KR20010071517A

KR20010071517A - 지능형 텍스트/음성 합성

Info

Publication number: KR20010071517A
Application number: KR1020007014411A
Authority: KR
Inventors: 소처구드런; 비쉬와나드모한; 멘데카아느랑
Original assignee: 존 플레이스; 야후! 인크.
Priority date: 1998-06-17
Filing date: 1999-06-14
Publication date: 2001-07-28
Also published as: JP2002518711A; KR100759581B1; WO1999066496A8; ATE336775T1; DE69932819T2; BR9911315A; BR9911315B1; EP1086450A1; DE69932819D1; WO1999066496A1; EP1086450B1; US6446040B1; AU4681699A

Abstract

본 발명은 입력된 텍스트(104)의 일부로부터 음성을 합성하기 위한 방법 및 장치에 관한 것이다. 일 실시예에 있어서, 본 발명의 방법은 컴퓨터 시스템 내에 입력된 텍스트(104)를 검색하고, 음성 합성을 위한 포맷된 텍스트(108)를 생성하기 위하여 입력된 텍스트(104)의 적어도 하나의 단어의 의미(152)에 기초하여 입력된 텍스트(104)를 변환하는 단계를 포함한다. 또 다른 실시예에 있어서, 변환은 음성 출력(118)에 대한 적어도 하나의 사용자 청취 특성에 따라 또한 달라진다. 또 다른 실시예에 있어서, 변환은 음성 출력(118)을 듣기 위해 사용자가 사용하는 하드웨어의 적어도 하나의 특성에 의해 또한 달라진다. 변환된 텍스트는 음성 출력(118)을 생성하기 위하여 텍스트/음성 엔진에 맞도록 추가적으로 수정될 수 있다.

Description

지능형 텍스트/음성 합성{INTELLIGENT TEXT-TO-SPEECH SYNTHESIS}

운전 등의 다른 일을 하는데 있어서 시각적인 주의가 요구되는 경우에는 더더욱 청취를 통해 많은 정보를 입수하게 된다. 라디오는 청취를 위한 좋은 소스이며, 사람들 중 일부는 이러한 라디오에 크게 의존하게 된다. 연구 사례에 의하면, 평균적으로 미국 내의 모든 가정은 5 대의 라디오를 보유하고 있다. 라디오는 없어서는 안 되게 되었음에도 불구하고, 라디오 방송국에서 내세우는 프로그램들 모두가 사람들이 현재 흥미를 갖고 있는 것이라고는 보기 어렵다.

예를 들어 낭독 문서 또는 오디오 문서로 된 소설 등은 현재 시판 중에 있다. 그러나, 이러한 테이프는 특정 시장 분야에서만 이용 가능하다. 예를 들어, 수명이 짧은 정보, 예컨대 뉴스, 일기 예보 또는 스포츠 경기 결과 등에 대해서는 오디오 문서를 작성하지 않는 것으로 보인다. 일부 정보, 예컨대 주식 시세 등은 매우 짧은 시간 동안에만 가치가 있기 때문에, 그러한 정보를 오디오 문서로 작성한다는 것은 상식을 벗어나는 일이라 할 것이다.

수많은 오디오 문서는 텍스트를 음성 출력으로 자동적으로 변환함으로써 만들어질 수 있다. 그러한 텍스트/음성 합성 시스템에 관한 일반적인 논의를 다음과 같은 출판물을 통해 발견할 수 있다.

1. "Multilingual Text-to-Speech Synthesis, The Bell Labs Approach": 리처드 스프롯(Richard Sproat) 저, 1998년 Kluwer Academic Publishers 간행

2. IBM ViaVoice

이러한 시스템은 일반적으로 단어에서 음성으로의 직접 변환을 수행한다. 음성 출력은 대개 자연스럽지 않으며, 실수를 야기하는 경향이 있다. 이는 이러한 시스템이 그들이 읽고 있는 것이 무엇인지를 정확히 "파악"하지 못하기 때문일 수도 있다.

무엇인가를 읽을 때에는 읽고 있는 것이 무엇인지를 고려하여야 한다. 예를 들어, 뉴스의 화제가 되는 문장을 읽고 있는 경우, 일반적으로 일부를 강조하게 된다. 그러나, 기존의 시스템에 있어서는 그들이 변환하고 있는 텍스트의 의미에 대하여 어떠한 실마리도 가지지 못하기 때문에, 동일한 속도, 톤 및 음량으로 입력된 텍스트를 변환하고 만다. 이것이 기존의 시스템의 음성 출력을 단조롭고 지루하게 하는 한가지 요인이다.

