JP3242331B2 - Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置 - Google Patents
Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置Info
- Publication number
- JP3242331B2 JP3242331B2 JP26914696A JP26914696A JP3242331B2 JP 3242331 B2 JP3242331 B2 JP 3242331B2 JP 26914696 A JP26914696 A JP 26914696A JP 26914696 A JP26914696 A JP 26914696A JP 3242331 B2 JP3242331 B2 JP 3242331B2
- Authority
- JP
- Japan
- Prior art keywords
- vcv
- pitch
- waveform
- chain
- phoneme
- 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.)
- Expired - Fee Related
Links
- 238000006243 chemical reaction Methods 0.000 title claims description 84
- 238000000034 method Methods 0.000 title claims description 32
- 230000015572 biosynthetic process Effects 0.000 title claims description 20
- 238000003786 synthesis reaction Methods 0.000 title claims description 20
- 239000011295 pitch Substances 0.000 claims description 216
- 239000011318 synthetic pitch Substances 0.000 claims description 10
- 230000002194 synthesizing effect Effects 0.000 claims description 9
- 235000012012 Paullinia yoco Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/04—Time compression or expansion
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/003—Changing voice quality, e.g. pitch or formants
- G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
- G10L21/013—Adapting to target pitch
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Electrophonic Musical Instruments (AREA)
- Stereophonic System (AREA)
- Document Processing Apparatus (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、ＶＣＶ（母音・子
音・母音）音韻連鎖波形を接続して音声を合成する方法
及び音声合成装置に関し、特にＶＣＶ音韻連鎖波形固有
のピッチ微細構造を維持したまま、目的とする合成音声
のピッチパターン（入力テキストに対し合成して得るべ
き音声のピッチパターン）に変換するピッチ変換方法お
よび該方法を用いた音声合成装置に関する。
音・母音）音韻連鎖波形を接続して音声を合成する方法
及び音声合成装置に関し、特にＶＣＶ音韻連鎖波形固有
のピッチ微細構造を維持したまま、目的とする合成音声
のピッチパターン（入力テキストに対し合成して得るべ
き音声のピッチパターン）に変換するピッチ変換方法お
よび該方法を用いた音声合成装置に関する。
【０００２】
【従来の技術】従来、この種の技術としては、図３に示
すようなものがあった。図３は従来のＶＣＶ波形接続音
声のピッチ変換方法を説明するためのグラフ図である。
図３において、１は「横浜市(yokohamashi) 」という単
語を合成する場合、その入力信号波形から作成された合
成ピッチパターン、２、３、４、５は「横浜市(yokoham
ashi) 」を構成するそれぞれのＶＣＶ音韻連鎖波形[yok
o]、[oha] 、[ama] 、[ashi]固有（実際の音声から抽出
して格納してある）のピッチパターンを示す。
すようなものがあった。図３は従来のＶＣＶ波形接続音
声のピッチ変換方法を説明するためのグラフ図である。
図３において、１は「横浜市(yokohamashi) 」という単
語を合成する場合、その入力信号波形から作成された合
成ピッチパターン、２、３、４、５は「横浜市(yokoham
ashi) 」を構成するそれぞれのＶＣＶ音韻連鎖波形[yok
o]、[oha] 、[ama] 、[ashi]固有（実際の音声から抽出
して格納してある）のピッチパターンを示す。
【０００３】ただし、図３に示している各ＶＣＶ音韻連
鎖波形[yoko]、[oha] 、[ama] 、[ashi]のピッチパター
ンのピッチ周波数はＶＣＶ音韻連鎖波形毎に移動した状
態で相対的に異なるように示してある。また、各ピッチ
パターン２、３、４、５において、点線で示す部分はピ
ッチの無い無声子音の部分を表わしている。更に、６、
７、８、９はおよその母音定常部を示したものである。
鎖波形[yoko]、[oha] 、[ama] 、[ashi]のピッチパター
ンのピッチ周波数はＶＣＶ音韻連鎖波形毎に移動した状
態で相対的に異なるように示してある。また、各ピッチ
パターン２、３、４、５において、点線で示す部分はピ
ッチの無い無声子音の部分を表わしている。更に、６、
７、８、９はおよその母音定常部を示したものである。
【０００４】上記従来の音声合成のＶＣＶ接続合成法で
は、語頭の音韻とか無声化母音は例外として、原則的に
母音ー子音ー母音と連続した音韻波形を、母音の定常部
（ピッチ周波数が安定しているところ）で接続して目的
の音声を合成する。すなわち、ＶＣＶ音韻連鎖波形固有
のピッチパターンを変換目標の合成ピッチパターン１に
おおよそ合致するように変換するものであった。上記の
例において、「横浜市(yokohamashi) 」という単語を合
成する場合は、例えば、[yoko]+[oha]+[ama]+[ashi] か
らなる４個のＶＣＶ音韻連鎖波形を母音定常部で接続し
て合成ピッチパターン１に沿い、目的の音声に合成する
ようにしている。
は、語頭の音韻とか無声化母音は例外として、原則的に
母音ー子音ー母音と連続した音韻波形を、母音の定常部
（ピッチ周波数が安定しているところ）で接続して目的
の音声を合成する。すなわち、ＶＣＶ音韻連鎖波形固有
のピッチパターンを変換目標の合成ピッチパターン１に
おおよそ合致するように変換するものであった。上記の
例において、「横浜市(yokohamashi) 」という単語を合
成する場合は、例えば、[yoko]+[oha]+[ama]+[ashi] か
らなる４個のＶＣＶ音韻連鎖波形を母音定常部で接続し
て合成ピッチパターン１に沿い、目的の音声に合成する
ようにしている。
【０００５】また、上記従来技術をさらに詳細に説明す
ると、上記と同様な「横浜市(yokohamashi) 」という単
語を合成する場合、それぞれのＶＣＶ音韻連鎖波形[yok
