JPH1195784A - 音声出力装置 - Google Patents
音声出力装置Info
- Publication number
- JPH1195784A JPH1195784A JP9254718A JP25471897A JPH1195784A JP H1195784 A JPH1195784 A JP H1195784A JP 9254718 A JP9254718 A JP 9254718A JP 25471897 A JP25471897 A JP 25471897A JP H1195784 A JPH1195784 A JP H1195784A
- Authority
- JP
- Japan
- Prior art keywords
- pause
- sentence
- setting
- syntax
- text
- 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.)
- Granted
Links
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Abstract
供すること。 【解決手段】 入力されたテキストを音声に変換して読
み上げを行なう音声出力装置であって、入力テキスト読
み上げの際のポーズ挿入位置をテキストの構文解析処理
により文法的にまとまりのある構文構成要素間に設定す
るポーズ設定手段を有している。このポーズ設定手段
は、文構造パタン辞書を参照して、構文解析処理の結果
得られる入力テキストの文構造パタンによりポーズを設
定するとともに、構文構成要素の階層に応じて挿入する
ポーズのポーズ長を変えることができる。前記構文解析
手段は、1構文構成要素が予め定めた一定のモーラ数を
越えた場合、該構文構成要素をそれより下位の階層の構
文構成要素に分解する処理を、分解が不可能となるか又
は構文構成要素のモーラ数が前記一定数内に達するまで
継続実施する。
Description
し、とくに、電子化された入力テキスト(文書)を音声
に変換する際の出力技術に特徴のある、入力文言を音声
に変換し出力する音声出力装置に関するものである。
合成システムが挙げられる。このシステムは入力された
テキストに対し、形態素辞書などを参照して一定のアル
ゴリズムにより侯補中から選択した最適解に対して読み
を含む音韻を設定する。さらに一定のルールにしたがっ
てアクセント位置、ポーズ位置を設定し、音声に変換す
るための制御記号列に変換し、この制御記号列を音声合
成器に入力し、入力に応じた音声を出力するものであ
る。
読み上げ時のポーズ位置設定には、テキスト中の句読点
の位置に設定する他、例えば、入力されたテキストの1
文章分全体の総時間長や総モーラ数、予測モーラ数によ
りポーズ付与の仕方を制御するもの(特開平5−619
1号公報)、2〜3文節間という局所的な文節間の係り
受け関係とその結合度に基づく方法(特開平5−134
691号公報)、アクセント句の句頭、句末の単語の品
詞に基づいてポーズを設定するか否かを決定する方法
(特開平6−149282号公報)、様々な品詞に対し
てモーラ数の統計的な分布に基づく方法、品詞による影
響を無視した無ポーズ区間の分布に基づく方法(特開平
6−161485号公報)、テキスト中の複合語、文節
等を同定して、それに対して統計的に求めたポーズ設定
規則を適用するもの(特開平8−123456号公
報)、などが提案されている。
ズが足りず、聞き取りにくい出力となってしまう。入力
テキストの総モーラ数からポーズ位置を算出する方法や
品詞に基づく方法は、文章の構造や意昧を加味しないた
め、不自然な位置にポーズが設定される場合がある。ま
た、局所的な文節間の係り受けの結合度を用いる方法
は、入力テキスト中の1文が長い場合、処理の単位が
2,3文節であるため、その大まかな構文構造は不明な
まま意味的にひとまとまりである句の中に不自然にポー
ズが設定される可能性がある。確率に基づく方法はサン
プルとなる読み上げデータを大量に要し、なおかつ読み
上げには個人差があるため、実現が困難である。
に実用化でき、かつ、入力テキスト中の文の構造や意味
のまとまりを1文単位で構造解析し、更に、生理的に自
然なモーラ数内でポーズ設定が可能で、かつ、文の構造
上の階層に応じて挿入されるポーズの長さを変えるよう
にしてより自然なポーズ設定が可能なポーズ位置設定手
段を有する音声出力装置を提供することである。
テキスト入力装置、入力テキストを文法的にまとまりの
ある構文構成要素に分解する構文解析手段、前記構文構
成要素間にポーズを設定するポーズ設定手段、を有する
入力されたテキストを音声に変換して読み上げを行う音
声出力装置である。
声出力装置において、前記ポーズ設定手段はポーズ設定