무엇인가를 읽을 때에는 청취자를 또한 고려하여야 한다. 청취자의 시각 기능이 손상된 경우에 무언가를 설명하고자 할 때에는 설명하고자 하는 대상에 대하여 더 많은 내용을 포함시켜야 한다. 또한, 무엇인가를 말하고자 할 때에는 듣기 위하여 청취자가 사용하는 하드웨어를 또한 고려하여야 한다. 예를 들어, 소음이 심한 방에서 메시지를 듣는 경우에는, 더욱 큰 소리로 말하여야 한다.

위에서 언급한 내용을 통해 알 수 있는 바와 같이, 텍스트의 내용에 민감하고, 텍스트를 듣는 사람에 민감하거나 텍스트를 듣기 위하여 청취자가 사용하는 하드웨어에 잘 맞는 지능형 텍스트/음성 합성기를 제공할 필요가 있다.

본 발명은 일반적으로 텍스트/음성 합성에 관한 것으로, 특히 지능형 텍스트/음성 합성에 관한 것이다.

도 1은 본 발명의 일 실시예를 보인 도면이다.

도 2는 본 발명에 따라 입력된 텍스트의 일부를 포맷된 텍스트로 변환하는 세 가지 방법을 보인 도면이다.

도 3은 본 발명에 따라 적어도 하나의 단어의 의미에 기초하여 입력된 텍스트의 일부를 변환하는 세 가지 방법을 보인 도면이다.

도 4는 본 발명에 따라 결정될 수 있는 음성 출력의 여러 가지 특성을 보인 도면이다.

도 1 내지 도 4에 걸쳐서 동일한 요소에는 동일한 도면 부호를 부여하였다. 도 1 내지 도 4를 참조하여 이하에서 본 발명의 실시예를 상세히 설명한다. 그러나, 이들 도면을 참조하여 이루어지는 본 발명의 실시예에 대한 상세한 설명은 본 발명을 나타내기 위한 일례에 지나지 않으며, 이에 의해 본 발명이 제한되는 것은 아니다.

본 발명은 지능적으로 텍스트로부터 음성을 합성할 수 있는 방법 및 장치를 제공한다. 본 발명에 따른 각기 다른 중요한, 그러나 이전에는 무시되었던, 요인들은 생성되는 음성을 보다 좋은 상태로 만든다. 본 발명에 따른 음성 합성기는 입력되는 텍스트의 의미를 고려할 수 있다. 예를 들어, 말을 하여야 하는 사람이 남자인 경우, 남자 목소리가 사용된다. 합성기는 입력된 텍스트를 듣는 사람의 사용자 프로파일을 고려할 수 있다. 합성기는 입력된 텍스트를 듣기 위하여 사용자가 사용하는 하드웨어에 또한 민감하게 반응할 수 있다. 따라서, 본 발명의 텍스트/음성 합성기는 시판 중에 있는 여타 합성기보다 더욱 지능적이다.

본 발명을 실시하는 방법에는 여러 가지가 있다. 일 실시예에 있어서, 합성기는 변환기, 수정기, 텍스트/음성 소프트웨어 엔진 및 음성 하드웨어를 포함한다. 변환기는 입력된 텍스트는 분석하고 그것을 포맷된 텍스트로 변환한다. 수정기는 텍스트/음성 소프트웨어 엔진의 요건에 맞도록 이 포맷된 텍스트를 수정하며, 그 출력은 음성 하드웨어로 전송되어 출력 음성을 생성하게 된다.

입력된 텍스트는 다수의 특성을 갖는다. 입력된 텍스트는 적어도 하나의 특정 패턴을 갖는 클래스에 속한다. 예를 들어, 패턴은 몇몇 유형의 기사의 가장 중요한 단락이 신문에서와 같이 첫 번째 단락 및 마지막 단락인 것일 수도 있다.

포맷된 텍스트 또한 다수의 특성을 갖는다. 포맷된 특성은 텍스트/음성 소프트웨어 엔진과는 상관이 없을 수도 있다. 예를 들어, 포맷된 텍스트는 확장할 수 있는 표시 언어(XML)로 기록된다.

