JPS6295595A - 音声応答方式 - 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】 〔発明の利用分野〕 本発明は、録音編集方式による音声応答方式に関する。

〔発明の背景〕

現在実用化されている音声応答装置は、録音編集方式に
よるものである。これは、あらかじめ決められた音声を
デジタル信号に変換し、これを記憶しておき、記憶した
デジタル信号音声情報を組み合わせてアナログの応答音
声をつくるものである。

音声をデジタル化し、これをアナログ音声に変換する方
式としては、（１）ＰＡＲＣＯＲ１ＬＳＰ方式のように
、人間の発声をモデル化し、周波数領域のパラメータに
変換し、これをもとに音声を合成するパラメータ合成方
式と、（２）ＰＣＭ、ＡＤＰＣＭのように音声を波形領
域で符号化し、これをもとに合成する波形符号化方式と
がある。

（１）パラメータ合成方式は、情報圧縮率が高く、記憶
装置容量が少なくて済む、という利点があるが、モデル
化の不備のため合成音の明瞭度が劣るという欠点を持つ
。

一方、（２）波形符号化方式は明瞭度が非常に高く１．
新幹線プラットホームなどでの案内放送しこ使用されて
いる。しかし、この方式による装置は、あらかじめ決め
られた単語単位のデジタル信号音声を単純に接続して必
要な応答音声を合成するものであるため、単語単位の明
瞭度が高い反面単語間の接続が滑らかでない。たとえば
、「一番線に」の発声は、孤立発声した「一番線」と「
に」を接続しただけであるため、「一番線に」の発声が
「一番線」と「に」の間まめびした感じとなり、聴取者
に異和感を与えｇパ孟いう欠点かあ、。わお、ユ。種。

装置、。

て関連するものには例えば特開昭５９−１８５３９号公
報に開示されたものが挙げられる。

〔発明の目的〕 本発明の目的は、上記従来技術の欠点を解消し、波形符
号化方式による音声合成に際し、合成した単語間の発声
を滑らかにできるようにした音声応答装置を提供するに
ある。

〔発明の概要〕

この目的を達成するために、本発明は、音声を単語の単
位に区切ってデジタル音声情報として音声記憶装置に格
納し、前記デジタル音声情報を前記単位毎に読み出し編
集して合成音声として出力する音声応答装置において、
自立語については語尾音節の母音定常部分の位置、その
位置におけるピッチ周波数およびパワー情報をもたせた
上でデジタル音声情報とし、付属語については前記単位
を母音（５母音）プラス付属語に拡張し、該母音の定常
部分のピッチ周波数およびパワー情報をもたせ、かつ母
音定常部分以降の音声をデジタル音声情報とし、前記単
位１間の接続編集をこれら情報をもとに行うことにより
、単語間の接続を滑らかにし、自然な合成音声を出力可
能とした点に特徴がある。

〔発明の実施例〕

以下１本発明の実施例を用いて説明する。

第２図は音声のピッチ周波数とパワーを示す図であって
（ａ）、（ｂ）、（Ｃ）はそれぞれ、孤立発声された自
立語である名詞「スウジ（数字）」、付属語である助詞
「ヲ」、名詞プラス助詞として発音された「モチヲ（餅
を）」の母音／　ｉ　／の定常点から／　ｏ　／の終端
までの／１０／の部分のピッチ周波数、パワーを示す。

第３図は従来方式により単純に第２図の名詞「スウジ」
　（ａ）と助詞「ヲ」　（ｂ）を接続した場合の音声「
スウジヲ」のピッチ周波数とパワーを示す図である。同
図から明らかなように、名詞と助詞の間で急激なピッチ
周波数およびパワーのディップが生じ、これが聴取者に
対してと助詞の間がまのびした感じを与える。

第４図は、第２図に示した名詞の「スウジ」（ａ）の語
頭から語尾音節である／ｊ　ｉ／の母音定常部分（第２
図に矢印で示す）までと、名詞プラス助詞である「モチ
ヲ」の／１０／の部分（ｃ）とを接続した場合の音声「
スウジヲ」のピッチ周波数とパワーを示す図である。同
図において、第３図に示したような接続部分でのピッチ
周波数およびパワーのディップはなくなるが、名詞と助
詞との間でそれぞれの値が不連続となる。

