JPH0990986A - 音声合成方法及びその装置 - Google Patents
音声合成方法及びその装置Info
- Publication number
- JPH0990986A JPH0990986A JP7242824A JP24282495A JPH0990986A JP H0990986 A JPH0990986 A JP H0990986A JP 7242824 A JP7242824 A JP 7242824A JP 24282495 A JP24282495 A JP 24282495A JP H0990986 A JPH0990986 A JP H0990986A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- utterance
- speech
- style
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Abstract
(57)【要約】
【課題】 発声速度や発声スタイルに応じて音声素片や
特徴パラメータの接続単位を選択し、適切に音節やモー
ラの持続時間を与えることにより、自然音声に近い発声
が行なえる音声合成方法および装置を提供する。 【構成】 音声素片の特徴パラメータを接続して音声を
合成する音声合成方法であって、発声スタイル及び/又
は発声速度を含む発声パラメータに基づいて(S6
2)、特徴パラメータの接続方法を変更する。前記接続
方法の変更は、発声スタイル及び/又は発声速度に基づ
いて無音区間長を決定し(S64,S65)、前記無音
区間長に基づいて同じ音声素片に対する異なる特徴パラ
メータ(S63,S64)から補間されて、新たな特徴
パラメータが生成され(S66)、この特徴パラメータ
が合成される(S67)。前記特徴パラメータは、例え
ば、音声素片がVCVか、V,CVか、VC,CVかの
違いに対応して異なる。
特徴パラメータの接続単位を選択し、適切に音節やモー
ラの持続時間を与えることにより、自然音声に近い発声
が行なえる音声合成方法および装置を提供する。 【構成】 音声素片の特徴パラメータを接続して音声を
合成する音声合成方法であって、発声スタイル及び/又
は発声速度を含む発声パラメータに基づいて(S6
2)、特徴パラメータの接続方法を変更する。前記接続
方法の変更は、発声スタイル及び/又は発声速度に基づ
いて無音区間長を決定し(S64,S65)、前記無音
区間長に基づいて同じ音声素片に対する異なる特徴パラ
メータ(S63,S64)から補間されて、新たな特徴
パラメータが生成され(S66)、この特徴パラメータ
が合成される(S67)。前記特徴パラメータは、例え
ば、音声素片がVCVか、V,CVか、VC,CVかの
違いに対応して異なる。
Description
【0001】
【発明の属する技術分野】本発明は音声合成方法及びそ
の装置、特に音声規則合成における合成音の音素,音節
などの持続時間を制御するための音声合成方法及びその
装置に関するものである。
の装置、特に音声規則合成における合成音の音素,音節
などの持続時間を制御するための音声合成方法及びその
装置に関するものである。
【0002】
【従来の技術】人間と人間との間で行われる情報交換の
媒体の中で、最も自然に使われるのが音声である。一
方、計算機は、飛躍的な進歩により、数値計算のみなら
ず様々な情報を扱えるように進歩してきている。そこ
で、音声を人間と計算機との情報交換媒体として用いた
いという要求がある。
媒体の中で、最も自然に使われるのが音声である。一
方、計算機は、飛躍的な進歩により、数値計算のみなら
ず様々な情報を扱えるように進歩してきている。そこ
で、音声を人間と計算機との情報交換媒体として用いた
いという要求がある。
【0003】このような音声による情報交換の中で、音
声合成装置は、機械が任意のテキストを合成音声に変換
する装置であり、計算機から人間への重要な情報伝達手
段となる。
声合成装置は、機械が任意のテキストを合成音声に変換
する装置であり、計算機から人間への重要な情報伝達手
段となる。
【0004】
【発明が解決しようとする課題】しかしながら、従来の
音声合成装置から出力される合成音声は、人間が発声す
る自然音声と比較するとやや不自然で機械的なものであ
る。この原因の1つとして、接続する音声素片の単位を
発声速度によらず常に同じものを用いていることがあげ
られる。すなわち、従来の音声合成においては、発声速
度の変化への対応は接続した音声素片,特徴パラメータ
の伸縮により行っているため、特に発声速度を極端に遅
くした場合には、お経のような間延びした合成音声とな
る。
音声合成装置から出力される合成音声は、人間が発声す
る自然音声と比較するとやや不自然で機械的なものであ
る。この原因の1つとして、接続する音声素片の単位を
発声速度によらず常に同じものを用いていることがあげ
られる。すなわち、従来の音声合成においては、発声速
度の変化への対応は接続した音声素片,特徴パラメータ
の伸縮により行っているため、特に発声速度を極端に遅
くした場合には、お経のような間延びした合成音声とな
る。
【0005】人間が実際の発声を行なう場合を考えてみ
ると、例えば極端に遅い発声に対しては、音節あるいは
モーラごとに区切った発声を行なうのが普通である。ま
た、普通の速度の発声に対しても、強調などを伝えるた