規則を参照して、構文解析処理の結果得られる入力テキ
ストの文構造パタンを用いてポーズを設定する音声出力
装置である。
声出力装置において、前記ポーズ設定手段によるポーズ
設定処理は入力文書中の1文単位に行われる音声出力装
置である。
声出力装置において、前記構文解析手段は入力テキスト
中の1文単位で構文解析処理を行う音声出力装置であ
る。
力装置において、前記構文解析手段は、1構文構成要素
が予め定めた一定のモーラ数を越えた場合、該構文構成
要素をそれより下位の階層の構文構成要素に分解する処
理を、分解が不可能となるか又は構文構成要素のモーラ
数が前記一定数内に達するまで継続実施する音声出力装
置である。
声出力装置において、前記ポーズ設定手段が構文構成要
素の階層に応じて挿入するポーズのポーズ長を変える音
声出力装置である。
の構成と実施例を説明する。図1は本発明における音声
出力装置の構成の一例を示したもので、テキスト入力部
1、言語処理部2、韻律処理部3、音響処理部4、音声
出力部5、言語データ類6、韻律生成規則7、音素片デ
ータ8から構成されている。この構成において、テキス
ト入力部から入力されたテキストは、以下で説明するよ
うに、言語処理部で、例えば、形態素辞書などの言語デ
ータ類6を用いて形態素解析からポーズ設定までの一連
の処理を行う。そして、言語処理部でポーズ設定された
テキストは次の韻律処理部3において、韻律生成規則7
を用いて韻律が付与され、さらに、音素片データ8を用
いて音響処理部4で処理されて合成音声として出力され
る。
該言語処理部は、形態素解析部21、形態素辞書22−
1、構文解析部23、構文解析規則24、アクセント結
合処理部25、アクセント結合規則26、ポーズ設定処
理部27、ポーズ設定規則28から構成されている。
例を流れ図で示したものである。入力部にテキストが1
文単位で入力されると(102)、形態素解析部21は
形態素辞書22−1や単語接続表22−2などを参照し
て入力された文章の形態素解析処理を行い(103)、
形態素侯補列(表1参照)を生成する(104)。この
形態素解析処理は最長一致法やコスト最小法など既存の
アルゴリズムで実現することができる。構文解析部23
は、形態素解析結果を入力とし品詞連接情報24−1、
係り受け規則24−2などを含む構文解析規則24を参
照して構文解析処理を行い(105)、形態素侯補列を
文節、連文節、句など各構文構成要素へとくみ上げる
(106,107,108)。この構文解析処理も既存
の手法で実現することができる。各構文構成要素へのく
み上げの際は、各構文構成要素に対して採用した規則が
文法的役割情報として保持される。くみ上げが収束した
ら、文構成確定処理を行い(109)、尤もらしい文構
成パタンを選択する。
の一例を流れ図で示したものである。ポーズ設定処理部
27から構文要素分解の命令があると(202)、構文
解析処理でくみ上げられた最上階層の構文要素レベルか
ら、保持している前記文法的役割情報によって1段下位
の階層の構文要素へ分解する(203)。例えば、第1
階層の構文要素が連文節であり、5つの文節で成り立っ
ている場合、保持した文法的役割情報により3文節と2
文節の2つの構文要素へ分解するとする(勿論、他にも
分解パタンは複数あり得る)。さらにポーズ設定処理部
27から構文要素分解の命令があると、順に下位レベル
の構文要素へ分解する。上記の例において分解された3
文節の方に更に構文要素分解の命令があった場合には、
1文節と2文節の2つの構文要素へ分解することが想定
される。
一例を流れ図で示したものである。入力テキストの1文
の文構成パタンが、構文解析処理によって同定されたら
(105〜110)、文構成パタンと、それに対応する
ポーズを記載した文構成対応ポーズパタン28−1など
である予め用意してあるポーズ設定規則28を参照して
文構成パタン比較処理を行い(403)、文構成パタン
が一致(404)していれば、文構成パタン対応ポーズ
設定、つまり、一致した文構成のパタンのポーズ位置に
ポーズを挿入する(405)。これにより設定されたポ
ーズを最上階層(第1階層)のポーズとする。予め用意
する文構成対応ポーズパタンは辞書、対応テーブル、テ
ンプレートなどの形式で実現できる。
て説明する。各ポーズ間の構文要素のモーラ数をカウン
トし(301,302)、カウントされたモーラ数が発
声生理学の観点から予め設定してある一定のモーラ数を
越えている場合(303)、構文要素分解手段に構文要
素分解命令を出し、構文要素分解処理(304)を行
う。その結果、分解位置が決まったら(305)、ポー
ズ挿入処理を行い、その位置に両隣の第1階層のポーズ
よりも小さい単位の第2階層のポーズを挿入する(30
6)。第1階層のポーズと第2階層のポーズ間のモーラ
数も予め設定してある一定のモーラ数を越えている場合
