JPH07334188A - 音声合成システム - Google Patents

Abstract

(57)【要約】 【目的】 従来例に比較して音声合成に必要な入力情報
を減少させることができ、しかも自然な合成音声を得る
ことができる音声合成システムを提供する。 【構成】 入力された単語列に基づいて基本周波数を制
御して上記単語列の音声を合成して出力する音声合成制
御部を備えた音声合成システムにおいて、上記音声合成
制御部は、韻律句の構造の情報を含む確率文脈自由文法
を用いた規則を備えた韻律制御規則に従って、上記基本
周波数の立て直しが起こる境界である韻律句の境界を上
記入力された単語列において検出して上記基本周波数を
制御する。また、上記確率文脈自由文法は、所定のアル
ゴリズムに従って、予め作成された複数の文の韻律句の
構造を含む情報に基づいて学習される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、自然な合成音声を得る
ために、確率文脈自由文法に従って韻律句境界を検出し
て基本周波数を制御する音声合成システムに関する。

【０００２】

【従来の技術】自然な合成音声を得るために韻律句の境
界、すなわち基本周波数の立て直しが起こる境界の推定
は重要であり、このことから、韻律句の境界の推定の研
究が進められている。

【０００３】図３は、入力された音声信号において基本
周波数Ｆｏの立て直しが行われていない場合の基本周波
数に対する時間的変化を示すグラフである一方、図４
は、入力された音声信号において基本周波数Ｆｏの立て
直しが行われた場合の基本周波数に対する時間的変化を
示すグラフである。複数の単語列からなる文を発声して
いるときに、基本周波数Ｆｏの立て直しが行われていな
いときは、図３に示すように、発声音声の時間経過とと
もに基本周波数Ｆｏが低下してゆくが、一方、上記文中
の韻律句の境界時に基本周波数Ｆｏの立て直しが行われ
たときは、図４に示すように、発声音声の時間経過とと
もに基本周波数Ｆｏが常に低下せずに上昇し、すなわち
基本周波数Ｆｏの立て直しが行われる。

【０００４】例えば、自然な音声の合成を目的として、
韻律句境界推定を含んだ韻律制御に関する研究（以下、
従来例という。）が、箱田和雄ほか，“文章音声の音調
結合型導出規則の検討”，電子情報通信学会技術報告，
ＳＰ８９−５，ｐｐ３３ー３８，１９８９年５月に開示
されている。この従来例の研究では統計的分析に基づい
たヒューリスティックな韻律制御規則、すなわち人間の
感覚に基づいた経験的に作成した韻律制御規則を用い
て、係り受け関係の情報等から韻律句境界の推定を行な
っている。

【０００５】

【発明が解決しようとする課題】しかしながら、係り受
け関係は統語構造や単語間の意味的関係を反映してお
り、これを正確に定式化することは難しく、人の手によ
って与えなければならず、より自然な合成音声を得るた
めには、音声合成に必要な情報が膨大なものとなり、こ
れにより、手動の処理が繁雑となるという問題点があっ
た。

【０００６】本発明の目的は以上の問題を解決し、従来
例に比較して音声合成に必要な入力情報を減少させるこ
とができ、しかも自然な合成音声を得ることができる音
声合成システムを提供することにある。

【０００７】

【課題を解決するための手段】本発明に係る請求項１記
載の音声合成システムは、入力された単語列に基づいて
基本周波数を制御して上記単語列の音声を合成して出力
する音声合成手段を備えた音声合成システムにおいて、
上記音声合成手段は、韻律句の構造の情報を含む確率文
脈自由文法を用いた規則を備えた韻律制御規則に従っ
て、上記基本周波数の立て直しが起こる境界である韻律
句の境界を上記入力された単語列において検出して上記
基本周波数を制御する制御手段を備えたことを特徴とす
る。また、請求項２記載の音声合成システムは、請求項
１記載の音声合成システムにおいて、上記確率文脈自由
文法は、所定のアルゴリズムに従って、予め作成された
複数の文の韻律句の構造を含む情報に基づいて学習され
たことを特徴とする。さらに、請求項３記載の音声合成
システムは、請求項２記載の音声合成システムにおい
て、上記確率文脈自由文法は、ランダムに出現確率が与
えられた初期値の確率文脈自由文法を、インサイド・ア
ウトサイド・アルゴリズムに従って、予め作成された係
り受け構造で括弧付けされたコーパスを用いて学習され
たことを特徴とする。またさらに、請求項４記載の音声
合成システムは、請求項３記載の音声合成システムにお
いて、上記確率文脈自由文法は、上記学習された確率文
脈自由文法を、インサイド・アウトサイド・アルゴリズ
ムに従って、予め作成された基本周波数の立て直し位置
のデータで括弧付けされたコーパスを用いて学習された
ことを特徴とする。

【０００８】

【作用】以上のように構成された音声合成システムにお
いては、音声合成手段は、入力された単語列に基づいて
基本周波数を制御して上記単語列の音声を合成して出力
するが、ここで、上記音声合成手段の制御手段は、韻律
句の構造の情報を含む確率文脈自由文法を用いた規則を
備えた韻律制御規則に従って、上記基本周波数の立て直
しが起こる境界である韻律句の境界を上記入力された単
語列において検出して上記基本周波数を制御する。これ
によって、韻律句の境界をより正確に検出してより自然
な音声を合成して出力することができる。また、請求項
２記載の音声合成システムにおいては、上記確率文脈自
由文法は、好ましくは、所定のアルゴリズムに従って、
予め作成された複数の文の韻律句の構造を含む情報に基
づいて学習されたものである。さらに、請求項３記載の
音声合成システムにおいては、上記確率文脈自由文法
は、好ましくは、ランダムに出現確率が与えられた初期
値の確率文脈自由文法を、インサイド・アウトサイド・
アルゴリズムに従って、予め作成された係り受け構造で
括弧付けされたコーパスを用いて学習されたものであ
る。またさらに、請求項４記載の音声合成システムにお
いては、上記確率文脈自由文法は、好ましくは、上記学
習された確率文脈自由文法を、インサイド・アウトサイ
ド・アルゴリズムに従って、予め作成された基本周波数
の立て直し位置のデータで括弧付けされたコーパスを用
いて学習されたものである。

【０００９】

【実施例】以下、図面を参照して本発明に係る実施例に
ついて説明する。上述のように、従来、韻律句境界の推
定の要因として係り受け構造、境界前後の単語などが用
いられている。このうち重要な要因である係り受け構造
は統語構造や単語間の意味的関係を反映しており、これ
を正確に定式化することは難しい。これに対して、本実
施例においては、人間が予め与えた係り受け構造および
実際の基本周波数立て直し特性に基づいて、確率文脈自
由文法（ＳＣＦＧ）の学習を行ない、それによって得ら
れる韻律制御規則に基づいて、韻律句境界の検出推定を
行って基本周波数を制御して音声合成を実行することを
特徴としている。すなわち、ここでは、まずＳＣＦＧ確
率学習部３０は、所定の初期値確率文脈自由文法（ＳＣ
ＦＧ）３１に対して、インサイド・アウトサイド・アル
ゴリズムを用いて韻律句の構造を学習し、学習された確
率文脈自由文法（ＳＣＦＧ）３２から韻律句境界推定規
則作成部３４で、例えばニューラルネットワークを用い
て韻律句の境界の推定のための規則を作成して、その規
則を韻律制御規則３３に含ませた後、音声合成制御部１
０は、当該韻律制御規則３３に基づいて、パラメータと
境界前後の単語より韻律句境界の推定を行って音声合成
処理を実行する。

