JP3513071B2 - 音声合成方法及び音声合成装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、テキスト音声合成
のための音声合成方法及び音声合成装置に関する。

【０００２】

【従来の技術】任意の文章から人工的に音声信号を作り
出すことをテキスト音声合成という。通常、テキスト合
成システムは、テキスト解析、合成パラメータ生成、音
声合成の３つの段階から構成される。

【０００３】図１０に、従来の一般的な音声合成装置の
構成例を示す。図１０に示されるように、従来の一般的
なテキスト合成システムは、通常、テキスト解析部１０
１０、合成パラメータ生成部１００１、音声合成部１０
１３、韻律制御辞書１００２から構成される。入力され
たテキスト１１０２は、まず、テキスト解析部１０１０
において形態素解析や構文解析などが行われ、言語情報
１１０４が出力される。言語情報１１０４は、テキスト
１１０２の読みに対応する音声記号列や、韻律制御の単
位となるアクセント句の情報、アクセントの位置、品詞
など、合成パラメータの生成に必要な様々な情報を含ん
でいる。次に、合成パラメータ生成部１００１は、言語
情報１０４に基づき、韻律制御辞書１００２を参照して
韻律制御を行い、合成パラメータ１１００を生成する。
合成パラメータ１１００は、基本周波数・音韻継続時間
・パワーなどの韻律パラメータと音素記号列などの音韻
パラメータとから構成される。そして、音声合成部１０
１３は、合成パラメータ１１００で指定された音韻情報
や韻律情報に従って音声情報１１０８を生成する。

【０００４】このような合成システムでは、人間が文章
を読み上げるときのような調子（いわゆる朗読調）の音
声を合成することが普通であったが、近年、発話スタイ
ルを制御して多様な合成音を生成する方法が提案されて
いる。例えば、特開平１０−１１０８３号公報では、基
準発話スタイル（朗読調など）を含む複数の発話スタイ
ルの韻律制御辞書を用いて合成音声の発話スタイルを制
御する方法が開示されている。図１１に、この従来の音
声合成装置の構成を示す。

【０００５】上述した一般的なテキスト合成システムと
の相違は、韻律制御辞書を複数持ち（図１１では２０１
４，２０１５の２つ）、発話スタイル指定情報２１０３
に基づいて選択された韻律制御辞書（例えば２０１５）
と基準発話スタイル韻律制御辞書２０１６とを用いてそ
れぞれ合成パラメータ２１０５および合成パラメータ２
１０６を生成し、発話スタイル強調部２０１２において
強調度指定情報２１０１に従って発話スタイルを補正す
ることにある。複数の韻律制御情報２０１４，２０１５
は、基準発話スタイルと異なる発話スタイルの韻律制御
辞書であり、例えば会話調スタイルやアナウンサー調ス
タイルなどがある。発話スタイル強調部２０１２は、発
話スタイル指定情報２１０３によって選択された発話ス
タイルの合成パラメータ２１０５と、基準発話スタイル
の合成パラメータ２１０６との韻律パラメータの差分を
計算し、強調度指定情報２１０１と該差分に応じて合成
パラメータ２１０６の韻律パラメータを補正することに
より、発話スタイルが調整された合成パラメータ２１０
７を生成する。

【０００６】

【発明が解決しようとする課題】上述したように従来の
音声合成方法では、基準発話スタイルと選択された１つ
の発話スタイルとの中間的な発話スタイルに変更するこ
としかできず、また文中では常に一定の発話スタイルと
なり変更の自由度は小さい。さらに、変更できるのは、
発話スタイル（朗読調・会話調・アナウンサー調など）
のみであり、話者の個人性（Ａさんの声・Ｂさんの声な
ど）や感情（怒った声・悲しい声など）の変更は不可能
であるという問題があった。

【０００７】本発明は、上記事情を考慮してなされたも
ので、テキスト音声合成による合成音の韻律の多様性を
向上させることのできる音声合成方法及び音声合成装置
を提供することを目的とする。

【０００８】

【課題を解決するための手段】本発明は、複数の韻律制
御辞書を用いてそれぞれ生成された韻律パラメータを任
意の割合で内挿して韻律パラメータを生成することによ
り、多様な韻律の合成音声を生成できるようにしたもの
である。ここで、複数の韻律制御辞書は、発話スタイル
が異なる場合の他、話者の個人性や年齢・性別が異なる
ものであってもよいし、感情が異なるものであってもよ
く、また、これらの組み合わせによる様々な特徴を持っ
たものを用いてもよい。

