JPH11282484A - 音声合成装置 - Google Patents
音声合成装置Info
- Publication number
- JPH11282484A JPH11282484A JP10081319A JP8131998A JPH11282484A JP H11282484 A JPH11282484 A JP H11282484A JP 10081319 A JP10081319 A JP 10081319A JP 8131998 A JP8131998 A JP 8131998A JP H11282484 A JPH11282484 A JP H11282484A
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- unit
- waveform data
- waveform
- pitch pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
(57)【要約】
【課題】 音素単位波形記憶部の記憶容量をそれほど大
きくすることなく、自然で滑らかな音声合成を行うこ
と。 【解決手段】 テキストデータ入力部１から入力された
テキストデータは音韻記号生成部２に送られ、ここで音
韻記号が生成される。音素単位波形呼び出し部３は、こ
の生成された音韻記号に基づき、最初の音素単位波形デ
ータＡ0 に該当するデータを音素単位波形記憶部４から
呼び出す。テキストデータ入力部１から入力されたテキ
ストデータは韻律規則部６により韻律規則が分析され、
韻律パラメータ生成部７は、この分析に基づいて韻律パ
ラメータを生成する。そして、ピッチパターン生成部８
は、この韻律パラメータに基づきピッチパターンを生成
する。波形データ接続部５Ａの音素波形データ列生成手
段１２はピッチパターン生成部８からの情報に基づき声
質パラメータ記憶部１１からパラメータ数値を入力し、
これと呼び出し部３からのデータＡ0 とに基づき次に続
くべき音素単位波形データＡ1 を生成する。
きくすることなく、自然で滑らかな音声合成を行うこ
と。 【解決手段】 テキストデータ入力部１から入力された
テキストデータは音韻記号生成部２に送られ、ここで音
韻記号が生成される。音素単位波形呼び出し部３は、こ
の生成された音韻記号に基づき、最初の音素単位波形デ
ータＡ0 に該当するデータを音素単位波形記憶部４から
呼び出す。テキストデータ入力部１から入力されたテキ
ストデータは韻律規則部６により韻律規則が分析され、
韻律パラメータ生成部７は、この分析に基づいて韻律パ
ラメータを生成する。そして、ピッチパターン生成部８
は、この韻律パラメータに基づきピッチパターンを生成
する。波形データ接続部５Ａの音素波形データ列生成手
段１２はピッチパターン生成部８からの情報に基づき声
質パラメータ記憶部１１からパラメータ数値を入力し、
これと呼び出し部３からのデータＡ0 とに基づき次に続
くべき音素単位波形データＡ1 を生成する。
Description
【０００１】
【発明の属する技術分野】本発明は、規則合成方式に基
づく音声合成を行う音声合成装置に関するものである。
づく音声合成を行う音声合成装置に関するものである。
【０００２】
【従来の技術】図３は従来の音声合成装置の構成を示す
ブロック図である。この図において、テキストデータ入
力部１は、入力したテキストデータを音韻記号生成部２
に出力するようになっており、音韻記号生成部２はテキ
ストデータに対応する音韻記号を生成するようになって
いる。音素単位波形呼び出し部３は、音韻記号生成部２
が生成した音韻記号に対応する音素単位波形データを音
素単位波形記憶部４から呼び出すようになっている。そ
して、波形データ接続部５は、音素単位波形呼び出し部
３が順次呼び出した音素単位波形データを接続して音素
波形データ列を生成するようになっている。
ブロック図である。この図において、テキストデータ入
力部１は、入力したテキストデータを音韻記号生成部２
に出力するようになっており、音韻記号生成部２はテキ
ストデータに対応する音韻記号を生成するようになって
いる。音素単位波形呼び出し部３は、音韻記号生成部２
が生成した音韻記号に対応する音素単位波形データを音
素単位波形記憶部４から呼び出すようになっている。そ
して、波形データ接続部５は、音素単位波形呼び出し部
