JPH08248993A

JPH08248993A - 音韻時間長制御方法

Info

Publication number: JPH08248993A
Application number: JP7052557A
Authority: JP
Inventors: Takahiro Kamai; 孝浩釜井; Kiyo Hara; 紀代原; Kenji Matsui; 謙二松井
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1995-03-13
Filing date: 1995-03-13
Publication date: 1996-09-27

Abstract

(57)【要約】【目的】リズミカルで自然な音韻時間長制御を簡易に
実現すること。【構成】ＣＶ音声素片の子音時間長を記憶しておき、
等間隔に生成したリズムから該当するＣＶ音声素片の子
音時間長分さかのぼった位置に、各ＣＶ音声素片の発音
開始タイミングを設定する。その結果、ＣＶ音声素片の
子音から母音への境界部が等間隔に並ぶ。その結果、リ
ズミカルで自然な音声が合成できる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、自動読書器、電子メー
ル読み上げ装置、電話応答システムなどに応用可能なテ
キスト／音声変換技術、すなわち音声規則合成技術に関
するものである。

【０００２】

【従来の技術】音声規則合成技術は任意のテキストを入
力とし、音声に変換して出力するもので、表示部を持た
ない機器や、カーナビゲーションシステムのように人間
が視覚を使えない状況で使用される機器などで、機器か
ら人間への情報手段に広く用いることのできる技術であ
る。また、マルチメディア技術としてもテキスト化され
た情報を人間にわかりやすい形式で伝達する手段として
有効である。

【０００３】このようないわばインタフェース技術とし
ての音声規則合成技術には、合成音声の明瞭度が高いこ
とも重要であるが、音声合成にともなう処理が単純であ
ることが重要であることも多い。なぜなら、例えばパソ
コンなどのマルチメディアの枠組みで動作させる場合に
はＣＰＵ資源を音声出力以外の処理に多く占有されてい
ることが多く、結果的に限られた処理能力で音声出力を
可能としなければならないからである。

【０００４】また、電子ブックなどの携帯型の装置に組
み込むことは、音声出力を可能にすると同時に液晶表示
部を簡素化するなどのメリットがあるが、そのような小
型で安価な装置には高性能なＣＰＵが使用できないこと
が多い。

【０００５】以上のような観点から、音声規則合成技術
には処理量が少ないことが重要であると言える。

【０００６】そのような目的で音声素片編集型の規則合
成方法が発明されている（特願平６−３０２４７１）。
そのシステムでは音節単位の音声波形素片を編集するこ
とにより任意の文章を合成する。音声波形素片を用いる
ことで、例えばフォルマント合成などのパラメトリック
合成系におけるフィルタ演算が不要になり、処理量が低
減できる。

【０００７】しかし、なめらかな音声を合成するには用
意された音声素片を目的に応じて変形する操作が必要で
ある。特に重要な変形はピッチと時間長である。

【０００８】ピッチの変形は図５のように行われる。す
なわち、あらかじめピッチ周期に対応したピークを中心
として窓関数によりピッチ波形を切り出しておき、合成
時に目的のピッチ周期の間隔で重ね合わせることにより
ピッチを変更する。

【０００９】時間長の変更は音声素片の定常母音部分で
行う。時間長を短くするときは母音部の途中で波形再生
を打ち切り、長くするときは同じピッチ波形を繰り返
す。子音の時間長変更については、発話速度の変化に対
して子音時間長の変化が小さいことと、子音の種類によ
り異なる時間長変更操作が必要なことから、実施しな
い。

【００１０】さて、そのような枠組みのもとで自然な発
話に聞こえるように時間長制御を行うには、従来子音時
間長と母音時間長を統計から決定し、音節の時間長を子
音時間長と母音時間長の和として決めていた。例えば、
音節「か」の時間長Ｄは、統計から求められた子音／ｋ
／の時間長Ｄkと母音／ａ／の時間長Ｄaの和として（数
１）により決定する。

【００１１】Ｄ＝Ｄk ＋Ｄa ・・・・（数１）しかし、こうして統計から求められた時間長は、必ずし
も音声素片固有の時間長とマッチしない。そのため、音
節内の子音と母音の時間長のバランスが悪くなる。

【００１２】このような問題は、時間長の決定を音声素
片の持つ時間長と関わりなく行うことによって起こる。
例えば音節時間長がほぼ均一になるように時間長を決定
しても、等間隔のリズムで聞こえないということが起こ
る。

