JPH0954599A - 規則音声合成における抑揚制御方法および規則音声合成装置 - Google Patents

Abstract

(57)【要約】 【課題】 自然性の高い合成音声が得られるようにする
こと。 【解決手段】 音素記号列とアクセントパターンを単語
版と文章版ネット入力パターン生成部２３，２４に与
え、次段の各ＦＮＮへの入力パターンＡ，Ｂを得る。こ
れら入力パターンＡ，Ｂを、学習済み単語版及び文章版
ＦＮＮ２５，２６へ与える。この入力パターンＡ，Ｂに
基づき各ＦＮＮ２５，２６は、ピッチパターン（各モー
ラ２点）を出力する。この出力は直線補間部２７、２８
に与えられ、ここで、対数周波数軸上で直線補間されて
単語版のピッチパターン２９と文章版のピッチパターン
３０を生成する。このように生成された単語版のピッチ
パターン２９のの疑似アクセント成分と、文章版のピッ
チパターン３０の文章版ピッチパターンのベース成分を
抽出した後に、ピッチパターン加工処理部３１にて加算
処理して、新しいピッチパターン３２を生成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、人間の実音声の
抑揚パターンを出力するように学習されたファジーニュ
ーラルネット（ＦＮＮ）を用いた規則音声合成における
抑揚制御方法および人間の実音声の抑揚に近い合成音声
を得る規則音声合成装置に関する。

【０００２】

【従来の技術】規則音声合成は、任意の日本語文章を漢
字かな混じり文として与えれば、音声として出力する装
置である。図７は規則音声合成装置のブロック構成図
で、図７において、テキスト入力部１に入力されている
漢字かな混じり文（文章）を日本語処理部２に与える。
すると、日本語処理部２では、与えられた上記文章を内
蔵の日本語辞書を参照しながら音素記号列に変換する。
次に、この音素記号列は韻律パターン生成部３に入力さ
れ、ここで、音素記号列に基づき韻律パターン（時間長
パターン、ピッチパターンおよびエネルギパターン）を
生成する。韻律パターン生成部３は時間長パターン生成
部４、ピッチパターン生成部５、エネルギパターン生成
部６から構成されていて、各パターンを生成する際に
は、それぞれ時間長パターンデータベース４ａ、ピッチ
パターンデータベース５ａ、エネルギパターン６ａに格
納されているデータに基づき、各音素毎に目標値が決定
されて行く。このようにして得られた韻律パターンと音
素記号列を音声合成部７に与え、この音声合成部７で韻
律パターンと音素記号列に基づいて音声素片データベー
ス７ａから必要なデータを参照し、所望の韻律パターン
を実現しながら音声波形を生成して、音声出力部８から
音声を送出する。

【０００３】前記図７で示した音声を合成する基となる
音声素片データベース７ａのデータは、図８に示すよう
に実音声から線形予測分析をベースにした音声分析部１
１により算出し、算出された声道特性を表す音響管断面
積と音源波形を音声素片毎にデータベース化してデータ
ベース１２に保管する。この素片データは、子音→母音
（ＣＶデータ）、母音→子音（ＶＣデータ）、母音→母
音（ＶＶデータ）等の単位で用意する。合成時には、こ
れを対象文章に応じて参照し、音声合成部７を構成する
音響管演算部１３により音声波形を生成する。

【０００４】上記のように構成された規則音声合成装置
において、規則合成音声の品質は、波形を生成する基と
なる音声素片データベース７ａの質と、合成時の韻律パ
ターンに大きく左右される。すなわち、人間らしい豊か
な声、女性らしい声を実現するには、いろいろなパラメ
ータ（高さ、強さ、早さ等）で合成しても音声波形の歪
みの少ないような音声素片データを用意する必要がある
し、聞き易い自然な音声を実現するには、人間が実際に
喋るときの韻律パターンにより近い韻律制御を行う必要
がある。

