JP2005309164A - 読み上げ用データ符号化装置および読み上げ用データ符号化プログラム - Google Patents
読み上げ用データ符号化装置および読み上げ用データ符号化プログラム Download PDFInfo
- Publication number
- JP2005309164A JP2005309164A JP2004127475A JP2004127475A JP2005309164A JP 2005309164 A JP2005309164 A JP 2005309164A JP 2004127475 A JP2004127475 A JP 2004127475A JP 2004127475 A JP2004127475 A JP 2004127475A JP 2005309164 A JP2005309164 A JP 2005309164A
- Authority
- JP
- Japan
- Prior art keywords
- stream
- phoneme
- kanji
- audio stream
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
【解決手段】 読み上げ用データ符号化装置1は、漢字仮名混じり文を読み上げ用データとして入力して、当該読み上げ用データを音声ストリームに符号化するものであって、単語辞書蓄積手段7と、形態素解析手段5と、韻律予測手段9と、音素列選択手段11と、ストリーム整形手段13と、ストリーム接続手段15と、を備えた。
【選択図】 図1
Description
松本裕治、北内啓、山下達雄、平野善隆、今一修、今村友明 "日本語形態素解析システム「茶筌」 version 1.5 使用説明書"、1997 全頁 「基本周波数パターン生成過程モデルに基づく文章音声の合成」(電子情報通信学会論文誌A Vol.J72−A,No.1 pp32−40,1989.1)
ここでは、2つの実施形態(第一実施形態、第二実施形態)の読み上げ用データ符号化装置について、まず、当該装置の構成の説明を行って、次に、当該装置の動作の説明を行うこととする。
図1は、読み上げ用データ符号化装置(第一実施形態)のブロック図である。この図1に示すように、読み上げ用データ符号化装置1は、漢字仮名混じり文等のテキストデータを、読み上げ用データとして入力し、当該読み上げ用データを符号化するもので、形態素解析手段5と、単語辞書蓄積手段7と、韻律予測手段9と、音素列選択手段11と、ストリーム整形手段13と、ストリーム接続手段15とを備えている。
形態素解析手段5は、入力された漢字仮名混じり文(通常の日本語表記テキスト文、いわゆるテキストデータ)を、単語辞書蓄積手段7に蓄積されている単語辞書を参照して、形態素解析するものである。この形態素解析には、様々な手法が提案されており、この実施形態では非特許文献1に記載した“日本語形態素解析システム「茶筌」”のversion1.5の使用説明書に示されている手法を利用している。
この読み上げ用データ符号化装置1によれば、形態素解析手段5によって、単語辞書蓄積手段7に蓄積されている単語辞書が参照されて、漢字仮名混じり文が形態素解析され、韻律予測手段9によって、形態素解析手段5で形態素解析された解析結果および漢字仮名混じり文字が音素表記された音素記号に基づいて、漢字仮名混じり文の韻律を示す韻律記号が予測される。そして、音素列選択手段11によって、音素列を蓄積し当該音素列を音声ストリームに符号化する外部の装置である音声符号化装置3に対して、漢字仮名混じり文、解析結果、音素記号および韻律記号に基づき、符号化する音素列を選択する音素列選択信号が出力される。また、音素列選択手段11からは、音声符号化装置3によって符号化された音声ストリームを、どのように接続するのかを制御するストリーム接続制御信号が出力される。そして、ストリーム整形手段13によって、音声符号化装置3から出力された音声ストリームから必要な部分が切り出されて、当該音声ストリームが整形され、この整形された音声ストリームが、ストリーム接続手段15によって、音素列選択手段11から出力されたストリーム接続制御信号に基づいて接続されて、接続音声ストリームとして出力される。このため、接続音声ストリームを受信してデコード(復号)する際に、専用のデコード装置(復号装置)を必要とせず、既存のデコード装置を利用して、漢字仮名混じり文を発話した際の音声を再現可能に、当該漢字仮名混じり文を符号化することができる。
次に、図3に示すフローチャートを参照して、読み上げ用データ符号化装置1(第一実施形態)の動作(音声符号化装置3およびストリーム配信装置2の動作も含む)について説明する(適宜、図1参照)。
まず、読み上げ用データ符号化装置1は、形態素解析手段5によって、入力された漢字仮名混じり文(テキストデータ)を、単語辞書蓄積手段7に蓄積されている単語辞書を参照して形態素解析し(ステップS1)、解析した解析結果と音素記号とを、韻律予測手段9と音素列選択手段11に出力する。
図2は、読み上げ用データ符号化装置(第二実施形態)のブロック図である。この図2に示すように、読み上げ用データ符号化装置1Aは、漢字仮名混じり文等のテキストデータを、読み上げ用データとして入力し、当該読み上げ用データを符号化する際に参照する符号化辞書を切替可能としたもので、形態素解析手段5と、単語辞書蓄積手段7と、韻律予測手段9と、音素列選択手段11Aと、ストリーム整形手段13と、ストリーム接続手段15と、符号化辞書蓄積手段(音素列符号化データ辞書蓄積手段)21と、音声ストリーム出力手段23とを備えている。なお、図1に示した読み上げ用データ符号化装置1の構成と同様の構成については、同一の符号を付して、その説明を省略する。