めにはスタッカートのようなぶつ切りの発声を行なうこ
ともある。本発明は、発声速度や発声スタイルに応じて
音声素片や特徴パラメータの接続単位を選択し、適切に
音節やモーラの持続時間を与えることにより、自然音声
に近い発声が行なえる音声合成方法および装置を提供す
る。
ると、例えば極端に遅い発声に対しては、音節あるいは
モーラごとに区切った発声を行なうのが普通である。ま
た、普通の速度の発声に対しても、強調などを伝えるた
めにはスタッカートのようなぶつ切りの発声を行なうこ
ともある。本発明は、発声速度や発声スタイルに応じて
音声素片や特徴パラメータの接続単位を選択し、適切に
音節やモーラの持続時間を与えることにより、自然音声
に近い発声が行なえる音声合成方法および装置を提供す
る。
【0006】
【課題を解決するための手段】本発明では、発声速度の
変化や発声スタイルの設定に応じて、適切な接続素片を
用いることにより、音素などの継続時間長の制御方式,
音声素片の特徴パラメータの生成方式を変更する。この
ようにして、得られた音声素片の特徴パラメータによる
合成音声は、自然なテンポ感でユーザの意図を適切に実
現することが可能となる。
変化や発声スタイルの設定に応じて、適切な接続素片を
用いることにより、音素などの継続時間長の制御方式,
音声素片の特徴パラメータの生成方式を変更する。この
ようにして、得られた音声素片の特徴パラメータによる
合成音声は、自然なテンポ感でユーザの意図を適切に実
現することが可能となる。
【0007】かかる本発明の音声合成方法は、音声素片
の特徴パラメータを接続して音声を合成する音声合成方
法であって、発声スタイル及び/又は発声速度に基づい
て、特徴パラメータの接続方法を変更することを特徴と
する。ここで、前記接続方法の変更は、発声スタイル及
び/又は発声速度に基づいて無音区間長を決定し、該無
音区間長に基づいて行われる。また、前記接続方法の変
更では、前記無音区間長に基づいて同じ音声素片に対す
る異なる特徴パラメータから補間されて、新たな特徴パ
ラメータが生成される。また、前記特徴パラメータは、
音声素片がVCVか、V,CVか、VC,CVかの違い
に対応して異なる。また、前記接続方法の変更では、更
に、発声スタイルに基づいて特徴パラメータの継続時間
長の伸縮パラメータが選択される。また、前記発声スタ
イルとして、連続発声とモーラ単位で区切った発声との
違いを含む。
の特徴パラメータを接続して音声を合成する音声合成方
法であって、発声スタイル及び/又は発声速度に基づい
て、特徴パラメータの接続方法を変更することを特徴と
する。ここで、前記接続方法の変更は、発声スタイル及
び/又は発声速度に基づいて無音区間長を決定し、該無
音区間長に基づいて行われる。また、前記接続方法の変
更では、前記無音区間長に基づいて同じ音声素片に対す
る異なる特徴パラメータから補間されて、新たな特徴パ
ラメータが生成される。また、前記特徴パラメータは、
音声素片がVCVか、V,CVか、VC,CVかの違い
に対応して異なる。また、前記接続方法の変更では、更
に、発声スタイルに基づいて特徴パラメータの継続時間
長の伸縮パラメータが選択される。また、前記発声スタ
イルとして、連続発声とモーラ単位で区切った発声との
違いを含む。
【0008】又、本発明の音声合成装置は、音声素片の
特徴パラメータを接続して音声を合成する音声合成装置
において、発声スタイル及び/又は発声速度を設定する
パラメータ設定手段と、設定された前記発声スタイル及
び/又は発声速度に基づいて、特徴パラメータの接続方
法を変更する接続方法変更手段とを備えることを特徴と
する。
特徴パラメータを接続して音声を合成する音声合成装置
において、発声スタイル及び/又は発声速度を設定する
パラメータ設定手段と、設定された前記発声スタイル及
び/又は発声速度に基づいて、特徴パラメータの接続方
法を変更する接続方法変更手段とを備えることを特徴と
する。
【0009】ここで、前記接続方法変更手段は、発声ス
タイル及び/又は発声速度に基づいて無音区間長を決定
する無音区間長決定手段と、該無音区間長に基づいて特
徴パラメータの接続方法を変更する変更手段とを備え
る。また、前記変更手段は、前記無音区間長に基づいて
同じ音声素片に対する異なる特徴パラメータを合成し
て、新たな特徴パラメータを生成する特徴パラメータ補
間手段を備える。また、前記特徴パラメータは、音声素
片がVCVか、V,CVか、VC,CVかの違いに対応
して異なる。また、前記接続方法変更手段は、更に、発
声スタイルに基づいて特徴パラメータの継続時間長の伸
縮パラメータを選択する伸縮パラメータ選択手段を備え
る。また、前記発声スタイルとして、連続発声とモーラ
単位で区切った発声との違いを含む。
タイル及び/又は発声速度に基づいて無音区間長を決定
する無音区間長決定手段と、該無音区間長に基づいて特
徴パラメータの接続方法を変更する変更手段とを備え
る。また、前記変更手段は、前記無音区間長に基づいて
同じ音声素片に対する異なる特徴パラメータを合成し
て、新たな特徴パラメータを生成する特徴パラメータ補
間手段を備える。また、前記特徴パラメータは、音声素
片がVCVか、V,CVか、VC,CVかの違いに対応
して異なる。また、前記接続方法変更手段は、更に、発
声スタイルに基づいて特徴パラメータの継続時間長の伸
