JPH0553595A - 音声合成装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明の目的は、指示した声質の合成音声を
作り出すために適切な音声パラメータを使用することに
よつて、明瞭で自然な合成音を得る音声合成装置を提供
することにある。 【構成】 パラメータ化された音声素片と駆動音源とを
一定の規則に従つて順次結合して、音声を出力する音声
合成装置であつて、複数の性別，声の高さ，発声速度，
アクセントの強調量を含む声質パラメータと複数の音声
パラメータとを対応させて記憶する記憶手段と、合成時
に前記声質パラメータの指定に従つて、対応する音声パ
ラメータに基づき音声を合成する音声合成手段とを備
え、合成音の声質を変化できることを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は規則合成方式、すなわち
パラメータ化された音声素片と駆動音源とを一定の規則
に従つて順次結合して、音声を出力する音声合成装置に
関するものてある。

【０００２】

【従来の技術】ＶｃＶ（母音−子音−母音）素片やｃＶ
（子音−母音）素片などの音声素片を合成の基本単位と
して、任意の音声を作り出す規則合成方式では、各素片
のスペクトルパラメータ（メルケプストラム，ＰＡＲＣ
ＯＲ，ＬＰＣ，ＬＳＰなど）と駆動音源信号（インパル
ス列など）を一定の規則に従つて結合し、これを音声合
成器に与えることによつて合成音声を得ている。

【０００３】規則合成方式による合成音声の声質を左右
する要素としては、性別，声の高さ，発声速度，アクセ
ント強調量や音量などがあるが、声質を変化させる方法
としては、従来から、スペクトルパラメータを変化させ
る方法や、合成フイルタの係数を変化させる方法または
駆動音源信号への基本周波数の時間パターン変化をさせ
る方法などが行なわれている。

【０００４】スペクトルパラメータを変化させる方法に
は、音声素片接続の際に、スペクトルパラメータをその
まま接続するのではなく、スペクトルパラメータの時間
軸を伸縮させて接続する方法がある。この方法による
と、同じパラメータで異なる発声速度の合成音を作り出
すことが可能となる。

【０００５】合成フイルタの係数を変化させる方法は、
人間が発声した音声をスペクトルパラメータに変換した
方法を逆にして、スペクトルパラメータから音声に逆変
換するのではなく、変換の際に合成フイルタの係数を調
整することにより、音声スペクトルの高域または低域を
強調したりすることによつて、原音声とは音色の異なる
合成音声を作る方法である。

【０００６】駆動音源信号の基本周波数の時間パターン
を変化させる方法は、スペクトルパラメータを作成する
際に、人間が実際に発声したものとは異なる基本周波数
の時間パターンを音声合成器に与えることによつて、様
々な音色の音声を合成する方法である。基本周波数を高
く設定することによつて女性音声を、基本周波数を低く
設定することによつて男性音声を合成することができ
る。また、基本周波数の時間的な変化の度合を大きく設
定することによつてめりはりのある合成音声を、小さく
設定することによつてめりはりのない合成音を作ること
ができる。

【０００７】

【発明が解決しようとしている課題】しかしながら、上
述した従来技術には以下のような問題点がある。

【０００８】合成の基本単位である音声素片としては、
単語あるいは文章として発声された人間の音声の中から
該当する部分を切り出したものを使用しているが、この
音声素片は作成された時の環境に大きく依存している。
例えば、同じ音声素片でも、発声者，性別，発声速度な
どの違いによつてスペクトルパラメータはかなり異なっ
ている。

【０００９】このため、ある特定の環境下において作成
された１個の音声素片から、別の環境の音声素片を作り
出すことは非常に困難である。また、従来行なわれてい
たような方法による声質の変化では、合成音が不自然な
ものとなつたり明瞭性に欠ける聞きとりにくいものにな
つてしまつている。

【００１０】本発明は、前記従来の欠点を除去し、指示
した声質の合成音声を作り出すために適切な音声パラメ
ータを使用することによつて、明瞭で自然な合成音を得
る音声合成装置を提供する。

【００１１】

【課題を解決するための手段】この課題を解決するため
に、本発明の音声合成装置は、パラメータ化された音声
素片と駆動音源とを一定の規則に従つて順次結合して、
音声を出力する音声合成装置であつて、複数の性別，声
の高さ，発声速度，アクセントの強調量を含む声質パラ
メータと複数の音声パラメータとを対応させて記憶する
記憶手段と、合成時に前記声質パラメータの指定に従つ
て、対応する音声パラメータに基づき音声を合成する音
声合成手段とを備え、合成音の声質を変化できる。かか
る構成により、指示した声質の合成音声を作り出すため
に適切な音声パラメータを使用することによつて、明瞭
で自然な合成音を得ることを可能とする。

