JP2002202789A - テキスト音声合成装置およびプログラム記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 簡単な処理で同一テキストを複数の話者に同
時に発声させる。 【解決手段】 複数音声指示器１７は、複数音声合成器
１６に対して、ピッチの変形率と混合率とを指示する。
複数音声合成器１６は、音声素片データベース１５から
読み出された音声素片データと音声素片選択器１４から
の韻律情報とに基づいて波形重畳によって標準音声信号
を生成する。さらに、上記韻律情報と複数音声指示器１
７からの指示情報とに基づいて、上記標準音声信号の時
間軸を伸縮して声の高さを変える。そして、上記標準音
声信号と伸縮音声信号とを混合して出力端子１８から出
力する。したがって、テキスト解析や韻律生成の処理を
時分割で並行して行ったり、ピッチ変換処理を後処理と
して加えることなく、同一のテキストに基づく複数話者
による同時発声を実現できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、テキストから合
成音声信号を生成するテキスト音声合成装置およびテキ
スト音声合成処理プログラムを記録したプログラム記録
媒体に関する。

【０００２】

【従来の技術】図１１は、一般的なテキスト音声合成装
置の構成を示すブロック図である。テキスト音声合成装
置は、テキスト入力端子１,テキスト解析器２,韻律生成
器３,音声素片選択器４,音声素片データベース５,音声
合成器６および出力端子７で概略構成される。

【０００３】以下、従来のテキスト音声合成装置の動作
について説明する。入力端子１から単語や文章等の日本
語の漢字仮名混じりテキスト情報(例えば、漢字「左」)が
入力されると、テキスト解析器２は、入力テキスト情報
「左」を読みの情報（例えば、「hidari」）に変換して出力
する。尚、入力テキストとしては、日本語の漢字仮名混
じりテキストに限定されるものではなく、アルファベッ
ト等の読み記号を直接入力しても差し支えない。

【０００４】上記韻律生成器３は、上記テキスト解析器
２からの読み情報「hidari」に基づいて、韻律情報(声の
高さ,大きさ,発声速度の情報)を生成する。ここで、声
の高さの情報は母音のピッチ(基本周波数)で設定され、
本例の場合においては、時間順に母音「ｉ」,「ａ」,「ｉ」の
ピッチが設定される。また、声の大きさおよび発声速度
の情報は、各音素「ｈ」,「ｉ」,「ｄ」,「ａ」,「ｒ」,「ｉ」毎に
音声波形の振幅および継続時間長で設定される。こうし
て生成された韻律情報は、読み情報「hidari」と共に音声
素片選択器４に送出される。

【０００５】そうすると、上記音声素片選択器４は、音
声素片データベース５を参照して、韻律生成器３からの
読み情報「hidari」に基づいて音声合成に必要な音声素片
データを選択する。ここで、音声合成単位としては、子
音＋母音(ＣＶ：Consonant，Vowel)の音節単位(例えば
「ｋａ」,「ｇｕ」)や、高音質化を目的に音素連鎖の過渡部
の特徴量を保持した母音＋子音＋母音(ＶＣＶ)の単位
(例えば「ａｋｉ」,「ｉｔｏ」)等が広く用いられている。
以下の説明においては、音声素片の基本単位(音声合成
単位)としてＶＣＶ単位を用いる場合について説明す
る。

【０００６】上記音声素片データベース５には、例えば
アナウンサーの発声した音声データからＶＣＶの単位で
適切に切り出された音声データを分析し、合成処理に必
要な形式に変換された波形やパラメータが、上記音声素
片データとして格納されている。ＶＣＶ音声素片を合成
単位として用いる一般的な日本語テキスト音声合成の場
合には、８００個程度のＶＣＶ音声素片データが格納さ
れている。本例のごとく読み情報「hidari」が音声素片選
択器４に入力された場合には、音声素片選択器４は、音
声素片データベース５から、ＶＣＶ素片「＊ｈｉ」,「ｉｄ
ａ」,「ａｒｉ」,「ｉ＊＊」の音声素片データを選択するの
である。尚、記号「＊」は無音を表す。こうして得られた
選択結果情報は、韻律情報と共に音声合成器６に送出さ
れる。

【０００７】最後に、上記音声合成器６は、入力された
選択結果情報に基づいて音声素片データベース５から該
当する音声素片データを読み出す。そして、入力された
韻律情報と上記得られた音声素片データとに基づいて、
韻律情報に従って声の高さや大きさや発声速度を制御し
ながら、上記選択されたＶＣＶ音声素片の系列を母音区
間で滑らかに接続して、出力端子７から出力するのであ
る。ここで、上記音声合成器６には、一般に波形重畳方
式と呼ばれる手法(例えば、特開昭６０‐２１０９８号
公報)や、一般にボコーダー方式またはホルマント合成
方式と呼ばれる手法(例えば、「音声情報処理の基礎」オ
ーム社Ｐ７６‐７７)が広く用いられている。

【０００８】上記テキスト音声合成装置は、声の高さや
音声素片データベースを変更することによって、声質
(話者)を増やすことができる。また、上記音声合成器６
からの出力音声信号に対して別途信号処理を行うことに
よって、エコー等の音響効果を施すことも行われてい
る。さらに、音声合成器６からの出力音声信号に対して
カラオケ等にも応用されているピッチ変換処理を施し、
元々の合成音声信号とピッチ変換音声信号とを組み合わ
せて複数話者の同時発声を行うことが提案されている
(例えば、特開平３‐２１１５９７号公報)。また、上記
テキスト音声合成装置におけるテキスト解析器２および
韻律生成器３を時分割で駆動すると共に、音声合成器６
等によって構成される音声出力部を複数設けることによ
って、複数のテキストに対する複数の音声を同時に出力
する装置も提案されている(例えば、特開平６‐７５５
９４号公報)。

【０００９】

【発明が解決しようとする課題】しかしながら、上記従
来のテキスト音声合成装置においては、音声素片データ
ベースを変更することによって、指定したテキストを種
々の話者に切り替えて発声することは可能ではある。と
ころが、例えば、同一内容を複数人で同時に発声させる
ことは不可能であるという問題がある。

【００１０】また、上記特開平６‐７５５９４号公報に
開示されているように、上記テキスト音声合成装置にお
けるテキスト解析器２および韻律生成器３を時分割で駆
動すると共に、上記音声出力部を複数設けることによっ
て、複数の合成音声を同時に出力することができる。し
かしながら、時分割で前処理を行う必要があり、装置が
複雑化すると言う問題がある。