【００１０】本実施例のＳＣＦＧの確率学習部３０にお
いて用いる、１９９０年にケイ・ラリー（K.Lari）ほか
によって提案されたインサイド・アウトサイド・アルゴ
リズム（例えば、ケイ・ラリー（K.Lari）ほか，“The
estimation of stochastic context-free grammars usi
ng the Inside-Outside Algorithm",Computer Speechan
d Language,Vol.4,pp35-56,Academic Press limited，
１９９０年参照。）について、以下に説明する。当該イ
ンサイド・アウトサイド・アルゴリズムは、入力された
ソースが、１９７９年にベイカー（Baker）によって提
案された文脈自由の隠れマルコフプロセスとしてモデル
化可能であると仮定している。このアルゴリズムは、評
価された文法が任意の度合いのあいまい表現を有するこ
とを可能にしている。いま、Ｏｍ＝Ｏ₁，Ｏ₂，…，Ｏ_T
を次の数１の形式の規則を有する確率文脈自由文法（Ｓ
ＣＦＧ）Ｇによって発生された観察シーケンスとする。

【００１１】

【数１】ｉ→ｊｋ，及びｉ→ｍ

【００１２】ここで、ｉ，ｊ，ｋは非終端記号のそれぞ
れに対応するそれぞれ唯一の整数であり、ｍは終端記号
に対応する整数である。この確率文脈自由文法（ＳＣＦ
Ｇ）を記述する複数のパラメータの複数のマトリックス
はＡ及びＢであり、ここで、次式のように表わすことが
できる。

【００１３】

【数２】ａ[i,j,k]＝Ｐ(ｉ⇒ｊｋ／Ｇ）

【数３】ｂ［ｉ，ｍ］＝Ｐ(ｉ⇒ｍ／Ｇ)

【００１４】従って、ａ［ｉ，ｊ，ｋ］は非終端記号ｉ
が非終端記号ｊ及びｋの対を発生するときの確率であ
る。同様に、ｂ［ｉ，ｍ］は非終端記号ｉが１つの終端
記号ｍを発生するときの確率を表わす。１９５６年にチ
ェムスキー（Chomky）によって提案された任意の文脈自
由文法は、１９５９年にチェムスキー（Chomky）によっ
て提案されたチェムスキーの標準形に変形することがで
きるので、これらのパラメータは任意の確率文脈自由言
語を記述するために十分である。矛盾が生じないために
は、次の数４で表される拘束条件が常に満足する必要が
ある。なお、本明細書において、例えば、ｉ＝１からｎ
までの級数和Σの形式を上付き文字と下付き文字を用い
て、Σ_i=1 ⁿと表わすものとする。

【００１５】

【数４】Σ_j,_kａ［ｉ，ｊ，ｋ］＋Σ_mｂ［ｉ，ｍ］＝
１，すべてのｉに対して

【００１６】この拘束条件は簡単に説明すると、すべて
の非終端記号は非終端記号の対、もしくは１つの終端記
号のいずれかを発生する必要があるということを意味す
る。確率文脈自由文法（ＳＣＦＧ）に応用すると、２つ
の特定の問題を処理する必要があり、すなわち、認識の
問題と学習の問題を処理する必要がある。この認識の問
題は、次の数５に示すような、文法Ｇが与えられたとき
に観察シーケンスＯを発生する開始記号Ｓの確率の計算
に関係している。数５において、Ｏに付与されたｍはマ
トリックスを示し、以下同様である。

【００１７】

【数５】Ｐ（Ｓ⇒＊Ｏｍ／Ｇ）

【００１８】ここで、＊は１つ又はそれ以上のステップ
からなる導出シーケンスを示している。また、⇒＊の記
号は、元の論文においては、記号⇒の上に＊を付してい
るが、本明細書においては、オンライン出願の制約上、
⇒＊と記述する。学習の問題は、学習のシーケンスＯ
⁽¹⁾，Ｏ⁽²⁾，…，Ｏ^(Q)が与えられた１組の文法規則Ｇ
を決定することに関係している。従来のマルコフモデル
アルゴリズムの前向き確率（α）と後向き確率（β）と
同様に、確率文脈自由マルコフ文法の解析を容易にする
ために、内側確率（ｅ）と外側確率（ｆ）とを定義す
る。量ｅ（ｓ，ｔ，ｉ）は観察シーケンスＯ（ｓ），
…，Ｏ（ｔ）を発生する非終端記号ｉの確率として次式
のように定義される。

【００１９】

【数６】ｅ(s,t,i)＝Ｐ(ｉ⇒＊Ｏ(ｓ)…Ｏ(t)／Ｇ)

【００２０】上記量ｅを計算するための反復手順を決定
するときに、次のように２つの場合が考えられる。

【００２１】（Ａ）場合１：（ｓ＝ｔのとき） ただ１つの観察は省略され、それ故、ｉ→ｍの形式の遷
移規則は次式のように表される。

【００２２】

【数７】ｅ(s,s,i)＝Ｐ(ｉ⇒Ｏ(s)／Ｇ)＝ｂ[i,Ｏ(s)]

【００２３】（Ｂ）場合２：（ｓ≠ｉのとき） この場合において、１つを超える観察が含まれるので、
ｉ→ｊｋの形式の規則は適用される必要がある。内側確
率の計算を示す図７を参照すれば、量ｅ（ｓ，ｔ，ｉ）
は次式で表されることが明らかである。

【００２４】

【数８】ｅ(s,t,i)＝Σ_j,_kΣ_r=s ^t-1ａ［i,j,k］ｅ(s,r,
j)ｅ(r+1,t,k)， すべてのｉに対して。

【００２５】従って、上記量ｅはすべてのシーケンス長
１に対してｅを決定することによって反復法により計算
され、このとき、すべてのシーケンス長は２となり、以
下同様である。次に、外側確率を次式のように定義す
る。

【００２６】

【数９】ｆ(s,t,i)＝Ｐ(Ｓ⇒＊Ｏ(1)…Ｏ(s-1),ｉ，Ｏ
(t+1)…Ｏ(T)／Ｇ）

【００２７】ここで、ｆ（ｓ，ｔ，ｉ）は、書き換えプ
ロセスにおいてｉが発生されるとともに、それによって
支配されていない一連の文が左側方向に対してはＯ
（１）…Ｏ（ｓ−１）であり、右側方向に対してＯ（ｔ
＋１）…Ｏ（Ｔ）である（図８参照。）。この場合にお
いて、非終端記号ｉは図９において図示されているよう
に、ｊ→ｉｋ又はｊ→ｋｉの２つの可能な設定のうちの
１つである可能である。ここで、次式のように表わすこ
とができる。

【００２８】

【数１０】ｆ(s,t,i)＝Σ_j,_k［Σ_r=1 ^s-1ｆ(r,t,j)ａ[j,
k,i]ｅ(r,s-1,k)＋Σ_r=t+1 ^Tｆ(s,r,j)ａ[j,i,k]ｅ(t+1,
r,k)］， 並びに