【０００９】すなわち、本発明（請求項１）に係る音声
合成方法は、入力された言語情報に従って、複数の韻律
制御辞書を用いてそれぞれ第１の韻律パラメータを生成
し、前記韻律制御辞書毎に指定された重み情報に従っ
て、複数の前記第１の韻律パラメータ間で内挿処理を行
って第２の韻律パラメータを生成し、前記第２の韻律パ
ラメータに従って合成音声を生成することを特徴とす
る。

【００１０】ここで、言語情報とは、テキストの読みに
対応する音節記号列や、韻律制御の単位となるアクセン
ト句の情報、アクセントの位置、品詞、かかり受け、な
どのテキストを解析することによって得られる情報と、
平均的な発生速度や声の大きさなどを指定する付加情報
から構成されるものである。

【００１１】ここで、韻律制御辞書とは、合成音声の基
本周波数・音韻継続時間長・パワー・ポーズなどの韻律
を制御するために参照するものであり、例えば、基本周
波数の典型的な変化パターンや、アクセント成分・音韻
継続時間長・パワー・ポーズ長などの制御量の統計的な
モデルのパラメータ、あるいは決定木で表現されるルー
ルなどが考えられる。

【００１２】ここで、韻律パラメータとは、基本周波数
・音韻継続時間長・パワー・ポーズなどの合成音声の韻
律を特徴付けるパラメータの集合である。

【００１３】ここで、韻律パラメータ間の内挿処理と
は、複数の韻律パラメータ間で加重平均などの処理によ
って前記複数の韻律パラメータの中間的な韻律パラメー
タを生成する処理である。ただし、ここで言う内挿処理
には、重みが負になるような、いわゆる外挿処理も含ま
れるものとし、この場合、生成された韻律パラメータ
は、前記複数の韻律パラメータの中間的なものとはなら
ず、いずれかの韻律パラメータの特徴をより強調したよ
うなものとなることもありうる。また、この内挿処理
は、全ての韻律パラメータに対して行ってもよいし、一
部のパラメータ、例えば基本周波数のみに対して行って
もよい。また、例えば基本周波数と音韻継続時間長では
内挿の際の重みが異なるようにしてもよい。

【００１４】また、好ましくは、前記重み情報が文中で
変化するようにしてもよい。

【００１５】また、本発明（請求項３）に係る音声合成
方法は、複数の第１の韻律制御辞書間で内挿処理を行っ
て第２の韻律制御辞書を生成し、入力された言語情報に
従って、前記第２の韻律制御辞書を用いて韻律パラメー
タを生成し、前記韻律パラメータに従って合成音声を生
成することを特徴とする。

【００１６】ここで、韻律辞書間の内挿処理とは、複数
の韻律制御辞書内の対応する情報の間で、加重平均など
の処理によって前記複数の韻律制御辞書の中間的な特性
を持つ音韻制御辞書を生成する処理である。ただし、上
述した韻律パラメータの内挿と同様に、ここで言う内挿
処理には、重みが負になるような、いわゆる外挿処理も
含まれるものとし、この場合、生成された韻律制御辞書
の特性は、前記複数の韻律制御辞書の中間的なものとは
ならず、いずれかの韻律制御辞書の特性をより強調した
ようなものとなることもありうる。また、この内挿処理
は、韻律制御辞書全体に対して行ってもよいし、一部分
だけ、例えば基本周波数制御に関する部分のみに対して
行ってもよい。また、例えば基本周波数に関する部分の
内挿のための重みと音韻継続時間長制御に関する部分の
内挿のための重みが異なるようにしてもよい。

【００１７】また、本発明（請求項４）に係る音声合成
方法は、複数の第１の韻律制御辞書間で内挿処理を行う
ことによって生成される第２の韻律制御辞書を用いて、
入力された言語情報に従って韻律パラメータを生成し、
前記韻律パラメータに従って合成音声を生成することを
特徴とする。

【００１８】また、好ましくは、前記韻律制御辞書は典
型的な基本周波数の変化パターンを表す代表パターン、
もしくはこれと同等の情報を有するもの、例えば典型的
なピッチ周期の変化パターンなどを含むようにしてもよ
い。