【００１１】また、上記特開平３‐２１１５９７号公報
に開示されているように、上記音声合成器６からの出力
音声信号に対してピッチ変換処理を施して、標準の合成
音声信号とピッチ変換音声信号とによって複数話者を同
時発声させることができる。しかしながら、上記ピッチ
変換処理には、一般にピッチ抽出と言われる処理量の大
きい処理が必要であり、そのような装置構成では処理量
が多くなると共にコストの増加も大きいと言う問題があ
る。

【００１２】そこで、この発明の目的は、より簡単な処
理で同一テキストを複数の話者に同時に発声させること
が可能なテキスト音声合成装置、および、テキスト音声
合成処理プログラムを記録したプログラム記録媒体を提
供することにある。

【００１３】

【課題を解決するための手段】上記目的を達成するた
め、第１の発明は、入力されたテキスト情報の読み及び
品詞情報に基づいて音声素片データベースから必要な音
声素片情報を選択し,この選択された音声素片情報に基
づいて音声信号を生成するテキスト音声合成装置におい
て、上記入力テキスト情報を解析して読みおよび品詞情
報を得るテキスト解析手段と、上記読みおよび品詞情報
に基づいて韻律情報を生成する韻律生成手段と、同一の
入力テキストに対する複数音声の同時発声を指示する複
数音声指示手段と、上記複数音声指示手段からの指示を
受け,上記韻律生成手段からの韻律情報と上記音声素片
データベースから選択された音声素片情報とに基づい
て,複数の合成音声信号を生成する複数音声合成手段を
備えたことを特徴としている。

【００１４】上記構成によれば、一つのテキスト情報か
らテキスト解析手段および韻律生成手段によって読みお
よび韻律情報が生成される。そして、複数音声指示手段
からの指示に従って、複数音声合成手段によって、上記
一つのテキスト情報から生成された韻律情報と音声素片
データベースから選択された音声素片情報とに基づいて
複数の合成音声信号が生成される。したがって、同一の
入力テキストに基づく複数音声の同時発声が、テキスト
解析手段および韻律生成手段の時分割処理やピッチ変換
処理の追加等を行うことなく簡単な処理で行われる。

【００１５】また、第１の実施例は、上記複数音声合成
手段を、上記音声素片情報と韻律情報とに基づいて,波
形重畳法によって音声信号を生成する波形重畳手段と、
上記韻律情報と上記複数音声指示手段からの指示情報と
に基づいて,上記波形重畳手段によって生成された音声
信号の波形の時間軸を伸縮して声の高さが異なる音声信
号を生成する波形伸縮手段と、上記波形重畳手段からの
音声信号と上記波形伸縮手段からの音声信号とを混合す
る混合手段を備えるように成したことを特徴としてい
る。

【００１６】この実施例によれば、波形重畳手段によっ
て、標準の音声信号が生成される。一方、波形伸縮手段
によって、上記標準の音声信号の波形の時間軸が伸縮さ
れて伸縮音声信号が生成される。そして、混合手段によ
って、上記標準の音声信号と伸縮音声信号とが混合され
る。こうして、例えば、同一の入力テキストに基づく男
性の音声と女性の音声とが、同時に発声される。

【００１７】また、第２の実施例は、上記複数音声合成
手段を、上記音声素片情報と韻律情報とに基づいて,波
形重畳法によって音声信号を生成する第１波形重畳手段
と、上記音声素片情報と韻律情報と上記複数音声指示手
段からの指示情報とに基づいて,上記第１波形重畳手段
とは異なる基本周期で,上記波形重畳法によって音声信
号を生成する第２波形重畳手段と、上記第１波形重畳手
段からの音声信号と上記第２波形重畳手段からの音声信
号とを混合する混合手段を備えるように成したことを特
徴としている。

【００１８】この実施例によれば、第１波形重畳手段に
よって、上記音声素片に基づいて第１の音声信号が生成
される。一方、第２波形重畳手段によって、上記音声素
片に基づいて上記第１の音声信号とは基本周期のみが異
なる第２の音声信号が生成される。そして、混合手段に
よって、上記第１の音声信号と第２の音声信号とが混合
される。こうして、例えば、同一の入力テキストに基づ
く男性の音声と男性の更に高音の音声とが、同時に発声
される。

【００１９】さらに、上記第１波形重畳手段と第２波形
重畳手段との基本構成は同じであるため、１つの波形重
畳手段を時分割によって上記第１波形重畳手段と第２波
形重畳手段として動作させることが可能であり、構成を
簡単にして低コスト化を図ることが可能になる。

【００２０】また、第３の実施例は、上記複数音声合成
手段を、上記音声素片情報と韻律情報とに基づいて,波
形重畳法によって音声信号を生成する第１波形重畳手段
と、上記音声素片データベースとしての第１音声素片デ
ータベースとは異なる音声素片情報が格納された第２音
声素片データベースと、上記第２音声素片データベース
から選択された音声素片情報と,上記韻律情報と,上記複
数音声指示手段からの指示情報とに基づいて,上記波形
重畳法によって音声信号を生成する第２波形重畳手段
と、上記第１波形重畳手段からの音声信号と上記第２波
形重畳手段からの音声信号とを混合する混合手段を備え
るように成したことを特徴としている。

【００２１】この実施例によれば、例えば、第１音声素
片データベースに男性用の音声素片情報を格納する一
方、第２音声素片データベースに女性用の音声素片情報
を格納しておけば、上記第２波形重畳手段は上記第２音
声素片データベースから選択された音声素片情報を用い
ることによって、同一の入力テキストに基づく男性の音
声と女性の音声とが、同時に発声される。

【００２２】また、第４の実施例は、上記複数音声合成
手段を、上記音声素片と韻律情報とに基づいて,波形重
畳法によって音声信号を生成する波形重畳手段と、上記
韻律情報と上記複数音声指示手段からの指示情報とに基
づいて上記音声素片の波形の時間軸を伸縮し,上記波形
重畳法によって音声信号を生成する波形伸縮重畳手段
と、上記波形重畳手段からの音声信号と上記波形伸縮重
畳手段からの音声信号とを混合する混合手段を備えるよ
うに成したことを特徴としている。

【００２３】この実施例によれば、波形重畳手段によっ
て、上記音声素片が用いられて標準の音声信号が生成さ
れる。一方、波形伸縮重畳手段によって、上記音声素片
の波形の時間軸が伸縮されて、上記標準の音声信号とは
ピッチが異なり且つ周波数スペクトルが変形された音声
信号が生成される。そして、混合手段によって、上記両
音声信号が混合される。こうして、例えば、同一の入力
テキストに基づく男性の音声と女性の音声とが、同時に
発声される。

