JPH10312377A - テキスト音声合成装置およびテキスト音声合成処理プログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 この発明は、聞き手によって言語解析結果が
修正された後においては、その修正箇所と同様な表現を
含むテキストに対して言語解析が行なわれたときには、
そのテキストに対して正しい言語解析結果が第１候補と
して自動的に選択されるテキスト音声合成装置を提供す
ることを目的とする。 【解決手段】 自動モードが選択された場合には、テキ
ストに対して言語解析を行って１または複数の言語解析
結果を生成し、生成された言語解析結果のうちの第１候
補の言語解析結果の中に、差分情報記憶手段に記憶され
た置換条件と一致する部分が存在するか否かを調べ、一
致した場合には第１候補における置換条件と一致した部
分をその置換条件に対応する置換情報に置き換えて新た
な言語解析結果を生成し、生成された新たな言語解析結
果と同じものが第１候補以外の言語解析結果として存在
しているか否かを調べ、存在している場合には新たな言
語解析結果に基づいて合成音声を生成して出力させる。

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、テキストに対し
て言語解析を行い、言語解析結果に基づいて合成音声を
生成して出力するテキスト音声合成装置およびテキスト
音声合成処理プログラムを記録したコンピュータ読み取
り可能な記録媒体に関する。

【０００２】

【従来の技術】従来の音声合成装置においては、入力さ
れたテキストに対して、予め単語分割、読みおよびアク
セントの付与、ポーズの挿入等の言語解析が行なわれ
る。この後、言語解析結果に基づいて合成音声を生成す
る。そして、得られた合成音声をスピーカ等の音声出力
装置に出力している。

【０００３】ところで、例えばテキストが日本語である
場合には、テキストは通常かな漢字まじりの文章で構成
されているので、単語分割、漢字を含む単語の読み等に
おいて曖昧さが存在するため、複数の言語解析結果が得
られることがある。

【０００４】ここで単語分割の曖昧さが生じる例として
は、「今日本の問題」を「今／日本／の／問題」と分割
するか、「今日／本／の／問題」と分割するかという場
合が挙げられる。また、漢字を含む単語の読みの曖昧さ
が生じる例としては、「開ける」を「あける」と読む
か、「ひらける」と読むかという場合が挙げられる。

【０００５】音声合成装置において複数の文に対して連
続して合成音声を生成する場合には、通常は、各文に対
する複数候補の言語解析結果の中から、所定の規則に基
づいて第１候補の言語解析結果を決定し、第１候補の言
語解析結果に基づいて合成音声を生成している。

【０００６】しかしながら、テキストの内容によって
は、上記のようにして決定された第１候補の言語解析結
果が必ずしも正解でない場合が発生する。このような場
合、聞き手が言語解析結果を修正して、正しい音声合成
を生成させることが可能であるが、上記第１候補の言語
解析結果の中の正解ではなかった部分に対応する表現を
含んでいるテキストに対して合成音声を生成するたび
に、間違った言語解析結果が第１候補として選択される
ため、その都度、音声合成装置の操作者（以下、「聞き
手」という）がその言語解析結果を修正しなければなら
ないという問題がある。

【０００７】このような問題を解決するために、言語解
析結果が聞き手によって修正された場合には、単語辞書
における読みの優先順位を変更したり、複合語辞書に修
正された複合語表記を追加するようにした音声合成装置
が既に開発されている（特開平６−２０２６８５）。

【０００８】しかしながら、上記公報に記載されている
音声合成装置では、単語分割に悪影響を及ぼすことがあ
る。これについて、具体例を挙げて説明する。まず、
「前日程の内容」というテキストが入力されたとする。
このテキストに対して次のような２つの言語解析結果が
得られたとする。

【０００９】 第１候補：「前日（ぜんじつ）／程（ほど）／の／内容
（ないよう）」 第２候補：「前（ぜん）／日程（にってい）／の／内容
（ないよう）」

【００１０】聞き手が、第２候補を選択したとすると、
複合語辞書に、”前日程”の単語の区切り方として、”
前／日程”が追加される。

【００１１】この状態において、「前日程度の内容」と
いうテキストが入力されたとすると、「前（ぜん）／日
程（にってい）／度（ど）／の／内容（ないよう）」と
いうように誤って分割されてしまう。

