JP3588266B2

JP3588266B2 - 音声合成方法、音声合成装置及び記録媒体

Info

Publication number: JP3588266B2
Application number: JP05405599A
Authority: JP
Inventors: 啓之平井; 宏樹大西
Original assignee: Sanyo Electric Co Ltd
Current assignee: Sanyo Electric Co Ltd
Priority date: 1999-03-02
Filing date: 1999-03-02
Publication date: 2004-11-10
Anticipated expiration: 2019-03-02
Also published as: JP2000250600A

Description

【０００１】
【発明の属する技術分野】
本発明は、例えば入力された仮名漢字混じりの文章から音声を合成する場合に用いられる音声合成方法、その方法を実施するための音声合成装置及び音声合成のコンピュータプログラムが記録されている記録媒体に関する。
【０００２】
【従来の技術】
近年、パーソナルコンピュータ等に代表される情報機器の普及に伴って、これらの機器とユーザである人間とのコミュニケーションをより容易に行うためにヒューマンインタフェース技術の向上が強く要望されるようになっている。このような状況において、人間にとって最も身近なコミュニケーション手段である音声を利用した情報機器が増加しており、電話情報サービス、文章読み上げシステム等のサービスも提供されつつある。このような情報機器と人間との音声によるコミュニケーションを実現するためには、音声合成が必須の技術である。
【０００３】
音声合成の方式には、大別すると録音再生と規則合成との２つに分類できる。録音再生は、予め人間の発声した音声を記録しておき、必要に応じてこれらの音声を接続して音声を合成する方式である。また規則合成は、規則を用いて韻律情報を生成し、この韻律情報に基づいて音素又は音節等の合成単位を接続することによって音声を合成する方式である。
【０００４】
録音再生方式では、実際に人間が発声した音声を利用しているので、一般に高い品質の音声を合成することができる。しかし、あらゆる状況における全ての音声を録音することは不可能であるために、限られた音声しか合成することができないという短所を有する。
【０００５】
一方、規則合成方式では、録音再生方式のような自然な音声を合成することは困難であるが、任意の音声を合成することができるという長所を有する。そのため多分野に応用することが可能である。特に仮名漢字混じりの文章から規則を用いて音声に変換する文章音声合成においては、一般に広く利用されている文章が入力として用いられるため、最も盛んに研究されている音声合成技術である。
【０００６】
図５は、従来の文章音声合成装置を示すブロック図である。図５において、１１はＣＰＵを示し、該ＣＰＵ１１に対してキーボード、マウス及びスキャナ等からなる入力部１２と、ＲＯＭ又はＲＡＭで構成される言語辞書１３及び音声辞書１４と、スピーカ等からなる出力部１５とが夫々接続されている。
【０００７】
入力部１２は、音声に変換するための文章を入力する入力部であり、ここで入力された文章はＣＰＵ１１へ供給される。言語辞書１３は、単語毎に読み及びアクセントの情報を格納している。ＣＰＵ１１は、この言語辞書１３を参照して、入力された文章に対する読み及びアクセントを得る。音声辞書１４は、音素又は音節等の合成単位毎に音響パラメータ及び音声波形データを格納している。ＣＰＵ１１は、言語辞書１３から得た読み及びアクセントに基づいて、この音声辞書１４から合成単位を選択し、選択された合成単位の音声波形データを接続することによって音声を合成する。出力部１５は、ＣＰＵ１１において合成された音声をＤ／Ａ変換して出力するための出力部である。
【０００８】
