JPS63131191A - 規則型音声合成装置 - 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、文字列から規則に従って音声を合成する規則
型音声合成装置に関する。

（従来の技術） 人間が読むためのテキスト、例えば日本語ならば漢字仮
名混じりの文章を機械に音読させる場合には、テキスト
を解析し、読み等を表す情報を生成し、それから音声を
合成することになる。これは、音声の規則合成と呼ばれ
る。

テキストを解析する部分では、辞書や文法規則を用意し
ておき、それらを用いて読みやアクセント等の列からな
る情報（以後、音声合成情報と呼ぶ）を生成する０次に
、音声を合成する部分では、ピッチ、音素の時間長、振
幅あるいはスペクトルパラメータなどを制御する様々な
音声合成規則を用意しておき、入力された音声合成情報
に対してそれらの音声合成規則を適用することによって
音声を合成する。

まず、テキスト解析の例は、福島らによる情報処理学会
日本語文書処理研究会資料２−１１（１９８５）、「盲
人用読書器における文音声変換のための文章解析」に示
されている。この例は、漢字などを見出しとし、読みや
アクセントあるいは品詞などの＋Ｗ報を有する辞書を用
い、品詞の接続表を参照しながら入力テキストから語句
の列に変換し、その読みやアクセント等の情報と構文情
報から構成される音声合成情報を出力するものである。

次に、音声合成部の例は、三留と伏木田による日本音響
学会音声研究会資料５８５−３１（１９８５，７）、「
ホルマント、ｃｖ−ｖｃ型規則合成」に示されている。

これは、音声合成規則として、時間長規則、ピッチ規則
、ポーズ規則、パラメータ編集規則などがあり、あらか
じめ自然音声を分析して得られたＣＶ−ＶＣ（Ｃは子音
■は母音を表す）を単位とするホルマントパラメータを
編集し、それをポルマント型音声合成器に与えることで
任意の音声を合成するものである。

これらの諸規則の内パラメータ編集規則は、合成すべき
音声の音素系列に基づいてまず単位となるｃｖ−ｖｃ音
声の番号を決定し、あらかじめ用意されたｃｖ−ｖｃを
単位とするホルマントや音源振幅などのデータを１ａ集
して音声を合成する規則である。

一方、音声合成部の第二の従来例としては、三留、伏木
田、高島による、電子通信学会情報システム部門全国大
会講演論文集、Ｎｏ、　１−１３１に示された「調音素
片編集方式による音声合成システム」がある、これは、
第一の従来例と同様に、調音素片と呼ばれる単位音声を
編集して任意の音声を合成するものであるが、ホルマン
トなどのパラメータではなく、数段階のピッチレベルを
有する音声波形を編集する点が第一の例と異なる。

いずれの例も、音声合成情報に基づいて任意の日本語音
声を合成するものであり、漢字仮名混じりのテキストか
ら音声を合成するためには、前段に前述のようなテキス
ト解析部が必要である。

（発明が解決しようとする問題点） これらの例のような音声の規則合成によって明瞭な合成
音声を生成しようとすると、各音素、特に子音を強くは
っきりと合成しなければならない。

特に子音が重要な理由は、母音はもともとその継続時間
長も長くパワーも大きく、更にその種類も少ないため、
相互に紛れることが少ないのに対し、子音はパワーが小
さい上に種類も多いため、相互に紛れ易いからである。

ところが、従来の例にみられる様な音声の規則合成では
、明瞭性を向上させるために各音素、特に子音の強さを
、パワーを大きくしたり時間長を長くしたりして強調す
ると、−音一音が強くなるため滑らかさに欠け、耳障り
で不自然な合成音になり、長時間聞くと疲れるという問
題があった。

