JPH04277B2 - - Google Patents

Description

【発明の詳細な説明】 この発明は単語より小さな音声要素に基づき任
意の連続音声を合成する音声合成方法に関するも
のである。

＜従来技術＞ 任意の語・文の音声を合成する方式には、従来
から音声の最も基本的要素である音素（ａ、ｉ、
ｐ、ｋ、ｓ…など音声記号に相当する要素）から
合成する方式と、２音素連続の組（母音−子音、
母音−母音、子音−子音）であるDyad，VCV
（母音−子音−母音）などの音素の複合要素から
合成する方式とが知られている。音素から合成す
る方式は音素から他の音素への動作部分の実現
法、調音結合に伴なう変形などを「規則」によつ
て実現せねばならないが、現状ではこれらの知見
がすべて明らかになつているわけではなく、必ず
しも良い品質の合成音を提供してはくれない。音
素の複合要素による方法は、比較的現実的方法で
あり実用に供されている例もある。VCVやCVを
要素とする従来の方式では、合成要素の結合を主
に母音部で行つている。母音部は最も聞こえが大
きい部分であり、こゝでスペクトル・パラメータ
の結合歪みや音色の変化が生じ、合成音声の品質
をそこなうという欠点があつた。

＜発明の目的＞ この発明は、合成音声の品質向上を図るため、
従来の複合要素の欠点を除去した新たな要素によ
る音声合成方法を提供するものである。

＜発明の原理＞ すでに述べたように母音定常部における合成要
素の結合は、合成音の品質に悪影響を及ぼす可能
性がある。そこでCVC（Ｃ：子音、Ｖ：母音）型
の合成要素を設定する。この要素は母音部分が先
行子音と後続子音の影響を受けたものになつてい
る。すなわち、調音結合の影響を自然と含み、な
めらかな口の動きを実現できる要素である。ま
た、合成音にリズム感を与えるため母音の持続時
間を適切に設定しなければならないが、CVC型
要素では両側子音の影響で現実的な母音長が実現
されている。

発音が１音節としてなされる（母音−撥音）、
（母音と母音ｉの連続）も１つの要素の中に含ま
せると都合が良い。何故なら、これらの音韻連続
は、緊密度が非常に強いばかりでなく、日本語の
中での出現頻度の高い音韻連続であるからであ
る。

以上述べたように、この発明では音声合成要素
の基本形式としてCVC及びCVMC（Ｍは撥音Ｎ又
は母音ｉ）を設定する。しかし、日本語の音韻の
種類を考慮すると、この基本形式の音声合成要素
は６千種を越すため、音声合成要素の数としては
現実的な個数を越えている。実際にはこれらの音
声合成要素の中には、日本語としてほとんど用い
られない音韻の連続もあるであろうし、例え用い
られるにせよ出現頻度の極めて小さいものもある
に違いない。そこでこの発明では日本語の音韻の
出現頻度に基づき、使用頻度の高いものは、
CVC又はCVMCを使用し、使用頻度の低いもの
については、CV、VC、VV、VN、NCなどの要
素を用いて合成することにより、合成要素の蓄積
メモリの低減と合成要素作成の作業量を大巾に小
なくする。第１図は一例として日本語の辞書見出
し語の分析から得られたCVC及びCVMCの累積
百分率を示すものであるが、出現頻度の高い約
1000個のCVC及びCVMC音韻連続で日本語単語
の90％がカバーされることが理解される。従つて
このような1000個の長単位要素とCV、VC、
VV、VN、CN等の短単位要素を用いて合成を行
なう。

＜実施例＞ 第２図はこの発明の一実施例を示す。入力端子
１より、合成すべき語や文の文字系列が入力され
ると、合成要素名系列作成部２はいつたん入力文
字系列をCVC又はCMCの長単位要素の系列に分
割し、その各長単位要素の要素名を合成要素名照
合部３に送る。合成要素名照合部３は、長単位合
成要素名蓄積メモリ４より音声合成要素の名称を
読出し、これと合成要素名系列作成部２より転送
されてきた長単位要素名との照合をとり、メモリ
４に音声合成要素の名称があるか否かを判定し、
その結果を合成要素名系列作成部２に転送する。
長単位合成要素名蓄積メモリ４に該当の長単位要
素がなかつた場合、合成要素名系列作成部はその
なかつた長単位要素CVCをCV、VCに、CVMC
をCV、VM、MCの各短単位要素の系列に分割す
る。例えば、 sakurawa kireidesu （桜はきれいです） はsak＋kur＋raw＋wa kir＋re＋ei＋id＋des＋
su となり、下線部は〔reid〕という長単位要素の音
声合成要素がなかつたために、３つの短単位要素
に分割した例である。なお、語尾では〔wa〕、
〔su〕のように短単位要素が用いられる。

上記のようにして合成要素名系列作成部２から
合成要素名系列が得られると、その系列は音声合
成制御部５に送られる。各種のCVCとCVMCに
ついては長単位合成要素パラメータ蓄積メモリ６
に、すべてのCV、VCなどについては短単位合成
要素パラメータ蓄積メモリ７にそれぞれ音声合成
スペクトルパラメータが蓄えられている。音声合
成制御部５は、パラメータ読出部８を制御して入
力された合成要素名系列の各音声合成要素に対す
るパラメータをメモリ６，７の何れからか読み出
し、その情報をパラメータ平滑部９に送る。

パラメータ平滑部９では音声合成要素結合部分
及びその近傍でスペクトルパラメータ
（PARCOR係数、LSPパラメータ、ホルマントな
ど）及び振幅に関して以下のような荷重平均処理
を行ない、パラメータを平滑化する。