【００２４】また、第５の実施例は、上記複数音声合成
手段を、上記韻律情報に基づいて,第１励振波形を生成
する第１励振波形生成手段と、上記韻律情報と上記複数
音声指示手段からの指示情報とに基づいて,上記第１励
振波形とは周波数が異なる第２励振波形を生成する第２
励振波形生成手段と、上記第１励振波形と第２励振波形
とを混合する混合手段と、上記音声素片情報に含まれて
いる声道調音特性パラメータを取得し,この声道調音特
性パラメータを用いて,上記混合された励振波形に基づ
いて合成音声信号を生成する合成フィルタを備えるよう
に成したことを特徴としている。

【００２５】この実施例によれば、第１励振波形生成手
段によって生成された第１励振波形と第２励振波形生成
手段によって生成された上記第１励振波形とは周波数が
異なる第２励振波形との混合励振波形が、混合手段によ
って生成される。そして、この混合励振波形に基づい
て、上記選択された音声素片情報に含まれる声道調音特
性パラメータによって声道調音特性が設定された合成フ
ィルタによって、合成音声が生成される。こうして、例
えば、同一の入力テキストに基づく複数の声の高さの音
声が、同時に発声される。

【００２６】また、第６の実施例は、上記波形伸縮手
段,第２波形重畳手段,波形伸縮重畳手段あるいは第２励
振波形生成手段を、複数設けたことを特徴としている。

【００２７】この実施例によれば、同一の入力テキスト
に基づいて同時発声させる際の人数を３人以上に増加で
き、バラエティーに富んだテキスト合成音声が生成され
る。

【００２８】また、第７の実施例は、上記混合手段を、
上記複数音声指示手段からの指示情報に基づく混合率で
上記混合を行うように成したことを特徴としている。

【００２９】この実施例によれば、同一の入力テキスト
に基づいて同時発声させる複数の人夫々に遠近感を持た
せたりして、種々の場面に応じた複数人による同時発声
が可能になる。

【００３０】また、第２の発明のプログラム記録媒体
は、コンピュータを、上記第１の発明におけるテキスト
解析手段,韻律生成手段,複数音声指示手段および複数音
声合成手段として機能させるテキスト音声合成処理プロ
グラムが記録されたことを特徴としている。

【００３１】上記構成によれば、上記第１の発明の場合
と同様に、同一の入力テキストに基づく複数音声の同時
発声が、テキスト解析手段および韻律生成手段の分割処
理やピッチ変換処理の追加等を行うことなく簡単な処理
で行われる。

【００３２】

【発明の実施の形態】以下、この発明を図示の実施の形
態により詳細に説明する。 ＜第１実施の形態＞図１は、本実施の形態のテキスト音
声合成装置におけるブロック図である。本テキスト音声
合成装置は、テキスト入力端子１１,テキスト解析器１
２,韻律生成器１３,音声素片選択器１４,音声素片デー
タベース１５,複数音声合成器１６,複数音声指示器１７
および出力端子１８で概略構成される。

【００３３】上記テキスト入力端子１１,テキスト解析
器１２,韻律生成器１３,音声素片選択器１４,音声素片
データベース１５および出力端子１８は、図１１に示す
従来のテキスト音声合成装置におけるテキスト入力端子
１,テキスト解析器２,韻律生成器３,音声素片選択器４,
音声素片データベース５および出力端子７と同様であ
る。すなわち、入力端子１１から入力されたテキスト情
報は、テキスト解析器１２によって読みの情報に変換さ
れる。そして、韻律生成器１３によって上記読み情報に
基づいて韻律情報が生成され、音声素片選択器１４によ
って、音声素片データベース１５から上記読み情報に基
づいてＶＣＶ音声素片が選択され、選択結果情報が韻律
情報と共に複数音声合成器１６に送出されるのである。

【００３４】上記複数音声指示器１７は、上記複数音声
合成器１６に対してどのような複数の音声を同時に発声
するのかを指示する。そうすると、複数音声合成器１６
は、複数音声指示器１７からの指示に従って複数の音声
信号を同時に合成するのである。そうすることによっ
て、同一の入力テキストに基づいて複数の話者によって
同時に発声させることができるのである。例えば、「い
らっしゃいませ」という発声を、男声と女声との２名の
話者で同時に行うことが可能になるのである。

【００３５】上記複数音声指示器１７は、上述したよう
に、上記複数音声合成器１６に対して、どのような複数
の声で発声させるかを指示する。その場合の指示の例と
しては、通常の合成音声に対するピッチの変化率と、ピ
ッチを変化させた音声信号の混合率とを指定する方法が
ある。例えば「１オクターブ上の音声信号を、振幅を半
分にして混合する」という指定である。尚、上述の例で
は、２つの音声を同時に発声させる例で説明している
が、処理量やデータベースのサイズの増加は生じるもの
の、３つ以上の音声の同時発声にも容易に拡張できる。

【００３６】上記複数音声合成器１６は、上記複数音声
指示器１７からの指示に従って、複数の音声を同時に発
声させる処理を行う。後に説明するように、この複数音
声合成器１６は図１１に示す１つの音声を発声させる従
来のテキスト音声合成装置における音声合成器６の処理
を部分的に拡充して実現することができる。したがっ
て、上記特開平３‐２１１５９７号公報の場合のように
ピッチ変換処理を後処理として加える構成に比べて、複
数音声生成の処理量の増加を少なく抑えることができる
のである。

【００３７】以下、上記複数音声合成器１６の構成およ
び動作について具体的に説明する。図２は、複数音声合
成器１６の構成の一例を示すブロック図である。図２に
おいて、複数音声合成器１６は、波形重畳器２１,波形
伸縮器２２および混合器２３から構成される。上記波形
重畳器２１は、音声素片選択器１４によって選択された
音声素片データを読み出し、この音声素片データと音声
素片選択器１４からの韻律情報とに基づいて、波形重畳
によって音声信号を生成する。そして、生成された音声
信号は、波形伸縮器２２と混合器２３とに送出される。
そうすると、波形伸縮器２２は、音声素片選択器１４か
らの韻律情報と複数音声指示器１７からの上記指示とに
基づいて、波形重畳器２１からの音声信号の波形の時間
軸を伸縮して声の高さを変える。そして、伸縮後の音声
信号が混合器２３に送出される。混合器２３は、波形重
畳器２１からの標準の音声信号と波形伸縮器２２からの
伸縮後の音声信号との二つの音声信号を混合して、出力
端子１８に出力するのである。

