JPH08171395A - 音声合成装置 - Google Patents

Abstract

(57)【要約】 【目的】 発話速度が変化しても聞き取り易い合成音声
を出力する音声合成装置を提供する。 【構成】 テキストメモリ２、発話速度の制御レベルを
指定する入力デバイス１、テキスト−音声変換部３、制
御レベル−制御量変換部４、制御量−時間係数変換部
５、制御量−抑揚係数変換部６、制御量−ポーズ長変換
部７、時間係数−時間制御値変換部８、抑揚係数−抑揚
制御値変換部９、ポーズ長−ポーズ制御値変換部１０、
音声パラメータに対して時間係数−時間制御値変換部
８、抑揚係数−抑揚制御値変換部９、ポーズ長−ポーズ
制御値変換部１０により求められたパラメータを結合処
理する結合処理部１１、音声信号を合成出力処理する音
声合成部１２を具備する音声合成装置。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声合成装置に関
し、特に、出力音声の発話速度を人間の感覚的な言葉を
発話速度の制御レベルの指定に使用して制御し、発話速
度に対応する抑揚および文節間ポーズ長を有する聞き取
り易い音声を合成出力する音声合成装置に関する。

【０００２】

【従来の技術】近年において、音声処理技術、言語処理
技術、マイクロプロセッサその他の高速演算処理半導体
技術が進歩したことにより、音声の分析合成技術、音声
の帯域圧縮技術、文字情報を入力することにより音声を
合成出力するテキスト音声合成装置が実用の域に達し
た。例えば、電話その他の双方向通信装置を介して注文
受付、情報提供、データベース検索サービスにおけるガ
イダンス出力、データ・情報提供に音声合成技術が利用
されている。

【０００３】音声合成方法は、予め蓄えられた音声を必
要に応じて編集出力する録音編集再生方法と、入力され
た文字列に対してその読みを自動的に付与して音声を合
成出力する規則によるテキスト音声合成方法とに分類す
ることができる。音声合成については、従来、出力音声
の品質を如何にして向上するかという点に重点を置いて
研究開発がなされてきた。ところが、音声合成技術がよ
り一般化するにつれて、音声合成の技術に充分精通して
いるとは言えない利用者が音声合成装置を使用する場合
であっても、音声合成装置の発話速度を容易に制御する
ことができると共に、自然で聞き取り易い音声を合成出
力することができる音声合成装置が必要とされるに到っ
た。また、利用者個人の聴力に対応する各自の聴き易い
速度の合成音声を出力する音声合成装置を開発すること
も要請されている。

【０００４】

【発明が解決しようとする課題】ところで、従来の音声
合成装置の出力する合成音声の発話速度の制御は、殆ど
がコマンドにより指定をするものに限られており、音声
合成の技術に充分に精通しているとは言えない利用者に
は、発話速度の制御を容易に実施することができるもの
ではなかった。そして、発話速度を変化させることに対
応して抑揚を規定する基本周波数を変化させることをせ
ず、また、文節間のポーズ長を変化させることもしない
ものであるので、発話速度に適合した基本周波数および
ポーズ長を与えるには、発話速度を指定入力することと
は別に、基本周波数の設定、および個々の文節の前後に
ポーズを入力することをも必要とされた。

【０００５】音声によるメッセージを聞く場合、発話速
度が［普通］であって差し支えない聞き手と、［ゆっく
り］であることを要望する聞き手の両者が存在する。こ
の発明は、この様な［普通に話す］、［ゆっくり話す］
という人間の感覚的な言葉を発話速度の制御レベルを設
定する表現として使用することにより、音声合成の技術
に充分に精通しているとは言えない利用者に依っても、
発話速度を聞き手に適合する発話速度に容易に制御する
と共に、変化した発話速度に対応して抑揚を規定する基
本周波数を自動的に設定し、併せて発話速度の変化に対
応するポーズ長を文節間に自動的に入力することによ
り、自然で聞き取り易い音声を合成出力する音声合成装
置を提供するものである。