自然で滑らかな音声を合成するためには、音響パラメータの差異により生じる歪み（以下、音響歪みという）及び合成単位の音声波形データを接続するときに生じる歪み（以下、接続歪みという）の２種類の歪みが小さくなる合成単位の組み合わせを生成する必要がある。ここで音響パラメータとは、基本周波数（Ｆ０）、継続時間長（ＤＵＲ）、パワー（ＰＯＷ）等である。言語辞書１３を参照して得られた読み及びアクセントに基づいて、処理対象である合成単位の音響パラメータの値が算出される。この算出された音響パラメータと音声辞書１４に格納されている合成単位の音響パラメータとの差異が上述の音響パラメータの差異である。以下、音響歪みと接続歪みの合計を合成歪みという。
【０００９】
膨大な合成単位の組み合わせの中から合成歪みが最小となる組み合わせを得るためには高速な探索が必要になる。探索の高速化を実現する一方法である動的プログラミング（ＤＰ：ＤｙｎａｍｉｃＰｒｏｇｒａｍｍｉｎｇ）について説明する。
ＤＰは、部分的な解の状態を記憶しておき、これを更新していくことによって最終的な最適解を求める解法である。例えば、ｎ個の合成単位のうちｍ個の合成単位までの最適解（部分的な解の状態）が与えられていたとする。次に合成単位を１個付け加えたときの最適解（ｍ＋１個の合成単位までの最適解）を、ｍ個の合成単位までの最適解に基づいて求める。この処理をｎ個の合成単位まで繰り返すことにより最終的な最適解が求まる。これによりｎ個の合成単位のすべての組み合わせについて総当たり的に調べる必要がなくなり、効率的に解くことが可能となる。
【００１０】
図６は、合成単位の組み合わせを示す説明図である。また、図７、図８、図９はＤＰを用いた合成単位の組み合わせ選択を示す説明図である。ここでは、５つの連続する合成単位の組み合わせのうち、合成歪みが最も小さくなる組み合わせを選択するものとする。また各合成単位には５つの候補があるものとする。なお、これらの図面において、合成単位の候補は○で示されている。
【００１１】
図６において、５つの連続する合成単位の候補のすべての組み合わせが実線を用いて示されている。１番目の合成単位の候補と２番目の合成単位の候補との組み合わせは５×５＝２５通りある。ここでこれら２５通りの組み合わせの合成歪みを計算するならば、組み合わせ１通りに対して１回の計算が必要となるので、その計算回数は２５回となる。従って、５つの連続する合成単位の候補のすべての組み合わせの合成歪みの計算回数は、５×５×５×５×５＝３１２５回となる。
【００１２】
図７は、ＤＰを用いることにより合成歪みの計算回数を減らすことができることを示している。まず、１番目の合成単位の候補と２番目の合成単位の候補との２５通りの組み合わせから、合成歪みが最も小さい組み合わせを選ぶ。ここでは、その組み合わせが５通りあるものとする。図７において、これら５通りの組み合わせが太線を用いて示されている。次に、これら５通りの組み合わせと３番目の合成単位の候補との組み合わせ（５×５＝２５通り）から、合成歪みが最も小さい組み合わせを選ぶ。この場合も、その組み合わせは５通りあるものとする。その結果、３番目の合成単位の候補までの組み合わせの合成歪みの計算回数は、５×５＋５×５＝５０回となる。
【００１３】
以下、同様にして上述の処理を５番目の合成単位の候補まで繰り返すと、５つの連続する合成単位の候補の組み合わせの合成歪みの計算回数は、５×５＋５×５＋５×５＋５×５＝１００回となる。
【００１４】
図８は、音響歪みを利用して合成単位の候補の予備選択を行うことにより、合成歪みの計算回数を減らすことができることを示している。まず、各合成単位の５つの候補のうち、音響歪みが小さい方から４つの候補を選択し、音響歪みが最も大きい候補を１つ削除する（予備選択▲１▼）。図８において、削除された候補は点線の○で示されている。
【００１５】
この予備選択▲１▼により、１番目の合成単位の候補と２番目の合成単位の候補との組み合わせは４×４＝１６通りとなる。次に、これら１６通りの組み合わせから合成歪みが最も小さい組み合わせを選ぶ。ここでは、その組み合わせが４通りあるものとする。更にこれら４通りの組み合わせと３番目の合成単位の候補との組み合わせ（４×４＝１６通り）から、合成歪みが最も小さい組み合わせを選ぶ。この場合も、その組み合わせは４通りあるものとする。その結果、３番目の合成単位の候補までの組み合わせの合成歪みの計算回数は、４×４＋４×４＝３２回となる。
【００１６】
以下、同様にして上述の処理を５番目の合成単位の候補まで繰り返すと、５つの連続する合成単位の候補の組み合わせの合成歪みの計算回数は、４×４＋４×４＋４×４＋４×４＝６４回となる。