【０００５】このため、従来韻律制御には、３つの韻律
制御用データベースをテーブル化（音韻環境、アクセン
ト環境別に登録）したテーブルを参照する方式を採用し
ているが、このテーブル方式は注目する音素とその前後
の音素に関する環境（音素の種類、アクセント環境等）
に注目して分類を行い、各パラメータを登録する方式で
ある。この方式では、各音素の全組み合わせに対するテ
ーブルのチューニングが本来必要になる。しかし、組み
合わせは膨大となるので、十分なチューニングを行うに
は膨大な作業量が伴う。一方、音声素片データの品質に
ついては、これまで改善を行って来た結果ある程度の品
質が実現されつつある。従って、より自然な合成音を実
現するには、韻律制御改善がより重要となり、特に抑揚
制御（ピッチ制御）法の改善は合成音声には不可欠であ
る。

【０００６】上記抑揚制御法を改善するために、ファジ
ーニューラルネット（ＦＮＮ）を使用して人間が実際に
発声した単語の抑揚パターンを出力するように学習さ
せ、その結果を単語規則合成の抑揚パターンとして用い
る方式が考えられている。この単語抑揚制御用ＦＮＮで
は、ピッチ制御に関連の深い要因として以下の６アイテ
ムを設定して、これらをＦＮＮの入力として用いてい
る。

【０００７】アイテムＡ：アクセントの高／低 アイテムＢ：アクセントの変化位置からのモーラ（音
節）位置 アイテムＣ：語頭からのモーラ位置 アイテムＤ：語尾からのモーラ位置 アイテムＥ：当該モーラ内母音の種類 アイテムＦ：当該モーラ内子音の種類 上記ＦＮＮでは、このＦＮＮの重みの初期値の設定方法
として、数量化Ｉ類でピッチ周波数を出力するように係
数を算出し、その結果を初期値に変換して用いる方法を
採用していた。これを検証するために、２つのニューラ
ルネットを用意し、各モーラ毎に図９に示すように２点
ずつのピッチ周波数Ｐ₁〜Ｐ₆（ＦＮＮ１ではＰ₁，Ｐ₃，
Ｐ₅を、ＦＮＮ２ではＰ₂，Ｐ₄，Ｐ₆を出力する）を、そ
れぞれで出力するように学習させて抑揚パターンの推定
を行っている。学習データとしては、女性（アナウンサ
１名）の単語（約５００単語分）発声から分析したピッ
チデータを用いている。このネットワークの出力を実際
の規則合成に適用する際は、得られた各モーラ２点のピ
ッチパターンから直線補間を行い、合成時のピッチとし
て使用する。

【０００８】上記ネットワークを用いた単語抑揚学習実
験の結果、未学習の単語ピッチデータ生成において、実
音声のピッチに対する平均推定誤差６．８４％を実現し
た（各データの実測値と、推定値とをプロットしたＦＮ
Ｎの推定結果の図を図１０に示す）。また、この出力結
果を実際に単語音声合成に適用した結果、非常に自然な
（つながりの良いなめらかな）単語規則合成が実現され
るようになった。

【０００９】

【発明が解決しようとする課題】上述したＦＮＮを用い
た単語抑揚パターン生成システムを、文章規則合成の抑
揚制御に適用する場合、図１１に示す手順で合成音を作
成する。まず、１つ１つの文節を１つの単語（内部の各
音素の環境、アクセント環境が一致するもの）に対応さ
せ、上記システムで得られた結果を文節の抑揚パターン
として算出する。その後、得られた各文節のピッチパタ
ーンを順に接続したものを、合成時の抑揚制御結果とし
て合成に持ち込む（図７に示したピッチパターン生成部
５の出力と置き換える）。

【００１０】しかし、上記方式では、用いる単語抑揚パ
ターン生成システムが単語データでしか学習されていな
いため、個々の文節パターンを組み合わせたときの文節
間のバランス（文全体としての自然性）が崩れてしまう
という問題がある。

【００１１】また、規則合成における大きな問題とし
て、合成時にピッチ制御を行うと、音声素片データを作
成する基となった原音の高さからずれ、波形が大きく歪
むという現象（特に女性音合成において顕著である）が
生じ、音質が劣化することである。このピッチ制御は、
規則合成にとって欠かせないもので、現行の分析に基づ
く方式（線形予測分析に基づく方式）では、音質劣化は
避けられない。このため、女性音の場合、女性らしい豊
かさに欠け、機械的な声になり易くなってしまう問題が
ある。

