JPS63110499A - ピツチパタン生成装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、文字列などの音声を表す情報から規則により
音声を合成する際のピッチパタン、即ち音声の基本周波
数の時間変化パタンを生成する装置に関する。

〈従来の技術〉 任意の文章や単語の読み等を表す文字列から音声を合成
するいわゆる音声の規則合成においては、音声合成すべ
き文章などの構造や、却語のアクセント等にもとづいて
、ピッチパタン、即ち音声の基本周波数の時間変化パタ
ンを生成することが、自然な合成音声を生成するために
重要である。

このような音声の規則合成におけるピッチパタンの生成
の例は、三位と伏木田による日本音響学会音声研究会資
料８８５−３１（１９８５，７）、「ホルマント、ｃｖ
−ｖｃ型規則合成」に示されている。この音声の規則合
成は、音声合成規則として、時間長規則、ピッチ規則、
ポーズ規則、パラメータ編集規則などがあり、あらかじ
め自然音声を分析して得られたｃｖ−ｖｃ＜ｃは子音Ｖ
は母音を表す）を単位とするホルマントパラメータをｍ
４Ａし、それをホルマント型音声合成器に与えることで
任意の音声を合成するものである。

この中てピンチ規則は、呼気段落の貝さ或は文節の長さ
やアクセント更に音素の時間長などの音声情報に基づい
て、各ｃｖ−ｖｃの始端および呼気段落のｒ！一端での
ピッチ周波数の値を決め、それらを直線補間することに
より音声合成フレーム毎のピッチを決定する規則である
。ここで、各ＣＶ−■Ｃの始端および呼気段落の終端で
のピッチ周波数の値を決める際には、まず、ｎｒｐ気段
落の始端から終端へ向けて直線的に下降する呼気段落成
分を生成し、それに文節（アクセント節）の成分を重畳
する。この文節の成分は、始端から第一の音節の終端に
向けて上昇し、アクセントのないものはそのまま一定値
を続け、アクセントのあるものはアクセント核から下降
するものである。

一方、ピッチパタンを生成する第二の従来例としては、
広瀬、藤崎、大田による、音響学会講演論文集（１９７
９，６）２−２−２に示された「日本語文音声の基本周
波数パタンの分析と特徴抽出」がある。

これは、文節（アクセント節）と呼気段落の二つのピッ
チパタンを、それぞれ２次の線形フィルタにステップ入
力を加えたときの出力として生成し、それらの和として
文音声のピッチパタンを生成するものである。

何れの例も、日本語はかりでなく他の言語の音声、例え
ば英語などにも応用することができる。

これらの例に共通ずるのは、入力の音声情報に基づいて
各種のパラメータ、例えば第一の例では呼気段落の始端
や終端のピッチ周波数あるいは文節成分のピッチ変化の
振幅、第二の例では線形フィルタの時間数やステップ入
力の振幅や継続時間などの値を決定し、それから音声合
成フレーム毎のピッチパタンを合成することである。

（発明が解決しようとする問題点） しかしながら、このような従来のピッチパタン生成装置
においては、同一の文章あるいは単語、更には、構文が
同一の文章や音節数やアクセントが同一の単語などは、
常に同一の規則が適用されるなめ、常に同じように発音
されることになる。

そのため、従来のピッチパタン生成装置によって生成さ
れたピッチパタンを用いた合成音声は機械的で不自然な
印象をうけ、長時間聞くと疲れるといった問題があった
。

単語や単文が長文の一部として現れる場合には、前後関
係が異なるならば、規則によっては少し異なって合成さ
れる場合もある。しかし、単語などが句読点によって区
切られ単独で現れ、規則がその前後を考慮しないような
場合にはいつも同じ様に合成されることになる。

このような状況は、テキストが長くなれはなるほど発生
する可能性か高くなり、不自然さが目立つことになる。

本発明の目的は、従来のピッチパタン生成装置に若干の
回昂を追加した程度の簡単な構成で、より自然な音声を
合成し得るピッチパタン生成装置を提供することにある
。

（問題点を解決するための手段） 前述の問題点を解決するために本発明が提供する手段は
、入力された音声情報に基づいてピッチパタンを生成す
るためのパラメータの値を決定する手段と、そのパラメ
ータの値からピッチパタンを生成する手段とを有するピ
ッチパタン生成装置であって、ランダムデータを発生ず
る手段と、そのランダムデータの値に応じて前記のパラ
メータの値を変化させる手段とを更に有することを特徴
とする。

