JPS63285596A

JPS63285596A - 音声合成における発話速度変更方式

Info

Publication number: JPS63285596A
Application number: JP62119123A
Authority: JP
Inventors: 誠一山本; 樋口　宜男; 徹清水
Original assignee: Kokusai Denshin Denwa KK
Current assignee: KDDI Corp
Priority date: 1987-05-18
Filing date: 1987-05-18
Publication date: 1988-11-22

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、規則による音声合成方式に関し、特にかな文
字列とそれに付加されたアクセント、イントネーション
等の韻律記号列を入力することにより高品質な音声を合
成する規則による音素接続形パラメータ規則合成方式に
おける発話速度変更方式に関する。

（従来の技術）従来、規則により音声を合成する際、各音素を特徴づけ
る複数個のホルマント周波数及びホルマント帯域幅等の
特徴ベクトルと隣接音素間の音素変化を表わす特徴ベク
トル係数の時系列を蓄積し、隣接音素間の過渡部は、線
形補間法を用いて各音素の特徴ベクトルおよび特徴ベク
トル係数の線形結合によシ作成する方法等がある。これ
らの方法では前後の音素９発話速度等によシ定まる各音
素の持続時間に応じて定常部分を表示している特徴ベク
トル部分を伸縮する方法が用いられる。しかし、このよ
うな方法は発話速度が異なっても過渡部分は同じである
という粗い近似であり、これにより得られる合成音は発
話速度によっては、特に速い発話速度の場合には不自然
な感じとなるのを免れない。

（発明が解決しようとする問題点）本発明の目的は、このような従来の欠点を改善するため
、人間の大音声の分析により抽出されるホルマント周波
数等の時間的変化パターンと極めてよく一致するホルマ
ント周波数等の時間的変化パターンを人工的に発生させ
、任意の文章を種々の発話速度で高品質な音声に変換す
る規則による音声合成方式を提供することである。

（問題点を解決するための手段）本発明による規則による音声合成方式は、かな文字列若
しくはローマ字表現されたかな文字列とそれに付加され
たアクセント、イントネーション等の韻律記号列を入力
することによシ、音素持続時間、ピッチ周波数の時間的
変化パターン、ホルマント周波数及びホルマント帯域幅
の時間的変化バタ・−ン及び音源強度の時間的変化パタ
ーンを予め定めた規則を用いて決定１−１音声波形を合
成する規則による音声合成方式において、各音素のホル
マント周波数等の時間的変化パターンを、当該音素の持
続長円の２つの位置（以下、ターゲット位置という）で
の値（以下、ターゲツト値という）とそれらの間の接続
方法を規定し、それらの値を用いて逐次算出する規則に
よる音素接続形パラメータ規則合成方式である。

このような規則による音声合成方式において、発話速度
が変化すれば、ホルマント周波数等の音声合成パラメー
タのターゲット位置やターゲツト値を変化させなければ
、人間の発声プロセスの近似度が低下し、高品質の音声
を得ることは困難である。このため、発話速度が異なる
毎に、ホルマント周波数等の音声合成パラメータのター
ゲツト値やターゲット位置として異なる値を与えるよう
に、規則の数を拡張する方法がある。しかし、この方法
は規則数の増大によシ必要とするメモリが増大する欠点
及び規則選択のための処理時間が増大するという欠点が
ある。これに対し、本発明は、音素の持続時間について
その一部が伸縮するような規則を与え、その伸縮率を発
話速度によって変更することを特徴とする。

（実施例）本発明による規則による音声合成方式においては、各音
素を特徴づける音声合成パラメータとして、ホルマント
周波数、ホルマント帯域幅、音源強度等を用いており、
これらの時間的変化パターンを２つの点（ターゲット位
置）における値（ターゲツト値）とその間の接続方法を
規定し、更に、音素持続時間についても２つのターゲッ
ト位置間の伸縮を規定する方法により、発話速度の変更
に対応できるようにしている。第１図は上記の関係をホ
ルマント周波数について示した図である。

