JPH06250691A - 音声合成装置 - Google Patents
音声合成装置Info
- Publication number
- JPH06250691A JPH06250691A JP5059385A JP5938593A JPH06250691A JP H06250691 A JPH06250691 A JP H06250691A JP 5059385 A JP5059385 A JP 5059385A JP 5938593 A JP5938593 A JP 5938593A JP H06250691 A JPH06250691 A JP H06250691A
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- segment
- parameter
- phoneme
- phonological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Document Processing Apparatus (AREA)
Abstract
(57)【要約】
【目的】 ファイル作成に使用する話者データを意識す
ることなしに、音質劣化の少ない自然な合成音声を生成
する構成の音声合成装置を提供する。 【構成】 前処理部１２で分割された音韻連接に基づ
き、選択基準パラメタ設定部１３は、合成パラメタであ
る波形素片の選択に用いる選択基準パラメタとこの波形
素片の素片パラメタを設定する。素片選択部２４では、
設定された選択基準パラメタと、素片パラメタテーブル
１５から取り込んだ素片パラメタとの間でその２乗誤差
を算出し、この２乗誤差が最小となる波形素片を当該音
韻連接に対する最適素片として選択する。素片接続部１
７は選択された最適素片を素片ファイル１６から抽出
し、音韻連接毎に素片接続部１７で接続して合成音声と
なす。
ることなしに、音質劣化の少ない自然な合成音声を生成
する構成の音声合成装置を提供する。 【構成】 前処理部１２で分割された音韻連接に基づ
き、選択基準パラメタ設定部１３は、合成パラメタであ
る波形素片の選択に用いる選択基準パラメタとこの波形
素片の素片パラメタを設定する。素片選択部２４では、
設定された選択基準パラメタと、素片パラメタテーブル
１５から取り込んだ素片パラメタとの間でその２乗誤差
を算出し、この２乗誤差が最小となる波形素片を当該音
韻連接に対する最適素片として選択する。素片接続部１
７は選択された最適素片を素片ファイル１６から抽出
し、音韻連接毎に素片接続部１７で接続して合成音声と
なす。
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、合成パラメタに、自然
音声から切り出された波形素片を用い、入力文字列から
合成音声を生成する音声合成装置に関する。
音声から切り出された波形素片を用い、入力文字列から
合成音声を生成する音声合成装置に関する。
【０００２】
【従来の技術】図６はこの種の従来の音声合成装置の構
成図であり、６１は入力端子、６２は前処理部、６３は
選択基準パラメタ設定部、６４は素片選択部、６５は波
形辞書、６６は波形ファイル、６７は素片変形部、６８
は素片接続部、６９は出力端子を表す。
成図であり、６１は入力端子、６２は前処理部、６３は
選択基準パラメタ設定部、６４は素片選択部、６５は波
形辞書、６６は波形ファイル、６７は素片変形部、６８
は素片接続部、６９は出力端子を表す。
【０００３】前処理部６２は、入力端子６１から入力さ
れた音素記号、アクセント情報（アクセント記号等）を
含む入力文字列を解析して音韻連接（音韻連鎖と同義、
以下同じ）に分解するものであり、選択基準パラメタ設
定部６３は、音韻連接とアクセント記号から、合成パラ
メタである波形素片の選択基準となる選択基準パラメタ
と、選択対象となる波形素片を格納したファイルとを設
定するものである。素片選択部６４は、音韻連接に対す
る最適素片を波形辞書６５から選択するものである。具
体的には、上記設定された選択基準パラメタを用いて下
式により評価関数Ｐを算出し、その値が最小値となる波
形を選択する。
れた音素記号、アクセント情報（アクセント記号等）を
含む入力文字列を解析して音韻連接（音韻連鎖と同義、
以下同じ）に分解するものであり、選択基準パラメタ設
定部６３は、音韻連接とアクセント記号から、合成パラ
メタである波形素片の選択基準となる選択基準パラメタ
と、選択対象となる波形素片を格納したファイルとを設
定するものである。素片選択部６４は、音韻連接に対す
る最適素片を波形辞書６５から選択するものである。具
体的には、上記設定された選択基準パラメタを用いて下
式により評価関数Ｐを算出し、その値が最小値となる波
形を選択する。
【０００４】