縮パラメータを選択する伸縮パラメータ選択手段を備え
る。また、前記発声スタイルとして、連続発声とモーラ
単位で区切った発声との違いを含む。
【0010】又、本発明の音声合成装置は、記憶媒体か
ら所定のプログラムを読み込んでコンピュータを制御す
ることによって、音声素片の特徴パラメータを接続して
音声を合成する音声合成装置において、前記記憶媒体
が、少なくとも、発声スタイル及び/又は発声速度に基
づいて、特徴パラメータの接続方法を変更する手順コー
ドを含むことを特徴とする。
ら所定のプログラムを読み込んでコンピュータを制御す
ることによって、音声素片の特徴パラメータを接続して
音声を合成する音声合成装置において、前記記憶媒体
が、少なくとも、発声スタイル及び/又は発声速度に基
づいて、特徴パラメータの接続方法を変更する手順コー
ドを含むことを特徴とする。
【0011】ここで、前記記憶媒体が、更に、音声素片
の特徴パラメータを含む。また、前記記憶媒体が、更
に、発声スタイル及び/又は発声速度に対応する特徴パ
ラメータの継続時間長の伸縮パラメータ、発声スタイル
及び/又は発声速度に基づいて無音区間長を決定する関
数、及び無音区間長に対応する特徴パラメータの補間パ
ラメータを含む。
の特徴パラメータを含む。また、前記記憶媒体が、更
に、発声スタイル及び/又は発声速度に対応する特徴パ
ラメータの継続時間長の伸縮パラメータ、発声スタイル
及び/又は発声速度に基づいて無音区間長を決定する関
数、及び無音区間長に対応する特徴パラメータの補間パ
ラメータを含む。
【0012】
【発明の実施の形態】以下に、本発明の実施の形態を添
付図面に従って説明する。 <本実施の形態の音声合成方法の概念>まず、図2〜図
4に基づいて、音声“ORI”を例に本実施の形態の音
声合成方法の概念を説明する。
付図面に従って説明する。 <本実施の形態の音声合成方法の概念>まず、図2〜図
4に基づいて、音声“ORI”を例に本実施の形態の音
声合成方法の概念を説明する。
【0013】図2には、V,C,Vを素片とする音声合
成方式における特徴パラメータの生成方法を示す。図2
で、横軸は発声時間、縦軸の値は特徴パラメータの値を
示す。図2の(a),(b)はVCV素片を用いた場合の
伸縮過程を示し、図2の(c),(d)はV,CV素片を
用いた場合の伸縮過程を示す。図2の(a)は伸縮前の
VCV素片(ORI)であり、/ O//R//I/ の長さは
それぞれd11, d12, d13、また、それぞれの伸縮率は
k11, k12, k13であるとする。このVCV素片を、図
2の(b)のように長さLに伸縮させる場合、/ O//R
//I/ の長さはそれぞれd'11,d'12,d'13 とする。こ
こで、d'11,d'12,d'13 は、例えば、
成方式における特徴パラメータの生成方法を示す。図2
で、横軸は発声時間、縦軸の値は特徴パラメータの値を
示す。図2の(a),(b)はVCV素片を用いた場合の
伸縮過程を示し、図2の(c),(d)はV,CV素片を
用いた場合の伸縮過程を示す。図2の(a)は伸縮前の
VCV素片(ORI)であり、/ O//R//I/ の長さは
それぞれd11, d12, d13、また、それぞれの伸縮率は
k11, k12, k13であるとする。このVCV素片を、図
2の(b)のように長さLに伸縮させる場合、/ O//R
//I/ の長さはそれぞれd'11,d'12,d'13 とする。こ
こで、d'11,d'12,d'13 は、例えば、
【0014】
【数1】 により決定できる。図2の(c)は伸縮前のV(O),
CV(RI)素片であり、/ O//R//I/の長さはそれ
ぞれd21, d22, d23、また、それぞれの伸縮率は
k21, k22, k 23であるとする。このV,CV素片を、
図2の(d)のように長さLに伸縮させる場合、まず、
発声速度や素片の長さや音韻環境等に応じて無音区間長
dP を決定する。次に、L−dP に対して、/ O//R//
I/ の長さはそれぞれd'21,d'2 2,d'23 とする。ここ
で、d'21,d'22,d'23 は、図2の(b)の場合と同様
に、例えば、
CV(RI)素片であり、/ O//R//I/の長さはそれ
ぞれd21, d22, d23、また、それぞれの伸縮率は
k21, k22, k 23であるとする。このV,CV素片を、
図2の(d)のように長さLに伸縮させる場合、まず、
発声速度や素片の長さや音韻環境等に応じて無音区間長
dP を決定する。次に、L−dP に対して、/ O//R//
I/ の長さはそれぞれd'21,d'2 2,d'23 とする。ここ
で、d'21,d'22,d'23 は、図2の(b)の場合と同様
に、例えば、
【0015】
【数2】 により決定できる。ここで、発声速度を速くしていくな
どdP を短くした場合、図2の(d)のようにV,CV
を素片として接続したものより、図2の(b)のように
VCVを素片として接続した方が、滑らかで自然な合成
音声が得られる。すなわち、発声速度が速くなりdP が
短くなるにつれ、図2の(d)による音声素片の特徴パ
ラメータ接続から、図2の(b)による音声素片の特徴
パラメータを接続に変化させていくことが必要になる場
合もある。
どdP を短くした場合、図2の(d)のようにV,CV
を素片として接続したものより、図2の(b)のように