【０００６】

【課題を解決するための手段】文字情報から音声を合成
して出力する音声合成装置において、発話速度の制御レ
ベルを指定する発話速度指定部を具備し、出力音声の時
間長を発話速度指定部の指定に対応して制御する時間長
制御部を具備し、出力音声の抑揚を規定する基本周波数
を発話速度指定部の指定に対応して制御する抑揚制御部
を具備し、出力音声の文節間に挿入するポーズ長を発話
速度指定部の指定に対応して制御するポーズ長制御部を
具備する音声合成装置を構成した。

【０００７】そして、文字情報を入力蓄積しておくテキ
ストメモリ２を具備し、テキストメモリ２に蓄積される
文字列情報を表示画面に表示し、これについて発話速度
の制御レベルを指定する入力デバイス１を具備し、テキ
ストメモリ２から読み出される文字列情報に読みを付与
すると共に基本となる音声の単位に分解結合し、文字列
に対応する音声パラメータを生成するテキスト−音声変
換部３を具備し、入力デバイス１により指定入力された
制御レベルを制御量である数値に変換する制御レベル−
制御量変換部４を具備し、制御レベル−制御量変換部４
より出力される制御量に対応する発話時間の物理的な変
換値である時間係数パラメータを求める制御量−時間係
数変換部５を具備し、制御レベル−制御量変換部４より
出力される制御量に対応する抑揚の物理的な変換値であ
る抑揚係数パラメータを求める制御量−抑揚係数変換部
６を具備し、制御レベル−制御量変換部４より出力され
る制御量に対応するポーズの物理的な変換値であるポー
ズ長パラメータを求める制御量−ポーズ長変換部７を具
備し、制御量−時間係数変換部５において変換された時
間係数パラメータを使用して音声パラメータの発話時間
を変化させる時間制御パラメータを求める時間係数−時
間制御値変換部８を具備し、制御量−抑揚係数変換部６
において変換された抑揚係数パラメータを使用して音声
パラメータの抑揚を規定する基本周波数を変化させる抑
揚制御パラメータを求める抑揚係数−抑揚制御値変換部
９を具備し、制御量−ポーズ長変換部７において変換さ
れたポーズ長パラメータを使用して音声パラメータの各
文節間のポーズ長を変化させるポーズ制御パラメータを
求めるポーズ長−ポーズ制御値変換部１０を具備し、テ
キスト−音声変換部３から読み出される音声パラメータ
に対して、時間係数−時間制御値変換部８、抑揚係数−
抑揚制御値変換部９、ポーズ長−ポーズ制御値変換部１
０により求められた各種制御パラメータを結合処理する
制御パラメータ結合処理部１１を具備し、制御パラメー
タ結合部１１から入力される制御音声パラメータに基づ
いて音声信号を合成出力処理する音声合成部１２を具備
する音声合成装置を構成した。

【０００８】また、音声合成装置において、発話速度指
定部は制御レベルの指定が人間の感覚的な言葉に依るも
のである音声合成装置を構成した。

【０００９】

【実施例】この発明の実施例を図１を参照して説明す
る。１は合成音声の発話速度の制御レベルを指定する入
力デバイスである。２は文字情報を予め入力蓄積してお
くテキストメモリである。入力デバイス１は、テキスト
メモリ２に蓄積されているテキスト文章を表示画面に表
示し、利用者は画面に表示されるテキスト文章に対する
発話速度の制御レベルをマウス、キーボードその他の入
力装置を使用して指定し、発話速度の制御レベルを設定
する。ここで、発話速度の制御レベルを表現する言葉と
して、［普通に話す］、［ゆっくり話す］という様な人
間の感覚的な言葉を使用し、これにより発話速度の制御
レベルを指定することにより、音声合成の専門的知識或
は専門用語に精通していない利用者であっても、容易に
適切な制御レベルの指定をすることができる。