本発明者らの実験によれば、上記不連続性は第３図のも
のに比べ、聴取者に対してまのびした感じは与えないが
、滑らかさの点で不満を与えることがわかった。

第５図は第２図に示した名詞の「スウジ」（ａ）の語頭
から語尾音節である／ｊｉ／の母音定常部分（第２図の
矢印で示した部分）までの部分と、名詞プラス助詞であ
る「モチヲ」の／　ｉ　ｏ　／の部分（ｃ）のピッチ周
波数とパワーを、先行する音／　ｚ　ｉ　／の終端のピ
ッチ周波数・とパワーに連続するごとく変換して接続し
た音声「スウジヲ」のピッチ周波数とパワーを示す。

本発明性らの実験によれば、このような処理を施した音
声は接続がわからないほど自然であった。

以上の考察により、自立語については、孤立発声音声を
始端から終端までデジタル化し、デジタル音声情報とし
てもつと共に、語尾音節の母音部分の定常点についての
情報をもたせればよいことがわかる。具体的には、母音
の種類すなわち／　ａ　／　、　／　ｉ　／　、　／　
ｕ　／　、・・・・・・の別、上記定常点の始端からの
時間位置、前記位置におけるピッチ周波数、およびパワ
ー値の情報をもたせる。

付属語については、付属語を含む孤立発生音声から付属
語に先行する母音部分の定常点から終端までをデジタル
化して、これをデジタル音声情報として持つと共に、前
記母音定常点についての情報をもたせる。具体的には、
母音の種類、定常点でのピッチ周波数およびパワーの情
報をもたせる。そして、自立語のみの音声出力では、先
のデジタル音声情報を、そのまま使用する。また、自立
語プラス付属語を、音声出力するときは、まず該当する
自立語の始端から該母音定常点までのデジタル音声情報
を使用し、次に前もって得る該母音定常点での情報を用
い、その母音を先行母音としてもつ該当する付属語をち
″ごみ出し、該付属語のデジタル音声情報のピッチ周波
数とパワーを変更しながら接続使用する。このとき、該
付属語のデジタル音声情報におけるピッチ周波数および
パワーは、該自立語の情報としてもっているピッチ周波
数およびパワーの値と該付属語の情報としてもっている
ピッチ周波数およびパワーの値とから、それらの差を求
め、これを補正する形で、値を変更する。

こうして、自立語と付属語のデジタル音声情報はピッチ
周波数およびパワーが連続的に接続される。

第６図は、本発明による接続情報パターンを説明する図
であって、単語単位毎に該単語の接続およびデジタル音
声情報アドレスのデータとからなる接続情報パターンを
示す。接続情報パターンは単語コード、接続情報、デジ
タル音声情報アドレスデータより構成される。接続情報
は最初に自立語か付属語かの別を示す類別コード、次に
定常点での母音の種類を示す母音コード、次にその位置
を示す位置コード、次にその位置でのピッチ周波数を示
すピッチコード、次にその位置でのパワーを示すパワー
コードから成る。位置コードは自立語の場合はデジタル
音声情報始端からの時間位置をコード化したものである
が、付属語の場合はそのデジタル音声情報の始端である
ため意味をもたない。つまり。

どの付属語であっても同じ始端を示す（たとえば時間位
置零を示す）コードである。したがって、この始端を示
すコードを特殊なものとし、これを用いて自立語か否か
の区別を行ってもよい。

デジタル音声情報アドレスデータはデジタル音声情報の
格納されている先頭番地データである。これは、自立語
の場合は一つであるが、付属語の場合は５つの番地が順
に書かれている。

