JPH0764585A

JPH0764585A - 音声合成装置における入力文解析方法

Info

Publication number: JPH0764585A
Application number: JP5230901A
Authority: JP
Inventors: Yusuke Iwahashi; 祐輔岩橋
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1993-08-24
Filing date: 1993-08-24
Publication date: 1995-03-10

Abstract

(57)【要約】【目的】メモリ等の制約から辞書検索途中結果を全て
保存できない状況下においても、正解に到達する最適な
候補のみを残す。【構成】文字列を内蔵辞書により順次検索していく際
に、次候補の後に次々候補が接続可能であるか否かを判
断し（ステップＳＢ４）、次候補と次々候補との接続が
可能であれば、最長一致法、もしくはその他による順序
付けを行なう（ステップＳＢ５）。そして、下位候補を
棄却する（ステップＳＢ６）。したがって、メモリ等の
制約から辞書検索途中結果を全て保存できない状況下に
おいても、正解に到達する最適な候補のみが残る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文章解析方法に係り、
特に規則合成方式の音声合成装置に適用して好適な音声
合成装置おける入力文解析方法に関する。

【０００２】

【従来の技術】従来、規則合成方式による音声合成装置
においては、入力された文字の系列を解析した後、所定
の規則に従ってパラメータを合成することにより、いか
なる言葉でも音声合成し得るようになされている。

【０００３】すなわち、規則合成方式による音声合成装
置は、入力された文字の系列を解析した後、所定の規則
に従って、各文節毎にアクセントを検出し、各文節の並
びから、文字系列全体としての抑揚、ポーズ等を表現す
るピッチパラメータを合成する。

【０００４】さらに、音声合成は、同様に所定の規則に
従って各文節を例えばＣＶ単位に分割した後、そのスペ
クトラムを表現する合成パラメータを生成する。そし
て、上記ピッチパラメータおよび合成パラメータに基づ
いて合成音を発声するようになっている。

【０００５】

【発明を解決しようとする課題】ところで、従来の音声
合成装置では、入力された文字の解析は、所定の入力装
置から入力されたテキスト入力（文字の系列で表された
文章等でなる）を所定の辞書を基準にして解析し、仮名
文字列に変換した後、単語、文節毎に分解している。こ
のとき、メモリ等の制約がなければ、辞書検索途中結果
を全て保存しておき、入力文末まで辞書検索が終了した
段階で不適格な候補を削除すればよい。

【０００６】この方式は、小規模語彙の比較的短い文の
みに対応するのであれば問題ない。しかし、大規模語彙
で比較的長い文に対応するには、検索途中の結果を全て
保存するために、大容量のメモリが必要となる。そこ
で、従来の音声合成装置では、辞書検索途中の結果の中
に、ある順序を導入したときの下位候補を棄却していく
ことにより、複数の候補から最適な候補を選択してい
る。

【０００７】このとき、上記棄却されたものの中に本来
の正解に到達する候補が含まれていた場合は、解析結果
を誤りとしている。特に、最長一致法などを採用した場
合には、最適な候補が棄却されてしまい、解析結果が誤
りとなる弊害が多く見られるという問題があった。ま
た、途中結果を全部保存して解析を進行させるものは、
小規模語彙の短文対応にとどまっているという問題があ
った。

【０００８】そこで本発明は、メモリ等の制約から辞書
検索途中結果を全て保存できない状況下においても、正
解に到達する最適な候補のみを残すことができる音声合
成装置における入力文解析方法を提供することを目的と
している。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、本発明による音声合成装置における入力文解析方法
は、入力された文字列を解析して、単語、文節毎に分解
する音声合成装置における入力文解析方法において、前
記文字列を内蔵辞書により順次検索していく際に、検索
結果である候補を残す条件として、注目文字列の候補の
後に、前記注目文字列に続く文字列に対する次候補が接
続可能であるということに加えて、前記次候補の後に次
々候補が接続可能であることを必要条件として付加した
ことを特徴とする。

【００１０】

【作用】本発明では、文字列を内蔵辞書により順次検索
していく際に、検索結果である候補を残す条件として、
注目文字列の候補の後に、注目文字列に続く文字列に対
する次候補が接続可能であるということに加えて、次候
補の後に次々候補が接続可能であることを必要条件と
し、次候補と次々候補との接続が可能であれば、最長一
致法、もしくはその他による順序付けを行なう。そし
て、下位候補を棄却する。したがって、メモリ等の制約
から辞書検索途中結果を全て保存できない状況下におい
ても、正解に到達する最適な候補のみを残すことができ
る。