【００１９】また、本発明（請求項６）に係る音声合成
装置は、入力された言語情報に従って、複数の韻律制御
辞書を用いてそれぞれ第１の韻律パラメータを生成する
手段と、前記韻律制御辞書毎に指定された重み情報に従
って、複数の前記第１の韻律パラメータ間で内挿処理を
行って第２の韻律パラメータを生成する手段と、前記第
２の韻律パラメータに従って合成音声を生成する手段と
を備えたことを特徴とする。

【００２０】また、本発明（請求項７）に係る音声合成
装置は、複数の第１の韻律制御辞書間で内挿処理を行っ
て第２の韻律制御辞書を生成する手段と、入力された言
語情報に従って、前記第２の韻律制御辞書を用いて韻律
パラメータを生成する手段と、前記韻律パラメータに従
って合成音声を生成する手段とを備えたことを特徴とす
る。

【００２１】また、本発明に係る韻律制御辞書作成方法
は、複数の韻律制御辞書毎に指定された重み情報を入力
し、入力された前記重み情報に従って、複数の第１の韻
律制御辞書間で内挿処理を行って第２の韻律制御辞書を
生成することを特徴とする。

【００２２】また、本発明に係る韻律制御辞書作成装置
は、複数の韻律制御辞書毎に指定された重み情報を入力
する手段と、入力された前記重み情報に従って、複数の
第１の韻律制御辞書間で内挿処理を行って第２の韻律制
御辞書を生成する手段とを備えたことを特徴とする。

【００２３】また、本発明（請求項１０）は、入力され
た言語情報に従って、複数の韻律制御辞書を用いてそれ
ぞれ第１の韻律パラメータを生成させ、前記韻律制御辞
書毎に指定された重み情報に従って、複数の前記第１の
韻律パラメータ間で内挿処理を行って第２の韻律パラメ
ータを生成させ、前記第２の韻律パラメータに従って合
成音声を生成させるためのプログラムを記録したコンピ
ュータ読取り可能な記録媒体である。

【００２４】また、本発明（請求項１１）は、複数の第
１の韻律制御辞書間で内挿処理を行って第２の韻律制御
辞書を生成させ、入力された言語情報に従って、前記第
２の韻律制御辞書を用いて韻律パラメータを生成させ、
前記韻律パラメータに従って合成音声を生成させるため
のプログラムを記録したコンピュータ読取り可能な記録
媒体である。

【００２５】なお、装置に係る本発明は方法に係る発明
としても成立し、方法に係る本発明は装置に係る発明と
しても成立する。

【００２６】また、装置または方法に係る本発明は、コ
ンピュータに当該発明に相当する手順を実行させるため
の（あるいはコンピュータを当該発明に相当する手段と
して機能させるための、あるいはコンピュータに当該発
明に相当する機能を実現させるための）プログラムを記
録したコンピュータ読取り可能な記録媒体としても成立
する。

【００２７】本発明によれば、複数の韻律制御辞書を用
いて生成された韻律パラメータを任意の重みで内挿処理
して韻律パラメータを生成し、その韻律パラメータを用
いて音声合成を行うことで、多種多様な韻律的特徴を持
つ合成音声を生成することができる。

【００２８】また、本発明によれば、予め複数の韻律制
御辞書に内挿処理を行って韻律制御辞書を生成し、その
韻律制御辞書を用いて音声合成を行うことによって、計
算量を増加させることなく多種多様な韻律的特徴を持つ
合成音声を生成することができる。

【００２９】

【発明の実施の形態】以下、図面を参照しながら発明の
実施の形態を説明する。

【００３０】（第１の実施形態）図１は、本発明の第１
の実施形態に係る音声合成方法を実現する音声合成装置
（もしくは音声合成ソフト）の構成例を示すブロック図
である。

【００３１】図１に示されるように、この音声合成装置
は、テキスト解析部１０、合成パラメータ生成部２０、
合成パラメータ内挿部２２、音声合成部１３、複数の韻
律制御辞書（図１では２４〜２６の３つ）を備えてい
る。

【００３２】各ユニットの基本的な構成・動作は次のよ
うになる（基本的には、テキスト解析部１０、合成パラ
メータ生成部２０、合成パラメータ内挿部２２、音声合
成部１３の順番で処理が行われる）。