【００１７】
図９は、合成歪みを利用して、ある時点までの合成単位の組み合わせの予備選択を行うことにより、合成歪みの計算回数を減らすことができることを示している。ここで、ある時点ｔで合成歪みの小さい組み合わせが４通りあるものとする。この場合に、これら４通りの組み合わせから、合成歪みが小さい方から３通りの組み合わせを選択し、合成歪みの最も大きい１通りの組み合わせを削除する（予備選択▲２▼）。図９において、削除された組み合わせの終端である合成単位の候補は×で示されている。
【００１８】
この予備選択▲２▼により、１番目の合成単位の候補と２番目の合成単位の候補との組み合わせは３×４＝１２通りとなる。ここで、これら１２通りの組み合わせから合成歪みが最も小さい組み合わせを選ぶ。ここでは、その組み合わせが４通りあるものとする。再び予備選択▲２▼を行い、この４通りの組み合わせから合成歪みの小さい方から３通りの組み合わせを選択する。次に、これら３通りの組み合わせと３番目の合成単位の候補との組み合わせ（３×４＝１２通り）から、合成歪みが最も小さい組み合わせを選ぶ。この場合も、その組み合わせは４通りあるものとする。その結果、３番目の合成単位の候補までの組み合わせの合成歪みの計算回数は、３×４＋３×４＝２４回となる。
【００１９】
以下、同様にして、上述の処理を５番目の合成単位の候補まで繰り返すと、５つの連続する合成単位の候補の組み合わせの合成歪みの計算回数は、３×４＋３×４＋３×４＋３×４＝４８回となる。
【００２０】
【発明が解決しようとする課題】
以上のようにして合成歪みの計算回数を少なくすることにより、合成歪みが最小となる組み合わせを高速に探索することが可能となる。ここで上述の予備選択▲１▼で選択した候補の数を候補数と呼び、予備選択▲２▼で選択した組み合わせの数を組み合わせ数と呼ぶことにする。合成歪みの計算回数は候補数及び組み合わせ数に依存している。これら候補数及び組み合わせ数を小さくすればするほど合成歪みの計算回数は少なくなり、その結果探索範囲が狭くなるので、より高速な探索を行うことができる。しかし、この場合では、合成歪みが最も小さくなる組み合わせが探索範囲から排除されてしまう可能性が高いので、合成される音声の品質が劣化してしまうおそれがある。
【００２１】
一方、候補数及び組み合わせ数を大きくすればするほど合成歪みの計算は多くなり、その結果探索範囲が広くなるので、探索に相当の時間を要することになる。しかし、この場合では、合成歪みが最も小さくなる組み合わせが探索範囲の中にある可能性が高いので、合成される音声は高品質になる。
【００２２】
このように候補数及び組み合わせ数を変化させることによって、音声合成処理の所要時間及び合成された音声の品質を調節することができる。しかしながら従来の音声合成装置においては、候補数及び組み合わせ数を固定化してしまっているため、実時間で音声合成処理を行うことができない、又は音質が悪く自然で滑らかな音声を合成することができない等のおそれがある。
【００２３】
本発明は斯かる事情に鑑みてなされたものであり、既に合成された音声を出力するに際して、その音声を蓄積し、この蓄積量に応じて候補数及び組み合わせ数を更新することによって、高品質な音声を実時間で合成することができる音声合成方法、その方法を実施するための音声合成装置及びその方法を実施するための音声合成のコンピュータプログラムが記録されている記録媒体の提供を目的とする。
【００２５】
【課題を解決する為の手段】
第１発明に係る音声合成方法は、複数の合成単位を所定の数毎に分割して複数の合成単位列を形成し、該合成単位列毎に、前記複数の合成単位を接続することによって音声を合成し、合成された音声を順次的に出力する音声合成方法において、合成された音声を蓄積するステップと、蓄積された音声の蓄積量を検出するステップと、動的プログラミングを用いて、検出された蓄積量に基づいて複数の合成単位の組み合わせを生成するステップと、生成された組み合わせに含まれる複数の合成単位を接続するステップとを有することを特徴とする。
【００２６】