【００１２】この他、規則合成で不可欠なピッチ制御を
行う際、原音声のピッチからのズレが大きいほど、音質
そのものの劣化が激しくなる、一方、自然な抑揚を実現
するには、かなりの周波数幅でピッチ制御を行う必要が
ある。この矛盾を解決するため、ピッチの変化幅を抑え
る方向で、ピッチテーブルのチューニングを行ってき
た。従って、結果的に滑らかだが、抑揚の少ない単調な
合成音声になってしまう問題がある。このように、規則
音声合成方式では十分自然な抑揚でかつ、女性らしい豊
かな合成音声を実現するのは困難となっている。

【００１３】この発明は上記の事情に鑑みてなされたも
ので、自然性の高い合成音声が得られるようにするとと
もに、高品質な合成音声が得られるようにした規則音声
合成における抑揚制御方法および規則音声合成装置を提
供することを目的とする。

【００１４】

【課題を解決するための手段】この発明は、上記の目的
を達成するために、第１発明は、合成音を生成する対象
文章を単語および文章抑揚制御用ファジーニューラルネ
ット入力パターン生成部に与え、その出力にそれぞれ入
力パターンＡ，Ｂを得る。一方、あらかじめ、複数の単
語のピッチデータを単語抑揚制御用ファジーニューラル
ネットで学習させてピッチ周波数を出力するように学習
させた単語抑揚制御用ファジーニューラルネットおよび
複数の文章のピッチデータを文章抑揚制御用ファジーニ
ューラルネットで学習させてピッチ周波数を出力するよ
うに学習させた文章抑揚制御用ファジーニューラルネッ
トを設けて、これら出力にピッチパターンを得る。

【００１５】その後、得られたピッチパターンをそれぞ
れ直線補間を行った後に、単語用ピッチパターンおよび
文章用ピッチパターンを生成して、単語用ピッチパター
ンの内疑似アクセント成分と文章用ピッチパターンの内
ベース成分を抽出し、両成分を加算処理して新しいピッ
チパターンを生成することを特徴とするものである。第
２発明は、前記単語抑揚用ファジーニューラルネットと
文章抑揚制御用ファジーニューラルネットには、モーラ
内第１点を出力する第１ファジーニューラルネットと、
モーラ内第２点を出力する第２ファジーニューラルネッ
トの２つのファジーニューラルネットを設けたことを特
徴とするものである。

【００１６】第３発明は、テキスト入力部に入力された
漢字かな混じり文を、日本語処理部で内蔵の日本語辞書
を参照しながら音素記号列に変換する。変換された音素
記号列に基づき韻律パターン生成部で韻律パターンを生
成する。生成された韻律パターンと前記音素記号列を基
に音声合成部で音声素片データベースを参照しながら合
成音声を生成する。このときに、前記韻律パターン生成
部に使用するピッチパターン生成部を、次のように構成
する。

【００１７】複数の単語のピッチデータを単語抑揚制御
用ファジーニューラルネットで学習させてピッチ周波数
を出力するように学習させた単語抑揚制御用ファジーニ
ューラルネットおよび複数の文章のピッチデータを文章
抑揚制御用ファジーニューラルネットで学習させてピッ
チ周波数を出力するように学習させた文章抑揚制御用フ
ァジーニューラルネットを用いてファジーニューラルネ
ットピッチパターン生成部を構成する。かつ、前記音声
合成部を、単位応答波形重畳合成方式と非線形窓掛け制
御を組み合わせて構成したものである。

【００１８】第４発明は、前記音声素片データベース
を、ピッチ周期毎に声道特性と音源特性から演算した単
位応答波形データを用いてデータベース化したことを特
徴とするものである。

