JPH0883270A

JPH0883270A - 音声合成装置及びその方法

Info

Publication number: JPH0883270A
Application number: JP6220407A
Authority: JP
Inventors: Takashi Aso; 隆麻生; Mitsuru Otsuka; 充大塚; Yasunori Ohora; 恭則大洞
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1994-09-14
Filing date: 1994-09-14
Publication date: 1996-03-26

Abstract

(57)【要約】【目的】文字情報を音声に変換する音声合成処理におい
て、テキストデータに対して話調を指定するデータを含
ませ、このデータに基づいて自動的に話調を変更して音
声合成出力することを可能とする。【構成】テキストデータ入力部１はテキストデータをワ
ードプロセッサやエディタなどにより直接入力したり、
記憶装置に記録されたテキストデータを読み込む。表示
部２では、テキストデータ入力部１で入力されたテキス
トデータを表示する。編集部３では、表示部２に表示さ
れたテキストデータに対して、話調の設定を実行する。
話調抽出部４は、テキストデータ中の話調情報を抽出す
る。言語処理部５は、テキストデータ入力部１で入力さ
れた漢字かな混じりのテキストデータを解析し、「読
み」と「音調成分」を生成する。音響処理部６は、これ
ら「読み」、「音調成分」と、「話調情報」から所望の
話調の合成音声を生成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声合成装置及びその
方法に関する。

【０００２】

【従来の技術】従来、文字情報を音声出力する音声規則
合成装置が存在する。この音声規則合成装置では、音声
出力するデータを、あらかじめ電子化されたテキストデ
ータとして準備する必要がある。テキストデータとして
は、パソコン上におけるエディタやワードプロセッサな
どで作成した書類や、すでに電子化された各種テキスト
データなどを使用している。

【０００３】音声規則合成装置においてこれらのテキス
トデータを読み上げる際の話調は、ほとんどの場合か朗
読調である。又、話調を切り替えることができたとして
も、音声合成装置における話調を操作者がその都度切り
替えるのが一般的である。

【０００４】

【発明が解決しようとする課題】しかしながら、以上の
ような構成による従来の音声合成装置においては、あら
かじめテキストデータを作成する時に、話調を設定する
ことが容易にできないという欠点があった。すなわち、
使用者はテキストデータのある一部を朗読調で、また、
別の一部を別の話調でという複数の設定を容易に行うこ
とができなかった。

【０００５】本発明は上記の問題点に鑑みてなされたも
のであり、文字情報を音声に変換する音声合成処理にお
いて、テキストデータに対して話調を指定するデータを
含ませ、このデータに基づいて自動的に話調を変更して
音声合成出力することが可能な音声合成装置及びその方
法を提供することを目的とする。

【０００６】又、本発明の他の目的は、テキストデータ
の任意の領域の話調を対話的に設定することを可能と
し、設定された話調を容易に識別することが可能な音声
合成装置及びその方法を提供することを目的とする。

【０００７】

【課題を解決するための手段】及び

【作用】上記の目的を達成するための本発明の音声合成
装置は以下の構成を備える。即ち、漢字かな混じりのテ
キストデータに基づいて合成音声を生成する音声合成装
置であって、話調を設定する話調情報とテキストデータ
とを含むデータより話調情報とテキストデータを分離し
て抽出する抽出手段と、前記抽出手段により抽出された
テキストデータに基づいて合成される音声の話調を、前
記抽出手段によって抽出された当該テキストデータに対
応する話調情報に基づいて切り換える切替手段と、を備
える。

【０００８】上記の構成によれば、話調を指定する話調
情報とテキストデータとを備えるデータから、話調情
報、テキストデータが抽出される。そして、抽出された
テキストデータに基づいて音声が合成されるとともに、
その話調が、抽出された話調情報に基づいて変更され
る。このため、テキストデータ中の話調情報にしたがっ
て、合成音声の話調を切り換えることができる。

【０００９】又、好ましくは、前記データにおける話調
情報は、テキストデータ中の１つ又は複数の所望の範囲
に対して話調を指定する。所望の箇所で所望の話調によ
る合成音声が生成可能となる。

