JPH09244677A - 音声合成システム - Google Patents

Abstract

(57)【要約】 【課題】本発明は音声合成システムに関し，辞書への登
録を行うことなくアクセント型や読みが利用者の希望に
近くなるように音声出力されることを目的とする。 【解決手段】入力される日本語文章を解析し，発音記号
と韻律記号より成る合成文字列を出力する文章解析部
と，前記合成文字列から合成規則に基づいて音声信号を
合成する音声合成部を有し，アクセント型が複数存在す
る単語辞書と，単語辞書の情報からアクセント型を選択
するアクセント型選択部を備える。文章解析部は，単語
の読みに対応あるアクセントの型が複数存在すると，単
語辞書から対応する複数のアクセント型の情報をアクセ
ント型選択部へ出力し，アクセント型選択部は，ユーザ
により指定されたアクセント型傾向情報の設定部を備
え，複数のアクセント型の中から設定部のアクセント型
傾向情報に基づいて一つのアクセント型を選択して結果
を文章解析部に通知するよう構成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は入力される日本語文
章から音声を合成する音声合成システムに関する。

【０００２】近年，日本語文章の入力を音声により出力
する音声合成の技術が実用化されつつある。その場合，
入力された文章中の単語に対して辞書を用いて読みとア
クセントが決定されて音声合成が行われる。この時，音
声として出力されるアクセント型や読みが利用者が望ま
しいと思うアクセント型や読みにならない場合があり，
その改善が望まれている。

【０００３】

【従来の技術】図７は従来例の説明図である。図７にお
いて，７０は文章解析部，７１は単語辞書，７２は音声
合成部，７３は音声の基本要素を格納した音声素片格納
部である。

【０００４】日本語文章が入力されると，文章解析部７
０において単語辞書７１を参照して解析し，単語の同定
（単語の内容及び区切りを識別）を行い，漢字やかなを
含む文章を発音記号と韻律記号とからなる合成文字列に
変換して出力する。単語辞書７１には，各単語や文節の
品詞や文法，「読み」及び「韻律記号」（アクセント
型）が格納されている。

【０００５】具体的には，文章解析部７０では，漢字か
な混じりの文章から単語の区切りを決めて，一つの単語
に対し複数の品詞がある場合や前後の単語との結び付き
等により異なる複数のアクセント型のパターンを登録す
る場合がある。その場合，各パターンに対し頻度情報が
設定される。何れのアクセントを取るかは，例えば，文
章中の前後の単語との結び付きの程度を点数化して，点
数に対応してアクセントを決定し，点数に差が無い場合
は頻度が高い方に決定する等の従来の技術により自動的
にアクセント型が決定される。

【０００６】図８にアクセント型の例を示す。これはＮ
ＨＫ編「日本語発音アクセント辞典」（日本放送出版協
会発行）の解説から引用したものであり（型を表す記号
を除く），この例は「名詞のアクセント」の場合で，１
拍子，２拍子，〜５拍子の各単語（接尾語を含む）に対
して，アクセントの型が平板式と起伏式の２つに大きく
分類され，起伏式は更に尾高型，中高型，頭高型の３つ
の型に分類されることが分かる。また，アクセント型は
品詞や，接頭語，接尾語との組み合わせに応じて変化す
ることがある。

【０００７】図７の単語辞書７１には，各単語に対応す
る「読み」と「アクセント型」が登録されているが，単
語によっては複数の「読み」と「アクセント型」が登録
されている場合がある。複数の「読み」や「アクセント
型」が登録されている単語が入力された日本語文章中に
あった場合，文章解析部７０で文法的な解析が行われる
ことによって適切な品詞の単語が選択される。しかし，
同じ品詞で「読み」や「アクセント型」が複数登録され
ている場合，頻度情報を用いて頻度の高い方を選択する
ことがあった。

【０００８】文章解析部７０から「発音記号」（読み）
と「韻律記号」（アクセント）が出力されると音声合成
部７２は，「発音記号」と「韻律記号」とからなる合成
文字列を用いて音声素片格納部７３から対応する音声素
片を取り出してアナログの音声信号を合成する。

【０００９】

【発明が解決しようとする課題】上記した従来の音声合
成の技術では，文章解析部での単語の同定において，単
語辞書に格納された一般的なまたは標準のアクセントを
一律的に決定するか，読みに対応して複数のアクセント
型が登録されていても，従来は頻度情報のみ機械的に一
つが決定されるか，結合の度合により一つのアクセント
が決定される。