（作用） 本発明は、ピッチパタンを生成するためのパラメータの
値を従来と同様に決定し、その値をランダムに変化させ
てピッチパタンを生成することにより、機械的な合成音
声の発生を避けようとするものである。これは、実際に
人間が同一の文章などを音読する場合には、韻律などは
発声の度に確率的に揺らぐという性質があり、それを実
現することで自然性を向上させようとするものである。

そのために、ランダムデータを発生する手段によって生
成されたランダムデータに応じて、パラメータ値を変化
させる手段により、従来と同様に決定されたピッチパタ
ンを生成するためのパラメータ値を変化させ、それから
ピッチパタンを生成するのである。

このとき、あらかじめ実際に人間が発声しな音声を分析
しピンチ抽出して、パラメータの値の統計的な分布を調
べておき、その分布にもとづいてパラメータ値の変化さ
せる景を決定する。

ランクムデータを発生ずる手段としては、従来から合同
法によるものやＭ系列によるもの等が知られており、い
ずれの方法に基づくものでも利用可能である。

（実施例） 次に、図面を参照して本発明の詳細な説明する。

第１図は、本発明の一実施例のブロック図である。図に
おいて、１０１は制御回路、１０２はピッチパラメータ
値生成回路、１０３はデータ補間回路、１０４はデータ
分布値メモリ、１０５は乱数発生回路、１０６は乗算器
、１０７は加算器である。

ピンチパラメータ値生成回路１０２は、前述の第一の従
来例におけるものと同様に、制御回１１８１０１から信
号線１１３を介して送られる音素系列に基づいて、ピッ
チパラメータ値、即ち呼気段落の始端や終端のピッチ周
波数あるいは文節成分のピッチ変化の振幅等の値を生成
し、信号線１２０に送出する。

データ補間回路１０３も、第一の従来例におけるものと
同様に、信号線１１６から送られる時間長データに基づ
いて、信号線１２１がら入力されるピッチパラメータ値
から決定した各ｃｖ−ｖｃの始端および呼気段落の終端
でのピッチ周波数の値の間を補間しビンチバクンを生成
する。

データ分布値メモリ　１０４には、各ピッチパラメータ
値の分布するね天領が記憶されていて、制御回路１０１
から信号線１１４を介して送られる指示に従って、その
分布の最大値を信号線１１７へと送り出す。

乱数発生回路１０５では、制御回路１０１がら信号線１
１５を介して送られる指示に従って、絶対値が１以下の
正負の乱数が発生され信号線１１８へと送り出される。

乗算器１０６では、データ分布値メモリ　１０４がら送
られるデータの分布の最大値に、乱数発生回路１０５か
ら送られる乱数が乗じられ、その積が信号＝　　７　− 線１１９を介して加算器１０７へと送られる。

加算器１０７では、ピッチパラメータ値生成回路１０２
から送られるピッチパラメータ値と、乗算器１０６から
送られるデータ分布値と乱数の積か加え合わされて新た
なピッチパラメータ値として信号線１２１を介してデー
タ補間回路１０３に送られる。

制御回路１０１は、信号線１１１から音素系列と時間長
データが入力されると、音素系列を信号線１１３を介し
てピッチパラメータ値生成回路１０２に送りピッチパラ
メータ値を発生させ、時間長データを信号線１１６を介
してデータ補間回路１０３に送る。更に、信号線１１４
を介してデータ分布値メモリ　１０４に指示を送りデー
タの分布の最大値を発生させ、信号線１１５を介して乱
数発生回路１０５に指示を送り乱数を発生させる。

こうして、ピッチパラメータ値生成回路１０２で生成さ
れたピッチパラメータ値に、データ分布値メモリ　１０
４で生成されたデータの分布の最大値と乱数発生回路１
０５で生成された乱数の積が加算され、その新たなピッ
チパラメータ値と時間長デー夕に基づいてピッチパタン
か生成され、信号線１１２から出力される。

第２図は、本発明の第二の実施例のブロック図である。

図において、２０１は制御回路、２０２は時定数−ステ
ップパラメータ値生成回路、２０３は文節バタン用フィ
ルタ、２０４は呼気段落バタン用フィルタ、２０５は加
算器、２０６はデータ分布値メモリ、２０７は乱数発生
回路、２０８は乗算器、２０９は加算器である。