３が順次呼び出した音素単位波形データを接続して音素
波形データ列を生成するようになっている。
【０００３】図４は、このようにして生成される音素波
形データ列の一例を示す波形図であり、音素単位波形記
憶部４から順次呼び出されたＮ個の音素単位波形データ
Ａ0，Ａ1 ，…，Ａn ，Ａn+1 ，…，ＡN-1 が接続され
て一つの音素波形データ列が形成されている。
形データ列の一例を示す波形図であり、音素単位波形記
憶部４から順次呼び出されたＮ個の音素単位波形データ
Ａ0，Ａ1 ，…，Ａn ，Ａn+1 ，…，ＡN-1 が接続され
て一つの音素波形データ列が形成されている。
【０００４】一方、テキストデータ入力部１は、入力し
たテキストデータを韻律規則部６にも出力するようにな
っており、韻律規則部６はテキストデータ中の韻律規則
を分析するようになっている。韻律パラメータ生成部７
は、韻律規則部６が分析した韻律規則に基づいて韻律パ
ラメータを生成するようになっている。そして、ピッチ
パターン生成部８は、韻律パラメータ生成部７が生成し
た韻律パラメータに基づきピッチパターンを生成するよ
うになっている。
たテキストデータを韻律規則部６にも出力するようにな
っており、韻律規則部６はテキストデータ中の韻律規則
を分析するようになっている。韻律パラメータ生成部７
は、韻律規則部６が分析した韻律規則に基づいて韻律パ
ラメータを生成するようになっている。そして、ピッチ
パターン生成部８は、韻律パラメータ生成部７が生成し
た韻律パラメータに基づきピッチパターンを生成するよ
うになっている。
【０００５】波形合成部９は、波形データ接続部５が生
成した音素波形データ列と、ピッチパターン生成部８が
生成したピッチパターンとの入力に基づいて音声波形を
合成するようになっている。そして、音声出力部１０は
波形合成部９が合成した音声波形に基づいて音声出力を
行うようになっている。
成した音素波形データ列と、ピッチパターン生成部８が
生成したピッチパターンとの入力に基づいて音声波形を
合成するようになっている。そして、音声出力部１０は
波形合成部９が合成した音声波形に基づいて音声出力を
行うようになっている。
【０００６】
【発明が解決しようとする課題】ところで、できるだけ
自然で滑らかな音声合成を行うためには、音素単位波形
記憶部４に全ての音韻データに対応する音素単位データ
を記憶させておき、この中から最適な音素単位データを
呼び出す必要がある。しかし、全ての音韻データに対応
する音素単位データを記憶させるためには、音素単位波
形記憶部４の記憶容量は非常に大きなものとなり、高コ
ストとなる。
自然で滑らかな音声合成を行うためには、音素単位波形
記憶部４に全ての音韻データに対応する音素単位データ
を記憶させておき、この中から最適な音素単位データを
呼び出す必要がある。しかし、全ての音韻データに対応
する音素単位データを記憶させるためには、音素単位波
形記憶部４の記憶容量は非常に大きなものとなり、高コ
ストとなる。
【０００７】一方、このように高コストとなるのを回避
するために音素単位波形記憶部４の記憶容量を一定以下
に制限すると、充分な量の音素単位データを記憶させる
ことができず不自然な音声合成が行われてしまう結果と
なる。
するために音素単位波形記憶部４の記憶容量を一定以下
に制限すると、充分な量の音素単位データを記憶させる
ことができず不自然な音声合成が行われてしまう結果と
なる。
【０００８】本発明は上記事情に鑑みてなされたもので
あり、音素単位波形記憶部の記憶容量をそれほど大きく
することなく、自然で滑らかな音声合成を行うことが可
能な音声合成装置を提供することを目的としている。
あり、音素単位波形記憶部の記憶容量をそれほど大きく
することなく、自然で滑らかな音声合成を行うことが可
能な音声合成装置を提供することを目的としている。
【０００９】
【課題を解決するための手段】上記課題を解決するため
の手段として、請求項１記載の発明は、入力したテキス
トデータから音韻記号を生成する音韻記号生成部と、前
記音韻記号に対応する音素単位波形データを記憶する音
素単位波形記憶部と、前記音素単位波形記憶部から順次
呼び出した各音素単位波形データを接続して音素波形デ
ータ列を生成する波形データ接続部と、前記テキストデ
ータからピッチパターンを生成するピッチパターン生成
部と、を備え、前記波形データ接続部から出力される音