VCVを素片として接続した方が、滑らかで自然な合成
音声が得られる。すなわち、発声速度が速くなりdP が
短くなるにつれ、図2の(d)による音声素片の特徴パ
ラメータ接続から、図2の(b)による音声素片の特徴
パラメータを接続に変化させていくことが必要になる場
合もある。
【0016】特徴パラメータを補間する場合の例を、図
3を用いて説明する。図3では、/ORI/ における/
O/ の部分をd'21 にする場合の例である。このとき、
図3の(a),(b)に示すようにVCV素片及びV素片
の長さをそれぞれd'21 に伸縮する。VCV素片および
V素片の時刻tにおける/ O/ の特徴パラメータをそれ
ぞれP1(t),P2(t)とすると、補間後の特徴パラメ
ータP'(t)は、 P'(t)=(1−k)・P1(t)+k・P2(t) …(1) により求める。ここで、kはdP の長さによって決まる
値であり、dP とkとの関係の具体例の数例を、図4の
(a)〜(d)にグラフとして示す。
3を用いて説明する。図3では、/ORI/ における/
O/ の部分をd'21 にする場合の例である。このとき、
図3の(a),(b)に示すようにVCV素片及びV素片
の長さをそれぞれd'21 に伸縮する。VCV素片および
V素片の時刻tにおける/ O/ の特徴パラメータをそれ
ぞれP1(t),P2(t)とすると、補間後の特徴パラメ
ータP'(t)は、 P'(t)=(1−k)・P1(t)+k・P2(t) …(1) により求める。ここで、kはdP の長さによって決まる
値であり、dP とkとの関係の具体例の数例を、図4の
(a)〜(d)にグラフとして示す。
【0017】<音声合成装置の構成例>図1は本実施の
形態の音声合成装置の構成例を示すブロック図である。
100は、発声する文が文字コードや音声素片に分割さ
れたパラメータ等で入力され、素片パラメータ接続が可
能な所定の音声素片を出力する発声文入力部である。1
01は、傍点,文字間のスペース,点(・)などの入力
文のスタイルや、言語解析結果や、プリファレンスによ
る設定などのユーザの初期設定による情報を調べて、前
述例を含む発声スタイルを設定する発声スタイル設定部
である。102は、文構造やユーザからの指定などによ
り発声速度を設定する発声速度設定部である。103
は、発声スタイル設定部で設定された発声スタイルある
いは発声速度設定部により設定された発声速度及び合成
対象テキストを用いて、音声素片の特徴パラメータの決
定及び接続を行なう素片パラメータ接続部である。10
4は、素片パラメータ接続部103で音声素片の特徴パ
ラメータ接続を行なう際に用いる、音声素片とその特徴
パラメータが格納されている音声辞書である。105
は、発声スタイル設定部101で設定された発声スタイ
ルあるいは発声速度設定部102により設定された発声
速度及び音韻情報を用いて、音韻,ラベル区間等の継続
時間長を伸縮率等を用いて設定する継続時間長設定部で
ある。106は、継続時間長設定部105で設定された
継続時間長により音声素片の特徴パラメータを伸縮して
補間し、合成信号の生成に用いるための音声素片の特徴
パラメータ生成する素片パラメータ生成部である。
形態の音声合成装置の構成例を示すブロック図である。
100は、発声する文が文字コードや音声素片に分割さ
れたパラメータ等で入力され、素片パラメータ接続が可
能な所定の音声素片を出力する発声文入力部である。1
01は、傍点,文字間のスペース,点(・)などの入力
文のスタイルや、言語解析結果や、プリファレンスによ
る設定などのユーザの初期設定による情報を調べて、前
述例を含む発声スタイルを設定する発声スタイル設定部
である。102は、文構造やユーザからの指定などによ
り発声速度を設定する発声速度設定部である。103
は、発声スタイル設定部で設定された発声スタイルある
いは発声速度設定部により設定された発声速度及び合成
対象テキストを用いて、音声素片の特徴パラメータの決
定及び接続を行なう素片パラメータ接続部である。10
4は、素片パラメータ接続部103で音声素片の特徴パ
ラメータ接続を行なう際に用いる、音声素片とその特徴
パラメータが格納されている音声辞書である。105
は、発声スタイル設定部101で設定された発声スタイ
ルあるいは発声速度設定部102により設定された発声
速度及び音韻情報を用いて、音韻,ラベル区間等の継続
時間長を伸縮率等を用いて設定する継続時間長設定部で
ある。106は、継続時間長設定部105で設定された
継続時間長により音声素片の特徴パラメータを伸縮して
補間し、合成信号の生成に用いるための音声素片の特徴
パラメータ生成する素片パラメータ生成部である。
【0018】図5は本実施の形態の音声合成装置のハー
ドウエア構成例を示す図である。ここで、201は制御
メモリであり、以下に示すような制御手順に従った制御
プログラムを記憶する。202は制御メモリ201に保
持されている制御手順にしたがって制御・演算などを行
なう中央処理装置(CPU)である。203は作業メモ
リであり、音声合成対象の特徴パラメータや音声素片な
ど203aや、d 11及びk11など伸縮パラメータ203
bや、図4に示したkとdP との関連マップ203c及
びdP 決定の関数203d等を有している。204はデ
ィスク装置であり、文解析辞書,音声辞書等を有してい
る。205はバスであり、206はDAコンバータであ