【００１１】

【実施例】以下、本発明の一実施例を図面に基づいて説
明する。

【００１２】（１）実施例の原理この実施例の場合、合成に使用する音声単位の分析処理
で、実音声の有声部分における音源情報と声道特性の分
離に複素ケプストラム分析を用い、音源情報をインパル
スとして抽出し、また声道特性は音源情報であるインパ
ルスの単位応答として抽出する。

【００１３】この複素ケプストラム分析は、実音声の分
析合成において高品質なピッチ変換法、発話速度変換法
として既知の分析手法であり、この音声の分析合成にお
いて有益な分析手法を任意文発声の規則合成に用いるよ
うになされている。

【００１４】合成に使用する音声単位の有声部分には、
複素ケプストラム分析手法によって抽出されたインパル
スと単位応答の両者を１つの組み合わせとして、音声単
位有声部分に必要なフレーム数だけの組み合わせを有声
部分のデータとして蓄えておく。また、音声単位の無声
部分においては、実音声の無声部分をそのまま切り出し
てデータとして蓄えておく。

【００１５】これにより、音声単位はインパルスとその
単位応答からなる複数フレーム分の組み合わせか、無声
部分である実音声の切り出し波形か、あるいはその両者
から構成されることとなる。

【００１６】このため、まず、このような内容で構成さ
れる音声単位データをメモリに蓄えた音声単位記憶部と
ともに、入力された文字の系列を解析して、単語、文節
の境界および基本アクセントを検出する文章解析部とを
設ける。

【００１７】さらに、これに加えて、この文章解析部の
検出結果に基づいて、所定の韻律規則に従って、合成音
声のピッチパターンを生成し、また、音韻規則に従って
合成音声に必要な合成波形データを上記音声単位記憶部
から読み出しを行なう音声合成規則部と、合成波形デー
タおよびピッチパターンに基づいて、合成音を生成する
音声合成部とを設ける。

【００１８】このようにすれば、音声単位データ内のイ
ンパルスを所望のピッチパターンに対応するピッチ周期
の間隔に順次配置して、それぞれのインパルスと組み合
わせになっている単位応答を１組ずつ重畳することによ
って音声を合成するのであるが、音源情報がインパルス
であるため、ピッチ周期が伸縮しても、それによる音源
情報への影響はほとんどなく、ピッチパターンが大きく
変化するような場合でもスペクトル包絡に歪みが生じな
い。

【００１９】このように、音声のピッチ変換に適した複
素スペクトラム分析を規則合成に用いることによって、
人間の音声に近い高品質な任意合成音が得られる。ま
た、合成パラメータによる合成方式のように複雑な演算
処理を必要としないため、音声合成部における処理を高
速化し得るようになされている。

【００２０】（２）実施例の音声合成装置図１は本発明の入力文解析方法を適用した音声合成装置
の構成を示すブロック図である。図において、１は全体
として演算処理装置構成の音声合成装置の概略構成を示
し、音声単位記憶部２、文章解析部３、音声合成規則部
４および音声合成部５に分割される。

【００２１】まず、文章解析部３は、所定の入力装置か
ら入力されたテキスト入力（文字の系列で表された文章
等でなる）を所定の辞書を基準にして解析し、仮名文字
列に変換した後、単語、文節毎に分解する。

【００２２】すなわち、日本語においては、英語のよう
に単語が分かち書きされていないことから、例えば、
「米国産業界」のような言葉は、「米国／産業・界」、
「米／国産／業界」のように２種類区分化し得る。

【００２３】このため、文章解析部３は、辞書を参考に
しながら、言葉の連続関係および統計的性質を利用し
て、テキスト入力を単語、文節毎に分解し、これにより
単語、文節の境界を検出する。さらに、文章解析部３
は、各単語毎に基本アクセントを検出した後、これらを
音声合成規則部４に出力する。

【００２４】音声合成規則部４は、日本語の特徴に基づ
いて設定された所定の音韻規則に従って、文章解析３の
検出結果およびテキスト入力を処理するようになされて
いる。すなわち、日本語の自然な音声は、言語学的特性
に基づいて区別すると、約１００程度の発声の単位に区
分し得ることが知られており、例えば、「さくら」とい
う単語を発声の単位に区分すると、「ｓａ」＋「ｋｕ」
＋「ｒａ」の３つのＣＶ単位に分割することができる。

【００２５】また、日本語は単語が連続する場合、連な
った後ろの語の語頭音節が濁音化したり（すなわち続濁
からなる）、語頭以外のガ行音が鼻音化したりして、単
語単体の場合と発声が変化する特徴がある。