【数１１】ｆ(1,T,i)＝１，もしｉ＝Ｓであるとき； ＝０，その他のとき。

【００２９】上記内側確率が下から上方向に計算された
後に、外側確率が上から下方向に計算される。認識プロ
セスのためには、値ｅと値ｆは次式のように文の確率を
計算するために用いることができる。

【００３０】

【数１２】 Ｐ（Ｓ⇒＊Ｏｍ／Ｇ）＝Σ_iｅ(s,t,i)ｆ(s,t,i)

【００３１】上記数１２はｓ≦ｔである任意のｓに対し
て成立する。上記数１２においてｓ＝１及びｔ＝Ｔと置
くことによって次式を得る。

【００３２】

【数１３】 Ｐ（Ｓ⇒＊Ｏｍ／Ｇ）＝Σ_iｅ(1,T,i)ｆ(1,T,i) ＝ｅ(1,T,S)

【００３３】従って、数１３の左辺であるＰ（Ｓ⇒＊Ｏ
／Ｇ）は内側確率のみから計算することができる。同様
の式が、上記数１２においてｓ＝ｔと置くことによって
外側確率の項を用いて得ることができる。

【００３４】

【数１４】 Ｐ（Ｓ⇒＊Ｏｍ／Ｇ）＝Σ_iｅ(s,s,i)ｆ(s,s,i) ＝Σ_iｂ[i,Ｏ(s)]ｆ(s,s,i)

【００３５】確率文脈自由文法（ＳＣＦＧ）を学習する
ときの問題はもっと複雑である。次式で表される積の式
を考えることによって考察を開始する。

【００３６】

【数１５】ｅ(s,t,i)ｆ(s,t,i)＝Ｐ(Ｓ⇒＊Ｏｍ,ｉ⇒＊
Ｏ(s)…Ｏ(t)／Ｇ) ＝Ｐ(Ｓ⇒＊Ｏm/Ｇ)・Ｐ(ｉ⇒＊Ｏ(s)…Ｏ(t)/Ｓ⇒＊Ｏ
m,Ｇ)

【００３７】上記数１５の最後のステップはベイズの定
理を適用した結果である。ここで、

【００３８】

【数１６】Ｐ＝Ｐ（Ｓ⇒＊Ｏｍ／Ｇ）

【００３９】とすると、上記数１５から次式を得る。

【００４０】

【数１７】Ｐ(ｉ⇒＊Ｏ(s)…Ｏ(t)／Ｓ⇒＊Ｏｍ，Ｇ) ＝(１／Ｐ)ｅ(s,t,i)ｆ(s,t,i)

【００４１】従って、次式を得る。

【００４２】

【数１８】Ｐ（導出においてｉが用いられるとき） ＝Σ_s=1 ^TΣ_t=s ^T(１／Ｐ)ｅ(s,t,i)ｆ(s,t,i)

【００４３】ここで、ある導出に、ｉ→ｊｋなる規則を
適用した場合について考える。そして、数８を数１７に
代入することによって次の数１９を得ることができる。

【００４４】

【数１９】Ｐ(ｉ⇒ｊｋ⇒＊Ｏ(s)…Ｏ(t)/Ｓ⇒＊Ｏm,
Ｇ) ＝(1/P)Σ_r=s ^t-1a[i,j,k]e[s,r,j]e(r+1,t,k)f(s,t,i) すべてのｊ，ｋ及びｔ＞ｓに対して

【００４５】従って、数１８及び数１９から次の数２０
を得る。

【００４６】

【数２０】Ｐ（ｉ→ｊｋ，ｉが用いられているとき） ＝Σ_s=1 ^T-1Σ_t=s+1 ^T(1/P)Σ_ｒ＝ｓ ^ｔ−１ａ［ｉ，ｊ，
ｋ］ｅ（ｓ，ｒ，ｊ）ｅ（ｒ＋１，ｔ，ｋ）ｆ（ｓ，
ｔ，ｉ）

【００４７】次いで、次の数２１の式の定義を用いる。

【００４８】

【数２１】ａ［ｉ，ｊ，ｋ］＝Ｐ(ｉ→ｊｋ／ｉが用い
られているとき) ＝{Ｐ(i→jk,iが用いられているとき)}/Ｐ(iが用いられ
ているとき)

【００４９】それ故、ａ［ｉ，ｊ，ｋ］に対する再評価
の式は、数１８と数２０から次の数２２で表される。

【００５０】

【数２２】ah[i,j,k] ＝{(1/P)Σ_s=1 ^T-1Σ_t=s+1 ^TΣ_r=s ^t-1a[i,j,k]e(s,r,j)e
(r+1,t,k)f(s,t,i)}／{(1/P)Σ_s=1 ^TΣ_t=s ^Tｅ(s,t,i)ｆ
(s,t,i)}， すべてのｉ，ｊ，ｋに対して

【００５１】ここで、ah[i,j,k]のｈは本明細書におい
ては記号ａの上に付与されるハット記号の代替記号とし
て用い、以下ｈを同様に用いる。さらに、同様の論証を
することによって、ｂ［ｉ，ｍ］に対する再評価式は次
の数２３で表わすことができる。

【００５２】

【数２３】ｂh［ｉ，ｍ］ ＝{(1/P)Σ_t∈_O(t)=mｅ(t,t,i)ｆ(t,t,i)}／{(1/P)Σ
_s=1 ^TΣ_t=s ^Tｅ(s,t,i)ｆ(s,t,i)}

【００５３】実際上、確率文脈自由文法（ＳＣＦＧ）の
パラメータを正確に評価するためには１つの観測のみで
は不十分である。従って、上記複数の方程式は任意の数
の観測を取り扱うことに拡張する必要がある。ここで、
次の数２４で表されるＱ個の観測値の組を有していると
仮定する。

【００５４】

【数２４】Ｏ≡［Ｏ⁽¹⁾，Ｏ⁽²⁾，…，Ｏ^(Q)］

【００５５】さらに、次の数２５及び数２６のように置
くことにする。

【００５６】

【数２５】ｗ_q(s,t,i,j,k)＝(1/P_q)Σ_r=s ^t-1a[i,j,k]ｅ
_q(s,r,j)ｅ_q(r+1,t,k)ｆ_q(s,t,i)

【数２６】ｖ_q(s,t,i)＝(1/P_q)ｅ_q(s,t,i)ｆ_q(s,t,i)

【００５７】上記複数個の観測値が独立であると仮定す
れば、ｗ_q及びｖ_qの各々から数２２及び数２３の分子及
び分母への寄与を加算することによって、次の数２７及
び数２８を得ることができる。

【００５８】

【数２７】ａh[i,j,k]＝{Σ_q=1 ^QΣ_s=1 ^Tq-1Σ_t=s+1 ^Tqｗ_q
(s,t,i,j,k)}／{Σ_q=1 ^QΣ_s=1 ^TqΣ_t=s ^Tqｖ_q(s,t,i)}

【数２８】ｂh[i,m]＝{Σ_q=1 ^QΣ_t∈_O(t)=mｖ_q(t,t,i)}
／{Σ_q=1 ^QΣ_s=1 ^TqΣ_t=s ^Tqｖ_q(s,t,i)}

【００５９】インサイド・アウトサイド・アルゴリズム
は、次に示すように繰り返しの処理を行うときに、数１
３、数２７及び数２８を用いる。 （１）上記数４によって規定された拘束条件を仮定して
ＡマトリックスとＢマトリックスに対する適当な初期値
を選択する。 （２）Ｐにおける変化が所定のしきい値よりも小さくな
るまで、次の計算を繰り返す。 Ａ＝…｛数２７｝； Ｂ＝…｛数２８｝； Ｐ＝…｛数１３｝。