（問題点を解決するための手段） 本発明の規則型音声合成装置は、辞書を有するテキスト
解析部と音声合成規則を有する音声合成部とからなり、
テキスト解析部で生成された読みやアクセント等の列か
らなる音声合成情報に音声合成規則を適用し合成音声を
生成する規則型音声合成装置において、テキスト解析部
の辞書には、辞書中の各語句に対しその語句と読みが似
通っていて紛れ易い語句が存在するか否かを示す情報を
記憶させる領域を設け、音声合成部には、各音素や音節
あるいは語句などの音声の強さを、その紛れ易い語句の
有無を表す情報に基づいて制御する手段を設けたことを
特徴とする。

（作用） 本発明は、テキスト解析部から音声合成部に対し、従来
のように語句の読みやアクセントなどの情報の他に、合
成しようとする語句に対して紛れ易い語句が存在するか
否かという情報を送り、その情報に基づいて、音声合成
部において、子音などの強さを制御するものである。

これは、紛れ易い語句が無い場合には、聴取者は文の前
後関係や意味に基づいて判断するなめ、個々の音を強く
はっきりと合成しなくても十分に聞き取ることができる
うえに、むしろその方が滑らかで自然な音声に聞こえる
ためである。一方、紛れ易い語句が在る場合・には、そ
の語句、あるいはその識別のキーとなる音素や音節を強
くはっきりと合成しなければならない。

このとき、ある語句が他の語句と紛れ易いか否かといっ
た情報を、各語句の読みを基にあらかじめ判定しておき
、テキスト解析部の辞書に記憶させておく。

（実施例） 次に、図面を参照して本発明の詳細な説明する。

第１図は、本発明の第１の実施例のブロック図である０
図において、１０１はテキスト解析装置、１０２は辞書
、１０３は波形編集制御装置、１０４は波形データメモ
リ、１０５は乗算器である。このうち、テキスト解析装
置１０１と、辞書１０２はテキスト解析部１０６を構成
し、波形ｉ集制御装置１０３と、波形データメモリ　１
０４と、乗算器１０５とは音声合成部１０７を構成する
。

辞書１０２には、各語句の読み、アクセント、品詞など
の従来のものと同様の情報の他に、本発明の特徴である
、語句の紛れ易さの情報が記憶されており、漢字などの
見出しからそれらの情報（以後、辞書情報と呼ぶ）を読
み出せるようになっている。

テキスト解析装置１０１は、従来と同様に、信号線１１
１から入力されるテキストを解析する。即ち、辞＠１０
２に、信号＃！Ａ１１３を介して語句の候補の見出しを
送り、それに関する辞書情報を信号線１１４を介して読
み出す、それらの語句の候補の列の文法的な接続の正当
性をチェックして正しい語句を認定する。そして、その
ときの辞書情報と構文情報から音声合成情報を生成し、
信号！！１１５を介して、波形１Ｆ４集制御装置１０３
に送る。

波形編集制御装置１０３は、テキスト解析部から送られ
た音声合成情報に基づいて、単位音声名の列を生成し、
信号線１１６を介して波形データメモリ　１０４に送る
。波形データメモリ　１０４内に記憶されている各単位
音声の波形データは信号線１１８を介して乗算器１０５
に送られ、そこで振幅が調整されて信号線１１９を介し
て波形編集制御装置１０３に取り込まれる。このとき、
波形編集制御装置１０３は、音声合成情報のうちの語句
の紛れ易さの情報に基づいて乗算器の乗数を決定し、信
号線１１７を介して乗算器に送る。即ち、強める必要が
無い場合は乗数を　１．０とし、強める場合は乗数を１
゜０以上として振幅を大きくする。波形編集制御装置１
０３は、こうして強めるべき子音などの振幅を制御した
波形データを１ｉ集し、信号線１１２から出力する。

本実施例のように、あらかじめ自然音声から抽出してお
いた単位音声のデータを編集する型の装置の場合は、あ
らかじめ用意するデータそのものに、強く発声したもの
と弱く発声したものを用意しておき、それらの振幅を制
御するようにすれば、音素の強さをきめ細かく制御でき
、より自然な音声を合成することができる。