【００１３】

【発明が解決しようとする課題】以上説明したように従
来の音韻時間長決定方法は、音声素片を用いた合成方法
において音声素片固有の音韻時間長との不整合を起こ
し、聞こえに対して最適な音韻時間長の制御が行えない
という問題があった。

【００１４】

【課題を解決するための手段】上記の問題を解決するた
めに、本発明の音韻時間長制御方法は、あらかじめ音声
素片の子音と母音の境界にマークを付与しておき、その
子音の時間長を変更せずにそのまま合成時の子音時間長
として用いる。その動作は、まず等間隔のリズムを生成
し、その各タイミングから子音時間長だけさかのぼった
タイミングを音声素片発音タイミングとする。各音声素
片の長さの制御は母音部分の時間長を変更することで行
い、子音の時間長は変更しない。

【００１５】

【作用】上記の手段により、音声素片の子音と母音の境
界が等間隔に並ぶようになる。すなわち、合成音声の母
音開始部から子音終了部までを一つの単位（ＶＣ単位）
とすると、ＶＣ単位が一定の時間長になるように作用す
る。

【００１６】

【実施例】次に、本発明の音韻時間長制御方法につい
て、図面を参照しながら説明する。

【００１７】図１に本発明の音韻時間長制御方法の構成
を示す。その構成では、入力部１が設けられ、その出力
は音声素片選択部２に接続されている。また、リズム生
成部３が設けられ、その出力は音声素片発音タイミング
生成部４に接続されている。また、音声素片記憶部８と
音声素片読みだし部５が設けられ、それらは互いに接続
されている。音声素片発音タイミング生成部４の出力は
音声素片読みだし部５に接続されている。そして、子音
時間長記憶部７が設けられ、音声素片発音タイミング生
成部４に接続されている。また、音声素片選択部２の出
力は音声素片よみだし部５と音声素片発音タイミング生
成部４に接続されている。音声素片読みだし部５の出力
は出力部６に接続されている。

【００１８】続いて、本構成による音韻時間長制御方法
の手順をフローチャートを参照しながら説明する。図２
は本発明の全体の処理の流れを表したフローチャートで
ある。

【００１９】まず、音声素片記憶部８には音声合成に必
要な全ての音声波形が一つの子音とそれに続く母音の対
である音節を単位として記憶されている。また、子音時
間長記憶部７には音声素片記憶部８に記憶された全ての
音声素片の子音時間長が記憶されている。

【００２０】入力部１は１行分の発音記号列を読み込
み、音声素片選択部２に出力する（ステップＳ１）。音
声素片選択部２は発音記号に対応する音声素片を表す音
声素片番号を出力する（ステップＳ２）。また、リズム
生成部３はあらかじめ決められた１音節の平均時間長に
従って、等間隔のリズムを出力する（ステップＳ３）。

【００２１】続いて音声素片選択部２によって設定され
た音声素片番号それぞれについて、音声素片発音タイミ
ング生成部４が動作する。

【００２２】音声素片番号が通常のＣＶ音節を表すとき
（ステップＳ４）、音声素片発音タイミング生成部４は
音声素片番号に従って子音時間長記憶部７から、対応す
る音声素片の子音時間長を読みだす（ステップＳ５）。
ここで、通常のＣＶ音節とは子音と母音の一つづつの組
み合わせからなる音節を指し、母音、撥音（「ン」）、
促音（「ッ」）、無声化音節以外の物を言う。

【００２３】音声素片番号が通常のＣＶ音節以外の場合
には例外処理を行う（ステップＳ６）。例外処理につい
ては後述する。

【００２４】音声素片発音タイミング生成部４はリズム
生成部３から受け取った等間隔のリズムから子音時間長
分さかのぼり（ステップＳ７）、その時刻に音声素片発
音タイミングを設定する（ステップＳ８）。このように
することで、図３に示すように各音節の子音と母音の境
界が等間隔に並ぶようになる。このことで、合成音が規
則的なリズムで聞こえる効果がある。

【００２５】音声素片読みだし部５は音声素片記憶部８
から音声素片番号に対応する音声素片を、音声素片発音
タイミング生成部４から受け取った音声素片発音タイミ
ングに従って読み出し、出力部６に対して出力する（ス
テップＳ９）。出力部６は音声素片読みだし部５から受
け取った音声素片波形を音声に変換して出力する。