第２発明に係る音声合成装置は、複数の合成単位を所定の数毎に分割して複数の合成単位列を形成し、該合成単位列毎に、前記複数の合成単位を接続することによって音声を合成し、合成された音声を順次的に出力する音声合成装置において、合成された音声を蓄積する蓄積手段と、該蓄積手段に蓄積された音声の蓄積量を検出する検出手段と、動的プログラミングを用いて、前記検出手段で検出された蓄積量に基づいて複数の合成単位の組み合わせを生成する生成手段と、該生成手段で生成された組み合わせに含まれる複数の合成単位を接続する接続手段と
を備えることを特徴とする。
【００２７】
第３発明に係る記録媒体は、コンピュータに複数の合成単位を所定の数毎に分割させて複数の合成単位列を形成し、該合成単位列毎に、前記複数の合成単位をコンピュータに接続させることによって音声を合成し、合成された音声を順次的にコンピュータに出力させるプログラムが記録してある、コンピュータ読み取り可能な記録媒体において、コンピュータに、合成された音声を蓄積させるプログラムコード手段と、コンピュータに、蓄積された音声の蓄積量を検出させるプログラムコード手段と、コンピュータに、動的プログラミングを用いて、前記蓄積量に基づいて前記複数の合成単位の組み合わせを生成させるプログラムコード手段と、コンピュータに、生成された組み合わせに含まれる複数の合成単位を接続させるプログラムコード手段とを有するプログラムが記録してあることを特徴とする。
【００２８】
本発明にあっては、既に合成された音声を出力する前に、その音声を蓄積する蓄積手段を備え、この蓄積手段に蓄積された音声の蓄積量が多い場合は、ＤＰを用いた合成単位の組み合わせ選択をするとき、候補数及び組み合わせ数を大きくする。その結果、合成歪みが最も小さくなる合成単位の組み合わせを確実に生成することができるので、この組み合わせに含まれる複数の合成単位を接続することによって高品質な音声を合成することができる。
【００２９】
一方、蓄積手段に蓄積された音声の蓄積量が少ない場合は、ＤＰを用いた合成単位の組み合わせ選択をするとき、候補数及び組み合わせ数を小さくする。その結果、合成単位の組み合わせ選択が短時間で終了するので、高速に音声を合成することができる。
【００３０】
【発明の実施の形態】
以下、本発明をその実施の形態を示す図面に基づいて説明する。
図１は、本発明の音声合成方法を実施するための音声合成装置を示すブロック図である。図１において、１１はＣＰＵを示し、該ＣＰＵ１１に対して、キーボード、マウス及びスキャナ等からなる入力部１２と、ＲＯＭ又はＲＡＭで構成される言語辞書１３及び音声辞書１４と、スピーカ等からなる出力部１５と、バッファメモリである出力バッファ１６とがそれぞれ接続されている。
【００３１】
入力部１２は、音声に変換するための文章を入力する入力部であり、ここで入力された文章はＣＰＵ１１へ供給される。言語辞書１３は、単語毎に読み及びアクセントの情報を格納している。ＣＰＵ１１は、この言語辞書１３を参照して、入力された文章に対する読み及びアクセントを得る。音声辞書１４は、音素又は音節等の合成単位毎に音響パラメータ及び音声波形データを格納している。ＣＰＵ１１はこの音声辞書１４から合成単位を選択し、選択された合成単位の音声波形データを接続することによって音声を合成する。
また出力バッファ１６は、ＣＰＵ１１において合成された音声を一時的に蓄積するためのバッファメモリである。出力部１５は、ＣＰＵ１１において合成された音声をＤ／Ａ変換して出力するための出力部である。ＣＰＵ１１は、出力部１５の処理状況に応じて、出力バッファ１６に蓄積された音声を出力部１５へ供給する。
【００３２】
図２は、ＣＰＵ１１の動作を示すフローチャートである。ＣＰＵ１１は入力部１２から供給された文章を形態素解析して、単語に分解する（Ｓ２０１）。次に言語辞書１３を参照して、分解された単語すべてに対して読み及びアクセントを得る（Ｓ２０２）。得られた読み及びアクセントに基づいて公知方法により、入力された文章を複数の連続する合成単位に変換し、これらの合成単位に対する音響パラメータを算出する（Ｓ２０３）。またＣＰＵ１１は、これらの合成単位を所定の数毎に区切り、複数の合成単位列を形成する（Ｓ２０４）。
【００３３】