【００１０】しかし，一般的なまたは標準のアクセント
に従って音声合成された結果をユーザが聴取した時に，
ユーザが望んだアクセント型にならない場合が発生す
る。このような場合，ユーザは単語辞書の各単語に対応
するアクセントを登録し直すことにより改善しようとす
ると作業が必要となり，望むアクセントや読みの音声合
成を実現するには手間がかかった。

【００１１】本発明は辞書への登録を行うことなくアク
セント型や読みが利用者の希望に近くなるように音声出
力される音声合成システムを提供することを目的とす
る。

【００１２】

【課題を解決するための手段】図１は本発明の第１の原
理構成図である。図１において，１は単語辞書，１ａは
一つのアクセント型が登録された単語に関するアクセン
ト型等の単語情報，１ｂはアクセント型が複数登録され
た単語に関する複数のアクセント型等を含む複数情報，
２は文章解析部，３はアクセント型選択部，３ａはユー
ザ指定情報に適合するアクセント型を選択する選択処理
部，３ｂはユーザ指定のアクセント型傾向情報が設定さ
れる設定部である。

【００１３】文章解析部２に文章が入力されると，単語
辞書１を参照して単語を文法的に解析し単語の同定が行
われ，その単語の「読み」の「アクセント型」の情報を
識別する。この時，単語辞書１に登録されているその単
語の「読み」の「アクセント型」が１個の単語情報か複
数のアクセント型を持つ複数情報かを識別し，１個の場
合はそのアクセント型を出力し，複数情報である場合は
単語辞書１の複数の候補がアクセント型選択部３に転送
される。

【００１４】アクセント型選択部３の設定部３ｂには，
予めまたは選択中に複数のアクセント型が発生した時に
設定された，ユーザの好むアクセント型の傾向情報が設
定されているか，その都度設定（または選択）される。
選択処理部３ａは，単語辞書から入力された複数のアク
セント型の候補の中から，設定部３ｂの設定情報に適合
する一つのアクセント型を選択する。

【００１５】なお，ユーザ指定アクセント型傾向情報と
しては，特定の単語（地名や固有名詞等）に対する複数
のアクセント型の中の一つを指定する情報や，一般的な
規則（ルール）を設定することができ，その指定された
規則を設定部３ｂにより選択処理部３ａにおいて，各単
語について類推により対応するアクセント型を選択する
ことができる。

【００１６】選択された「読み」（発音記号）と「アク
セント型」（韻律記号）は合成文字列として音声合成部
（図示省略）に出力されて音声合成が行われる。上記の
説明では，複数のアクセント型が存在する単語に対し
て，アクセント型選択部３の設定部３ｂにユーザが設定
したアクセント型の傾向情報を用いて自動的に選択した
が，複数のアクセント型が存在する単語が検出される
と，それらの複数のアクセント型を表示部（図示省略）
に表示して，その中からユーザが一つを選択指示するこ
とにより決定するようにしてもよい。この時，複数のア
クセント型の一つ一つを文章解析部２から音声合成部
（図示省略）に出力して，各アクセント型に対応する音
声出力を発生させるようにして，これらを聞いたユーザ
が一つを選択する指示を行うようにすることもできる。

【００１７】上記図１の構成は，単語の「読み」に対し
て複数の「アクセント型」が存在する場合であるが，入
力された文章の漢字を含む単語等に対し単語辞書１に複
数の「読み」が存在する場合にも，同様の原理構成によ
り，アクセント型選択部３の代わりに読み選択部（図示
せず）を設け，ユーザ指定アクセント型傾向情報の代わ
りにユーザ指定の読み傾向情報を設定して，辞書に登録
された一つの漢字を含む単語に対し複数の「読み」が存
在する場合，ユーザが指定した読みにより辞書から「読
み」を選択することができ，これによりユーザ指定の傾
向に従った読みを音声出力することができる。

【００１８】

【発明の実施の形態】図２は実施例１の構成図である。
図２において，１〜３は上記図１に示す同じ符号の各部
に対応し，１は単語辞書，２は文章解析部，３はアクセ
ント型選択部，３０はユーザにより設定されるアクセン
ト型の傾向情報（ルール情報）が設定される設定部，４
は音声合成部，５は合成音声を出力する音声出力部であ
る。