【００３３】テキスト解析部１０は、入力されたテキス
ト１０２に対して、形態素解析や構文解析などを行い、
言語情報１０４を生成する。言語情報１０４は、テキス
ト１０２の読みに対応する音声記号列や、韻律制御の単
位となるアクセント句の情報、アクセントの位置、品詞
など、合成パラメータの生成に必要な様々な情報を含ん
でいる。

【００３４】合成パラメータ生成部２０は、言語情報１
０４に従って、韻律制御辞書２４を参照して合成パラメ
ータ２０４を、韻律制御辞書２５を参照して合成パラメ
ータ２０５を、韻律制御辞書２６を参照して合成パラメ
ータ２０６をそれぞれ生成する。

【００３５】合成パラメータ内挿部２２は、重み情報２
０１に従って、合成パラメータ２０４・合成パラメータ
２０５・合成パラメータ２０６の韻律パラメータに内挿
処理を行って、合成パラメータ２０７を生成する。

【００３６】音声合成部１３は、合成パラメータ２０７
で指定された音韻情報や韻律情報に従って、音声情報１
０８を生成する。

【００３７】以下では、基本周波数を韻律パラメータの
例として、本実施形態の動作例について詳細に説明す
る。

【００３８】テキスト解析部１０により言語情報１０４
が生成されると、合成パラメータ生成部２０では言語情
報１０４に従って複数の韻律制御辞書を参照して複数の
合成パラメータを生成する。

【００３９】図２に、この合成パラメータ生成部２０内
における基本周波数を生成する処理を表す機能ブロック
図を示す。なお、図２では、１つの韻律制御辞書につい
て示してある（実際には複数の韻律制御辞書のそれぞれ
に対して図２の処理が行われる）。

【００４０】基本周波数制御辞書４８は、韻律制御辞書
の一部であり、代表パターン辞書４５と代表パターン選
択規則４６とオフセット生成規則４７から構成される。
代表パターン辞書４５は、アクセント句単位の典型的な
基本周波数の変化パターンの集合であり、例えば図３で
表されるようなパターンを格納している。代表パターン
選択部４１は、言語情報１０４に従って、代表パターン
選択規則４６を参照して、代表パターン辞書より最も適
当と予想される代表パターン４０１をアクセント句毎に
選択する。オフセット生成部４４は、言語情報１０４に
従って、オフセット生成規則４７を参照してアクセント
句毎にアクセント句の平均的な高さを指定するオフセッ
ト４０４を生成する。オフセット処理部４２は、代表パ
ターン辞書４５を対数周波数軸上でオフセット４０４だ
け並行移動させてアクセント毎に基本周波数パターン４
０２を生成する。パターン接続部４３は、アクセント句
毎の基本周波数パターン４０２を滑らかに接続して文章
全体の基本周波数パターン４０３を出力する。テキスト
「ただいまマイクのテスト中です」を例として、代表パ
ターン４０１，基本周波数パターン４０２，基本周波数
パターン４０３を図４（ａ），（ｂ），（ｃ）にそれぞ
れ示す。

【００４１】合成パラメータ生成部２０は、上述した基
本周波数パターン生成の処理を、複数の韻律制御辞書２
４・２５・２６を参照してそれぞれ行って基本周波数パ
ターンを生成し、合成パラメータ２０４・２０５・２０
６をそれぞれ出力する。

【００４２】続いて、合成パラメータ内挿部２２は、合
成パラメータ２０４・２０５・２０６の基本周波数パタ
ーンに対して、重み情報２０１に従って加重平均処理を
行って基本周波数パターンを生成し、合成パラメータ２
０７を出力する。