第２図は、本発明の第２の実施例のブロック図である。

図において、２０１はテキスト解析装置、２０２は辞書
で、この二つは第１の実施例におけるテキスト解析装置
１０１と辞書１０２と同様のものであり、テキスト解析
部２０７を構成する。

一方、２０３はホルマント合成制御装置、２０４は音声
合成制御規則メモリ、２０５は音源生成回路、２０６は
ホルマント音声合成フィルタであり、これらは音声合成
部２０８を構成する。

テキスト解析装置２０１は、第１の実施例と同様に、信
号線２１１から入力されるテキストを解析する。即ち、
信号線２１３を介して辞書２０２に見出しを送り、信号
線２１４を介して辞書情報を読み出し、それと構文情報
から音声合成情報を生成し、それを信号線２１５を介し
てポルマント合成制御装置２０３に送る。

音声合成部２０８では、音源生成回路２０５とホルマン
ト音声合成フィルタ２０６が、ポルマント型の音声合成
回路を構成する。即ち、ホルマント合成制御装置２０３
から信号線２１８を介して送られる制御信号に従って、
音源生成回路２０５で音源波形が生成され、信号線２１
９を経由してホルマント音声合成フィルタ２０６に送ら
れる。ホルマント音声合成フィルタ　２０６では、ホル
マント合成制御装置２０３から信号線２２０を介して送
られる制御信号に従って、その音源波形がろ波されるこ
とにより音声が合成され、信号線２１２から出力される
。

音声合成制御規則メモリ２０４には、このホルマント型
の音声合成回路、即ち音源生成回ｌｌ！　２０５とホル
マント音声合成フィルタ２０６を制御する為の音声合成
規則が記憶されており、信号線２１６を介して送られる
指示に応じた規則が信号線２１７へと出力される。

ホルマント合成制御装置２０３は、テキスト解析部２０
７から送られる音声合成情報に応じた音声合成制御規則
を、音声合成制御規則メモリ　２０４から読みだし、そ
れに基づいて音源生成回ｌ？８２０５とホルマント音声
合成フィルタ２０６を制御する。

このとき、テキスト解析部から送られた音声合成情報の
内、語句の紛れ易さの情報に応じて、音源生成回路２０
５を制御することにより、音源の振幅が調整され、はっ
きりと発声されるべき音素や語句が強く合成される。

本実施例の場合、音源の振幅ばかりでなく、ホルマント
音声合成フィルタ２０６の係数も同時に制御し、音声の
スペクトラムをも強調すれば、強めるべき音素をより明
瞭に合成することができる。

（発明の効果） 以上説明したように、本発明によれば、紛られしい語句
ははっきりと合成されるため合成音の明瞭性が高まると
同時に、全体的には滑らかで自然な合成音が得られると
いう効果がある。

【図面の簡単な説明】 第１図および第２図は、本発明の第１および第２の実施
例をそれぞれ示すブロック図である。 図において、１０１はテキスト解析装置、１０２は辞書
、１０３は波形編集制御装置、１０４は波形データメモ
リ、１０５は乗算器、１０６はテキスト解析部、１０７
は音声合成部であり、２０１はテキスト解析装置、２０
２は辞書、２０３はホルマント合成制御装置、２０４は
音声合成制御規則メモリ、２０５は音源生成回路、２０
６はホルマント音声合成フィルタ、２０７はテキスト解
析部、２０８は音声合成部である。

Claims (1)

【特許請求の範囲】
1. 辞書を有するテキスト解析部と音声合成規則を有する音
   声合成部とからなり、前記テキスト解析部で生成された
   読みやアクセント等の列からなる音声合成情報に前記音
   声合成規則を適用し合成音声を生成する規則型音声合成
   装置において、前記テキスト解析部の辞書には、この辞
   書中の各語句に対しその語句と読みが似通っていて紛れ
   易い語句が存在するか否かを示す情報を記憶させる領域
   を設け、前記音声合成部には、各音素や音節あるいは語
   句などの音声の強さを、その紛れ易い語句の有無を表す
   情報に基づいて制御する手段を設けたことを特徴とする
   規則型音声合成装置。