【００１９】図３は単語辞書（図２の１）の構成例であ
る。単語辞書は，各単語に対し，単語の表記（コー
ド），読み，文法（品詞），アクセント型（上記図８に
示す何れかの型），複数情報（該当単語に複数情報の有
無を表示），その他の情報（他の単語との接続情報等文
章解析部で必要な情報）の各項目の情報が格納されてい
る。上記の「市」の「接尾語」の場合は単独でのアクセ
ントの型は指定されず，他の単語に接尾語として付く場
合，前の単語の最後が母音の時アクセントが移動する場
合があるのでアクセント型が複数存在する。また，「市
場 シジョー」の場合，複数情報が有り，「０型」が主
となるが，「１型」も正しい。また，この中の「複数情
報」は，複数のアクセント型が存在する単語のアクセン
ト型の情報，ユーザ修正によるアクセント型傾向情報，
他の単語のアクセント型を推定するための情報，各型の
使用状況等，その単語のアクセント型をユーザにとって
より自然に読むために必要な情報の全てを指す。

【００２０】この実施例１のアクセント型選択部３の構
造を説明すると，予めユーザによりアクセント型を選択
するためのアクセントの傾向情報（または選択の原則を
表すルール情報）が設定部３０に設定される。複数のア
クセント型が存在する単語（単語辞書で複数情報が有り
とされた単語）の場合，複数情報の中から設定部３０に
登録された傾向情報に適合するアクセント型を検証す
る。傾向情報が無い場合は，他の複数情報を持つ単語に
対して選択した結果を類推して，アクセント型を推定す
る。

【００２１】例えば，複数情報に対するユーザのアクセ
ント型傾向情報として次のような種々のルールの何れか
１つ，または複数を組み合わせて指定することができ
る。 ルール１：平板型と中高型がある場合に平板化する傾向 ルール２：平板型と中高型がある場合に平板化しない傾
向 ルール３：所属語彙の多い型へ移行する傾向 ルール４：設備語が接続する時アクセントが移動する傾
向 アクセント型選択部３は，例えばこれらの中の指定され
たルールに適合するアクセント型を推定する。

【００２２】図４は実施例１の処理フローであり，上記
図２の構成において実行される。最初に，漢字かな混じ
りの日本語文章（文字コードの列）が入力されると（図
４のＳ１），文章解析部（図２の２）は，単語辞書（図
２の１）を参照して文章解析を行う（図４のＳ２）。こ
の解析の結果，入力した文章（単語）に複数のアクセン
ト型が存在するか判別し，複数のアクセントが存在しな
い場合は，従来と同様に単語辞書に格納された単一のア
クセント型を含む読み情報を音声合成部（図２の４）に
渡し（図３のＳ１１），音声合成部で音声素片格納部４
ａを用いて合成音声を合成して音声出力部（図２の５）
から音声を出力する。上記ステップＳ３で複数のアクセ
ント型が存在することが分かると，アクセント型選択部
（図２の３）へ単語辞書の複数情報を供給する（図４の
Ｓ４）。

【００２３】アクセント型選択部は，ユーザのアクセン
ト型傾向情報（例えば，上記のルール３）が存在するか
判別し（同Ｓ５），傾向が存在するとその傾向から現在
の単語に対してルールに適合するアクセント型を推定す
る（図４のＳ６）。ユーザのアクセント型の傾向情報が
無い場合またはステップＳ６の後，他の単語の情報から
推定できるか判別する（図４のＳ７）。この判別は，複
数情報が存在する同様の種類の単語（例えば，名詞と接
尾語が接続した単語）に対して以前に選択した型が保存
（アクセント型選択部３内のメモリ）されているか否か
を識別する。

【００２４】この判別により他の単語の情報から推定で
きない場合は後述するＳ９に移行し，推定できることが
分かると，その単語から推定する（図４のＳ８）。次に
その他の情報も合わせてアクセント型を推定し（同Ｓ
９），アクセント型を決定し（同Ｓ１０），音声合成部
に読み情報を渡し（同Ｓ１１），合成音声を出力する
（同Ｓ１２）。

【００２５】具体例により説明すると，地名に付く接尾
語の「市」（読み：シ）は，稚内（ワッカナイ），仙台
（センダイ）等の後に付くが，次のようにそれぞれ二通
りのアクセント型がある。但し「’」はアクセントの位
置を表す。

【００２６】 稚内市：ワッカナイ’シ ワッカナ’イシ 仙台市：センダイ’シ センダ’イシ ここでいう二通りのアクセント型は，モーラ数等のパタ
ーンから組合せで考えられるアクセント型のことではな
く，どちらが正しいということはなく，ユーザにとって
どちらが自然に感じるかの違いのため，共に正しい。

【００２７】アクセント型はユーザのアクセント型傾向
情報（上記の「市」の例では，接尾語の前の単語の最終
音節が母音の場合のアクセント型の傾向）から推定する
ことができる。また，上記の「稚内市」と「仙台市」の
どちらかのアクセント型が指定されると，他方の単語の
アクセント型を推定することができるため，全ての単語
に対し登録等の手間がかからない。