ｆ＝_f+l 〓^i+f-l W_i-fPf 但し、_l 〓^j=-l W_j＝１ Pf：パラメータ Wi：重み係数 ｆ：フレーム番号 2l＋１：荷重平均処理を行なう窓のフレーム長 この処理を音声合成要素の接合部の前後数フレ
ームに渡つて行う。

第３図はパラメータ平滑部９の実施例を示すも
のであり、合成要素のパラメータ蓄積メモリ６，
７から読み出された音声合成要素のパラメータは
いつたん入力バツフアメモリ２１に蓄積される。
入力バツフアメモリ２１はダブルバツフアになつ
ており、次に続く音声合成要素のパラメータも同
時に蓄積される。演算制御部２２はパラメータの
平滑演算を制御する部分であり、平滑処理の不必
要な合成要素の区間では読出制御部２３を介して
フレーム毎にパラメータを出力バツフアレジスタ
２４に転送する。音声合成要素の結合部近傍のパ
ラメータ平滑区間では荷重平均処理を行う窓区間
のパラメータが入力バツフアメモリ２１から順次
読出され、乗算器２５によつてメモリ２６に蓄積
されている重み係数との積がとられるとともに、
加算器２７、累算レジスタ２８によつて積和演算
がなされ、平滑化された窓中心のフレームのパラ
メータ値が出力バツフアレジスタ２４に送られ
る。１合成要素全フレームのパラメータの出力バ
ツフアレジスタ２４への転送が終了すると、次の
音声合成要素のパラメータが入力バツフアメモリ
２１に書き込まれ、上記と同様の動作が繰返され
る。なお重み係数の窓区間内での包絡は三角波
形、ガウス波形など中心部が最大となるものであ
る。

このような処理を行う前のLSPパラメータの時
系列の例を第４図Ａに、そのLSPパラメータの時
系列に前記平均化処理を行つた例を第４図Ｂに示
す。パラメータの平均化処理により例えば、「ザ」
と「グ」の結合部３１、「ル」と「マ」との結合
部３２はそれぞれ結合部３３，３４となり合成音
になめらかさを与えるとともに、接合部のパラメ
ータ値の急変に帰因する異音の混入を避けること
ができる。

第２図の説明に戻つて、パラメータ平滑部９で
音声合成要素のパラメータ時系列ができると、音
声合成制御部５は音源生成部１０よりの駆動音源
信号を音声合成デイジタルフイルタ１１へ供給
し、そのデイジタルフイルタ１１のフイルタ特性
がパラメータ平滑部９からのパラメータ時系列に
より制御されて、合成音出力端子１２に最終的な
合成音声信号が出力される。音源生成部１０及び
音声合成デイジタルフイルタ１１は音声合成器を
構成している。

＜効果＞ 以上説明したように、この発明ではCVC及び
CVMCを音声合成の基本要素として用いるため、
聞こえの大きい母音部でのパラメータの線形結合
が避けられ、調音結合の影響が自然と含まれ、な
めらかな口の動きが実現され、従来以上に良い品
質の合成音が得られるばかりでなく、CV、VC、
VV、VN型合成要素を併用することにより、音
声合成要素の総数を減少せしめ、装置を経済的に
実現できる利点がある。また、音声合成要素の結
合に際してパラメータの平滑化処理をほどこす場
合は滑らかな合成音が得られるとともに、合成要
素結合部におけるパラメータの“とび”による異
音の混入を防ぐことが可能となる。

【図面の簡単な説明】

第１図は日本語単語中のCVC、CVMCの出現
累積百分率を示す図、第２図はこの発明の実施例
を示すブロツク図、第３図は第２図中のパラメー
タ平滑部９の具体例を示すブロツク図、第４図は
パラメータ平均化した場合と、しない場合との差
を示す図である。 １：文字系列入力端子、２：合成要素名系列作
成部、３：合成要素名照合部、４：長単位合成要
素名蓄積メモリ、５：音声合成制御部、６：長単
位合成要素パラメータ蓄積メモリ、７：短単位合
成要素パラメータ蓄積メモリ、８：パラメータ読
出部、９：パラメータ平滑部、１０：音源生成
部、１１：音声合成デイジタルフイルタ、１２：
合成音出力端子、２１：入力バツフアメモリ、２
２：演算制御部、２３：読出制御部、２４：出力
バツフアレジスタ、２５：乗算器、２６：メモ
リ、２７：加算器、２８：累算レジスタ。

Claims (1)

【特許請求の範囲】
1. １ 母音、母音連続又は母音−撥音連続の両側を
   子音ではさんだ形式の音声合成要素の名称を蓄積
   する第１メモリと、その前記各音声合成要素のス
   ペクトル・パラメータを蓄積する第２メモリと、
   ２音素連続形式の音声合成要素のスペクトル・パ
   ラメータを蓄積する第３メモリと、音声合成器
   と、合成すべき音声に従つて、前記音声合成要素
   の名称を前記第１メモリを参照し、これに蓄積さ
   れているものについてはその音声合成要素のスペ
   クトル・パラメータを前記第２メモリから読み出
   し、第１メモリに蓄積されていないものについて
   は前記第３メモリから対応するスペクトル・パラ
   メータを読み出し、これら読み出されたスペクト
   ル・パラメータを相互に結合して連続したスペク
   トル・パラメータ時系列を作り出し、これを前記
   音声合成器に供給して連続音声を合成する手段と
   を具備する音声合成方法。