り音声発声のスピーカ206aに接続している。207
はキーボードやポインティングデバイス等の入力装置、
208は表示装置である。
ドウエア構成例を示す図である。ここで、201は制御
メモリであり、以下に示すような制御手順に従った制御
プログラムを記憶する。202は制御メモリ201に保
持されている制御手順にしたがって制御・演算などを行
なう中央処理装置(CPU)である。203は作業メモ
リであり、音声合成対象の特徴パラメータや音声素片な
ど203aや、d 11及びk11など伸縮パラメータ203
bや、図4に示したkとdP との関連マップ203c及
びdP 決定の関数203d等を有している。204はデ
ィスク装置であり、文解析辞書,音声辞書等を有してい
る。205はバスであり、206はDAコンバータであ
り音声発声のスピーカ206aに接続している。207
はキーボードやポインティングデバイス等の入力装置、
208は表示装置である。
【0019】尚、制御メモリ201に記憶される制御プ
ログラムや作業メモリ203に記憶されるパラメータ等
は、フロッピーディスク,CD−ROM,MO等の外部
記憶媒体209からあるいは通信手段を介してホストか
らダウンロードされるように構成されてもよい。又、伸
縮パラメータ203bや、関連マップ203c及びd P
決定の関数203d等は、発声スタイルと発声速度に対
応して構成されたテーブルとして提供されてもよい。
ログラムや作業メモリ203に記憶されるパラメータ等
は、フロッピーディスク,CD−ROM,MO等の外部
記憶媒体209からあるいは通信手段を介してホストか
らダウンロードされるように構成されてもよい。又、伸
縮パラメータ203bや、関連マップ203c及びd P
決定の関数203d等は、発声スタイルと発声速度に対
応して構成されたテーブルとして提供されてもよい。
【0020】図6は、制御メモリ201に記憶された制
御プログラムである本実施の形態の音声合成手順の一例
を示すフローチャートである。まず、ステップS61で
発声したい文が入力される。ステップS62で、発声ス
タイルや発声速度等の発声パラメータが設定される。こ
れら発声パラメータは、ステップS61で入力された文
から解析されてもよい。ステップS63では、入力され
た発声文の音声素片及び型(VCVやV,CV等)に基
づいて、音声辞書より標準の特徴パラメータが読み出さ
れる。
御プログラムである本実施の形態の音声合成手順の一例
を示すフローチャートである。まず、ステップS61で
発声したい文が入力される。ステップS62で、発声ス
タイルや発声速度等の発声パラメータが設定される。こ
れら発声パラメータは、ステップS61で入力された文
から解析されてもよい。ステップS63では、入力され
た発声文の音声素片及び型(VCVやV,CV等)に基
づいて、音声辞書より標準の特徴パラメータが読み出さ
れる。
【0021】ステップS64では、ステップS61で設
定された発声パラメータに基づいて、伸縮パラメータ
(dやk等),dP の決定関数,dP とkの関連マップ
等が選択される。ステップS65では、発声パラメータ
を条件としてdP の決定関数により、無音区間長dP が
算出される。ステップS66では、算出されたdP に基
づいて関連マップよりkが決定され、式(1)により特
徴パラメータの補間値が計算される。ステップS67
で、無音区間長dP と特徴パラメータの補間値とに基づ
いて、発声文の音声素片が合成される。ステップS68
では、合成された音声素片の特徴パラメータに従って、
発声文が出力される。
定された発声パラメータに基づいて、伸縮パラメータ
(dやk等),dP の決定関数,dP とkの関連マップ
等が選択される。ステップS65では、発声パラメータ
を条件としてdP の決定関数により、無音区間長dP が
算出される。ステップS66では、算出されたdP に基
づいて関連マップよりkが決定され、式(1)により特
徴パラメータの補間値が計算される。ステップS67
で、無音区間長dP と特徴パラメータの補間値とに基づ
いて、発声文の音声素片が合成される。ステップS68
では、合成された音声素片の特徴パラメータに従って、
発声文が出力される。
【0022】(他の実施の形態)図7はVC/ CVを素
片とする音声合成方式における特徴パラメータの生成方
法を示す(例“ORI”)。図7の(a),(b)はV
C/ CV素片を用いた場合の伸縮過程を示し、図7の
(c),(d)はV,CV素片を用いた場合の伸縮過程を
示す。
片とする音声合成方式における特徴パラメータの生成方
法を示す(例“ORI”)。図7の(a),(b)はV
C/ CV素片を用いた場合の伸縮過程を示し、図7の
(c),(d)はV,CV素片を用いた場合の伸縮過程を
示す。
【0023】図7の(a)は伸縮前のVC/ CV素片
(ORI)であり、/ O//I/ の長さはそれぞれd11,
d13、また/ R/ の長さはVC素片部(/R1/)、CV素
片部(/R2/)でそれぞれd14, d15である。また/ O//
R1//R2//I/ のそれぞれの伸縮率は、k11, k14,
k15, k13であるとする。このVC/ CV素片を図7の
(b)のように、長さLに伸縮させる場合、/ O//R1
//R2//I/ の長さはそれぞれd'11,d'14,d'15,d'
