JPH07261778A - 音声情報処理方法及び装置 - Google Patents

音声情報処理方法及び装置

Info

Publication number
JPH07261778A
JPH07261778A JP6050415A JP5041594A JPH07261778A JP H07261778 A JPH07261778 A JP H07261778A JP 6050415 A JP6050415 A JP 6050415A JP 5041594 A JP5041594 A JP 5041594A JP H07261778 A JPH07261778 A JP H07261778A
Authority
JP
Japan
Prior art keywords
voice
information processing
pitch pattern
environment
phoneme
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.)
Granted
Application number
JP6050415A
Other languages
English (en)
Other versions
JP3450411B2 (ja
Inventor
Toshiaki Fukada
俊明 深田
Takashi Aso
隆 麻生
Yasuhiro Komori
康弘 小森
Yasunori Ohora
恭則 大洞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Priority to JP05041594A priority Critical patent/JP3450411B2/ja
Priority to DE69519887T priority patent/DE69519887T2/de
Priority to EP95301802A priority patent/EP0674307B1/en
Priority to US08/406,487 priority patent/US5845047A/en
Publication of JPH07261778A publication Critical patent/JPH07261778A/ja
Application granted granted Critical
Publication of JP3450411B2 publication Critical patent/JP3450411B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management

Abstract

(57)【要約】 【目的】 音声の基本周波数やパワー等の特徴量を音韻
環境を考慮して統計処理することにより、確率的に信頼
度の高いピッチパターンを作成し、人間の発声に近い合
成音声及び認識率の向上を実現することを目的とする。 【構成】 音声ファイルから基本周波数やその変化分、
パワーやその変化分等の音声の特徴量を抽出して作成し
た特徴量ファイルと、アクセント型、モーラ数、モーラ
位置、音素等の音韻環境を考慮したラベルファイルとを
統計処理し、特徴を抽出する統計処理部（１７）と、統
計処理した結果をもとに音韻環境を考慮したピッチパタ
ーンを作成するピッチパターン作成部（１８）を備え
る。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は音声規則合成や音声認識
などの音声情報処理において、合成音声の自然な韻律生
成や音声認識率の向上を可能にするために、音声の基本
周波数やパワーなどの特徴量を音韻環境を考慮して統計
処理し、確率的に信頼度の高いピッチパターンモデルを
作成する音声情報処理方法及び装置に関するものであ
る。
【０００２】
【従来の技術】人間と人間の間で行われる情報交換手段
の中で最も自然に使われるのが音声である。一方、計算
機の飛躍的な進歩により、計算機は数値計算のみならず
様々な情報を扱えるように進歩してきている。そこで、
音声を人間と計算機の情報交換手段として用いたい要求
がある。
【０００３】このような情報交換手段の中で、音声規則
合成装置は、機械が任意のテキストを合成音声に変換す
る装置であり、計算機から人間への重要な情報伝達手段
である。しかしながら、従来の音声合成装置から出力さ
れる合成音声は、人間が発生する自然音声と比較すると
不自然で機械的な音声である。この原因の一つとして、
従来の技術ではアクセントやイントネーションを生成す
る韻律生成規則において、簡単なモデル化しか行われて
いないことが上げられる。
【０００４】
【発明が解決しようとしている課題】上記従来の技術で
は、合成音声は機械的なもので、人間と機械との情報交
換手段として用いるには人間に不安感を与えるものでし
かなかった。
【０００５】また、音韻環境による変化を考慮しない認
識を行っていたため、認識率が向上しなかった。