o]、[oha] 、[ama] 、[ashi]からインパルス駆動点を抽
出し、隣合う２区間毎にハニング窓などを用いてピッチ
波形を取り出し、それぞれのＶＣＶ音韻連鎖波形をピッ
チ波形列に分解し、その各ピッチ波形列を合成ピッチパ
ターン１に沿って再配列する方法によりＶＣＶ音韻連鎖
波形のピッチを変換し、母音定常部７、８、９において
ＶＣＶ音韻連鎖波形同士を接続することにより「横浜市
(yokohamashi)」の音声を合成するようにしていた。
ると、上記と同様な「横浜市(yokohamashi) 」という単
語を合成する場合、それぞれのＶＣＶ音韻連鎖波形[yok
o]、[oha] 、[ama] 、[ashi]からインパルス駆動点を抽
出し、隣合う２区間毎にハニング窓などを用いてピッチ
波形を取り出し、それぞれのＶＣＶ音韻連鎖波形をピッ
チ波形列に分解し、その各ピッチ波形列を合成ピッチパ
ターン１に沿って再配列する方法によりＶＣＶ音韻連鎖
波形のピッチを変換し、母音定常部７、８、９において
ＶＣＶ音韻連鎖波形同士を接続することにより「横浜市
(yokohamashi)」の音声を合成するようにしていた。
【０００６】
【発明が解決しようとする課題】しかしながら、上記従
来のＶＣＶ音韻連鎖波形のピッチ変換方法においては、
それぞれのＶＣＶ音韻連鎖波形をピッチ波形列に分解し
て再配列するため、自然音声特有のピッチの揺らぎなど
が消失してしまい、そのため合成音声の自然性が劣化す
るという問題があった。
来のＶＣＶ音韻連鎖波形のピッチ変換方法においては、
それぞれのＶＣＶ音韻連鎖波形をピッチ波形列に分解し
て再配列するため、自然音声特有のピッチの揺らぎなど
が消失してしまい、そのため合成音声の自然性が劣化す
るという問題があった。
【０００７】また、ＶＣＶ音韻連鎖中の有声子音部にお
いては母音部に比べてやや低めのピッチとなることがあ
るが、従来の方法では大局的且つ全体的なピッチパター
ンを生成しておき、“単に”これに合うようにＶＣＶ音
韻連鎖波形のピッチを変換するようにしていたため、Ｖ
ＣＶ音韻連鎖波形固有のピッチの微細構造が失われてし
まい、子音部の音韻性が劣化するという問題があった。
いては母音部に比べてやや低めのピッチとなることがあ
るが、従来の方法では大局的且つ全体的なピッチパター
ンを生成しておき、“単に”これに合うようにＶＣＶ音
韻連鎖波形のピッチを変換するようにしていたため、Ｖ
ＣＶ音韻連鎖波形固有のピッチの微細構造が失われてし
まい、子音部の音韻性が劣化するという問題があった。
【０００８】さらに、ＶＣＶ音韻連鎖波形固有のピッチ
パターンを合成ピッチパターンに沿って構成するように
変換する際のピッチ変換率が大き過ぎると、自然音声か
ら遠くなるため、合成音声の音質が劣化するという問題
があった。
パターンを合成ピッチパターンに沿って構成するように
変換する際のピッチ変換率が大き過ぎると、自然音声か
ら遠くなるため、合成音声の音質が劣化するという問題
があった。
【０００９】本発明は、上記従来の問題を解決するため
になされたもので、ＶＣＶ音韻連鎖波形のピッチ変換の
際、ＶＣＶ音韻連鎖波形をピッチ波形列に分解して再配
列するようなことはせず、ＶＣＶ音韻連鎖波形固有のピ
ッチの微細構造を維持したままにすることにより、自然
性と明瞭性の高いＶＣＶ波形接続音声のピッチ変換方法
及び音声合成装置を提供することを目的とする。
になされたもので、ＶＣＶ音韻連鎖波形のピッチ変換の
際、ＶＣＶ音韻連鎖波形をピッチ波形列に分解して再配
列するようなことはせず、ＶＣＶ音韻連鎖波形固有のピ
ッチの微細構造を維持したままにすることにより、自然
性と明瞭性の高いＶＣＶ波形接続音声のピッチ変換方法
及び音声合成装置を提供することを目的とする。
【００１０】また、本発明は、上記従来の問題を解決す
るためになされたもので、ピッチ変換率を小さく押さえ
ることができるようにして、音声品質が極めて高いＶＣ
Ｖ波形接続音声のピッチ変換方法及び音声合成装置を提
供することを目的とする。
るためになされたもので、ピッチ変換率を小さく押さえ
ることができるようにして、音声品質が極めて高いＶＣ
Ｖ波形接続音声のピッチ変換方法及び音声合成装置を提
供することを目的とする。
【００１１】
【課題を解決するための手段】本発明によるＶＣＶ波形
接続音声のピッチ変換方法および音声合成装置は、接続
して音声を合成するべきＶＣＶ音韻連鎖波形の先行母音
定常部と後続母音定常部との間のピッチ周波数の傾き
を、本発明によるピッチ変換率に従い、合成するべきテ
キストから得られた合成ピッチパターンのそれぞれ対応
する位置のピッチ周波数の傾き（またはピッチパターン
の傾き）に合わせて変換するようにしたものである。
接続音声のピッチ変換方法および音声合成装置は、接続
して音声を合成するべきＶＣＶ音韻連鎖波形の先行母音
定常部と後続母音定常部との間のピッチ周波数の傾き
を、本発明によるピッチ変換率に従い、合成するべきテ
キストから得られた合成ピッチパターンのそれぞれ対応
する位置のピッチ周波数の傾き（またはピッチパターン
の傾き）に合わせて変換するようにしたものである。
【００１２】本発明によれば、ＶＣＶ音韻連鎖波形固有
のピッチパターンの細部構造及び自然音声特有のピッチ
の揺らぎなど有声子音部の特徴的なピッチ変動を維持し
たまま、合成ピッチパターンの傾きに合わせてピッチ変
換しうるため、自然性及び明瞭性の優れたＶＣＶ波形接
続合成音声を得ることができるＶＣＶ波形接続音声のピ
ッチ変換方法および音声合成装置が得られる。
のピッチパターンの細部構造及び自然音声特有のピッチ
の揺らぎなど有声子音部の特徴的なピッチ変動を維持し
たまま、合成ピッチパターンの傾きに合わせてピッチ変
換しうるため、自然性及び明瞭性の優れたＶＣＶ波形接
続合成音声を得ることができるＶＣＶ波形接続音声のピ
ッチ変換方法および音声合成装置が得られる。
【００１３】また、本発明によるＶＣＶ波形接続音声の
ピッチ変換方法および音声合成装置は、入力テキストの
各ＶＣＶ音韻記号に対し複数種類のＶＣＶ音韻連鎖波形
毎に分類されたＶＣＶ音韻連鎖波形データベースの中か
らピッチ変換率が最も小さいＶＣＶ音韻連鎖波形を選択
して音声合成に用いるようにしたものである。
ピッチ変換方法および音声合成装置は、入力テキストの
各ＶＣＶ音韻記号に対し複数種類のＶＣＶ音韻連鎖波形
毎に分類されたＶＣＶ音韻連鎖波形データベースの中か
らピッチ変換率が最も小さいＶＣＶ音韻連鎖波形を選択
して音声合成に用いるようにしたものである。
【００１４】本発明によれば、ピッチ変換率が小さいＶ
ＣＶ音韻連鎖波形を用いることにより、合成音声が自然
音声から遠くならず、音声品質が極めて高いＶＣＶ波形
接続音声のピッチ変換方法および音声合成装置が得られ
る。
ＣＶ音韻連鎖波形を用いることにより、合成音声が自然
音声から遠くならず、音声品質が極めて高いＶＣＶ波形
接続音声のピッチ変換方法および音声合成装置が得られ
る。
【００１５】本発明によるＶＣＶ波形接続音声のピッチ
変換方法および音声合成装置をより詳細に説明すると、
ＶＣＶ音韻連鎖波形の先行母音定常部（時間ａ）と後続
母音定常部（時間ｂ）とにおいて、そのＶＣＶ音韻連鎖
波形に対するピッチ周波数（Ｆａ，Ｆｂ）と、それに対
応する合成ピッチパターンのピッチ周波数（Ｆｓａ，Ｆ
ｓｂ）とからそれぞれピッチ変換率Ｃａ、Ｃｂを求め、
先行母音定常部（時間ａ）と後続母音定常部（時間ｂ）
との間のピッチ変換率（Ｘ）を、ピッチ変換率ＣａとＣ
ｂ間を直線補間（直線補間に限らず任意でよい）して算
出し、このようにして求めたピッチ変換率を用いてＶＣ
Ｖ音韻連鎖波形本来のピッチ周波数を合成音声（合成に
より求められるべき音声）のピッチ周波数に変換するよ
うにしたものであり、自然で明瞭なＶＣＶ波形接続合成
音声が得られるという効果を有する。