【００４３】重み情報２０１は、ｎ（ｎは複数）個の韻
律制御辞書（図１の場合、２４〜２６）に対応するｎ個
（図１の場合、３つ）の重み係数の組で表される。図５
は、重み情報２０１の入力手段（例えば、ＧＵＩによ
る）の一例を示している。この例では、３つの韻律制御
辞書２４・２５・２６はそれぞれＡ氏、Ｂ氏、Ｃ氏の口
調の韻律的特徴を表現する韻律制御辞書に対応してい
る。黒丸で示されているポインタの位置で、誰にどの程
度似た韻律にするのかを指定する。ポインタの位置が、
図５のａ，ｂ，ｃ，ｄのときの重み情報２０１の値を図
６に示す。ポインタの位置がａの場合には重み情報２０
１は韻律は３人の中間的なものとなり、ｂの場合にはＢ
氏に最も似た韻律でＣ氏とＡ氏の特徴も少し含むような
ものとなり、ｃの場合にはＡ氏とＣ氏の中間的な韻律と
なりＢ氏の特徴は含まれず、ｄの場合にはＡ氏の韻律の
特徴を大げさにしたような韻律となる。このように、重
み情報を制御することによって、様々な個人性を持った
合成音声を生成することが可能となる。

【００４４】合成パラメータ内挿部２２の他の構成例と
して、文中で、重み情報が変化できるようにすることも
可能である。図７は、「この宝くじ当たっている、これ
で一生遊んで暮らせるよ。」に対して、テキストに対応
して変化する重み情報の一例を示している。この例で
は、３つの韻律制御辞書２４・２５・２６は、同一人物
の、平穏なとき・驚いたとき・喜んだときの韻律に対応
している。このような変化する重み情報に従って内挿処
理を行うことによって、感情の細かな変化を表現する基
本周波数パターンを生成することが可能となる。

【００４５】なお、重み情報２０１は、ユーザが入力す
る形態、他のプログラム（プロセス）から与える形態、
テキストの所定の単位（例えば、文単位、文の構成要素
単位）ごとに付与する形態、テキスト解析部１０がテキ
ストを解析することによって生成する形態など、種々の
形態が可能である。

【００４６】なお、本実施形態では、代表パターンに基
づく基本周波数制御モデルを用いて説明したが、この他
に、いわゆる藤崎モデルのような、パターンを関数近似
するモデルなど種々の基本周波数制御モデルを用いるこ
とが可能である。

【００４７】また、本実施形態では、韻律パラメータの
例として基本周波数について説明したが、韻律継続時間
長やパワー、ポーズなどの韻律パラメータについても同
様の形態で実施することが可能である。すなわち、音韻
継続時間長やパワー、ポーズなどの系列を、複数の韻律
制御辞書を用いてそれぞれ生成し、上述した重み情報に
従って内挿処理を行うことにより様々な韻律的特徴を持
った合成音声を生成することができる。

【００４８】以上説明してきたように、本実施形態によ
れば、複数の韻律制御辞書を用いて生成された韻律パラ
メータを任意の重みで内挿処理して韻律パラメータを生
成し、その韻律パラメータを用いて音声合成を行うこと
で、多種多様な韻律的特徴を持つ合成音声を生成するこ
とができる。

【００４９】（第２の実施形態）次に、本発明の第２の
実施形態について説明する。

【００５０】第１の実施形態では、複数の韻律制御辞書
を参照して生成された韻律パラメータに対して内挿処理
を行ったのに対して、第２の実施形態では、複数の韻律
制御辞書に対してあらかじめ内挿処理を行って、韻律の
特徴が調整された韻律制御辞書を作成する点が異なって
いる。

【００５１】図８は、本実施形態に係る音声合成方法を
実現する音声合成装置（もしくは音声合成ソフト）の構
成例を示すブロック図である。

【００５２】図８に示されるように、この音声合成装置
は、テキスト解析部１０、合成パラメータ生成部３０、
韻律制御辞書内挿部３１、音声合成部１３、内挿のもと
となる複数の韻律制御辞書（図８では２４〜２６の３
つ）、内挿により得られた韻律制御辞書３２を備えてい
る。

【００５３】以下では、第１の実施形態と相違する部分
を中心に説明する。

【００５４】本実施形態では、韻律制御辞書内挿処理と
音声合成処理の２つに大きく分けられる。すなわち、予
め韻律制御辞書内挿部３１により複数の韻律制御辞書
（２４〜２６）をもとに韻律制御辞書３２を生成する。
以降は、韻律制御辞書３２を使って、テキスト解析部１
０・合成パラメータ生成部３０・音声合成部１３により
音声合成を行う。また、韻律制御辞書３２の内容を修正
もしくは別のものにしたい場合には、再度、韻律制御辞
書内挿部３１により韻律制御辞書３２を生成する。