【数１】 Ｐ＝α×（ｎ'-ｎ）／σｎ＋（１-α）×（Ｗ'-Ｗ）／σω ・・・・・・(1) 但し、 Ｗ＝ωv×｜（ＶtーＶi）／σv｜2＋ωf×｜（Ｆt-Ｆi）／σf｜2 ＋ωt×｜（ＴtーＴi）／σt｜2＋ωa×｜（ＡtーＡi）／σa｜2 ｎ＝１／ｅN
【０００５】上式において、αは音韻環境と韻律特性に
関するバランス係数、ｎは音韻環境係数、Ｗは韻律特性
係数、ｎ'及びＷ'は音韻環境係数ｎ及び韻律特性係数Ｗ
の平均値、Ｎは最大一致音韻数、Ｖは平均ピッチ周波数
（ＨZ）、Ｆはピッチ傾斜、Ｔは継続時間、Ａは平均パ
ワ値（ＲＭＳ値）、σ,σv,σf,σt,σaは素片パラメタ
に対する平均ピッチ周波数等の分散値、ω,ωv,ωf,ω
t,ωaは平均ピッチ周波数等に関する重み係数、ｔは選
択基準パラメタを表す添字、ｉは素片パラメタを表す添
字を表す。なお、バランス係数α及び重み係数ω,ωv,
ωf,ωt,ωaは、経験的に設定される変数であり、一定
値ではない。
関するバランス係数、ｎは音韻環境係数、Ｗは韻律特性
係数、ｎ'及びＷ'は音韻環境係数ｎ及び韻律特性係数Ｗ
の平均値、Ｎは最大一致音韻数、Ｖは平均ピッチ周波数
（ＨZ）、Ｆはピッチ傾斜、Ｔは継続時間、Ａは平均パ
ワ値（ＲＭＳ値）、σ,σv,σf,σt,σaは素片パラメタ
に対する平均ピッチ周波数等の分散値、ω,ωv,ωf,ω
t,ωaは平均ピッチ周波数等に関する重み係数、ｔは選
択基準パラメタを表す添字、ｉは素片パラメタを表す添
字を表す。なお、バランス係数α及び重み係数ω,ωv,
ωf,ωt,ωaは、経験的に設定される変数であり、一定
値ではない。
【０００６】波形ファイル６６は、小説・随筆等の文章
音声データを文書毎にファイル番号を付与してそのまま
格納しており、素片の集合という形態をとっていない。
また、素片変形部６７では、前述の素片選択部６４で選
択された最適素片を波形ファイル６６より読み出し、前
記選択基準パラメタに一致するよう、選択基準パラメタ
毎に所定の変形処理を行っている。素片接続部６８は、
変形された最適素片を音韻連接毎に順次接続して合成音
声を生成し、これを出力端子６９に出力する。
音声データを文書毎にファイル番号を付与してそのまま
格納しており、素片の集合という形態をとっていない。
また、素片変形部６７では、前述の素片選択部６４で選
択された最適素片を波形ファイル６６より読み出し、前
記選択基準パラメタに一致するよう、選択基準パラメタ
毎に所定の変形処理を行っている。素片接続部６８は、
変形された最適素片を音韻連接毎に順次接続して合成音
声を生成し、これを出力端子６９に出力する。
【０００７】
【発明が解決しようとする課題】ところで、前述のよう
に、素片選択部６４の評価関数Ｐにおけるバランス係数
α及び重み係数ω,ωv,ωf,ωt,ωaは、経験的に設定さ
れており、波形ファイル６６の作成に用いた特定話者
（以下第一の話者）用にチューニングされた数値であ
る。従って、この第一の話者と異なる第三者（以下、第
二の話者）用の波形ファイル６６を新規に作成する場合
は、各係数α、ω,ωv,ωf,ωt,ωaを第二の話者用に再
チューニングしなければならないという第一の課題があ
った。
に、素片選択部６４の評価関数Ｐにおけるバランス係数
α及び重み係数ω,ωv,ωf,ωt,ωaは、経験的に設定さ
れており、波形ファイル６６の作成に用いた特定話者
（以下第一の話者）用にチューニングされた数値であ
る。従って、この第一の話者と異なる第三者（以下、第
二の話者）用の波形ファイル６６を新規に作成する場合
は、各係数α、ω,ωv,ωf,ωt,ωaを第二の話者用に再
チューニングしなければならないという第一の課題があ
った。
【０００８】また、素片変形部６７における変形処理
は、例えばピッチ変形処理の場合、前述の選択基準パラ
メタと素片選択部６４で選択された最適素片との間でピ
ッチ変更比率を設定して行っている。しかし、その変更
比率が大きい場合は、元の最適素片の音質劣化を招く。
そのため、合成音声の自然性を向上させるには、素片変
形処理に対して高度な変形処理が要求されるという第二
の課題があった。この課題は、該当する音韻連接を含む
最適素片が波形ファイル６６中に存在しないという、波
形ファイル６６の構成にも関連している。
は、例えばピッチ変形処理の場合、前述の選択基準パラ
メタと素片選択部６４で選択された最適素片との間でピ
ッチ変更比率を設定して行っている。しかし、その変更
比率が大きい場合は、元の最適素片の音質劣化を招く。
そのため、合成音声の自然性を向上させるには、素片変
形処理に対して高度な変形処理が要求されるという第二
の課題があった。この課題は、該当する音韻連接を含む
最適素片が波形ファイル６６中に存在しないという、波
形ファイル６６の構成にも関連している。
【０００９】そこで、本発明は、上記課題に鑑み、ファ
イル作成に使用する話者データを意識することなしに、
音質劣化の少ない自然な合成音声を生成する構成の音声
合成装置を提供することを目的としている。
イル作成に使用する話者データを意識することなしに、