【００６０】上記においては、インサイド・アウトサイ
ド・アルゴリズムについて説明したが、これを、学習用
コーパスとして、括弧付けされたテキストを用いた場合
のインサイド・アウトサイド・アルゴリズムによる学習
について（例えば、フェルナンド・ペレーラ（Fernando
Pereira）ほか，“inside-Outside Reestimation From
Partially Bracketed Corpora",The proceeing of Ａ
ＣＬ，１９９２年参照。）以下に説明する。インサイド
・アウトサイド・アルゴリズムの基本的な考え方は、確
定されたタイプの導出ステップの期待された頻度を評価
するために、現在の規則の確率と学習セットＷとを用い
て、これら期待された頻度の評価の適当な比のような新
しい規則の確率の評価値を計算する。これらは、最も好
都合には、相対的な頻度として表されているので、イン
サイドの確率及びアウトサイドの確率として自由に参照
したビットである。より正確には、ｗ∈Ｗなるそれぞれ
のｗに対して、インサイドの確率Ｉ_p ^w（ｉ，ｊ）は、Ａ
ｐが_iｗ_jを導出するときの尤度を評価する一方、アウト
サイドの確率Ｏ_p ^w（ｉ，ｊ）は、開始のシンボルＡ₁か
ら導出文の形式₀ｗ_iＡ_pjｗの尤度を評価する。

【００６１】上記インサイド・アウトサイド・アルゴリ
ズムを部分的に括弧付けされた学習テキストに適用する
ときに、括弧付けは可能な導出文に、さらには可能な句
に含ませるという拘束条件を考慮に入れる必要がある。
明らかに、インサイドの確率Ｉ_p ^w（ｉ，ｊ）とアウトサ
イドの確率Ｏ_p ^w（ｉ，ｊ）とに対する非ゼロの値は、も
し_iｗ_jはｗの括弧付けと互換性があるならば、もしくは
等価的には、もし（ｉ，ｊ）がｗの括弧付けのために有
効であるときのみに可能であるとすべきである。従っ
て、以下においては、括弧付けされた一連の文ｃ＝
（ｗ，Ｂ）のコーパスＣを仮定し、かつ、構成要素のス
パンが一連の文の括弧付けと互換性があるときのその構
成要素を含ませるために、１９７９年にベイカー（Bake
r）によって明らかにされ、１９９０年にラリ（Lari）
とヤング（Young）によって明らかにされ、さらには１
９９０年にジェリネック（Jelinek）ほかによって明ら
かにされた、インサイド及びアウトサイドの確率と規則
の確率の再評価に対する標準的な式を変形することにす
る。この目的のために、各括弧付けされた一連の文ｃ＝
（ｗ，Ｂ）に対して、次の数２９で表される補助的な関
数を定義する。

【００６２】

【数２９】ｃh(i,j)＝１，もし(i,j)はｂ∈Ｂに対して
有効であるならば; ＝０，もしそうでないならば

【００６３】拡張されたアルゴリズムに対する再評価に
関する公式を以下に示す。

【００６４】

【数３０】Ｉ_p ^c（ｉ−１，ｉ）＝Ｕ_p,_m， ここで、ｃ＝（ｗ，Ｂ）及びｂ_m＝ｗ_iである。

【数３１】Ｉ_p ^c（ｉ，ｋ）＝ｃh(i,k)Σ_q,_rΣ_i＜_j＜_kＢ
_p,_q,_rＩ_q ^c(i,j)Ｉ_r ^c(j,k)

【数３２】Ｏ_p ^c(０,│ｃ│)＝１，もしｐ＝１ならば； ＝０，もしそうでないならば

【数３３】Ｏ_p ^c(i,k)＝ｃh(i,k)Σ_q,_r{Σ_j=0 ^i-1Ｏ_q ^c(j,
k)Ｉ_r ^c(j,i)Ｂ_q,_r,_p+Σ_j=k+1│^c│Ｏ_q ^c(i,j)Ｂ_q,_p,_rＩ_r
^c(k,j)}

【数３４】Ｂh_p,_q,_r＝{Σ_c∈_C(1/P^c)Σ₀≦_i<_j<_k≦│_w│
Ｂ_p,_q,_rＩ_q ^c(i,k)Ｉ_r ^c(j,k)Ｏ_p ^c(i,k)}／(Σ_c∈_CP_p ^c/
P^c)

【数３５】Ｕh_p,_m＝{Σ_c∈_C(1/P^c)Σ₁≦_i≦│_c│,_c=(w,
_B),_wi=bmＵ_p,_mＯ_p ^c(i-1,i)}／(Σ_c∈_ＣＰ_ｐ ^ｃ／Ｐ^ｃ）

【数３６】Ｐ^ｃ＝Ｉ₁ ^c(０,│c│)

【数３７】Ｐ_p ^c＝Σ₀≦_i<_j≦│_c│Ｉ_p ^c(i,j)Ｏ_p ^c(i,j)

【００６５】学習コーパスにおける各括弧付けされた文
ｃに対して、当該文ｃのより長いスパンのインサイドの
確率は、数３０及び数３１によって与えられた再現式を
有するより短いスパンに対するインサイドの確率から計
算される。上記数３１は、文ｃ＝（ｗ，Ｂ）の括弧付け
Ｂと互換性があるＡ_pから、_iｗ_kの導出式の期待された
相対的な頻度を計算することができる。乗数ｃh（ｉ，
ｋ）は、（ｉ，ｋ）がＢに対して有効であるとき、すな
わちＡ_pがＢと同様に互換性を有して_iｗ_kを導出するこ
とができる。

【００６６】同様に、文ｃのより短いスパンに対するア
ウトサイドの確率は数３２及び数３３によって与えられ
た再現式を用いて、より長いスパンに対する、インサイ
ドの確率とアウトサイドの確率とから計算することがで
きる。上記コーパスにおける各文に対してインサイドの
確率とアウトサイドの確率とが一旦計算されれば、２つ
の成分からなる２値表示の規則Ｂh_p,_q,_rの再評価された
確率と、１つの成分からなる規則Ｕh_p,_mの再評価された
確率とは、括弧付けされていない一連の文の代わりに、
括弧付けされた一連の文を用いることを除いて、１９７
９年にベイカー（Baker）によって明らかにされ、１９
９０年にラリ（Lari）とヤング（Young）によって明ら
かにされ、さらには１９９０年にジェリネック（Jeline
k）ほかによって明らかにされた元の公式と同様の再評
価の公式（数３４と数３５）とによって計算される。

【００６７】数３４及び数３５によって表される比の分
母は、Ｃにおける１つの括弧付けされた一連の文の互換
性のある導出式は少なくとも、非終端記号Ａ_pの１つの
拡張を含むときの確率を評価することができる。上記数
３４の分子は、Ｃにおける括弧付けされた一連の文の互
換性のある導出式はＡ_p→Ａ_qＡ_rなる規則を含むときの
確率を評価することができる一方、数３５の分子は、Ｃ
における一連の文の互換性のある導出式はＡ_pをｂ_mに書
き換えるときの確率を評価することができる。このよう
にして、上記数３４は、Ｃにおける括弧付けされた一連
の文の互換性のある導出式におけるＡ_pの書き換えはＡ_p
→Ａ_qＡ_rなる規則を使用するときの確率を評価すること
ができ、上記数３５は、Ｃにおける一連の文の互換性の
ある導出式におけるＡ_pの生起がｂ_mに書き換えるられる
ときの確率を評価することができる。これらは、２つの
成分からなる２値表示の規則の確率と、１つの成分から
なる規則の確率に対する最良の現在の評価値である。