素波形データ列を、前記ピッチパターン生成部により生
成したピッチパターンに基づき合成する音声合成装置で
あって、前記波形データ接続部は、声質に関して予め設
定されている項目についてのパラメータ数値を記憶する
声質パラメータ記憶部と、前記ピッチパターン生成部に
より生成したピッチパターンに応じて前記声質パラメー
タ記憶部に記憶されている中から選択されたパラメータ
数値と、前回呼び出した音素単位波形データとが入力さ
れて、次に続くべき音素単位波形データを生成する音素
波形データ列生成手段と、前記音素波形データ列生成手
段にて生成された音素単位波形データを順次接続して出
力する接続手段と、を有するものである、ことを特徴と
する。
の手段として、請求項１記載の発明は、入力したテキス
トデータから音韻記号を生成する音韻記号生成部と、前
記音韻記号に対応する音素単位波形データを記憶する音
素単位波形記憶部と、前記音素単位波形記憶部から順次
呼び出した各音素単位波形データを接続して音素波形デ
ータ列を生成する波形データ接続部と、前記テキストデ
ータからピッチパターンを生成するピッチパターン生成
部と、を備え、前記波形データ接続部から出力される音
素波形データ列を、前記ピッチパターン生成部により生
成したピッチパターンに基づき合成する音声合成装置で
あって、前記波形データ接続部は、声質に関して予め設
定されている項目についてのパラメータ数値を記憶する
声質パラメータ記憶部と、前記ピッチパターン生成部に
より生成したピッチパターンに応じて前記声質パラメー
タ記憶部に記憶されている中から選択されたパラメータ
数値と、前回呼び出した音素単位波形データとが入力さ
れて、次に続くべき音素単位波形データを生成する音素
波形データ列生成手段と、前記音素波形データ列生成手
段にて生成された音素単位波形データを順次接続して出
力する接続手段と、を有するものである、ことを特徴と
する。
【００１０】請求項２記載の発明は、請求項１記載の発
明において、前記音素単位データ列生成手段は、前記ピ
ッチパターン生成部により生成したピッチパターンに応
じて前記声質パラメータ記憶部に記憶されている中から
選択されたパラメータ数値と、前回呼び出した音素単位
波形データとが入力されて、次に続くべき音素単位波形
データを出力する階層型ニューラルネットワークで構成
されている、ことを特徴とする。
明において、前記音素単位データ列生成手段は、前記ピ
ッチパターン生成部により生成したピッチパターンに応
じて前記声質パラメータ記憶部に記憶されている中から
選択されたパラメータ数値と、前回呼び出した音素単位
波形データとが入力されて、次に続くべき音素単位波形
データを出力する階層型ニューラルネットワークで構成
されている、ことを特徴とする。
【００１１】
【発明の実施の形態】以下、本発明の実施形態を図に基
づき説明する。但し、図３に示したものと同様の構成要
素には同一の符号を付して重複した説明を省略する。図
１は、本発明の実施形態の構成を示すブロック図であ
る。図１が図３と異なる主な点は、波形データ接続部５
Ａが声質パラメータ記憶部１１、音素波形データ列生成
手段１２、及び接続手段１３を有している点である。但
し、図３における音素単位波形記憶部４は、全ての音韻
データに対応する音素単位データを記憶するため非常に
大きな記憶容量を有していたが、この図１における音素
単位波形記憶部４は、全ての音韻データに対応する音素
単位データを記憶する必要がなくなるため、その記憶容
量は小さなものとなっている。
づき説明する。但し、図３に示したものと同様の構成要
素には同一の符号を付して重複した説明を省略する。図
１は、本発明の実施形態の構成を示すブロック図であ
る。図１が図３と異なる主な点は、波形データ接続部５
Ａが声質パラメータ記憶部１１、音素波形データ列生成
手段１２、及び接続手段１３を有している点である。但
し、図３における音素単位波形記憶部４は、全ての音韻
データに対応する音素単位データを記憶するため非常に
大きな記憶容量を有していたが、この図１における音素
単位波形記憶部４は、全ての音韻データに対応する音素
単位データを記憶する必要がなくなるため、その記憶容
量は小さなものとなっている。
【００１２】声質パラメータ記憶部１１は、声質を決定
する所定のパラメータについて予め設定された数値を記