音質劣化の少ない自然な合成音声を生成する構成の音声
合成装置を提供することを目的としている。
【００１０】
【課題を解決するための手段】本発明では、音韻連接に
対する最適素片の選択尺度として、従来方式に代えて韻
律特性を重視し、選択基準パラメタからの誤差が最小と
なる韻律パラメタを特定し、この韻律パラメタに対応す
る素片を選択する方式とすることで前述の第一の課題の
解決を図る。また、自然音声中から切り出した波形素片
を用いる際に、切り出す音韻の音韻環境やアクセント情
報を考慮して複数個の波形素片を個別に管理することで
第二の課題の解決を図る。
対する最適素片の選択尺度として、従来方式に代えて韻
律特性を重視し、選択基準パラメタからの誤差が最小と
なる韻律パラメタを特定し、この韻律パラメタに対応す
る素片を選択する方式とすることで前述の第一の課題の
解決を図る。また、自然音声中から切り出した波形素片
を用いる際に、切り出す音韻の音韻環境やアクセント情
報を考慮して複数個の波形素片を個別に管理することで
第二の課題の解決を図る。
【００１１】具体的には、入力文字列を解析して音韻連
接に分解する前処理部と、複数の波形素片と各波形素片
の韻律パラメタとを格納する波形情報格納手段と、前記
音韻連接を含む波形素片の韻律パラメタを前記波形情報
格納手段より抽出するとともに、抽出した韻律パラメタ
のうち、波形素片の選択基準として設定した選択基準パ
ラメタからの誤差が最小となるものに対応する特定の波
形素片を選択する素片選択手段と、選択した波形素片を
音韻連接毎に順次接続して合成音声を生成する素片接続
部と、を備えた音声合成装置とする。
接に分解する前処理部と、複数の波形素片と各波形素片
の韻律パラメタとを格納する波形情報格納手段と、前記
音韻連接を含む波形素片の韻律パラメタを前記波形情報
格納手段より抽出するとともに、抽出した韻律パラメタ
のうち、波形素片の選択基準として設定した選択基準パ
ラメタからの誤差が最小となるものに対応する特定の波
形素片を選択する素片選択手段と、選択した波形素片を
音韻連接毎に順次接続して合成音声を生成する素片接続
部と、を備えた音声合成装置とする。
【００１２】なお、前記波形情報格納手段は、前記音韻
連接と該音韻連接の中心音韻に対するアクセント情報と
を含む複数の音韻環境の波形素片を自然音声中から切り
出して個別に格納する素片格納手段と、各波形素片に対
応する韻律パラメタを格納した素片パラメタテーブルと
から成り、更に、前記誤差は、好ましくは、前記選択基
準パラメタと個々の韻律パラメタとの差分を各韻律パラ
メタの変動幅で除した値の２乗の和とする。
連接と該音韻連接の中心音韻に対するアクセント情報と
を含む複数の音韻環境の波形素片を自然音声中から切り
出して個別に格納する素片格納手段と、各波形素片に対
応する韻律パラメタを格納した素片パラメタテーブルと
から成り、更に、前記誤差は、好ましくは、前記選択基
準パラメタと個々の韻律パラメタとの差分を各韻律パラ
メタの変動幅で除した値の２乗の和とする。
【００１３】
【作用】波形情報格納手段から抽出した波形素片のう
ち、選択基準パラメタに対する韻律パラメタの誤差が最
小になるものを選択することにより、音韻連接毎に設定
値に最も近いものが得られる。特に、前記誤差として２
乗誤差を用いることで、誤差の方向を考慮した選択が可
能となり、波形素片の柔軟性がより向上する。これは話
者データが変わっても略同一結果となり、従来の第一の
課題が解決される。
ち、選択基準パラメタに対する韻律パラメタの誤差が最
小になるものを選択することにより、音韻連接毎に設定
値に最も近いものが得られる。特に、前記誤差として２
乗誤差を用いることで、誤差の方向を考慮した選択が可
能となり、波形素片の柔軟性がより向上する。これは話
者データが変わっても略同一結果となり、従来の第一の
課題が解決される。
【００１４】また、波形情報格納手段には、音韻連接を
含む複数の波形素片が自然音声中から切り出される際
に、各韻律パラメタと共に個別に素片格納手段に格納さ
れる。従って、選択する波形素片のバリエーションが従
来に比べて格段に増え、複雑な素片変形処理が不要とな
るので、選択された波形素片（最適素片）の音質劣化も
無くなる。これにより、従来の第二の課題が解決され
る。
含む複数の波形素片が自然音声中から切り出される際
に、各韻律パラメタと共に個別に素片格納手段に格納さ
れる。従って、選択する波形素片のバリエーションが従
来に比べて格段に増え、複雑な素片変形処理が不要とな
るので、選択された波形素片（最適素片）の音質劣化も
無くなる。これにより、従来の第二の課題が解決され
る。
【００１５】
【実施例】以下、図面を参照して本発明の実施例を説明
する。図１は本発明の一実施例に係る音声合成装置の構
成図であり、従来装置を表す図６に対応する。図１にお
いて、１１は入力端子、１２は前処理部、１３は選択基
準パラメタ設定部、１４は素片選択部、１５は素片パラ