【００１２】

【発明が解決しようとする課題】この発明は、聞き手に
よって言語解析結果が修正された後においては、その修
正箇所と同様な表現を含むテキストに対して言語解析が
行なわれたときには、そのテキストに対して得られた複
数候補の言語解析結果のうちから正しい言語解析結果が
第１候補として自動的に選択されるテキスト音声合成装
置およびテキスト音声合成処理プログラムを記録したコ
ンピュータ読み取り可能な記録媒体を提供することを目
的とする。

【００１３】

【課題を解決するための手段】この発明によるテキスト
音声合成装置は、テキストに対する合成音声を自動的に
出力させる自動出力モードと、テキストに対して得られ
た１または複数の言語解析結果のうちから好適な言語解
析結果を聞き手に選択させる言語解析結果選択モードと
を選択させるための手段、言語解析結果選択モードが選
択された場合には、テキストに対して言語解析を行って
１または複数の言語解析結果を生成し、生成された１ま
たは複数の言語解析結果のうちから好適なものを聞き手
に選択させ、選択された言語解析結果が第１候補以外の
特定候補の言語解析結果である場合には、第１候補の言
語解析結果と特定候補の言語解析結果との差分情報のう
ち、第１候補の言語解析結果に対応する部分を置換条件
とし、特定候補の言語解析結果に対応する部分を置換条
件に対する置換情報として差分情報記憶手段に記憶させ
る手段、ならびに自動モードが選択された場合には、テ
キストに対して言語解析を行って１または複数の言語解
析結果を生成し、生成された言語解析結果のうちの第１
候補の言語解析結果の中に、差分情報記憶手段に記憶さ
れた置換条件と一致する部分が存在するか否かを調べ、
一致した場合には第１候補における置換条件と一致した
部分をその置換条件に対応する置換情報に置き換えて新
たな言語解析結果を生成し、生成された新たな言語解析
結果と同じものが第１候補以外の言語解析結果として存
在しているか否かを調べ、存在している場合には新たな
言語解析結果に基づいて合成音声を生成して出力させる
手段を備えていることを特徴とする。

【００１４】この発明によるテキスト音声合成処理プロ
グラムを記録したコンピュータ読み取り可能な記録媒体
は、テキストに対する合成音声を自動的に出力させる自
動出力モードと、テキストに対して得られた１または複
数の言語解析結果のうちから好適な言語解析結果を聞き
手に選択させる言語解析結果選択モードとを選択させる
ための手段、言語解析結果選択モードが選択された場合
には、テキストに対して言語解析を行って１または複数
の言語解析結果を生成し、生成された１または複数の言
語解析結果のうちから好適なものを聞き手に選択させ、
選択された言語解析結果が第１候補以外の特定候補の言
語解析結果である場合には、第１候補の言語解析結果と
特定候補の言語解析結果との差分情報のうち、第１候補
の言語解析結果に対応する部分を置換条件とし、特定候
補の言語解析結果に対応する部分を置換条件に対する置
換情報として差分情報記憶手段に記憶させる手段、なら
びに自動モードが選択された場合には、テキストに対し
て言語解析を行って１または複数の言語解析結果を生成
し、生成された言語解析結果のうちの第１候補の言語解
析結果の中に、差分情報記憶手段に記憶された置換条件
と一致する部分が存在するか否かを調べ、一致した場合
には第１候補における置換条件と一致した部分をその置
換条件に対応する置換情報に置き換えて新たな言語解析
結果を生成し、生成された新たな言語解析結果と同じも
のが第１候補以外の言語解析結果として存在しているか
否かを調べ、存在している場合には新たな言語解析結果
に基づいて合成音声を生成して出力させる手段、として
機能させるためのテキスト音声合成処理プログラムを記
録していることを特徴とする。