【００２６】したがって、音声合成規則部４は、これら
日本語の特徴に従って音韻規則が設定されるようになさ
れ、この音韻規則に従ってテキスト入力を音韻記号列
（すなわち上述の「ｓａ」＋「ｋｕ」＋「ｒａ」等の連
続する列からなる）に変換されるようになっている。さ
らに、音声合成規則部４は、当該音韻記号列に基づい
て、音声単位記憶部２から各音声単位のデータをロード
する。

【００２７】ここで、この音声合成装置１においては、
波形編集の手法を用いて合成音を発声するようになさ
れ、音声単位記憶部２からロードされるデータは、各Ｃ
Ｖ単位で表される合成音を生成する際に用いられる波形
データからなる。この波形合成に用いられる音声単位デ
ータは次のような構成からなる。

【００２８】音声単位データの有声部に関しては、実音
声の有声部分において上記複素ケプストラム分析を用い
て抽出された、１ピッチに対応するインパルスと単位応
答波形を一組として、この組を１つの音声単位データと
して必要なピッチ分だけ蓄えたものからなり、また、音
声単位データの無声部に関しては、実音声の無声部分の
波形を切り出してそのまま蓄えたものからなる。

【００２９】したがって、音声単位データがＣＶ単位で
ある場合には、１つの音声単位ＣＶの子音部Ｃが無声子
音である時には無声部分の切り出し波形と、インパルス
と単位応答波形からなる複数組によって、１つの音声単
位データが構成され、また、１つの音声単位ＣＶの子音
部Ｃが有声子音である時には、インパルスと単位応答波
形からなる複数組のみによって１つの音声単位データが
構成されることとなる。

【００３０】音声合成規則部４は、音声単位記憶部２か
らロードされた音声単位データを、テキスト入力に応じ
た順序（以下、このデータを合成波形データと呼ぶ）で
合成し、かくして抑揚のない状態で、テキスト入力を読
み上げた合成音声波形を得ることができる。

【００３１】さらに、音声合成規則部４は、所定の韻律
規則に基づいて、テキスト入力を適当な長さで分割し
て、切り目（すなわち、ポーズからなる）を検出する。
このようにして、図２に示すように、例えば、テキスト
入力として文章、「きれいな花を山田さんからもらいま
した」が入力された場合は（図２（Ａ））、当該テキス
ト入力は、「きれいな」、「はな」、「やまださんか
ら」、「もらいました」に分解された後、「はな」およ
び「やまださんから」間にポーズが検出される（図２
（Ｂ））。

【００３２】さらに、音声合成規則部４は、韻律規則お
よび各単語の基本アクセントに基づいて、各文節のアク
セントを検出する。すなわち、日本語の文節単体のアク
セントは、感覚的に仮名文字を単位として（以下、モー
ラと呼ぶ）高低の２レベルで表現することができる。こ
のとき、文節の内容等に応じて、文節のアクセント位置
を区別することができる。

【００３３】例えば、端、箸、橋は２モーラの単語で、
それぞれのアクセントのない０型、アクセントの位置が
先頭のモーラにある１型、アクセントの位置が２モーラ
目にある２型に分類することができる。かくして、この
実施例において、音声合成規則部４は、テキスト入力の
各文節を、１型、２型、０型、４型と分類し（図２
（Ｃ））、これにより文節単位でアクセントおよびポー
ズを検出する。

【００３４】さらに、音声合成規則部４は、アクセント
およびポーズの検出結果に基づいて、テキスト入力全体
の抑揚を表す基本ピッチパターンを生成する。すなわ
ち、日本語においては、文節のアクセントは、感覚的に
２レベルで表し得るのに対し、実際の抑揚は、アクセン
トの位置から徐々に低下する特徴がある（図２
（Ｄ））。

【００３５】さらに、日本語においては、文節が連続し
て１つの文章になると、ポーズから続くポーズに向っ
て、抑揚が徐々に低下する特徴がある（図２（Ｅ））。
したがって、音声合成規則部４は、かかる日本語の特徴
に基づいて、テキスト入力全体の抑揚を表すパラメータ
を各モーラ毎に生成した後、人間が発声した場合と同様
に抑揚が滑らかに変化するように、モーラ間に補間によ
りパラメータを設定する。

【００３６】かくして、音声合成規則部４は、テキスト
入力に応じた順序で、各モーラのパラメータおよび補間
したパラメータを合成し（以下、ピッチパターンと呼
ぶ）、かくしてテキスト入力を読み上げた音声の抑揚を
表すピッチパターン（図２（Ｆ））を得ることができ
る。

