JPS6239752B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は音声合成装置さらに詳しく言えば音声
素片を記録しておいてとそれらを順次読み出して
音声を作り出す編集合成の改良に関するものであ
り、特に集積回路（以下ICという）化を考慮し
たものである。

実用的な音声合成方式の１つとして、人間の自
然音声から周期性を有する有声音についてはピツ
チ単位の代表的な音声素片を有声音素として切り
出し、また周期性を有しない無声音については無
声音部そのもの（またはこの一部を無声音素とし
てこれをくり返して用いることもある）を無声音
素として、それぞれ有声音素記憶部、無声音素記
憶部に記録しておき、それらを外部から与えられ
る制御情報に従つて読み出しつなぎ合わせて音声
を作り出す方式が提案されている。ここで制御情
報としては有声無声の別、音素番号、振幅、ピツ
チ、くり返し数などがある。この方式では、言語
の中の代表的な有声音素と無声音素を代表音素と
してすべて記録しておき、自然音声にもつとも近
い音素を順次選択しつなぎ合わせていくことによ
り任意の語を発生できる。しかしこの方式により
合成された合成音声の品質は余り良好とはいえな
い。これは合成された音声を構成している各代表
音素が別々のことばから抽出されていることに起
因する。実際の応用例を考えたとき、発生語数は
数語から十数語、時間にして10秒前後のものが非
常に多く、任意の語を発生できる機能はあまり必
要でない。また音声合成装置の１チツプIC化を
考えたとき、有声音素記憶部と無声音素記憶部を
分けるのは好ましくない。なぜなら発生する語の
種類によつて両者の比がいろいろに変わるため、
記憶部の一方に空きが生じて有効利用ができなく
なるからである。またさらに制御回路の簡単化と
いう点からも記憶部は１つにするのが好ましい。

本発明は実際の応用例を考慮しつつ以上の欠点
も除去したもので、その目的は音声合成ICの１
チツプ化にある。

さらに記憶部へのデータ格納法に関し、記憶部
の効果的利用、さらには読み出し制御の簡単化を
行なうためのデータ格納法を実現することを目的
とする。

以下実施例に基づいて本発明を詳しく説明す
る。（第１図） ２は有声音素及び無声音素が格納されている音
素記憶部であり、読み出し専用メモリ（以下
ROMと言う）とそのアドレスを示すアドレスカ
ウンタとから構成れる。音素の１サンプル点を６
ビツトで表現し、40点で１音素を構成した場合１
音素は６×40＝240ビツトより成り、また音素の
総数をＮ個とするとROMの大きさは６×（40×
Ｎ）となる。特許請求の範囲で述べた音素記憶領
域は、本例では240ビツトの大きさということに
なる。サンプル周期を10KHzとすると１音素の長
さは４ｍsecとなり、これは女性の有声音のピツ
チが４ｍsec前後となることを考慮したものであ
り、男性の場合はピツチが８ｍsec前後あるので
１音素を80点ぐらいにすればよい。以後の説明に
おいては女性の音声の合成について考えるが、音
素の点数を除けば何ら変ることがない。又説明に
用いている数値についても一例であつて特定する
ものではない。自然音声の有声部より音素を取り
出すとき、第２図ａのようにピツチが４ｍsecよ
り小さい場合はその後ろに０を挿入してｂのよう
な形で有声音素を記録する。第２図のｃのように
ピツチが４ｍsecより大きい場合は４ｍsecで打ち
切つてｄのような形で記録するか、またこれにｅ
のような音素の終り付近で徐々に０に近づく重み
関数をかけて、ｆのような波形にして記録する。
無声音部についは、４ｍsec以上のものは４ｍsec
ごとに区切つて、複数個の音素として連続して記
録する。これらは有声無声の区別なく自然音声の
時系列順にROMの中に記録されている。たとえ
ば、「おはようございます」と「おやすみなさ
い」という２つのことばを記録する場合、まず
「お」を合成するに必要ないくつかの有声音素が
取り出され、つぎに「は」の最初の無声音部が連
連続した複数個の無声音素として取り出され、以
下同様にして「おはようございます」ということ
ばから有声部無声部の区別なく取り出された順に
記録される。そしてこのあとに「おやすみなさ
い」を合成すべく各音素が記憶される。