【００２６】次に例外処理についてフローチャートを参
照しながら説明する。図４は例外処理の流れを表すフロ
ーチャートである。

【００２７】まず、母音と撥音の場合（ステップＳ１０
１）、子音時間長は０とし（ステップＳ１０２）、通常
と同様の処理を行う。すなわち、等間隔のリズムをその
まま音声素片発音タイミングとみなす。

【００２８】音声素片番号が促音の場合（ステップＳ１
０３）、その音節は仮想的に子音と母音に分かれている
とみなし、あらかじめ決めておいた仮想子音時間長（例
えば４０ｍｓ）を子音時間長として用い（ステップＳ１
０４）、以下、通常の場合と同様の処理を行う。

【００２９】音声素片番号が無声化音節の場合（ステッ
プＳ１０５）、本来存在した母音がなくなった物と考
え、音声素片全体の長さを子音時間長とみなし（ステッ
プＳ１０６）、通常と同様に等間隔のリズムからさかの
ぼって音声素片発音タイミングを生成する。しかし、次
に来るべき母音が存在しないため、次の音節までの間に
無音区間が生まれる。そこで、次の音節の種類により無
音区間の処理を行う。

【００３０】無声化音節の次に来る音節は通常の場合無
声子音のみである。まず、その無声子音が「カ」行、
「タ」行、「パ」行の場合、無音区間はそのまま無音と
する。これらの子音は閉鎖子音であり、先頭部分にはも
ともと特有の無音区間が存在するので、上の処理は元々
存在した無音区間を長くするよう作用する。無音区間が
長くなっても音韻性（その音韻らしく聞こえる度合い）
が損なわれることはないし、等間隔のリズムが保証され
ているので、促音に異聴することもない。

【００３１】無声化音節の次に来る無声子音が「ハ」行
の場合も同様にする。「ハ」行は閉鎖子音ではないが、
先頭に無音区間が付加されても異聴などは起こらない。

【００３２】無声化音節の次の無声子音が「サ」行の場
合は別の処理を行う（ステップＳ１０７）。もし上と同
様の処理を行うと音韻性の低下を引き起こす。すなわ
ち、無音区間が付加されることにより「ツァ」行への異
聴が発生する。そこで、無音区間がなくなるように
「サ」行の子音部分を長くする（ステップＳ１０８）。
このことは、子音母音境界が等間隔のリズムになること
を保証した上で、無声化により無音になった区間を
「サ」行の子音の波形で埋めるように作用する。

【００３３】「サ」行の子音時間長を長くする方法は例
えば次のようにする。音声素片を録音するとき、子音部
分が長めになるようにする。通常、単独発声で「サ」行
の単音節を発声すると、必要な子音時間長よりも十分長
い子音時間長となる。そこで、普段は子音部分の読みだ
しを途中から行うことで子音時間長を短くしておき、長
くする操作が必要なときは読みだし開始位置を早める。
この方法は処理が単純であり、効果的である。

【００３４】その他の無声子音としては「キャ」行、
「チャ」行、「ピャ」行、「ヒャ」行、「シャ」行があ
るが、それぞれ「カ」行、「タ」行、「パ」行、「ハ」
行、「サ」行と同じ処理を行う。

【００３５】このような時間長制御を行うことにより、
音声素片の子音から母音への境界が等間隔になり、規則
正しいリズムの合成音が生成できる。日本語の音声は等
間隔のリズムが特徴とされているが、音節中のどのよう
なタイミングが等間隔になっているかは明らかになって
いない。本方法では子音から母音への変化点が等間隔に
なるが、実際そのように制御することで等間隔のリズム
で発話しているように聞こえる。

【００３６】本方法によれば、複雑な時間長の計算も不
要である。さらに、音声素片の時間長変更処理は処理が
単純な母音定常部で行うことが基本であり、子音の時間
長変更は一部の子音を除いて不要である。「サ」行、
「シャ」行などのように時間長変更が必要な子音も、そ
の読みだし開始位置を変更するだけでよいので、複雑な
処理は不要である。

【００３７】また、歌唱の合成の際には音楽のリズムに
合わせて正確な発音タイミングを生成しなくてはならな
い。このような場合、子音から母音への境界がリズムに
合うように制御することで、自然な歌唱が合成できる。