【０００６】
【課題を解決するための手段】音声の基本周波数やパワ
ーなどの特徴量ファイル及びラベルファイルを統計的に
処理する際、本発明では、 １）アクセント型、モーラ数、モーラ位置による環境依
存ＨＭＭを用いることにより、ピッチパターンの分散、
平均、遷移確率等の情報が生成され、確率的に確信度の
高いモデルが自動生成できるようになり、上記の問題点
を解決する。
【０００７】２）上記１）で記載したアクセント型、モ
ーラ数、モーラ位置に加え、当該音素の音素環境（無声
摩擦、有声破裂音等）も考慮した環境依存ＨＭＭを用い
ることにより、音素環境ごとにピッチパターンの分散、
平均、遷移確率等の情報が生成され、確率的に確信度の
高いモデルが自動生成できるようになり、上記の問題点
を解決する。
【０００８】３）データ量が豊富なカテゴリに関して
は、上記２）で記載したアクセント型、モーラ数、モー
ラ位置、当該音素環境に加え、前後の音韻環境等を考慮
することにより、上記２）で得られたピッチパターンよ
り更に精密なピッチパターンが得られるようになり、上
記の問題点を解決する。
【０００９】４）上記１）、２）、３）で記載した情報
を階層的に構成して利用することにより、大局的な構造
のみを表すピッチパターンモデルから、音韻環境等を考
慮した精密なピッチパターンモデルをデータ量に応じて
選択できるようになり、上記の問題点を解決する。
【００１０】５）上記４）で記載した階層的に構成され
たピッチパターンモデルと、アクセント情報が付与され
た認識辞書を用意することにより、韻律情報を利用した
音声認識が行えるようになり、上記の問題点を解決す
る。
【００１１】
【実施例】
〔実施例１〕図１２に、本実施例における音声情報処理
装置の構成ブロック図を示す。
【００１２】１は本装置全体の処理制御をＲＯＭ２内の
制御プログラムに従って実行するＣＰＵ、２は本実施例
で説明する各処理の制御プログラムを格納するＲＯＭ、
３は本実施例で説明する各処理に用いるファイル、テー
ブル等のデータを格納する部分及び処理途中で生じるデ
ータを格納するワークメモリ部分を備えるＲＡＭ、４は
各処理の指示、例えば音声ファイルへのラベル付与等を
行う為のコード情報が入力できるキーボード、５は所望
の位置の座標情報を入力できるポインティングデバイス
であり、これはペン形等のものにして軌跡を入力できる
ものとしても良い。６はキーボード４やポインティング
デバイス５から入力された情報や、本装置で受けた情
報、処理途中の情報、或いは処理結果を表示する表示手
段であって、ＣＲＴや液晶表示器を用いる。７は認識対
象とする音声や各種指示コマンド音声を入力するマイク
ロフォン、８は合成音声やメッセージ音声を出力するス
ピーカである。
【００１３】以下に、本発明の実施例を図１の機能構成
図に従って説明する。
【００１４】図１において、１１は音声データベースな
どを格納する音声ファイル、１２は音声ファイル１１に
格納されているデータから特徴量を抽出する特徴量抽出
部、１３は音声ファイルに格納されているデータに各音
素のラベルの付与をするラベル付与部、１４は音声ファ
イル１１に格納されているデータに対応する音韻リスト
を作成する音韻リスト作成部、１５は特徴量抽出部１２
により抽出された音声ファイル１１に格納されているデ
ータの特徴量を音声ファイル番号と共に格納する特徴量
ファイル、１６はラベル付与部１３及び音韻リスト作成
部１４により得られたデータから作成されたラベル毎の
データを格納するラベルファイル、１７は特徴量ファイ
ル１５及びラベルファイル１６をもとに、統計処理を行
う統計処理部、１８は統計処理部１７において得たデー
タを用いてピッチパターンを作成するピッチパターン作
成部である。
【００１５】上記構成により行われる処理を、各処理に
より生ずるデータを示した図を用いて詳細に説明する。
【００１６】まず、ラベル付与部１３により、表示手段
に表示されたデータに対してキーボード等を用いてオペ
レータが目視によりラベルデータを入力する方法、或は
プログラムによる制御する方法の何れかによって、音声
ファイル１１に格納されている音声データベース等のデ
ータに対して各音素のラベルを図２にように付与する。
例えば、音声ファイル番号１の「ａｋｉ」というデータ
は、音素「ａ」は時間「１００〜１４９」、音素「ｋ」
は時間「１５０〜１７９」、音素「ｉ」は時間「１８０
〜２００」というように定める。
【００１７】また、音韻リスト作成部１４により、音声
ファイルに対応するアクセント型、モーラ数、音素カテ
ゴリ等の音韻リストを図３のように作成する。例えば、
音声ファイル番号１の「ａｋｉ」というデータは、モー
ラ数が「２」、アクセント型は「０型」であると定め
る。
【００１８】ラベル付与部１３及び音韻リスト作成部１
４により得られたデータからアクセント型、モーラ数、
モーラ位置、音素カテゴリ等の音韻環境を考慮した図４
のようなラベル毎のデータを作成し、ラベルファイル１