次に合成単位列毎に、前記音響パラメータの値に基づいて、後述するＤＰを用いた合成単位の組み合わせの選択を行う（Ｓ２０５）。選択された組み合わせを構成している合成単位から、音声辞書１４を参照して音声波形データを取得し、取得した音声波形データを波形重畳方式により接続することによって音声を合成する（Ｓ２０６）。Ｓ２０５及びＳ２０６の処理は、入力された文章中のすべての合成単位列に対して繰り返される（Ｓ２０７）。
【００３４】
図３は、Ｓ２０５におけるＤＰを用いた合成単位の組み合わせ選択の処理手順を示すフローチャートである。まず、候補数Ｋの初期値として、予め設定してある値を設定する（Ｓ３０１）。次に合成単位_（１）と音声辞書１４に格納されているすべての合成単位との音響歪みを、後述する（１）式を用いて演算する（Ｓ３０２）。ここで合成単位_（ｎ）とは、合成単位列に含まれる複数の合成単位のうち先頭からｎ番目の合成単位を表すものとする。
【００３５】

【００３６】
ここでＣ_ｐｒｅ（ｉ，ｎ）は、合成単位列に含まれる複数の合成単位のうち先頭からｎ番目の合成単位に音声辞書１４中のｉ番目の合成単位を割り当てたときに生じるコストである。また、Ｄ_Ｔ（ｉ，ｎ）は、合成単位列に含まれる複数の合成単位のうち先頭からｎ番目の合成単位に音声辞書１４中のｉ番目の合成単位を割り当てたときに生じる音響歪みである。（２）式におけるＷ_Ｆ０、Ｗ_ＤＵＲ、Ｗ_ＰＯＷは、各音響パラメータの距離に乗じる重みである。また、Ｆ０^Ｄｉｃ（ｉ）、ＤＵＲ^Ｄｉｃ（ｉ）、ＰＯＷ^Ｄｉｃ（ｉ）は、それぞれ音声辞書１４中のｉ番目の合成単位のＦ０、ＤＵＲ、ＰＯＷの値であり、Ｆ０^Ｔ（ｎ）、ＤＵＲ^Ｔ（ｎ）、ＰＯＷ^Ｔ（ｎ）はそれぞれ合成単位列に含まれる複数の合成単位のうち先頭からｎ番目の合成単位に対して算出されたＦ０、ＤＵＲ、ＰＯＷの値である。
【００３７】
Ｓ３０２において演算された音響歪みが小さい方からＫ個の合成単位の候補を選択し（予備選択▲１▼）、選択結果を選択結果列Ｆ_１，ｉ（ｉ＝１…Ｋ）に代入する（Ｓ３０３）。
次に、ｎに２を設定する（Ｓ３０４）。出力バッファ１６に蓄積されている音声の蓄積量を検出し（Ｓ３０５）、その蓄積量が多い場合はＫ及び組み合わせ数Ｌを大きくする。またＳ３０５において、検出した音声蓄積量が少ない場合は、Ｋ及びＬを小さくする（Ｓ３０６）。
【００３８】
次に、合成単位_（ｎ）と音声辞書１４に格納されているすべての合成単位との音響歪みを、（１）式を用いて演算する（Ｓ３０７）。Ｓ３０７において演算された音響歪みが小さい方からＫ個の合成単位の候補を選択し（予備選択▲１▼）、選択結果を選択結果列Ｆ_ｎ，ｉに代入する（Ｓ３０８）。合成単位_{（ｎ−１）}までの選択結果列Ｆ_{ｎ−１，ｉ}と、Ｓ３０８において選択された合成単位_（ｎ）の候補（Ｋ個）との全ての組み合わせについての合成歪みを後述する（３）式を用いて演算する（Ｓ３０９）。
【００３９】
【数１】

【００４０】
ここでＣ_ａｌｌ（Ｆ_ｎ，ｉ）は、選択結果列Ｆ_ｎ，ｉのコストである。また、Ｄ_Ｃ（Ｘ_ｋ−１，Ｘ_ｋ）はＸ_ｋ−１の合成単位の音声波形データとＸ_ｋの合成単位の音声波形データとを接続したときに生じる接続歪みである。（４）式におけるＷ_ｃＦ０、Ｗ_ｃＰＯＷは各音響パラメータの距離に乗じる重みである。またＦ０^ＤｉｃＥ（ｉ）、ＰＯＷ^ＤｉｃＥ（ｉ）は、それぞれ音声辞書１４中のｉ番目の合成単位が選択結果列の終端にある場合のＦ０、ＰＯＷの値である。
【００４１】
Ｓ３０９において演算された合成歪みが少ないＬ通りの組み合わせを予備選択し（予備選択▲２▼）、選択結果を選択結果列Ｆ_ｎ，ｉに代入する（Ｓ３１０）。Ｓ３０４からＳ３０８までの処理をｎ−１回繰り返すことにより（Ｓ３１１）、合成単位列に含まれるすべての合成単位の組み合わせを格納している選択結果列Ｆ_ｎ，ｉが生成される。この選択結果列Ｆ_ｎ，ｉのなかでコストが最も小さい、即ち合成歪みが最も少ない組み合わせを選択する（Ｓ３１２）。
【００４２】
以上がＳ２０５におけるＤＰを用いた合成単位の組み合わせ選択の処理手順であり、その後にＳ２０６の手順が行われるのは前述のとおりである。
このように、出力バッファ１６に蓄積された音声の蓄積量が多い場合には候補数及び組み合わせ数を大きくし、一方出力バッファ１６に蓄積された音声の蓄積量が少ない場合には候補数及び組み合わせ数を小さくすることによって、高品質な音声を実時間で合成することができる。