【００６８】次いで、上記再評価された確率を用いる処
理が、当該モデルが与えられた学習テキストの評価され
た確率における増加値が無視可能になるまで、もしくは
当該確率が総計無視可能な量となるまで又は、次の数３
８によって表される交差エントロピーの評価値（負の確
率の対数値）における減少値が無視可能となるときま
で、繰り返されて実行される。

【００６９】

【数３８】 Ｈh（Ｃ，Ｇ）＝−（Σ_c∈_ClogＰ^c）／（Σ_c∈_C│ｃ
│）

【００７０】ここで、元のアルゴリズムとの比較のため
には、上記数３８でない文法Ｇに関する括弧付けされて
いないテキストＷの交差エントロピーの評価値Ｈｈ
（Ｗ，Ｇ）を用いる必要がある。

【００７１】本実施例では、詳細上述したインサイド・
アウトサイド・アルゴリズムを使用して確率文脈自由文
法（ＳＣＦＧ）で韻律句構造の学習を行なうために、形
態素解析され係り受け構造で括弧付けされたテキストで
確率文脈自由文法（ＳＣＦＧ）の学習を行ない、得られ
たものを初期文法としてさらに自然音声での基本周波数
の立て直し位置のデータで括弧付けされたテキストを用
いて学習を行なった。

【００７２】インサイド・アウトサイド・アルゴリズム
を用いて確率文脈自由文法（ＳＣＦＧ）を学習するに
は、終端記号と非終端記号数を決定する必要がある。確
率文脈自由文法（ＳＣＦＧ）の終端記号は単語にするの
が理想であるが、全ての単語を含むコーパスは入手困難
であり、学習時間も膨大になるため現実的ではない。従
って、本実施例では、総数が品詞の種類＋数個程度とな
る終端記号を助詞を細分類して考え、２３種類の品詞と
その内の格助詞のみ７分類（が、の、に、を、で、と、
その他）して合計２９種類となる終端記号を、次の表１
に示すように使用した。また、非終端記号の数は２０で
あり、非終端記号として１から２０までの番号を用い
た。

【００７３】

【表１】 ─────────────────── 終端記号 品 詞 ─────────────────── ｔ１ 形容詞 ｔ４ 普通名詞 ｔ５ サ変名詞 ｔ６ 代名詞 ｔ７ 数 詞 ｔ８ 副 詞 ｔ９ 連体詞 ｔ１０ 接続詞 ｔ１１ 感動詞 ｔ１２ 助動詞 ｔ１３ 副助詞 ｔ１４ 接続助詞 ｔ１６ 終助詞 ｔ１７ 接尾語 ｔ１８ 接頭語 ｔ１９ 補助動詞 ｔ３０ 固有名詞 ｔ３１ 形容名詞 ｔ３２ 本動詞 ｔ３４ 準体助詞 ｔ３５ 並列助詞 ｔ３６ 係助詞 ｔ５０ 格助詞 “ｇａ” ｔ５１ 格助詞 “ｎｏ” ｔ５２ 格助詞 “ｎｉ” ｔ５３ 格助詞 “ｗｏ” ｔ５４ 格助詞 “ｄｅ” ｔ５５ 格助詞 “ｔｏ” ｔ５６ 格助詞 “ｏｔｈｅｒｓ” ───────────────────

【００７４】確率文脈自由文法（ＳＣＦＧ）がとらえて
いる確率的な統語構造を韻律句の境界の検出推定に用い
るために確率文脈自由文法（ＳＣＦＧ）から計算できる
以下に述べるパラメータを提案する。図５に示すよう
に、各単語について係り受けの深さｍの左枝分かれ構造
を含んだ統語構造の文の出現確率（以下、左枝分かれ構
造確率ｍという。）及び係り受けの深さｎの右枝分かれ
構造を含んだ統語構造の文の出現確率（以下、右枝分か
れ構造確率ｎという。）を確率文脈自由文法（ＳＣＦ
Ｇ）から計算し、これらの確率を韻律句の境界の検出推
定のパラメータとして用いる。

【００７５】ここで、左枝分かれ構造確率ｍ（その記
号：Pleftm）及び右枝分かれ構造確率ｎ（その記号：PR
ightn）の計算方法について具体例を用いて詳細に説明
する。いま、ｔ１，ｔ４，ｔ５，ｔ６，ｔ７のような５
個の終端記号で表現可能な単語列が入力された場合、図
６の（ａ）乃至（ｎ）に示すように、１４通りの木構
造、すなわち統語構造が考えられます。

【００７６】図６の（ａ）の例では、終端記号ｔ１とｔ
４とで係り受けの深さ１の左枝分かれ構造を有し、ま
た、当該係り受けの深さ１の左枝分かれ構造と終端記号
ｔ５とで係り受けの深さ２の左枝分かれ構造を有し、さ
らに、当該係り受けの深さ２の左枝分かれ構造と終端記
号ｔ６とで係り受けの深さ３の左枝分かれ構造を有し、
またさらに、当該係り受けの深さ３の左枝分かれ構造と
終端記号ｔ７とで係り受けの深さ４の枝分かれ構造を有
している。また、図６の（ｂ）の例では、終端記号ｔ４
とｔ５とで係り受けの深さ１の左枝分かれ構造を有し、
また、当該係り受けの深さ１の左枝分かれ構造と終端記
号ｔ６とで係り受けの深さ２の左枝分かれ構造を有し、
さらに、当該係り受けの深さ２の左枝分かれ構造と終端
記号ｔ７とで係り受けの深さ３の右枝分かれ構造を有
し、またさらに、当該係り受けの深さ３の右枝分かれ構
造と終端記号ｔ１とで係り受けの深さ４の枝分かれ構造
を有している。さらに、図６の（ｃ）の例では、終端記
号ｔ４とｔ５とで係り受けの深さ１の右枝分かれ構造を
有し、また、当該係り受けの深さ１の右枝分かれ構造と
終端記号ｔ１とで係り受けの深さ２の左枝分かれ構造を
有し、さらに、当該係り受けの深さ２の左枝分かれ構造
と終端記号ｔ６とで係り受けの深さ３の左枝分かれ構造
を有し、またさらに、当該係り受けの深さ３の左枝分か
れ構造と終端記号ｔ７とで係り受けの深さ４の枝分かれ
構造を有している。以下、図６の（ｄ）乃至（ｎ）にお
いて、図示の如く枝分かれ構造を有している。

【００７７】図６に示すこれらのすべての木構造の出現
確率を確率文脈自由文法（ＳＣＦＧ）に基づいて計算し
てそれらの和を、全出現確率Pallとする。いま、例とし
て、終端記号ｔ５の左枝分かれ構造確率１（PLeft1）に
ついて考える。図６において、終端記号ｔ５を基準とし
て１個前の終端記号を含む左枝分かれ構造であるのは、
（ｂ），（ｅ），（ｊ）の３通りあり、それぞれの構造
の出現確率の和をＰとすると、次の数３９で表される。