【００１２】

【実施例】以下、本発明の実施例について図面を参照し
ながら詳細に説明する。

【００１３】図１は本実施例の音声合成装置の構成を示
すブロツク図である。

【００１４】１０１は文字系列入力部であり、合成すべ
き音声の文字表記および性別，声の高さ，発声速度，ア
クセント強調量などの声質制御記号を入力する。１０２
は音韻系列生成部であり、文字系列入力部１０１より入
力された文字表記を、例えばＶｃＶ音節やｃＶ音節など
の音韻系列へ変換する。１０３Ａおよび１０３Ｂは音声
メモリであり、音声を規則によつて合成するために必要
な全ての音声素片パラメータと同時に、それら音声素片
の声質を表す性別，声の高さ，発声速度，アクセント強
調量などの声質パラメータを格納している。１０４は音
声メモリ格納部であり、音声メモリ１０３Ａや１０３Ｂ
を有している。

【００１５】１０５は音声パラメータ接続部であり、文
字系列入力部１０１より入力した声質制御記号と音韻系
列生成部１０２より得られる音韻系列とに応じて、音声
メモリ格納部１０４から適切な音声素片パラメータを取
り出し順次接続する。１０６はピツチパターン生成部で
あり、文字系列入力部１０１より入力した声質制御記号
によつて文字系列に対応するピツチパターンを生成す
る。１０７は駆動音源であり、有声区間に対してはイン
パルス列のような音源信号を、無声区間に対しては白色
雑音のような音源信号をそれぞれ生成して、音声合成部
１０８に供給する。

【００１６】１０８は音声合成部であり、音声パラメー
タ接続部１０５で得られる音声パラメータ、ピツチパタ
ーン生成部１０６で得られるピツチパターンおよび駆動
音源１０７からの音源とを一定の規則に基づいて順次結
合して音声を合成する。尚、本例では音声メモリ１０３
を２つとしているが、数に限定はない。

【００１７】図２は音声メモリ１０３を説明するための
図である。

【００１８】２０１は音声パラメータ格納部であり、イ
ンデツクス部２０２と音声素片パラメータ部２０３から
なる。

【００１９】インデツクス部２０２は、各音韻のインデ
ツクス番号に対応する音声素片パラメータが音声素片パ
ラメータ部２０３のどの位置に格納されているかを示す
メモリ中のアドレスを格納している。例えば、インデツ
クス番号が１の音声素片パラメータは音声素片パラメー
タ格納部２０３の５フレーム目から９フレーム目までに
格納されており、インデツクス番号が１５３５の音声素
片パラメータは音声素片パラメータ格納部２０３の３２
１６７フレーム目から３２１７１フレーム目までに格納
されている。音声素片パラメータ格納部２０３は音声規
則合成に必要な音声素片パラメータを格納している。

【００２０】２０４は声質パラメータ格納部であり、音
声素片パラメータ格納部２０３の音声素片パラメータに
対応する性別，声の高さ，発声速度，アクセント強調量
の声質パラメータを格納している。

【００２１】図３はＶｃＶによる音声規則合成の場合
の、音韻とインデツクス部２０２のインデツクス番号の
関係を説明するための図である。

【００２２】この図から例えば、／ｎＳＥ／という音韻
はインデツクス番号が１５７１であり、インデツクス部
２０２からその音声パラメータは音声素片パラメータ格
納部２０３の３３００７フレーム目から格納されている
ことがわかる。また／ＥＩ／という音韻はインデツクス
番号が１０２５であり、インデツクス部２０２からその
音声パラメータは音声素片パラメータ格納部２０３の２
０９３３フレーム目から格納されていることがわかる。

【００２３】図４はピツチパターン生成部１０６を説明
するための図である。

【００２４】文字系列入力部１０１で例えば「｛Ｖ２｝
ＯｎＳＥＩ」と入力された場合には、アクセント辞書４
０１より「ＯｎＳＥＩ」という文字列に対応するアクセ
ントパターンを取り出し、また音声メモリ格納部１０４
に格納されている音声メモリ１０３の中から、｛Ｖ２｝
に対応するものを選び、その声質（声の高さ，アクセン
ト強調量等）を使って変形し、「｛Ｖ２｝ＯｎＳＥＩ」
という文字系列に対応するピツチパターンを生成する。