【００１０】又、好ましくは、前記データにおける話調
情報は、テキストデータ各文字の文字属性に対応づけら
れている。文字属性に対応づけることで、所望の位置の
話調を指定することが可能となるとともに、文字属性に
基づく表示を行うことで話調の設定状態を容易に把握で
きる。

【００１１】又、上記の他の目的を達成する本発明の音
声合成装置は、漢字かな混じりのテキストデータに基づ
いて合成音声を生成する音声合成装置であって、話調を
設定する話調情報をテキストデータ中に設定する設定手
段と、前記設定手段で設定された話調を前記テキストデ
ータの表示において識別可能に表示する表示手段と、前
記話調情報が設定されたテキストデータより話調情報と
テキストデータを分離して抽出する抽出手段と、前記抽
出手段により抽出されたテキストデータに基づいて合成
される音声の話調を、前記抽出手段によって抽出された
当該テキストデータに対応する話調情報に基づいて切り
換える切替手段と、を備える。

【００１２】設定手段によりテキストデータに対して所
望の位置に所望の話調を設定し、設定された話調は表示
手段によりテキストデータの文字列中に識別可能に表示
される。設定手段で設定された話調方法、テキストデー
タが抽出される。そして、抽出されたテキストデータに
基づいて音声が合成されるとともに、その話調が、抽出
された話調情報に基づいて変更される。

【００１３】

【実施例】以下に添付の図面を参照して本発明の実施例
を説明する。

【００１４】＜実施例１＞図１は、本実施例の音声規則
合成装置の概略構成を表すブロック図である。同図にお
いて、１１はＣＰＵであり、本音声合成規則装置におけ
る各種の制御を実行する。１２はＲＯＭであり、ＣＰＵ
１１が処理を実行する各種制御プログラムが格納されて
いる。なお、ＲＯＭ１２には、後述の図３のフローチャ
ートで表される制御プログラムも格納されている。１３
はＲＡＭであり、ＣＰＵ１１が各種の制御を実行する際
に必要なデータ等を一時的に記憶し、ＣＰＵ１１の作業
領域を提供する。

【００１５】１４は入力部であり、キーボードやポイン
ティングデバイスを備え、各種の入力や制御命令などを
入力する。なお、本規則合成装置におけるテキストデー
タを編集する際の編集作業も入力部１４より行う。１５
は辞書であり、漢字等の読みやアクセント情報を登録
し、入力された漢字かな混じり文を解析して読み情報を
得るための言語処理において参照される。１６は、音声
合成の対象となるテキストデータを格納するための記憶
装置である。２は表示部であり、編集中のテキストデー
タの表示等、各種の表示がなされる。６は音響処理部で
あり、各種の設定に従って、音声を合成し、音声信号に
変換する。そしてスピーカ１７により、変換された音声
信号に出力される。

【００１６】図２は本実施例の音声規則合成装置の機能
構成を表すブロック図である。同図において、１はテキ
ストデータ入力部であり、入力部１４によりテキストデ
ータをワードプロセッサやエディタなどにより直接入力
したり、記憶装置１６にあらかじめ記録されたテキスト
データを読み込む。２は表示部であり、テキストデータ
入力部１で入力されたテキストデータを表示する。３は
編集部であり、表示部２に表示されたテキストデータに
対して、話調の設定を実行する。

【００１７】４は話調抽出部であり、テキストデータ中
の話調情報を抽出する。５は言語処理部であり、テキス
トデータ入力部１で入力された漢字かな混じりのテキス
トデータを解析し、「読み」と「音調成分」を生成す
る。６は音響処理部であり、言語処理部４で生成された
「読み」、「音調成分」と、話調抽出部４で抽出された
「話調」情報から、所望の話調の合成音声を生成する。

【００１８】図３は、本実施例の音響処理部６の詳細を
説明する図である。同図において６１は、怒った話調の
音声合成部であり、入力された読み情報と音調成分情報
に対して怒った話調で音声合成処理を実行する。同様
に、６２〜６５は夫々、うれしい話調、悲しい話調、朗
読調、皮肉っぽい話調の音声合成部である。又、６６、
６７はセレクタであり、話調抽出部４より入力した話調
情報に基づいて、上述の６１〜６５の音声合成部のいず
れかを選択し、選択された合成部への読み・音調成分情
報を入力し、得られた合成音声を出力する。