変換方法および音声合成装置をより詳細に説明すると、
ＶＣＶ音韻連鎖波形の先行母音定常部（時間ａ）と後続
母音定常部（時間ｂ）とにおいて、そのＶＣＶ音韻連鎖
波形に対するピッチ周波数（Ｆａ，Ｆｂ）と、それに対
応する合成ピッチパターンのピッチ周波数（Ｆｓａ，Ｆ
ｓｂ）とからそれぞれピッチ変換率Ｃａ、Ｃｂを求め、
先行母音定常部（時間ａ）と後続母音定常部（時間ｂ）
との間のピッチ変換率（Ｘ）を、ピッチ変換率ＣａとＣ
ｂ間を直線補間（直線補間に限らず任意でよい）して算
出し、このようにして求めたピッチ変換率を用いてＶＣ
Ｖ音韻連鎖波形本来のピッチ周波数を合成音声（合成に
より求められるべき音声）のピッチ周波数に変換するよ
うにしたものであり、自然で明瞭なＶＣＶ波形接続合成
音声が得られるという効果を有する。
【００１６】更に、本発明によるＶＣＶ波形接続音声の
ピッチ変換方法および音声合成装置をより詳細に説明す
ると、入力テキストの各ＶＣＶ音韻記号毎に、そのＶＣ
Ｖ音韻連鎖波形の先行母音定常部のピッチ周波数と後続
母音定常部のピッチ周波数の相対的な高さの違いによっ
て分類された少なくとも複数種類（本実施の形態では４
種類）のＶＣＶ音韻連鎖波形、および語頭のＣＶ連鎖音
韻波形や無声化母音を含むＶＣＶ音韻連鎖波形などの例
外ＶＣＶ音韻連鎖波形で構成したＶＣＶ音韻連鎖波形デ
ータベースを用意しておき、合成ピッチパターンに最も
近いＶＣＶ音韻連鎖波形を選択的に用いて音声を合成す
るようにしたものであり、高音質の合成音声が得られる
という効果を有する。
ピッチ変換方法および音声合成装置をより詳細に説明す
ると、入力テキストの各ＶＣＶ音韻記号毎に、そのＶＣ
Ｖ音韻連鎖波形の先行母音定常部のピッチ周波数と後続
母音定常部のピッチ周波数の相対的な高さの違いによっ
て分類された少なくとも複数種類（本実施の形態では４
種類）のＶＣＶ音韻連鎖波形、および語頭のＣＶ連鎖音
韻波形や無声化母音を含むＶＣＶ音韻連鎖波形などの例
外ＶＣＶ音韻連鎖波形で構成したＶＣＶ音韻連鎖波形デ
ータベースを用意しておき、合成ピッチパターンに最も
近いＶＣＶ音韻連鎖波形を選択的に用いて音声を合成す
るようにしたものであり、高音質の合成音声が得られる
という効果を有する。
【００１７】
【発明の実施の形態】本発明の請求項１に記載の発明
は、入力した音声合成されるべきテキストから合成ピッ
チパターンを生成し、前記音声合成されるべきテキスト
を構成するＶＣＶ音韻記号に対応するＶＣＶ音韻連鎖波
形をＶＣＶ音韻連鎖波形データベースから選出し、前記
合成音声を構成するべき音韻連鎖波形の先行母音定常部
と後続母音定常部との間のピッチ周波数の傾きを、ピッ
チ変換率を使用して、前記合成ピッチパターンの対応す
る位置のピッチ周波数の傾きに合わせて前記ＶＣＶ音韻
連鎖波形のピッチを変換する各工程からなり、ＶＣＶ音
韻連鎖波形を接続して音声を合成するようにしたもので
あり、自然で明瞭なＶＣＶ波形接続合成音声を発音しう
るＶＣＶ波形接続音声のピッチ変換方法が得られる。
は、入力した音声合成されるべきテキストから合成ピッ
チパターンを生成し、前記音声合成されるべきテキスト
を構成するＶＣＶ音韻記号に対応するＶＣＶ音韻連鎖波
形をＶＣＶ音韻連鎖波形データベースから選出し、前記
合成音声を構成するべき音韻連鎖波形の先行母音定常部
と後続母音定常部との間のピッチ周波数の傾きを、ピッ
チ変換率を使用して、前記合成ピッチパターンの対応す
る位置のピッチ周波数の傾きに合わせて前記ＶＣＶ音韻
連鎖波形のピッチを変換する各工程からなり、ＶＣＶ音
韻連鎖波形を接続して音声を合成するようにしたもので
あり、自然で明瞭なＶＣＶ波形接続合成音声を発音しう
るＶＣＶ波形接続音声のピッチ変換方法が得られる。
【００１８】また、本発明の請求項２に記載の発明は、
前記接続して合成音声を構成するべきＶＣＶ音韻連鎖波
形が該ＶＣＶ音韻連鎖波形の先行母音定常部と後続母音
定常部とにおけるピッチ周波数の相対的な高さの違いに
よって分類された複数種類のＶＣＶ音韻連鎖波形から選
択されるようにしたものであり、高音質且つ自然で明瞭
なＶＣＶ波形接続合成音声を発音しうるＶＣＶ波形接続
音声のピッチ変換方法が得られる。
前記接続して合成音声を構成するべきＶＣＶ音韻連鎖波
形が該ＶＣＶ音韻連鎖波形の先行母音定常部と後続母音
定常部とにおけるピッチ周波数の相対的な高さの違いに
よって分類された複数種類のＶＣＶ音韻連鎖波形から選
択されるようにしたものであり、高音質且つ自然で明瞭
なＶＣＶ波形接続合成音声を発音しうるＶＣＶ波形接続
音声のピッチ変換方法が得られる。
【００１９】また、本発明の請求項３に記載の発明は、
前記ピッチ変換率が前記ＶＣＶ音韻連鎖波形の先行母音
定常部（ａ点）と（ｂ点）後続母音定常部との中間にお
いて、 Ｃｘ＝ Ｃａ＋ (Ｃｂ−Ｃａ）Ｘ／（ｂ−ａ） ここで、 Ｃｘは（ａ点）と（ｂ点）との中間におけるピッチ変換
率 ａはａ点の時間、 ｂはｂ点の時間、 Ｘはｘ点の時間 Ｃａはａ点におけるピッチ変換率 Ｃｂはｂ点におけるピッチ変換率 から算出されるようにしたものであり、高音質且つ自然
で明瞭なＶＣＶ波形接続合成音声を発音しうるＶＣＶ波
形接続音声のピッチ変換方法が得られる。
前記ピッチ変換率が前記ＶＣＶ音韻連鎖波形の先行母音
定常部（ａ点）と（ｂ点）後続母音定常部との中間にお
いて、 Ｃｘ＝ Ｃａ＋ (Ｃｂ−Ｃａ）Ｘ／（ｂ−ａ） ここで、 Ｃｘは（ａ点）と（ｂ点）との中間におけるピッチ変換
率 ａはａ点の時間、 ｂはｂ点の時間、 Ｘはｘ点の時間 Ｃａはａ点におけるピッチ変換率 Ｃｂはｂ点におけるピッチ変換率 から算出されるようにしたものであり、高音質且つ自然
で明瞭なＶＣＶ波形接続合成音声を発音しうるＶＣＶ波
形接続音声のピッチ変換方法が得られる。
【００２０】また、本発明の請求項４に記載の発明は、
入力した音声合成されるべきテキストからそれを構成す
るＶＣＶ音韻記号を生成するＶＣＶ音韻記号列生成手段
と、ピッチパターン生成モデルを用いて前記入力した音
声合成されるべきテキストから合成ピッチパターンを生
成する合成ピッチパターン生成手段と、入力テキストの
ＶＣＶ音韻記号毎にＶＣＶ音韻連鎖波形の先行母音定常
部のピッチ周波数と後続母音定常部のピッチ周波数の相
対的な高さの違いによって分類された複数種類のＶＣＶ
音韻連鎖波形のデータベースを格納する音韻連鎖波形デ
ータベース格納手段と、前記ＶＣＶ音韻記号及び合成ピ
ッチパターンに基づき、前記複数種類のＶＣＶ音韻連鎖
波形の中からピッチ変換率が最小の１つを選択する音韻
連鎖波形選択手段と、前記ピッチ変換率に従い、前記合
成ピッチパターンと選択されたＶＣＶ音韻連鎖波形とか
ら、該選択されたＶＣＶ音韻連鎖波形のピッチ変換を行
なうピッチ変換手段と、前記ピッチ変換されたＶＣＶ音
韻連鎖波形を接続して合成音声を出力する音韻連鎖波形
接続手段とからなり、合成音声を構成するべき音韻連鎖
波形の先行母音定常部と後続母音定常部との間のピッチ
周波数の傾きをピッチ変換率を使用して変換し、該ピッ
チ変換率は複数種類のＶＣＶ音韻連鎖波形の中から最小
の１つを選択して使用するようにしたものであり、高音
質で且つ自然性及び明瞭性の優れたＶＣＶ波形接続合成
音声を発音しうるＶＣＶ波形接続音声の音声合成装置が
得られる。
入力した音声合成されるべきテキストからそれを構成す
るＶＣＶ音韻記号を生成するＶＣＶ音韻記号列生成手段
と、ピッチパターン生成モデルを用いて前記入力した音
声合成されるべきテキストから合成ピッチパターンを生
成する合成ピッチパターン生成手段と、入力テキストの
ＶＣＶ音韻記号毎にＶＣＶ音韻連鎖波形の先行母音定常
部のピッチ周波数と後続母音定常部のピッチ周波数の相
対的な高さの違いによって分類された複数種類のＶＣＶ
音韻連鎖波形のデータベースを格納する音韻連鎖波形デ
ータベース格納手段と、前記ＶＣＶ音韻記号及び合成ピ
ッチパターンに基づき、前記複数種類のＶＣＶ音韻連鎖