憶している。所定のパラメータとは、例えば、「アクセ
ントデータ」、「声の高さ」、「発声速度」、「性別
（男女数種類用意する）」等である。
する所定のパラメータについて予め設定された数値を記
憶している。所定のパラメータとは、例えば、「アクセ
ントデータ」、「声の高さ」、「発声速度」、「性別
（男女数種類用意する）」等である。
【００１３】音素波形データ列生成手段１２は、ピッチ
パターン生成部８が生成したピッチパターン情報に基づ
いて、声質パラメータ記憶部１１から入力するパラメー
タの数値を決定し、さらに、音素単位波形呼び出し部３
が前回呼び出した音素単位波形データの値を入力する。
そして、音素波形データ列生成手段１２は、これらの入
力に基づいて次に続くべき音素単位波形データを生成す
るようになっている。そして、接続手段１３は、音素波
形データ列生成手段１２にて生成された音素単位波形デ
ータを順次接続して出力するものである。
パターン生成部８が生成したピッチパターン情報に基づ
いて、声質パラメータ記憶部１１から入力するパラメー
タの数値を決定し、さらに、音素単位波形呼び出し部３
が前回呼び出した音素単位波形データの値を入力する。
そして、音素波形データ列生成手段１２は、これらの入
力に基づいて次に続くべき音素単位波形データを生成す
るようになっている。そして、接続手段１３は、音素波
形データ列生成手段１２にて生成された音素単位波形デ
ータを順次接続して出力するものである。
【００１４】図２は、音素波形データ列生成手段１２の
構成図であり、この図に示すように、音素波形データ列
生成手段１２はニューラルネットワークにより構成され
ている。このニューラルネットワークは入力層、中間
層、出力層を有しており、入力層は、音素単位波形デー
タを入力するためのｑ個のニューロンＲ1 ，Ｒ2 ，…，
Ｒq と、声質パラメータを入力するためのｍ個のニュー
ロンＳ1 ，Ｓ2 ，…，Ｓm とから構成されている。ま
た、中間層はｑ個のニューロンＭ1 ，Ｍ2 ，…，Ｍq に
より構成され、出力層は音素単位波形データを出力する
ためのｑ個のニューロンＶ1 ，Ｖ2 ，…，Ｖq により構
成されている。そして、このニューラルネットワークは
上記のような入力及び出力に基づく学習機能（バックプ
ロパゲーション法）を有するものである。
構成図であり、この図に示すように、音素波形データ列
生成手段１２はニューラルネットワークにより構成され
ている。このニューラルネットワークは入力層、中間
層、出力層を有しており、入力層は、音素単位波形デー
タを入力するためのｑ個のニューロンＲ1 ，Ｒ2 ，…，
Ｒq と、声質パラメータを入力するためのｍ個のニュー
ロンＳ1 ，Ｓ2 ，…，Ｓm とから構成されている。ま
た、中間層はｑ個のニューロンＭ1 ，Ｍ2 ，…，Ｍq に
より構成され、出力層は音素単位波形データを出力する
ためのｑ個のニューロンＶ1 ，Ｖ2 ，…，Ｖq により構
成されている。そして、このニューラルネットワークは
上記のような入力及び出力に基づく学習機能（バックプ
ロパゲーション法）を有するものである。
【００１５】入力層のニューロンＲ1 ，Ｒ2 ，…，Ｒq
に入力される音素単位波形データとは、例えば、図４に
おける音素単位波形データＡ0 の所定周期（Ａ0 全体の
時間をｑ等分することにより得られる周期）毎の振幅値
である。また、声質パラメータの入力については、１つ
の入力データに対して１つ以上のニューロンを用いるこ
ととする。この場合、入力データを２進数化して必要な
数のニューロンを用意し、これに「０」又は「１」を入
力するようにしてもよい。
に入力される音素単位波形データとは、例えば、図４に
おける音素単位波形データＡ0 の所定周期（Ａ0 全体の
時間をｑ等分することにより得られる周期）毎の振幅値
である。また、声質パラメータの入力については、１つ
の入力データに対して１つ以上のニューロンを用いるこ
ととする。この場合、入力データを２進数化して必要な
数のニューロンを用意し、これに「０」又は「１」を入
力するようにしてもよい。
【００１６】次に、上記のように構成される本実施形態
の動作につき説明する。テキストデータ入力部１から入
力されたテキストデータは音韻記号生成部２に送られ、
音韻記号生成部２はこのテキストデータに対応する音韻
記号を生成する。音素単位波形呼び出し部３は、この生