【００１０】３はテキスト−音声変換部であり、テキス
トメモリ２から読み出される文字列情報に読みを付与す
ると共に基本となる音声の単位に分解結合し、当該文字
列に対応する音声パラメータを生成する。テキスト−音
声変換方法としては、慣用されているＣＯＣ法を使用す
ることができる（ＣＯＣ法に関しては、例えば箱田、広
川、水野、中嶌「ＣＯＣ法を用いたテキスト合成ボード
の試作」電子情報通信学会、音声研究会資料、ＳＰ９０
−５５（１９９０）参照）。なお、後で発話速度制御処
理を行う必要があるところから、音声合成部としては、
速度、基本周波数、ポーズを制御することを要件として
含むＬＰＣ、或はＬＳＰの如きものを採用すると好適で
ある。

【００１１】ここで、ＣＯＣ法を採用するテキスト音声
合成における音声パラメータの一例を示す。 ［テキスト文］ 「こちらは、テレホンサービスの受付係です。」 ［音声パラメータ］ ￥Ｓｎ￥Ｖｎｎ￥Ｄｎｎコチラハ［，００］テレホンサ
ービスノ［／０６］ウケツケガカリデス［．０５］ 以上について解説する。

【００１２】 ￥Ｓｎ ：発話速度（ｎ＝１：低速〜８：高速）……デフォルト値＝５ ￥Ｖｎｎ：音量（ｎｎ＝０１：小〜１６：大）………デフォルト値＝０８ ￥Ｄｎｎ：抑揚（ｎｎ＝０１：小〜１６：大）………デフォルト値＝０８ ［］内記号：文節セパレータ（本記号は文節間の結合度
を示す記号であり、この記号により各文節間のポーズ長
が設定される。） “＊”＝強結合 （ 0ms） “／”＝弱結合 （ 0ms） “％”“ ”＝短ポーズ（ 350ms） “、”“，”＝中ポーズ（ 700ms） “。”“．”＝長ポーズ（1000ms） ［］内数字：前文節のアクセント位置（例えば、第三文
節は“０５”で５文字目の“ガ”がアクセントの位置と
なる。） 発話速度パラメータにより出力される合成音声の速さを
変化させ、音量パラメータにより出力される合成音声の
パワーを変化させ、抑揚パラメータにより出力される合
成音声の基本周波数のダイナミックレンジを変化させる
ことができる。なお、各パラメータの値を制御すること
により合成音声を変化させることができるが、パラメー
タの値を制御するのではなくして直接物理量を制御する
様にすることもできる。

【００１３】４は制御レベル−制御量変換部であり、入
力デバイス１に入力された制御レベルを制御量である数
値に変換する。入力デバイス１に入力された感覚的な制
御レベル指定情報に対応する制御信号は、制御レベル−
制御量変換部４において数値により表現された制御量に
変換される。この制御量としては、例えば制御レベルを
３段階に分け、［普通］の制御レベルを１に、［ややゆ
っくり］の制御レベルを０に、［ゆっくり］の制御レベ
ルを−１に対応させ、これらの数値１、０、−１を制御
量として使用する。或は、図２を参照するに、制御レベ
ルを５段階に分け、［普通］の制御レベルを１に、［ゆ
っくり］の制御レベルを５に、さらに［普通］と［ゆっ
くり］の間に３段階の制御レベルを設け、中間を［やや
ゆっくり］としてこの制御レベルを３に対応させた数値
を使用する。更に、図３を参照するに、制御レベルを７
段階に分け、［普通］の制御レベルを１に、［ゆっく
り］の制御レベルを７に、［普通］と［ゆっくり］の間
に５段階の制御レベルを設け、中間を［ややゆっくり］
としてこの制御レベルを４に対応させた数値を使用する
ことができる。図２および図３において、２１および３
１は入力デバイス１の表示器の表示画面を示す。２２お
よび３２は表示されるテキスト内容を表示する表示部で
あり、２３および３３は制御スイッチであり、２４およ
び３４はレベルを設定するスライドボリュームであり、
２５および３５は制御レベルを示す。利用者は、表示部
２２或は表示部３２に表示される文字列について、制御
スイッチ２３或は制御スイッチ３３をＯＮに設定してか
ら、マウス、キーボードその他の入力操作装置を操作す
ることによりスライドボリューム２４或はスライドボリ
ューム３４を駆動し、制御レベルを入力設定する。スラ
イドボリューム２４およびスライドボリューム３４の下
部には、そのスライド方向に沿って［普通］・［ややゆ
っくり］・［ゆっくり］という様な人間の感覚的な言葉
を発話速度の制御レベルを表現する言葉として表示して
いる。この表示を参照しながら制御レベルを入力設定す
る。