【００３７】次に、音声合成部５は、合成波形データお
よびピッチパターンに基づいて波形合成処理を行ない、
合成音を生成する。この波形合成処理は、次のようなこ
とを行なっている。合成音声の有声部分においては、合
成波形データ内のインパルスをピッチパターンに基づい
て並べ、その並べられたインパルスそれぞれに対応する
単位応答波形を各インパルスに重畳する。

【００３８】また、合成音声の無声部分においては、合
成波形データ内の切り出し波形をそのまま所望の合成音
声の波形とする。これにより、ピッチパターンの変化に
追従して抑揚の変化する合成音を得ることができる。

【００３９】したがって、合成音において、音源情報に
インパルスを用いているため、合成音のピッチ周期が伸
縮しても、それによる音源情報への影響はほとんどな
く、ピッチパターンが大きく変化するような場合でも、
スペクトル包絡に歪みが生じることなく、人間の音声に
近い高品質な任意合成音が得られる。

【００４０】次に、上述した音声合成装置における動作
を説明する。以上の構成において、所定の入力装置から
入力されたテキスト入力は、まず、文章解析部２で、所
定の辞書を基準にして解析され、単語、文節の境界およ
び基本アクセントが検出される。

【００４１】ここで、上記文章解析部３の文章解析の詳
細について図３を参照して説明する。図３は、テキスト
解析の処理手順を示すフローチャートである。図におい
て、テキストが入力されると、まず、ステップＳＡ１に
おいて、辞書を用いて形態素解析を行なう。すなわち、
辞書検索を行ない、入力文を形態素単位に分解する。こ
のとき、活用語については、活用形も同定する。例え
ば、「２１世紀においても研究開発は続けなければなら
ない。」というテキストが入力されたとする。

【００４２】上記形態素解析は、入力されたテキスト文
に対して文末に達するまで行なわれる。ここで、形態素
解析について図４を参照して説明する。図４は、文章解
析部３におけるテキスト文（１文）対しての形態素解析
の処理を示すフローチャートである。図において、ま
ず、ステップＳＢ１において、現在、注目している単語
が文末であるか否かを判断する。そして、文末でなけれ
ば、ステップＳＢ１における判断結果は「ＮＯ」とな
り、ステップＳＢ２へ進む。ステップＳＢ２では、次候
補について辞書を検索する。さらに、ステップＳＢ３に
おいて、次々候補について辞書を検索する。

【００４３】そして、ステップＳＢ４において、次候補
と次々候補との接続が可能であるか否かを判断する。そ
して、接続が不可能であれば、ステップＳＢ４における
判断結果は「ＮＯ」となり、候補を棄却する。一方、接
続が可能であれば、ステップＳＢ４における判断結果は
「ＹＥＳ」となり、ステップＳＢ５へ進む。ステップＳ
Ｂ５では、最長一致法、もしくはその他による順序付け
を行なう。次に、ステップＳＢ６において、下位候補を
棄却する。

【００４４】具体例として、前述した「２１世紀におい
ても研究開発は続けなければならない。」をあげて説明
する。ここで、「２１（数詞）」、「世紀（助数詞）」
が候補として検索されているとすると、助数詞である
「世紀」に接続可能な次候補は、候補Ａ：「に」格助詞候補Ｂ：「におい」臭い、名詞候補Ｃ：「におい」臭い、動詞の「臭う」の連用形
イ音便となる。しかし、上記候補ＢおよびＣは、「て」から始
る全ての候補、この例では、接続助詞「て」の１候補に
接続不可能である。このため、候補ＢおよびＣを「世
紀」に続く候補としては認定せず、候補Ａのみを残す。
言換えると、次候補（候補Ａ）である「に」には、次々
候補である「おいて」のみが接続可能であるので、候補
Ａのみを残す。

【００４５】単純に、従来の方式のように、最長一致法
を採用した場合は、候補Ｂ、Ｃが候補Ａよりも優位とな
り、例えば、ある時点での候補保持数を２候補までとし
ている場合は、この時点で正解に達すべきＡ候補が棄却
され、解析結果が誤りとなる。これに対して、本実施例
では、候補を選定した後、従来通り、最長一致法や、そ
の他の順序を導入して、候補間の優劣を付け、制限を越
える下位候補を棄却している。

【００４６】以後、文末に達するまで、ステップＳＢ１
〜ＳＢ６を繰り返し実行し、入力されたテキスト文を形
態素に分解する。そして、文末に達すると、ステップＳ
Ｂ１における判断結果が「ＹＥＳ」となり、処理を終了
する。