６に格納する。
【００１９】一方、特徴量抽出部１２では、音声ファイ
ル１１に格納されているデータを表示手段に表示し、こ
のデータに対してキーボード等を用いてオペレータが目
視によりデータを入力する方法、或はプログラムによる
制御する方法の何れかによって、基本周波数やパワー、
これらの変化分（デルタピッチ、デルタパワー）等の特
徴量を抽出し、特徴量ファイル１５を作成する。
【００２０】特徴量抽出部１２においては、ラベル付与
部１３により付与されるラベル情報を利用し、例えば無
声、無音区間は特定のコードを付与する等して音声／無
声／無音に応じて基本周波数を抽出する方法を用いても
良い。
【００２１】これらの特徴量ファイル１５及びラベルフ
ァイル１６をもとに、統計処理部１７において統計処理
を行い、ピッチパターン作成部１８でピッチパターンを
作成する。
【００２２】また特徴量として用いるパラメータは、基
本周波数（あるいはこれを対数変換したもの）、パワ
ー、継続時間長、スペクトル情報（ケプストラム、ＬＰ
Ｃ係数等）、更にこれらの１次回帰係数、２次回帰係数
等が利用でき、これらの任意の組み合わせにより統計処
理を行うことができる。
【００２３】ここで、これら対数基本周波数やパワー等
の特徴量は、データ毎、カテゴリ別、全データのいづれ
かで正規化したものを用いることもできる。
【００２４】本実施例の一例として、１４の音韻リスト
作成部をアクセント型、モーラ数、モーラ位置とし、１
５の特徴量ファイルを対数基本周波数のみを用いた場合
について説明する。図５はアクセント型、モーラ数、モ
ーラ位置による環境依存ＨＭＭ（１モーラあたり３状態
３ループの連続ＨＭＭ）を用いた場合のピッチパターン
テーブルの例である。本実施例の場合、音韻環境は、ア
クセント型、モーラ数、モーラ位置に分類されて統計処
理される。
【００２５】次に図１のピッチパターン作成部１８にお
ける「ＡＺＩ」に関するピッチパターン作成の手順を図
６、図７を用いて述べる。
【００２６】１．音韻環境に従ったモデル（０２１、０
２２）を選択する。ここで、「ＡＺＩ」はモーラ数２、
アクセント型はＯ型であるので、その音韻環境で、モー
ラ位置が１と２であるでデータを選択している。
【００２７】２．音韻継続時間長（ｌ1 、ｌ2 、ｌ3 ）
に応じて先に選択された各モデルの状態を配置する。
【００２８】３．各状態の周波数の平均値（μ11、
μ12、μ13等）を用いて点ピッチを決定する。
【００２９】４．点ピッチを補間（有声子音はその両隣
の母音間で補間を行う）し、図６のようなピッチパター
ンが作成される。
【００３０】５．特徴量が正規化されている場合には、
図７に示すように、図６のピッチパターンに加えてピッ
チのダイナミックレンジ（ｄ）を乗じ、バイアス（ｂ）
を加える。
【００３１】このとき、各モデルにおける３状態（１音
素）の時間的割り当ての方法は、単純に３等分する方法
或は、遷移確率の比率で分配する方法或は、得られたモ
デルを学習データに通すことにより得られる時間配分の
比率で分配する方法などにより行う。また、時間配分さ
れたピッチパターンモデルは、線形補間、スプライン補
間等の各種補間により、韻律データが作成できる。ま
た、このとき分散を考慮したピッチパターン補正を行う
ことも可能である。
【００３２】〔実施例２〕上述の実施例１において音韻
リスト作成部１４において作成する音韻リストの音韻環
境をアクセント型、モーラ型、モーラ位置としたが、こ
れに加え、音素または音素カテゴリ（以下これらをまと
めて音素カテゴリと呼ぶ）の環境を考慮して音韻リスト
を作成し、１５の特徴量ファイルを対数基本周波数のみ
を用いた場合について本実施例で説明する。図８はアク
セント型、モーラ数、モーラ位置、音素カテゴリを考慮
した音韻環境依存ＨＭＭ（１モーラあたり３状態３ルー
プの連続ＨＭＭ）を用いた場合のピッチパターンテーブ
ルの例である。本実施例の場合、音韻環境は、アクセン
ト型、モーラ数、モーラ位置、音素カテゴリに分類され
て統計処理される。
【００３３】次に図１のピッチパターン作成部１８にお
けるピッチパターン作成の手順を図９、図１０を用いて
述べる。
【００３４】１．音韻環境に従ったモデル（Ｖ０２１、
Ｚ０２２、Ｖｚ０２２）を選択する。
【００３５】２．音韻継続時間長（ｌ1 、ｌ2 、ｌ3 ）
に応じて先に選択された各モデルの状態を配置する。
【００３６】３．各状態の周波数の平均値（μ11、
μ12、μ13等）を用いて点ピッチを決定する。
【００３７】４．点ピッチを補間し、図９のようなピッ
チパターンが作成される。
【００３８】５．特徴量が正規化されている場合には、
図１０に示すように、図９のピッチパターンに加えてピ
ッチのダイナミックレンジ（ｄ）を乗じ、バイアス
（ｂ）を加える。
【００３９】ここで、時間配置、補間方法は上述の実施
例と同様な方法で行うことができる。
【００４０】〔実施例３〕データ量が豊富なカテゴリに