【００１４】５は制御量−時間係数変換部であり、制御
レベル−制御量変換部４より出力される制御量に対応す
る発話時間における物理的な変換値である時間係数パラ
メータを求める。時間係数パラメータを求める方法とし
ては、図４に示されるが如き制御量と時間係数パラメー
タとの間の対応を示す変換テーブルを準備しておき、入
力された制御量である数値に対応する時間係数パラメー
タを求める方法を採用することができる。図４は制御量
と時間係数パラメータの対応をグラフ化して表現した変
換テーブルを示す。４１は制御レベルを５段階に分けた
変換テーブルである。制御レベルが［普通］の場合は制
御量が１であり、時間係数１が求められ、［ややゆっく
り］の場合は制御量が３であり、時間係数０．６が求め
られる。同様に、４２は制御レベルを７段階に分けた変
換テーブルである。制御レベルが［普通］の場合は制御
量が１であり、時間係数１が求められ、［ややゆっく
り］の場合は制御量が４であり、時間係数０．６が求め
られる。

【００１５】次に、発話速度の変化に対応する抑揚を規
定する基本周波数の制御について説明する。６は制御量
−抑揚係数変換部であり、制御レベル−制御量変換部４
より出力される制御量に対応する抑揚における物理的な
変換値である抑揚係数パラメータを求める。抑揚係数パ
ラメータを求める方法としては、時間係数パラメータを
求める場合と同様に、図５に示されるが如き制御量と抑
揚係数パラメータとの間の対応を示す変換テーブルを準
備しておき、入力される制御量に対応する抑揚係数パラ
メータを求める方法を採用することができる。図５は制
御量と抑揚係数の対応をグラフ化して表現した変換テー
ブルを示す。５１は制御レベルを５段階に分けた変換テ
ーブルであり、制御量を物理的な抑揚値である基本周波
数に変換する係数を求める。制御レベルが［普通］の場
合は制御量が１であり、抑揚係数０．８７５が求めら
れ、［ややゆっくり］の場合は制御量が３であり、抑揚
係数０．７５が求められる。同様に、５２は制御レベル
を７段階に分けた変換テーブルであり、制御量を物理的
な抑揚値である基本周波数に変換する係数を求める。制
御レベルが［普通］の場合は制御量が１であり、抑揚係
数０．８７５が求められ、［ややゆっくり］の場合は制
御量が４であり、抑揚係数０．７５が求められる。

【００１６】更に、７は制御量−ポーズ長変換部であ
り、制御レベル−制御量変換部４より出力される制御量
に対応するポーズにおける物理的な変換値であるポーズ
長パラメータを求める。ポーズ長パラメータを求める方
法としては、時間係数パラメータを求める場合と同様
に、図６および図７に示されるが如き制御量とポーズ長
パラメータとの間の対応を示す変換テーブルを準備して
おき、入力される制御量に対応するポーズ長パラメータ
を求める方法を採用することができる。図６は制御量と
ポーズ長パラメータの対応をグラフ化して表現した変換
テーブルであり、制御レベルを５段階に分けて制御量か
ら各文節間の物理的なポーズ長を求める変換テーブルで
ある。ポーズの位置、長さは文節間の結合の度合により
求められる。制御レベルが［ややゆっくり］の場合は制
御量は３であり、強結合の場合は変換テーブル６１を参
照して１６０ミリ秒のポーズ長が求められ、弱結合の場
合は変換テーブル６２を参照して２５０ミリ秒のポーズ
長が求められ、短ポーズの場合は変換テーブル６３を参
照して３８０ミリ秒のポーズ長が求められ、中ポーズの
場合は変換テーブル６４を参照して１８０ミリ秒のポー
ズ長が求められ、長ポーズの場合は変換テーブル６５を
参照して２９０ミリ秒のポーズ長が求められる。