일 실시예에 있어서, 포맷된 텍스트의 생성은 텍스트의 적어도 하나의 단어의 의미에 기초한다. 의미는 저자, 즉 사람에 의해 결정될 수 있다. 또 다른 방법에 따르면, 의미는 단어들을 데이터베이스에 매핑 함으로써 생성된다. 예를 들어, 단어가 회사의 이름인 경우, 데이터베이스는 회사에 관한 그 밖의 다른 정보, 예컨대 특정 시점에서의 주가를 불러 낼 수 있다. 또 다른 방법에 따르면, 의미는 추론기를 통해 생성된다. 예를 들어, 단어가 "클린턴 씨"인 경우, 추론기는 사전 저장되어 있는 규칙에 기초하여 단어가 남성을 가리키고 있다고 추정한다. 그 결과, 남성 목소리가 사용될 수 있다.

또 다른 실시예에 있어서, 포맷된 텍스트를 생성하기 위한 변환은 합성된 음성에 대한 적어도 하나의 사용자 청취 특성에 기초한다. 또 다른 실시예에 있어서, 포맷된 텍스트를 생성하기 위한 변환은 합성된 음성을 듣기 위하여 사용자가 사용하는 하드웨어의 적어도 하나의 특성에 따라 달라진다. 상기한 실시예들은 상호 혼합되거나 상호 짝을 이룰 수 있다. 예를 들어, 변환은 텍스트의 적어도 하나의 단어의 의미 및 합성된 음성에 대한 하나의 사용자 청취 특성에 기초할 수 있다.

상기한 접근 방법에 기초하여, 음성 출력의 많은 특성을 결정할 수 있다. 이러한 특성에는 목소리의 음량, 피치 및 성별과, 톤과, 하나의 단어와 그 다음 단어 사이의 대기 시간과, 단어에 대한 특수 강세가 포함될 수 있다. 이 특수 강세는 단어의 의미 자체가 아니라 의미에 기초하는 일종의 사운드일 수 있다. 만들어지는 사운드의 예로 깊은 한숨, 투덜거림이나 헐떡거림을 들 수 있다. 이들 사운드에 기초하는 표현은 많은 의미를 전달할 수 있다. 한 장의 그림이 수천 마디의 말보다 가치가 있는 것처럼, 적절한 사운드 또는 강세는 대화에서 매우 유리할 수 있는 부가적인 의미를 제공한다.

포맷된 텍스트는 텍스트/음성 소프트웨어 엔진의 요건에 맞도록 추가적으로 수정될 수 있다. 일 실시예에 있어서, 수정은 태그 작업을 통해 수행될 수 있다. 태그는 엔진에 의해 해석될 수 있는 명령어일 수 있지만, 엔진에 의해 발음되는 단어는 아니다. 수정된 텍스트는 음성 하드웨어로 전송되고, 여기서 음성 출력이 생성된다.

본 명세서에서 사용되는 언어는 대체로 읽기 쉽고 설명을 하기 쉽다는 이유로 선택된 것일 뿐, 본 발명의 요지를 서술하거나 제한하기 위하여 선택된 것은 아니다. 또한, 본 명세서에서 설명되는 특징 및 장점 등은 모든 것을 포함하는 것은 아니며, 본 발명의 다른 양상 및 장점 등을 본 발명의 원리를 예로서 보여주는 상세한 설명에 근거하여 쉽게 파악할 수 있으리라 생각된다.

도 1은 컴퓨터 시스템 내에서 본 발명을 구현하기 위한 일 실시예(100)를 보여주고 있다. 먼저 검색기(102)가 시스템 내로 사전에 입력된 텍스트(104)의 일부를 검색한다. 입력된 텍스트(104)는 기억 매체 내에 저장될 수 있다. 그런 다음, 변환기(106)가 입력된 텍스트(104)를 분석하고 이를 포맷된 텍스트(108)로 변환한다. 수정기(110)는 음성 출력(118)을 발생시키기 위하여 텍스트/음성 소프트웨어 엔진(114) 및 하드웨어 엔진(116)의 요건에 맞도록 이 포맷된 텍스트(108)를 수정한다.

입력된 텍스트(104)는 적어도 하나의 특정 특성을 갖는 클래스에 속한다. 예를 들어, 일부 신문 기사에 있어서 가장 중요한 단락은 첫 번째 단락과 마지막 단락이다. 또 다른 예로는 이하의 예 1에 도시된 바와 같은 일기 예보가 있다.

포맷된 텍스트(108)는 다수의 특성을 갖는다. 포맷된 텍스트는 텍스트/음성소프트웨어 엔진(114)과는 관계가 없을 수도 있다. 다시 말해서, 포맷된 텍스트(108)는 서로 다른 다수의 플랫폼 내에서 명확하게 실행될 수 있는 언어로 기록될 수 있다. 이 경우에, 포맷된 텍스트(108)는 텍스트/음성 소프트웨어 엔진(114)에 맞도록 수정기(110)에 의해 추가적으로 수정될 수 있다.