【００１９】

【発明の実施の形態】以下この発明の実施の形態を図面
に基づいて説明する。この発明の実施の第１形態は文章
抑揚制御用ＦＮＮを使用したことである。このＦＮＮは
文章のピッチデータ（人間が発声した実音声から算出）
を学習に用い、出力するように学習させるものである。
また、単語抑揚制御用ＦＮＮと同様に、２つの第１、第
２ＦＮＮを用意し、それぞれ各モーラ毎の第１点（第１
目標値）、第２点（第２目標値）を出力する。この文章
抑揚制御用ＦＮＮの入力アイテムを以下に示す。このＦ
ＮＮでは単語版ＦＮＮのアイテムに新たに２つのアイテ
ムを追加し、元のアイテムも一部修正している。

【００２０】前述したアイテムＡ〜Ｄは前記のものと同
様であるが、アイテムＥとＦは次のように修正される アイテムＥ：当該モーラの母音部が長音か非長音か アイテムＦ：当該モーラの種類；ＣＶモーラ（Ｃ部が有
声子音）、ＣＶモーラ（Ｃ部が無声子音）およびＶモー
ラ アイテムＧ：１文に含まれる文節数 アイテムＨ：文内文節番号（第何文節か） 上記のＦＮＮを用いて、女性の文章発声（文節毎にポー
ズを挿入している）から得たピッチパターンデータによ
る学習実験を行った。実験で使用した学習データの数
は、約３０００モーラ分のピッチデータで、これらデー
タが２５００個程度の入力グループに分類され、各グル
ープ毎に、１つのピッチ周波数を出力するよう各ＦＮＮ
を学習させる。ここで、上記学習検証実験結果を次に述
べる。

【００２１】Ａ：学習データに対する平均推定誤差は約
９％（各データの実測値と推定値とをプロットした特性
図を図２に示す）であり、推定誤差は次の式で算出し
た。

【００２２】各データに対する推定誤差（％）＝│各デ
ータに実ピッチ周波数−出力周波数│÷（各データの実
ピッチ周波数）×１００ Ｂ：合成音評価（未学習の文を合成、評価） 文節間の相互のバランスは良いが、文節内音素間のつな
がりが悪いものが目立った（ピッチの推移がなめらかで
ない） 原因として、単語学習時は１つの入力として与えられる
学習データは平均１６個程度だったのに対し、文章学習
時は平均１．２個程度（学習データ数不足）であるた
め、学習対象文以外の音素の組み合わせに弱い（滑らか
なピッチ推移が得られない）。

【００２３】上記の検証結果をもとに、より自然性の高
い文音声を実現するための実施の形態である抑揚制御シ
ステムの構築方法を次に述べる。この方法は学習用デー
タは増加させないで、現行データだけで自然性を向上さ
せるもので、従来の技術で述べた単語抑揚制御用ＦＮＮ
（以下単語版ネットと称す）と、前述した文章抑揚制御
用ＦＮＮ（以下文章版ネットと称す）とを組み合わせて
ピッチパターンを生成するものである。この方法では、
単語版ネットのつながりの良さと、文章版ネットの文節
間のバランスの良さというそれぞれの長所を生かして、
両者を組み合わせるようにしたものである。以下図１に
より実施の形態を述べる。

【００２４】図１に示すように、あらかじめ、単語版ネ
ット２１を学習データ４０００個（ピッチデータ）を用
いてＦＮＮ１（モーラ内第１点目を出力するＦＮＮ）と
ＦＮＮ２（モーラ内第２点目を出力するＦＮＮ）により
学習させておくとともに、文章版ネット２２を学習デー
タ３０００個（ピッチデータ）を用いてＦＮＮ１，ＦＮ
Ｎ２により学習させおき、この２つのネット２１，２２
を後述の学習済み単語版および文章版ＦＮＮ２５、２６
に用いる。