【００３８】上記構成において、上記波形重畳器２１で
合成音を生成する処理としては、例えば、特開昭６０‐
２１０９８号公報に開示されている波形重畳方式を用い
ている。この波形重畳方式においては、音声素片データ
ベース１５内に音声素片を基本周期単位の波形として記
憶している。そして、波形重畳器２１は、この波形を指
定のピッチに応じた時間間隔で繰り返し生成することに
よって音声信号を生成するのである。波形重畳の処理と
して種々の実現方法が開発されているが、例えば繰り返
す時間間隔が音声素片の基本周波数より長い場合は不足
している部分に０のデータを埋め、逆に短い場合は波形
の終端が急峻に変化しないように適当に窓掛け処理を行
った後に処理を打ち切る方法等がある。

【００３９】次に、上記波形伸縮器２２によって行われ
る上記波形重畳方式で生成された標準の音声信号による
声の高さを変える処理について説明する。ここで、声の
高さを変える処理は、上記特開平３‐２１１５９７号公
報等に開示された従来の技術においてはテキスト音声合
成の出力信号に対して行うため、ピッチ抽出処理が必要
である。これに対して、本実施の形態においては、複数
音声合成器１６に入力される韻律情報に含まれるピッチ
情報を用いるために、ピッチ抽出処理を省くことができ
効率的に実現できるのである。

【００４０】図３は、本実施の形態における上記複数音
声合成器１６の各部で生成される音声信号波形を示す。
以下、図３に従って、声の高さを変える処理について説
明する。図３(a)は、波形重畳器２１によって上記波形
重畳方式で生成された母音区間の音声波形である。波形
伸縮器２２は、音声素片選択器１４からの韻律情報の１
つであるピッチと、複数音声指示器１７から指示された
ピッチ変化率の情報とに基づいて、波形重畳器２１で生
成された図３(a)の音声波形を基本周期Ａ毎に波形伸縮
する。その結果、図３(b)に示すように、全体が時間軸
方向に伸縮された音声波形が得られる。その際に、上記
伸縮によって全体の時間長が変化しないように、ピッチ
を高くする場合には適当に基本周期単位の波形を多く繰
り返し、逆にピッチを低くする場合には間引くようにす
る。図３(b)の場合には基本周期を狭めた波形に縮めて
いるので、図３(a)の音声波形に比べピッチが高くな
り、周波数スペクトルも高域に伸張された信号となる。
効果を分かり易く例で説明すると、上記標準の音声信号
としての男声の合成音声信号に基づいて、波形伸縮器２
２によって上記伸縮された音声信号としての女声の合成
音声信号が作成されたことになるのである。

【００４１】次に、上記混合器２３は、上記複数音声指
示器１７から与えられる混合率に従って、波形重畳器２
１で生成された図３(a)の音声波形と波形伸縮器２２で
生成された図３(b)の音声波形との２つの音声波形を混
合する。図３(c)に混合された結果の音声波形の一例を
示す。こうして、同一のテキストに基づいて二人の話者
による同時発声が実現されるのである。

【００４２】上述したごとく、本実施の形態において
は、上記複数音声合成器１６と複数音声指示器１７とを
有している。さらに、複数音声合成器１６を波形重畳器
２１,波形伸縮器２２および混合器２３で構成してい
る。そして、複数音声指示器１７によって、複数音声合
成器１６に対して、標準の合成音声信号に対するピッチ
の変化率(ピッチ変化率)と、ピッチを変化させた音声信
号の混合率とを指示する。

【００４３】そうすると、上記波形重畳器２１は、音声
素片データベース１５から読み出された音声素片データ
と音声素片選択器１４からの韻律情報に基づいて、波形
重畳によって標準音声信号を生成する。一方、波形伸縮
器２２は、音声素片選択器１４からの韻律情報と複数音
声指示器１７からの上記指示とに基づいて、上記標準の
音声信号の波形の時間軸を伸縮して声の高さを変える。
そして、混合器２３によって、波形重畳器２１からの標
準の音声信号と波形伸縮器２２からの伸縮音声信号とを
混合して、出力端子１８に出力するようにしている。

【００４４】したがって、上記テキスト解析器１２およ
び韻律生成器１３は、時分割処理を行うことなく１つの
入力テキスト情報に対してテキスト解析処理と韻律生成
処理とを行えばよい。また、複数音声合成器１６の後処
理として、ピッチ変換処理を加える必要もない。すなわ
ち、本実施の形態によれば、同一のテキストに基づく複
数話者による合成音声の同時発声を、より簡単な処理
で、より簡単な装置で実現することができるのである。

【００４５】＜第２実施の形態＞以下、上記複数音声合
成器１６の他の実施の形態について説明する。図４は、
本実施の形態における複数音声合成器１６の構成を示す
ブロック図である。本複数音声合成器１６は、第１波形
重畳器２５,第２波形重畳器２６および混合器２７で構
成されている。第１波形重畳器２５は、音声素片データ
ベース１５から読み出された音声素片データと音声素片
選択器１４からの韻律情報とに基づいて、上記波形重畳
によって音声信号を生成して混合器２７に送出する。一
方、第２波形重畳器２６は、音声素片選択器１４からの
韻律情報の１つであるピッチを複数音声指示器１７から
指示されたピッチ変化率に基づいて変更する。そして、
第１波形重畳器２５が用いた音声素片データと同一の音
声素片データと上記変更後のピッチとに基づいて、上記
波形重畳によって音声信号を生成する。そして、生成し
た音声信号を混合器２７に送出するのである。混合器２
７は、第１波形重畳器２５からの標準の音声信号と第２
波形重畳器２６からの音声信号との二つの音声信号を、
複数音声指示器１７からの混合率に従って混合して出力
端子１８に出力するのである。

【００４６】尚、上記第１波形重畳器２５による合成音
声生成処理は、上記第１実施の形態における波形重畳器
２１の場合と同じである。また、上記第２波形重畳器２
６による合成音声生成処理も、複数音声指示器１７から
のピッチ変化率の指示に従ってピッチを変更する点を除
けば、波形重畳器２１の場合と同じ通常の波形重畳処理
である。したがって、上記第１実施の形態における複数
音声合成器１６の場合には、波形重畳器２１とは構成を
異にする波形伸縮器２２を有しているため、指定の基本
周期に波形を伸縮する処理が別途必要であるのに対し
て、本実施の形態においては、基本の機能が同じ二つの
波形重畳器２５,２６を用いるので、実際の構成におい
ては、第１波形重畳器２５を時分割処理で２回使用する
ことによって第２波形重畳器２６を削除することも可能
であり、構成を簡単にしてコストを低減することも可能
なのである。