【００１９】話調の制御としては、主にピッチ（声の高
さ）や音韻時間長（各音素の時間長）の制御などで実現
することができる。また、各話調に特有の擬態語（悲し
いときの泣き声など）を合成音声中に挿入するなどの方
法が考えられる。又、声の質を変えることも有効と考え
られる。

【００２０】以上のような構成を有する本実施例の音声
合成装置の動作について、図４のフローチャートを参照
して以下に説明する。

【００２１】図４は本実施例の音声合成装置における制
御手順を表すフローチャートである。まず、ステップＳ
１１では、テキストデータ入力部１により、対象となる
テキストデータを入力する。ここでは、ワードプロセッ
サなどにより直接テキストデータを入力してもよいし、
記憶装置１６にあらかじめ記憶されたテキストデータを
読み込んできてもよい。ステップＳ１２では、入力され
たテキストデータを表示部２に表示する。ステップＳ１
３において、入力されたテキストデータに対して話調を
設定する場合にはステップＳ１４へ進む。ステップＳ１
４では、編集部３により話調を設定する。ステップＳ１
４における編集作業内容について、図５乃至図８を参照
してさらに説明する。

【００２２】図５乃至図８は入力されたテキストデータ
に対して、話調の属性を設定するまでの様子を表す図で
ある。入力されたテキストデータは、図５の如く表示さ
れる。ここで４０１はテキストデータを示す。テキスト
データ４０１中において、話調を設定すべき個所を図６
の如く選択する。ここで４０２は選択されたテキストデ
ータを示す。選択する方法としては、ポインティングデ
バイス（マウスなど）を用いた方法など、既存の技術で
実現可能であることは明らかである。

【００２３】次に、選択されたテキストデータ４０２に
ついて、図７の如く文字属性を変更する。４０３は、選
択されたテキストデータ４０２に対して、文字の属性を
斜体に設定したことを示す。このように、標準，斜体，
ボルード，袋文字，太文字，下線などの各文字スタイル
に対して、それぞれ違った話調をあらかじめ対応させて
おくことで、話調の設定が可能である。

【００２４】図８は、テキストデータ４０１の全体につ
いて、話調の設定を行ったあとの様子を示す。なお、話
調を設定する範囲は、図８で示すように、文，単語，文
字などの任意の単位で選択することが可能である。

【００２５】ここで、話調の設定がなされたテキストデ
ータは、話調の種類と、その話調が設定されている範囲
が容易にわかるようなデータ構造として出力される。即
ち、図８の如く設定された各文字属性より対応する話調
を獲得し、これをテキストデータ中に組み込むことで話
調情報を含むテキストデータを生成する。図９は、話調
の種類と、話調の設定範囲を示すデータを含むテキスト
データの構造の一例を示す。図９においては、テキスト
データ中の話調が変化する境界位置に、その境界以降の
話調の種類を制御記号の形で挿入している。尚、テキス
トデータに対して、話調とその範囲を明確に設定するこ
とができれば、どのようなデータ構造を採用してもかま
わない。

【００２６】又、図９に示したような話調情報を含むテ
キストデータを表示する際には、各話調情報に対応して
文字属性が決定され、図８に示される様な表示がなさ
れ、ユーザは夫々の文字列に設定された話調を容易に知
ることができる。

【００２７】一方、ステップＳ１３において話調の設定
が不要であればステップＳ１５に進み、編集したテキス
トデータを記憶装置１６に保存するか否かの判定する。
そして、データの保存が指示されれば、上述のように完
成した話調情報付きテキストデータ（図９参照）を記憶
装置１６に格納する。

【００２８】次に、ステップＳ１７において、音声出力
を実行するか否かを判定する。そして、音声出力の実行
が指示されれば、まずステップＳ１８において、話調情
報付きテキストデータを「話調情報」と「文字情報」に
分離する。そして、ステップＳ１９で「文字情報」の部
分について、辞書１５を使って言語解析を行い、「読
み」と「音調成分」を生成する。さらに、ステップＳ２
０でステップＳ１８で抽出された「話調情報」と、ステ
ップＳ１９で生成された「読み」、「音調成分」を使っ
て、音響処理部６において所望の話調による合成音声信
号を生成し、合成音声をスピーカ１７より出力する。