メタテーブル、１６は素片ファイル、１７は素片接続
部、１８は出力端子を表す。
する。図１は本発明の一実施例に係る音声合成装置の構
成図であり、従来装置を表す図６に対応する。図１にお
いて、１１は入力端子、１２は前処理部、１３は選択基
準パラメタ設定部、１４は素片選択部、１５は素片パラ
メタテーブル、１６は素片ファイル、１７は素片接続
部、１８は出力端子を表す。
【００１６】素片パラメタテーブル１５は、予め自然音
声中から切り出した各波形素片の韻律パラメタ（以下、
素片パラメタ）を格納するものである。素片ファイル１
６は、音韻連接と各音韻連接の中心音韻に対するアクセ
ントの有無に従って、該当する波形素片を自然音声中か
ら切り出して個別に複数個格納するものである。
声中から切り出した各波形素片の韻律パラメタ（以下、
素片パラメタ）を格納するものである。素片ファイル１
６は、音韻連接と各音韻連接の中心音韻に対するアクセ
ントの有無に従って、該当する波形素片を自然音声中か
ら切り出して個別に複数個格納するものである。
【００１７】図２は、これら素片パラメタテーブル１５
と素片ファイル１６との相互関係を示す概念図である。
図２に示すように、素片パラメタテーブル１５及び素片
ファイル１６は、切り出した自然音声中の波形素片毎に
複数組準備され、音韻連接２１とアクセントの有無を表
すアクセント記号に応じて特定のものが設定されるよう
になっている。
と素片ファイル１６との相互関係を示す概念図である。
図２に示すように、素片パラメタテーブル１５及び素片
ファイル１６は、切り出した自然音声中の波形素片毎に
複数組準備され、音韻連接２１とアクセントの有無を表
すアクセント記号に応じて特定のものが設定されるよう
になっている。
【００１８】以下、図１を参照して各ブロックの処理を
説明する。まず、入力端子１１から入力された文字列
を、前処理部１２で音韻連接に分割する。この文字列に
は、音素記号やアクセント記号が含まれている。選択基
準パラメタ設定部１３では、音韻連接とアクセント記号
から合成パラメタである波形素片の選択に用いる選択基
準パラメタ、即ち、平均ピッチ周波数Ｖt、ピッチ傾斜
Ｆt、時間長Ｔt、及び、平均パワ（ＲＭＳ値）Ａtと、
前記波形素片を格納した素片ファイル（以下、選択ファ
イル）の素片パラメタ、即ち、平均ピッチ周波数Ｖi、
ピッチ傾斜Ｆi、時間長Ｔi、平均パワ（ＲＭＳ値）Ａi
とを設定する。
説明する。まず、入力端子１１から入力された文字列
を、前処理部１２で音韻連接に分割する。この文字列に
は、音素記号やアクセント記号が含まれている。選択基
準パラメタ設定部１３では、音韻連接とアクセント記号
から合成パラメタである波形素片の選択に用いる選択基
準パラメタ、即ち、平均ピッチ周波数Ｖt、ピッチ傾斜
Ｆt、時間長Ｔt、及び、平均パワ（ＲＭＳ値）Ａtと、
前記波形素片を格納した素片ファイル（以下、選択ファ
イル）の素片パラメタ、即ち、平均ピッチ周波数Ｖi、
ピッチ傾斜Ｆi、時間長Ｔi、平均パワ（ＲＭＳ値）Ａi
とを設定する。
【００１９】素片選択部２４では、設定された選択基準
パラメタと選択ファイル中の素片パラメタとの間で２乗
誤差を算出し、この２乗誤差が最小となる波形素片を音
韻連接に対する最適素片として選択する。この動作原理
を図３及び図４を参照して説明する。
パラメタと選択ファイル中の素片パラメタとの間で２乗
誤差を算出し、この２乗誤差が最小となる波形素片を音
韻連接に対する最適素片として選択する。この動作原理
を図３及び図４を参照して説明する。
【００２０】図３は、素片パラメタテーブル１５の内容
説明図であり、３１は素片パラメタテーブル名、３２は
素片抽出環境、３３は平均ピッチ周波数（ＨZ）Ｖ、３
４はピッチ傾斜Ｆ、３５は継続時間Ｔ、３６は平均パワ
値Ａ、３７は各パラメタ３３〜３６の夫々の最大値、３
８は各パラメタの夫々の最小値、３９は素片選択部１４
において選択の対称となるファイル番号を表す。
説明図であり、３１は素片パラメタテーブル名、３２は
素片抽出環境、３３は平均ピッチ周波数（ＨZ）Ｖ、３
４はピッチ傾斜Ｆ、３５は継続時間Ｔ、３６は平均パワ
値Ａ、３７は各パラメタ３３〜３６の夫々の最大値、３
８は各パラメタの夫々の最小値、３９は素片選択部１４
において選択の対称となるファイル番号を表す。
【００２１】素片パラメタテーブル名称３１は、例え
ば、素片抽出環境３２のインデックスとして機能させ
る。図示の例では＃ｆｕｒｉ＃〜＃ｆｕｒｉｉｋｉｋｋ
ｕ＃を表出するための一例が記載されている。また、各
パラメタ３３〜３６及び最大値３７等の数値は波形切り
出しの際に解析された値であり、固定的な数値である。
ば、素片抽出環境３２のインデックスとして機能させ
る。図示の例では＃ｆｕｒｉ＃〜＃ｆｕｒｉｉｋｉｋｋ
ｕ＃を表出するための一例が記載されている。また、各
パラメタ３３〜３６及び最大値３７等の数値は波形切り