３は２に格納されている音素からことばを合成
する際に必要となる制御情報を記録してある語制
御記憶部であり、アドレスカウンタとROMから
構成されている。１つの制御単位（以下これを行
と言う）は振幅、ピツチ、くり返し数からなり、
これは１つの音素の制御情報となる。行と音素は
２及び３の中のそれぞれのROMの配列順に従つ
て上から対応している。しかし１つの行と１つの
音素とが１対１に対応するとは限らず複数個の連
続した行と１つの音素が対応することがある。こ
の関係を第３図で説明する。３１，３２，３３，
３４は１つの制御単位すなわち行であり、２１，
２２，２３は240ビツトより成る音素である。３
１の行は２１の音素に対応し、３２は２２に対応
している。しかし３３は２３に対応するのではな
く２２に対応し、３４も２２に対応している。１
つの音素の振幅およびピツチを徐々に変化させつ
つ、同じ音素でくり返したい時にこのような対応
関係が生じる。従つて制御単位の中には、前の行
に対応した音素に対する制御情報であるのか又は
その次の音素に対する制御情報であるのかを区別
するための情報が含まれている。またひとつのこ
とば（合成の単位）の終わりを表わす情報も含ま
れている。このことばの終わりを示す情報が含ま
れる行を最終行と呼ぶことにすると、先にあげた
「おはようございます」，「おやすみなさい」に対
応する行の群の終わりにはそれぞれ最終行があ
る。最終行の数は発生できる語の数に一致する。

第１図の４は３からの制御情報９に従つて、２
から来る音素データ１０から音声を合成し、出力
する音声発生部であり、１１の音声信号はスピー
カーに接続される。

６は発生させたいことばの番号を示す信号線で
あり、たとえば５本あれば32語まで指定可能であ
る。１は６に対応したことばの語制御記憶部スタ
ートアドレス７及び音素記憶部スタートアドレス
８を指定する語指定部でありROMから成る。１
２は４に起動をかける信号線、１３は一つのこと
ばの合成の終了を示す信号線であり、５がインタ
ーフエイス部である。

６に発生させたいことばの番号をセツトし、１
２から起動をかけると、まず６に対応したことば
の語制御記憶部スタートアドレス及び音素記憶部
スタートアドレスが、７，８を介して、３及び２
の中のアドレスカウンタにそれぞれ設定される。
そして３のアドレスカウンタは各行に対応する音
素が制御情報に従つて出力されるごとに１づつ増
加され、最終行が現われるまで続く。２のアドレ
スカウンタは３の各行の制御情報によつて増加し
たりしなかつたりする。３のアドレスカウンタの
増加に従つて、音声の合成が進み最終行が現われ
ると合成を止めて、終了の１３の信号線によつて
外部に通知する。そしてまた１２に起動がかかる
まで停止状態が続く。

以上に示したように、本発明による音声合成装
置では自然音声より抽出した有声音素及び無声音
素を区別せずに音素記憶部内の同じ大きさの音素
記憶領域に記録しているために、音素用ROMが
有効利用できる。これは有声と無声の音素記憶部
を分離した場合、両者の比を固定しなければなら
ないのに対して、同一の記憶部とした場合その比
を自由に変えられるからである。また有声音素と
無声音素の記憶領域の大きさが等しいので制御回
路も非常に簡単になる。