【００４７】以上の形態素解析の結果、この場合、上記
テキスト文は次のように分割される。形態素解析結果：２１数詞世紀助数詞に格助詞おいて（名詞）も係助詞研究普通名詞開発普通名詞は係助詞続けカ行下一段動詞、未然形なけれ助動詞、仮定形ば接続助詞ならラ行五段動詞、未然形ない助動詞、終止形

【００４８】次に、図３に示すステップＳＡ２におい
て、各形態素に発音が付与される。すなわち、各形態素
が持つ読み、アクセント型を発音記号に変換する。例え
ば、形態素の１つである「研究」に対しては、その読み
が「けんきゅー」であり、アクセント型が「Ｏ型」、し
たがって、発音記号は「ＫＥＸＫＹＵ−」となる。同様
に、「開発」に対しては、その読みが「かいはつ」であ
り、アクセント型が「Ｏ型」、したがって、発音記号は
「ＫＡＩＨＡＴＳＵ」となる。そして、「は」に対して
は、その読みが「わ」であり、アクセント型が「は」が
付属語であるため自身のアクセント型を持っておらず、
従って、発音記号は「ＷＡ」となる。

【００４９】そして、ステップＳＡ３において、アクセ
ント移動規則に従って、アクセント移動を行なう。上述
した例を用いて説明すると、「研究」は「ＫＥＸＫＹＵ
−」となり、「開発」は「ＫＡ’ＩＨＡＴＳＵ」、そし
て、「は」は「ＷＡ」となる。

【００５０】さらに、ステップＳＡ４において、各形態
素間のポーズ長を次のように決定する。すなわち、上記
文節においては、「．．．．）１（ＫＥＮＫＹＵ−Ｋ
Ａ’ＩＨＡＴＳＵＷＡ）２（．．．」のようになる。な
お、上記数字の「１」もしくは「２」はその数値の大き
さに比例したポーズ長に相当する。

【００５１】このようにして、文章解析部３は、テキス
ト入力を所定の辞書を基準にして解析し、仮名文字列に
変換した後、単語、文節毎に分解した後、各単語毎に基
本アクセントを検出した後、これらを音声合成規則部４
に出力する。なお、図３に示す発音記号出力は、「読み
仮名」、「単語、文節境界」および「基本アクセント」
に該当する。

【００５２】この単語、文節の境界および基本アクセン
トの検出結果は、音声合成規則部４で、所定の音韻規則
に従って処理され、抑揚のない状態でテキスト入力を読
み上げた音声を表す合成波形データが生成される。

【００５３】さらに、単語、文節の境界および基本アク
セントの検出結果は、音声合成規則部４で、所定の韻律
規則に従って処理され、テキスト入力全体の抑揚を表す
ピッチパターンが生成される。ピッチパターンは、合成
波形データとともに、音声合成部５に出力され、ここ
で、ピッチパターンおよび合成波形データに基づいて合
成音が生成される。

【００５４】なお、上述した実施例においては、音声単
位記憶部２において音声単位データをＣＶ単位で保持し
ているが、これはＣＶ単位のみでなく、ＣＶＣ単位など
の別の音声単位でデータを保持してもよい。

【００５５】

【発明の効果】本発明によれば、文字列を内蔵辞書によ
り順次検索していく際に、検索結果である候補を残す条
件として、注目文字列の候補の後に、前記注目文字列に
続く文字列に対する次候補が接続可能であるということ
に加えて、前記次候補の後に次々候補が接続可能である
ことを必要条件として付加するようにしたため、メモリ
等の制約から辞書検索途中結果を全て保存できない状況
下においても、正解に到達する最適な候補のみを残すこ
とができるという利点が得られる。

【図面の簡単な説明】

【図１】本発明の入力文解析方法を適用した音声合成装
置の構成を示すブロック図である。

【図２】本発明の音声合成装置における基本ピッチパタ
ーンの生成手順を示す略線図である。

【図３】本発明のテキスト解析の処理手順を示すフロー
チャートである。

【図４】本発明の文章解析部３におけるテキスト文（１
文）対しての形態素解析の処理を示すフローチャートで
ある。

【符号の説明】

１音声合成装置２音声単位記憶部３文章解析部４音声合成規則部５音声合成部

Claims

【特許請求の範囲】

【請求項１】入力された文字列を解析して、単語、文
節毎に分解する音声合成装置における入力文解析方法に
おいて、前記文字列を内蔵辞書により順次検索していく際に、検
索結果である候補を残す条件として、注目文字列の候補
の後に、前記注目文字列に続く文字列に対する次候補が
接続可能であるということに加えて、前記次候補の後に
次々候補が接続可能であることを必要条件として付加し
たことを特徴とする音声合成装置における入力文解析方
法。