【００３８】なお、本方法では音声素片発音タイミング
生成のための基本リズムとして、等間隔のリズムを用い
たが、これは等間隔でなくても構わない。例えば、文頭
から文末にかけて徐々に長くなるようなリズムを用いる
ことも考えられるし、統計データを用いて音韻の種類ご
とに時間長を設定してももちろん構わない。本方法を用
いれば、子音から母音への変化タイミングが尊重される
ので、そのような統計データがあれば直ちに利用でき
る。すなわち、自然発話のデータを用いて母音開始部か
ら子音終了部までの時間の統計を音韻の組み合わせごと
に調べておき、合成時に利用することができる。

【００３９】また、ここでは音声素片を用いた合成を例
にとり説明したが、子音から母音への境界を等間隔にす
るなどの制御をフォルマント合成などのパラメトリック
な合成方式に用いても、もちろん構わない。

【００４０】

【発明の効果】以上説明したように、本発明による音韻
時間長制御方法を用いれば、子音から母音への境界が、
等間隔のリズムなどの意図したタイミングに一致するよ
うに制御できるため、リズミカルで自然な合成が行え
る。また、処理の難しい子音部分の時間長変更をほとん
ど行う必要がなく、音声素片の持つ特徴を損なわずに高
品質な合成が可能になる。

【図面の簡単な説明】

【図１】本発明の音韻時間長制御方法の構成図

【図２】本発明の音韻時間長制御方法の全体の処理の流
れを表すフローチャート

【図３】本発明の音韻時間長制御方法の各段階における
時間長データの変化の様子の説明図

【図４】本発明の音韻時間長制御方法の例外処理の流れ
を表すフローチャート

【図５】音声素片のピッチを変更する様子を表す説明図

【符号の説明】

１入力部２音声素片選択部３リズム生成部４音声素片発音タイミング生成部５音声素片読みだし部６出力部７子音時間長記憶部８音声素片記憶部

Claims

【特許請求の範囲】

【請求項１】母音とその直後の子音を合わせた時間長が
所定の時間長になるように制御することを特徴とする音
韻時間長制御方法。
【請求項２】所定の時間長は等間隔のリズムであること
を特徴とする請求項１記載の音韻時間長制御方法。
【請求項３】子音とその直後の母音の対であるＣＶ音節
を単位とし、その単位で作成されたＣＶ音声素片を複数
接続して音声を合成する、ＣＶ単位素片接続型音声合成
方法において、あらかじめ生成したリズムからＣＶ音声
素片上の子音部分の時間長である子音時間長をさかのぼ
った位置に、ＣＶ音声素片発音開始タイミングを設定す
ることを特徴とする音韻時間長制御方法。
【請求項４】音節が母音または撥音であるとき、子音時
間長を０と見なすことを特徴とする請求項３記載の音韻
時間長制御方法。
【請求項５】音節が促音であるとき、あらかじめ決めて
おいた仮想子音時間長を子音時間長と見なすことを特徴
とする請求項３または請求項４記載の音韻時間長制御方
法。
【請求項６】音節が無声化音であるとき、子音時間長は
無声化音節の音声素片の子音時間長であり、無声化でな
かった場合に本来存在すべき母音部分の時間長を、その
音節の次の音節の種類に応じて処理することを特徴とす
る請求項３から請求項５のいずれかに記載の音韻時間長
制御方法。
【請求項７】次の音節が「サ」行または「シャ」行また
はそれに類する音節の場合、本来存在すべき母音部分の
時間長は０とし、代わりに次の音節の先頭の子音部分の
時間長を長くすることによって時間長を補償することを
特徴とする請求項６記載の音韻時間長制御方法。
【請求項８】次の音節が「サ」行ではなく、かつ「シ
ャ」行ではなく、かつ「サ」行に類する音節ではなく、
かつ「シャ」行に類する音節ではない場合、本来存在す
べき母音部分の時間長は０とし、代わりに次の音節の先
頭部分に無音部分を追加することによって時間長を補償
することを特徴とする請求項６又は請求項７記載の音韻
時間長制御方法。
【請求項９】あらかじめ生成したリズムは等間隔のリズ
ムであることを特徴とする請求項３から請求項８のいず
れかに記載の音韻時間長制御方法。