【００２８】上記図２に示す構成及び図４に示す処理フ
ローは，単語辞書の複数のアクセント型が含まれる単語
に対して，一つのアクセント型を選択する場合の例であ
るが，この構成及び処理フローを用いて，単語辞書の複
数の「読み」を持つ単語に対して，一つの「読み」を選
択する場合にも適用できる。その場合，図２の「アクセ
ント型選択部３」は「読み選択部３」に置き換えられ
る。

【００２９】図５は実施例２の構成図，図６は実施例２
の処理フローである。図５において，１〜５の各符号は
上記図２に示す同じ符号の各部に対応し，６は選択結果
修正部，６ａは選択結果修正部６に接続するディスプレ
イ等の表示部，６ｂは選択結果修正部６に接続するキー
ボード等の入力部である。

【００３０】この実施例２では，選択結果修正部６を設
けた点に特徴を備え，アクセント型選択部３でユーザの
望まないアクセント型が選択された場合に選択結果修正
部６で修正できるようにし，そのユーザが選択したアク
セント型傾向情報を単語辞書１の中の複数情報に蓄積す
るようにしたものである。

【００３１】図６において，最初の漢字かな混じり文の
入力（図６のＳ１）からその他の情報も合わせアクセン
ト型を推定する（同Ｓ９）までの処理は，上記図４の実
施例１の処理と同様であるため説明を省略する。アクセ
ント型選択部（図５の３）において，この後アクセント
型を決定して表示または単語を発声する（図６のＳ１
０）。

【００３２】この処理では，図５のアクセント型選択部
３で決定したアクセント型を選択結果修正部６の表示部
６ａに表示するか，または決定したアクセント型を含む
読み情報（文字列）を音声合成部４に供給して音声出力
部５から音声が出力される。表示部６ａに表示されたア
クセント型を目で確認するか，音声出力部５からの音声
出力を耳で聞いて確認することにより，ユーザは自分が
望んだアクセント型であるか否かを識別することができ
る。

【００３３】図６に戻って，次にユーザが望むアクセン
ト型かを判別する（同Ｓ１１）。この判別は，ユーザが
図５の入力部６ｂからイエス（Ｙｅｓ）またはノー（Ｎ
ｏ）を入力すると，その内容を判別することにより行
う。イエスの場合は，後述するＳ１３に移行し，ノーの
場合はアクセント型の修正を図５の選択結果修正部６に
対し入力部６ｂから入力して，音声出力部５に表示を行
うか，修正されたアクセント型の読み情報を音声合成部
４に供給して音声を発声させるかにより確認しながら行
う（図６のＳ１２）。この修正によりユーザが満足する
結果が得られると，そのアクセント型を含む読み情報を
音声合成部４に渡し（同Ｓ１３），合成音声を出力して
（同Ｓ１４），処理を終了する。

【００３４】上記のステップＳ１０〜Ｓ１２において，
アクセント型選択部で決定したアクセント型がユーザに
提示され，ユーザが望むアクセント型と異なっていた場
合，実施例２では選択結果修正部６でアクセント型の修
正を行うことができる。この時の選択結果を表示部６ａ
に表示する場合，カタカナ＋アクセント記号（上記した
「’」）で表示する。

【００３５】選択結果を修正する場合の修正方法は，例
えば，アクセント記号の位置を（専用ツール等で）修正
するか，複数の候補の中からユーザが望むアクセント型
を選択するか，またはユーザが発声して音声認識部（図
示せず）でアクセント型の位置を測定してその結果を修
正に使用する，等の何れかを用いることができる。

【００３６】上記により選択結果修正部６とアクセント
結果選択部３の間でアクセント型の修正が実行される
と，その修正結果はアクセント型選択部３から単語辞書
１に供給されてその中の該当する複数情報１ｂが修正さ
れる。この修正結果は，他の単語の複数情報の選択時の
推定において利用される可能性がある。

【００３７】上記実施例２は，単語の「アクセント」が
複数存在する例について説明したが，単語の「読み」に
ついても同様の構成によりユーザの望む「読み」を選択
して出力させることができる。

【００３８】

【発明の効果】本発明によれば入力される日本語文章中
にアクセント型や読みが複数存在する単語が検出された
場合，辞書登録の手間をかけずに，アクセント型や読み
がよりユーザの希望に近くなるように音声出力されるの
で，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】本発明の原理構成図である。

