、 前記ピッチパターンと音素継続時間長及び音素のエネル
   ギーパターンをパラメータとして音声信号を合成するこ
   とを特徴とする音声合成装置の長音処理方式。