JPH064090A - テキスト音声変換方法および装置 - Google Patents

Abstract

(57)【要約】 【目的】 テキストに表記されている強調部分を抽出し
て抽出された強調部分の音声を強調して出力することに
よりテキストに表現されている意図を音声として明確に
表現するテキスト音声の変換方法および装置を提供す
る。 【構成】 テキストを予め記憶された辞書と照合してこ
れに読み情報および韻率情報を付与し、読み情報に基づ
いて予め記憶された音声素片を結合することによりテキ
ストに対応する音声を出力するテキスト音声変換方法お
よび装置においてテキスト中に表記される強調部分を抽
出し、抽出された強調部分を強調した音声を出力するテ
キスト音声変換方法および装置。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、テキストから音声を
合成するテキスト音声変換方法および装置に関し、特に
テキストに表記されている強調部分を抽出し、抽出され
た強調部分の音声を強調して出力することにより、テキ
ストに表現されている意図を音声として明確に表現する
テキスト音声の変換方法および装置に関する。

【０００２】

【従来の技術】音声処理技術の進歩に伴って、銀行、郵
便局その他の現金取扱所におけるキャッシュ・サービス
機、駐車場の駐車券発行機その他の案内装置に合成音声
装置が使用されている。しかし、テレホンサービスの如
き情報提供サービスにおいては合成音声は余り採用され
てはいない。これは、従来の規則合成音声は、出力され
る音声の大きさおよび発話の速度が一定であって平均的
であるがために、単調な音声であることが多く、意図が
充分には伝わらないことに起因する。

【０００３】文字による表現の場合は、種々の字体、括
弧その他の表現の手法を使用して当方の意図を強調して
読み手に伝えることができる。従来のテキスト音声変換
方法は、テキスト中において字体が変化していてもこれ
を無視していた。また、テキスト中の括弧はそのまま
「かっこ」と読むか、或はこれを無視するかの何れかで
あった。従って、当方の意図を強調したいがためにテキ
スト中において括弧を付し、或は字体を変更してみて
も、テキスト音声の変換においては何等の意味ももたな
かった。実際、テキスト中に表記されている強調した部
分が強調された音声で出力されることが望ましいことは
言うまでもない。

【０００４】

【発明が解決しようとする課題】この発明は、上述の通
りの問題を解消した、テキストに表記されている強調部
分を抽出して抽出された強調部分の音声を強調して出力
することによりテキストに表現されている意図を音声と
して明確に表現するテキスト音声の変換方法および装置
を提供するものである。

【０００５】

【課題を解決するための手段】予め記憶されている辞書
とテキストとを照合してこれに読み情報および韻率情報
を付与し、読み情報に基づいて予め記憶された音声素片
を結合することによりテキストに対応する音声を出力す
るテキスト音声変換方法において、テキスト中に表記さ
れる強調部分を抽出し、抽出された強調部分を強調した
音声を出力するテキスト音声変換方法を構成し、そし
て、テキスト中の字体の変化により強調部分を抽出し、
予め定められている字体の種類と音声の強調レベルとの
間の対応により抽出された強調部分の音声の強調の強さ
を決定し、決定された強さで抽出された強調部分を強調
した音声を出力するテキスト音声変換方法を構成し、ま
た、テキスト中の括弧を用いて強調部分を抽出し、予め
定められている括弧の種類と音声の強調レベルとの間の
対応により抽出された強調部分の音声の強調の強さを決
定し、決定された強さで抽出された強部分を強調した音
声を出力するテキスト音声変換方法を構成し、更に、テ
キスト入力部１を具備し、テキスト入力部１から出力さ
れるテキストが記憶されるテキスト・メモリ２を具備
し、テキスト中に表記される強調部分についての強調位
置情報と表記方法の情報とより成る強調情報を検出する
強調検出部３を具備し、強調情報に基づいてこれを強調
レベルに変換する強調レベル変換部４を具備し、強調レ
ベルを物理パラメータに変換するパラメータ変換値決定
部５を具備し、テキスト・メモリ２より出力されるテキ
スト内容を音声パラメータに変換するテキスト音声変換
部６を具備し、音声パラメータについて音声パラメータ
変換部５より出力される強調位置情報およびパラメータ
変換値に基づいて強調処理を施す強調処理部７を具備
し、強調処理部７より出力される音声パラメータを電気
音響変換する音声出力部８を具備するテキスト音声変換
装置をも構成した。