【００７８】

【数３９】PLeft1＝Ｐ／Ｐａｌｌ

【００７９】本実施例では、確率文脈自由文法（ＳＣＦ
Ｇ）の確率の学習のために、出願人のデータベースの５
０３個の文を形態素切りして係り受け構造に基づいて人
手により括弧付けをしたコーパス（以下、係り受け情報
付きコーパスという。）と自然音声での基本周波数の立
て直し位置に基づいて括弧付けをしたテキスト（以下、
立て直し情報付きコーパスという。）を用意した。この
確率文脈自由文法（ＳＣＦＧ）の学習用コーパスの具体
例を以下に示す。

【００８０】（Ａ）係り受け構造で括弧付けされたコー
パス （Ａ１）例文：あらゆる現実をすべて自分の方へねじ曲
げたのだ。 係り受け情報付きコーパス：（ （ （ ｔ９ ）
（ （ ｔ４ ） （ ｔ５３ ） ） ）
（ （ ｔ４ ） （ （ （ ｔ４ ） （
ｔ５１ ） （ ｔ４） （ ｔ５６ ） ） （
（ ｔ３２ ） （ ｔ３２ ） （ ｔ１２ ）
（ ｔ３４ ） （ ｔ１２ ） ） ） ） ） （Ａ２）例文：一週間ばかりニューヨークを取材した。 係り受け情報付きコーパス：( ( ( t7 ) ( t17 ) ( t
17 ) ( t13 ) ) ( ( ( t30 ) ( t53 ) ) ( ( t5 )(
t19 ) ( t12 ) ) ) ) （Ａ３）例文：テレビゲームやパソコンでゲームをして
遊ぶ。 係り受け情報付きコーパス：( ( ( ( t4 ) ( t35 )
) ( ( t4 ) ( t54 ) ) ) ( ( ( ( t4 ) ( t53 ))
( ( t32 ) ( t14 ) ) ) ( t32 ) ) ) （Ａ４）例文：物価の変動を考慮して給付水準を決める
必要がある。 係り受け情報付きコーパス：( ( ( ( ( ( ( t4 )
( t51 ) ) ( ( t4 ) ( t53 ) ) ) ( ( t5 ) ( t19
) ( t14 ) ) ) ( ( ( t4 ) ( t4 ) ( t53 ) ) ( t3
2 ) ) ) ( ( t4 ) (t50 ) ) ) ( t32 ) )

【００８１】（Ｂ）基本周波数Ｆｏの立て直し位置のデ
ータで括弧付けされたコーパス 以下のコーパスにおいて、（↑）は基本周波数Ｆｏの立
て直しの起こる位置であって、韻律句の境界を示す。 （Ｂ１）例文：あらゆる現実を（↑）すべて（↑）自分
の方へねじ曲げたのだ。 立て直し情報付きコーパス：( t9 ( t4 t53 ) )
t4 ( ( t4 t51 t4 t56 ) ( t32 t32 t12t34
t12 ) ) （Ｂ２）例文：一週間ばかり（↑）ニューヨークを取材
した。 立て直し情報付きコーパス：( t7 t17 t17 t13 )
( ( t30 t53 ) ( t5 t19 t12 ) ) （Ｂ３）例文：テレビゲームやパソコンで（↑）ゲーム
をして（↑）遊ぶ。 立て直し情報付きコーパス：( ( t4 t35 ) ( t4
t54 ) ) ( ( t4 t53 ) ( t32 t14 ) ) t32 （Ｂ４）例文：物価の変動を考慮して（↑）給付水準を
決める必要がある。 立て直し情報付きコーパス：( ( t4 t51 ) ( t4
t53 ) ( t5 t19 t14 ) ) ( ( t4 t4 t53) t
32 ( t4 t50 ) t32 )

【００８２】図２は図１のＳＣＦＧ学習部３０によって
実行されるＳＣＦＧの確率学習処理のフローチャートで
ある。韻律句の境界を検出推定するための出現確率など
の上記のパラメータを求める確率文脈自由文法（ＳＣＦ
Ｇ）を作成するために、次の手順で学習を行なった。

【００８３】図２に示すように、まず、ステップＳ１に
おいては、ＳＣＦＧの確率学習部３０は、ランダムに出
現確率が与えられた初期値ＳＣＦＧ３１を、詳細上述の
インサイド・アウトサイド・アルゴリズムに従って、予
め上述のように作成された、係り受け構造で括弧付けさ
れたコーパスを用いて学習する。上記ステップＳ１の処
理は、具体的には、予め上述のように作成された係り受
け構造で括弧付けされたコーパスを入力として数３４お
よび数３５に従って、新しい確率を推定する。これを、
数３８で表される値の減少値が無視可能となるまで繰り
返す。

【００８４】次いで、ステップＳ２においては、ＳＣＦ
Ｇの確率学習部３０は、上記ステップＳ１で学習された
ＳＣＦＧを詳細上述のインサイド・アウトサイド・アル
ゴリズムに従って、予め上述のように作成された、基本
周波数Ｆｏの立て直し位置のデータで括弧付けされたコ
ーパスを用いて学習して、学習されたＳＣＦＧ３２のデ
ータを得る。そして、図１に示すように、学習されたＳ
ＣＦＧ３２のデータを韻律制御規則３３に含ませる。上
記ステップＳ２の処理は、具体的には、予め上述のよう
に作成された基本周波数Ｆｏの立て直し位置のデータで
括弧付けされたコーパスを入力として、数３４および数
３５に従って、新しい確率を推定する。これを、数３８
で表される値の減少値が無視可能となるまで繰り返す。

【００８５】韻律句境界推定規則作成部３４における韻
律句境界推定規則の作成は、例えば、詳細後述するよう
に、公知のニューラルネットワーク又は判別分析法（例
えば、田中豊、脇本和昌著，「多変量統計解析法」現代
数学社参照。）を用いて行うことができる。この判別分
析法は、複数の変量に関してグループ毎に得られている
過去のデータのサンプルに基づき、これらの変量の値か
ら個体がどのグループに属するかを判別予測する方法で
ある。当該判別分析法の本実施例への適用は、上記複数
の変量を、上述の左枝分かれ構造確率ｍ、右枝分かれ構
造確率ｎおよび品詞の種類であって、グループは韻律句
の境界か否かで分かれるように選定される。

【００８６】さらに、音声合成制御部１０は、上述のよ
うに、韻律句の構造を含む確率文脈自由文法（ＳＣＦ
Ｇ）を備えた韻律制御規則３３に従って、詳細後述する
ように、音声合成に必要な以下に示すデータを計算して
出力する。 （ａ）基本周波数に対応するピッチのデータ。 （ｂ）有声／無声切換のデータ。 （ｃ）振幅のデータ。 （ｄ）フィルタ係数のデータ。 ここで、上記学習されたＳＣＦＧ３２のデータの例を以
下の表２に示す。