13 とする。ここでd'11,d'14,d'15,d'13 は、例え
ば、
(ORI)であり、/ O//I/ の長さはそれぞれd11,
d13、また/ R/ の長さはVC素片部(/R1/)、CV素
片部(/R2/)でそれぞれd14, d15である。また/ O//
R1//R2//I/ のそれぞれの伸縮率は、k11, k14,
k15, k13であるとする。このVC/ CV素片を図7の
(b)のように、長さLに伸縮させる場合、/ O//R1
//R2//I/ の長さはそれぞれd'11,d'14,d'15,d'
13 とする。ここでd'11,d'14,d'15,d'13 は、例え
ば、
【0024】
【数3】 により決定できる。図7の(c)は伸縮前のV(/O/),
CV(/RI/)素片であり、/ O//R//I/の長さはそれ
ぞれd21, d22, d23、またそれぞれの伸縮率は、
k21, k22, k 23であるとする。このV,CV素片を図
7の(d)のように、長さLに伸縮させる場合、まず、
発声速度や素片の長さや音韻環境等に応じて無音区間長
dP を決定する。次に、L−dP に対して、/ O//R//
I/ の長さはそれぞれd'21,d'2 2,d'23 とする。ここ
でd'21,d'22,d'23 は、図2の(d)の場合と同様に
決定できる。
CV(/RI/)素片であり、/ O//R//I/の長さはそれ
ぞれd21, d22, d23、またそれぞれの伸縮率は、
k21, k22, k 23であるとする。このV,CV素片を図
7の(d)のように、長さLに伸縮させる場合、まず、
発声速度や素片の長さや音韻環境等に応じて無音区間長
dP を決定する。次に、L−dP に対して、/ O//R//
I/ の長さはそれぞれd'21,d'2 2,d'23 とする。ここ
でd'21,d'22,d'23 は、図2の(d)の場合と同様に
決定できる。
【0025】ここで、VC/ CV素片の音声素片の特徴
パラメータと、V,CV素片の音声素片の特徴パラメー
タの補間する場合、前記実施の形態と同様に時間長を揃
え、図4に示した関係等を用いて補間を行なうことがで
きる。この場合、VC/ CV素片におけるラベルと、
V,CV素片におけるラベルを対応付けておくことによ
り、より精密な補間が行なえる。
パラメータと、V,CV素片の音声素片の特徴パラメー
タの補間する場合、前記実施の形態と同様に時間長を揃
え、図4に示した関係等を用いて補間を行なうことがで
きる。この場合、VC/ CV素片におけるラベルと、
V,CV素片におけるラベルを対応付けておくことによ
り、より精密な補間が行なえる。
【0026】このときの例を図8に示す。図8の(a)
は、図7の(d)において、VC,CV素片のラベルと
対応付けられたV,CV素片であり、図8の(b)は図
8の(a)を用いた伸縮結果の例を示す。尚、前記実施
の形態において、音素単位のラベルの伸縮・補間ではな
く、音節,モーラ単位など音素より大きな単位や、音素
を更に細分化した小さな単位で伸縮・補間を行ってもよ
い。
は、図7の(d)において、VC,CV素片のラベルと
対応付けられたV,CV素片であり、図8の(b)は図
8の(a)を用いた伸縮結果の例を示す。尚、前記実施
の形態において、音素単位のラベルの伸縮・補間ではな
く、音節,モーラ単位など音素より大きな単位や、音素
を更に細分化した小さな単位で伸縮・補間を行ってもよ
い。
【0027】又、前記実施の形態において、音声素片の
特徴パラメータを接続後にユーザが発声速度を変更して
も、自然なテンポ感で合成音声を生成するために、図2
の(b)及び図2の(d)の特徴パラメータを両方保持
してもよい。この場合、合成信号の計算を行なう直前に
最新の発声速度を用いて、その発声速度に従い、図2の
(b)または図2の(d)のどちらかの音声素片・パラ
メータを用いるかの選択を行なう。
特徴パラメータを接続後にユーザが発声速度を変更して
も、自然なテンポ感で合成音声を生成するために、図2
の(b)及び図2の(d)の特徴パラメータを両方保持
してもよい。この場合、合成信号の計算を行なう直前に
最新の発声速度を用いて、その発声速度に従い、図2の
(b)または図2の(d)のどちらかの音声素片・パラ
メータを用いるかの選択を行なう。
【0028】又、前記実施の形態と他の実施の形態とを
組み合わせて適用することも、選択して適用することも
可能である。更に、本実施の形態は、音声素片単位とし
てV,Cに注目したが、本発明の技術思想は音声合成の
一般に適用されるものであり、音声素片として他の単位
を使用しても同様な効果が得られる。
組み合わせて適用することも、選択して適用することも
可能である。更に、本実施の形態は、音声素片単位とし
てV,Cに注目したが、本発明の技術思想は音声合成の
一般に適用されるものであり、音声素片として他の単位
を使用しても同様な効果が得られる。
【0029】又、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つの機器から成る装置に適用
しても良い。また、本発明はシステム或は装置にプログ
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。この場合、本発明に係るプ
ログラムを格納した記憶媒体が本発明を構成することに
なる。そして、該記憶媒体からそのプログラムをシステ