成された音韻記号に基づき、最初の音素単位波形データ
Ａ0 に該当するデータを音素単位波形記憶部４から呼び
出す。
の動作につき説明する。テキストデータ入力部１から入
力されたテキストデータは音韻記号生成部２に送られ、
音韻記号生成部２はこのテキストデータに対応する音韻
記号を生成する。音素単位波形呼び出し部３は、この生
成された音韻記号に基づき、最初の音素単位波形データ
Ａ0 に該当するデータを音素単位波形記憶部４から呼び
出す。
【００１７】一方、テキストデータ入力部１から入力さ
れたテキストデータは韻律規則部６にも送られてテキス
トデータ中の韻律規則が分析され、韻律パラメータ生成
部７は、この分析に基づいて韻律パラメータを生成す
る。そして、ピッチパターン生成部８は、この生成され
た韻律パラメータに基づきピッチパターンを生成する。
音素単位波形呼び出し部３が音素単位波形記憶部４から
呼び出した音素単位波形データＡ0 についての数値は音
素波形データ列生成手段１２のニューロンＲ1，Ｒ2 ，
…，Ｒq に入力される。また、ピッチパターン生成部８
が生成したピッチパターンも音素波形データ列生成手段
１２に送られ、音素波形データ列生成手段１２はこのピ
ッチパターンに対応する声質パラメータの数値をニュー
ロンＳ1，Ｓ2 ，…，Ｓm に入力する。
れたテキストデータは韻律規則部６にも送られてテキス
トデータ中の韻律規則が分析され、韻律パラメータ生成
部７は、この分析に基づいて韻律パラメータを生成す
る。そして、ピッチパターン生成部８は、この生成され
た韻律パラメータに基づきピッチパターンを生成する。
音素単位波形呼び出し部３が音素単位波形記憶部４から
呼び出した音素単位波形データＡ0 についての数値は音
素波形データ列生成手段１２のニューロンＲ1，Ｒ2 ，
…，Ｒq に入力される。また、ピッチパターン生成部８
が生成したピッチパターンも音素波形データ列生成手段
１２に送られ、音素波形データ列生成手段１２はこのピ
ッチパターンに対応する声質パラメータの数値をニュー
ロンＳ1，Ｓ2 ，…，Ｓm に入力する。
【００１８】音素波形データ列生成手段１２のニューロ
ンＲ1 ，Ｒ2 ，…，Ｒq 及びニューロンＳ1 ，Ｓ2 ，
…，Ｓm にこのような入力が行われると、所定の演算が
行われ、出力層のニューロンＶ1 ，Ｖ2 ，…，Ｖq から
次の音素単位波形データＡ1 についての数値が出力され
る。したがって、図１において、音素波形データ列生成
手段１２はこの数値に対応する音素単位波形データＡ0
を音素単位波形記憶部４から取り出して、音素単位波形
データＡ1 を生成する。
ンＲ1 ，Ｒ2 ，…，Ｒq 及びニューロンＳ1 ，Ｓ2 ，
…，Ｓm にこのような入力が行われると、所定の演算が
行われ、出力層のニューロンＶ1 ，Ｖ2 ，…，Ｖq から
次の音素単位波形データＡ1 についての数値が出力され
る。したがって、図１において、音素波形データ列生成
手段１２はこの数値に対応する音素単位波形データＡ0
を音素単位波形記憶部４から取り出して、音素単位波形
データＡ1 を生成する。
【００１９】次いで、音素波形データ列生成手段１２の
ニューロンＲ1 ，Ｒ2 ，…，Ｒq には、今度は音素単位
波形データＡ0 の代わりにＡ1 についての数値が入力さ
れ、ニューロンＶ1 ，Ｖ2 ，…，Ｖq から次の音素単位
波形データＡ2 についての数値が出力される。そして、
音素波形データ列生成手段１２は同様にして音素波形デ
ータＡ2 を生成する。音素波形データ列生成手段１２
は、以下同様にして音素波形データ列Ａ3 ，Ａ4 ，…，
Ａn ，Ａn+1 ，…，ＡN-1 を順次生成する。
ニューロンＲ1 ，Ｒ2 ，…，Ｒq には、今度は音素単位
波形データＡ0 の代わりにＡ1 についての数値が入力さ
れ、ニューロンＶ1 ，Ｖ2 ，…，Ｖq から次の音素単位
波形データＡ2 についての数値が出力される。そして、
音素波形データ列生成手段１２は同様にして音素波形デ
ータＡ2 を生成する。音素波形データ列生成手段１２
は、以下同様にして音素波形データ列Ａ3 ，Ａ4 ，…，
Ａn ，Ａn+1 ，…，ＡN-1 を順次生成する。
【００２０】接続手段１３では、このようにして音素波
形データ列生成手段１２が生成した音素波形データ列Ａ
0 ，Ａ1 ，…，Ａn ，Ａn+1 ，…，ＡN-1 を接続し、こ