【００２９】以上説明した様に、本実施れによれば、テ
キストデータの文字属性と話調とを対応させてあるの
で、文字属性を変えることで任意の話調を設定すること
ができるという効果がある。

【００３０】なお、上記実施例においては、テキストデ
ータ文字のスタイル属性を種々に変化させることで話調
を設定するようにしているが、文字の色属性（文字の色
或は、文字の背景色）を変化させることにより話調を設
定するようにしてもよい。その場合には、それぞれの話
調と色（反転表示の有無を含む）とを対応させておき、
使用者が設定したい話調に対応した色属性によりテキス
トデータを編集することで実現することが可能である。

【００３１】また、話調を設定する方法として、次に示
すような方法を用いることも可能である。

【００３２】図１０乃至図１４は、話調を設定する他の
実施例について示したものである。まず、入力されたテ
キストデータは図１０の如く表示される。ここで、６０
１はテキストデータを表す。また、６０２は選択可能な
話調の種類を表示したパネルを表す。まず、話調を設定
すべきテキストデータの領域を図１１の如く選択する。
ここで、６０３は選択されたテキストデータを示す。領
域の設定方法は、図６で説明したように、ポインティン
グデバイス等を用いて行う。

【００３３】次に選択されたテキストデータ６０３につ
いて、パネル６０２を用いて図１２の如く話調を設定す
る。図１２において、６０４の表示は、選択されたテキ
ストデータ６０３に対して「怒った話調」を選択した状
態を表す。パネル６０２の各話調を選択する方法として
は、ポインティングデバイス（マウスなど）で選択肢を
選び、ボタンをクリックするなどの方法を用いることが
できる。話調が設定された区間は、文字のスタイルや、
文字の色、背景色などをそれぞれの話調に対応した表示
に変更し、その話調の種類が容易に識別できるようにす
る。

【００３４】図１３は選択されたテキストデータ６０３
が、パネル６０２により話調を設定された後（図１１、
図１２の実行後）の表示状態を示す。図１４は、テキス
トデータ６０１全体について、話調の設定を行った後の
様子を示す。なお、図１０〜図１４において話調を設定
する範囲は、図５〜図８と同様に文，単語，文字などの
任意の単位で選択することが可能である。

【００３５】さらに、図１０〜１４においては、話調の
種類を表示したパネル６０２における話調の表示には、
ある特定の文字スタイルのみを用いているが、これに限
らない。例えば、図１５に示すように、パネル６０２に
おいて、各テキストデータの話調の表示に、各話調に対
応する文字スタイルと同一の文字スタイルを用いるよう
にしてもよい。

【００３６】さらに、上記の例では、話調の種類を表示
したパネル６０２における話調の表示には話調の種類を
表す「言葉」が表示されるが、これを、図１６に示すよ
うな、各話調に即した顔の表情のイラスト画像、あるい
は実際の顔写真などで表示するようにしてもよい。この
場合には、直感的に話調を設定することができるという
効果がある。ここで、顔写真としては、実際の人物の笑
った顔や怒った顔等の写真データを計算機に取り込んで
用いることで実現される。

【００３７】さらに、上記の例では、テキストデータの
話調の種類を表示するのに、文字のスタイル，色，背景
色を変えることで対応しているが、これに限らない。例
えば、図１７に示すように、各話調の境界に、図１６で
説明したような顔の表示のイラスト画像、あるいは実際
の顔写真などを挿入して表示することで、識別するよう
にしてもよい。

【００３８】以上のように、本実施例の音声合成装置で
は、任意のテキスト領域の話調を対話的に設定すること
が可能となる。また、設定された話調を自動的に識別
し、設定されたわ調に基づいて合成音声を変化させるこ
とが可能となる。

【００３９】尚、上記実施例における音響処理部６は図
３に示すような構成を有し、各話調毎に音声合成部を備
えているが、これに限らない。例えば、図１８に示され
るように、話調成分だけを各話調毎に作成し、基本的な
音声合成処理については、１つの音声合成部７０で行う
ような構成としてもよい。