第１図において、横軸はある音素の持続時間内の相対位
置を示しており、左側の縦軸はホルマント周波数を、右
側の縦軸は時間長を示している。

１は第１ホルマントの時間的変化パターンを示している
。すなわち、ある音素の相対位置の前から２０チの所と
８０％の所をターゲット位置とし、七〇間を線形に変化
している例を示している。２は第２ホルマント、３は第
３ホルマントに関する同様の時間的変化パターンを示し
ている。４は音素の時間伸縮の例を示しておシ、音素の
持続時間の内先頭の４０％と後方の２０％の部分につい
ては時間伸縮はないが、真中の４０俤については持続時
間が１５０％伸びている例を示している。

第２図に、音声合成パラメータの時間的変化パターンす
なわち予め定めた時間間隔毎の音声合成パラメータの算
出方法を示す。第２図において、横軸はある音素の絶対
時間を示しており、上側の縦軸はホルマント周波数を、
下側の縦軸はある時間長で正規化された相対時間を示し
ている。１は第１ホルマントの相対時間に対する時間的
変化パターンを示している。２，３は各々第１ホルマン
トのターゲット、４は音素の時間伸縮を示している。ｒ
、　、　ｒ２はターゲットｌ及び２の相対位置、Ｐ＋　
＋　Ｉ）ｔはｒｌ　ｐ　”ｔからの垂線が折れ線４と交
わる点、１．　、１２はＰ＋　、ｐ２からの垂線が絶対
時間軸と交わる点であり、すなわち、ターゲットｌ及び
２の時間伸縮後の位置を示している。ｎｔｌ及びｎｔ２
は時間伸縮後の位置ｐ１．ｐ２でのターゲツト値を示し
ている。すなわち、図から明らかなように、発話速度が
ゆっくりの場合は全体の音素継続時間長が伸びると共に
、ターゲット１及び２の位置が適当にずれている。

第３図は本発明の実施態様の一例を示す構成図である。

図中１は韻律記号が付加されたかな文字列が入力される
入力端子、２はかな文字列の各音素を前後の音素や韻律
記号を参照して音韻記号に変化させる音韻記号変換回路
、３は各音韻の特徴ベクトルを４の音韻特徴ベクトルテ
ーブルから取り出すための音韻特徴ベクトル選定回路、
４は各音韻毎に持続時間長とその伸縮方法、ホルマント
周波数、ホルマント帯域幅、音源強度のターゲット位置
とターゲット値、ピッチパターン情報を記憶している音
韻特徴ベクトルテーブル、５は音韻特徴ベクトルを用い
て予め定めた時間間隔毎のホルマン４ト周波数等の音声
合成パラメータ演算回路、６はホルマント形音声合成器
、７は合成された音声波形を出力する出力端子である。

以下、図に沿ってその動作を説明する。入力端子１より
入力された韻律記号が付加されたかな文字列は、音韻記
号変換回路２によシ、各音素とそれぞれの音素に韻律記
号の付された音韻記号の列に変換される。音韻記号は３
の音韻特徴ベクトル選定回路へ入力される。音韻特徴ベ
クトル選定回路は１種のインデックスファイルであり、
入力された各音韻毎の特徴ベクトルが記憶されている音
韻特徴ベクトルテーブル４内のアドレスを各音韻毎に記
憶している。音韻特徴ベクトルテーブル４内に記憶され
ている特徴ベクトルとしては、持続時間長と、その伸縮
方法、ホルマント周波数、ホルマント帯域幅、音源強度
のターゲット位置とターゲット値、ピッチパターン情報
がある。ピッチパターン情報としては、例えば、アクセ
ント核の位置と戸車て成分の位置を使用する方法は公知
である（例えば、藤崎、須藤°：１日本語単語アクセン
トの基本周波数パターンとその生成機構モデル′。