【００４７】図５は、本実施の形態における各部で生成
される音声信号波形を示す。以下、図５に従って音声信
号生成処理について説明する。図５(a)は、第１波形重
畳器２５によって標準の波形重畳方式で生成された母音
区間の音声波形である。図５(b)は、第２波形重畳器２
６によって、複数音声指示器１７から指示されたピッチ
変化率に基づいて変更したピッチを用いて、標準のピッ
チとは異なるピッチで生成された音声波形である。この
例では通常より高いピッチの音声信号が生成されてい
る。尚、図５(b)から分かるように、第２波形重畳器２
６によって生成された音声信号は、図５(a)の音声波形
に対してピッチは変化しているが波形伸縮は行われない
ので、周波数スペクトルは第１波形重畳器２５による標
準の音声波形と同じである。効果を分かり易く例で説明
すると、上記標準の音声信号としての男声の合成音声信
号に基づいて、第２重畳器２６によってピッチを高めた
男声の合成音声信号が作成されたことになるのである。

【００４８】次に、上記混合器２７は、上記複数音声指
示器１７から与えられる混合率に従って、第１波形重畳
器２５で生成された図５(a)の音声波形と第２波形重畳
器２６で生成された図５(b)の音声波形との２つの音声
波形を混合する。図５(c)に混合された結果の音声波形
の一例を示す。こうして、同一のテキストに基づいて二
人の話者による同時発声が実現されるのである。

【００４９】上述したごとく、本実施の形態において
は、上記複数音声合成器１６を第１波形重畳器２５,第
２波形重畳器２６および混合器２７で構成している。そ
して、第１波形重畳器２５によって、音声素片データベ
ース１５から読み出された音声素片データに基づいて標
準の音声信号を生成する。一方、第２波形重畳器２６に
よって、音声素片選択器１４からのピッチを複数音声指
示器１７からのピッチ変化率に基づいて変更したピッチ
を用いて、上記音声素片データに基づいて上記波形重畳
によって音声信号を生成する。そして、混合器２７によ
って、両波形重畳器２５,２６からの二つの音声信号を
混合して、出力端子１８に出力するようにしている。し
たがって、同一のテキストに基づいて二人の話者による
同時発声を簡単な処理で行うことができるのである。

【００５０】また、本実施の形態によれば、基本の機能
が同じ二つの波形重畳器２５,２６を用いるので、第１
波形重畳器２５を時分割処理で２回使用することによっ
て第２波形重畳器２６を削除することも可能であり、上
記第１実施の形態に比して、構成を簡単にしてコスト低
減を図ることが可能になる。

【００５１】＜第３実施の形態＞図６は、本実施の形態
における複数音声合成器１６の構成を示すブロック図で
ある。本複数音声合成器１６は、波形重畳器３１,波形
伸縮重畳器３２及び混合器３３で構成されている。波形
重畳器３１は、音声素片データベース１５から読み出さ
れた音声素片データと音声素片選択器１４からの韻律情
報とに基づいて、上記波形重畳によって音声信号を生成
して混合器３３に送出する。一方、波形伸縮重畳器３２
は、音声素片データベース１５から読み出された波形重
畳器３１が用いた音声素片データと同じ音声素片の波形
を、複数音声指示器１７から指示されたピッチ変化率に
基づいて指定のピッチに応じた時間間隔に伸縮して繰り
返し生成することによって音声信号を生成する。その場
合における上記伸縮の方法としては、線形補間等があ
る。すなわち、本実施の形態においては、波形重畳器自
体に波形伸縮機能を持たせて波形重畳の処理過程におい
て音声素片の波形を伸縮するのである。

【００５２】こうして生成された音声信号は混合器３３
に送出される。そうすると、混合器２８は、波形重畳器
３１からの標準の音声信号と波形伸縮重畳器３２からの
伸縮音声信号との二つの音声信号を、複数音声指示器１
７から与えられた混合率に従って混合し、出力端子１８
に出力するのである。

【００５３】本実施の形態の複数音声合成器１６におけ
る上記波形重畳器３１,波形伸縮重畳器３２および混合
器３３よって生成される音声信号の波形は、図３と同様
である。尚、上記第２実施の形態における第２波形重畳
器２６から出力される音声信号もピッチは変化している
が、周波数スペクトルは変化していないので、声質的に
は似ている複数の声が出力される。これに対して、本実
施の形態における波形伸縮重畳器３２から出力される音
声信号は、周波数スペクトルも変化されているのであ
る。

【００５４】＜第４実施の形態＞図７は、本実施の形態
における複数音声合成器１６の構成を示すブロック図で
ある。本複数音声合成器１６は、第２実施の形態の場合
と同様に、第１波形重畳器３５,第２波形重畳器３６お
よび混合器３７で構成されている。さらに、本実施の形
態においては、第２波形重畳器３６が専用に用いる音声
素片データベースを、第１波形重畳器３５が用いる音声
素片データベース１５と独立して設けている。以下、第
１波形重畳器３５が用いる音声素片データベース１５を
第１音声素片データと称する一方、第２波形重畳器３６
が用いる音声素片データベースを第２音声素片データベ
ース３８と称する。

【００５５】上記第１実施の形態〜第３実施の形態にお
いては、ある―人の話者の声から作成された音声素片デ
ータベース１５のみを用いているが。本実施の形態にお
いては、音声素片データベース１５とは別の話者から作
成された第２音声素片データベース３８を備えて、第２
波形重畳器３６によって用いられるのである。この発明
の場合には、元々異なる声質の２種類の音声データベー
ス１５,３８を用いるので、上記各実施の形態以上にバ
リエーションに富んだ複数の音質の同時発声が可能にな
る。

【００５６】尚、この場合には、上記複数音声指示器１
７からは、複数の音声素片データベースを用いて複数の
音声合成を行う指定が出力される。例えば「通常の合成
音声の生成には男性話者のデータを用い、もう―つの合
成音声の生成には別途女性話者のデータベースを用い
て、二つを同比率で混合する」という指定である。