【００５５】なお、テキスト解析部１０・合成パラメー
タ生成部３０・音声合成部１３の構成・動作は基本的に
は図１０におけるそれらと同様であるので各ユニットに
関するここでの説明は省略する。

【００５６】以下、韻律制御辞書内挿部３１に関して説
明する。

【００５７】韻律制御辞書内挿部３１は、複数の韻律制
御辞書２４・２５・２６に対して重み情報３０１に従っ
て内挿処理を行って、韻律制御辞書３２を生成する（合
成パラメータ生成部３０は、言語情報１０４に従って、
この韻律制御辞書３２を参照して合成パラメータ３０５
を生成することになる）。

【００５８】以下では、基本周波数を韻律パラメータの
例として、本実施形態の動作例について詳細に説明す
る。

【００５９】合成パラメータ生成部３０における基本周
波数制御モデルは、第１の実施形態と同様に、図２で説
明した代表パターンに基づくモデルを用いて説明する。

【００６０】この場合、基本周波数制御辞書は、代表パ
ターン辞書・代表パターン選択規則・オフセット生成規
則から構成される。ただし、代表パターン選択規則は、
複数の韻律制御辞書２４・２５・２６について全て共通
となるように韻律制御辞書が作られているものとする。
この場合、韻律制御辞書３２の代表パターン選択規則
は、複数の韻律制御辞書２４・２５・２６のいずれかの
代表パターン選択規則の複製とすればよい。そこで、韻
律制御辞書内挿部３１における処理は、複数の韻律制御
辞書２４・２５・２６の代表パターン辞書を内挿して韻
律制御辞書３２の代表パターン辞書を生成することと、
複数の韻律制御辞書２４・２５・２６のオフセット生成
規則を内挿して韻律制御辞書３２のオフセット生成規則
を生成することとなる。

【００６１】まず、代表パターン辞書の内挿処理につい
て説明する。

【００６２】各代表パターン辞書は、Ｎ個の代表パター
ンによって構成されている。１番からＮ番までの代表パ
ターンについて、各代表パターン辞書の同じ番号の代表
パターン同士を、重み情報３０１に従って加重平均処理
することにより内挿処理された代表パターンが生成され
る。

【００６３】次に、オフセット生成規則の内挿処理につ
いて説明する。

【００６４】オフセット生成規則は、統計的なモデルの
一つである数量化Ｉ類を用いて行うことができる。数量
化Ｉ類によるオフセット生成規則の例を図９に示す。オ
フセットの値は、各言語情報が属するカテゴリに対応す
る係数と平均値ｍの和で与えられる。例えば、あるアク
セント句の文中位置が文中、モーラ数が４、品詞が名詞
であれば、オフセットの値は、ｍ＋ａ_２＋ｂ_４＋ｃ_１と
なる。そこで、各オフセット生成規則の、同じカテゴリ
に対応する係数同士を、重み情報３０１に従って加重平
均処理することにより内挿処理されたオフセット生成規
則が生成される。

【００６５】重み情報３０１は、ｎ（ｎは複数）個の韻
律制御辞書（図８の場合、２４〜２６）に対応するｎ個
（図８の場合、３つ）の重み係数の組で表され、重み係
数を変化させて韻律制御辞書を生成することによって、
第１の実施形態と同様に、様々な韻律的特徴を持った合
成音声を生成することができる。

【００６６】以降は、韻律制御辞書３２を使って、テキ
スト解析部１０・合成パラメータ生成部３０・音声合成
部１３により音声合成を行うことができる。

【００６７】なお、重み情報３０１を異ならせて生成し
た複数種類の韻律制御辞書３２を用意しておき、それら
を適宜選択して使用可能にすることもできる。

【００６８】なお、本実施形態では、代表パターンに基
づく基本周波数制御モデルを用いて説明したが、この他
に、いわゆる藤崎モデルのようなパターンを関数近似す
るモデルなど種々の基本周波数制御モデルを用いること
が可能である。

【００６９】また、本実施形態では、韻律パラメータの
例として基本周波数制御について説明したが、音韻継続
時間長や、パワー、ポーズなどの韻律パラメータについ
ても同様の形態で実施することが可能である。すなわ
ち、音韻継続時間長やパワー、ポーズなどは、数量化Ｉ
類などの統計的モデルを用いて制御することが可能であ
るため、上述したオフセット生成規則と同様にモデルの
パラメータを重み情報に従って内挿処理することによ
り、様々な韻律的特徴を持った韻律制御情報を生成する
ことができる。