れを波形合成部９に出力する。波形合成部９は、ピッチ
パターン生成部８からのピッチパターンに基づき、波形
データ接続部５Ａから逐次送られてくるＡ0 ，Ａ1 ，
…，Ａn ，Ａn+1 ，…，ＡN-1 等の音素波形データ列を
用いて音声波形の合成を行う。そして、音声出力部１０
は波形合成部９が合成した音声波形に基づいて音声出力
を行う。
形データ列生成手段１２が生成した音素波形データ列Ａ
0 ，Ａ1 ，…，Ａn ，Ａn+1 ，…，ＡN-1 を接続し、こ
れを波形合成部９に出力する。波形合成部９は、ピッチ
パターン生成部８からのピッチパターンに基づき、波形
データ接続部５Ａから逐次送られてくるＡ0 ，Ａ1 ，
…，Ａn ，Ａn+1 ，…，ＡN-1 等の音素波形データ列を
用いて音声波形の合成を行う。そして、音声出力部１０
は波形合成部９が合成した音声波形に基づいて音声出力
を行う。
【００２１】上述したように、図１の構成では、音素波
形データ列生成手段１２は、声質パラメータ記憶部１１
からのデータ入力と、前回呼び出した音素単位波形デー
タの入力とに基づいて、次に続くべき音素単位波形デー
タを生成している。したがって、自然で滑らかな音声合
成を行うことができると共に、音素単位波形記憶部４に
は、従来のように、全ての音韻データに対応する音素単
位波形データを記憶させておく必要がなくなるため、こ
の音素単位波形記憶部４の記憶容量を小さなものとする
ことができる。
形データ列生成手段１２は、声質パラメータ記憶部１１
からのデータ入力と、前回呼び出した音素単位波形デー
タの入力とに基づいて、次に続くべき音素単位波形デー
タを生成している。したがって、自然で滑らかな音声合
成を行うことができると共に、音素単位波形記憶部４に
は、従来のように、全ての音韻データに対応する音素単
位波形データを記憶させておく必要がなくなるため、こ
の音素単位波形記憶部４の記憶容量を小さなものとする
ことができる。
【００２２】なお、上記実施形態では、図２に示した音
素波形データ列生成手段１２の入力層におけるニューロ
ンＲ1 ，Ｒ2 ，…，Ｒq には、前回呼び出された音素単
位波形データの数値が入力されるようになっていたが、
ニューロン数をさらに増やし、前回以前に呼び出された
全ての波形データの数値を入力させるようにして次に続
くべき音素単位波形データを生成するようにしてもよ
い。これによれば、より一層適切な音素単位波形データ
を呼び出すことができるようになる。
素波形データ列生成手段１２の入力層におけるニューロ
ンＲ1 ，Ｒ2 ，…，Ｒq には、前回呼び出された音素単
位波形データの数値が入力されるようになっていたが、
ニューロン数をさらに増やし、前回以前に呼び出された
全ての波形データの数値を入力させるようにして次に続
くべき音素単位波形データを生成するようにしてもよ
い。これによれば、より一層適切な音素単位波形データ
を呼び出すことができるようになる。
【００２３】さらに、上記実施形態では音素波形データ
列生成手段１２をニューラルネットワークにより構成し
た例を示したが、特にニューラルネットワークのみに限
定する必要はなく、例えばファジイ演算回路など他の機
能を有する回路を用いて構成することもできる。
列生成手段１２をニューラルネットワークにより構成し
た例を示したが、特にニューラルネットワークのみに限
定する必要はなく、例えばファジイ演算回路など他の機
能を有する回路を用いて構成することもできる。
【００２４】
【発明の効果】以上のように、本発明によれば、声質パ
ラメータと、前回呼び出した音素単位波形データとに基
づいて、次に続くべき音素単位波形データを生成する構
成としているので、音素単位波形記憶部の記憶容量をそ
れほど大きくすることなく、自然で滑らかな音声合成を
行うことができる。
ラメータと、前回呼び出した音素単位波形データとに基
づいて、次に続くべき音素単位波形データを生成する構
成としているので、音素単位波形記憶部の記憶容量をそ
れほど大きくすることなく、自然で滑らかな音声合成を
行うことができる。
【図１】本発明の実施形態の構成図。
【図２】図１における音素波形データ列生成手段１２の
ニューラルネットワーク構成を示す説明図。
ニューラルネットワーク構成を示す説明図。
【図３】従来例の構成図。
【図４】図１又は図３における波形データ接続部５，５
Ａによって生成される音素波形データ列の例を示す波形