【００５７】図８は、本実施の形態における上記複数音
声合成器１６の各部によって生成される音声信号波形を
示す。以下、図８に従って音声信号生成処理について説
明する。図８(a)は、第１音声素片データベース１５を
用いて第１波形重畳器３５によって生成された標準音声
波形である。また、図８(b)は、第２音声素片データベ
ース３８を用いて第２波形重畳器３６によって生成され
た標準音声波形よりもピッチが高い音声信号波形であ
る。また、図８(c)は、上記２つの音声波形を混合した
音声波形である。尚、この場合、第１音声素片データベ
ース１５を男性話者から作成する一方、第２音声素片デ
ータベース３８を女性話者から作成しておけば、第２波
形重畳器３６において波形の伸縮処理は行わずに女性の
音声を生成できるのである。

【００５８】＜第５実施の形態＞図９は、本実施の形態
における複数音声合成器１６の構成を示すブロック図で
ある。本複数音声合成器１６は、第１励振波形生成器４
１,第２励振波形生成器４２,混合器４３および合成フィ
ルタ４４で構成されている。第１励振波形生成器４１
は、音声素片選択器１４からの韻律情報の１つのピッチ
に基づいて標準の励振波形を生成する。また、第２励振
波形生成器４２は、上記ピッチを複数音声指示器１７か
ら指示されたピッチ変化率に基づいて変更する。そし
て、この変更後のピッチに基づいて励振波形を生成す
る。また、混合器４３は、第１,第２励振波形生成器４
１,４２からの２つの励振波形を、複数音声指示器１７
からの混合率に従って混合して混合励振波形を生成す
る。また、合成フィルタ４４は、音声素片データベース
１５からの音声素片データに含まれている声道調音特性
を表現するパラメータを取得する。そして、この声道調
音特性パラメータを用いて、上記混合励振波形に基づい
て音声信号を生成する。

【００５９】すなわち、本複数音声合成器１６は、ボコ
ーダー方式による音声合成処理を行うものであり、母音
等の有声区間ではピッチに応じた時間間隔のパルス列で
成る一方、摩擦性の子音等の無声区間では白色雑音で成
る励振波形を生成する。そして、その励振波形を、選択
された音声素片に応じた声道調音特性を与える合成フィ
ルタを通すことによって合成音声信号を生成するのであ
る。

【００６０】図１０は、本実施の形態における上記複数
音声合成器１６の各部によって生成される音声信号波形
を示す。以下、図１０に従って、本実施の形態における
音声信号生成処理について説明する。図１０(a)は、第
１励振波形生成器４１によって生成された標準の励振波
形である。また、図１０(b)は、第２励振波形生成器４
２によって生成された励振波形である。この例の場合に
は、複数音声指定器１７から指示されたピッチ変化率に
基づいて、音声素片選択器１４からのピッチを変更した
通常のピッチより高いピッチで生成されている。混合器
４３は、複数音声指示器１７からの混合率に従って上記
２つの励振波形を混合し、図１０(c)に示すような混合
された励振波形を生成する。図１０(d)は、この混合励
振波形を合成フィルタ４４に入力して得られた音声信号
である。

【００６１】上記各実施の形態における音声素片データ
ベース１５,３８には波形重畳用の音声素片の波形デー
タが記憶されている。これに対して、本実施の形態にお
けるボコーダー方式用の上記音声素片データベース１５
には、各音声素片毎に声道調音特性パラメータ(例え
ば、線形予測パラメータ)のデータが記憶されている。

【００６２】上述したごとく、本実施の形態において
は、上記複数音声合成器１６を第１励振波形生成器４
１,第２励振波形生成器４２,混合器４３および合成フィ
ルタ４４で構成している。そして、第１励振波形生成器
４１によって標準の励振波形を生成する。一方、第２励
振波形生成器４２によって、音声素片選択器１４からの
ピッチを複数音声指示器１７からのピッチ変化率に基づ
いて変更したピッチを用いて励振波形を生成する。そし
て、混合器４３によって、両励振波形生成器４１,４２
からの二つの励振波形を混合し、上記選択された音声素
片に応じた声道調音特性に設定された合成フィルタ４４
を通すことによって合成音声信号を生成するようにして
いる。

【００６３】したがって、本実施の形態によれば、上記
テキスト解析処理および韻律生成処理を時分割で行った
り、ピッチ変換処理を後処理として加えることなく、同
一のテキストに基づく複数話者による合成音声の同時発
声を簡単な処理で実現することができるのである。

【００６４】尚、上記各実施の形態においては、摩擦性
の子音等の無声区間に関しては上述の処理は行わず、一
人の話者の合成音声信号のみを生成するようにしてい
る。つまり、二人が同時に発声しているように信号処理
するのはピッチが存在する有声区間のみなのである。ま
た、上記第１実施の形態における波形伸縮器２２,第２
実施の形態における第２波形重畳器２６,第３実施の形
態における波形伸縮重畳器３２,第４実施の形態におけ
る第２波形重畳器３６および第５実施の形態における第
２励振波形生成器４２を複数設けて、同一の入力テキス
トに基づいて同時発声させる際の人数を３人以上にする
こともできる。

【００６５】ところで、上記各実施の形態における上記
テキスト解析手段,韻律生成手段,複数音声指示手段及び
複数音声合成手段としての機能は、プログラム記録媒体
に記録されたテキスト音声合成処理プログラムによって
実現される。上記プログラム記録媒体は、ＲＯＭ(リー
ド・オンリ・メモリ)でなるプログラムメディアである。
または、外部補助記憶装置に装着されて読み出されるプ
ログラムメディアであってもよい。尚、何れの場合にお
いても、上記プログラムメディアからテキスト音声合成
処理プログラムを読み出すプログラム読み出し手段は、
上記プログラムメディアに直接アクセスして読み出す構
成を有していてもよいし、ＲＡＭ(ランダム・アクセス・
メモリ)に設けられたプログラム記憶エリア(図示せず)
にダウンロードして、上記プログラム記憶エリアにアク
セスして読み出す構成を有していてもよい。尚、上記プ
ログラムメディアからＲＡＭの上記プログラム記憶エリ
アにダウンロードするためのダウンロードプログラム
は、予め本体装置に格納されているものとする。

【００６６】ここで、上記プログラムメディアとは、本
体側と分離可能に構成され、磁気テープやカセットテー
プ等のテープ系、フロッピー（登録商標）ディスク,ハ
ードディスク等の磁気ディスクやＣＤ(コンパクトディ
スク)‐ＲＯＭ,ＭＯ(光磁気)ディスク,ＭＤ(ミニディス
ク),ＤＶＤ(ディジタルビデオディスク)等の光ディスク
のディスク系、ＩＣ(集積回路)カードや光カード等のカ
ード系、マスクＲＯＭ,ＥＰＲＯＭ（紫外線消去型ＲＯ
Ｍ),ＥＥＰＲＯＭ(電気的消去型ＲＯＭ),フラッシュＲ
ＯＭ等の半導体メモリ系を含めた、固定的にプログラム
を坦持する媒体である。