【００１７】図７は制御量とポーズ長パラメータの対応
をグラフ化して表現した変換テーブルであり、制御レベ
ルを７段階に分けて制御量から各文節間の物理的なポー
ズ長を求める変換テーブルである。同様にして、制御量
から各文節間の物理的なポーズ長を求めることができ
る。制御レベルが［ゆっくり］の場合は制御量が７であ
り、強結合の場合は変換テーブル６６を参照して３００
ミリ秒のポーズ長が求められ、弱結合の場合は変換テー
ブル６７を参照して３４０ミリ秒のポーズ長が求めら
れ、短ポーズの場合は変換テーブル６８を参照して５３
０ミリ秒のポーズ長が求められ、中ポーズの場合は変換
テーブル６９を参照して２８０ミリ秒のポーズ長が求め
られ、長ポーズの場合は変換テーブル７０を参照して４
１０ミリ秒のポーズ長が求められる。なお、図８は制御
レベルおよび制御量と、各種物理パラメータとの間の対
応を示す一覧表である。７１は制御レベルを５段階に分
けた場合の一覧表であり、７２は制御レベルを７段階に
分けた場合の一覧表である。

【００１８】８は時間係数−時間制御値変換部であり、
制御量−時間係数変換部５において変換された時間係数
パラメータを使用してテキスト−音声変換部３において
求められた音声パラメータの発話時間を変化させる時間
制御パラメータを求める。時間制御パラメータは現実の
制御値である。この時間係数−時間制御値変換部８はテ
キスト−音声変換部３から読み出された音声パラメータ
の発話速度のデフォルト値に対して、制御量−時間係数
変換部５において変換された時間係数パラメータを乗じ
ることにより、制御値である時間制御パラメータを求め
る。

【００１９】時間制御パラメータ＝発話速度のデフォル
ト値×時間係数パラメータ 具体例：「ややゆっくり」の場合 ３＝デフォルト値：５×時間係数：０．６ ９は抑揚係数−抑揚制御値変換部であり、制御量−抑揚
係数変換部６において変換された抑揚係数パラメータを
使用して音声パラメータの抑揚を規定する基本周波数を
変化させる抑揚制御パラメータを求める。抑揚係数−抑
揚制御値変換部９は、テキスト−音声変換部３から読み
出される音声パラメータの抑揚のデフォルト値に対し
て、制御量−抑揚係数変換部５において変換された抑揚
係数パラメータを乗じることにより、制御値である抑揚
制御パラメータを求める。

【００２０】抑揚制御パラメータ＝抑揚のデフォルト値
×抑揚係数パラメータ 具体例：「ややゆっくり」の場合 ６＝デフォルト値：８×抑揚係数パラメータ：０．７５ １０はポーズ長−ポーズ制御値変換部であり、制御量−
ポーズ長変換部７において変換されたポーズ長パラメー
タを使用して、音声パラメータの各文節間のポーズ長を
変化させるポーズ制御パラメータを求める。ポーズ長−
ポーズ制御値変換部１０は、テキスト−音声変換部３に
おいて変換された音声パラメータに示される通り各文節
間に既に付与されている文節セパレータに対して、制御
量−ポーズ長変換部７により求めた各ポーズ長パラメー
タを加算することにより、制御値であるポーズ制御パラ
メータが求められる。

