JPS62100798A - 音声合成評価方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は音声合成装置から発生される合成音を評価する
方法に関する。

最近、人などに情報を与える手段として音声合成装置が
盛んに使用されてきている。

このような音声合成装置への音声の登録は、人の声を一
旦テープレコーダに録音し、この録音した音声をもとに
所定の編集を行なって音声データをＥＰ−ＲＯＭ等のメ
モリに記憶し、このメモリを音声合成装置にセントする
ことで行なわれている。

上記編集やメモリへの書込みが正常に行なわれている場
合、音声合成装置から発生される合成音はテープレコー
ダへの録音時の音声とほぼ同じになるが、何等かの理由
により書込みがうまく行なわれていないと所望の合成音
を得ることができない。

〔従来の技術〕

そこで、従来は、音声合成装置から発生される合成音と
テープレコーダの再生音とを評価担当者が開き比べるこ
とにより、合成音の評価を行なっていた。

〔発明が解決しようとする問題点〕

このため、検査担当者の相違等により評価がまちまちに
なるという問題や、評価作業が面倒であるという問題点
があった。

本発明はこのような従来の問題点を解決したもので、そ
の目的は、客観的な評価が可能で且つ評価作業も比較的
簡単な評価方法を提供することにある。

〔問題点を解決するための手段〕

本発明は上記問題点を解決するために、音声合成装置の
メモリに登録する登録音声を一旦テープレコーダに録音
し、該録音された登録音声に基づき前記メモリへ音声デ
ータを書込むようにした音声合成装置における音声合成
評価方法において、前記テープレコーダへの登録音声の
録音時にそのモニタ音声により該登録音声を音声認識装
置に登録し、次いで、 前記音声データの書込みを終了したメモリを前記音声合
成装置にセットして合成音を発生させ、該発生音が前記
音声認識装置で正確に認識されるか否かにより前記音声
合成装置の合成音の評価を行なうようにする。

〔作用〕

音声認識装置で認識されるか否かにより音声合成装置の
合成音の評価を行なっているので、評価が客観的なもの
となり、また評価を音声認識装置に任せているので評価
担当者の負担が軽減される。

〔実施例〕

第１図は本発明を実施するシステムのハードウェア構成
の一例を示すブロック図であり、スピーカ１１と合成音
データが記憶されたＥＰ−ＲＯＭＩＯをセントし得る音
声合成装置１と、音声登録用のマイクロフォン２０とテ
ープレコーダ２１と合成音評価用のマイクロフォン２２
とを有する特定話者方式の音声認識装置２と、ＣＲＴ４
０とキーボード（ＫＢ）４１とを有する制御部４とから
構成されている。

音声合成装置１は、登録番号に対応した音声データが記
憶されているＥＰ−ＲＯＭＩＯがセントされた状態で入
力端子ＩＮから登録番号が入力されると、その登録番号
に対応する音声データをＥＰ−ＲＯＭＩＯから読出し、
それに基づく合成音をスピーカ１１から発生する。また
音声認識装置２は、テープレコーダ２１のモニタ出力お
よびマイクロフォン２２の出力を増幅する増幅器２３と
、増幅器２３の出力の周波数スペクトラム分析を行なう
スペクトラム分析部２４と、登録モード時はａ側に切換
えられ、認識モード時はｂ側に切換えられる切換スイッ
チ３１と、標準パターン記憶用のメモリ２５と、入カバ
ターン記憶用のメモリ２６と、両メモリ２５．２６の記
憶内容を比較判定する比較判定部２７と、音声認識装置
２の動作を制御するメモリ内蔵のマイクロプロセッサ２
８と、認識しきい値を最も厳しい最高位Ａから最も緩い
最低位りまで４段階に切換えるための認識しきい値設定
器２９と、マイクロプロセッサ２８の認識結果を出力す
る出力部３０とを含む。

更に、制御部４は、メモリを内蔵する制御用マイクロプ
ロセッサ４２と、入出力インクフェイス４３゜４４と、
ＣＲＴコントローラ（ＣＲＴＣ）４５と、キーボード４
１の出力をマトリクス変換するキーマトリクス４６とを
含んでいる。