また音素を自然音声より抽出し、これを時系列
順に記録しているため発生可能時間は長くはない
が音質は非常に良い。実際の応用例を考えたとき
発生時間は数秒から十数秒で良く、音質が重要な
場合が多いので、この方式は実用的であると言え
る。また前述したように、１つの音素に語制御記
憶部の複数行を対応させられるので、１つの音素
に対してピツチ、振幅のきめ細かな制御が可能で
あり、比較的少数の音素でも高品質の音声が合成
できる。さらに、音素記憶部と語制御記憶部の構
成からわかるように、音素の登録の仕方を細かく
するかあらくするかによつて音質（圧縮率）と発
生時間を自由に変えられる。すなわち、音質があ
まり良くなくてもよいが、長い発生時間が必要な
場合は音素の抽出をあらくすれば良く、発生時間
は短くても音質を良くしたい場合は音素の抽出を
細かくすれば良く、これは単なるROMの内容の
変更だけですむ。また本発明による音声発生装置
はIC1チツプ化を意識したものであり、ICにした
時、次のような利点が生じる。まず第１にその構
成要素がほとんどROMであり、その他の制御の
部分があまり大きくないため、数秒から十数秒の
発生時間を要する応用に対して安価な音声合成用
ICを供給できる。第２にIC単体として動作でき
る。すなわち第１図に示したように６にことばの
番号をセツトし、１２に起動パルスを加えれば良
いので、ここに単なるスイツチを取り付けるだけ
で音声合成装置として動作できる。第３はマイク
ロコンピユータなどの他の装置とのインターフエ
イスが簡単にとれるという点である。これはこと
ばの番号を示す信号線６と起動パルス１２の他
に、状態表示信号１３があることによる。また第
１図において、これらの他にそのICをセレクト
するかしないかというチツプセレクト信号を付け
加えることにより、複数個のICを並列接続で
き、高品質、長時間の応用にも使用できる。ま
た、状態表示信号１３を用いると、ことばの結合
として一連のことばを発生させることができる。
これを時刻報知の例を用いて説明する。「ただい
まの時刻は２時10分です」と発生させたい場合
「ただいまの時刻は」「２」「時」「10」「分です」
をそれぞれ１つのことばとして記憶しておき、ま
ず「ただいまの時刻は」を発生させ、１３の信号
線にその終了が通知されると、次に「２」を発生
させ、以下同様に「時」「10」「分です」と発生さ
せる。任意の時刻を報知するには「ただいまの時
刻は」「時」「分です」の他に「１」から「60」ま
での数字を用意しておき、こられを組み合わせれ
ば良い。このようにことばの結合として一連のこ
とばを発生できるので、共通のことばを数多く用
いる応用にも適している。

【図面の簡単な説明】

第１図は、本発明による音声合成装置を実施す
る装置のブロツク図、第２図は有声音素の記憶方
式を説明した波形、第３図は第１図の２と３の対
応関係を説明した図である。 １……語指定部、２……音素記憶部、３……語
制御記憶部、４……音声発生部、５……インター
フエイス部、６……ことばの番号を指定する信号
線、７……語制御記憶部スタートアドレス、８…
…音素記憶部スタートアドレス、９……制御情
報、１０……音素データ、１１……音声信号、１
２……外部からの起動信号、１３……外部への状
態表示信号、２１，２２，２３……各々一つの音
素が格納されている音素記憶領域、３１，３２，
３３，３４……行（制御情報）。

Claims (1)

1. 【特許請求の範囲】 １ ａ 発生させようとする語を外部から指定す
   る語指定部、 ｂ 自然音声の時系列順に有声音素と無声音声の
   区別なく複数個の音素記憶領域が並んでいる音
   素記憶部、 ｃ 前記音素記憶部の各音素に対応させて、前記
   語指定部からの語を合成する為に必要な振幅情
   報、ピツチ情報、繰り返し情報を制御情報とし
   て記憶しておく記憶制御記憶部、 ｄ 前記語記憶制御部の制御情報に従つて音素記
   憶部の各音素を継ぎ合せて音声を合成しスピー
   カーより出力する音声発生部、 ｅ 前記音声発生部を制御し、外部装置との情報
   送受を行なうインターフエイス部、 を備え、 前記音素記憶部の前記複数個の音素記憶領域に
   納められる音素データは、一定の大きさを有し、
   前記有声音素のピツチが前記一定の大きさ内であ
   れば０を付加し、前記有声音素のピツチが前記一
   定の大きさ以上であれば重み関数をかけて前記一
   定の大きさに収束させ、前記無声音素は前記一定
   の大きさに区切つて連続して並べられていること
   を特徴とする音声合声装置。