【００１５】

【発明の実施の形態】以下、図面を参照して、この発明
の実施の形態について説明する。

【００１６】図１は、音声合成装置の構成を示してい
る。

【００１７】入出力部１は、例えば、ディスプレイ、キ
ーホードおよびマウスから構成される。入出力部１で
は、テキストの入力、入力されたテキストの表示、音声
出力の指示、複数候補の言語解析結果を提示させるため
の指示、複数候補の言語解析結果の提示、複数候補の言
語解析結果の中から音声出力させる候補の選択等が行な
われる。入出力部１に入力されたテキスト、入出力部１
を用いて行なわれた指示および選択に関する情報は、言
語解析部２に送られる。

【００１８】言語解析部２は、入出力部１から送られて
きたテキストに対して、辞書５を参照しながら、言語解
析を行なう。つまり、テキストの単語への分割、読みお
よびアクセントの付与、ポーズの挿入等を行なう。ま
た、言語解析部２は、必要に応じて、置換テーブル（差
分情報記憶手段）６の内容の更新および参照を行なった
り、言語解析結果の結果保存メモリ７への保存を行なっ
たりする。置換テーブル６の詳細については、後述す
る。また、入出力部１を用いて行なわれた指示および選
択に関する情報に基づいて、言語解析部２は所定の言語
解析結果を音声生成部３に送る。

【００１９】音声生成部３は、言語解析部２から送られ
てきた言語解析結果、主として各単語の属性（見出し、
品詞、読み、アクセント、ポーズの有無）に基づいて、
辞書５を参照しながら合成音声を生成し、生成した合成
音声を音声出力部４に送る。

【００２０】音声出力部４は、スピーカ等の音声出力装
置で構成され、音声生成部３から送られてきた合成音声
を音声で出力する。

【００２１】辞書５は、メモリ、ハードディスク等の記
憶装置で構成されており、言語解析部２で行なわれる言
語解析に必要な情報（各単語の、見出し、読み、アクセ
ント等）および音声生成部３で合成音声を生成するため
に必要な波形情報が格納されている。

【００２２】置換テーブル６は、メモリ、ハードディス
ク等の記憶装置で構成されており、聞き手において第１
候補の言語解析結果以外の特定の候補の言語解析結果が
選択されたときに、第１候補の言語解析結果と選択され
た特定の候補の言語解析結果との差分情報が格納され
る。より具体的には、置換テーブル６には、差分情報中
の第１候補の言語解析結果に対応する部分が置換条件と
して格納されるとともに、差分情報中の上記特定の言語
解析結果に対応する部分が上記置換条件に対する置換情
報として格納される。

【００２３】結果保存メモリ７には、入出力部１から複
数候補の言語解析結果を提示するための指示情報が言語
解析部２に送られてきた場合に、それらの複数候補の言
語解析結果が保存される。

【００２４】図２は、入出力部１のディスプレイにテキ
ストが表示された場合の表示画面例を示している。

【００２５】この例では、ディスプレイに、「畜産物価
格安定法」というテキストと、このテキストに対する合
成音声を自動的に出力させる自動出力モードを指定する
ための音声ボタン１１と、このテキストに対して得られ
た複数の言語解析結果を提示させて選択させるための言
語解析結果選択モードを指定するための候補提示ボタン
１２とが表示されている。

【００２６】この画面において、候補提示ボタン１２が
クリックされると、言語解析結果選択モードとなり、入
出力部１は、テキストとともに複数候補の言語解析結果
を提示させる旨の指示情報を言語解析部２に送る。

【００２７】言語解析部２は、テキストとともに複数候
補の言語解析結果を提示させる旨の指示情報が送られて
くると、そのテキストに対して言語解析を行い、可能で
あれば複数候補の言語解析結果を生成する。

【００２８】この場合の言語解析結果の例が図４に示さ
れている。図４の例では、２つの候補の言語解析結果が
示されている。候補番号１の言語解析結果が第１候補の
言語解析結果であり、候補番号２の言語解析結果が第２
候補の言語解析結果である。言語解析部２は、これらの
２つの言語解析結果を結果保存メモリ７に格納するとと
もに、候補数を入出力部１に送る。上記の例では、候補
数”２”が入出力部１に送られる。