日本音響学会誌、　２７．４４５−４５３（１９７１）
　）。これらの特徴ベクトルは音声合成パラメータ演算
回路５に入力される。音声合成パラメータ演算回路５は
これらの特徴ベクトルを用いて、予め定めた時間間隔例
えば５　ｍ　ｓｅｅ毎の音声合成パラメータを算出する
。その算出方法は、既に第２図において説明したように
、予め定めた時間間隔毎の相対位置を持続時間長の伸縮
方法に関する特徴ベクトルを用いて求める。続いて、そ
の相対位置が、今求めようとしている音声合成パラメー
タの２つのターゲット位置にはさまれるのか又は左右に
位置するのかを判定する。この判定結果に基づき、その
相対位置の左右のターゲツト値が決定され、このターゲ
ツト値を結ぶ接続方法により、その相対位置の値が一意
的に決定される。例えば、接続方法が線形接続であれば
、その相対位置と２つのターゲット位置との距離の荷重
平均がその相対位置での値となる。以上述べたように、
音声合成パラメータ演算回路５は、２つのターゲット位
置のターゲツト値を直線若しくは任意の曲線で接続する
際の予め定めた間隔毎の値を算出するものであるため、
演算機能を有するマイクロコンピュータで構成可能であ
る。なお、上記任意の曲線を表わす関数は、１つの入力
値に対してその値が一意的に定まる条件を有する曲線で
あることは当然である。　　゛音声合成パラメータ演算
回路５で求められた音声合成パラメータはホルマント形
音声合成器６に入力される。ホルマント形音声合成器６
は公知（例えば、Ｄ、Ｈ，Ｋｌａｆｆ　：　’　Ｓｏｆ
ｔｗａｒｅ　ｆｏｒ　ａ　ｃａｓｃａｄｅ／ｐａｒａｌ
ｌｅｌ　ｆｏｒｍａｎｔ　５ｙｎｔｈｅｓｉｚｅｒ　’
　、　Ｊ＋Ａｃｏｕｓｔ。

、帥、　、　６７−３　（１９８０）　’）であシ、上
記信号を用いて音声波形を合成し、出力端子７へ出力す
る。

（発明の効果）以上説明したように、本発明によれば、任意の文章を色
々な発話速度で自然性の高い音声として出力可能である
。しかも、ホルマント周波数等の音声合成パラメータに
関する規則の数は、発話速度の種類が増しても、増加し
ないため、記憶容量の増加はなく、また規則の選択過程
の複雑化による処理量の増加を防ぐことができる。

【図面の簡単な説明】

第１図は本発明の前提となる規則による音声合成システ
ムの構成原理を示した図、第２図は本発明の発話速度の
変更方法を示した図、第３図は本発明の実施例の構成を
示す因である。１・・・入力端子、２・・・音韻記号変換回路、３・・
・音韻特徴ベクトル選定回路、４・−・音韻特徴ベクト
ルテーブル、５・・・音声合成パラメータ演算回路、６
・・・音声合成器、７・・・出力端子。

Claims

【特許請求の範囲】文字列とそれに付加されたアクセント、イントネーシヨ
ンをふくむ韻律記号列を入力することにより、音素持続
時間、ピッチ周波数の時間的変化パターン、ホルマント
周波数及びホルマント帯域幅の時間的変化パターン及び
音源強度の時間的変化パターンを予め定めた規則を用い
て決定し、音声波形を合成する規則による音声合成方式
において、各音素のホルマント周波数及びホルマント帯域幅の時間
的変化パターン及び音源強度の時間的変化パターンを、
当該音素の持続時間内の２ケ所の位置とその位置での値
及びその間の遷移方法を用いて規定するテーブルと、当
該音素の持続時間の伸縮方法を規定するテーブルとを有
し、当該音素の伸縮方法を変更することにより、予め定
めた時間間隔毎のピッチ周波数、ホルマント周波数、ホ
ルマント帯域幅、及び音源強度を変更することを特徴と
する音声合成における発話速度変更方式。