図。
Ａによって生成される音素波形データ列の例を示す波形
図。
１ テキストデータ入力部 ２ 音韻記号生成部 ３ 音素単位波形呼び出し部 ４ 音素単位波形記憶部 ５，５Ａ 波形データ接続部 ６ 韻律規則部 ７ 韻律パラメータ生成部 ８ ピッチパターン生成部 ９ 波形合成部 １０ 音声出力部 １１ 声質パラメータ記憶部 １２ 音素波形データ列生成手段 １３ 接続手段
Claims (2)
- 【請求項１】入力したテキストデータから音韻記号を生
成する音韻記号生成部と、 前記音韻記号に対応する音素単位波形データを記憶する
音素単位波形記憶部と、 前記音素単位波形記憶部から順次呼び出した各音素単位
波形データを接続して音素波形データ列を生成する波形
データ接続部と、 前記テキストデータからピッチパターンを生成するピッ
チパターン生成部と、 を備え、前記波形データ接続部から出力される音素波形
データ列を、前記ピッチパターン生成部により生成した
ピッチパターンに基づき合成する音声合成装置であっ
て、 前記波形データ接続部は、 声質に関して予め設定されている項目についてのパラメ
ータ数値を記憶する声質パラメータ記憶部と、 前記ピッチパターン生成部により生成したピッチパター
ンに応じて前記声質パラメータ記憶部に記憶されている
中から選択されたパラメータ数値と、前回呼び出した音
素単位波形データとが入力されて、次に続くべき音素単
位波形データを生成する音素波形データ列生成手段と、 前記音素波形データ列生成手段にて生成された音素単位
波形データを順次接続して出力する接続手段と、 を有するものである、 ことを特徴とする音声合成装置。 - 【請求項２】前記音素単位データ列生成手段は、前記ピ
ッチパターン生成部により生成したピッチパターンに応
じて前記声質パラメータ記憶部に記憶されている中から
選択されたパラメータ数値と、前回呼び出した音素単位
波形データとが入力されて、次に続くべき音素単位波形
データを出力する階層型ニューラルネットワークで構成
されている、 ことを特徴とする請求項１記載の音声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10081319A JPH11282484A (ja) | 1998-03-27 | 1998-03-27 | 音声合成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10081319A JPH11282484A (ja) | 1998-03-27 | 1998-03-27 | 音声合成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11282484A true JPH11282484A (ja) | 1999-10-15 |
Family
ID=13743088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10081319A Pending JPH11282484A (ja) | 1998-03-27 | 1998-03-27 | 音声合成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH11282484A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100363876B1 (ko) * | 2000-12-27 | 2002-12-11 | (주)네오싸이피아 | 음성의 특징 벡터를 이용한 문자 음성 변환 장치 및 그 방법 |
| JP2019179257A (ja) * | 2019-06-19 | 2019-10-17 | 日本電信電話株式会社 | 音響モデル学習装置、音声合成装置、音響モデル学習方法、音声合成方法、プログラム |
| JP2021152664A (ja) * | 2016-09-06 | 2021-09-30 | ディープマインド テクノロジーズ リミテッド | ニューラルネットワークを使用したオーディオの生成 |
| US11948066B2 (en) | 2016-09-06 | 2024-04-02 | Deepmind Technologies Limited | Processing sequences using convolutional neural networks |