【０００６】

【実施例】この発明の実施例を図１を参照して説明す
る。１はテキスト入力部である。テキスト入力部１によ
るテキストの入力は、キーボードにより新たにテキスト
を入力する方法、および例えばハードディスク、フロッ
ピィ・ディスク上に既に記憶されているテキストから入
力する方法その他種々の方法を採用することができる。
テキスト入力部１により入力されたテキストは次いでテ
キスト・メモリ２に記憶される。また、一度び入力され
たテキストについて、ディスプレイ、キーボード、マウ
スその他の入力装置により編集することもできる。

【０００７】テキスト・メモリ２には、テキスト入力部
１から出力されたテキストが記憶され、ここからテキス
ト音声変換部６および強調検出部３へそれぞれテキスト
が出力される。強調検出部３においては、テキスト入力
部１から出力されたテキストについてテキスト中に表記
される強調情報を検出し、これを強調レベル変換部４へ
出力する。強調情報は強調位置情報とテキスト中の強調
部分の表記方法の情報とより成る。

【０００８】ここで、強調情報検出方法について説明す
る。先ず、テキスト中の強調部分の表記方法として字体
を採用し、テキスト中において字体が変化する字体変化
位置から強調情報を検出するものについて図２（ａ）を
参照して説明する。字体変化位置の検出は入力されたテ
キストの字体を標準字体との間の比較により行う。テキ
スト中の標準字体と異なる字体を検出した始めの位置お
よびその字体の終わりの位置を強調位置情報として、ま
た、そのとき検出された字体の種類を種類情報としてこ
れらを強調レベル変換部４へ出力する。図２（ａ）はテ
キスト中の字体の変化位置により強調部分を抽出する場
合のテキスト入力例である。入力されたテキスト「関東
地方は日中は曇ですが、夕方６時頃から雨が降り出すで
しょう。」のうち、「関東地方は」の部分がイタリック
体で、「夕方６時頃から」の部分が太字体で示されてい
る。この例が入力されるとまず、標準字体と異なる字体
「イタリック」が、「関」で検出され、次に「は」のと
ころまで検出される。「関」の位置と「は」の位置が強
調位置情報となる。次に、標準字体と異なる字体「太
字」が「夕」で検出され、「ら」のところまで検出され
る。「夕」の位置と「ら」の位置が強調位置情報とな
る。はじめに検出された強調位置と字体の種類としての
「イタリック」、次に検出された強調位置と字体の種類
としての「太字」が、それぞれ強調レベル変換部４へ出
力される。

【０００９】次に、テキスト中の強調部分の表記方法と
して括弧を採用し、テキスト中の括弧の位置から強調部
分を検出するものについて図２（ｂ）を参照して説明す
る。テキスト中の括弧を検出した位置の一つ後の位置
と、次に検出した括弧の位置の一つ前の位置を強調位置
情報として、また、そのときの括弧の種類を種類情報情
報としてこれらを強調レベル変換部４へ出力する。ここ
で、例えば左括弧と右括弧の種類が相違し或は括弧が片
方しかない場合その他の括弧の位置と括弧の種類が対応
しない場合は、これらの括弧を無視するか或はディスプ
レイにメッセージを出力する様な手法を採用する。図２
（ｂ）は、テキスト中の括弧の種類により強調部分を抽
出する場合のテキスト入力例である。入力されたテキス
ト「最近の“ＣＤラジカセ”には、『リモコン』が付い
ています。」のうち、「ＣＤラジカセ」の部分が“ ”
で、「リモコン」の部分が括弧『』により囲われてい
る。この例が入力されると、先ず括弧“が検出され、次
いで括弧”が検出される。括弧“が検出されてその一つ
後の「Ｃ」の位置と、括弧”が検出されてその一つ前の
「セ」の位置が強調位置情報となる。次に、括弧『が検
出され、次いで括弧』が検出される。括弧『が検出され
てその一つ後の「リ」の位置と、括弧』が検出されてそ
の一つ前の「ン」の位置が強調位置情報となる。初めに
検出された強調位置と括弧の種類としての“ ”および
次に検出された強調位置と括弧の種類としての『』が、
それぞれ強調レベル変換部４へ出力される。