関しては、例えば前後の音韻環境等を考慮することによ
り、上述の実施例１より更に精密なピッチパターンを生
成することが可能となる。
【００４１】〔実施例４〕音韻クラスを細かくすれば、
音韻の微細変化がより精密に表現できるため、聴感上の
改善が期待できる。しかし、データ量の制限から、細か
い音韻クラスではＨＭＭが作成できない場合もある。従
って、音声規則合成に適用する際は構成を多階層とし、
合成したい音韻環境モデルが下位階層にない場合には、
上位階層のモデルを利用してピッチパターンを生成する
必要がある。
【００４２】上述の実施例１、実施例２及び実施例３で
得られたピッチパターンモデルを階層的に構成すること
により、データ量に応じたピッチパターンが選択でき、
データ量の多少に関わらず同じ構成で、かつデータ量が
増えるにつれ、より精密なピッチパターンモデルを利用
することができる。
【００４３】図１１はピッチパターンの階層構造の例を
示す図である。図１１中、２１は実施例により生成され
るピッチパターンのクラスを表す。２２は実施例２の一
例として、音韻環境として当該音韻の種類を有声音か無
声音かの２通りに場合分けしたときに生成されるピッチ
パターンのクラスを表す。２３は実施例３の一例とし
て、音韻環境として当該音韻の種類を有声音か無声音か
の２通り及び、次の音韻の種類を有声音か無声音かの２
通りに場合分けしたときに生成されるピッチパターンの
クラスを表す。２４は実施例３の別の一例として、音韻
環境として当該音韻の種類を音素カテゴリ（無声摩擦
音、有声破裂音等）及び、次の音韻の種類を音素カテゴ
リ（無声摩擦音、有声破裂音等）に場合分けしたときに
生成されるピッチパターンのクラスを表す。
【００４４】図１１の階層構造は、本発明の一実施例で
あり、例えば当該音韻の前の音韻カテゴリ等を考慮する
こともできる。また、図１１の各クラス間に異なるモデ
ルを挿入、あるいは図１１のいずれかのモデルを削除し
て構成することもできる。
【００４５】〔実施例５〕韻律情報を利用した音声認識
を行う際に、実施例１〜実施例４におけるピッチパター
ンモデルと発声されたピッチパターンとを比較すること
により、音素、アクセント型を決定し、音声認識率を向
上させることが可能になる。この際、アクセント型を付
与した認識用辞書を用意する必要がある。
【００４６】例えば、単語音声認識において、「端（０
型）」と、「箸（１型）」という読みとモーラ数が同じ
でアクセント型のみが異なる単語を認識する際、発声さ
れた音声から基本周波数を抽出し、これに実施例１で生
成されたピッチパターンのうち、２モーラ０型及び２モ
ーラ１型のピッチパターンで構成されるモデルを用いて
識別を行うことにより、アクセント型が決定できる。
【００４７】別の例として、「身分（１型）」と「区分
（１型）」というモーラ数とアクセント型は同一で、１
モーラ目の子音のみが異なる単語を認識する際、発声さ
れた音声から基本周波数を抽出し、これに実施例２また
は実施例３で生成されたピッチパターンのうち、３モー
ラ１型で１モーラ目の子音部がｍとｋのカテゴリをもつ
２つのモデルを用いることにより、ピッチパターンの観
点から確からしさが求まり、これをスペクトル情報と統
合し評価することにより、音声認識率を向上させること
が可能である。
【００４８】また、実施例１で生成されたピッチパター
ンモデルを用いて、アクセント句境界を抽出することも
できる。
【００４９】
【発明の効果】以上説明したように、音声データベース
の基本周波数やパワーなどの音声の特徴量を音韻環境等
を考慮して統計処理し、ピッチパターンを作成し、これ
を音声規則合成装置や音声認識装置等の音声情報処理に
利用することにより、自然な韻律生成や音声認識率の向
上が可能とできる効果がある。
【図面の簡単な説明】
【図１】ピッチパターン作成の為の機能構成図。
【図２】ラベルの例示図。
【図３】音韻リストの例示図。
【図４】ラベルファイルの例示図。
【図５】アクセント型、モーラ数、モーラ位置による環
境依存ＨＭＭを用いたピッチパターンテーブルの例示
図。
【図６】アクセント型、モーラ数、モーラ位置による環
境依存ＨＭＭを用いたピッチパターン作成例示図。
【図７】アクセント型、モーラ数、モーラ位置による環
境依存ＨＭＭを用いたピッチパターン作成例示図。
【図８】音韻カテゴリも考慮した音韻環境依存ＨＭＭを
用いたピッチパターンテーブルの例示図。
【図９】音韻カテゴリ、アクセント型、モーラ数、モー
ラ位置による音韻環境依存ＨＭＭを用いたピッチパター
ン作成例示図。
【図１０】音韻カテゴリ、アクセント型、モーラ数、モ
ーラ位置による音韻環境依存ＨＭＭを用いたピッチパタ
ーン作成例示図。
【図１１】ピッチパターンの階層構造の例示図。
【図１２】音声情報処理装置の構成ブロック図。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 大洞 恭則 東京都大田区下丸子３丁目30番２号キヤノ ン株式会社内