すなわち、最初は付属語に先行する母音が／ａ／のもの
２次が／ｉ／のちの、／Ｕ／のもの・・・・・・の順で
ある。

第１図は本発明による音声応答装置の一実施例を示すブ
ロック図であって、１は文字コード列が入力される入力
端子、２は文字コード列を解析しこれを単語単位に分離
し、単語コート列に変換して順次出力する単語解析部、
３は文字コード列を単語単位に分語し、これを単語コー
ドに変換するための単語辞書、４は単語コードを一時記
憶する単語コードレジスター、５は単語コードをもとに
接続情報パターン格納部をアクセスする接続情報パター
ンアクセス部、６は第６図に示した接続情報パターンを
格納する接続情報格納部、７−１は接続情報の１つであ
る類別コードを一時記憶する類別コードレジスタ、７−
２は同じく母音コードを一時記憶する母音コードレジス
タ、７−３は同じく位置コードを一時記憶する位置コー
ドレジスタ、７−４は同じくピッチコードを一時記憶す
るピッチコードレジスタ、７−５は同じくパワーコード
を一時記憶するパワーコードレジスタ、７−６はデジル
音声情報アドレスデータである先頭番地データを一時記
憶するアドレスレジスタ、８はアドレスレジスタに記憶
された番地データのうちの一つを選択するアドレスデー
タ選択部、９はデジタル音声情報を格納するデジタル音
声情報格納部、１０は切換スイッチ回路、１１はデジタ
ル音声情報のピッチ周波数を変更するピッチ周波数制御
部、１２はデジタル音声情報の振幅を変更する振幅制御
部、１３はデジタル音声情報を一時記憶するバッファメ
モリ、１４はデジタル音声情報をアナログ音声に変換す
る合成部、１５はスピーカである。

同図において、今、自立語プラス付属語の例として「ス
ウジヲ」の文字コード列が入力端子１に加えられたとす
る。「スウジヲ」の文字コード列は単語解析部２におい
て、単語辞書３を参照して、名詞「スウジ」を示す単語
コードと助詞「ヲ」を示す単語コードに分離され、順次
単語コードレジスタ４に出力される。

まず、単語コードレジスタ４に名詞「スウジ」を表すコ
ードがセントされる。次に、接続情報パターンアクセス
部５は、単語コードレジスタ４のコードをもとに接続情
報パターン格納部６に格納されている接続情報パターン
の単語コードと一致をとって該当する単語の接続情報を
読み出す。

この場合は、名詞「スウジ」の接続およびアドレスデー
タを読み出す。これらのデータは、それぞれ、類別コー
ドレジスタ７−１．母音コードレジスタ７−２２位位置
コードレジスタフ−３ピッチコードレジスタ７−４．パ
ワーコートレジスタ７−５．アドレスレジスタ７−６に
セットされる。

次に、類別コートレジスタ７−１と母音コードレジスタ
７−２の内容がアドレスデータ選択部８に保持され、そ
の内容により、アドレスデータ選択部８を介してアドレ
スレジスタの中の１つの番地が選択され、デジタル音声
情報格納部９のデジタル音声情報が読み出される。この
場合、名詞は自立語であるからアドレスレジスタ７−６
の最初の番地が選択される。名詞「スウジ」のデジタル
音声情報は、切換スイッチ１０を介してバッファメモリ
１３に順次書き込まれる。デジタル音声情報は、位置コ
ードレジスタ７−３に記憶されている母音定常点の位置
情報をもとにこの位置までが書き込まれる。またピッチ
コードレジスタ７−４．パワーコードレジスタ７−５に
記憶されている母音定常点のピッチ周波数、パワーがそ
れぞれ、ピッチ周波数制御部１１、振幅制御部１２に出
力され、保持される。

次に、単語コードレジスタ４に助詞「ヲ」を表すコード
がセットされ、同様に接続情報アクセス部５は、単語コ
ードレジスタ４のコードをもとに接続情報パターン格納
部６に格納されている該当する単語の接続およびアドレ
スのデータを読み出す。これらのデータは、それぞれ類
別コード７−１．母音コードレジスタ７−２゜位置コー
トレジスタ７−３．ピッチコードレジスタ７−４．パワ
ーコートレジスタ７−５にセットされている。次に、類
別コードレジスタ７−１と、先にアドレスデータ選択部
８に保持されている先行する自立語の母音コード（／ｉ
／を表す）とから、アドレスレジスタ７−６に記憶され
ている番地の２番目のものを選択し、デジタル音声情報
格納部９に格納されている助詞「ヲ」の／ｉｏ／のデジ
タル音声情報を読み出す。この情報は類別コードレジス
タ７−１の内容により、選択スイッチ１０を介してピッ
チ周波数制御部１１に入力される。