【００８７】

【表２】 ─────────────────── 確率文脈自由文法（ＳＣＦＧ）の内容 ─────────────────── 1 → 1 1 5.677289731860455×１０^-5 1 → 1 2 0.003216677708041557 1 → 1 3 1.000394189802561×１０^-15 : : 1 → 1 19 1.015469740215695×１０^-15 1 → 1 20 1.148333794722905×１０^-15 1 → 2 1 0.0001832178839199974 1 → 2 2 0.000521748447310258 : : 1 → 20 19 1.374865835459389×１０^-15 1 → 20 20 0.001676333237389523 2 → 1 1 1.542003529882383×１０^-15 2 → 1 2 1.783061119126052×１０^-15 : : 20 → 20 19 1.586308114265936×１０^-10 20 → 20 20 2.291887552593505×１０^-6 1 → t1 1.155866936964327×１０^-15 1 → t4 1.004501712835847×１０^-15 1 → t5 1.000076431187449×１０^-15 1 → t6 1.00213816472346×１０^-15 : : 1 → t55 1.000679862632174×１０^-15 1 → t56 1.000019916972904×１０^-15 : : 20 → t55 1.196873334230712×１０^-15 20 → t56 1.128862755279862×１０^-15 ─────────────────── （注）１乃至２０：非終端記号 ｔ１乃至ｔ５６：終端記号 最後の数字：確率

【００８８】上記表２において、例えば第１行目の「1
→ 1 1 5.677289731860455×１０^-5」は、非終端記号１
から非終端記号１と非終端記号１へに枝分かれする書き
換え規則の出現確率が5.677289731860455×１０^-5であ
ることを示しており、以下、同様である。

【００８９】次に、図１に示す本発明に係る一実施例で
ある音声合成システムのブロック図を参照して、発声音
声がマイクロホン１に入力された後、スピーカ２５から
合成音声が出力されるまでの構成及び動作について説明
する。

【００９０】話者の発声音声はマイクロホン１に入力さ
れて音声信号に変換された後、特徴抽出部２に入力され
る。次いで、特徴抽出部２は、入力された音声信号をＡ
／Ｄ変換した後、例えばＬＰＣ分析を実行し、対数パワ
ー、１６次ケプストラム係数、Δ対数パワー及び１６次
Δケプストラム係数を含む３４次元の特徴パラメータを
抽出する。抽出された特徴パラメータの時系列はバッフ
ァメモリ３を介して音声合成制御部１０に入力される。
音声合成制御部１０は、入力された特徴パラメータに基
づいて、上記学習されたＳＣＦＧ３２を用いた規則を含
む韻律制御規則に従って、韻律句の境界すなわち音声単
位の韻律句を検出して決定した後、決定された韻律句に
基づいて音声単位が公知の通り伸縮変形されて結合さ
れ、さらには、得られた音声単位のスペクトル特徴パラ
メータの値に基づいて、そのデータを、公知の方法によ
り、音声合成のためのピッチ、有声／無声切り換え、振
幅及びフィルタ係数のデータに変換して、それぞれパル
ス発生器２１とスイッチＳＷと振幅変更型増幅器２３と
フィルタ２４とに出力する。ここで、音声合成制御部１
０は、韻律句の境界であると検出したときは、図４に示
すように基本周波数Ｆｏの立て直しを行うように基本周
波数Ｆｏを制御してピッチ情報としてパルス発生回路２
１に出力する。

【００９１】音声合成部２０は、パルス発生回路２１と
雑音発生回路２２とスイッチＳＷと振幅変更型増幅器２
３とフィルタ２４とから構成される。パルス発生回路２
１は、有声音の励振音源であって各ピッチ周期の開始時
点で単位大きさのインパルスを発生して、スイッチＳＷ
を介して振幅変更型増幅器２３に出力する。一方、雑音
発生回路２２は、無声音の励振音源であって、無相関で
かつ一様分布を有する標準偏差１と平均値０のランダム
雑音を発生して、スイッチＳＷを介して振幅変更型増幅
器２３に出力する。従って、スイッチＳＷは有声音を発
生するときパルス発生回路２１側に切り換える一方、無
声音を発生するときは雑音発生回路２２側に切り換られ
る。さらに、振幅変更型増幅器２３は、入力される振幅
情報に基づいて入力される信号の振幅を変更しかつ増幅
してフィルタ２４に出力する。そして、フィルタ２４
は、その伝達関数に対応するフィルタ係数を入力される
フィルタ係数に設定し、入力された信号を当該設定され
たフィルタ係数でろ波した後、スピーカ３０を介して出
力する。

【００９２】本実施例においては、図２のＳＣＦＧの確
率学習処理においては、ステップＳ１とＳ２とをともに
備えているが、本発明はこれに限らず、確率文脈自由文
法（ＳＣＦＧ）を学習する場合は、ステップＳ１だけの
学習処理を行うように構成してもよい。

【００９３】さらに、本発明者は、本実施例で提案した
パラメータの有効性を調べるために公知のニューラルネ
ットワークを用いて韻律句の境界を検出推定した。以下
に示す韻律句の検出推定方法は、韻律句境界推定規則作
成部３４および音声合成制御部１０に適用することがで
きる。当該ニューラルネットワークの構造は４層の階層
型であって、入力層と第１中間層と第２中間層と出力層
からなる。ここで、入力層は５０個のユニットと１個の
しきいユニットから構成され、第１の中間層は２５個の
ユニットから構成され、第２中間層は２５個のユニット
から構成され、出力層は２個のユニットである。この出
力データは、学習のために韻律句の境界である（０，
１）と、韻律句の境界でない（１，０）とした教師デー
タからなる一方、入力データは以下のような合計５０個
の入力パラメータの組を作成して用いた。このとき、上
記教師データは使用した一話者の境界の状態、すなわち
韻律句の境界であるか否かの情報を用いて決定した。上
述の教師データと５０個の入力パラメータの組からニュ
ーラルネットワークを学習し、学習されたニューラルネ
ットワークを韻律句境界推定規則とした。

【００９４】（ａ）次の各語における左枝分かれ構造確
率ｍおよび右枝分かれ構造確率ｎ、ただし、ｍ，ｎ＝
１，２，３，４，及び５以上の合計１０パラメータ （ａ−１）韻律句の境界の直前の単語の直前の自立語 （ａ−２）韻律句の境界の直前の単語 （ａ−３）韻律句の境界の直後の単語 （ａ−４）韻律句の境界の直後の単語の直後の自立語 従って、１０パラメータ×４語＝合計４０パラメータと
なる。 （ｂ）韻律句の境界の直前の５単語の終端記号の種類の
５パラメータ。 （ｃ）韻律句の境界の直後の５単語の終端記号の種類の
５パラメータ。

【００９５】学習されたニューラルネットワークに５０
個の入力パラメータを入力し、韻律句の境界を検出推定
した。韻律句の境界の検出推定に際しては、２つの出力
データの大きさの比較しより大きいものを検出結果とし
て判断し、すなわち韻律句の境界であるか否かの検出判
断を行なった。韻律句の境界には自由度があり、話者全
員が基本周波数Ｆｏの立て直しを行なっている韻律句の
境界と、誰も基本周波数Ｆｏの立て直しを行なわない韻
律句の境界のほか、一部の話者が基本周波数Ｆｏの立て
直しを行なう境界がある。従って、すべての話者が一致
している境界について検出推定の結果を評価した。その
結果を次の表３に示す。表３に示すように、韻律句の境
界は精度良く検出推定できており、確率文脈自由文法
（ＳＣＦＧ）を用いた韻律句の境界の検出推定は可能で
あることが確認できた。また、確率文脈自由文法（ＳＣ
ＦＧ）の学習に韻律句の構造を用いているので、例え
ば、上述のようにニューラルネットワークを用いるなど
して学習されたＳＣＦＧ３２のデータに対して所定の韻
律句の構造が既知のデータを用いて評価推定して学習す
ることにより、韻律句の境界を帰納学習をすることがで
きる。