波形の中からピッチ変換率が最小の１つを選択する音韻
連鎖波形選択手段と、前記ピッチ変換率に従い、前記合
成ピッチパターンと選択されたＶＣＶ音韻連鎖波形とか
ら、該選択されたＶＣＶ音韻連鎖波形のピッチ変換を行
なうピッチ変換手段と、前記ピッチ変換されたＶＣＶ音
韻連鎖波形を接続して合成音声を出力する音韻連鎖波形
接続手段とからなり、合成音声を構成するべき音韻連鎖
波形の先行母音定常部と後続母音定常部との間のピッチ
周波数の傾きをピッチ変換率を使用して変換し、該ピッ
チ変換率は複数種類のＶＣＶ音韻連鎖波形の中から最小
の１つを選択して使用するようにしたものであり、高音
質で且つ自然性及び明瞭性の優れたＶＣＶ波形接続合成
音声を発音しうるＶＣＶ波形接続音声の音声合成装置が
得られる。
【００２１】また、本発明の請求項５に記載の発明は、
前記音韻連鎖波形データベース格納手段は、少なくとも
低高型ＶＣＶ音韻連鎖波形データベースと、高高型ＶＣ
Ｖ音韻連鎖波形データベースと、高低型ＶＣＶ音韻連鎖
波形データベースと、低低型ＶＣＶ音韻連鎖波形データ
ベースと、例外ＶＣＶ音韻連鎖波形データベースとで構
成されたＶＣＶ音韻連鎖波形データベースを格納するよ
うにしたものであり、高音質で且つ自然性及び明瞭性の
優れたＶＣＶ波形接続合成音声を発音しうるＶＣＶ波形
接続音声の音声合成装置が得られる。
前記音韻連鎖波形データベース格納手段は、少なくとも
低高型ＶＣＶ音韻連鎖波形データベースと、高高型ＶＣ
Ｖ音韻連鎖波形データベースと、高低型ＶＣＶ音韻連鎖
波形データベースと、低低型ＶＣＶ音韻連鎖波形データ
ベースと、例外ＶＣＶ音韻連鎖波形データベースとで構
成されたＶＣＶ音韻連鎖波形データベースを格納するよ
うにしたものであり、高音質で且つ自然性及び明瞭性の
優れたＶＣＶ波形接続合成音声を発音しうるＶＣＶ波形
接続音声の音声合成装置が得られる。
【００２２】以下、添付図面、図１及び図２に基づき、
第１及び第２の発明の実施の形態を詳細に説明する。図
１は第１の発明の実施の形態におけるＶＣＶ波形接続音
声のピッチ変換方法を説明するためのグラフ図、図２は
図１に示すＶＣＶ波形接続音声のピッチ変換方法を実現
するための第２の発明の実施の形態における音声合成装
置の構成を示すブロック図である。
第１及び第２の発明の実施の形態を詳細に説明する。図
１は第１の発明の実施の形態におけるＶＣＶ波形接続音
声のピッチ変換方法を説明するためのグラフ図、図２は
図１に示すＶＣＶ波形接続音声のピッチ変換方法を実現
するための第２の発明の実施の形態における音声合成装
置の構成を示すブロック図である。
【００２３】（第１の発明の実施の形態）まず、図１を
参照して、第１の発明の実施の形態におけるＶＣＶ波形
接続音声のピッチ変換方法について説明する。図１にお
いて、１１は入力したテキスト（ディジタル文字）から
生成され、合成音声のピッチパターンの基準となる合成
ピッチパターンの一部を示す。規則音声合成によると、
この合成ピッチパターン１１は、通常、ピッチパターン
生成モデルを用いて入力したテキストから生成される。
１２は予め格納手段に格納され、音声合成に用いる際、
格納手段から取り出されたＶＣＶ音韻連鎖波形から得ら
れたＶＣＶ音韻連鎖波形固有のピッチパターンの例を示
す。
参照して、第１の発明の実施の形態におけるＶＣＶ波形
接続音声のピッチ変換方法について説明する。図１にお
いて、１１は入力したテキスト（ディジタル文字）から
生成され、合成音声のピッチパターンの基準となる合成
ピッチパターンの一部を示す。規則音声合成によると、
この合成ピッチパターン１１は、通常、ピッチパターン
生成モデルを用いて入力したテキストから生成される。
１２は予め格納手段に格納され、音声合成に用いる際、
格納手段から取り出されたＶＣＶ音韻連鎖波形から得ら
れたＶＣＶ音韻連鎖波形固有のピッチパターンの例を示
す。
【００２４】時間軸上のａ点（時間ａ）はＶＣＶ音韻連
鎖波形の先行母音定常部を、またｂ点（時間ｂ）は後続
母音定常部を示している。縦軸上のＦａはａ点における
ＶＣＶ音韻連鎖波形（ピッチパターン１２）のピッチ周
波数であり、Ｆｓａはａ点における変換目標の合成ピッ
チパターン１１のピッチ周波数である。さらに、縦軸上
のＦｂはｂ点におけるＶＣＶ音韻連鎖波形（ピッチパタ
ーン１２）のピッチ周波数であり、Ｆｓｂはｂ点におけ
る変換目標の合成ピッチパターン１１のピッチ周波数で
ある。
鎖波形の先行母音定常部を、またｂ点（時間ｂ）は後続
母音定常部を示している。縦軸上のＦａはａ点における
ＶＣＶ音韻連鎖波形（ピッチパターン１２）のピッチ周
波数であり、Ｆｓａはａ点における変換目標の合成ピッ
チパターン１１のピッチ周波数である。さらに、縦軸上
のＦｂはｂ点におけるＶＣＶ音韻連鎖波形（ピッチパタ
ーン１２）のピッチ周波数であり、Ｆｓｂはｂ点におけ
る変換目標の合成ピッチパターン１１のピッチ周波数で
ある。
【００２５】発音させる目的の音声を合成するために
は、ＦａをＦｓａに、また、ＦｂをＦｓｂに変換しなけ
ればならない。ａ点におけるピッチ変換率Ｃａはによっ
て算出され、ｂ点におけるピッチ変換率ＣｂはＦｓｂ／
Ｆｂによって算出される。ａ点とｂ点の間のＸ点におけ
るピッチ変換率Ｃｘは次式（１）で算出される。 Ｃｘ＝ Ｃａ＋ (Ｃｂ−Ｃａ）Ｘ／（ｂ−ａ） （１）
は、ＦａをＦｓａに、また、ＦｂをＦｓｂに変換しなけ
ればならない。ａ点におけるピッチ変換率Ｃａはによっ
て算出され、ｂ点におけるピッチ変換率ＣｂはＦｓｂ／
Ｆｂによって算出される。ａ点とｂ点の間のＸ点におけ
るピッチ変換率Ｃｘは次式（１）で算出される。 Ｃｘ＝ Ｃａ＋ (Ｃｂ−Ｃａ）Ｘ／（ｂ−ａ） （１）
【００２６】本発明では、この式（１）を用いて各ＶＣ
Ｖ音韻連鎖波形のａ点とｂ点との間のピッチを変換す
る。すなわち、本発明の実施の形態によれば、このピッ
チ変換率を用いて、ＶＣＶ音韻連鎖波形のピッチパター
ンの傾きを合成ピッチパターン１１の傾きに合わせて変
換するようにしている。なお、Ｘ点の数は任意である。
そして、ピッチパターンが変換されたＶＣＶ音韻連鎖波
形はともに接続されて、合成音声として出力される。ま
た、音声合成されるべきＶＣＶ音韻連鎖波形のピッチパ
ターン１２は入力テキストの各ＶＣＶ音韻記号に対し複
数種類のＶＣＶ音韻連鎖波形を含むデータベースから選
出されたＶＣＶ音韻連鎖波形のピッチパターンであり、
第２の発明の実施の形態において詳細に説明する。
Ｖ音韻連鎖波形のａ点とｂ点との間のピッチを変換す
る。すなわち、本発明の実施の形態によれば、このピッ
チ変換率を用いて、ＶＣＶ音韻連鎖波形のピッチパター
ンの傾きを合成ピッチパターン１１の傾きに合わせて変
換するようにしている。なお、Ｘ点の数は任意である。
そして、ピッチパターンが変換されたＶＣＶ音韻連鎖波
形はともに接続されて、合成音声として出力される。ま
た、音声合成されるべきＶＣＶ音韻連鎖波形のピッチパ
ターン１２は入力テキストの各ＶＣＶ音韻記号に対し複
数種類のＶＣＶ音韻連鎖波形を含むデータベースから選
出されたＶＣＶ音韻連鎖波形のピッチパターンであり、
第２の発明の実施の形態において詳細に説明する。
【００２７】以上のように、本発明の実施の形態によれ
ば、ＶＣＶ音韻連鎖波形のａ点とｂ点との間もピッチ変
換率を用いて変換するようにしたことにより、ＶＣＶ音
韻連鎖波形のピッチの微細構造を維持したままピッチ変
換することができるため、自然で明瞭な合成音声を得る
ことができる。
ば、ＶＣＶ音韻連鎖波形のａ点とｂ点との間もピッチ変
換率を用いて変換するようにしたことにより、ＶＣＶ音
韻連鎖波形のピッチの微細構造を維持したままピッチ変
換することができるため、自然で明瞭な合成音声を得る
ことができる。
【００２８】（第２の発明の実施の形態）次に、図２を
参照して、図１に示すＶＣＶ波形接続音声のピッチ変換