ム或は装置に読み出すことによって、そのシステム或は
装置が、予め定められた仕方で動作する。
システムに適用しても、1つの機器から成る装置に適用
しても良い。また、本発明はシステム或は装置にプログ
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。この場合、本発明に係るプ
ログラムを格納した記憶媒体が本発明を構成することに
なる。そして、該記憶媒体からそのプログラムをシステ
ム或は装置に読み出すことによって、そのシステム或は
装置が、予め定められた仕方で動作する。
【0030】
【発明の効果】以上説明したように、本発明によれば、
発声速度に応じて音声素片や特徴パラメータ接続単位を
選択し、適切に音節やモーラの持続時間を与えることに
より、自然音声に近い発声様式を行なうことが可能とな
る効果がある。
発声速度に応じて音声素片や特徴パラメータ接続単位を
選択し、適切に音節やモーラの持続時間を与えることに
より、自然音声に近い発声様式を行なうことが可能とな
る効果がある。
【図1】本実施の形態の音声合成装置の概念的構成を示
すブロック図である。
すブロック図である。
【図2】VCVを素片とする音声合成方式における特徴
パラメータの生成方法を示す説明図である。
パラメータの生成方法を示す説明図である。
【図3】VCV素片の音声素片の特徴パラメータとV,
CV素片の音声素片・パラメータとの補間方法を示す説
明図である。
CV素片の音声素片・パラメータとの補間方法を示す説
明図である。
【図4】音声素片の特徴パラメータを補間する場合の無
音区間dP と補間係数kとの関係の例を示す図である。
音区間dP と補間係数kとの関係の例を示す図である。
【図5】本実施の形態の音声合成装置のハードウエア構
成を示すブロック図である。
成を示すブロック図である。
【図6】本実施の形態の音声合成装置の動作手順例を示
すフローチャートである。
すフローチャートである。
【図7】VC/ CVを素片とする音声合成方式における
特徴パラメータの生成方法を示す説明図である。
特徴パラメータの生成方法を示す説明図である。
【図8】図6の(d)において、VC,CV素片のラベ
ルと対応付けられたV,CV素片と、これを用いた伸縮
結果の例を示す説明図である。
ルと対応付けられたV,CV素片と、これを用いた伸縮
結果の例を示す説明図である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 奥谷 泰夫 東京都大田区下丸子3丁目30番2号 キヤ ノン株式会社内
Claims (15)
- 【請求項1】 音声素片の特徴パラメータを接続して音
声を合成する音声合成方法であって、 発声スタイル及び/又は発声速度に基づいて、特徴パラ
メータの接続方法を変更することを特徴とする音声合成
方法。 - 【請求項2】 前記接続方法の変更は、発声スタイル及
び/又は発声速度に基づいて無音区間長を決定し、該無
音区間長に基づいて行われることを特徴とする請求項1
記載の音声合成方法。 - 【請求項3】 前記接続方法の変更では、前記無音区間
長に基づいて同じ音声素片に対する異なる特徴パラメー
タから補間されて、新たな特徴パラメータが生成される
ことを特徴とする請求項2記載の音声合成方法。 - 【請求項4】 前記特徴パラメータは、音声素片がVC
Vか、V,CVか、VC,CVかの違いに対応して異な
ることを特徴とする請求項3記載の音声合成方法。 - 【請求項5】 前記接続方法の変更では、更に、発声ス
タイルに基づいて特徴パラメータの継続時間長の伸縮パ
ラメータが選択されることを特徴とする請求項2記載の
音声合成方法。 - 【請求項6】 前記発声スタイルとして、連続発声とモ
ーラ単位で区切った発声との違いを含むことを特徴とす
る請求項1記載の音声合成方法。 - 【請求項7】 音声素片の特徴パラメータを接続して音
声を合成する音声合成装置において、 発声スタイル及び/又は発声速度を設定するパラメータ
設定手段と、 設定された前記発声スタイル及び/又は発声速度に基づ
いて、特徴パラメータの接続方法を変更する接続方法変
更手段とを備えることを特徴とする音声合成装置。 - 【請求項8】 前記接続方法変更手段は、発声スタイル
及び/又は発声速度に基づいて無音区間長を決定する無
音区間長決定手段と、該無音区間長に基づいて特徴パラ
メータの接続方法を変更する変更手段とを備えることを
特徴とする請求項7記載の音声合成装置。 - 【請求項9】 前記変更手段は、前記無音区間長に基づ
いて同じ音声素片に対する異なる特徴パラメータを合成
して、新たな特徴パラメータを生成する特徴パラメータ
補間手段を備えることを特徴とする請求項8記載の音声
合成装置。 - 【請求項10】 前記特徴パラメータは、音声素片がV
CVか、V,CVか、VC,CVかの違いに対応して異
なることを特徴とする請求項9記載の音声合成装置。 - 【請求項11】 前記接続方法変更手段は、更に、発声
スタイルに基づいて特徴パラメータの継続時間長の伸縮
パラメータを選択する伸縮パラメータ選択手段を備える
ことを特徴とする請求項8記載の音声合成装置。 - 【請求項12】 前記発声スタイルとして、連続発声と
モーラ単位で区切った発声との違いを含むことを特徴と
する請求項7記載の音声合成装置。 - 【請求項13】 記憶媒体から所定のプログラムを読み