本実施例のシステムは、動作モードとして登録モードと
認識モード（評価モード）があり、制御用マイクロプロ
セッサ４２は登録モードにおいて第２図に示すような処
理を行ない、評価モードにおいては第３図に示すような
処理を行なう・。

今、ＥＰ−ＲＯＭＩＯに第４図に示すような合計Ｎ個の
単語を登録し、その合成音を評価する場合を例にとり本
実施例の動作を説明する。

先ず、テープレコーダ２１にカセットテープをセントし
、次いでキーボード４１から登録開始指令を入力する。

これによりマイクロプロセッサ４２は第２図の処理を開
始し、入出力インクフェイス４３を介して切換スイッチ
３１をａ側に切換え（Ｓｌ）、音声認識装置２を登録モ
ードとする。

次に、キ、−ボード４１から登録番号として最初に「１
」を入力すると、マイクロプロセッサ４２はこれを検知
しくＳ２）、入出力インクフェイス４３を介してテープ
レコーダ２１を録音状態で起動させる（Ｓ３）。この状
態で特定の話者がマイクロフォン２０から第１の登録音
声「スタート」の言葉を入力すると、これがテープレコ
ーダ２１に録音されると共に、テープレコーダ２１のモ
ニタ出力が増幅器２３を介して周波数スペクトラム分析
部２４に入力され、ここで得られた音声データが切換ス
イッチ３１を通して標準パターン記憶用のメモリ２５に
記憶される。

マイクロプロセッサ４２は例えば登録音声入力に必要な
所定時間が経過すると（Ｓ４）、テープレコーダ２１を
一旦停止させるものであり（Ｓ５）、次に登録数が例え
ば最大登録数Ｎに到達したか否かを判別しくＳ６）、Ｎ
に到達していなけばステップＳ２に復帰する。

キーボード４１から次の登録番号「２．」を入力すると
再びテープレコーダ２１が起動され、話者が次の登録音
声「ストップ」なる言葉を話すとこれがテープレコーダ
２１に録音されると共にその音声データがメモリ２５の
次の格納領域に記憶される。

最後の登録音声「Ｑ○○」のテープレコーダ２１への録
音とメモリ２５への録音が終了すると、登録番号がＮで
あることから、登録モードは終了する（Ｓ６）。

以上のようにして、登録すべきＮ個の単語がテープレコ
ーダ２１に録音され、その音声データがメモリ２５に記
憶される。

次に、テープレコーダ２１から録音済のカセ・２トテー
プを取り出し、従来と同様な方法で纒集を行ない、図示
しない音声登録手段を使用して録音された登録音声に基
づいた音声データをＥＰ−ＲＯＭＩＯに書込む。

さて、このようにしてＥＰ−ＲＯＭＩＯに書込まれた音
声データによって所望の合成音が得られるかどうかの評
価は次のようにして行なう。

先ず、書込み済のＥＰ−ＲＯＭＩＯを第１図のように音
声合成装置１にセントし、キーボード４１から評価開始
指令を入力する。これによりマイクロプロセッサ４２は
第３図に示す処理を開始し、先ず入出力インクフェイス
４３を介して切換スイッチ３１をｂ側に切換えて音声認
識装置２を認識モードとしく３１０）、また入出力イン
クフェイス４４を介して認識しきい値設定器２９の認識
しきい値ＴＨを最上位Ａに設定する（　Ｓ　１１）。次
に登録番号ｉとして最初に「１」を入出力インタフェイ
ス４３を介して音声合成装置１に送出する（３１２）。

これにより、音声合成装置１は登録番号「１」に対応す
る「スタート」の音声データをＥＰ−ＲＯＭＩＯから読
取り、合成音「スタート」を合成してスピーカ１１から
発生する。

スピーカ１１から発生された合成音はマイクロフォン２
２で受話され、増幅器２３．スペクトラム分析部２４を
介して入カバターン記憶用のメモリ２６に格納される。

そして、比較判定部２７によりメモリ２６に格納された
音声データに合致する音声データがメモリ２５に登録さ
れているか否かおよび登録されていればその登録番号が
判定され、判定結果がマイクロプロセッサ２８に通知さ
れる。もし、入力された音声データと同一の音声データ
がメモリ２５に記憶されているときは、マイクロプロセ
ッサ２８はその登録番号を認識結果として出力部３０を
介して制御部４へ送出し、何れの音声データとも合致し
なければｒＮＧｊのコードを送出する。