【００２５】次に、図１において、合成音を生成する対
象文章が「赤坂を、右方向です。」の場合を例にとって
以下述べる。まず、「赤坂を」の音素記号列（AKASAKA
O）とアクセントパターン（低、高、低、低、低）を表
す発音記号“AKA￣SAKAO”を単語版と文章版ネット入力
パターン生成部２３，２４に与え、次段の各ＦＮＮへの
入力パターンＡ，Ｂを得る。これら入力パターンＡ，Ｂ
を、前述のようにして得られた学習済み単語版及び文章
版ＦＮＮ２５，２６へ与える。この入力パターンＡ，Ｂ
に基づき各ＦＮＮ２５，２６は、「赤坂を」のピッチパ
ターン（各モーラ２点）を出力する。この出力は直線補
間部２７、２８に与えられ、ここで、対数周波数軸上で
直線補間されて単語版のピッチパターン２９と文章版の
ピッチパターン３０を生成する。このように生成された
単語版のピッチパターン２９の図示Ａ₁部分（単語版ピ
ッチパターンの疑似アクセント成分）と、文章版のピッ
チパターン３０の図示Ｂ₂部分（文章版ピッチパターン
のベース成分）を抽出した後に、ピッチパターン加工処
理部３１にて加算処理して、新しいピッチパターン３２
を生成する。このようにして得られたピッチパターン３
２の出力を、図７に示すピッチパターン生成部５の出力
として用い合成音を作成する。なお、「右方向です」の
文章についても上記と同様にして処理し、上述のように
して得られた「赤坂を」とともに２つの合成音をつない
だ文章の合成音を得る。

【００２６】上記方法によるＦＮＮで出力したピッチパ
ターンを用いて合成音を作成した結果、２〜４文節から
なる例文で自然性の向上が確認された。そのうちの１例
文（「池袋で、乗り換える。」）に対して、従来の単語
版ＦＮＮ、文章版ＦＮＮおよび両者の組み合わせによる
３種類の方法を用いたピッチパターンを図３に示す。図
３において、単語版ＦＮＮによるピッチパターンを菱形
“◇”で示しているが、このピッチパターンを見ると、
第１文節、第２文節共にピッチの上がり下がりが大き
く、合成音も抑揚がつき過ぎてわざとらしい感じが強
い。また、文章版ＦＮＮによるピッチパターンを図示実
線で示しているが、「池袋」の“い”から“ぶ”にかけ
て変動が激しく、不自然な合成音になってしまってい
る。これらに対して組み合わせ型の場合には、図示
“＋”で示しているが、文章版ＦＮＮの全体的な推移、
単語版ＦＮＮのモーラ間推移を良く表現しており、合成
音においても、両者の長所が生かされた自然な合成音を
得ることができる。

【００２７】以上のように豊富な単語データを用いて人
間の実際の抑揚を学習させたＦＮＮと、データ数は極端
に少ないが、文章の全体バランスを表現するように学習
を行った文章版ＦＮＮを、両者の特徴を生かす形で比較
的簡単に組み合わせてピッチパターン生成を行うことに
より、自然性の高い合成音が得られるようになる。

【００２８】次に、この発明の実施の第２形態について
述べる。図４は実施の第２形態を示すブロック構成図
で、図７と同一部分は同一符号を付して示す。図４にお
いて、４１は実施の第１形態により得られた単語版と文
章版を組み合わせ型ＦＮＮからなるピッチパターン生成
部で、この生成部４１は文章の抑揚パターンを生成する
ＦＮＮであり、人間の文章の実音声のピッチパターンを
学習し、実発声の抑揚に近いパターンを出力するように
構成されている。このように構成されたピッチパターン
生成部４１を備えた韻律パターン生成部３の出力は音声
合成部４２に入力され、ここで、合成音声に変換され
る。

【００２９】音声合成部４２は単位応答波形重畳型合成
方式と、波形重畳方式においてリアルタイムで波形の加
工が可能な、単位応答波形への非線形窓掛け制御（後述
する）とを組み合わせた合成系を用いる。また、波形重
畳方式に用いる新音声素片データ４３は、図５に示すよ
うに、作成される。図５において、Ｓ１は音響管断面積
と音源波形から音声素片データを得る従来の音声素片デ
ータで、このデータを基に、次に、あらかじめ、１ピッ
チ周期毎にオフラインで音響管演算を行って、１周期波
形応答をステップＳ２の１周期波形応答算出部で算出
し、その結果得られた応答波形群を全音節データ（ＣＶ
データ、ＶＣデータ等）について揃え、その結果をステ
ップＳ３で新音声素片データベースとして得るものであ
る。なお、前述した非線形窓掛け制御は次式の窓関数に
より行われる。