出しの際に解析された値であり、固定的な数値である。
【００２２】図４は、素片選択部１４の詳細な動作原理
を示すフローチャートであり、Ｓは各処理のステップ番
号である。図４を参照すると、素片選択部１４では、ま
ず、選択基準パラメタ設定部１３で設定された選択基準
パラメタを読み込み（Ｓ４１）、各パラメタ３３〜３６
及びこれらの最大値３７及び最小値３８を素片パラメタ
テーブル１５より読み込む（Ｓ４２）。そして、各最大
値３７と最小値３８との差分を算出し、これをパラメタ
変動幅として後段に出力する（Ｓ４３）。次に、各選択
基準パラメタと選択ファイル中の素片パラメタとの差分
を当該パラメタの変動幅で除し、各々の２乗値の合計
（２乗誤差）を素片毎に算出する（Ｓ４４）。この２乗
誤差を最適素片の選択抽出尺度ＳＣ（Selection Criter
ia）として用いる。この算出処理を数式で表すと下式の
ようになる。
を示すフローチャートであり、Ｓは各処理のステップ番
号である。図４を参照すると、素片選択部１４では、ま
ず、選択基準パラメタ設定部１３で設定された選択基準
パラメタを読み込み（Ｓ４１）、各パラメタ３３〜３６
及びこれらの最大値３７及び最小値３８を素片パラメタ
テーブル１５より読み込む（Ｓ４２）。そして、各最大
値３７と最小値３８との差分を算出し、これをパラメタ
変動幅として後段に出力する（Ｓ４３）。次に、各選択
基準パラメタと選択ファイル中の素片パラメタとの差分
を当該パラメタの変動幅で除し、各々の２乗値の合計
（２乗誤差）を素片毎に算出する（Ｓ４４）。この２乗
誤差を最適素片の選択抽出尺度ＳＣ（Selection Criter
ia）として用いる。この算出処理を数式で表すと下式の
ようになる。
【００２３】
【数２】 ＳＣ＝（ＶtーＶi／wideＶ）2＋（ＦtーＦi／wideＦ）2 ＋（ＴtーＴi／wideＴ）2＋（ＡtーＡi／wideＡ）2 ・・・・・・・・・(2) （２≦ｉ≦１０） ここで、変数名wideＶ、wideＦ、wideＴ、wideＡは、夫
々Ｓ４３で得られた平均ピッチ周波数Ｖ、ピッチ傾斜
Ｆ、継続時間Ｔ、平均パワ値Ａのパラメタ変動幅であ
る。
々Ｓ４３で得られた平均ピッチ周波数Ｖ、ピッチ傾斜
Ｆ、継続時間Ｔ、平均パワ値Ａのパラメタ変動幅であ
る。
【００２４】また、音韻連接の中心音韻が無声化母音で
ある場合は、上記(2)式に示す２乗誤差のピッチ成分に
関する項を”０”とし、下式により算出する。
ある場合は、上記(2)式に示す２乗誤差のピッチ成分に
関する項を”０”とし、下式により算出する。
【００２５】
【数３】 ＳＣ＝（ＴtーＴi／wideＴ）2＋（ＡtーＡi／wideＡ）2 ・・・・・・・・・(3) （２≦ｉ≦１０）
【００２６】このようにして算出した２乗誤差の中で、
最小となる素片パラメタを有する波形素片を当該音韻連
接に対する最適素片として決定する（Ｓ４５）。そし
て、決定した最適素片に対応するファイル番号３９を後
続の素片接続部１７に出力し（Ｓ４６）、素片選択処理
を終える。
最小となる素片パラメタを有する波形素片を当該音韻連
接に対する最適素片として決定する（Ｓ４５）。そし
て、決定した最適素片に対応するファイル番号３９を後
続の素片接続部１７に出力し（Ｓ４６）、素片選択処理
を終える。
【００２７】素片接続部１７では、選択されたファイル
番号に従って素片ファイル１６から該当する素片を取り
込んで接続し、入力文字列に対応した合成音声を出力端
子１８に出力する。
番号に従って素片ファイル１６から該当する素片を取り
込んで接続し、入力文字列に対応した合成音声を出力端
子１８に出力する。
【００２８】なお、本実施例の音声合成装置は、波形素
片を合成結合単位とする従来装置と異なり、自然音声の
音韻環境やアクセント情報を個別に考慮した素片を合成
結合単位とするので、従来装置の素片変形部６７（図６
参照）は不要となる。
片を合成結合単位とする従来装置と異なり、自然音声の
音韻環境やアクセント情報を個別に考慮した素片を合成
結合単位とするので、従来装置の素片変形部６７（図６
参照）は不要となる。
【００２９】図５は、この実施例に従って作成された合
成音声”振込：ふりこみ：ｆｕｒｉｋｏｍｉ”の波形例
である。この図５において、縦軸は音声波形の振幅（×
１０3）、横軸は時間（ｍｓ）を表しており、511〜514
は素片抽出環境、521〜524は音韻連接、531〜534は各音
韻連接の中心音韻、541〜544は各中心音韻に対する最適
素片の音声波形を示している。図５を参照すると、音韻
連接”ｆｕ”、”ｒｉ”、”ｋｏ”、”ｍｉ”毎に夫々
固有の音声波形を有する素片が接続され、自然音声によ
り近くなっていることがわかる。これら素片は、素片フ
ァイル１６に格納された複数個の素片から、前述の２乗
誤差が最小値となるものが個別に抽出されているので、
話者が異なっても略同一の波形が得られ、従来のような
話者毎のチューニングが不要となる。
成音声”振込：ふりこみ：ｆｕｒｉｋｏｍｉ”の波形例