【００２１】 ポーズ制御パラメータ＝文節セパレータ＋ポーズ長パラメータ 具体例：「ややゆっくり」の場合（単位：ミリ秒） 強結合： 160＝文節セパレータ：0＋ポーズ長：160 弱結合： 250＝文節セパレータ：0＋ポーズ長：250 短ポーズ： 730＝文節セパレータ：350＋ポーズ長：380 中ポーズ： 880＝文節セパレータ：700＋ポーズ長：180 長ポーズ：1290＝文節セパレータ：1000＋ポーズ長：290 １１は制御パラメータ結合処理部であり、テキスト−音
声変換部３から読み出された音声パラメータに対して、
時間係数−時間制御値変換部８、抑揚係数−抑揚制御値
変換部９、ポーズ長−ポーズ制御値変換部１０により求
められた各種制御パラメータを結合処理する。制御パラ
メータ結合部１１においては、テキスト−音声変換部３
から読み出された音声パラメータの制御変更されるべき
部分を、時間係数−時間制御値変換部８により求められ
た時間制御パラメータ、抑揚係数−抑揚制御値変換部９
により求められた抑揚制御パラメータおよびポーズ長−
ポーズ制御値変換部１０により求められたポーズ制御パ
ラメータに置換挿入して制御音声パラメータを形成し、
これを１２により示される音声合成部に出力する。パラ
メータ結合部１１における各種制御パラメータの結合処
理は合成音声のフレーム周期を変換する手法、その他の
手法を採用して実施することができる（詳細は、特願平
３−１８０８１２参照）。音声合成部１２は、制御パラ
メータ結合部１１から入力される制御音声パラメータに
基づいて音声信号を合成出力処理する。１３は出力デバ
イスであり、音声合成部１２の出力するディジタルの音
声信号をアナログ信号に変換し、スピーカその他の電気
音響変換装置により利用者により指定された区間につい
て感覚量により指定された発話速度制御処理の施された
合成音声を出力する。

【００２２】なお、発話速度の制御レベルの入力操作
は、入力操作装置として上述したマウス、キーボードの
他にジョイスティックを使用して実施することもでき
る。更に、ＮＣＵを組み込んで、電話機によりプッシュ
回線におけるＰＢ信号を利用して発話速度の制御レベル
の遠隔入力操作をすることができる。

【００２３】

【発明の効果】以上の通りであって、この発明の音声合
成装置は、出力する音声の発話速度の制御レベルの指定
に人間の感覚的な言葉を使用するので、音声合成の技術
に充分には精通していない利用者であっても容易に発話
速度の制御をすることができると共に、変化した発話速
度に対応する抑揚を規定する基本周波数を自動的に設定
し、文節間に変化した発話速度に対応する適正なポーズ
長を自動的に入力して、発話速度が変化しても自然で聞
き取り易い音声を合成出力することができる。従って、
誰にも容易に聞き手に適合する発話速度の制御をするこ
とができる。

【図面の簡単な説明】

【図１】音声合成装置の実施例を説明するブロック図。

【図２】制御レベルを５段階に分けた場合の入力画面を
示す図。

【図３】制御レベルを７段階に分けた場合の入力画面を
示す図。

【図４】制御量と発話時間長に変換する係数との間の対
応を示すグラフであり、（ａ）は制御レベルを５段階に
分けた場合を示し、（ｂ）は制御レベルを７段階に分け
た場合を示す。

【図５】制御量と抑揚の係数との間の対応を示すグラフ
であり、（ａ）は制御レベルを５段階に分けた場合を示
し、（ｂ）は制御レベルを７段階に分けた場合を示す。

【図６】制御量と文節間のポーズ長との間の対応を示す
グラフであり、制御レベルを５段階に分けた場合を示
す。

【図７】制御量と文節間のポーズ長との間の対応を示す
グラフであり、制御レベルを７段階に分けた場合を示
す。

【図８】制御レベルおよび制御量と各種物理パラメータ
との間の対応を示す図であり、（ａ）は制御レベルを５
段階に分けた場合を示し、（ｂ）は制御レベルを７段階
に分けた場合を示す。