【００７０】本実施形態では、複数の韻律制御辞書に対
してあらかじめ内挿処理を行って生成された韻律制御辞
書のみを用いて韻律パラメータを生成するため、音声合
成を行う際の韻律パラメータ生成の計算量が、従来の音
声合成方法と比較して小さいという利点がある。

【００７１】ところで、本実施形態では、図８の構成要
素のうちテキスト解析部１０と合成パラメータ生成部３
０と音声合成部１３と韻律制御辞書３２とを含む音声合
成装置（もしくは音声合成ソフト）として構成する形態
も可能である。もしくは、テキスト解析部１０と合成パ
ラメータ生成部３０と音声合成部１３とを含む音声合成
装置（もしくは音声合成ソフト）として構成し、韻律制
御辞書３２は別途入力する形態も可能である。このよう
な構成は、例えばテレビゲームの各キャラクターの口調
に適した韻律制御辞書３２をそれぞれ作成しておき、こ
のキャラクターにゲームの中で合成音声で喋らせるよう
な用途に利用するなど、種々の装置もしくはアプリケー
ションプログラムに適用することができる。

【００７２】同様に、韻律制御辞書内挿部３１および韻
律制御辞書３２の素材となる複数の韻律制御辞書を含む
韻律制御辞書作成装置（もしくは韻律制御辞書作成ソフ
ト）として構成する形態も可能である。もしくは、韻律
制御辞書内挿部３１を含む韻律制御辞書作成装置（もし
くは韻律制御辞書作成ソフト）として構成し、素材とな
る複数の韻律制御辞書は別途入力する形態も可能であ
る。このような構成によって、様々な韻律制御辞書３２
を、ユーザ自身で作成して使用し、あるいはメーカーが
作成してユーザに提供することができる。

【００７３】以上説明してきたように、本実施形態によ
れば、予め複数の韻律制御辞書に内挿処理を行って韻律
制御辞書を生成し、その韻律制御辞書を用いて音声合成
を行うことによって、計算量を増加させることなく多種
多様な韻律的特徴を持つ合成音声を生成することができ
る。

【００７４】なお、以上の各機能は、ハードウェアとし
てもソフトウェアとしても実現可能である。

【００７５】また、本実施形態は、コンピュータに所定
の手段を実行させるための（あるいはコンピュータを所
定の手段として機能させるための、あるいはコンピュー
タに所定の機能を実現させるための）プログラムを記録
したコンピュータ読取り可能な記録媒体としても実施す
ることもできる。

【００７６】本発明は、上述した実施の形態に限定され
るものではなく、その技術的範囲において種々変形して
実施することができる。

【００７７】

【発明の効果】本発明によれば、複数の韻律制御辞書を
用いて生成された韻律パラメータを任意の重みで内挿処
理して韻律パラメータを生成し、その韻律パラメータを
用いて音声合成を行うことで、多種多様な韻律的特徴を
持つ合成音声を生成することができる。

【００７８】また、本発明によれば、予め複数の韻律制
御辞書に内挿処理を行って韻律制御辞書を生成し、その
韻律制御辞書を用いて音声合成を行うことによって、計
算量を増加させることなく多種多様な韻律的特徴を持つ
合成音声を生成することができる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態に係る音声合成装置の
構成例を示す図

【図２】基本周波数パターン生成モデルを示す図

【図３】代表パターンの例を説明するための図

【図４】基本周波数パターンの例を説明するための図

【図５】重み情報の入力手段の例を説明するための図

【図６】図５の入力手段により指定された重み情報の例
を示す図

【図７】重み情報の変化の例を説明するための図

【図８】本発明の第２の実施形態に係る音声合成装置の
構成例を示す図

【図９】数量化Ｉ類によるオフセット生成規則の一例を
示す図

【図１０】従来の一般的な音声合成装置の構成例を示す
図

【図１１】従来の発話スタイルを制御する音声合成装置
の構成例を示す図

【符号の説明】

１０…テキスト解析部 １３…音声合成部 ２０，３０…合成パラメータ生成部 ２２…合成パラメータ内挿部 ２４〜２６，３２…韻律制御辞書 ３１…韻律制御辞書内挿部 ４１…代表パターン選択部 ４２…オフセット処理部 ４３…パターン接続部 ４４…オフセット生成部 ４５…代表パターン辞書 ４６…代表パターン選択規則 ４７…オフセット生成規則 ４８…基本周波数制御辞書