【００９６】

【表３】 韻律句の境界の検出推定結果 ─────────────────────────────────── 計算データ 境界の推定の誤り率［％］（誤りの数／全体の数） ────────────────────────── 全員が基本周波数の 誰も基本周波数の 立て直しを行っている 立て直しを行っていない 韻律句の境界 韻律句の境界 ─────────────────────────────────── 学習後データ ０．６（４／６８０） ７．６（４３５／５７１５） ─────────────────────────────────── 学習していない ７．１（４８／６８０）１６．９（９６４／５７１５） データ ───────────────────────────────────

【００９７】以上説明したように、本実施例では韻律句
の境界の検出推定の入力パラメータとして、確率文脈自
由文法（ＳＣＦＧ）より導出されたパラメータを用いて
いる。従って、韻律句の境界の検出推定するために確率
文脈自由文法（ＳＣＦＧ）の利用が有効であることがわ
かった。

【００９８】以上の実施例において、入力パラメータか
ら韻律句の境界を検出推定する手段としてニューラルネ
ットワークを用いているが、本発明はこれに限らず、公
知の判別分析法などのいくつかの要因（連続値）に基づ
いてそれらの要因に関係する事象の属性を予測する手法
を使用しても可能である。

【００９９】また、以上の実施例において、確率文脈自
由文法（ＳＣＦＧ）の終端記号として、２３種類の品詞
とその内の格助詞のみ７分類（が、の、に、を、で、
と、その他）した合計２９種類となる終端記号、非終端
記号数として２０を用いたが、本発明はこれに限らず、
確率文脈自由文法（ＳＣＦＧ）の終端記号および非終端
記号数に制限なく利用できる。

【０１００】以上詳述したように本発明によれば、自然
な合成音声を得るために基本周波数を制御して音声合成
を行う音声合成手段を備えた音声合成システムにおい
て、上記所定の目的のための確率文脈自由文法（ＳＣＦ
Ｇ）を用いて韻律句の境界、すなわち基本周波数の立て
直しが起こる境界を検出して上記基本周波数を制御する
制御手段を備える。また、上記制御手段は、言語情報と
韻律情報の使用による学習法によって韻律句構造を学習
して作成された確率文脈自由文法（ＳＣＦＧ）を用いた
制御している。従って、本発明に係る実施例は以下の特
有の効果を有する。 （１）従来例のように、係り受け構造等を用いて韻律句
の境界を制御する方法に比べて、入力テキストに係り受
け構造の情報の付加が必要がないので、入力情報を削減
することができる。 （２）ＳＣＦＧを用いた規則を含む韻律制御規則に基づ
いて韻律句の境界を検出して基本周波数を制御するの
で、より自然な合成音声を得ることができる。

【０１０１】

【発明の効果】以上詳述したように本発明によれば、入
力された単語列に基づいて基本周波数を制御して上記単
語列の音声を合成して出力する音声合成手段を備えた音
声合成システムにおいて、上記音声合成手段は、韻律句
の構造の情報を含む確率文脈自由文法を用いた規則を備
えた韻律制御規則に従って、上記基本周波数の立て直し
が起こる境界である韻律句の境界を上記入力された単語
列において検出して上記基本周波数を制御する制御手段
を備えたので、韻律句の境界をより正確に検出してより
自然な音声を合成して出力することができる。また、従
来例のように、係り受け構造等を用いて韻律句の境界を
制御する方法に比べて、入力テキストに係り受け構造の
情報の付加が必要がないので、入力情報を削減すること
ができる。

【０１０２】また、請求項２記載の本発明によれば、上
記確率文脈自由文法は、所定のアルゴリズムに従って、
予め作成された複数の文の韻律句の構造を含む情報に基
づいて学習されているので、より自然な合成音声を得る
ことができる。

【図面の簡単な説明】

【図１】 本発明に係る一実施例である音声合成システ
ムのブロック図である。

【図２】 図１のＳＣＦＧ学習部３０によって実行され
るＳＣＦＧの確率学習処理のフローチャートである。

【図３】 入力された音声信号において基本周波数Ｆｏ
の立て直しが行われていない場合の基本周波数に対する
時間的変化を示すグラフである。

【図４】 入力された音声信号において基本周波数Ｆｏ
の立て直しが行われた場合の基本周波数に対する時間的
変化を示すグラフである。

【図５】 図１の音声合成システムにおいて処理すべき
複数の単語列からなる文の一例を示す図であって、係り
受けの深さｍの左枝分かれ構造と係り受けの深さｍの右
枝分かれ構造を示す図である。

【図６】 図１の音声合成システムにおいて処理すべき
５個の単語列からなる文の一例における木構造を示す図
であって、左枝分かれ構造確率と右枝分かれ構造確率の
計算方法を示す図である。

【図７】 図１の音声合成システムにおいて用いるイン
サイド・アウトサイド・アルゴリズムにおいて実行され
る内側確率の計算方法を示す図である。

【図８】 図１の音声合成システムにおいて用いるイン
サイド・アウトサイド・アルゴリズムにおいて用いられ
る外側確率の定義を示す図である。

【図９】 図１の音声合成システムにおいて用いるイン
サイド・アウトサイド・アルゴリズムにおいて実行され
る外側確率の計算方法を示す図である。

【符号の説明】

１…マイクロホン、 ２…特徴抽出部、 ３…バッファメモリ、 １０…音声合成制御部、 ２０…音声合成部、 ２１…パルス発生回路、 ２２…雑音発生回路、 ２３…利得可変型増幅器、 ２４…フィルタ、 ２５…スピーカ、 ３０…ＳＣＦＧの確率学習部、 ３１…初期値ＳＣＦＧ、 ３２…学習されたＳＣＦＧ、 ３３…韻律制御規則、 ３４…韻律句境界推定規則作成部、 ＳＷ…スイッチ。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 入力された単語列に基づいて基本周波数
   を制御して上記単語列の音声を合成して出力する音声合
   成手段を備えた音声合成システムにおいて、 上記音声合成手段は、 韻律句の構造の情報を含む確率文脈自由文法を用いた規
   則を備えた韻律制御規則に従って、上記基本周波数の立
   て直しが起こる境界である韻律句の境界を上記入力され
   た単語列において検出して上記基本周波数を制御する制
   御手段を備えたことを特徴とする音声合成システム。
2. 【請求項２】 上記確率文脈自由文法は、所定のアルゴ
   リズムに従って、予め作成された複数の文の韻律句の構
   造を含む情報に基づいて学習されたことを特徴とする請
   求項１記載の音声合成システム。
3. 【請求項３】 上記確率文脈自由文法は、ランダムに出
   現確率が与えられた初期値の確率文脈自由文法を、イン
   サイド・アウトサイド・アルゴリズムに従って、予め作
   成された係り受け構造で括弧付けされたコーパスを用い
   て学習されたことを特徴とする請求項２記載の音声合成
   システム。
4. 【請求項４】 上記確率文脈自由文法は、上記学習され
   た確率文脈自由文法を、インサイド・アウトサイド・ア
   ルゴリズムに従って、予め作成された基本周波数の立て
   直し位置のデータで括弧付けされたコーパスを用いて学
   習されたことを特徴とする請求項３記載の音声合成シス
   テム。