【００２９】入出力部１は、言語解析部２から候補数”
２”が送られてくると、図３に示すように、テキストお
よび上記音声ボタン１１の他に、候補数に応じた候補番
号、特定候補の言語解析結果に対する合成音声を出力さ
せるための候補音声ボタン１３および特定候補の言語解
析結果を正解の言語解析結果として選択させるための候
補選択ボタン１４をディスプレイに表示させる。

【００３０】この例では、候補番号が表示されている
が、各候補に対する言語解析結果を候補番号とともに表
示させるようにしてもよい。この場合には、言語解析部
２は候補数とともに各候補に対する言語解析結果を入出
力部１に送ることになる。

【００３１】図３の画面上において、マウスによって候
補番号２が選択された後に候補音声ボタン１３がクリッ
クされると、入出力部１は、候補番号２に対する言語解
析結果に対応する合成音声を出力する旨の指示情報を言
語解析部２に送る。

【００３２】言語解析部２は、候補番号２に対する言語
解析結果に対応する合成音声を出力する旨の指示情報が
送られてくると、結果保存メモリ７から候補番号２に対
応する言語解析結果を読み出して音声生成部３に送る。
音声生成部３は、言語解析部２から送られてきた言語解
析結果に基づいて合成音声を生成し、生成した合成音声
を音声出力部４に送る。音声出力部４は、音声生成部３
から送られてきた合成音声を出力する。

【００３３】この出力音声が当該テキストに対する正し
い音声であると聞き手が判断した場合には、聞き手は、
図３の画面上において、マウスによって候補番号２を選
択した後に候補選択ボタン１４をクリックする。する
と、入出力部１は、候補番号２に対する言語解析結果が
正しい言語解析結果として選択された旨の選択情報を言
語解析部２に送る。

【００３４】言語解析部２は、候補番号２に対する言語
解析結果が正しい言語解析結果として選択された旨の選
択情報が送られてくると、結果保存メモリ７から第１候
補（候補番号１）に対応する言語解析結果と、第２候補
（候補番号２）に対応する言語解析結果とを読み出して
比較する。そして、両者の異なっている部分（差分情
報）を抽出し、抽出した差分情報を置換テーブル６に登
録する。上記の例では、図４中の網かけ部分が差分情報
として抽出される。そして、図５に示すように、差分情
報のうち、第１候補に対応する部分は置換条件として、
第２候補に対応する部分は置換条件に対する置換情報と
して、置換テーブル６に登録される。

【００３５】置換テーブル６に図５に示すような置換条
件および置換情報が登録されている状態において、入出
力部１に、例えば、「生産物価格の決定」というテキス
トが入力されたとする。

【００３６】この場合には、図６に示すように、入出力
部１はディスプレイに、「生産物価格の決定」というテ
キストと、このテキストに対する合成音声を自動的に出
力させるための自動出力モードを指定するための音声ボ
タン１１と、このテキストに対して得られた複数の言語
解析結果を提示させて選択させる言語解析結果選択モー
ドを指定するための候補提示ボタン１２とを表示させ
る。

【００３７】この画面において、音声ボタン１１がクリ
ックされると、自動出力モードとなり、入出力部１は、
テキストとともに合成音声を出力させる旨の指示情報を
言語解析部２に送る。

【００３８】図７は、テキストとともに合成音声を出力
させる旨の指示情報が言語解析部２に送られてきた場合
の処理手順を示している。

【００３９】言語解析部２は、テキストとともに合成音
声を出力させる旨の指示情報が送られてくると、そのテ
キストに対して言語解析を行い、可能であれば複数候補
の言語解析結果を生成する（ステップ１）。この場合の
言語解析結果の例が図８に示されている。図８の例で
は、２つの候補の言語解析結果が示されている。候補番
号１の言語解析結果が第１候補の言語解析結果であり、
候補番号２の言語解析結果が第２候補の言語解析結果で
ある。

【００４０】次に、言語解析部２は、第１候補の言語解
析結果に、置換テーブル６に登録されている置換条件と
一致するものがあるか否かを調べる（ステップ２）。

【００４１】第１候補の言語解析結果に、置換テーブル
６に登録されている置換条件と一致するものがある場合
には、第１候補の言語解析結果内の置換条件と一致する
部分を、当該置換条件に対応する置換情報に置き換え
て、新たな言語解析結果を生成する（ステップ３）。