には、構文要素分解手段に2回目の構文要素分解命令を
出して前記の処理を行いかつ分解位置が決まったら、そ
の位置に両隣のポーズよりも小さい単位の第3階層のポ
ーズを挿入する。
でのポーズ設定処理は各ポーズ間のモーラ数と予め設定
してある一定のモーラ数との比較が収束するまで繰り返
し行なわれる。予め設定する一定のモーラ数は、生理学
的な観点(発声持続可能時間)から求める方法や、実際
に人間が文章を読み上げた実データから求める方法が考
えられる。
確信したのはコース半ばを過ぎた東京タワー付近だ。」
というテキストが入力された場合、形態素解析部21は
形態素辞書22−1や単語接続表22−2を参照して表
1に示すような形態素侯補列を生成する。次に、構文解
析部23は品詞連接情報24−1等を参照して表2に示
すような文節侯補列を生成し、係り受け規則24−2を
参照して、連文節が生成可能であれば連文節を収束する
までくみ上げていく。収束した時点で文構成確定処理
(109,110)により、表3に示すような入力テキ
ストの尤もらしい文構成パタンを選択する。
は、アクセント結合規則26を参照して複合語などのア
クセント結合処理を行なう。アクセント結合した単語間
にはポーズは挿入されない。本実施例では「東京+タワ
ー+付近」がアクセント結合する。選択された文構成パ
タン(表3)と、文構成対応ポーズパタンリスト(表
4)を比較し、一致するパタンがあったら、それを参照
して対応する位置にポーズを挿入する。本実施例では表
3の最尤文構成パタン:く主語節>句末=副助詞は、
〈述語節>句末=終端記号は、表4の、く主語節>句末
=副助詞″P2″、〈述語節>句末=終端記号″E″と
いうパタンと一致するので、先ずは「勝利を確信したの
は″P2″コース半ばを過ぎた東京タワー付近だ。″
E″」のようにポーズが設定される。
最初に設定されたポーズまでのモーラ数をカウントす
る。本実施例では「勝利を確信したのは」という文頭か
ら″P2″までの構文要素をカウントするから、12モ
ーラである。これを予め設定された一定のモーラ数と比
較する。本実施例で、例えば8モーラを予め設定する
と、前記カウント数はこの設定値を超過しているから、
構文要素分解処理(304)を行い、該当要素を第1階
層から第2階層の要素へ分解する。本実施例では表2よ
り「勝利を/確信したのは」と分解位置が確定されるか
ら、ポーズ設定処理部27により、両端のポーズより小
さいポーズ長のポーズを挿入し(306)、「勝利を″
P1″確信したのは」と設定する。再度、文頭から最初
に設定されたポーズまでのモーラ数をカウントする。今
度は文頭から「勝利を」″P1″までで4モーラで、設
定された8モーラを超過しないため、文章のこの部分に
おけるポーズの挿入処理を終了し、続いて次のポーズま
でのモーラ数カウントに入る。
P2″までで8モーラであるため設定モーラ数は超過し
ない。そこで、更に次のポーズまでのモーラ数カウント
に入る。次は「コース半ばを過ぎた東京タワー付近
だ。」であるから、この部分のモーラ数をカウントする
と、″P2″から″E″までで21モーラであり、設定
モーラ数を超過している。そこで、再び、図3の流れ図
に従って説明した構文要素分解処理を行い、該当要素を
第1階層から第2階層の要素へ分解する。
を過ぎた/東京タワー付近だ」と分解位置が確定され
る。そこでポーズ設定処理により両端のポーズより短い
ポーズ長のポーズを挿入し、「コース半ばを過ぎた″P
1″東京タワー付近だ」と設定する。そこで、再度、″
P2″から新たに設定した″P1″までのモーラ数をカ
ウントすると、「コース半ばを過ぎた」は10モーラで
設定モーラ数を超過するため、前記の構文要素分解処理
で、更に該当要素を第2階層から第3階層の要素へ分解
する。本実施例では第3階層「コース半ばを/過ぎた」
と分解位置が確定される。そこでポーズ設定処理は両端
のポーズより短いポーズ長のポーズを挿入し、「コース
半ばを″P0″過ぎた」と設定する。
ズ″P0″までのモーラ数をカウントする。今度は「コ
ース半ばを」は7モーラで設定モーラ数を超過しないた
め、次のポーズまでのモーラ数カウントに入る。次は
「過ぎた」で、″P0″から″P1″までで3モーラで
あるため設定モーラ数は超過しない。そこで、更に次の
ポーズまでのモーラ数カウントに入る。″P1″から″
E″までの「東京タワー付近だ」はモーラ数が11であ
るため、構文要素分解処理手段は、該当要素を第2階層
から第3階層の要素へ分解しようとするが、アクセント
結合処理の結果より、これ以上の分解は不可能であるた
め、分解をせずそのままとする。次のポーズはないの
で、ここでポーズ設定処理は終了し、ポーズ挿入位置は
「勝利を″P1″確信したのは″P2″コース半ばを″
P0″過ぎた″P1″東京タワー付近だ。″E″」とな