【００１０】強調レベル変換部４においては、強調検出
部３より出力されたテキスト中の強調部分の強調位置情
報と表記方法の情報に基づいてこれらを強調レベルに変
換する。強調レベルの変換方法は、テキスト中の強調部
分の表記方法と強調レベルを対応させる変換テーブルに
よる方法その他、表記方法と強調レベルとの間の対応が
求まる方法であればどのような方法でもよい。変換され
た強調レベルはパラメータ変換値決定部５へ強調位置情
報と共に出力される。

【００１１】先ず、字体の種類と強調レベルを対応させ
る変換テーブルにより強調レベルの変換をする変換方法
について図３（ａ）を参照して説明する。ここにおいて
は、強調検出部３より出力される字体の種類に基づいて
強調レベルに変換し、パラメータ変換値決定部５へ強調
位置情報と共に強調レベルを出力する。字体の種類に対
応した強調レベルの変換テーブルの一例を図３（ａ）に
示す。強調レベルは数字が高くなるほど強い強調を示
す。この例においては、字体の種類と強調レベルとの間
の対応を５段階に設定しているが、何段階でもよい。ま
た、強調レベルの変換テーブル上にない字体を検出した
場合は、これは例えば中間のレベル３に対応させる様に
する。図２（ａ）のテキスト入力例においては、強調検
出部３から出力された字体情報「イタリック」と「太
字」は図３（ａ）の変換テーブルによると、「イタリッ
ク」は強調レベルが「１」に変換され、そして「太字」
は強調レベルが「３」に変換されることとなる。

【００１２】次に、括弧の種類と強調レベルを対応させ
る変換テーブルにより強調レベルの変換をする変換方法
について図３（ｂ）を参照して説明する。ここにおいて
は、強調検出部３より出力された括弧の種類に基づいて
強調レベルに変換し、パラメータ変換値決定部５へ強調
位置情報と共に強調レベルを出力する。括弧の種類に対
応した強調レベルの変換テーブルの一例を図３（ｂ）に
示す。強調レベルは数字が高くなるほど強い強調を示
す。この例においては、括弧の種類と強調レベルとの間
の対応を５段階に設定しているが、何段階でもよい。ま
た、強調レベルの変換テーブル上にない括弧を検出した
場合は、これを適当な強調レベルと対応させる様にすれ
ばよい。図２（ｂ）のテキスト入力例においては、強調
検出部３から出力された括弧の種類情報“ ”と『』は
図３（ｂ）の変換テーブルにより、括弧“ ”は強調レ
ベルが「２」に変換され、括弧『』は強調レベルが
「４」に変換される。

【００１３】パラメータ変換値決定部５においては、強
調レベル変換部４で出力された強調レベルを物理パラメ
ータに変換し、強調位置情報と共に強調処理部７へパラ
メータ変換値を出力する。変換方法としては、強調レベ
ルとパラメータ変換値との間の対応を変換テーブルによ
る方法その他、強調レベルと音声パラメータとの間の対
応が求まる方法であればどのような方法でもよい。パラ
メータ変換は、例えば「音声合成装置（特願平４−２６
８００）」に開示される方法を採用することができる。
強調レベルに対応したパラメータ変換テーブルの一例を
図４に示す。図の例においては５段階の強調レベルと音
声パラメータの変換をしているが、強調レベル変換部４
における強調レベルと対応する音声パラメータ変換値を
用意しておけばよい。

【００１４】図２（ａ）に示されるテキスト入力例にお
いては、強調レベル変換部４から出力された強調レベル
「１」は、図４の変換テーブルにより音量が３ｄＢ増加
され、基本周波数が１. ０３倍、発話速度が０. ８５
倍、強調部分の前に２００ミリ秒のポーズが挿入、強調
部分の後に１５０ミリ秒のポーズが挿入、と言うパラメ
ータ変換値に変換される。また、強調レベル変換部４か
ら出力された強調レベル「３」は、図４の変換テーブル
により、音量が６ｄＢ増加、基本周波数が１. ０５倍、
発話速度が０. ７５倍、強調部分の前に３３０ミリ秒の
ポーズが挿入、強調部分の後に２１０ミリ秒のポーズが
挿入、と言うパラメータ変換値に変換される。