である。この図５において、縦軸は音声波形の振幅（×
１０3）、横軸は時間（ｍｓ）を表しており、511〜514
は素片抽出環境、521〜524は音韻連接、531〜534は各音
韻連接の中心音韻、541〜544は各中心音韻に対する最適
素片の音声波形を示している。図５を参照すると、音韻
連接”ｆｕ”、”ｒｉ”、”ｋｏ”、”ｍｉ”毎に夫々
固有の音声波形を有する素片が接続され、自然音声によ
り近くなっていることがわかる。これら素片は、素片フ
ァイル１６に格納された複数個の素片から、前述の２乗
誤差が最小値となるものが個別に抽出されているので、
話者が異なっても略同一の波形が得られ、従来のような
話者毎のチューニングが不要となる。
【００３０】このように、本実施例によれば、従来装置
よりも極めて簡易な構成で、より明瞭性、自然性に優れ
た合成音声生成が可能になる。なお、本発明はこの実施
例の構成に限定されるものではなく、その要旨を逸脱し
ない範囲で任意に構成の変更が可能である。例えば、こ
の実施例では、最適素片の選択尺度ＳＣとして、基準値
との最小２乗誤差を満たす形式について説明したが、こ
れは各誤差の方向を考慮する上で好適となる例であっ
て、必ずしもこの構成に拘束されるものではない。他の
構成として、各パラメタをその変動幅で除したものの合
計、あるいは２乗誤差よりも高次乗数誤差の合計が夫々
最小となるものを選択するようにしても良い。
よりも極めて簡易な構成で、より明瞭性、自然性に優れ
た合成音声生成が可能になる。なお、本発明はこの実施
例の構成に限定されるものではなく、その要旨を逸脱し
ない範囲で任意に構成の変更が可能である。例えば、こ
の実施例では、最適素片の選択尺度ＳＣとして、基準値
との最小２乗誤差を満たす形式について説明したが、こ
れは各誤差の方向を考慮する上で好適となる例であっ
て、必ずしもこの構成に拘束されるものではない。他の
構成として、各パラメタをその変動幅で除したものの合
計、あるいは２乗誤差よりも高次乗数誤差の合計が夫々
最小となるものを選択するようにしても良い。
【００３１】
【発明の効果】以上説明したように、本発明の音声合成
装置は、分割された音韻連接毎に、選択基準パラメタに
対する韻律パラメタの誤差が最小になる波形素片を選択
し、これらを素片接続部で順次接合する構成なので、生
成される合成音声は、波形情報格納手段に格納された波
形素片のうち設定値（選択基準値）に最も近いものの結
合となる効果がある。これは、波形情報格納手段に格納
される波形素片に拘らず略同一となり、明瞭性に優れた
合成音声の生成が簡易な手段にて可能となる。特に、前
記誤差として２乗誤差を用いることで、誤差の方向を考
慮した選択が可能となり、上記効果がより顕著になる。
装置は、分割された音韻連接毎に、選択基準パラメタに
対する韻律パラメタの誤差が最小になる波形素片を選択
し、これらを素片接続部で順次接合する構成なので、生
成される合成音声は、波形情報格納手段に格納された波
形素片のうち設定値（選択基準値）に最も近いものの結
合となる効果がある。これは、波形情報格納手段に格納
される波形素片に拘らず略同一となり、明瞭性に優れた
合成音声の生成が簡易な手段にて可能となる。特に、前
記誤差として２乗誤差を用いることで、誤差の方向を考
慮した選択が可能となり、上記効果がより顕著になる。
【００３２】本発明では、また、音韻連接を含む複数の
音韻環境の波形素片を自然音声中から切り出して各韻律
パラメタと共に個別に格納するので、文書毎、あるいは
話者データ毎に格納する場合に比べて選択する波形素片
のバリエーションが格段に増え、複雑な素片変形処理が
不要となる効果がある。これにより、選択された波形素
片（最適素片）の音質劣化も無くなり、自然性に優れた
合成音声の生成が可能となる。
音韻環境の波形素片を自然音声中から切り出して各韻律
パラメタと共に個別に格納するので、文書毎、あるいは
話者データ毎に格納する場合に比べて選択する波形素片
のバリエーションが格段に増え、複雑な素片変形処理が
不要となる効果がある。これにより、選択された波形素
片（最適素片）の音質劣化も無くなり、自然性に優れた
合成音声の生成が可能となる。
【図面の簡単な説明】
【図１】本発明の一実施例に係る音声合成装置のブロッ
ク図。
ク図。
【図２】図１の構成による素片ファイルと素片パラメタ
テーブルとの概念構成図。
テーブルとの概念構成図。
【図３】図１の構成による素片パラメタテーブルの内容
説明図。
説明図。
【図４】図１の構成による素片選択部の処理手順を示す
フローチャート。
フローチャート。
【図５】本実施例により生成された”ふりこみ”の合成
波形例を示す図。
波形例を示す図。
【図６】従来の音声合成装置のブロック図。