【００４３】
図４は、本発明の音声合成方法を実施するための記録媒体の実施の形態を示す模式図である。図４において、４１はコンピュータを示し、該コンピュータ４１に対して文字データ等を表示するディスプレイ４２と、入力装置としてのキーボード４３及びマウス４４とがそれぞれ接続されている。コンピュータ４１は上述したような音声合成のプログラムを、ＣＤ−ＲＯＭ、ＭＯ等の可搬型記録媒体４５、コンピュータ４１と無線又は有線にてプログラム通信可能である、例えばセンタに備えられた回線先メモリ４６、又はコンピュータ４１に備付けられたＲＡＭ、ハードディスク等のコンピュータ側メモリ４７等の記録媒体からロードする。
【００４４】
【発明の効果】
以上のように、本発明の音声合成方法及びその方法を実施するための音声合成装置によれば、出力バッファに一時的に蓄積された音声の蓄積量に基づいて候補数及び組み合わせ数を更新することによって、高品質な音声を実時間で合成することが可能になるので、自然で滑らかな音声を生成することができる。
また本発明の音声合成方法を実施するための記録媒体によれば、その記録内容であるプログラムコードをコンピュータに読み取らせることによって以上のような音声合成方法を容易に実施することが可能になる。
【図面の簡単な説明】
【図１】本発明の音声合成方法を実施するための音声合成装置を示すブロック図である。
【図２】ＣＰＵの動作を示すフローチャートである。
【図３】ＤＰを用いた合成単位の組み合わせ選択の処理手順を示すフローチャートである。
【図４】本発明の音声合成方法を実施するための記録媒体の実施の形態を示す模式図である。
【図５】従来の文章音声合成装置を示すブロック図である。
【図６】合成単位の組み合わせを示す説明図である。
【図７】ＤＰを用いた合成単位の組み合わせ選択を示す説明図である。
【図８】ＤＰを用いた合成単位の組み合わせ選択を示す説明図である。
【図９】ＤＰを用いた合成単位の組み合わせ選択を示す説明図である。
【符号の説明】
１１ＣＰＵ
１２入力部
１３言語辞書
１４音声辞書
１５出力部
１６出力バッファ
４１コンピュータ
４２ディスプレイ
４３キーボード
４４マウス
４５可搬型記録媒体
４６回線先メモリ
４７コンピュータ側メモリ

Claims

複数の合成単位を所定の数毎に分割して複数の合成単位列を形成し、該合成単位列毎に、前記複数の合成単位を接続することによって音声を合成し、合成された音声を順次的に出力する音声合成方法において、
合成された音声を蓄積するステップと、
蓄積された音声の蓄積量を検出するステップと、
動的プログラミングを用いて、検出された蓄積量に基づいて複数の合成単位の組み合わせを生成するステップと、
生成された組み合わせに含まれる複数の合成単位を接続するステップと
を有することを特徴とする音声合成方法。
複数の合成単位を所定の数毎に分割して複数の合成単位列を形成し、該合成単位列毎に、前記複数の合成単位を接続することによって音声を合成し、合成された音声を順次的に出力する音声合成装置において、
合成された音声を蓄積する蓄積手段と、
該蓄積手段に蓄積された音声の蓄積量を検出する検出手段と、
動的プログラミングを用いて、前記検出手段で検出された蓄積量に基づいて複数の合成単位の組み合わせを生成する生成手段と、
該生成手段で生成された組み合わせに含まれる複数の合成単位を接続する接続手段と
を備えることを特徴とする音声合成装置。
コンピュータに複数の合成単位を所定の数毎に分割させて複数の合成単位列を形成し、該合成単位列毎に、前記複数の合成単位をコンピュータに接続させることによって音声を合成し、合成された音声を順次的にコンピュータに出力させるプログラムが記録してある、コンピュータ読み取り可能な記録媒体において、
コンピュータに、合成された音声を蓄積させるプログラムコード手段と、
コンピュータに、蓄積された音声の蓄積量を検出させるプログラムコード手段と、
コンピュータに、動的プログラミングを用いて、前記蓄積量に基づいて前記複数の合成単位の組み合わせを生成させるプログラムコード手段と、
コンピュータに、生成された組み合わせに含まれる複数の合成単位を接続させるプログラムコード手段と
を有するプログラムが記録してあることを特徴とするコンピュータ読み取り可能な記録媒体。