【００６７】また、上記各実施の形態におけるテキスト
音声合成装置は、モデムを備えてインターネットを含む
通信ネットワークと接続可能な構成を有していれば、上
記プログラムメディアは、通信ネットワークからのダウ
ンロード等によって流動的にプログラムを坦持する媒体
であっても差し支えない。尚、その場合における上記通
信ネットワークからダウンロードするためのダウンロー
ドプログラムは、予め本体装置に格納されているものと
する。または、別の記録媒体からインストールされるも
のとする。

【００６８】尚、上記記録媒体に記録されるものはプロ
グラムのみに限定されるものではなく、データも記録す
ることが可能である。

【００６９】

【発明の効果】以上より明らかなように、第１の発明の
テキスト音声合成装置は、テキスト解析手段で入力テキ
スト情報から得られた読みおよび品詞情報に基づいて、
韻律生成手段によって韻律情報を生成し、複数音声指示
手段からの指示があると、複数音声合成手段によって、
上記韻律情報と音声素片データベースから選択された音
声素片情報とに基づいて複数の合成音声信号を生成する
ので、同一の入力テキストに基づいて、複数の音声を同
時に発声させることができる。その際に、特開平６‐７
５５９４号公報のごとく上記テキスト解析手段および韻
律生成手段は時分割処理を行う必要がなく、特開平３‐
２１１５９７号公報のごとくピッチ変換処理の追加を行
う必要がない。したがって、一つのテキストに基づく複
数音声の同時発声を非常に簡単な処理で実現することが
できるのである。

【００７０】また、第１の実施例は、上記複数音声合成
手段を、標準の音声信号を生成する波形重畳手段と、上
記標準の音声信号の波形の時間軸を伸縮して音声信号を
生成する波形伸縮手段と、上記標準の音声信号と伸縮さ
れた音声信号とを混合する混合手段で成したので、例え
ば、同一の入力テキストに基づく男性の音声と女性の音
声とを、簡単な処理で同時に発声させることができる。

【００７１】また、第２の実施例は、上記複数音声合成
手段を、標準の音声信号を生成する第１波形重畳手段
と、上記第１波形重畳手段と同じ音声素片情報を用いて
異なる基本周期の音声信号を生成する第２波形重畳手段
と、上記標準の音声信号と基本周期が異なる音声信号と
を混合する混合手段で成したので、例えば、男性の音声
と男性の更に高音の音声とを、簡単な処理で同時に発声
させることができる。

【００７２】さらに、上記第１波形重畳手段と第２波形
重畳手段との基本構成は同じであるため、１つの波形重
畳手段を時分割によって上記第１波形重畳手段と第２波
形重畳手段として動作させることが可能であり、構成を
簡単にして低コスト化を図ることができる。

【００７３】また、第３の実施例は、上記複数音声合成
手段を、第１音声素片データベースから選択された音声
素片情報を用いて標準の音声信号を生成する第１波形重
畳手段と、少なくとも第２音声素片データベースから選
択された音声素片情報を用いて異なるピッチの音声信号
を生成する第２波形重畳手段と、上記標準の音声信号と
異なるピッチの音声信号とを混合する混合手段で成した
ので、例えば、第１音声素片データベースに男性用の音
声素片情報を格納する一方、第２音声素片データベース
に女性用の音声素片情報を格納しておけば、同一の入力
テキストに基づく男性の音声と女性の音声とを、簡単な
処理で同時に発声させることができる。

【００７４】また、第４の実施例は、上記複数音声合成
手段を、標準の音声信号を生成する波形重畳手段と、上
記波形重畳手段と同じ音声素片の波形の時間軸を伸縮し
て音声信号を生成する波形伸縮重畳手段と、上記波形重
畳手段および波形伸縮重畳手段からの両音声信号を混合
する混合手段で成したので、例えば、同一の入力テキス
トに基づく男性の音声と女性の音声とを、簡単な処理で
同時に発声させることができる。

【００７５】また、第５の実施例は、上記複数音声合成
手段を、標準の第１励振波形を生成する第１励振波形生
成手段と、上記第１励振波形と周波数が異なる第２励振
波形を生成する第２励振波形生成手段と、上記両励振波
形を混合する混合手段と、上記選択された音声素片情報
に応じた声道調音特性パラメータを用いて上記混合され
た励振波形に基づいて合成音声信号を生成する合成フィ
ルタで成したので、例えば、同一の入力テキストに基づ
いて、複数の声の高さの音声を簡単な処理で同時に発声
させることができる。

【００７６】すなわち、この実施例によれば、ボコーダ
ー方式あるいはホルマント合成方式の音声合成装置にお
いても、同一の入力テキストに基づく複数話者の音声
を、簡単な処理で同時に発声させることができるのであ
る。

【００７７】また、第６の実施例は、上記波形伸縮手
段,第２波形重畳手段,波形伸縮重畳手段あるいは第２励
振波形生成手段を複数設けたので、同一の入力テキスト
に基づいて同時発声させる人数を３人以上に増加でき、
バラエティーに富んだテキスト合成音声を生成すること
ができる。

【００７８】また、第７の実施例は、上記混合手段を、
上記複数音声指示手段からの指示情報に基づく混合率で
上記混合を行うように成したので、種々の場面に応じた
複数人による同時発声が可能になる。

【００７９】また、第２の発明のプログラム記録媒体
は、コンピュータを、上記第１の発明におけるテキスト
解析手段,韻律生成手段,複数音声指示手段および複数音
声合成手段として機能させるテキスト音声合成処理プロ
グラムが記録されているので、上記第１の発明の場合と
同様に、同一の入力テキストに基づく複数音声の同時発
声を、上記テキスト解析手段および韻律生成手段の分割
処理やピッチ変換処理の追加等を行うことなく簡単な処
理で行うことができる。