【００１５】図２（ｂ）のテキスト入力例においては、
強調レベル変換部４から出力された強調レベル「２」
は、図４の変換テーブルにより音量が４ｄＢ増加、基本
周波数が１. ０４倍、発話速度が０. ８０倍、強調部分
の前に２８０ミリ秒のポーズが挿入、強調部分の後に１
８０ミリ秒のポーズが挿入、とパラメータ変換値に変換
される。また、強調レベル変換部４から出力された強調
レベル「４」は、音量が７ｄＢ増加、基本周波数が１.
１０倍、発話速度が０. ７０倍、強調部分の前に４００
ミリ秒のポーズが挿入、強調部分の後に２４０ミリ秒の
ポーズが挿入、と言うパラメータ変換値に変換される。

【００１６】６はテキスト音声変換部であり、テキスト
メモリ２より出力されたテキスト内容を予め記憶されて
いる辞書と照合してこれに読みと韻律情報とを付与し、
読みに基づいて予め記憶されている音声素片を結合し、
音声パラメータを生成する。テキストから読みに変換す
る場合、今日までに提案されている適当な変換方法を選
択採用することができるが、後で説明される強調処理を
行う必要上、音の大きさ、基本周波数、速度を制御する
ことができる変換方法である例えば、ＬＰＣ合成方法、
ＬＳＰ合成方法を採用している方法であることが望まし
い。ここにおいて生成された音声パラメータは強調処理
部７へ出力される。図２（ａ）のテキスト入力例は「関
東地方は日中は曇ですが、夕方６時頃から雨が降り出す
でしょう。」が音声パラメータに変換されるが、字体の
変化が音声パラメータに変換されることはないない。図
２（ｂ）のテキスト入力例は「最近のＣＤラジカセに
は、リモコンが付いています。」が音声パラメータに変
換されるが、括弧が音声パラメータに変換されることは
ない。

【００１７】強調処理部７は、テキスト音声変換部６よ
り出力された音声パラメータに対して音声パラメータ変
換部５より出力された強調位置情報およびパラメータ変
換値により強調処理を施す。処理方法としては、例え
ば、基本周波数については音声合成の駆動パルスの間隔
を変更し、発話速度については合成のフレーム周期を変
換するという様な一般的な手法を採用する。強調処理さ
れた音声パラメータは強調部分の音声パラメータに変形
が加えられるために、強調部分以外の音声パラメータと
の間にパラメータ不連続が生じている。これを除去する
ために強調部分の前後のパラメータを平滑化してから音
声出力部８へ出力する。

【００１８】図２（ａ）に示されるテキスト入力例につ
いては、テキスト音声変換部６より出力された音声パラ
メータ「関東地方は日中は曇ですが、夕方６時頃から雨
が降り出すでしょう。」に対して、音声パラメータ変換
部５より出力された強調位置およびパラメータ変換値に
より強調処理が施される。初めの強調位置とパラメータ
変換値とから「関東地方は」に対しては、強調レベル
「１」のパラメータ変換値の強調処理が施され、強調さ
れた音声パラメータが作成される。次の強調位置とパラ
メータ変換値とから「夕方６時頃から」に対しては、強
調レベル「３」のパラメータ変換値の強調処理が施さ
れ、強調された音声パラメータが作成される。強調位置
に相当しない部分はテキスト音声変換部６より出力され
た音声パラメータそのままであり、強調処理は施されな
い。

【００１９】図２（ｂ）に示されるテキスト入力例につ
いては、テキスト音声変換部６より出力された音声パラ
メータ「最近のＣＤラジカセには、リモコンが付いてい
ます。」に対して、音声パラメータ変換部５より出力さ
れた強調位置およびパラメータ変換値により強調処理が
施される。初めの強調位置とパラメータ変換値とから
「ＣＤラジカセ」については、強調レベル「２」のパラ
メータ変換値の強調処理が施され、強調された音声パラ
メータが作成される。次の強調位置とパラメータ変換値
とから「リモコン」については、強調レベル「４」のパ
ラメータ変換値の強調処理が施され、強調された音声パ
ラメータが作成される。強調位置に相当しない部分はテ
キスト音声変換部６より出力された音声パラメータその
ままであり、強調処理は施されない。