【００４０】図１８において７１〜７５は話調生成部で
あり、それぞれ怒った話調用、うれしい話調用、悲しい
話調用、朗読調用、皮肉っぽい話調用の話調整分を生成
する。６６、６７は図３で示されたのと同じ機能を有す
るセレクタである。そして、音声合成部７０で生成され
た基本的な合成音声と、各話調生成部７１〜７５で生成
された話調情報に対応する話調整分とにより、最終的
な、所望の話調を有する合成音声が生成される。このよ
うに図１８の構成によれば、基本的な音声合成部７０を
各話調で共有し、各話調に特有の処理を各話調の話調生
成部７１〜７５にもたせることが可能となるので、音声
合成処理系の肥大化を防止できる。

【００４１】尚、本発明は、複数の機器から構成される
システムに適用しても１つの機器からなる装置に適用し
ても良い。また、本発明はシステム或いは装置に本発明
により規定される処理を実行させるプログラムを供給す
ることによって達成される場合にも適用できることはい
うまでもない。

【００４２】

【発明の効果】以上説明したように、本発明によれば、
文字情報を音声に変換する音声合成処理において、テキ
ストデータに対して話調を指定するデータを含ませ、こ
のデータに基づいて自動的に話調を変更して音声合成出
力することが可能となる。このため、多彩な音声合成が
可能となる。

【００４３】又、本発明の他の構成によれば、テキスト
データの任意の領域の話調を対話的に設定することが可
能となり、又、設定された話調を容易に識別することが
可能となる。