【００３０】

【数１】

【００３１】この窓関数演算は、合成時ピッチ周波数
（韻律パターン生成部で算出されたもの）が分析時ピッ
チ周波数（音声素片データベースを作るために用いた人
間の肉声のピッチ周波数）より低いとき、つまり音声素
片データベースから切り出す長さが長いときは、エネル
ギｗが図６に示すように時間ｔ＝ｐ₀からｔ＝ｐ₁にかけ
て単調に増加するようになり、ｗ＝ｗ₀に到達する。こ
のことは、時間的に徐々に振幅を大きくして長くなった
部分の振幅を大きく使用するものである。

【００３２】逆に、合成時ピッチ周波数が分析時ピッチ
周波数より高いとき、つまり音声素片データベースから
切り出す長さが短いときは、ｗがｔ＝ｐ₀からｔ＝ｐ₁に
かけて単調に減少するようになる。このことは、短くな
った分だけ平均振幅は大きくなるので、それを小さくす
るものである。

【００３３】上記の窓関数演算処理は、各音声素片デー
タの時間的に浅い方の形状を残している。つまり、接続
したい音声素片データの形状を残すというところに重点
を置いてもので、接続される音声素片データの形を変形
することにより実現できる。ただし、各パラメータは、
人間の調整により行われるが、パラメータ数が少ないの
で、調整しやすい。実際に、調整するパラメータは
ｐ₀，ｐ₁，ｋ（定数）である。

【００３４】上記のように波形重畳方式を適用すること
により、合成演算が単純加算で済むようになるので、従
来のリアルタイム音響管演算方式（１０ｋＨｚ合成→１
００μsec毎に１回ずつ複雑な音響管演算を実行）に比
べて、演算量が大幅に減少する。また、波形レベルでデ
ータを持つので、波形のリアルタイム加工（音源＋音響
管断面積方式では困難）も可能となり、処理時間に余裕
ができることと併せて、ピッチ周波数に応じた加工（非
線形窓掛けにより）が可能となる。このピッチに応じた
窓掛けが可能となることで、ピッチ制御に伴う各ピッチ
毎の音源の応答どうしの重なりの位相による波形の歪み
を、低減することが可能となる。こうして、ピッチ周期
に応じてリアルタイムに窓掛け制御を掛けることで、ピ
ッチ制御に伴う波形劣化の少ない音声合成方式が実現で
きるようになる。

【００３５】前記音声合成部４２に送られるピッチパタ
ーンは、人間の自然な抑揚に近いもの（変動が大きい）
が実現されている。従来では歪みが大きすぎて実現でき
なかった自然なピッチパターン（変動の大きな抑揚）を
持つ合成音を、ＦＮＮによるピッチパターン生成部４１
と、上記音声合成部４２と組み合わせることで、音質劣
化を少なくすることができる。

【００３６】

【発明の効果】以上述べたように、この発明によれば、
人間の実音声の抑揚（単語、文章）を実現するように構
築された２つのＦＮＮを組み合わせてピッチパターンを
生成しているので、単純な加工により自然性の高い（滑
らかで、かつ全体のバランスの良い）合成音声が得られ
るようになるとともに、学習用文章データを多量に用意
する必要がなくなり、文章データの学習は、文全体の抑
揚の傾向をうまく表現することができるようになる。

【００３７】また、人間の実音声の抑揚をうまく表現す
る文抑揚制御用ＦＮＮと、ピッチの変動に強い音声合成
方式とをくみあわせるようにしたので、自然な抑揚を持
つ合成音声を無理なく（歪みが少なく）合成することが
可能になるとともに、抑揚制御に関して、テーブル方式
で必要な膨大なチューニング作業が不要になる。