る。
たテキストは、最終的に発音記号列に変換され、韻律処
理部3、音響処理部4を経て出力される。
文解析して文法的まとまりで区別して抽出することがで
きるため、構成要素内に不自然なポーズが入ることなく
ポーズを設定することが出来る。
入力文を一定の構文構造パタンに当てはめることができ
るため、構文構造に適したポーズ位置とポーズ長を設定
することができる。
ズ設定を行なうことで、1文全体でバランス良くポーズ
を設定することが出来、聞いたときに理解し易い読み上
げが可能となる。
解析を行なうことにより、読点までの単位の解析や、数
文節の解析に比べ、構文解析精度が高まり、ポーズ設定
精度の向上に寄与する事ができる。
で纏め上げた構成要素間に設定したポーズ間の要素が、
生理学的に1アクセント句として発声しきれない、もし
くは不自然な発声になってしまう場合に、該構成要素を
細かいレベルの構成要素に再分解することができるた
め、構文構造に適し、かつ生理的に自然なモーラ数内で
ポーズを設定することができる。
って挿入されるポーズ長が変化することにより、聞き取
る単位がはっきりするだけでなく、読み上げにリズムが
付き自然性が高まる。
ロック図である。
の構成を示すブロック図である。
理手順を示す流れ図である。
解処理手順を示す流れ図である。
処理手順を示す流れ図である。
響処理部、5…音声出力部、21…形態素解析部、23
…構文解析部、25…アクセント結合処理部、27…ポ
ーズ設定処理部。
Claims (6)
- 【請求項1】 テキスト入力装置、入力テキストを文法
的にまとまりのある構文構成要素に分解する構文解析手
段、前記構文構成要素間にポーズを設定するポーズ設定
手段、を有することを特徴とする入力されたテキストを
音声に変換して読み上げを行う音声出力装置。 - 【請求項2】 前記ポーズ設定手段はポーズ設定規則を
参照して、構文解析処理の結果得られる入力テキストの
文構造パタンを用いてポーズを設定することを特徴とす
る請求項1記載の音声出力装置。 - 【請求項3】 前記ポーズ設定手段によるポーズ設定処
理は入力文書中の1文単位に行われることを特徴とする
請求項1記載の音声出力装置。 - 【請求項4】 前記構文解析手段は入力テキスト中の1
文単位で構文解析処理を行うことを特徴とする請求項1
記載の音声出力装置。 - 【請求項5】 前記構文解析手段は、1構文構成要素が
予め定めた一定のモーラ数を越えた場合、該構文構成要
素をそれより下位の階層の構文構成要素に分解する処理
を、分解が不可能となるか又は構文構成要素のモーラ数
が前記一定数内に達するまで継続実施することを特徴と
する請求項4記載の音声出力装置。 - 【請求項6】 前記ポーズ設定手段は、構文構成要素の
階層に応じて挿入するポーズのポーズ長を変えることを
特徴とする請求項1記載の音声出力装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25471897A JP3549372B2 (ja) | 1997-09-19 | 1997-09-19 | 音声出力装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25471897A JP3549372B2 (ja) | 1997-09-19 | 1997-09-19 | 音声出力装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH1195784A true JPH1195784A (ja) | 1999-04-09 |
JP3549372B2 JP3549372B2 (ja) | 2004-08-04 |
Family
ID=17268888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP25471897A Expired - Fee Related JP3549372B2 (ja) | 1997-09-19 | 1997-09-19 | 音声出力装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3549372B2 (ja) |
-
1997
- 1997-09-19 JP JP25471897A patent/JP3549372B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP3549372B2 (ja) | 2004-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6751592B1 (en) | Speech synthesizing apparatus, and recording medium that stores text-to-speech conversion program and can be read mechanically | |