【００４４】

【図面の簡単な説明】

【図１】本実施例の音声規則合成装置の概略構成を表す
ブロック図である。

【図２】本実施例の音声規則合成装置の機能構成を表す
ブロック図である。

【図３】本実施例の音響処理部６の詳細を説明する図で
ある。

【図４】本実施例の音声合成装置における制御手順を表
すフローチャートである

【図５】テキストデータに対して話調の属性を設定する
様子を表す図である。

【図６】テキストデータに対して話調の属性を設定する
様子を表す図である。

【図７】テキストデータに対して話調の属性を設定する
様子を表す図である。

【図８】テキストデータに対して話調の属性を設定する
様子を表す図である。

【図９】話調の種類と、話調の設定範囲を示すデータを
含むテキストデータの構造の一例を示す図である。

【図１０】テキストデータに対して話調の属性を設定す
る他の手順を表す図である。

【図１１】テキストデータに対して話調の属性を設定す
る他の手順を表す図である。

【図１２】テキストデータに対して話調の属性を設定す
る他の手順を表す図である。

【図１３】テキストデータに対して話調の属性を設定す
る他の手順を表す図である。

【図１４】テキストデータに対して話調の属性を設定す
る他の手順を表す図である。

【図１５】話調の属性を示すパネルにおける表示例を表
す図である。

【図１６】話調の属性を示すパネルにおける他の表示例
を表す図である。

【図１７】設定された話調の属性を表示する他の表示例
を表す図である。

【図１８】音響処理部６の他の構成例を説明する図であ
る。

【符号の説明】

１テキストデータ入力部２表示部３編集部４話調抽出部５言語処理部６音響処理部１１ＣＰＵ１２ＲＯＭ１３ＲＡＭ１４入力部１５辞書１６記憶装置１７スピーカ

Claims

【特許請求の範囲】

【請求項１】漢字かな混じりのテキストデータに基づ
いて合成音声を生成する音声合成装置であって、話調を指定する話調情報とテキストデータとを含むデー
タより話調情報とテキストデータを分離して抽出する抽
出手段と、前記抽出手段により抽出されたテキストデータに基づい
て合成される音声の話調を、前記抽出手段によって抽出
された当該テキストデータに対応する話調情報に基づい
て切り換える切替手段とを備えることを特徴とする音声
合成装置。
【請求項２】前記データにおける話調情報は、テキス
トデータ中の１つ又は複数の所望の範囲に対して話調を
指定することを特徴とする請求項１に記載の音声合成装
置。
【請求項３】前記データにおける話調情報は、テキス
トデータ各文字の文字属性に対応づけられていることを
特徴とする請求項１に記載の音声合成装置。
【請求項４】漢字かな混じりのテキストデータに基づ
いて合成音声を生成する音声合成装置であって、話調を指定する話調情報をテキストデータ中に設定する
設定手段と、前記設定手段で設定された話調を前記テキストデータの
表示において識別可能に表示する表示手段と、前記話調情報が設定されたテキストデータより話調情報
とテキストデータを分離して抽出する抽出手段と、前記抽出手段により抽出されたテキストデータに基づい
て合成される音声の話調を、前記抽出手段によって抽出
された当該テキストデータに対応する話調情報に基づい
て切り換える切替手段と、を備えることを特徴とする音声合成装置。
【請求項５】前記設定手段は、テキストデータの任意
の区間と当該区間の話調を指定し、前記表示手段は、指定された区間の文字の形態を指定さ
れた話調に対応する形態に変更して表示することを特徴
とする請求項４に記載の音声合成装置。
【請求項６】前記設定手段における話調の選択は、選
択可能な話調の一覧を前記表示手段により表示し、指定
したテキストデータの任意の区間に対して該一覧より所
望の話調を選択することで行われることを特徴とする請
求項４記載の音声合成装置。
【請求項７】前記表示手段に表示される話調の一覧
は、その話調の特徴を表す言葉に表示することを特徴と
する請求項６記載の音声合成装置。
【請求項８】前記表示手段に表示される話調の一覧
は、その話調の特徴をよく表す顔のイメージデータによ
り表示することを特徴とする請求項６記載の音声合成装
置。
【請求項９】前記表示手段に表示する選択可能な話調
の一覧は、その話調の特徴をよく表す顔の写真データに
より、表示する、ことを特徴とする請求項６に記載の音
声合成装置。
【請求項１０】前記話調設定手段は、テキストデータ
の任意の区間を指定して当該区間の形態を予め話調に対
応させた形態に変更することを特徴とする請求項４に記
載の音声合成装置。
【請求項１１】前記表示手段は、前記設定手段により
設定された話調に基づいて文字のスタイルを変更して表
示することを特徴とする請求項４に記載の音声合成装
置。
【請求項１２】前記表示手段は、前記設定手段により
設定された話調に基づいて文字の色を変更して表示する
ことを特徴とする請求項４に記載の音声合成装置。
【請求項１３】前記表示手段は、前記設定手段により
設定された話調に基づいて文字の背景色を変更して表示
することを特徴とする請求項４に記載の音声合成装置。
【請求項１４】前記話調表示手段は、前記設定手段に
て設定された話調に基づいて、各話調が設定された区間
の先頭に、それぞれの話調の特徴をよく表す顔のイメー
ジデータを挿入して表示する、ことを特徴とする請求項８に記載の音声合成装置。
【請求項１５】前記テキストデータに挿入する顔のイ
メージデータは、選択した話調の特徴をよく表す顔の写
真データであることを特徴とする請求項１４記載の音声
合成装置。
【請求項１６】前記話調設定手段により設定された話
調に基づいて、テキストデータの該当個所に話調の種類
を制御コードの形態で挿入することを特徴とする請求項
４に記載の音声合成装置。
【請求項１７】漢字かな混じりのテキストデータに基
づいて合成音声を生成する音声合成方法であって、話調を設定する話調情報とテキストデータとを含むデー
タより話調情報とテキストデータを分離して抽出する抽
出工程と、前記抽出工程により抽出されたテキストデータに基づい
て合成される音声の話調を、前記抽出工程によって抽出
された当該テキストデータに対応する話調情報に基づい
て切り換える切替工程と、を備えることを特徴とする音声合成方法。
【請求項１８】漢字かな混じりのテキストデータに基
づいて合成音声を生成する音声合成方法であって、話調を設定する話調情報をテキストデータ中に設定する
設定工程と、前記設定工程で設定された話調を前記テキストデータの
表示において識別可能に表示する表示工程と、前記話調情報が設定されたテキストデータより話調情報
とテキストデータを分離して抽出する抽出工程と、前記抽出工程により抽出されたテキストデータに基づい
て合成される音声の話調を、前記抽出工程によって抽出
された当該テキストデータに対応する話調情報に基づい
て切り換える切替工程と、を備えることを特徴とする音声合成方法。