Claims (22)

    【特許請求の範囲】
  1. 【請求項１】 格納されている音声データから特徴量を
    抽出して作成した特徴量ファイルと、該格納されている
    音声データを音韻環境ごとに処理できるよう分析して得
    たラベルファイルとを用いて、前記音声データを音韻環
    境を考慮して統計処理し、 前記統計処理したデータをもとに音韻環境を考慮したピ
    ッチパターンを作成することを特徴とする音声情報処理
    方法。
  2. 【請求項２】 前記統計処理は、環境依存ＨＭＭを用い
    ることを特徴とする請求項１記載の音声情報処理方法。
  3. 【請求項３】 前記作成されたピッチパターンを、音声
    規則合成に用いることを特徴とする請求項１記載の音声
    情報処理方法。
  4. 【請求項４】 前記ピッチパターンの作成は、前後の音
    韻環境を考慮することを特徴とする請求項１記載の音声
    情報処理方法。
  5. 【請求項５】 前記ピッチパターンの作成は、ピッチパ
    ターンモデルを階層的に構成して利用することを特徴と
    する請求項１記載の音声情報処理方法。
  6. 【請求項６】 前記作成されたピッチパターンを、入力
    音声のピッチパターンと比較することにより、入力音声
    の認識に用いることを特徴とする請求項１記載の音声情
    報処理方法。
  7. 【請求項７】 前記音韻環境は、アクセント型を考慮す
    るものであることを特徴とする請求項１記載の音声情報
    処理方法。
  8. 【請求項８】 前記音韻環境は、モーラ数を考慮するも
    のであることを特徴とする請求項１記載の音声情報処理
    方法。
  9. 【請求項９】 前記音韻環境は、モーラ位置を考慮する
    ものであることを特徴とする請求項１記載の音声情報処
    理方法。
  10. 【請求項１０】 前記音韻環境は、音素を考慮するもの
    であることを特徴とする請求項１記載の音声情報処理方
    法。
  11. 【請求項１１】 前記音韻環境は、音素カテゴリを考慮
    するものであることを特徴とする請求項１記載の音声情
    報処理方法。
  12. 【請求項１２】 音声データを格納する音声ファイル格
    納手段と、 前記音声ファイルに格納されている音声データから特徴
    量を抽出し、特徴量ファイルを作成する特徴量抽出手段
    と、 前記音声データを音韻環境ごとに処理できるよう分析す
    る分析手段と、 前記特徴量抽出手段及び分析手段より得たデータを用い
    て、前記音声ファイルに格納されている音声データを音
    韻環境を考慮して統計処理する統計処理手段と、 前記統計処理手段により得たデータをもとに音韻環境を
    考慮したピッチパターンを作成するピッチパターン作成
    手段とを有することを特徴とする音声情報処理装置。
  13. 【請求項１３】 前記統計処理手段は、環境依存ＨＭＭ
    を用いることを特徴とする請求項１２記載の音声情報処
    理装置。
  14. 【請求項１４】 前記作成されたピッチパターンを、音
    声規則合成に用いることを特徴とする請求項１２記載の
    音声情報処理装置。
  15. 【請求項１５】 前記ピッチパターン作成手段は、前後
    の音韻環境を考慮することを特徴とする請求項１２記載
    の音声情報処理装置。
  16. 【請求項１６】 前記ピッチパターン作成手段は、ピッ
    チパターンモデルを階層的に構成して利用することを特
    徴とする請求項１２記載の音声情報処理装置。
  17. 【請求項１７】 前記作成されたピッチパターンを、入
    力音声のピッチパターンと比較することにより、入力音
    声の認識に用いることを特徴とする請求項１２記載の音
    声情報処理装置。
  18. 【請求項１８】 前記音韻環境は、アクセント型を考慮
    するものであることを特徴とする請求項１２記載の音声
    情報処理装置。
  19. 【請求項１９】 前記音韻環境は、モーラ数を考慮する
    ものであることを特徴とする請求項１２記載の音声情報
    処理装置。
  20. 【請求項２０】 前記音韻環境は、モーラ位置を考慮す
    るものであることを特徴とする請求項１２記載の音声情
    報処理装置。
  21. 【請求項２１】 前記音韻環境は、音素を考慮するもの
    であることを特徴とする請求項１２記載の音声情報処理
    装置。
  22. 【請求項２２】 前記音韻環境は、音素カテゴリを考慮
    するものであることを特徴とする請求項１２記載の音声
    情報処理装置。
JP05041594A 1994-03-22 1994-03-22 音声情報処理方法及び装置 Expired - Fee Related JP3450411B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP05041594A JP3450411B2 (ja) 1994-03-22 1994-03-22 音声情報処理方法及び装置
DE69519887T DE69519887T2 (de) 1994-03-22 1995-03-17 Verfahren und Vorrichtung zur Verarbeitung von Sprachinformation
EP95301802A EP0674307B1 (en) 1994-03-22 1995-03-17 Method and apparatus for processing speech information
US08/406,487 US5845047A (en) 1994-03-22 1995-03-20 Method and apparatus for processing speech information using a phoneme environment