込んでコンピュータを制御することによって、音声素片
の特徴パラメータを接続して音声を合成する音声合成装
置において、 前記記憶媒体が、少なくとも、 発声スタイル及び/又は発声速度に基づいて、特徴パラ
メータの接続方法を変更する手順コードを含むことを特
徴とする音声合成装置。 - 【請求項14】 前記記憶媒体が、更に、音声素片の特
徴パラメータを含むことを特徴とする請求項13記載の
音声合成装置。 - 【請求項15】 前記記憶媒体が、更に、発声スタイル
及び/又は発声速度に対応する特徴パラメータの継続時
間長の伸縮パラメータ、発声スタイル及び/又は発声速
度に基づいて無音区間長を決定する関数、及び無音区間
長に対応する特徴パラメータの補間パラメータを含むこ
とを特徴とする請求項14記載の音声合成装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7242824A JPH0990986A (ja) | 1995-09-21 | 1995-09-21 | 音声合成方法及びその装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7242824A JPH0990986A (ja) | 1995-09-21 | 1995-09-21 | 音声合成方法及びその装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0990986A true JPH0990986A (ja) | 1997-04-04 |
Family
ID=17094844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7242824A Withdrawn JPH0990986A (ja) | 1995-09-21 | 1995-09-21 | 音声合成方法及びその装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0990986A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008910A (ja) * | 2007-06-28 | 2009-01-15 | Fujitsu Ltd | 音声読み上げのための装置、プログラム及び方法 |
-
1995
- 1995-09-21 JP JP7242824A patent/JPH0990986A/ja not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008910A (ja) * | 2007-06-28 | 2009-01-15 | Fujitsu Ltd | 音声読み上げのための装置、プログラム及び方法 |
KR101014462B1 (ko) * | 2007-06-28 | 2011-02-14 | 후지쯔 가부시끼가이샤 | 음성 읽어내기를 위한 장치, 기록 매체 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11763797B2 (en) | Text-to-speech (TTS) processing | |
JP2000163088A (ja) | 音声合成方法および装置 | |
JPH086592A (ja) | 音声合成方法及び装置 | |
JPH0632020B2 (ja) | 音声合成方法および装置 | |
JP2623586B2 (ja) | 音声合成におけるピッチ制御方式 | |
JP3518898B2 (ja) | 音声合成装置 | |
JPH08335096A (ja) | テキスト音声合成装置 | |
JP3437064B2 (ja) | 音声合成装置 | |
JPH0990986A (ja) | 音声合成方法及びその装置 | |
JP3233036B2 (ja) | 歌唱音合成装置 | |
JP3575919B2 (ja) | テキスト音声変換装置 | |
JP2000310996A (ja) | 音声合成装置および音韻継続時間長の制御方法 | |
JP2573586B2 (ja) | 規則型音声合成装置 | |
JP2703253B2 (ja) | 音声合成装置 | |
JP2573585B2 (ja) | 音声スペクトルパタン生成装置 | |
JP2002311979A (ja) | 音声合成装置および音声合成方法、並びにプログラムおよび記録媒体 | |
JP3284634B2 (ja) | 規則音声合成装置 | |
JP3515268B2 (ja) | 音声合成装置 | |
JPH11161297A (ja) | 音声合成方法及び装置 | |
JP2910587B2 (ja) | 音声合成装置 | |
JP2581130B2 (ja) | 音韻継続時間長決定装置 | |
JPH06149283A (ja) | 音声合成装置 | |
JP2001236086A (ja) | テキスト音声合成出力機能を有するゲーム装置 | |
JP2000172286A (ja) | 中国語音声合成のための同時調音処理装置 | |
JPH07181995A (ja) | 音声合成装置及び音声合成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20021203 |