マイクロプロセッサ４２は、上記登録番号を音声合成装
置１に送出した後、入出力インクフェイス４４からの登
録番号入力待ちとなり（Ｓ１３）　、所定の登録番号が
受信されたときは、合格した認識しきい値ＴＨと登録番
号ｉをＣＲＴコントローラ４５を介してＣＲＴ４０に表
示する（３１４）。

しかし、ｒＮＧＪのコードを受信したときは、入出力イ
ンタフヱイス４４を介して認識しきい値設定器２９の認
識しきい値を一つランクダウンさせてｒＢＪとしく５１
６）、再び同一の登録番号「１」を音声合成装Ｗ１に与
え、音声認識装置２から正しい認識番号が受信されるか
否かを監視する。認識しきい値ＴＨのランクダウンによ
り正しい認識が行なわれた場合には、そのときの認識し
きい値ＴＨと登録番号ｉをＣＲＴ４０に表示するが、ま
だ認識されずにｒＮＧＪのコードが返送されるときは、
以上の処理を認識しきい値が最下位のＤになるまで繰返
す（３１５，５１６）。そして、最下位のＤに到っても
正しく認識されないときは、ｒＮＧＪのコードとその登
録番号とをＣＲＴ４０に表示する（Ｓ１７）　　。

以上のような処理は、ＥＰ−ＲＯＭＩＯに登録された最
終の登録番号まで自動的に繰返され、これが終了すると
ＣＲＴ４０には例えば第５図に示すように全ての登録番
号についての評価ランクが表示されることになる。

なお、以上の実施例は音声認識装置２の認識しきい値を
厳しい値（最高位）から緩い値（最下位）まで自動的に
変化させて評価を行なったが、ある特定の認識しきい値
だけの評価を行なうように簡略化しても良いことは勿論
のことである。

〔発明の効果〕

以上説明したように、本発明は、テープレコーダへの登
録音声の録音時にそのモニタ音声により同じ登録音声を
音声認識装置に登録し、テープレコーダの録音内容に基
づいて音声データの書込み？終了したメモリを音声合成
装置にセットして合成音を発生させ、その発生音が前記
音声認識装置で正確に認識されるか否かにより音声合成
装置の合成音の評価を行なものであり、音声認識装置で
認識されるか否かにより合成音の評価を行なっているの
で、評価が客観的なものとなり、また評価を音声認識装
置に任せているので評価担当者の負担が軽減され、比較
的簡単に合成音の評価を行なうことができる効果がある
。

【図面の簡単な説明】

第１図は本発明を実施するシステムのハードウェア構成
の一例を示すブロック図、 第２図は登録モードの処理の一例を示す流れ図、第３図
は評価モードの処理の一例を示す流れ図、第４図は登録
音声の一例を示す図および、第５図はＣＲＴ４０の表示
例を示す線図である。 図において、ｌは音声合成装置、２は音声認識装置、４
は制御部、１０はＥＰ−ＲＯＭ、１１はスピーカ、２０
．２２はマイクロフォン、２１はテープレコーダ、２３
は増幅器、２４は周波数スペクトラム分析部、２５は標
準パターン記憶用のメモリ、２６は入カバターン記憶用
のメモリ、２７は比較判定部、２８゜４２はマイクロプ
ロセッサ、２９は認識しきい値設定器、３０は出力部、
３１は切換スイッチ、４０はＣＲＴ。 ４１はキーボード、４３．４４は入出力インタフェイス
、４５はＣＲＴコントローラ、４６はキーマトリクスで
ある。

Claims (1)

1. 【特許請求の範囲】 音声合成装置のメモリに登録する登録音声を一旦テープ
   レコーダに録音し、該録音された登録音声に基づき前記
   メモリへ音声データを書込むようにした音声合成装置に
   おける音声合成評価方法において、 前記テープレコーダへの登録音声の録音時にそのモニタ
   音声により該登録音声を音声認識装置に登録し、次いで
   、 前記音声データの書込みを終了したメモリを前記音声合
   成装置にセットして合成音を発生させ、該発生音が前記
   音声認識装置で正確に認識されるか否かにより前記音声
   合成装置の合成音の評価を行なうことを特徴とする音声
   合成評価方法。