US8219398B2 (en) | Computerized speech synthesizer for synthesizing speech from text | |
US7233901B2 (en) | Synthesis-based pre-selection of suitable units for concatenative speech | |
US6778962B1 (en) | Speech synthesis with prosodic model data and accent type | |
Chu et al. | Locating boundaries for prosodic constituents in unrestricted Mandarin texts | |
JP3587048B2 (ja) | 韻律制御方法及び音声合成装置 | |
US20090150157A1 (en) | Speech processing apparatus and program | |
KR20080045413A (ko) | 정적 특성과 동적 특성이 반영된 끊어읽기 예측 방법 및이를 기반으로 하는 음성합성 방법 및 시스템 | |
JP3706758B2 (ja) | 自然言語処理方法,自然言語処理用記録媒体および音声合成装置 | |
Kaplan et al. | Realism in synthetic speech: Synthesized speech may be intelligible, but it often sounds artificial; researchers are solving that problem | |
JPH08335096A (ja) | テキスト音声合成装置 | |
JP3549372B2 (ja) | 音声出力装置 | |
Janyoi et al. | An Isarn dialect HMM-based text-to-speech system | |
JP3006240B2 (ja) | 音声合成方法および装置 | |
JP2005181840A (ja) | 音声合成装置及び音声合成プログラム | |
JP3142160B2 (ja) | 発音記号生成装置 | |
JP4056647B2 (ja) | 波形接続型音声合成装置および方法 | |
JP2000056788A (ja) | 音声合成装置の韻律制御方法 | |
JPH11231899A (ja) | 音声・動画像合成装置及び音声・動画像データベース | |
JPH08328578A (ja) | テキスト音声合成装置 | |
JP3638000B2 (ja) | 音声出力装置及び音声出力方法並びにその記録媒体 | |
JPH07134713A (ja) | 音声合成装置 | |
JPH11327594A (ja) | 音声合成辞書作成システム | |
JP2721018B2 (ja) | 音声規則合成装置 | |
JPH02234198A (ja) | テキスト音声合成システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040420 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040420 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080430 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090430 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100430 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100430 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110430 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120430 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130430 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140430 Year of fee payment: 10 |
|
LAPS | Cancellation because of no payment of annual fees |