일 실시예에 있어서, 포맷된 텍스트(108)는 월드 와이드 웹 상에서 구조적 문서를 교환하기 위한 데이터 포맷인 확장할 수 있는 표시 언어(XML)로 기록된다. XML은 표준 문서 표시 방법이다. 태그 및 그 속성의 항목으로 이 문서를 표시하기 위하여 문법을 한정할 수 있다. XML에 대한 일반적인 설명은 웹을 통하여 발견할 수 있는데, URL이 http://www.w3.org/XML인 웹사이트에 "확장할 수 있는 표시 언어(XML)"이라는 제목의 기사가 게재되어 있다.

또 다른 실시예에 있어서, 포맷된 텍스트(108)는 태그를 포함한다. 태그는 특정 동작을 한정할 수 있고 이들 태그를 해석하는 후속 엔진에 의해 실현될 수 있다. XML 예에 기초하여, XML 허가된 브라우저는 XML 태그를 번역할 수 있고, 태그에 의해 지정된 바와 같은 적절한 동작을 수행할 수 있다. 이러한 동작에는 배경 음악, 특수 효과 음향 및 문맥에 따른 음향 등의 각기 다른 오디오 렌더링 효과가 포함될 수 있다. 예를 들어, 입력된 텍스트(1040)가 비엔나의 왈츠에 관한 것이라면, 텍스트를 읽는 동안에 요한 스트라우스의 비엔나 왈츠가 배경 음악으로서 방송될 수도 있다.

그 밖의 다른 표시 언어도 본 발명에 적용될 수 있는데, 예로서 다음과 같은 것들이 있다.

(I) 표준화된 범용 표시 언어(SGML): 1990년 옥스퍼드의 Clarendon Press에서 간행된 찰스 골드파브(Charles Goldfarb) 저 "The SGML Handbook" 참조

(II) 음성 텍스트 표시 언어(STML): 1996년 Speech Communication 21에서 간행된 폴 테일러(Paul Taylor) 및 애미 이사드(Amy Isard) 공저 "SSML: A Speech Synthesis Markup Language" 참조

(III) 텍스트/음성 합성을 위한 표시 언어: 1997년 로즈의 Proceeding of the 5th European Conference on Speech Communication and Technology에서 간행된 리처드 스프롯(Richard Sproat), 폴 테일러(Paul Taylor), 마이클 태넌블랫(Michael Tanenblatt) 및 애미 이사드(Amy Isard) 공저 "A Markup Language for Text-to-Speech Synthesis" 참조

도 2는 입력된 텍스트(104)의 일부를 포맷된 텍스트(108)로 변환하는 세 가지 방법을 보여주고 있다. 그 중 하나의 방법에 따르면, 입력된 텍스트(104)의 의미(152)가 고려된다. 합성된 음성이 일반적으로 사람의 목소리가 갖고 있는 윤택함을 결여하고 있는 이유 중 하나는 합성기가 판독되고 있는 문맥을 이해하지 못하기 때문이다. 합성기는 소스에 민감하지 못하다. 다시 말해서, 소스에 민감하게 반응하지 못한다. 누군가가 울고 있는 상황을 읽어 나가고 있다고 상상을 해보자. 그러면 누군가가 웃고 있는 상황을 읽어 나가는 것과는 다를 것이다. 동일한 방식으로 구절을 읽어 나가는 합성기는 잘못된 메시지를 전달할 수도 있다. 또 다른 방법에 따르면, 음성 출력(118)을 듣고 있는 사람이 고려된다. 이를 달성할 수 있는 한 가지 방식은 그 사람의 사용자 프로파일(154)을 구별하는 것이다. 나머지 하나의 방법에 따르면, 음성 출력(118)을 듣기 위하여 사용자가 사용하는 하드웨어가 고려된다.

도 3은 텍스트 내의 적어도 하나의 단어의 의미(152)에 기초하여 입력된 텍스트(104)의 일부를 변환하는 세 가지 방법을 보여주고 있다. 그 중 하나의 방법에 따르면, 사람(175)이 의미(152)를 결정한다. 예를 들어, 사람은 텍스트 내의 전략적인 위치에서 그가 각기 다른 단어가 어떻게 읽혀지기를 원하는지를 나타내는 정보를 입력한다. 만일 "그녀는 나를 사랑하고 있어!"라는 문장이 큰 소리로 읽혀지기를 원한다면, 포맷된 텍스트(108) 내에서 문장의 끝 부분에 적절한 명령어 문자를 삽입하면 된다. 그는 그의 선택에 따라 입력된 텍스트(104)를 변환한다.