次に、図4に示すフローチャートを参照して、読み上げ用データ符号化装置1A(第二実施形態)の動作について説明する(適宜、図2参照)。
まず、読み上げ用データ符号化装置1Aは、形態素解析手段5によって、入力された漢字仮名混じり文(テキストデータ)を、単語辞書蓄積手段7に蓄積されている単語辞書を参照して形態素解析し(ステップS11)、解析した解析結果と音素記号とを、韻律予測手段9と音素列選択手段11Aに出力する。
2 ストリーム配信装置
3 音声符号化装置
5 形態素解析手段
7 単語辞書蓄積手段
9 韻律予測手段
11 音素列選択手段
13 ストリーム整形手段
15 ストリーム接続手段
15a 量子化精度変更手段
17 音素列蓄積手段
19 音声符号化手段
21 符号化辞書蓄積手段(音素列符号化データ辞書蓄積手段)
23 音声ストリーム出力手段
23a 出力切替手段
Claims (9)
- 漢字仮名混じり文を読み上げ用データとして入力して、当該読み上げ用データを音声ストリームに符号化する読み上げ用データ符号化装置であって、
音素列を蓄積し、当該音素列を音声ストリームに符号化する音声符号化装置に対して、前記漢字仮名混じり文、前記漢字仮名混じり文を形態素解析した解析結果および前記漢字仮名混じり文を音素表記した音素記号に基づき、符号化する音素列を選択する音素列選択信号を出力すると共に、前記音声ストリーム同士の接続を制御する制御信号を出力する音素列選択手段と、
前記音声符号化装置から出力された音声ストリームから必要な部分を切り出して、当該音声ストリームを整形するストリーム整形手段と、
このストリーム整形手段によって切り出された音声ストリームを、前記制御信号に基づいて接続した接続音声ストリームとして出力するストリーム接続手段と、
を備えることを特徴とする読み上げ用データ符号化装置。 - 漢字仮名混じり文を読み上げ用データとして入力して、当該読み上げ用データを音声ストリームに符号化する読み上げ用データ符号化装置であって、
前記漢字仮名混じり文に含まれている単語の読みに関するデータを少なくとも含む単語辞書を蓄積する単語辞書蓄積手段と、
この単語辞書蓄積手段に蓄積されている単語辞書を参照して、前記漢字仮名混じり文を形態素解析すると共に、前記漢字仮名混じり文を音素表記した音素記号を出力する形態素解析手段と、
この形態素解析手段によって形態素解析された解析結果および前記漢字仮名混じり文を音素表記した音素記号に基づいて、前記漢字仮名混じり文の韻律を示す韻律記号を予測する韻律予測手段と、
音素列を蓄積し、当該音素列を音声ストリームに符号化する音声符号化装置に対して、前記漢字仮名混じり文、前記解析結果、前記音素記号および前記韻律記号に基づき、符号化する音素列を選択する音素列選択信号を出力すると共に、前記音声ストリーム同士の接続を制御する制御信号を出力する音素列選択手段と、
前記音声符号化装置から出力された音声ストリームから必要な部分を切り出して、当該音声ストリームを整形するストリーム整形手段と、
このストリーム整形手段によって切り出された音声ストリームを、前記制御信号に基づいて接続した接続音声ストリームとして出力するストリーム接続手段と、
を備えることを特徴とする読み上げ用データ符号化装置。 - 漢字仮名混じり文を読み上げ用データとして入力して、当該読み上げ用データを音声ストリームに符号化する読み上げ用データ符号化装置であって、
前記漢字仮名混じり文を音素に分解した音素列とし、この音素列を符号化した音素列符号化データに関する辞書である音素列符号化データ辞書を蓄積する音素列符号化データ辞書蓄積手段と、
前記漢字仮名混じり文、前記漢字仮名混じり文を形態素解析した解析結果および前記漢字仮名混じり文を音素表記した音素記号に基づいて、前記音素列符号化データ辞書蓄積手段に蓄積されている音素列を選択すると共に、前記音素列符号化データ同士の接続を制御する制御信号を出力する音素列選択手段と、
この音素列選択手段によって選択された音素列に対応する音素列符号化データを、音声ストリームとして出力する音声ストリーム出力手段と、
この音声ストリーム出力手段から出力された音声ストリームから必要な部分を切り出して、当該音声ストリームを整形するストリーム整形手段と、
このストリーム整形手段によって切り出された音声ストリームを、前記制御信号に基づいて接続した接続音声ストリームとして出力するストリーム接続手段と、
を備えることを特徴とする読み上げ用データ符号化装置。 - 漢字仮名混じり文を読み上げ用データとして入力して、当該読み上げ用データを音声ストリームに符号化する読み上げ用データ符号化装置であって、
前記漢字仮名混じり文に含まれている単語の読みに関するデータを少なくとも含む単語辞書を蓄積する単語辞書蓄積手段と、
この単語辞書蓄積手段に蓄積されている単語辞書を参照して、前記漢字仮名混じり文を形態素解析すると共に、前記漢字仮名混じり文を音素表記した音素記号を出力する形態素解析手段と、
この形態素解析手段によって形態素解析された解析結果および前記漢字仮名混じり文を音素表記した音素記号に基づいて、前記漢字仮名混じり文の韻律を示す韻律記号を予測する韻律予測手段と、
前記漢字仮名混じり文を音素に分解した音素列とし、この音素列を符号化した音素列符号化データに関する辞書である音素列符号化データ辞書を蓄積する音素列符号化データ辞書蓄積手段と、
前記漢字仮名混じり文、前記解析結果、前記音素記号および前記韻律記号に基づいて、前記音素列符号化データ辞書蓄積手段に蓄積されている音素列を選択すると共に、前記音素列符号化データ同士の接続を制御する制御信号を出力する音素列選択手段と、