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP05041594A JP3450411B2 (ja) 1994-03-22 1994-03-22 音声情報処理方法及び装置

Publications (2)

Publication Number Publication Date
JPH07261778A true JPH07261778A (ja) 1995-10-13
JP3450411B2 JP3450411B2 (ja) 2003-09-22

Family

ID=12858238

Family Applications (1)

Application Number Title Priority Date Filing Date
JP05041594A Expired - Fee Related JP3450411B2 (ja) 1994-03-22 1994-03-22 音声情報処理方法及び装置

Country Status (4)

Country Link
US (1) US5845047A (ja)
EP (1) EP0674307B1 (ja)
JP (1) JP3450411B2 (ja)
DE (1) DE69519887T2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6438522B1 (en) 1998-11-30 2002-08-20 Matsushita Electric Industrial Co., Ltd. Method and apparatus for speech synthesis whereby waveform segments expressing respective syllables of a speech item are modified in accordance with rhythm, pitch and speech power patterns expressed by a prosodic template
JP2006039342A (ja) * 2004-07-29 2006-02-09 Toshiba Tec Corp 音声メモプリンタ
JP2009031452A (ja) * 2007-07-25 2009-02-12 Sony Corp 音声解析装置、および音声解析方法、並びにコンピュータ・プログラム
WO2009025356A1 (ja) * 2007-08-22 2009-02-26 Nec Corporation 音声認識装置および音声認識方法
US7979270B2 (en) 2006-12-01 2011-07-12 Sony Corporation Speech recognition apparatus and method
JP2011203482A (ja) * 2010-03-25 2011-10-13 Yamaha Corp 音声処理装置
US8046225B2 (en) 2007-03-28 2011-10-25 Kabushiki Kaisha Toshiba Prosody-pattern generating apparatus, speech synthesizing apparatus, and computer program product and method thereof