【００２０】８は音声出力部である。音声出力部８にお
いては、強調処理部７より出力された音声パラメータで
あるディジタル音声信号をディジタル−アナログ変換
し、スピーカーその他の電気音響変換器により音声を出
力する。図２（ａ）および図２（ｂ）に示されるテキス
ト入力例はテキスト中に強調部分が２箇所含まれる例で
あったが、テキスト中に含まれる強調部分は更に多数で
あっても同様に強調された音声を出力することができ
る。そして、字体の種類或は括弧の種類と強調レベルと
の間の変換を５段階に設定したが、強調レベルの設定は
何段階であっても差し支えない。テキスト中に表記され
ている強調を強調レベルに変換する場合、その強調レベ
ルに対応するパラメータ変換値を変化できるようにして
おけばよい。例えば、変換テーブルを用いて変換する場
合、パラメータ変換値決定部５におけるパラメータ変換
テーブルに、強調レベル変換部４における強調レベル変
換テーブルの強調レベル数と同じ強調レベルのパラメー
タ変換値を用意しておけばよい。

【００２１】

【発明の効果】以上の通りであって、この発明のテキス
ト音声変換方法および装置によれば、入力されたテキス
ト中の括弧、字体の種類を反映した音声を出力すること
ができ、結果として文章の作成者がテキスト上に表現し
たキーワード、話題の焦点を明確にした音声を表現する
ことができる。また、既に作成されている文章について
は、強調させたい部分を括弧で囲み、或は字体を変更す
るという簡単な操作により表現力のある音声を出力する
ことができる。この発明のテキスト音声変換方式によれ
ば、単調となりがちな合成音声にテキスト作成者の意
図、感情を反映させることができ、合成音声の応用範囲
も広がることが期待される。

【図面の簡単な説明】

【図１】この発明の実施例のブロック図。

【図２】強調部分を検出するテキスト入力の例を示す図
であり、（ａ）は字体の変化位置から強調部分を検出す
るテキスト入力の例を示す図、（ｂ）は括弧の位置から
強調部分を検出するテキスト入力の例を示す図である。

【図３】強調レベル変換テーブルであり、（ａ）は字体
の種類についての強調レベル変換テーブル、（ｂ）は括
弧の種類についての強調レベル変換テーブルである。

【図４】強調レベルについてのパラメータ変換テーブ
ル。

【符号の説明】

１ テキスト入力部 ２ テキスト・メモリ ３ 強調検出部 ４ 強調レベル変換部 ５ パラメータ変換値決定部 ６ テキスト音声変換部 ７ 強調処理部 ８ 音声出力部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 予め記憶されている辞書とテキストとを
   照合してこれに読み情報および韻率情報を付与し、読み
   情報に基づいて予め記憶された音声素片を結合すること
   によりテキストに対応する音声を出力するテキスト音声
   変換方法において、テキスト中に表記される強調部分を
   抽出し、抽出された強調部分を強調した音声を出力する
   ことを特徴とするテキスト音声変換方法。
2. 【請求項２】 請求項１に記載されるテキスト音声変換
   方法において、テキスト中の字体の変化により強調部分
   を抽出し、予め定められている字体の種類と音声の強調
   レベルとの間の対応により抽出された強調部分の音声の
   強調の強さを決定し、決定された強さで抽出された強調
   部分を強調した音声を出力することを特徴とするテキス
   ト音声変換方法。
3. 【請求項３】 請求項１に記載されるテキスト音声変換
   方法において、テキスト中の括弧を用いて強調部分を抽
   出し、予め定められている括弧の種類と音声の強調レベ
   ルとの間の対応により抽出された強調部分の音声の強調
   の強さを決定し、決定された強さで抽出された強部分を
   強調した音声を出力することを特徴とするテキスト音声
   変換方法。
4. 【請求項４】 テキスト入力部を具備し、テキスト入力
   部から出力されるテキストが記憶されるテキスト・メモ
   リを具備し、テキスト中に表記される強調部分について
   の強調位置情報と表記方法の情報とより成る強調情報を
   検出する強調検出部を具備し、強調情報に基づいてこれ
   を強調レベルに変換する強調レベル変換部を具備し、強
   調レベルを物理パラメータに変換するパラメータ変換値
   決定部を具備し、テキスト・メモリより出力されるテキ
   スト内容を音声パラメータに変換するテキスト音声変換
   部を具備し、音声パラメータについて音声パラメータ変
   換部５より出力される強調位置情報およびパラメータ変
   換値に基づいて強調処理を施す強調処理部を具備し、強
   調処理部より出力される音声パラメータを電気音響変換
   する音声出力部を具備することを特徴とするテキスト音
   声変換装置。