時定数−ステップパラメータ値生成回路２０２は、前述
の第二の従来例と同様に、入力の音声情報に基づいて、
文節バタン用フィルタ２０３と呼気段落パタン用フィル
タ　２０４の時定数やステップパラメータ即ちステップ
入力の振幅や継続時間などの値を決定し、信号線２１４
へと送り出す。

文節バタン用フィルタ２０３は、信号線２２１を介して
与えられる係数値を用いて信号線２２０から入力される
ステップ信号をフィルタリングして文節のピッチパタン
を生成し信号線２２３へと送り出す。

呼気段落バタン用フィルタ２０４は、信号線２１８を介
しで与えられる係数値を用いて信号線２１９がら入力さ
れるステップ信号をフィルタリングして呼気段落のピッ
チパタンを生成し信号線２２２へと送り出す。

加算器２０５では、文節バタン用フィルタ２０３がら送
られる文節のピッチパタンと、呼気段落バタン用フィル
タ２０４から送られる呼気段落のピッチパタンとか加え
合わされて文章のピッチパタンが生成される。

これら、時定数−ステップパラメータ値生成回路２０２
、文節バタン用フィルタ２０３、呼気段落バタン用フィ
ルタ２０４、加算器２０５は、第二の従来例と同様に動
作するものである。

データ分布値メモリ　２０６には、二つのフィルタ２０
３と　２０４のための時定数と、ステップパラメータの
分布の最大値が記憶されており、信号線２１７を介して
制御回路２０１から送られる指示に従って各パラメータ
の分布の最大値が信号線２２５へと送られる。

乱数発生回路２０７では、制御回路２０１から信号線２
１６を介して送られる指示に従って、絶対値が１以下の
正負の乱数が発生され信号線２２４へと送り出される。

乗算器２０８では、データ分布値メモリ　２０６から送
られるデータの分布の最大値に、乱数発生回路２０７か
ら送られる乱数か乗じられ、その積が信号線２２６を介
して加算器２０９へと送られる。

加算器２０９では、時定数−ステップパラメータ値生成
回Ｉ？８２０２で生成された時定数やステップパラメー
タの値と乗算器２０８がら送られる各パラメータの分布
値と乱数の積が加え合わされて新たな時定数やステップ
パラメータ値として信号線２１５を介して制御回路２０
１に送られる。

制御回路２０１は、信号線２１１から入力される音声情
報を信号線２１３を介して時定数−ステップパラメータ
値生成回路２０２に送り、時定数とステップパラメータ
の値を決定させる。また、データ分布値メモリ２０６と
乱数発生口Ｂ２０７に指示を送り、加算器２０９から送
られる新たな時定数とステップパラメータ値に基づいて
、二つのフィルタ　２０３と２０４のためのフィルタの
係数と入力ステップ信号を生成し、二つのフィルタに送
る。

このようにして、文章のピッチパタンが生成され信号線
２１２から出力される。

（発明の効果） 以上説明したように、本発明によれば、合成しようとす
る音声情報に同一の表現が繰り返し現れても、各種の音
声合成パラメータの値がその都度微妙に異なった値がと
られるため、明瞭性が損なわれることなく自然な合成音
が得られるという効果がある。

【図面の簡単な説明】

第１図および第２図は本発明の第一および第二の実施例
をそれぞれ示すブロック図である。 図において、１０１は制御回路、１０２はピッチパラメ
ータ値生成回路、１０３はデータ補間回路、１０４はデ
ータ分布値メモリ、１０５は乱数発生回路、１０６は乗
算器、１０７は加算器、２０１は制御回路、２０２は時
定数−ステップパラメータ値生成回路、２０３は文節バ
タン用フィルタ、２０４は呼気段落バタン用フィルタ、
２０５は加算器、２０６はデータ分布値メモリ、２０７
は乱数発生回路、２０８は乗算器、２０９は加算器であ
る。

Claims (1)

【特許請求の範囲】
1. 入力された音声情報に基づいてピッチパタンを生成する
   ためのパラメータの値を決定する手段と、そのパラメー
   タの値からピッチパタンを生成する手段とを有するピッ
   チパタン生成装置において、ランダムデータを発生する
   手段と、そのランダムデータの値に応じて前記のパラメ
   ータの値を変化させる手段とを更に有することを特徴と
   するピッチパタン生成装置。