또 다른 방법에 따르면, 변환은 변환기(106)에 의해 자동적으로 이루어진다. 이것은 키워드의 일부를 데이터베이스(177)에 매핑 함으로써 수행된다. 일 실시예에 있어서, 텍스트는 적절한 명사와 같이 텍스트 내에서 특정 단어를 식별하기 위하여 가장 먼저 분석된다. 이들 단어는 별도의 정보를 추출하기 위하여 사전에 내장되어 있는 데이터베이스(177)에 매핑 된다. 예를 들어, 적절한 명사가 마이크로소프트인 경우, 단어는 데이터베이스(177)에 매핑 되어 현재의 주가와 같은 마이크로소프트에 관한 각기 다른 정보를 보여준다.

또 다른 실시예에 있어서, 의미의 이해는 추론기(179)를 통해 수행된다. 텍스트 내의 정보에 기초하여, 추론기(179)는 적절한 동작을 결정한다. 예를 들어, 추론기(179)는 텍스트의 자연어 해석 및 통계적인 또는 규칙에 기초하는 구문 해석/이해를 수행한다. 규칙은 이 분야의 전문가에 의해 만들어질 수 있다. 통계적인 접근 방법은 트레이닝 샘플로부터 정보를 획득할 수 있다. 이러한 구문 해석/이해 기법을 통해, 단어를 해석하여 후속 동작을 결정할 수 있게 된다. 자연어 해석 및 통계적인 또는 규칙에 기초하는 구문 해석/이해를 수행하는 방법은 공지되어 있다. 따라서, 이러한 기법에 대해서는 더 이상 설명하지 않기로 한다.

도 4는 본 발명에 따라 결정할 수 있는 음성 출력(118)의 여러 가지 특성을 보여 주고 있다. 포맷된 텍스트(108)를 생성하기 위하여 이러한 결정은 입력된 텍스트(104) 내로 들어간다. 일 실시예에 있어서, 특성은 운율적 특성으로서 분류될 수 있다. 여기에는 음량(202), 피치(204) 및 톤(208)이 포함된다. 음성 출력(118)의 목소리의 다른 특징으로서 목소리의 성별(206) 및 목소리를 통해 감지되는 나이(207)가 포함된다. 하나의 단어에서 다음 단어 사이의 대기 시간(210) 또한 수정될 수 있다. 예를 들어, "완전한 침묵"이라는 어구 이후에 1초 동안 합성기에 의해 어떠한 음성도 발생되지 않게 된다.

또 다른 특성으로 단어 위에 놓이는 특수 강세(212)가 포함된다. 특수 강세는 단어의 의미에 기초하는 특정 형태의 사운드일 수 있다. 이러한 형태의 사운드의 예로 깊은 한숨, 투덜거림이나 헐떡거림이 있다. 이들 사운드에 기초하는 표현(214)은 많은 정보를 전달한다. 예를 들어, "그는 담배를 피운다"라는 문장 이후의 한숨은 담배를 피우고 있는 사람이 이완 상태에 있음을 설명할 수 있다.

결정될 수 있는 또 다른 출력은 음성 출력(118)의 그라운드 주파수(216)이다. 이것은 텍스트가 읽혀지고 있을 때의 텍스트의 일부의 기본적인 주파수 윤곽이며, 텍스트의 전체에 걸쳐서 일정한 값을 갖는 것은 아니다. 그러나, 예를 들어 음성의 일부분의 분광사진에 의해 알 수 있는 바와 같이, 통계 분석을 통해 주요 주파수 성분을 추정할 수 있다. 이러한 분석은 공지되어 있으므로, 더 이상의 상세한 설명은 생략하기로 한다.

포맷된 텍스트(108)는 텍스트/음성 소프트웨어 엔진(114)의 요건에 맞도록 추가적으로 수정된다. 일 실시예에 있어서, 수정은 태그 작업을 통해 이루어진다. 여기서, 태그는 엔진에 맞게 만들어진 명령어일 수 있지만, 엔진에 의해 발음되는 단어는 아니다. 수정된 텍스트(112)는 음성 소프트웨어 및 하드웨어로 전송되고, 여기서 음성 출력(118)이 생성된다.