【図面の簡単な説明】

【図１】 この発明のテキスト音声合成装置におけるブ
ロック図である。

【図２】 図１における複数音声合成器の構成の一例を
示すブロック図である。

【図３】 図２に示す複数音声合成器の各部で生成され
る音声波形を示す図である。

【図４】 図２とは異なる複数音声合成器の構成を示す
ブロック図である。

【図５】 図４に示す複数音声合成器の各部で生成され
る音声波形を示す図である。

【図６】 図２および図４とは異なる複数音声合成器の
構成を示すブロック図である。

【図７】 図２,図４および図６とは異なる複数音声合
成器の構成を示すブロック図である。

【図８】 図７に示す複数音声合成器の各部で生成され
る音声波形を示す図である。

【図９】 図２,図４,図６および図７とは異なる複数音
声合成器の構成を示すブロック図である。

【図１０】 図９に示す複数音声合成器の各部で生成さ
れる信号波形を示す図である。

【図１１】 従来のテキスト音声合成装置の構成を示す
ブロック図である。

【符号の説明】

１１…テキスト入力端子、 １２…テキスト解析器、 １３…韻律生成器、 １４…音声素片選択器、 １５,３８…音声素片データベース、 １６…複数音声合成器、 １７…複数音声指示器、 １８…出力端子、 ２１,３１…波形重畳器、 ２２…波形伸縮器、 ２３,２７,３３,３７,４３…混合器、 ２５,３５…第１波形重畳器、 ２６,３６…第２波形重畳器、 ３２…波形伸縮重畳器、 ４１…第１励振波形生成器、 ４２…第２励振波形生成器、 ４４…合成フィルタ。

Claims (9)

【特許請求の範囲】
1. 【請求項１】 入力されたテキスト情報の読みおよび品
   詞情報に基づいて音声素片データベースから必要な音声
   素片情報を選択し、この選択された音声素片情報に基づ
   いて音声信号を生成するテキスト音声合成装置におい
   て、 上記入力テキスト情報を解析して読みおよび品詞情報を
   得るテキスト解析手段と、 上記読みおよび品詞情報に基づいて韻律情報を生成する
   韻律生成手段と、 同一の入力テキストに対する複数音声の同時発声を指示
   する複数音声指示手段と、 上記複数音声指示手段からの指示を受け、上記韻律生成
   手段からの韻律情報と上記音声素片データベースから選
   択された音声素片情報とに基づいて、複数の合成音声信
   号を生成する複数音声合成手段を備えたことを特徴とす
   るテキスト音声合成装置。
2. 【請求項２】 請求項１に記載のテキスト音声合成装置
   において、 上記複数音声合成手段は、 上記音声素片情報と韻律情報とに基づいて、波形重畳法
   によって音声信号を生成する波形重畳手段と、 上記韻律情報と上記複数音声指示手段からの指示情報と
   に基づいて、上記波形重畳手段によって生成された音声
   信号の波形の時間軸を伸縮して声の高さが異なる音声信
   号を生成する波形伸縮手段と、 上記波形重畳手段からの音声信号と上記波形伸縮手段か
   らの音声信号とを混合する混合手段を備えていることを
   特徴とするテキスト音声合成装置。
3. 【請求項３】 請求項１に記載のテキスト音声合成装置
   において、 上記複数音声合成手段は、 上記音声素片情報と韻律情報とに基づいて、波形重畳法
   によって音声信号を生成する第１波形重畳手段と、 上記音声素片情報と韻律情報と上記複数音声指示手段か
   らの指示情報とに基づいて、上記第１波形重畳手段とは
   異なる基本周期で、上記波形重畳法によって音声信号を
   生成する第２波形重畳手段と、 上記第１波形重畳手段からの音声信号と上記第２波形重
   畳手段からの音声信号とを混合する混合手段を備えてい
   ることを特徴とするテキスト音声合成装置。
4. 【請求項４】 請求項１に記載のテキスト音声合成装置
   において、 上記複数音声合成手段は、 上記音声素片情報と韻律情報とに基づいて、波形重畳法
   によって音声信号を生成する第１波形重畳手段と、 上記音声素片データベースとしての第１音声素片データ
   ベースとは異なる音声素片情報が格納された第２音声素
   片データベースと、 上記２音声素片データベースから選択された音声素片情
   報と、上記韻律情報と、上記複数音声指示手段からの指
   示情報とに基づいて、上記波形重畳法によって音声信号
   を生成する第２波形重畳手段と、 上記第１波形重畳手段からの音声信号と上記第２波形重
   畳手段からの音声信号とを混合する混合手段を備えてい
   ることを特徴とするテキスト音声合成装置。
5. 【請求項５】 請求項１に記載のテキスト音声合成装置
   において、 上記複数音声合成手段は、 上記音声素片と韻律情報とに基づいて、波形重畳法によ
   って音声信号を生成する波形重畳手段と、 上記韻律情報と上記複数音声指示手段からの指示情報と
   に基づいて上記音声素片の波形の時間軸を伸縮し、上記
   波形重畳法によって音声信号を生成する波形伸縮重畳手
   段と、 上記波形重畳手段からの音声信号と上記波形伸縮重畳手
   段からの音声信号とを混合する混合手段を備えているこ
   とを特徴とするテキスト音声合成装置。
6. 【請求項６】 請求項１に記載のテキスト音声合成装置
   において、 上記複数音声合成手段は、 上記韻律情報に基づいて、第１励振波形を生成する第１
   励振波形生成手段と、 上記韻律情報と上記複数音声指示手段からの指示情報と
   に基づいて、上記第１励振波形とは周波数が異なる第２
   励振波形を生成する第２励振波形生成手段と、 上記第１励振波形と第２励振波形とを混合する混合手段
   と、 上記音声素片情報に含まれている声道調音特性パラメー
   タを取得し、この声道調音特性パラメータを用いて、上
   記混合された励振波形に基づいて合成音声信号を生成す
   る合成フィルタを備えていることを特徴とするテキスト
   音声合成装置。
7. 【請求項７】 請求項２乃至請求項６の何れか一つに記
   載のテキスト音声合成装置において、 上記波形伸縮手段,第２波形重畳手段,波形伸縮重畳手段
   あるいは第２励振波形生成手段は、複数存在することを
   特徴とするテキスト音声合成装置。
8. 【請求項８】 請求項２乃至請求項７の何れか一つに記
   載のテキスト音声合成装置において、 上記混合手段は、上記複数音声指示手段からの指示情報
   に基づく混合率で上記混合を行うようになっていること
   を特徴とするテキスト音声合成装置。
9. 【請求項９】 コンピュータを、 請求項１におけるテキスト解析手段,韻律生成手段,複数
   音声指示手段および複数音声合成手段として機能させる
   テキスト音声合成処理プログラムが記録されたことを特
   徴とするコンピュータ読出し可能なプログラム記録媒
   体。