次にピッチ周波数制御部１１において、デジタル音声情
報のピッチ周波数が変更される。この処理は、先に保持
されている自立語の母音定常点でのピッチ周波数とピッ
チコードレジスタ７−４に記憶されている付属語の母音
定常点でのピッチ周波数との差を計算し、差分だけ、デ
ジタル音声情報のピッチ周波数を変更する。そして、変
更された情報は振幅制御部１２に出力される。

次に、振幅制御部１２において、デジタル音声情報の振
幅が変更される。この処理は、先に保持されている自立
語の母音定常点でのパワーとパワーコードレジスタ７−
５に記憶されている付属語の母音定常点でのパワーとの
差を計算し、差分に比例して、デジタル音声情報の振幅
を変更する。そして、変更された情報はバッファメモリ
１３に出力される。

このバッファメモリ１３において、先行する自立語の母
音定常点までの情報に続いて付属語「ヲ」の／コ０／の
情報が接続されて書き込まれる。

これらの処理により、「スウジヲ」の音声情報は、その
ピッチ周波数とパワーが滑らかに接続される。

そして、バッファメモリ１３の情報は合成部１・１でア
ナログ音声に変換され、スピーカ１５に与えられて合成
音声として発声される。

〔発明の効果〕

以上説明したように、本発明によれば、音声を単語毎に
区切って、これをデジタル音声情報として記憶し、記憶
したデジタル音声情報を単語毎に読み出し編集して合成
音声として出力する際の単語間の接続を滑らかにして自
然な合成音声を得ることができ、上記従来技術の欠点を
除いて優れた機能の音声応答装置を提供することができ
る。

【図面の簡単な説明】

第１図は、本発明による音声応答装置の一実施例を示す
ブロック図、第２図、第３図、第４図および第５図は音
声のピンチ周波数とパワーを説明する図、第６図は本発
明による音声応答装置における接続情報パターンを説明
する図である。 １：入力端子、２：単語解析部、３：単語辞書、４：単
語コートレジスタ、５：接続情報パターンアクセス部、
６：接続情報パターン格納部、７−１：類別コードレジ
スタ、７−２：母音コードレジスタ、７−３＝位置コー
トレジスタ、７−４ニピッチコートレジスタ、７−５：
パワーコードレジスタ、７−６アドレスレジスタ、８ニ
アトレスデ一タ選択部、９：デジタル音声情報格納部、
１０：切換スイッチ回路、１１：ピンチ周波数制御部、
１２：振幅制御部。 １３：バッファメモリ、１４：合成部、１５：スピーカ
。 第１　回 ！ 第３　図 汗午周（Ｘ）ＯＯ声Ｓノ

Claims (1)

【特許請求の範囲】
1. （１）音声を単語の単位に区切ってデジタル音声情報と
   して記憶しておき、これを単語毎に読み出し編集して合
   成音声として出力するようにした音声応答方式において
   、前記単語の単位が自立語については語尾音節の母音定
   常部の位置、該位置におけるピッチ周波数およびパワー
   の情報を含めた形でデジタル音声情報として記憶し、前
   記単語の単位が付属語については母音と付属語の形で該
   母音定常部から語尾までの音声をデジタル音声情報とし
   、該デジタル音声情報とともに該母音定常部すなわち前
   記単語の単位の音声始端のピッチ周波数、パワーの情報
   を含めた形で記憶し、音声の合成の際には読み出した自
   立語と付属語のピッチ周波数とパワーとが連続的に接続
   するよう前記付属語のピッチ周波数とパワーを変更する
   ことにより単語間の接続が滑らかな合成音声を得ること
   を可能に構成したことを特徴とする音声応答方式。