【００２５】図５はＶｃＶによる音声規則合成による場
合の、音韻系列生成部１０２と音声パラメータ接続部１
０５とを説明するための図である。

【００２６】文字列入力部１０１で例えば「｛Ｖ２｝Ｏ
ｎＳＥＩ」と入力された場合には、音韻系列生成部１０
２は「｛Ｖ２｝／ＱＯ／／Ｏｎ／／ｎＳＥ／／ＥＩ／／
ＩＱ／」を出力する。音声パラメータ接続部１０５は音
声メモリ格納部１０４にある音声メモリ１０３の中から
｛Ｖ２｝に対応するものを選ぶ。さらに、「／ＱＯ／，
／Ｏｎ／，／ｎＳＥ／，／ＥＩ／，／ＩＱ／」の各音韻
に対応するインデツクス番号が図３から「４，１５３
５，１５７１，１０２５，７４５」で与えられるので、
これらに対応する音声素片パラメータを音声素片パラメ
ータ部２０３より取り出す。次に前記音声素片パラメー
タ部２０３より取り出した音声素片パラメータを、声質
パラメータ格納部２０４より取り出した発声速度情報に
基づいて接続する。

【００２７】図６は実施例の構成での実行例である。

【００２８】６０１は本実施例の音声合成装置のうち音
声メモリ１０３を取り除いた部分であり、１０３Ａは声
質｛Ｖ１｝に対応する音声メモリ、１０３Ｂは声質｛Ｖ
２｝に対応する音声メモリである。この時文字系列入力
部１０１への入力が「｛Ｖ１｝ＯｎＳＥＩ１｛Ｖ２｝Ｏ
ｎＳＥＩ」であるとすると、まず声質制御記号｛Ｖ１｝
によつて、音声メモリ１０３Ａが選択される。文字系列
「ＯｎＳＥＩ」によつて音声メモリ１０３Ａから声質
｛Ｖ１｝に対応するピツチパターンおよびパラメータを
生成し、音声波形を合成し出力する。次に、声質制御記
号｛Ｖ２｝によつて、音声メモリ１０３Ｂが選択され
る。文字系列「ＯｎＳＥＩ」によつて音声メモリ１０３
Ｂから声質｛Ｖ２｝に対応するピツチパターンおよびパ
ラメータを生成し、音声波形を合成し出力する。

【００２９】尚、｛Ｖ１｝，｛Ｖ２｝で示した声質制御
信号は、声質パラメータ格納部２０４に示した性別，声
の高さ，発生速度，アクセント強調量を示すものに限定
されず、他の声質に関連する情報、あるいは声質制御信
号に近い声質パラメータを選択するものであつてもよ
い。

【００３０】本発明は、複数の機器から構成されるシス
テムに適用しても、１つの機器から成る装置に適用して
も良い。また、本発明はシステム或は装置にプログラム
を供給することによつて達成される場合にも適用できる
ことは言うまでもない。

【００３１】

【発明の効果】本発明により、指示した声質の合成音声
を作り出すために適切な音声パラメータを使用すること
によつて、明瞭で自然な合成音を得る音声合成装置を提
供できる。

【図面の簡単な説明】

【図１】本実施例の音声合成装置の構成を示すブロツク
図である。

【図２】音声メモリ１０３を説明する図である。

【図３】ＶｃＶによる音声規則合成の場合の、音韻とイ
ンデツクス番号の関係を説明する図である。

【図４】ピツチパターン生成部１０６を説明する図であ
る。

【図５】ＶｃＶによる音声規則合成の場合の音韻系列生
成部１０２と音声パラメータ接続部１０５とを説明する
図である。

【図６】本実施例の構成での実行例を説明する図であ
る。

【符号の説明】

１０１…文字系列入力部、１０２…音韻系列生成部、１
０３Ａ，１０３Ｂ…音声メモリ、１０４…音声メモリ格
納部、１０５…音声パラメータ接続部、１０６…ピツチ
パターン生成部、１０７…駆動音源、１０８…音声合成
部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 パラメータ化された音声素片と駆動音源
   とを一定の規則に従つて順次結合して、音声を出力する
   音声合成装置であつて、 複数の性別，声の高さ，発声速度，アクセントの強調量
   を含む声質パラメータと複数の音声パラメータとを対応
   させて記憶する記憶手段と、 合成時に前記声質パラメータの指定に従つて、対応する
   音声パラメータに基づき音声を合成する音声合成手段と
   を備え、 合成音の声質を変化できることを特徴とする音声合成装
   置。