-
1998
- 1998-03-27 JP JP10081319A patent/JPH11282484A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100363876B1 (ko) * | 2000-12-27 | 2002-12-11 | (주)네오싸이피아 | 음성의 특징 벡터를 이용한 문자 음성 변환 장치 및 그 방법 |
| JP2021152664A (ja) * | 2016-09-06 | 2021-09-30 | ディープマインド テクノロジーズ リミテッド | ニューラルネットワークを使用したオーディオの生成 |
| US11869530B2 (en) | 2016-09-06 | 2024-01-09 | Deepmind Technologies Limited | Generating audio using neural networks |
| US11948066B2 (en) | 2016-09-06 | 2024-04-02 | Deepmind Technologies Limited | Processing sequences using convolutional neural networks |
| JP2019179257A (ja) * | 2019-06-19 | 2019-10-17 | 日本電信電話株式会社 | 音響モデル学習装置、音声合成装置、音響モデル学習方法、音声合成方法、プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2885372B2 (ja) | 音声符号化方法 | |
| US7233901B2 (en) | Synthesis-based pre-selection of suitable units for concatenative speech | |
| CN112037755B (zh) | 一种基于音色克隆的语音合成方法、装置及电子设备 | |
| Tamaru et al. | Generative moment matching network-based random modulation post-filter for DNN-based singing voice synthesis and neural double-tracking | |
| JPH11282484A (ja) | 音声合成装置 | |
| JP4490818B2 (ja) | 定常音響信号のための合成方法 | |
| JPH08335096A (ja) | テキスト音声合成装置 | |
| JPH0419799A (ja) | 音声合成装置 | |
| CN1682281B (zh) | 在语音合成中用于控制持续时间的方法 | |
| JPH06318094A (ja) | 音声規則合成装置 | |
| JPH09319394A (ja) | 音声合成方法 | |
| JP2573586B2 (ja) | 規則型音声合成装置 | |
| JP3059751B2 (ja) | 残差駆動型音声合成装置 | |
| JPH07244496A (ja) | テキスト朗読装置 | |
| Jitca et al. | Improved speech synthesis using fuzzy methods | |
| JP2573585B2 (ja) | 音声スペクトルパタン生成装置 | |
| JP2703253B2 (ja) | 音声合成装置 | |
| JPH09179576A (ja) | 音声合成方法 | |
| JP2001249678A (ja) | 音声出力装置，音声出力方法および音声出力のためのプログラム記録媒体 | |
| JP2023139557A (ja) | 音声合成装置、音声合成方法及びプログラム | |
| JP3588266B2 (ja) | 音声合成方法、音声合成装置及び記録媒体 | |
| May et al. | Speech synthesis using allophones | |
| JPH037999A (ja) | 音声出力装置 | |
| CN116052640A (zh) | 一种语音合成方法及装置 | |
| JPH06162166A (ja) | 画像作成装置 |