【図２】実施例１の構成図である。

【図３】単語辞書の構成例である。

【図４】実施例１の処理フローを示す図である。

【図５】実施例２の構成図である。

【図６】実施例２の処理フローを示す図である。

【図７】従来例の説明図である。

【図８】アクセント型の例を示す図である。

【符号の説明】

１ 単語辞書 １ａ 単一アクセントの単語 １ｂ 複数アクセントの単語 ２ 文章解析部 ３ 複数アクセント型選択部 ３ａ 選択処理部 ３ｂ 設定部

Claims (7)

【特許請求の範囲】
1. 【請求項１】 入力される日本語文章を解析し，発音記
   号と韻律記号より成る合成文字列を出力する文章解析部
   と，前記合成文字列から合成規則に基づいて音声信号を
   合成する音声合成部を有する音声合成システムにおい
   て，アクセント型が複数存在する単語については複数の
   アクセント型が登録可能な単語辞書と，前記単語辞書の
   情報からアクセント型を選択するアクセント型選択部を
   設け，前記文章解析部は，入力される日本語文章に対し
   前記単語辞書を参照し，識別された単語の読みに対応す
   るアクセントの型が複数存在することを表す複数情報が
   含まれていると，前記単語辞書から前記登録された複数
   のアクセント型と関連する情報を前記アクセント型選択
   部へ出力し，前記アクセント型選択部は，ユーザにより
   指定されたアクセント型傾向情報の設定部を備え，前記
   複数のアクセント型の中から前記設定部のアクセント型
   傾向情報に基づいて一つのアクセント型を選択して結果
   を前記文章解析部に通知することを特徴とする音声合成
   システム。
2. 【請求項２】 請求項１において，前記アクセント型選
   択部は，アクセント型が複数登録された単語に対応して
   前記アクセント型傾向情報が設定されているとそのアク
   セント型傾向情報を用いて一つのアクセント型の選択を
   行い，設定されていないとアクセント型が複数存在する
   他の単語に対応して設定されたアクセント型傾向情報か
   ら推定して一つのアクセント型を選択することを特徴と
   する音声合成システム。
3. 【請求項３】 請求項１において，前記アクセント型選
   択部に接続された選択結果修正部を設け，複数のアクセ
   ント型から前記アクセント型選択部で選択されたアクセ
   ント型により音声合成部で合成して音声出力を行った
   時，出力された音声がユーザの望まないアクセント型で
   ある場合に前記アクセント型選択部に対し前記選択結果
   修正部からユーザの望むアクセント型への修正を指示
   し，前記修正結果がユーザ指定のアクセント型傾向情報
   として保存されることを特徴とする音声合成システム。
4. 【請求項４】 入力される日本語文章を解析し，発音記
   号と韻律記号より成る合成文字列を出力する文章解析部
   と，前記合成文字列から合成規則に基づいて音声信号を
   合成する音声合成部を有する音声合成システムにおい
   て，アクセント型が複数存在する単語については複数の
   アクセント型が登録可能な単語辞書と，前記単語辞書の
   情報からアクセント型を選択するアクセント型選択部を
   設け，前記アクセント型選択部は，アクセント型が複数
   存在する単語が検出されると，各アクセント型を表示部
   に表示し，ユーザの指定により結成することを特徴とす
   る音声合成システム。
5. 【請求項５】 請求項４において，前記アクセント型選
   択部は，アクセント型が複数存在する単語が検出される
   と，各アクセント型をそれぞれ音声として出力するよう
   前記文章解析部，音声合成部を駆動し，前記出力された
   音声に応じて一つのアクセント型の選択指示によりアク
   セント型が選択されることを特徴とする音声合成システ
   ム。
6. 【請求項６】 入力される日本語文章を解析し，発音記
   号と韻律記号より成る合成文字列を出力する文章解析部
   と，前記合成文字列から合成規則に基づいて音声信号を
   合成する音声合成部を有する音声合成システムにおい
   て，読みが複数存在する単語については複数の読みが登
   録可能な単語辞書と，前記単語辞書の情報から読みを選
   択する読み選択部を設け，読み選択部はユーザにより指
   定された読み傾向情報の設定部を備え，読みが複数存在
   する単語が検出されると，一つの読みの選択を上記請求
   項１乃至３の何れかにより行うことを特徴とする音声合
   成システム。
7. 【請求項７】 入力される日本語文章を解析し，発音記
   号と韻律記号より成る合成文字列を出力する文章解析部
   と，前記合成文字列から合成規則に基づいて音声信号を
   合成する音声合成部を有する音声合成システムにおい
   て，読みが複数存在する単語については複数の読みが登
   録可能な単語辞書と，前記単語辞書の情報から読みを選
   択する読み選択部を設け，読みが複数存在する単語が検
   出され，どの読みで音声合成を行うかの選択を，上記請
   求項４または５により行うことを特徴とする音声合成シ
   ステム。