【００４２】そして、置換後の新たな言語解析結果と同
じ言語解析結果が、第１候補以外の候補の言語解析結果
として存在するか否かを判別する（ステップ４）。置換
後の新たな言語解析結果と同じ言語解析結果が、第１候
補以外の候補の言語解析結果として存在する場合には、
生成された新たな言語解析結果を音声生成部３に送る
（ステップ５）。

【００４３】図８の例では、第１候補の言語解析結果の
うち網かけで示す部分が、図５の置換テーブル６に示さ
れている置換条件と一致するので、第１候補の言語解析
結果のうち網かけで示す部分が図５の置換テーブル６に
示されている置換情報に置き換えられて、新たな言語解
析結果が生成される。この置換後の新たな言語解析結果
と同一の言語解析結果が、図８に示すように、第２候補
の言語解析結果と一致しているので、置換後の新たな言
語解析結果、つまり図８の第２候補の言語解析結果が、
音声生成部３に送られる。

【００４４】この場合には、音声生成部３は、言語解析
部２から送られてきた置換後の新たな言語解析結果に基
づいて、合成音声を生成して、音声出力部４に送る。音
声出力部４は、音声生成部３から送られてきた合成音声
を出力する。したがって、聞き手によって修正された言
語解析結果の修正部分と同じ表現を有するテキストに対
して言語解析が行なわれた場合には、複数候補の言語解
析結果のうちから正解の言語解析結果が自動的に選択さ
れる。

【００４５】なお、上記ステップ２において、第１候補
の言語解析結果に、置換テーブル６に登録されている置
換条件と一致するものがない場合または上記ステップ４
において、置換後の新たな言語解析結果と同じ言語解析
結果が、第１候補以外の候補の言語解析結果として存在
していない場合には、第１候補の言語解析結果が音声生
成部３に送られる（ステップ６）。

【００４６】上記ステップ４において、置換後の新たな
言語解析結果と同じ言語解析結果が、第１候補以外の候
補の言語解析結果として存在していない場合に、置換後
の新たな言語解析結果ではなく、第１候補の言語解析結
果を音声生成部３に送っているのは、次の理由による。

【００４７】つまり、置換後の新たな言語解析結果が言
語解析結果の候補として挙げられていない場合には、置
換後の新たな言語解析結果が当該テキストの言語解析結
果として正しくない可能性が高いからである。

【００４８】従来技術で説明したように、「前日程の内
容」というテキストが入力されたとする。このテキスト
に対して次のような２つの言語解析結果が得られたとす
る。

【００４９】 第１候補：「前日（ぜんじつ）／程（ほど）／の／内容
（ないよう）」 第２候補：「前（ぜん）／日程（にってい）／の／内容
（ないよう）」

【００５０】聞き手が、第２候補を選択したとすると、
置換テーブル６に、「前日（ぜんじつ）／程（ほど）」
が置換条件として、「前（ぜん）／日程（にってい）」
が置換情報として登録される。

【００５１】この状態において、「前日程度の内容」と
いうテキストが入力されたとしても、言語解析結果の候
補として、「前（ぜん）／日程（にってい）／度（ど）
／の／内容（ないよう）」というような言語解析結果が
得られていない場合、「前（ぜん）／日程（にってい）
／度（ど）／の／内容（ないよう）」というような誤っ
た合成音声は生成されない。

【００５２】

【発明の効果】この発明によれば、聞き手によって言語
解析結果が修正された後においては、その修正箇所と同
様な表現を含むテキストに対して言語解析が行なわれた
ときには、そのテキストに対して得られた複数候補の言
語解析結果のうちから正しい言語解析結果が第１候補と
して自動的に選択されるようになる。