１２，６２・・・前処理部 １３，６３・・・選択基準パラメタ設定部 １４，６４・・・素片選択部（素片選択手段） １５・・・素片パラメタテーブル（波形情報格納手段） １６・・・素片ファイル（波形情報格納手段） １７，６７・・・素片接続部 511〜514・・・素片抽出環境 521〜524・・・音韻連接 531〜534・・・音韻連接の中心音韻 541〜544・・・各中心音韻に対する最適素片の音声波形
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成５年１０月２５日
【手続補正１】
【補正対象書類名】図面
【補正対象項目名】図６
【補正方法】変更
【補正内容】
【図６】
Claims (3)
- 【請求項１】 入力文字列を解析して音韻連接に分解す
る前処理部と、 複数の波形素片と各波形素片の韻律パラメタとを格納す
る波形情報格納手段と、 前記音韻連接を含む波形素片の韻律パラメタを前記波形
情報格納手段より抽出するとともに、抽出した韻律パラ
メタのうち、波形素片の選択基準として設定した選択基
準パラメタからの誤差が最小となるものに対応する特定
の波形素片を選択する素片選択手段と、 選択した波形素片を音韻連接毎に順次接続して合成音声
を生成する素片接続部と、を有することを特徴とする音
声合成装置。 - 【請求項２】 前記波形情報格納手段は、 前記音韻連接と該音韻連接の中心音韻に対するアクセン
ト情報とを含む複数の音韻環境の波形素片を自然音声中
から切り出して個別に格納する素片格納手段と、 各波形素片に対応する韻律パラメタを格納した素片パラ
メタテーブルと、から成ることを特徴とする請求項１記
載の音声合成装置。 - 【請求項３】 前記誤差は、前記選択基準パラメタと個
々の韻律パラメタとの差分を各韻律パラメタの変動幅で
除した値の２乗の和であることを特徴とする請求項１又
は２記載の音声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5059385A JPH06250691A (ja) | 1993-02-25 | 1993-02-25 | 音声合成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5059385A JPH06250691A (ja) | 1993-02-25 | 1993-02-25 | 音声合成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06250691A true JPH06250691A (ja) | 1994-09-09 |
Family
ID=13111768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5059385A Pending JPH06250691A (ja) | 1993-02-25 | 1993-02-25 | 音声合成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06250691A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5950152A (en) * | 1996-09-20 | 1999-09-07 | Matsushita Electric Industrial Co., Ltd. | Method of changing a pitch of a VCV phoneme-chain waveform and apparatus of synthesizing a sound from a series of VCV phoneme-chain waveforms |
| US6035272A (en) * | 1996-07-25 | 2000-03-07 | Matsushita Electric Industrial Co., Ltd. | Method and apparatus for synthesizing speech |
| US6125346A (en) * | 1996-12-10 | 2000-09-26 | Matsushita Electric Industrial Co., Ltd | Speech synthesizing system and redundancy-reduced waveform database therefor |
| JP2006145848A (ja) * | 2004-11-19 | 2006-06-08 | Kenwood Corp | 音声合成装置、音片記憶装置、音片記憶装置製造装置、音声合成方法、音片記憶装置製造方法及びプログラム |
| JP2011107408A (ja) * | 2009-11-17 | 2011-06-02 | Nippon Telegr & Teleph Corp <Ntt> | 音声合成装置、方法及びプログラム |
-
1993