【符号の説明】

１ 入力デバイス ２ テキストメモリ ３ テキスト−音声変換部 ４ 制御レベル−制御量変換部 ５ 制御量−時間係数変換部 ６ 制御量−抑揚係数変換部 ７ 制御量−ポーズ長変換部 ８ 時間係数−時間制御値変換部 ９ 抑揚係数−抑揚制御値変換部 １０ ポーズ長−ポーズ制御値変換部 １１ 制御パラメータ結合部 １２ 音声合成部 １３ 出力デバイス

Claims (3)

【特許請求の範囲】
1. 【請求項１】 文字情報から音声を合成して出力する音
   声合成装置において、 発話速度の制御レベルを指定する発話速度指定部を具備
   し、 出力音声の時間長を発話速度指定部の指定に対応して制
   御する時間長制御部を具備し、 出力音声の抑揚を規定する基本周波数を発話速度指定部
   の指定に対応して制御する抑揚制御部を具備し、 出力音声の文節間に挿入するポーズ長を発話速度指定部
   の指定に対応して制御するポーズ長制御部を具備する、 ことを特徴とする音声合成装置。
2. 【請求項２】 文字情報を入力蓄積しておくテキストメ
   モリ２を具備し、 テキストメモリ２に蓄積される文字列情報を表示画面に
   表示し、これについて発話速度の制御レベルを指定する
   入力デバイス１を具備し、 テキストメモリ２から読み出される文字列情報に読みを
   付与すると共に基本となる音声の単位に分解結合し、文
   字列に対応する音声パラメータを生成するテキスト−音
   声変換部３を具備し、 入力デバイス１により指定入力された制御レベルを制御
   量である数値に変換する制御レベル−制御量変換部４を
   具備し、 制御レベル−制御量変換部４より出力される制御量に対
   応する発話時間の物理的な変換値である時間係数パラメ
   ータを求める制御量−時間係数変換部５を具備し、 制御レベル−制御量変換部４より出力される制御量に対
   応する抑揚の物理的な変換値である抑揚係数パラメータ
   を求める制御量−抑揚係数変換部６を具備し、 制御レベル−制御量変換部４より出力される制御量に対
   応するポーズの物理的な変換値であるポーズ長パラメー
   タを求める制御量−ポーズ長変換部７を具備し、 制御量−時間係数変換部５において変換された時間係数
   パラメータを使用して音声パラメータの発話時間を変化
   させる時間制御パラメータを求める時間係数−時間制御
   値変換部８を具備し、 制御量−抑揚係数変換部６において変換された抑揚係数
   パラメータを使用して音声パラメータの抑揚を規定する
   基本周波数を変化させる抑揚制御パラメータを求める抑
   揚係数−抑揚制御値変換部９を具備し、 制御量−ポーズ長変換部７において変換されたポーズ長
   パラメータを使用して音声パラメータの各文節間のポー
   ズ長を変化させるポーズ制御パラメータを求めるポーズ
   長−ポーズ制御値変換部１０を具備し、 テキスト−音声変換部３から読み出される音声パラメー
   タに対して、時間係数−時間制御値変換部８、抑揚係数
   −抑揚制御値変換部９、ポーズ長−ポーズ制御値変換部
   １０により求められた各種制御パラメータを結合処理す
   る制御パラメータ結合処理部１１を具備し、 制御パラメータ結合部１１から入力される制御音声パラ
   メータに基づいて音声信号を合成出力処理する音声合成
   部１２を具備する、 ことを特徴とする音声合成装置。
3. 【請求項３】 請求項１および請求項２の何れかに記載
   される音声合成装置において、発話速度指定部は制御レ
   ベルの指定が人間の感覚的な言葉に依るものであること
   を特徴とする音声合成装置。