【図面の簡単な説明】

【図１】音声合成装置の構成を示す構成図である。

【図２】ディプレイにテキスト「畜産物価格安定法」が
表示された場合の表示画面例を示す模式図である。

【図３】言語解析結果選択モードが選択されたときの表
示画面例を示す模式図である。

【図４】「畜産物価格安定法」に対する言語解析結果の
例を示す模式図である。

【図５】置換テーブルに登録された置換条件および置換
情報の一例を示す模式図である。

【図６】ディプレイにテキスト「生産物価格の決定」が
表示された場合の表示画面例を示す模式図である。

【図７】自動出力モードが選択された場合の処理手順を
示すフローチャートである。

【図８】「生産物価格の決定」に対する言語解析結果の
例を示す模式図である。

【符号の説明】

１ 入出力部 ２ 言語解析部 ３ 音声生成部 ４ 音声出力部 ５ 辞書 ６ 置換テーブル（差分情報記憶手段） ７ 結果保存メモリ

Claims (2)

【特許請求の範囲】
1. 【請求項１】 テキストに対する合成音声を自動的に出
   力させる自動出力モードと、テキストに対して得られた
   １または複数の言語解析結果のうちから好適な言語解析
   結果を聞き手に選択させる言語解析結果選択モードとを
   選択させるための手段、 言語解析結果選択モードが選択された場合には、テキス
   トに対して言語解析を行って１または複数の言語解析結
   果を生成し、生成された１または複数の言語解析結果の
   うちから好適なものを聞き手に選択させ、選択された言
   語解析結果が第１候補以外の特定候補の言語解析結果で
   ある場合には、第１候補の言語解析結果と特定候補の言
   語解析結果との差分情報のうち、第１候補の言語解析結
   果に対応する部分を置換条件とし、特定候補の言語解析
   結果に対応する部分を置換条件に対する置換情報として
   差分情報記憶手段に記憶させる手段、ならびに自動モー
   ドが選択された場合には、テキストに対して言語解析を
   行って１または複数の言語解析結果を生成し、生成され
   た言語解析結果のうちの第１候補の言語解析結果の中
   に、差分情報記憶手段に記憶された置換条件と一致する
   部分が存在するか否かを調べ、一致した場合には第１候
   補における置換条件と一致した部分をその置換条件に対
   応する置換情報に置き換えて新たな言語解析結果を生成
   し、生成された新たな言語解析結果と同じものが第１候
   補以外の言語解析結果として存在しているか否かを調
   べ、存在している場合には新たな言語解析結果に基づい
   て合成音声を生成して出力させる手段、 を備えているテキスト音声合成装置。
2. 【請求項２】 テキスト音声合成処理プログラムを記録
   したコンピュータ読み取り可能な記録媒体であって、 テキストに対する合成音声を自動的に出力させる自動出
   力モードと、テキストに対して得られた１または複数の
   言語解析結果のうちから好適な言語解析結果を聞き手に
   選択させる言語解析結果選択モードとを選択させるため
   の手段、 言語解析結果選択モードが選択された場合には、テキス
   トに対して言語解析を行って１または複数の言語解析結
   果を生成し、生成された１または複数の言語解析結果の
   うちから好適なものを聞き手に選択させ、選択された言
   語解析結果が第１候補以外の特定候補の言語解析結果で
   ある場合には、第１候補の言語解析結果と特定候補の言
   語解析結果との差分情報のうち、第１候補の言語解析結
   果に対応する部分を置換条件とし、特定候補の言語解析
   結果に対応する部分を置換条件に対する置換情報として
   差分情報記憶手段に記憶させる手段、ならびに自動モー
   ドが選択された場合には、テキストに対して言語解析を
   行って１または複数の言語解析結果を生成し、生成され
   た言語解析結果のうちの第１候補の言語解析結果の中
   に、差分情報記憶手段に記憶された置換条件と一致する
   部分が存在するか否かを調べ、一致した場合には第１候
   補における置換条件と一致した部分をその置換条件に対
   応する置換情報に置き換えて新たな言語解析結果を生成
   し、生成された新たな言語解析結果と同じものが第１候
   補以外の言語解析結果として存在しているか否かを調
   べ、存在している場合には新たな言語解析結果に基づい
   て合成音声を生成して出力させる手段、 として機能させるためのテキスト音声合成処理プログラ
   ムを記録したコンピュータ読み取り可能な記録媒体。