この音素列選択手段によって選択された音素列に対応する音素列符号化データを、音声ストリームとして出力する音声ストリーム出力手段と、
この音声ストリーム出力手段から出力された音声ストリームから必要な部分を切り出して、当該音声ストリームを整形するストリーム整形手段と、
このストリーム整形手段によって切り出された音声ストリームを、前記制御信号に基づいて接続した接続音声ストリームとして出力するストリーム接続手段と、
を備えることを特徴とする読み上げ用データ符号化装置。 - 前記音素列符号化データ辞書蓄積手段は、話者と話速との少なくとも一方が異なる複数の音素列符号化データ辞書を蓄積し、
前記音声ストリーム出力手段は、前記複数の音素列符号化データ辞書に収められている音素列符号化データを切り替えて出力する出力切替手段を備えたことを特徴とする請求項3または請求項4に記載の読み上げ用データ符号化装置。 - 前記ストリーム整形手段は、前記音声ストリームを、復号する際の復号可能な最小の単体単位に整形し、
前記ストリーム接続手段は、前記単体単位を接続して、前記接続音声ストリームとすることを特徴とする請求項1から請求項5のいずれか一項に記載の読み上げ用データ符号化装置。 - 前記ストリーム接続手段は、時間軸上で予め設定した時間分を重複させて前記音声ストリームを接続することを特徴とする請求項1から請求項6のいずれか一項に記載の読み上げ用データ符号化装置。
- 前記ストリーム接続手段は、前記音声ストリームを接続する際に、接続点近傍の量子化精度を変更する量子化精度変更手段を備えていることを特徴とする請求項1から請求項7のいずれか一項に記載の読み上げ用データ符号化装置。
- 漢字仮名混じり文を読み上げ用データとして入力して、当該読み上げ用データを音声ストリームに符号化するために、コンピュータを、
音素列を蓄積し、当該音素列を音声ストリームに符号化する音声符号化装置に対して、前記漢字仮名混じり文、前記漢字仮名混じり文を形態素解析した解析結果および前記漢字仮名混じり文を音素表記した音素記号に基づき、符号化する音素列を選択する音素列選択信号を出力すると共に、前記音声ストリーム同士の接続を制御する制御信号を出力する音素列選択手段、
前記音声符号化装置から出力された音声ストリームから必要な部分を切り出して、当該音声ストリームを整形するストリーム整形手段、
このストリーム整形手段で切り出された音声ストリームを、前記制御信号に基づいて接続した接続音声ストリームとして出力するストリーム接続手段、
として機能させることを特徴とする読み上げ用データ符号化プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004127475A JP2005309164A (ja) | 2004-04-23 | 2004-04-23 | 読み上げ用データ符号化装置および読み上げ用データ符号化プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004127475A JP2005309164A (ja) | 2004-04-23 | 2004-04-23 | 読み上げ用データ符号化装置および読み上げ用データ符号化プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005309164A true JP2005309164A (ja) | 2005-11-04 |
Family
ID=35438008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004127475A Pending JP2005309164A (ja) | 2004-04-23 | 2004-04-23 | 読み上げ用データ符号化装置および読み上げ用データ符号化プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005309164A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007163667A (ja) * | 2005-12-12 | 2007-06-28 | Nippon Hoso Kyokai <Nhk> | 音声合成装置および音声合成プログラム |
JP2007322758A (ja) * | 2006-06-01 | 2007-12-13 | Nissan Motor Co Ltd | キーワード選択方法、音声認識方法、キーワード選択システム、およびキーワード選択装置 |
JP2016201643A (ja) * | 2015-04-08 | 2016-12-01 | ソニー株式会社 | 送信装置、送信方法、受信装置、及び、受信方法 |
CN109086257A (zh) * | 2017-06-14 | 2018-12-25 | 佛山辞荟源信息科技有限公司 | 基于汉语含义的汉语编码处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05233565A (ja) * | 1991-11-12 | 1993-09-10 | Fujitsu Ltd | 音声合成システム |
JPH11219196A (ja) * | 1998-01-30 | 1999-08-10 | Toshiba Corp | 音声合成方法 |
JP2002358092A (ja) * | 2001-06-01 | 2002-12-13 | Sony Corp | 音声合成システム |
JP2003521750A (ja) * | 2000-02-02 | 2003-07-15 | ファモイス・テクノロジー・ピーティーワイ・リミテッド | スピーチシステム |
-
2004