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE504177C2 (sv) * 1994-06-29 1996-12-02 Telia Ab Metod och anordning att adaptera en taligenkänningsutrustning för dialektala variationer i ett språk
US6366883B1 (en) 1996-05-15 2002-04-02 Atr Interpreting Telecommunications Concatenation of speech segments by use of a speech synthesizer
JPH1039895A (ja) * 1996-07-25 1998-02-13 Matsushita Electric Ind Co Ltd 音声合成方法および装置
JP3006677B2 (ja) * 1996-10-28 2000-02-07 日本電気株式会社 音声認識装置
JP3576840B2 (ja) * 1997-11-28 2004-10-13 松下電器産業株式会社 基本周波数パタン生成方法、基本周波数パタン生成装置及びプログラム記録媒体
US6055566A (en) * 1998-01-12 2000-04-25 Lextron Systems, Inc. Customizable media player with online/offline capabilities
JP3587048B2 (ja) * 1998-03-02 2004-11-10 株式会社日立製作所 韻律制御方法及び音声合成装置
JP2000047696A (ja) 1998-07-29 2000-02-18 Canon Inc 情報処理方法及び装置、その記憶媒体
JP3841596B2 (ja) * 1999-09-08 2006-11-01 パイオニア株式会社 音素データの生成方法及び音声合成装置
JP3969908B2 (ja) 1999-09-14 2007-09-05 キヤノン株式会社 音声入力端末器、音声認識装置、音声通信システム及び音声通信方法
US20040006473A1 (en) * 2002-07-02 2004-01-08 Sbc Technology Resources, Inc. Method and system for automated categorization of statements
JP4054507B2 (ja) * 2000-03-31 2008-02-27 キヤノン株式会社 音声情報処理方法および装置および記憶媒体
JP4632384B2 (ja) * 2000-03-31 2011-02-16 キヤノン株式会社 音声情報処理装置及びその方法と記憶媒体
JP3728173B2 (ja) * 2000-03-31 2005-12-21 キヤノン株式会社 音声合成方法、装置および記憶媒体
JP2001282278A (ja) * 2000-03-31 2001-10-12 Canon Inc 音声情報処理装置及びその方法と記憶媒体
US7039588B2 (en) * 2000-03-31 2006-05-02 Canon Kabushiki Kaisha Synthesis unit selection apparatus and method, and storage medium
JP3728172B2 (ja) * 2000-03-31 2005-12-21 キヤノン株式会社 音声合成方法および装置
JP2001282279A (ja) 2000-03-31 2001-10-12 Canon Inc 音声情報処理方法及び装置及び記憶媒体
JP3728177B2 (ja) 2000-05-24 2005-12-21 キヤノン株式会社 音声処理システム、装置、方法及び記憶媒体
JP2002132287A (ja) * 2000-10-20 2002-05-09 Canon Inc 音声収録方法および音声収録装置および記憶媒体
US7249018B2 (en) 2001-01-12 2007-07-24 International Business Machines Corporation System and method for relating syntax and semantics for a conversational speech application
DE10120513C1 (de) * 2001-04-26 2003-01-09 Siemens Ag Verfahren zur Bestimmung einer Folge von Lautbausteinen zum Synthetisieren eines Sprachsignals einer tonalen Sprache
JP2003036088A (ja) * 2001-07-23 2003-02-07 Canon Inc 音声変換の辞書管理装置
JP2003108178A (ja) * 2001-09-27 2003-04-11 Nec Corp 音声合成装置及び音声合成用素片作成装置
US7266497B2 (en) * 2002-03-29 2007-09-04 At&T Corp. Automatic segmentation in speech synthesis
JP2003295882A (ja) * 2002-04-02 2003-10-15 Canon Inc 音声合成用テキスト構造、音声合成方法、音声合成装置及びそのコンピュータ・プログラム
US7280968B2 (en) * 2003-03-25 2007-10-09 International Business Machines Corporation Synthetically generated speech responses including prosodic characteristics of speech inputs
US7774196B2 (en) * 2003-10-01 2010-08-10 Dictaphone Corporation System and method for modifying a language model and post-processor information
EP1524650A1 (en) * 2003-10-06 2005-04-20 Sony International (Europe) GmbH Confidence measure in a speech recognition system
US7885391B2 (en) * 2003-10-30 2011-02-08 Hewlett-Packard Development Company, L.P. System and method for call center dialog management
JP4587160B2 (ja) * 2004-03-26 2010-11-24 キヤノン株式会社 信号処理装置および方法
JP4541781B2 (ja) * 2004-06-29 2010-09-08 キヤノン株式会社 音声認識装置および方法
JP4456537B2 (ja) * 2004-09-14 2010-04-28 本田技研工業株式会社 情報伝達装置
US8189783B1 (en) * 2005-12-21 2012-05-29 At&T Intellectual Property Ii, L.P. Systems, methods, and programs for detecting unauthorized use of mobile communication devices or systems
US20080027725A1 (en) * 2006-07-26 2008-01-31 Microsoft Corporation Automatic Accent Detection With Limited Manually Labeled Data
US8346555B2 (en) 2006-08-22 2013-01-01 Nuance Communications, Inc. Automatic grammar tuning using statistical language model generation
US7844457B2 (en) * 2007-02-20 2010-11-30 Microsoft Corporation Unsupervised labeling of sentence level accent
JP2008263543A (ja) * 2007-04-13 2008-10-30 Funai Electric Co Ltd 記録再生装置
US8321222B2 (en) * 2007-08-14 2012-11-27 Nuance Communications, Inc. Synthesis by generation and concatenation of multi-form segments
JP2010190955A (ja) * 2009-02-16 2010-09-02 Toshiba Corp 音声合成装置、方法及びプログラム
CN110164437B (zh) * 2012-03-02 2021-04-16 腾讯科技（深圳）有限公司 一种即时通信的语音识别方法和终端
US9972300B2 (en) * 2015-06-11 2018-05-15 Genesys Telecommunications Laboratories, Inc. System and method for outlier identification to remove poor alignments in speech synthesis
CN106205622A (zh) * 2016-06-29 2016-12-07 联想(北京)有限公司 信息处理方法及电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59226400A (ja) * 1983-06-07 1984-12-19 松下電器産業株式会社 音声認識装置
JPH031200A (ja) * 1989-05-29 1991-01-07 Nec Corp 規則型音声合成装置
US5220629A (en) * 1989-11-06 1993-06-15 Canon Kabushiki Kaisha Speech synthesis apparatus and method
EP0481107B1 (en) * 1990-10-16 1995-09-06 International Business Machines Corporation A phonetic Hidden Markov Model speech synthesizer
JP3070127B2 (ja) * 1991-05-07 2000-07-24 株式会社明電舎 音声合成装置のアクセント成分制御方式
EP0515709A1 (en) * 1991-05-27 1992-12-02 International Business Machines Corporation Method and apparatus for segmental unit representation in text-to-speech synthesis
US5475796A (en) * 1991-12-20 1995-12-12 Nec Corporation Pitch pattern generation apparatus
JPH05181491A (ja) * 1991-12-30 1993-07-23 Sony Corp 音声合成装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6438522B1 (en) 1998-11-30 2002-08-20 Matsushita Electric Industrial Co., Ltd. Method and apparatus for speech synthesis whereby waveform segments expressing respective syllables of a speech item are modified in accordance with rhythm, pitch and speech power patterns expressed by a prosodic template
JP2006039342A (ja) * 2004-07-29 2006-02-09 Toshiba Tec Corp 音声メモプリンタ
JP4544933B2 (ja) * 2004-07-29 2010-09-15 東芝テック株式会社 音声メモプリンタ
US7979270B2 (en) 2006-12-01 2011-07-12 Sony Corporation Speech recognition apparatus and method
US8046225B2 (en) 2007-03-28 2011-10-25 Kabushiki Kaisha Toshiba Prosody-pattern generating apparatus, speech synthesizing apparatus, and computer program product and method thereof
JP2009031452A (ja) * 2007-07-25 2009-02-12 Sony Corp 音声解析装置、および音声解析方法、並びにコンピュータ・プログラム
US8165873B2 (en) 2007-07-25 2012-04-24 Sony Corporation Speech analysis apparatus, speech analysis method and computer program
WO2009025356A1 (ja) * 2007-08-22 2009-02-26 Nec Corporation 音声認識装置および音声認識方法
US8315870B2 (en) 2007-08-22 2012-11-20 Nec Corporation Rescoring speech recognition hypothesis using prosodic likelihood
JP5282737B2 (ja) * 2007-08-22 2013-09-04 日本電気株式会社 音声認識装置および音声認識方法
JP2011203482A (ja) * 2010-03-25 2011-10-13 Yamaha Corp 音声処理装置