方法を実現するための第２の発明の実施の形態における
音声合成装置の構成について説明する。図２において、
３０は音声に変換する文字（例えば、yokohamashi ）な
どテキストを電気信号として入力するテキスト入力端
子、３１は、入力したテキストを例えば、[yo]、[oko]
、[oha] 、[ama] 、[ashi]などのＶＣＶ音韻記号列を
生成するＶＣＶ音韻記号列生成手段である。
参照して、図１に示すＶＣＶ波形接続音声のピッチ変換
方法を実現するための第２の発明の実施の形態における
音声合成装置の構成について説明する。図２において、
３０は音声に変換する文字（例えば、yokohamashi ）な
どテキストを電気信号として入力するテキスト入力端
子、３１は、入力したテキストを例えば、[yo]、[oko]
、[oha] 、[ama] 、[ashi]などのＶＣＶ音韻記号列を
生成するＶＣＶ音韻記号列生成手段である。
【００２９】また、３２は入力した文字（例えば、yoko
hamashi など）からピッチパターン生成モデルを用いて
その合成ピッチパターン１１を生成する合成ピッチパタ
ーン生成手段、３３は入力テキストの各ＶＣＶ音韻記号
に対し複数種類のＶＣＶ音韻連鎖波形を含むデータベー
スを格納して（本実施の形態では、入力テキストの各Ｖ
ＣＶ音韻記号に対し、ＶＣＶ音韻連鎖波形の先行母音定
常部のピッチ周波数と後続母音定常部のピッチ周波数の
相違から、４種類のＶＣＶ音韻連鎖波形を含むデータベ
ースを格納しているが、４種類より多くても少なくとも
よい）その中から最も小さいピッチ変換率となるＶＣＶ
音韻連鎖波形を選び得るようにした音韻連鎖波形データ
ベース格納手段、３４はＶＣＶ音韻記号列生成手段３１
からの各ＶＣＶ音韻記号列に対応するＶＣＶ音韻連鎖波
形を音韻連鎖波形データベース格納手段３３から選択す
る音韻連鎖波形選択手段である。
hamashi など）からピッチパターン生成モデルを用いて
その合成ピッチパターン１１を生成する合成ピッチパタ
ーン生成手段、３３は入力テキストの各ＶＣＶ音韻記号
に対し複数種類のＶＣＶ音韻連鎖波形を含むデータベー
スを格納して（本実施の形態では、入力テキストの各Ｖ
ＣＶ音韻記号に対し、ＶＣＶ音韻連鎖波形の先行母音定
常部のピッチ周波数と後続母音定常部のピッチ周波数の
相違から、４種類のＶＣＶ音韻連鎖波形を含むデータベ
ースを格納しているが、４種類より多くても少なくとも
よい）その中から最も小さいピッチ変換率となるＶＣＶ
音韻連鎖波形を選び得るようにした音韻連鎖波形データ
ベース格納手段、３４はＶＣＶ音韻記号列生成手段３１
からの各ＶＣＶ音韻記号列に対応するＶＣＶ音韻連鎖波
形を音韻連鎖波形データベース格納手段３３から選択す
る音韻連鎖波形選択手段である。
【００３０】また、３５は音韻連鎖波形選択手段３４で
選択されたＶＣＶ音韻連鎖波形のピッチパターンを上記
第１の発明方法、特にそのピッチ変換率を使用してその
ピッチパターンの傾きが合成ピッチパターン生成手段３
２からの合成ピッチパターン１１の傾きに合うように変
換するピッチ変換手段、３６はピッチ変換手段３５でピ
ッチが変換されたＶＣＶ音韻連鎖波形を接続して合成音
声を構成し出力する音韻連鎖波形接続手段、３７は合成
された合成音声（または音声の波形）を出力する合成音
声出力端子である。
選択されたＶＣＶ音韻連鎖波形のピッチパターンを上記
第１の発明方法、特にそのピッチ変換率を使用してその
ピッチパターンの傾きが合成ピッチパターン生成手段３
２からの合成ピッチパターン１１の傾きに合うように変
換するピッチ変換手段、３６はピッチ変換手段３５でピ
ッチが変換されたＶＣＶ音韻連鎖波形を接続して合成音
声を構成し出力する音韻連鎖波形接続手段、３７は合成
された合成音声（または音声の波形）を出力する合成音
声出力端子である。
【００３１】次に、図２を参照して、本第２の発明の実
施の形態における音声合成装置の動作について説明す
る。まず、この音声合成装置により合成してそれをを発
音するべき音声のテキスト（例えば、yokohamashi のデ
ィジタル文字）を入力すると、ＶＣＶ音韻記号列生成手
段３１は入力したテキストを合成ピッチパターン生成手
段３２に送るとともに、入力したテキストのＶＣＶ音韻
記号列（例えば、[yo]、[oko] 、[oha] 、[ama] 、[ash
i]）を生成して音韻連鎖波形選択手段３４に送でする。
施の形態における音声合成装置の動作について説明す
る。まず、この音声合成装置により合成してそれをを発
音するべき音声のテキスト（例えば、yokohamashi のデ
ィジタル文字）を入力すると、ＶＣＶ音韻記号列生成手
段３１は入力したテキストを合成ピッチパターン生成手
段３２に送るとともに、入力したテキストのＶＣＶ音韻
記号列（例えば、[yo]、[oko] 、[oha] 、[ama] 、[ash
i]）を生成して音韻連鎖波形選択手段３４に送でする。
【００３２】合成ピッチパターン生成手段３２は入力し
た文字（yokohamashi ）からピッチパターン生成モデル
を用いて“yokohamashi ”を合成するための合成ピッチ
パターン１１を生成して音韻連鎖波形選択手段３４及び
本発明によるピッチ変換手段３５に出力する。この合成
ピッチパターン１１により、合成されるそれぞれのＶＣ
Ｖ音韻連鎖波形に与えられるべき大凡のピッチパターン
が決定される。
た文字（yokohamashi ）からピッチパターン生成モデル
を用いて“yokohamashi ”を合成するための合成ピッチ
パターン１１を生成して音韻連鎖波形選択手段３４及び
本発明によるピッチ変換手段３５に出力する。この合成
ピッチパターン１１により、合成されるそれぞれのＶＣ
Ｖ音韻連鎖波形に与えられるべき大凡のピッチパターン
が決定される。
【００３３】一般に、ＶＣＶ音韻連鎖波形の大局的且つ
全体的なピッチパターンの形状に現れるピッチ構造は、
先行母音定常部のピッチ周波数と後続母音定常部のピッ
チ周波数の相違から、低高型、高高型、高低型、低低型
の４種類に分類することができる。本発明の実施の形態
における音韻連鎖波形データベース格納手段３３に格納
されているデータベースは、この４種類のデータベー
ス、すなわち、低高型ＶＣＶ音韻連鎖波形データベー
ス、高高型ＶＣＶ音韻連鎖波形データベース、高低型Ｖ
ＣＶ音韻連鎖波形データベース、低低型ＶＣＶ音韻連鎖
波形データベースと、それに加えて語頭のＶＣＶ音韻連
鎖波形とか無声化母音を含むＶＣＶ音韻連鎖波形などの
例外ＶＣＶ音韻連鎖波形データベースとにより構成され
る。
全体的なピッチパターンの形状に現れるピッチ構造は、
先行母音定常部のピッチ周波数と後続母音定常部のピッ
チ周波数の相違から、低高型、高高型、高低型、低低型
の４種類に分類することができる。本発明の実施の形態
における音韻連鎖波形データベース格納手段３３に格納
されているデータベースは、この４種類のデータベー
ス、すなわち、低高型ＶＣＶ音韻連鎖波形データベー
ス、高高型ＶＣＶ音韻連鎖波形データベース、高低型Ｖ
ＣＶ音韻連鎖波形データベース、低低型ＶＣＶ音韻連鎖
波形データベースと、それに加えて語頭のＶＣＶ音韻連
鎖波形とか無声化母音を含むＶＣＶ音韻連鎖波形などの
例外ＶＣＶ音韻連鎖波形データベースとにより構成され
る。
【００３４】音韻連鎖波形選択手段３４は、ＶＣＶ音韻
記号列生成手段３１から入力した各ＶＣＶ音韻記号列
（[yo]、[oko] 、[oha] 、[ama] 、[ashi]）に対応する
ＶＣＶ音韻連鎖波形を音韻連鎖波形データベース格納手
段３３から選択する。このとき、それぞれのＶＣＶ音韻
連鎖波形固有のピッチパターンと変換目標の合成ピッチ
パターン１１とから変換する際のピッチ変換率が最も小
さくなる型のＶＣＶ音韻連鎖波形（必要に応じて例外Ｖ
ＣＶ音韻連鎖波形）を選択する。ピッチ変換手段３５