- 1993-02-25 JP JP5059385A patent/JPH06250691A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6035272A (en) * | 1996-07-25 | 2000-03-07 | Matsushita Electric Industrial Co., Ltd. | Method and apparatus for synthesizing speech |
| US5950152A (en) * | 1996-09-20 | 1999-09-07 | Matsushita Electric Industrial Co., Ltd. | Method of changing a pitch of a VCV phoneme-chain waveform and apparatus of synthesizing a sound from a series of VCV phoneme-chain waveforms |
| US6125346A (en) * | 1996-12-10 | 2000-09-26 | Matsushita Electric Industrial Co., Ltd | Speech synthesizing system and redundancy-reduced waveform database therefor |
| JP2006145848A (ja) * | 2004-11-19 | 2006-06-08 | Kenwood Corp | 音声合成装置、音片記憶装置、音片記憶装置製造装置、音声合成方法、音片記憶装置製造方法及びプログラム |
| JP2011107408A (ja) * | 2009-11-17 | 2011-06-02 | Nippon Telegr & Teleph Corp <Ntt> | 音声合成装置、方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7016841B2 (en) | Singing voice synthesizing apparatus, singing voice synthesizing method, and program for realizing singing voice synthesizing method | |
| US20050149330A1 (en) | Speech synthesis system | |
| EP0706170A2 (en) | Method of speech synthesis by means of concatenation and partial overlapping of waveforms | |
| US20080027727A1 (en) | Speech synthesis apparatus and method | |
| US20090048844A1 (en) | Speech synthesis method and apparatus | |
| JP4153220B2 (ja) | 歌唱合成装置、歌唱合成方法及び歌唱合成用プログラム | |
| JP2623586B2 (ja) | 音声合成におけるピッチ制御方式 | |
| US7765103B2 (en) | Rule based speech synthesis method and apparatus | |
| JPH06250691A (ja) | 音声合成装置 | |
| US20010029454A1 (en) | Speech synthesizing method and apparatus | |
| JP4490818B2 (ja) | 定常音響信号のための合成方法 | |
| JPH07319497A (ja) | 音声合成装置 | |
| JPH09319394A (ja) | 音声合成方法 | |
| JP3059751B2 (ja) | 残差駆動型音声合成装置 | |
| JP2004354644A (ja) | 音声合成方法及びその装置並びにそのコンピュータプログラム及びそれを記憶した情報記憶媒体 | |
| JP2615856B2 (ja) | 音声合成方法とその装置 | |
| JP2703253B2 (ja) | 音声合成装置 | |
| JPH09230893A (ja) | 規則音声合成方法及び音声合成装置 | |
| JP2878483B2 (ja) | 音声規則合成装置 | |
| JPH0772897A (ja) | 音声合成方法および装置 | |
| JP2004347994A (ja) | 音声合成装置、音声合成方法およびこの音声合成方法を実行するプログラム | |
| JPH1097268A (ja) | 音声合成装置 | |
| JP3310217B2 (ja) | 音声合成方法とその装置 | |
| JP2001092481A (ja) | 規則音声合成方法 | |
| JPH0836397A (ja) | 音声合成装置 |