【図面の簡単な説明】

【図１】この発明の実施の第１形態を示す処理説明図。

【図２】文章データで学習したＦＮＮの推定結果の特性
図。

【図３】第１形態におけるピッチパターンの生成と単
語、文章ＦＮＮによるピッチパターンの説明図。

【図４】この発明の実施の第２形態を示す構成説明図。

【図５】新音声素片データ作成方法をフローチャート。

【図６】窓関数演算の説明図。

【図７】従来の音声合成方式の構成説明図。

【図８】従来の音声素片データの作成方法説明図。

【図９】２つのＦＮＮによる抑揚パターン推定説明図。

【図１０】数量化Ｉ類で初期値設定したＦＮＮの推定結
果を示す特性図。

【図１１】単語版抑揚パターンの文章への拡張方法説明
図。

【符号の説明】

２１…単語版ＦＮＮ ２２…文章版ＦＮＮ ２３…単語版ＦＮＮ入力パターン生成部 ２４…文章版ＦＮＮ入力パターン生成部 ２５…学習済み単語版ＦＮＮ ２６…学習済み文章版ＦＮＮ ２７、２８…直線補間部 ２９…単語版ピッチパターン ３０…文章版ピッチパターン ３１…ピッチパターン加工処理部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 合成音対象文章を単語および文章抑揚制
   御用ファジーニューラルネット入力パターン生成部に与
   えて、出力にそれぞれ入力パターンを得、得られたそれ
   ぞれの入力パターンを、 あらかじめ、複数の単語のピッチデータを単語抑揚制御
   用ファジーニューラルネットで学習させてピッチ周波数
   を出力するように学習させた単語抑揚制御用ファジーニ
   ューラルネットおよび複数の文章のピッチデータを文章
   抑揚制御用ファジーニューラルネットで学習させてピッ
   チ周波数を出力するように学習させた文章抑揚制御用フ
   ァジーニューラルネットに与えて出力にピッチパターン
   をそれぞれ得、得られたピッチパターンを、 それぞれ直線補間を行った後に、単語用ピッチパターン
   および文章用ピッチパターンを生成し、単語用ピッチパ
   ターンの内疑似アクセント成分と文章用ピッチパターン
   の内ベース成分を抽出し、両成分を加算処理して新しい
   ピッチパターンを生成することを特徴とする規則音声合
   成における抑揚制御方法。
2. 【請求項２】 前記単語抑揚用ファジーニューラルネッ
   トと文章抑揚制御用ファジーニューラルネットはモーラ
   内第１点を出力する第１ファジーニューラルネットとモ
   ーラ内第２点を出力する第２ファジーニューラルネット
   からなることを特徴とする請求項１記載の規則音声合成
   における抑揚制御方法。
3. 【請求項３】 テキスト入力部に入力された漢字かな混
   じり文を、日本語処理部で内蔵の日本語辞書を参照しな
   がら音素記号列に変換し、この音素記号列に基づき韻律
   パターン生成部で韻律パターンを生成し、得られた韻律
   パターンと音素記号列を基に音声合成部で音声素片デー
   タベースを参照しながら合成音声を生成する規則音声合
   成装置において、 前記韻律パターン生成部に使用するピッチパターン生成
   部を、複数の単語のピッチデータを単語抑揚制御用ファ
   ジーニューラルネットで学習させてピッチ周波数を出力
   するように学習させた単語抑揚制御用ファジーニューラ
   ルネットおよび複数の文章のピッチデータを文章抑揚制
   御用ファジーニューラルネットで学習させてピッチ周波
   数を出力するように学習させた文章抑揚制御用ファジー
   ニューラルネットに与えて出力にピッチパターンを生成
   するファジーニューラルネットピッチパターン生成部に
   より構成し、 かつ、前記音声合成部を、単位応答波形重畳合成方式と
   非線形窓掛け制御を組み合わせて構成したことを特徴と
   する規則音声合成装置。
4. 【請求項４】 前記音声素片データベースは、ピッチ周
   期毎に声道特性と音源特性から演算した単位応答波形デ
   ータをデータベース化したことを特徴とする請求項３記
   載の規則音声合成装置。