は、選択されたＶＣＶ音韻連鎖波形のピッチパターンを
上記第１の発明の実施の形態に記載するような方法で変
換する。音韻連鎖波形接続手段３６は、ピッチ変換（ピ
ッチパターンが変換される）されたＶＣＶ音韻連鎖波形
を接続して合成音声を出力する。
記号列生成手段３１から入力した各ＶＣＶ音韻記号列
（[yo]、[oko] 、[oha] 、[ama] 、[ashi]）に対応する
ＶＣＶ音韻連鎖波形を音韻連鎖波形データベース格納手
段３３から選択する。このとき、それぞれのＶＣＶ音韻
連鎖波形固有のピッチパターンと変換目標の合成ピッチ
パターン１１とから変換する際のピッチ変換率が最も小
さくなる型のＶＣＶ音韻連鎖波形（必要に応じて例外Ｖ
ＣＶ音韻連鎖波形）を選択する。ピッチ変換手段３５
は、選択されたＶＣＶ音韻連鎖波形のピッチパターンを
上記第１の発明の実施の形態に記載するような方法で変
換する。音韻連鎖波形接続手段３６は、ピッチ変換（ピ
ッチパターンが変換される）されたＶＣＶ音韻連鎖波形
を接続して合成音声を出力する。
【００３５】以上のように、本発明の実施の形態によれ
ば、ＶＣＶ音韻連鎖波形の大局的なピッチ構造を合成ピ
ッチパターンと整合するようになし、かつ、第１の発明
の実施の形態による方法を用いてピッチ変換を行うよう
にしているため、高音質かつ自然性、明瞭性の高い合成
音声を得ることができる。
ば、ＶＣＶ音韻連鎖波形の大局的なピッチ構造を合成ピ
ッチパターンと整合するようになし、かつ、第１の発明
の実施の形態による方法を用いてピッチ変換を行うよう
にしているため、高音質かつ自然性、明瞭性の高い合成
音声を得ることができる。
【００３６】
【発明の効果】第１の発明によるＶＣＶ波形接続音声の
ピッチ変換方法は、ＶＣＶ音韻連鎖波形をピッチ波形列
に分解して再配列するようなことはせず、ＶＣＶ音韻連
鎖波形固有のピッチパターンの傾きを本発明によるピッ
チ変換率に基づき合成ピッチパターンの傾きに合わせる
ようにしてＶＣＶ音韻連鎖波形のピッチ変換を行い、ま
た、ＶＣＶ音韻連鎖波形毎に複数種類に分類されたＶＣ
Ｖ音韻連鎖波形の中からピッチ変換率が最も小さくなる
ようなＶＣＶ音韻連鎖波形を選択するようにしたことに
より、ＶＣＶ音韻連鎖波形固有のピッチの微細構造及び
自然音声特有のピッチの揺らぎなど有声子音の特徴的な
ピッチ変動が維持されると共に、ピッチ変換率が小さく
押さえられて、極めて高音質且つ自然性及び明瞭性の高
い合成音声を得ることができる。
ピッチ変換方法は、ＶＣＶ音韻連鎖波形をピッチ波形列
に分解して再配列するようなことはせず、ＶＣＶ音韻連
鎖波形固有のピッチパターンの傾きを本発明によるピッ
チ変換率に基づき合成ピッチパターンの傾きに合わせる
ようにしてＶＣＶ音韻連鎖波形のピッチ変換を行い、ま
た、ＶＣＶ音韻連鎖波形毎に複数種類に分類されたＶＣ
Ｖ音韻連鎖波形の中からピッチ変換率が最も小さくなる
ようなＶＣＶ音韻連鎖波形を選択するようにしたことに
より、ＶＣＶ音韻連鎖波形固有のピッチの微細構造及び
自然音声特有のピッチの揺らぎなど有声子音の特徴的な
ピッチ変動が維持されると共に、ピッチ変換率が小さく
押さえられて、極めて高音質且つ自然性及び明瞭性の高
い合成音声を得ることができる。
【００３７】第２の発明による音声合成装置は、ＶＣＶ
音韻連鎖波形をピッチ波形列に分解して再配列するよう
なことはせず、ＶＣＶ音韻連鎖波形固有のピッチパター
ンの傾きをピッチ変換率に基づき合成ピッチパターンの
傾きに合わせるようにしてＶＣＶ音韻連鎖波形のピッチ
変換を行うピッチ変換手段と、本発明によりＶＣＶ音韻
記号毎に複数種類に分類されたＶＣＶ音韻連鎖波形を格
納しその中からピッチ変換率が小さくなるようなＶＣＶ
音韻連鎖波形を選択しうるようにした音韻連鎖波形デー
タベース格納手段とからなり、ＶＣＶ音韻連鎖波形固有
のピッチの微細構造及び自然音声特有のピッチの揺らぎ
など有声子音の特徴的なピッチ変動が維持されると共
に、ピッチ変換率が小さく押さえられるようにしたた
め、極めて高音質かつ自然性、明瞭性の高い合成音声を
得ることができる。
音韻連鎖波形をピッチ波形列に分解して再配列するよう
なことはせず、ＶＣＶ音韻連鎖波形固有のピッチパター
ンの傾きをピッチ変換率に基づき合成ピッチパターンの
傾きに合わせるようにしてＶＣＶ音韻連鎖波形のピッチ
変換を行うピッチ変換手段と、本発明によりＶＣＶ音韻
記号毎に複数種類に分類されたＶＣＶ音韻連鎖波形を格
納しその中からピッチ変換率が小さくなるようなＶＣＶ
音韻連鎖波形を選択しうるようにした音韻連鎖波形デー
タベース格納手段とからなり、ＶＣＶ音韻連鎖波形固有
のピッチの微細構造及び自然音声特有のピッチの揺らぎ
など有声子音の特徴的なピッチ変動が維持されると共
に、ピッチ変換率が小さく押さえられるようにしたた
め、極めて高音質かつ自然性、明瞭性の高い合成音声を
得ることができる。
【図１】第１の発明の実施の形態におけるＶＣＶ波形接
続音声のピッチ変換方法を説明するためのグラフ図
続音声のピッチ変換方法を説明するためのグラフ図
【図２】図１に示すＶＣＶ波形接続音声のピッチ変換方
法を実現するための第２の発明の実施の形態における音
声合成装置の構成を示すブロック図
法を実現するための第２の発明の実施の形態における音
声合成装置の構成を示すブロック図
【図３】従来のＶＣＶ波形接続音声のピッチ変換方法を
説明するためのグラフ図
説明するためのグラフ図
１ 「横浜市(yokohamashi）」という単語を合成する場
合の合成ピッチパターン ２ ＶＣＶ音韻連鎖波形[yoko]のピッチパターン ３ ＶＣＶ音韻連鎖波形[oha] のピッチパターン ４ ＶＣＶ音韻連鎖波形[ama] のピッチパターン ５ ＶＣＶ音韻連鎖波形[ashi]のピッチパターン ６、７、８、９ 母音定常部 11 合成ピッチパターンの一部 12 音声合成の接続に用いるＶＣＶ音韻連鎖波形のピッ
チパターンの例 30 テキスト入力端子 31 ＶＣＶ音韻記号列生成手段 32 合成ピッチパターン生成手段 33 音韻連鎖波形データベース格納手段 34 音韻連鎖波形選択手段 35 ピッチ変換手段 36 音韻連鎖波形接続手段 37 合成音声出力端子
合の合成ピッチパターン ２ ＶＣＶ音韻連鎖波形[yoko]のピッチパターン ３ ＶＣＶ音韻連鎖波形[oha] のピッチパターン ４ ＶＣＶ音韻連鎖波形[ama] のピッチパターン ５ ＶＣＶ音韻連鎖波形[ashi]のピッチパターン ６、７、８、９ 母音定常部 11 合成ピッチパターンの一部 12 音声合成の接続に用いるＶＣＶ音韻連鎖波形のピッ
チパターンの例 30 テキスト入力端子 31 ＶＣＶ音韻記号列生成手段 32 合成ピッチパターン生成手段 33 音韻連鎖波形データベース格納手段 34 音韻連鎖波形選択手段 35 ピッチ変換手段 36 音韻連鎖波形接続手段 37 合成音声出力端子
───────────────────────────────────────────────────── フロントページの続き (72)発明者 望月 亮 神奈川県綾瀬市綾西三丁目３番16号 (72)発明者 本多 高 東京都板橋区赤塚一丁目７番13号 (56)参考文献 特開 昭59−13299（ＪＰ，Ａ) 特開 平３−141399（ＪＰ，Ａ) 特開 平６−95692（ＪＰ，Ａ) 特開 平８−234793（ＪＰ，Ａ) 特開 平９−198073（ＪＰ，Ａ) 特開 平10−39895（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 13/00 - 13/08 G10L 21/04
Claims (5)
- 【請求項１】入力した音声合成されるべきテキストから
合成ピッチパターンを生成し、 前記音声合成されるべきテキストを構成するＶＣＶ音韻
記号に対応するＶＣＶ音韻連鎖波形をＶＣＶ音韻連鎖波
形データベースから選出し、 前記合成音声を構成するべき音韻連鎖波形の先行母音定