フロントページの続き (56)参考文献 特開 平10−11083（ＪＰ，Ａ) 特開 平11−231885（ＪＰ，Ａ) 特開2000−47681（ＪＰ，Ａ) 特開 平９−244693（ＪＰ，Ａ) 特開 平９−90970（ＪＰ，Ａ) 坂野秀樹，他，包絡と音源の独立操作 による音声モーフィング，電子情報通信 学会論文誌Ａ，1998年 ２月25日，Ｖｏ ｌ．Ｊ81−Ａ，Ｎｏ．２，ｐ．261−268 吉村貴克，他，ＨＭＭに基づく音声合 成システムにおける話者補間，日本音響 学会平成９年度秋季研究発表会講演論文 集，1997年 ９月，１−Ｐ−17，ｐ. 337−338 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 13/06 G10L 13/08 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (7)

(57)【特許請求の範囲】
1. 【請求項１】入力された言語情報に従って、少なくとも
   ３つの韻律制御辞書を用いてそれぞれ第１の韻律パラメ
   ータを生成し、 前記韻律制御辞書毎に指定された重み情報に従って、前
   記第１の韻律パラメータ間で内挿処理を行って第２の韻
   律パラメータを生成し、 前記第２の韻律パラメータに従って合成音声を生成し、 前記重み情報が文中で変化する ことを特徴とする音声合
   成方法。
2. 【請求項２】前記韻律制御辞書は典型的な基本周波数の
   変化パターンを表す代表パターンを含むことを特徴とす
   る請求項１に記載の音声合成方法。
3. 【請求項３】複数の第１の韻律制御辞書間で内挿処理を
   行って第２の韻律制御辞書を生成し、 入力された言語情報に従って、前記第２の韻律制御辞書
   を用いて韻律パラメータを生成し、 前記韻律パラメータに従って合成音声を生成する音声合
   成方法であって、 前記第１、第２の韻律制御辞書は典型的な基本周波数の
   変化パターンを表す代表パターンを含むことを特徴とす
   る音声合成方法。
4. 【請求項４】入力された言語情報に従って、少なくとも
   ３つの韻律制御辞書を用いてそれぞれ第１の韻律パラメ
   ータを生成する手段と、前記韻律制御辞書毎に指定され
   た重み情報に従って、 前記第１の韻律パラメータ間で内挿処理を行って第２の
   韻律パラメータを生成する手段と、前記第２の韻律パラ
   メータに従って合成音声を生成する手段と、前記重み情
   報を文中で変化させる手段と、を備えたことを特徴とす
   る音声合成装置。
5. 【請求項５】複数の第１の韻律制御辞書間で内挿処理を
   行って第２の韻律制御辞書を生成する手段と、 入力された言語情報に従って、前記第２の韻律制御辞書
   を用いて韻律パラメータを生成する手段と、 前記韻律パラメータに従って合成音声を生成する手段と
   を備え、前記第１、第２の韻律制御辞書は典型的な基本
   周波数の変化パターンを表す代表パターンを含むことを
   特徴とする音声合成装置。
6. 【請求項６】入力された言語情報に従って、少なくとも
   ３つの韻律制御辞書を用いてそれぞれ第１の韻律パラメ
   ータを生成させ、 前記韻律制御辞書毎に指定された重み情報に従って、前
   記第１の韻律パラメータ間で内挿処理を行って第２の韻
   律パラメータを生成させ、 前記第２の韻律パラメータに従って合成音声を生成さ
   せ、 前記重み情報を文中で変化させ るためのプログラムを記
   録したコンピュータ読取り可能な記録媒体。
7. 【請求項７】複数の第１の韻律制御辞書間で内挿処理を
   行って典型的な基本周波数の変化パターンを表す代表パ
   ターンを含む第２の韻律制御辞書を生成させ、 入力された言語情報に従って、前記第２の韻律制御辞書
   を用いて韻律パラメータを生成させ、 前記韻律パラメータに従って合成音声を生成させるため
   のプログラムを記録したコンピュータ読取り可能な記録
   媒体。