- 2004-04-23 JP JP2004127475A patent/JP2005309164A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05233565A (ja) * | 1991-11-12 | 1993-09-10 | Fujitsu Ltd | 音声合成システム |
JPH11219196A (ja) * | 1998-01-30 | 1999-08-10 | Toshiba Corp | 音声合成方法 |
JP2003521750A (ja) * | 2000-02-02 | 2003-07-15 | ファモイス・テクノロジー・ピーティーワイ・リミテッド | スピーチシステム |
JP2002358092A (ja) * | 2001-06-01 | 2002-12-13 | Sony Corp | 音声合成システム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007163667A (ja) * | 2005-12-12 | 2007-06-28 | Nippon Hoso Kyokai <Nhk> | 音声合成装置および音声合成プログラム |
JP2007322758A (ja) * | 2006-06-01 | 2007-12-13 | Nissan Motor Co Ltd | キーワード選択方法、音声認識方法、キーワード選択システム、およびキーワード選択装置 |
JP2016201643A (ja) * | 2015-04-08 | 2016-12-01 | ソニー株式会社 | 送信装置、送信方法、受信装置、及び、受信方法 |
CN109086257A (zh) * | 2017-06-14 | 2018-12-25 | 佛山辞荟源信息科技有限公司 | 基于汉语含义的汉语编码处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4912768A (en) | Speech encoding process combining written and spoken message codes | |
US20070106513A1 (en) | Method for facilitating text to speech synthesis using a differential vocoder | |
US4975957A (en) | Character voice communication system | |
TW519616B (en) | Method and apparatus for predictively quantizing voiced speech | |
US20070233472A1 (en) | Voice modifier for speech processing systems | |
JPH10260692A (ja) | 音声の認識合成符号化/復号化方法及び音声符号化/復号化システム | |
MX2011000362A (es) | Esquema de codificacion/decodificacion de audio a baja velocidad binaria y conmutadores en cascada. | |
JP3446764B2 (ja) | 音声合成システム及び音声合成サーバ | |
JPS6156400A (ja) | 音声処理装置 | |
KR100480341B1 (ko) | 광대역 저전송률 음성 신호의 부호화기 | |
JP2005309164A (ja) | 読み上げ用データ符号化装置および読み上げ用データ符号化プログラム | |
JP2000356995A (ja) | 音声通信システム | |
JP3268750B2 (ja) | 音声合成方法及びシステム | |
JP3050978B2 (ja) | 音声符号化方法 | |
Dong-jian | Two stage concatenation speech synthesis for embedded devices | |
JP2010224419A (ja) | 音声合成装置、方法およびプログラム | |
US6134519A (en) | Voice encoder for generating natural background noise | |
WO2023182291A1 (ja) | 音声合成装置、音声合成方法及びプログラム | |
KR0144157B1 (ko) | 휴지기 길이 조절을 이용한 발음속도 조절 방법 | |
KR920003934B1 (ko) | 음성합성기의 복합코딩방법 | |
JPH05165497A (ja) | コード励振線形予測符号化器及び復号化器 | |
Sarathy et al. | Text to speech synthesis system for mobile applications | |
JPH03288898A (ja) | 音声合成装置 | |
JP3271966B2 (ja) | 符号化装置及び符号化方法 | |
Sairam et al. | Design of speech codec for VoIP applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070226 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100203 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100601 |