常部と後続母音定常部との間のピッチ周波数の傾きを、
ピッチ変換率を使用して、前記合成ピッチパターンの対
応する位置のピッチ周波数の傾きに合わせて前記ＶＣＶ
音韻連鎖波形のピッチを変換する各工程からなり、ＶＣ
Ｖ音韻連鎖波形を接続して音声を合成するようにしたＶ
ＣＶ波形接続音声のピッチ変換方法。 - 【請求項２】前記接続して合成音声を構成するべきＶＣ
Ｖ音韻連鎖波形は該ＶＣＶ音韻連鎖波形の先行母音定常
部と後続母音定常部とにおけるピッチ周波数の相対的な
高さの違いによって分類された複数種類のＶＣＶ音韻連
鎖波形から選択されることを特徴とする請求項１記載の
ピッチ変換方法。 - 【請求項３】前記ピッチ変換率は前記ＶＣＶ音韻連鎖波
形の先行母音定常部（ａ点）と後続母音定常部（ｂ点）
との中間において、 Ｃｘ＝ Ｃａ＋ (Ｃｂ−Ｃａ）Ｘ／（ｂ−ａ） ここで、 Ｃｘは（ａ点）と（ｂ点）との中間におけるピッチ変換
率 ａはａ点の時間、 ｂはｂ点の時間、 Ｘはｘ点の時間 Ｃａはａ点におけるピッチ変換率 Ｃｂはｂ点におけるピッチ変換率 から算出されることを特徴とする請求項１または２記載
のピッチ変換方法。 - 【請求項４】入力した音声合成されるべきテキストから
それを構成するＶＣＶ音韻記号を生成するＶＣＶ音韻記
号列生成手段と、 ピッチパターン生成モデルを用いて前記入力した音声合
成されるべきテキストから合成ピッチパターンを生成す
る合成ピッチパターン生成手段と、 入力テキストのＶＣＶ音韻記号毎にＶＣＶ音韻連鎖波形
の先行母音定常部のピッチ周波数と後続母音定常部のピ
ッチ周波数の相対的な高さの違いによって分類された複
数種類のＶＣＶ音韻連鎖波形のデータベースを格納する
音韻連鎖波形データベース格納手段と、 前記ＶＣＶ音韻記号及び合成ピッチパターンに基づき、
前記複数種類のＶＣＶ音韻連鎖波形の中からピッチ変換
率が最小の１つを選択する音韻連鎖波形選択手段と、 前記ピッチ変換率に従い、前記合成ピッチパターンと選
択されたＶＣＶ音韻連鎖波形とから、該選択されたＶＣ
Ｖ音韻連鎖波形のピッチ変換を行なうピッチ変換手段
と、 前記ピッチ変換されたＶＣＶ音韻連鎖波形を接続して合
成音声を出力する音韻連鎖波形接続手段とからなり、 合成音声を構成するべき音韻連鎖波形の先行母音定常部
と後続母音定常部との間のピッチ周波数の傾きをピッチ
変換率を使用して変換し、該ピッチ変換率は複数種類の
ＶＣＶ音韻連鎖波形の中から最小の１つを選択して使用
するようにしたことを特徴とするＶＣＶ波形接続音声の
音声合成装置。 - 【請求項５】前記音韻連鎖波形データベース格納手段
は、少なくとも低高型ＶＣＶ音韻連鎖波形データベース
と、高高型ＶＣＶ音韻連鎖波形データベースと、高低型
ＶＣＶ音韻連鎖波形データベースと、低低型ＶＣＶ音韻
連鎖波形データベースと、例外ＶＣＶ音韻連鎖波形デー
タベースとで構成されたＶＣＶ音韻連鎖波形データベー
スを格納することを特徴とする請求項４記載の音声合成
装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26914696A JP3242331B2 (ja) | 1996-09-20 | 1996-09-20 | Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置 |
| ES97116375T ES2188839T3 (es) | 1996-09-20 | 1997-09-19 | Procedimiento de cambio de frecuencia fundamental de una forma de ondas constituida por una cadena de fonemas (v)ocal-(c)onsonante-(v)ocal y dispositivo de sintesis de un sonido a partir de una serie de formas de ondas constituidas por cadenas de fonemas vcv. |
| EP97116375A EP0831459B1 (en) | 1996-09-20 | 1997-09-19 | Method of changing a pitch of a VCV phoneme-chain waveform and apparatus of synthesizing a sound from a series of VCV phoneme-chain waveforms |
| US08/933,993 US5950152A (en) | 1996-09-20 | 1997-09-19 | Method of changing a pitch of a VCV phoneme-chain waveform and apparatus of synthesizing a sound from a series of VCV phoneme-chain waveforms |
| DE69717933T DE69717933T2 (de) | 1996-09-20 | 1997-09-19 | Verfahren zur Änderung der Grundfrequenz einer V(okal)-K(onsonant)-V(okal) Phonemketten-Wellenform und Vorrichtung zur Klangsynthese aus einer Folge von VKV Phonemketten-Wellenformen |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26914696A JP3242331B2 (ja) | 1996-09-20 | 1996-09-20 | Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1097291A JPH1097291A (ja) | 1998-04-14 |
| JP3242331B2 true JP3242331B2 (ja) | 2001-12-25 |
Family
ID=17468329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26914696A Expired - Fee Related JP3242331B2 (ja) | 1996-09-20 | 1996-09-20 | Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US5950152A (ja) |
| EP (1) | EP0831459B1 (ja) |
| JP (1) | JP3242331B2 (ja) |
| DE (1) | DE69717933T2 (ja) |
| ES (1) | ES2188839T3 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU7429591A (en) * | 1990-04-18 | 1991-10-24 | Gene-Trak Systems | Nucleic acid probes for the detection of giardia lamblia |
| EP0883106B1 (en) * | 1996-11-11 | 2006-07-05 | Matsushita Electric Industrial Co., Ltd. | Sound reproducing speed converter |
| JP3361066B2 (ja) * | 1998-11-30 | 2003-01-07 | 松下電器産業株式会社 | 音声合成方法および装置 |