또 다른 실시예에 있어서, 포맷된 텍스트(108)를 생성하기 위한 변환은 음성 출력(118)에 대한 사용자의 청취 특성에 기초한다. 이것은 사용자 프로파일(154)에 기초하여 달성될 수 있다. 예를 들어, 사용자가 회사의 사장인 경우에, 그다지 많은 시간을 가지기가 어렵다. 그런 경우에, 오직 필수적인 정보만이 전달된다. 산 호세의 오늘 온도를 알고 싶은 경우에, 합성기는 그에게 최고 온도, 최저 온도 및 평균 온도를 보여주는 대신에 오직 "산 호세의 온도는 63 도이다"는 평균 온도만을 제공한다. 또 다른 실시예에 있어서, 사용자의 청각 기능이 손상된 경우 음성 출력(118)의 음량은 더욱 커야만 한다.

또 다른 실시예에 있어서, 포맷된 텍스트를 생성하기 위한 변환은 사용자가 음성 출력(118)을 청취하기 위하여 사용하는 하드웨어 엔진(116) 또는 음성 하드웨어에 따라 결정된다. 예를 들어, 소음이 심한 방에서 누군가가 전화를 통해 출력된 소리를 듣는 경우에는 음성 출력(118)의 음량은 더욱 커야만 할 것이다. 이 예에서, 방안의 전화는 하드웨어 엔진(116)으로 간주될 수 있다.

의미(152), 사용자 프로파일(154) 및 하드웨어 엔진(116)에 기초하는 상기한 실시예는 서로 혼합되거나 짝을 이룰 수 있다. 예를 들어, 변환은 텍스트의 적어도 하나의 단어의 의미(152) 및 음성 출력(118)에 대한 사용자 청취 프로파일에 기초할 수 있다.

상기한 실시예에서는 변환기(106)와 수정기(110)가 제공되어 있다. 일 실시예에서, 입력된 텍스트(104)는 오직 변환기에 의해서만 변경된다. 포맷된 텍스트(108)는 하나의 텍스트/음성 소프트웨어 및 하드웨어 엔진(116)에 맞게 작성된다. 또 다른 실시예에 있어서, 포맷된 텍스트(108)는 텍스트/음성 소프트웨어 엔진을 필요로 함이 없이 하나의 특정 텍스트/음성 하드웨어 엔진(116)에 맞게 작성된다. 또 다른 실시예에 있어서는 음성 출력(118)을 생성하기 위하여 변환기(106)에 커플링 되는 텍스트/음성 엔진이 제공된다.

실례

다음의 두 가지 실례는 1998년 3월 11일자 웹 페이지에서 취한 것이다. 원래의 텍스트 및 XML 형태로 포맷된 텍스트가 아래에 제시되어 있다. 관련 정보는 맞춤형 해석기 및 변환기를 사용하여 웹 페이지로부터 추출된다. 최종적인 태그가 부착된 텍스트/음성 입력은 Microsoft Speech SDK에 의해 제안된 구문을 사용하여 생성한다.

첫 번째 실례는 일기 예보에 관한 것이고, 두 번째 실례는 뉴스 기사에 관한 것이다.

1.일기 예보

Source: (textual information extracted from html page

http://weather.yahoo.com/forecast/-San_Jose_CA_US_f.html)

Yahoo! Weather - San Jose ℉ or ℃

Weather : United States : California : San Jose

Today Thu Fri Sat

Sun

63°[Image] Hi 74 [Image] [Image] [Image]

[Image]

at Mostly Partly Partly

Partly

12:45pm Cloudy Lo 45 Cloudy Showers Cloudy

Cloudy

EST

Hi 68 Hi 60 Hi 64

Hi 66

<101020 30405060 708090100+ Lo 48 Lo 56 Lo 50

Lo 53

XML formatted:

<!DOCTYPE forecast http://weather.yahoo.com/...

<today temp= "63 at 12:45pm EST" type= "Mostly Cloudy", Hi= 74,

Lo=45/>

</extendedForecast>

</weather>

</forecast>

Tagged TTS input:

Weather forecast for San Jose, ＼pau=100＼California .＼pau=500＼ Today

it is Mostly Cloudy ＼wav=mcloudy.wav＼. The temperature range between

74 and 45 degrees ＼Prn=Farenheit=farenhight＼. ＼pau=500＼ Tomorrow it

will be Partly Cloudy ＼wav=pcloudy.wav＼, with temperatures between 68

and 48 degrees ＼Prn=Farenheit=farenhight＼.

Microsoft Speech SDK의 태그 세트에 맞춤형 태그 ＼wav＼가 추가되었다. ＼wav＼는 이 태그가 나타날 때마다 사운드 파일이 혼합되어야 함을 나타낸다. XML에서 태그가 달린 데이터로의 변환 규칙은 여기에 정보를 명확하게 남겨 둔다. 현재의 온도 및 확장된 기상 정보는 이 예에서는 음성으로 나타내어지지 않는다.

2.뉴스

Source: (extract from

http://dailynews.yahoo.com/headlines/top_stories/story.html?s=n/- reuters/980311/news/stories/weather_13.html)

<title> Many Without Power in Midwest; South Colder</title>

<hr>

Wednesday March 11 1:43 AM EST

</strong>

<h2> Many Without Power in Midwest; South Colder</h2>

<p>

By Andrew Stern

<p>

CHICAGO (Reuters) - Temperatures plunged Tuesday in the wake of a late winter storm that knocked out power to hundreds of thousands of people across the Midwest and triggered flooding in the Southeast.

<p>

" Several countries have declared snow emergencies, meaning people should stay off the roads, " Indiana Emergency Management spokesman Alden Taylor said. &quot: There are so many cars stranded on the roads, it's hard for plows to get through. & quot;

<p>

...

XML formatted:

<!DOCTYPE news http://dailynews.yahoo.com/headlines ...

<http://dailynews.yahoo.com/headlines?..>>

<headl> Many Without Power in Midwest; South Colder </headl>

<author> By Andrew Stern </author>

<place> Chicago </place> <agency> (Reuters) </agency> -

<main> Temperatures <stress> plunged </stress> Tuesday in the

wake of a late winter storm that knocked out power to <stress>

hundreds of thousands of people </stress> across the Midwest

<subclause> and triggered flooding in the Southeast </subclause>.

<quote male Alden-Taylor> Several countries have declared snow emergencies, <subclause> meaning people should stay off the

roads </subclause>, </quote> <subclause> Indiana Emergency

Management spokesman Alden Taylor said </subclause>.

<quote male Alden-Taylor> There are so many cars stranded on the

roads, <2ndclause> it's hard for plows to get through

</2ndclause>.</quote>

</main>

</news>

사용된 포맷 규칙: (가) 표제, 저자 등의 기사의 모든 표준 요소를 표시한다. (나) 텍스트의 구문 구조(예를 들어, 하위의 절)를 식별한다. (다) 인용문을 파악한다. (라) 사건을 강조하는 동사를 파악한다. (마) 사건의 예외적인 특성을 강조하는 어구를 표시한다.

Tagged TTS input:

＼wav=ping.wav＼＼Vce=Language=English, Gender=male, Style=Business＼

Many Without Power in Midwest; South Colder

＼pau=1000＼

＼wav=dong.wav＼Chicago＼pau=500＼-

＼Vce=Language=English, Gender=female, Style=Business＼

Temperatures ＼emp＼plunges Tuesday in the wake of a late winter storm,

＼pau=100＼ that knocked out power to ＼emp＼hundreds-of-thousands-of-

people across the Midwest, and triggered flooding in the Southeast.

＼Vce=Language=English, Accent=Midwest, Gender=male, Age=40＼

＼quot＼ Several countries have declared snow emergencies, ＼pau=100＼

meaning people should stay off the roads, ＼quot＼＼Rst＼ Indiana

Emergency Management spokesman Alden Taylor said.

＼Vce=Language=English, Accent=Midwest, Gender=male, Age=40＼

＼quot＼ There are so many cars stranded on the roads, it's hard for

plows to get through.＼quot＼＼Rst＼

이상과 같이 본 발명이 특정 실시예와 관련하여 상세히 개시되고 설명되었으나, 본 발명이 이러한 특정 실시예에 의해 제한되지는 않으며, 이하에 기재하는 청구의 범위에 의해 한정되는 본 발명의 정신 및 범주를 벗어나지 않는 한 여러 가지로 변형 및 변경이 가능하다.

Claims

입력된 텍스트의 일부로부터 음성을 합성하기 위한 방법으로서,

컴퓨터 시스템 내에 입력된 텍스트를 검색하고,

음성 합성을 위한 포맷된 텍스트를 생성하기 위하여 입력된 텍스트의 적어도 하나의 단어의 의미에 기초하여 입력된 텍스트를 변환하는 단계로 구성되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 상기 변환 단계는 입력된 텍스트를 포맷된 텍스트에 변환하는 저자에 의해 수행되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 상기 변환 단계는 데이터베이스 내의 하나 이상의 기재 사항에 적어도 하나의 단어를 매핑 함으로써 수행되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 상기 변환 단계는 적어도 하나의 단어에 기초하는 동작을 추론하는 추론기를 통해 수행되는 것을 특징으로 하는 방법.
제 1 항에 있어서,

포맷된 텍스트는 음성 출력을 생성하기 위하여 한 가지 유형 이상의 텍스트/음성 소프트웨어 엔진에 커플링 될 수 있고,

포맷된 텍스트는 텍스트/음성 소프트웨어 엔진과는 관계가 없는 것을 특징으로 하는 방법.
제 1 항에 있어서, 입력된 텍스트는 적어도 하나의 특정 패턴을 갖는 클래스에 속하는 것을 특징으로 하는 방법.
제 1 항에 있어서, 의미는 오디오 렌더링 효과를 한정하는 것을 특징으로 하는 방법.
제 1 항에 있어서, 포맷된 텍스트는 XML로 작성되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어의 음량이 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어의 피치는 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어를 발음하는 목소리의 성별은 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어를 발음하는 목소리의 감지되는 나이는 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어의 운율적 특성은 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어의 톤은 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서,

적어도 하나의 단어를 발음하고 적어도 하나의 단어 뒤의 단어를 발음할 때까지 침묵 시간이 존재하며,

상기 시간은 의미를 고려하여 결정되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어가 특수 강세로 발음되며, 이는 의미를 고려하여 선택되는 것을 특징으로 하는 방법.
제 1 항에 있어서, 합성될 때 적어도 하나의 단어는 별도의 사운드에 기초하는 표현으로 발음되며, 이는 구문에 기초하는 것이 아니라 적어도 하나의 단어의의미에 기초하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

포맷된 텍스트는 텍스트/음성 소프트웨어 엔진에 커플링 되며,

상기 방법이 텍스트/음성 소프트웨어 엔진의 하나 이상의 특성에 따라 포맷된 텍스트를 수정하는 단계를 또한 포함하는 것을 특징으로 하는 방법.
제 18 항에 있어서, 상기 수정 단계는 포맷된 텍스트에 태그를 붙이는 단계를 포함하며, 태그는 텍스트/음성 소프트웨어 엔진에 맞게 만들어진 명령어인 것을 특징으로 하는 방법.
제 1 항에 있어서, 상기 변환 단계는 합성된 음성에 대한 적어도 하나의 사용자 청취 특성에 따라 또한 달라지는 것을 특징으로 하는 방법.
제 20 항에 있어서, 적어도 하나의 특성은 사용자의 청각 기능이 손상된 것인 것을 특징으로 하는 방법.
제 20 항에 있어서, 적어도 하나의 특성은 사용자의 시각 기능이 손상된 것인 것을 특징으로 하는 방법.
제 1 항에 있어서, 상기 변환 단계는 합성된 음성을 듣기 위하여 사용자가 사용하는 음성 하드웨어의 적어도 하나의 특성에 따라 또한 달라지는 것을 특징으로 하는 방법.
입력된 텍스트의 일부로부터 음성을 합성하기 위한 컴퓨터 장치로서,

컴퓨터 장치 내에 입력된 텍스트를 검색할 수 있도록 구성된 검색기와,

텍스트/음성 엔진용으로 포맷된 텍스트를 생성하기 위하여 입력된 텍스트의 적어도 하나의 단어의 의미에 기초하여 입력된 텍스트를 변환할 수 있도록 구성된 변환기로 이루어진 것을 특징으로 하는 장치.
입력된 텍스트의 일부로부터 음성을 합성하기 위한 방법으로서,

컴퓨터 시스템 내에 입력된 텍스트를 검색하고,

텍스트/음성 소프트웨어 엔진용으로 포맷된 텍스트를 생성하기 위하여 합성된 음성에 대한 적어도 하나의 사용자 청취 특성에 기초하여 입력된 텍스트를 변환하는 단계로 구성되는 것을 특징으로 하는 방법.
제 25 항에 있어서, 상기 변환 단계는 입력된 텍스트의 적어도 하나의 단어의 의미에 따라 또한 달라지는 것을 특징으로 하는 방법.
입력된 텍스트의 일부로부터 음성을 합성하기 위한 방법으로서,

컴퓨터 시스템 내에 입력된 텍스트를 검색하고,

텍스트/음성 소프트웨어 엔진용으로 포맷된 텍스트를 생성하기 위하여 사용자가 합성된 음성을 듣기 위하여 사용하는 음성 하드웨어의 적어도 하나의 특성에 기초하여 입력된 텍스트를 변환하는 단계로 구성되는 것을 특징으로 하는 방법.
제 27 항에 있어서, 상기 변환 단계는 입력된 텍스트의 적어도 하나의 단어의 의미에 따라 또한 달라지는 것을 특징으로 하는 방법.