Also Published As

Publication number Publication date
EP0674307A2 (en) 1995-09-27
JP3450411B2 (ja) 2003-09-22
US5845047A (en) 1998-12-01
DE69519887D1 (de) 2001-02-22
EP0674307A3 (en) 1996-04-24
DE69519887T2 (de) 2001-07-19
EP0674307B1 (en) 2001-01-17

Similar Documents

Publication Publication Date Title
JP3450411B2 (ja) 音声情報処理方法及び装置
US7155390B2 (en) Speech information processing method and apparatus and storage medium using a segment pitch pattern model
JP4302788B2 (ja) 音声合成用の基本周波数テンプレートを収容する韻律データベース
US8219398B2 (en) Computerized speech synthesizer for synthesizing speech from text
US11763797B2 (en) Text-to-speech (TTS) processing
JP2004522192A (ja) 生成された階層的な音声テンプレートを用いて音声合成装置データベースをカスタマイズするための方法およびツール
US20100066742A1 (en) Stylized prosody for speech synthesis-based applications
JP2006084715A (ja) 素片セット作成方法および装置
JP4586615B2 (ja) 音声合成装置，音声合成方法およびコンピュータプログラム
JP7379756B2 (ja) 韻律的特徴からのパラメトリックボコーダパラメータの予測
JP2003271194A (ja) 音声対話装置及びその制御方法
Hirst A multi-level, multilingual approach to the annotation and representation of speech prosody
JP2001265375A (ja) 規則音声合成装置
JP3346671B2 (ja) 音声素片選択方法および音声合成装置
James et al. Quantitative model-based analysis of F0 contours of emotional speech
JP6436806B2 (ja) 音声合成用データ作成方法、及び音声合成用データ作成装置
JPH08335096A (ja) テキスト音声合成装置
Khalil et al. Implementation of speech synthesis based on HMM using PADAS database
Liberman Computer speech synthesis: its status and prospects.
Šef et al. Speaker (GOVOREC): a complete Slovenian text-to speech system
Ahmad et al. Towards designing a high intelligibility rule based standard malay text-to-speech synthesis system
Butler et al. Articulatory constraints on vocal tract area functions and their acoustic implications
May et al. Speech synthesis using allophones
Shih et al. Modeling of vocal styles using portable features and placement rules
Turk et al. An Edinburgh speech production facility

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20030212

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20030701

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080711

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080711

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090711

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090711

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100711

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100711

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110711

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120711

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120711

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130711

Year of fee payment: 10

LAPS Cancellation because of no payment of annual fees