| JP2000305585A (ja) * | 1999-04-23 | 2000-11-02 | Oki Electric Ind Co Ltd | 音声合成装置 |
| JP3361291B2 (ja) | 1999-07-23 | 2003-01-07 | コナミ株式会社 | 音声合成方法、音声合成装置及び音声合成プログラムを記録したコンピュータ読み取り可能な媒体 |
| JP2001100776A (ja) * | 1999-09-30 | 2001-04-13 | Arcadia:Kk | 音声合成装置 |
| JP3515039B2 (ja) * | 2000-03-03 | 2004-04-05 | 沖電気工業株式会社 | テキスト音声変換装置におけるピッチパタン制御方法 |
| JP2002091475A (ja) * | 2000-09-18 | 2002-03-27 | Matsushita Electric Ind Co Ltd | 音声合成方法 |
| JP2003108178A (ja) * | 2001-09-27 | 2003-04-11 | Nec Corp | 音声合成装置及び音声合成用素片作成装置 |
| TWI250509B (en) * | 2004-10-05 | 2006-03-01 | Inventec Corp | Speech-synthesizing system and method thereof |
| JP4533255B2 (ja) * | 2005-06-27 | 2010-09-01 | 日本電信電話株式会社 | 音声合成装置、音声合成方法、音声合成プログラムおよびその記録媒体 |
| JP5479823B2 (ja) * | 2009-08-31 | 2014-04-23 | ローランド株式会社 | 効果装置 |
| JP5723568B2 (ja) * | 2010-10-15 | 2015-05-27 | 日本放送協会 | 話速変換装置及びプログラム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2761552B2 (ja) * | 1988-05-11 | 1998-06-04 | 日本電信電話株式会社 | 音声合成方法 |
| JP3059751B2 (ja) * | 1990-09-18 | 2000-07-04 | 三洋電機株式会社 | 残差駆動型音声合成装置 |
| KR940002854B1 (ko) * | 1991-11-06 | 1994-04-04 | 한국전기통신공사 | 음성 합성시스팀의 음성단편 코딩 및 그의 피치조절 방법과 그의 유성음 합성장치 |
| JPH06250691A (ja) * | 1993-02-25 | 1994-09-09 | N T T Data Tsushin Kk | 音声合成装置 |
| JPH07319497A (ja) * | 1994-05-23 | 1995-12-08 | N T T Data Tsushin Kk | 音声合成装置 |
| JP3563772B2 (ja) * | 1994-06-16 | 2004-09-08 | キヤノン株式会社 | 音声合成方法及び装置並びに音声合成制御方法及び装置 |
| JP3085631B2 (ja) * | 1994-10-19 | 2000-09-11 | 日本アイ・ビー・エム株式会社 | 音声合成方法及びシステム |
| JP3233544B2 (ja) * | 1995-02-28 | 2001-11-26 | 松下電器産業株式会社 | Ｖｃｖ連鎖波形を接続する音声合成方法およびその装置 |
-
1996
- 1996-09-20 JP JP26914696A patent/JP3242331B2/ja not_active Expired - Fee Related
-
1997
- 1997-09-19 DE DE69717933T patent/DE69717933T2/de not_active Expired - Fee Related
- 1997-09-19 US US08/933,993 patent/US5950152A/en not_active Expired - Fee Related
- 1997-09-19 ES ES97116375T patent/ES2188839T3/es not_active Expired - Lifetime
- 1997-09-19 EP EP97116375A patent/EP0831459B1/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| ES2188839T3 (es) | 2003-07-01 |
| EP0831459A3 (en) | 1998-11-18 |
| DE69717933D1 (de) | 2003-01-30 |
| EP0831459A2 (en) | 1998-03-25 |
| DE69717933T2 (de) | 2003-06-05 |
| EP0831459B1 (en) | 2002-12-18 |
| JPH1097291A (ja) | 1998-04-14 |
| US5950152A (en) | 1999-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0848372B1 (en) | Speech synthesizing system and redundancy-reduced waveform database therefor | |
| JP3361066B2 (ja) | 音声合成方法および装置 | |
| JP3242331B2 (ja) | Ｖｃｖ波形接続音声のピッチ変換方法及び音声合成装置 | |
| US6424937B1 (en) | Fundamental frequency pattern generator, method and program | |
| JP2003108178A (ja) | 音声合成装置及び音声合成用素片作成装置 | |
| JP5175422B2 (ja) | 音声合成における時間幅を制御する方法 | |
| JP2005539262A (ja) | 定常音響信号のための合成方法 | |
| JP3310226B2 (ja) | 音声合成方法および装置 | |
| JP3059751B2 (ja) | 残差駆動型音声合成装置 | |
| JP3495275B2 (ja) | 音声合成装置 | |
| JP7280605B2 (ja) | 音声処理装置、および音声処理方法 | |
| JP3310217B2 (ja) | 音声合成方法とその装置 | |
| JP3515268B2 (ja) | 音声合成装置 | |
| JP3034911B2 (ja) | テキスト音声合成装置 | |
| JPH11282484A (ja) | 音声合成装置 | |
| JPH0511794A (ja) | 音声合成装置 | |
| JP2573585B2 (ja) | 音声スペクトルパタン生成装置 | |
| JPH06149283A (ja) | 音声合成装置 | |
| JP2003005774A (ja) | 音声合成装置 | |
| JPH1097268A (ja) | 音声合成装置 | |
| JP3218639B2 (ja) | 規則音声合成装置におけるエネルギ制御方法 | |
| JP2002297174A (ja) | テキスト音声合成装置 | |
| JPH038000A (ja) | 音声規則合成装置 | |
| JPH04214600A (ja) | 音声合成方法 | |
| JPS5949599A (ja) | 合成音声の音声特徴を変更する方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |