JP3420964B2 - ピッチパタン生成方法、その装置及びプログラム記録媒体 - Google Patents
ピッチパタン生成方法、その装置及びプログラム記録媒体Info
- Publication number
- JP3420964B2 JP3420964B2 JP04816699A JP4816699A JP3420964B2 JP 3420964 B2 JP3420964 B2 JP 3420964B2 JP 04816699 A JP04816699 A JP 04816699A JP 4816699 A JP4816699 A JP 4816699A JP 3420964 B2 JP3420964 B2 JP 3420964B2
- Authority
- JP
- Japan
- Prior art keywords
- pitch pattern
- prosody
- category
- pattern data
- pitch
- 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.)
- Expired - Lifetime
Links
Description
【０００１】
【発明の属する技術分野】この発明は、テキスト音声合
成システムにおけるピッチパタン生成方法、その装置及
びプログラム記録媒体に関するものである。
成システムにおけるピッチパタン生成方法、その装置及
びプログラム記録媒体に関するものである。
【０００２】
【従来の技術】従来のテキスト音声合成におけるピッチ
パタンの生成方式は、自然音声のピッチパタンを分析
し、そこから得た規則から一般的なピッチパタン生成モ
デルを構築し、そのモデルを用いてテキストのピッチパ
タンを生成していた。しかしながら、大量のデータを分
析したとしても、全ての規則を含んだ万能なモデルを構
築することは大変困難であるため、合成するテキストの
内容によっては不自然なピッチパタンを生成することが
ある。また、一般的な規則化がなされているために、生
成されたピッチパタンが機械的で単調になってしまうと
いう問題があった。
パタンの生成方式は、自然音声のピッチパタンを分析
し、そこから得た規則から一般的なピッチパタン生成モ
デルを構築し、そのモデルを用いてテキストのピッチパ
タンを生成していた。しかしながら、大量のデータを分
析したとしても、全ての規則を含んだ万能なモデルを構
築することは大変困難であるため、合成するテキストの
内容によっては不自然なピッチパタンを生成することが
ある。また、一般的な規則化がなされているために、生
成されたピッチパタンが機械的で単調になってしまうと
いう問題があった。
【０００３】こうした問題を解決するために、テキスト
合成音声のピッチパタン生成の方法として、ピッチパタ
ンデータベースを利用するアプローチがある。これは、
ピッチパタンデータベース中に大量の自然音声のピッチ
パタンを蓄積しておき、合成したいテキストにふさわし
いピッチパタンをデータベースから選択することにより
ピッチパタン生成を行うものである。この方式では、肉
声のピッチ情報を利用するため、合成するテキストにふ
さわしいピッチパタンデータをデータベースから得るこ
とができれば、自然性の高いピッチパタン生成が可能と
なるが、適切なピッチパタンデータを選択することは困
難である。また、データベース中に合成したい入力テキ
ストと同一の韻律カテゴリ条件（アクセント型、モーラ
数等のテキスト属性より決定されるテキスト条件）を持
つピッチパタンデータが存在しない場合には、適切なピ
ッチパタンデータの選択を行うことができないという問
題があった。
合成音声のピッチパタン生成の方法として、ピッチパタ
ンデータベースを利用するアプローチがある。これは、
ピッチパタンデータベース中に大量の自然音声のピッチ
パタンを蓄積しておき、合成したいテキストにふさわし
いピッチパタンをデータベースから選択することにより
ピッチパタン生成を行うものである。この方式では、肉
声のピッチ情報を利用するため、合成するテキストにふ
さわしいピッチパタンデータをデータベースから得るこ
とができれば、自然性の高いピッチパタン生成が可能と
なるが、適切なピッチパタンデータを選択することは困
難である。また、データベース中に合成したい入力テキ
ストと同一の韻律カテゴリ条件（アクセント型、モーラ
数等のテキスト属性より決定されるテキスト条件）を持
つピッチパタンデータが存在しない場合には、適切なピ
ッチパタンデータの選択を行うことができないという問
題があった。
【０００４】
【発明が解決しようとする課題】この発明は上述した点
に鑑みてなされたものであって、テキスト音声合成シス
テムにおけるピッチパタン生成を行う際に、ピッチパタ
ンデータベースから適切なピッチパタンデータを選択
し、自然性の高いピッチパタン生成を可能とするピッチ
パタン生成方法を提供することを目的とする。
に鑑みてなされたものであって、テキスト音声合成シス
テムにおけるピッチパタン生成を行う際に、ピッチパタ
ンデータベースから適切なピッチパタンデータを選択
し、自然性の高いピッチパタン生成を可能とするピッチ
パタン生成方法を提供することを目的とする。
【０００５】
【課題を解決するための手段】以上の課題を解決するた
めに、この発明の方法は、自然音声より抽出した大量の
ピッチパタンデータからなるピッチパタンデータベース
よりピッチパタンデータを選択する際に、ピッチパタン
データベースに、合致する韻律カテゴリ（アクセント
型、モーラ数、先行アクセント型、後続アクセント型、
先行境界条件、後続境界条件などの集合からなる）のピ
ッチパタンデータが存在しなかった場合には、韻律カテ
ゴリ間の距離（類似度）を統計的な推定により求め、こ
の距離から、ピッチパタンデータベースの中で、合成し
たいテキストの韻律カテゴリに最も近いと推定される韻
律カテゴリを選択し、選択した韻律カテゴリに属するピ
ッチパタンデータの中から、合成するテキストに用いる
ピッチパタンデータを選択し、そのピッチパタンデータ
をピッチパタン生成に利用する。韻律カテゴリ間の距離
は、各韻律カテゴリに属するピッチパタンデータをベク
トルで表現し、韻律カテゴリの平均ベクトルを求め、異
なる韻律カテゴリ間のピッチパタンの形状差を差分ベク
トルで表現し、この差分ベクトルを韻律カテゴリ間の距
離とする。さらに、推定結果より得た韻律カテゴリ間の
差分ベクトルを用いて、選択したピッチパタンの形状
に、合成したいテキストの韻律カテゴリのピッチパタン
形状に近づけるための変形を施して、ピッチパタン生成
に利用する。
めに、この発明の方法は、自然音声より抽出した大量の
ピッチパタンデータからなるピッチパタンデータベース
よりピッチパタンデータを選択する際に、ピッチパタン
データベースに、合致する韻律カテゴリ（アクセント
型、モーラ数、先行アクセント型、後続アクセント型、
先行境界条件、後続境界条件などの集合からなる）のピ
ッチパタンデータが存在しなかった場合には、韻律カテ
ゴリ間の距離（類似度）を統計的な推定により求め、こ
の距離から、ピッチパタンデータベースの中で、合成し
たいテキストの韻律カテゴリに最も近いと推定される韻
律カテゴリを選択し、選択した韻律カテゴリに属するピ
ッチパタンデータの中から、合成するテキストに用いる
ピッチパタンデータを選択し、そのピッチパタンデータ
をピッチパタン生成に利用する。韻律カテゴリ間の距離
は、各韻律カテゴリに属するピッチパタンデータをベク
トルで表現し、韻律カテゴリの平均ベクトルを求め、異
なる韻律カテゴリ間のピッチパタンの形状差を差分ベク
トルで表現し、この差分ベクトルを韻律カテゴリ間の距
離とする。さらに、推定結果より得た韻律カテゴリ間の
差分ベクトルを用いて、選択したピッチパタンの形状
に、合成したいテキストの韻律カテゴリのピッチパタン
形状に近づけるための変形を施して、ピッチパタン生成
に利用する。
【０００６】
【発明の実施の形態】以下、この発明の実施例を述べ
る。この発明におけるピッチパタン生成は、全てアクセ
ント句を基本単位として行う。この実施例では、取り扱
う全てのアクセント句は、テキストから安定した品質で
抽出できる情報である、アクセント型（第何音節目にア
クセントが置かれるか、平坦アクセントか、等の分
類）、モーラ数、先行アクセント型（前のアクセント句
のアクセント型）、後続アクセント型（後のアクセント
句のアクセント型）、先行境界条件、後続境界条件など
の集合で表される韻律カテゴリにより、いずれかの韻律
カテゴリに属するものとする。すなわち、この方法で
は、テキスト音声合成システムに入力されたアクセント
句は、形態素解析の結果に基づき上記いずれかの韻律カ
テゴリに属する。
る。この発明におけるピッチパタン生成は、全てアクセ
ント句を基本単位として行う。この実施例では、取り扱
う全てのアクセント句は、テキストから安定した品質で
抽出できる情報である、アクセント型（第何音節目にア
クセントが置かれるか、平坦アクセントか、等の分
類）、モーラ数、先行アクセント型（前のアクセント句
のアクセント型）、後続アクセント型（後のアクセント
句のアクセント型）、先行境界条件、後続境界条件など
の集合で表される韻律カテゴリにより、いずれかの韻律
カテゴリに属するものとする。すなわち、この方法で
は、テキスト音声合成システムに入力されたアクセント
句は、形態素解析の結果に基づき上記いずれかの韻律カ
テゴリに属する。
【０００７】この実施例における、ピッチパタン生成方
法を図１を参照して説明する。ピッチパタンデータベー
ス１１には、アクセント句単位でピッチパタンデータが
格納されている。このピッチパタンデータは、１フレー
ムごとにピッチの値を持つ。この実施例では、１フレー
ムは２．５ｍｓｅｃとした。また、各ピッチパタンデー
タには、その韻律カテゴリ（条件）が併記されている。
合成するテキストは、アクセント句単位で与えられる。
法を図１を参照して説明する。ピッチパタンデータベー
ス１１には、アクセント句単位でピッチパタンデータが
格納されている。このピッチパタンデータは、１フレー
ムごとにピッチの値を持つ。この実施例では、１フレー
ムは２．５ｍｓｅｃとした。また、各ピッチパタンデー
タには、その韻律カテゴリ（条件）が併記されている。
合成するテキストは、アクセント句単位で与えられる。
【０００８】ステップ１０１では、合成したいテキスト
の韻律カテゴリと等しい韻律カテゴリに属するピッチパ
タンデータが、ピッチパタンデータベース１１に存在す
るかどうかを検索する。ここで、ピッチパタンデータが
存在した場合は、以下のステップ１０２の処理を、存在
しなかった場合には、以下のステップ１０３からステッ
プ１０５の処理を行う。
の韻律カテゴリと等しい韻律カテゴリに属するピッチパ
タンデータが、ピッチパタンデータベース１１に存在す
るかどうかを検索する。ここで、ピッチパタンデータが
存在した場合は、以下のステップ１０２の処理を、存在
しなかった場合には、以下のステップ１０３からステッ
プ１０５の処理を行う。
【０００９】ステップ１０２では、合成したいテキスト
の韻律カテゴリと等しい韻律カテゴリからのピッチパタ
ンデータを選択する。ここで、選択した韻律カテゴリが
複数のピッチパタンデータを持つ場合、使用するピッチ
パタンデータを決定する必要がある。この実施例では、
カテゴリ中の最も平均的な形状のピッチパタンデータを
韻律カテゴリの代表ピッチパタンデータとして選択す
る。
の韻律カテゴリと等しい韻律カテゴリからのピッチパタ
ンデータを選択する。ここで、選択した韻律カテゴリが
複数のピッチパタンデータを持つ場合、使用するピッチ
パタンデータを決定する必要がある。この実施例では、
カテゴリ中の最も平均的な形状のピッチパタンデータを
韻律カテゴリの代表ピッチパタンデータとして選択す
る。
【００１０】ステップ１０３では、後述するステップ３
０１及びステップ３０２に記す方法により、データベー
ス１１に含まれる韻律カテゴリのうちから、合成するテ
キストの韻律カテゴリに、ピッチパタンの形状が最も近
いと思われる韻律カテゴリを推定する。ステップ１０４
では、ステップ１０２と同様にして、その推定した韻律
カテゴリからのピッチパタンデータの選択を行う。
０１及びステップ３０２に記す方法により、データベー
ス１１に含まれる韻律カテゴリのうちから、合成するテ
キストの韻律カテゴリに、ピッチパタンの形状が最も近
いと思われる韻律カテゴリを推定する。ステップ１０４
では、ステップ１０２と同様にして、その推定した韻律
カテゴリからのピッチパタンデータの選択を行う。
【００１１】ステップ１０５では、選択した韻律カテゴ
リとテキストの韻律カテゴリ間の差分ベクトルを、選択
したピッチパタンデータに適用して変形する。ピッチパ
タンデータのベクトル表現については、後述のステップ
２０２およびステップ２０３において、差分ベクトル表
現については、後述のステップ２０４において説明す
る。この差分ベクトルを適用したピッチパタンデータの
変形方法については、例えば、磯貝ら「ピッチパタン変
形方法及びその記録媒体」（特願平１０−２４７５５
５）に記載された方法を用いることができる。データベ
ースから選択した韻律カテゴリＫ、テキストの韻律カテ
ゴリＥであるとき、韻律カテゴリＫからＥへの変形を表
す差分ベクトルをＤ（Ｋ，Ｅ）とする。Ｄ（Ｋ，
Ｅ）は、ステップ１０３において、ピッチパタンデータ
ベース１１から韻律カテゴリＫを選択した際の値を使用
する。選択したピッチパタンのベクトル表現をＸinと
すると、差分ベクトルＤ（Ｋ，Ｅ）を加算して変形さ
れたピッチパタンベクトルＸ′ inをＸ′in＝Ｘin
＋Ｄ（Ｋ，Ｅ）より得る。ベクトルＸinが、変形さ
れたベクトルＸ′inのピッチパタンと等しくなるよう
に、選択したピッチパタンの形状を変形する。この形状
の変形は、１フレームごとにピッチの値を増減すること
により行う。
リとテキストの韻律カテゴリ間の差分ベクトルを、選択
したピッチパタンデータに適用して変形する。ピッチパ
タンデータのベクトル表現については、後述のステップ
２０２およびステップ２０３において、差分ベクトル表
現については、後述のステップ２０４において説明す
る。この差分ベクトルを適用したピッチパタンデータの
変形方法については、例えば、磯貝ら「ピッチパタン変
形方法及びその記録媒体」（特願平１０−２４７５５
５）に記載された方法を用いることができる。データベ
ースから選択した韻律カテゴリＫ、テキストの韻律カテ
ゴリＥであるとき、韻律カテゴリＫからＥへの変形を表
す差分ベクトルをＤ（Ｋ，Ｅ）とする。Ｄ（Ｋ，
Ｅ）は、ステップ１０３において、ピッチパタンデータ
ベース１１から韻律カテゴリＫを選択した際の値を使用
する。選択したピッチパタンのベクトル表現をＸinと
すると、差分ベクトルＤ（Ｋ，Ｅ）を加算して変形さ
れたピッチパタンベクトルＸ′ inをＸ′in＝Ｘin
＋Ｄ（Ｋ，Ｅ）より得る。ベクトルＸinが、変形さ
れたベクトルＸ′inのピッチパタンと等しくなるよう
に、選択したピッチパタンの形状を変形する。この形状
の変形は、１フレームごとにピッチの値を増減すること
により行う。
【００１２】ステップ１０６では、ピッチパタンデータ
をモーラ単位で時間軸方向に線形伸縮することにより、
与えられた時間長に従って時間長補正を行う。ステップ
１０７では、各ピッチパタンの高さについて、ピッチパ
タンの始点と終点の高さの中点が、点ピッチパタンの話
調成分決定アルゴリズムより求めた話調成分高さの平均
値となるように決定する。点ピッチパタンの話調成分決
定アルゴリズムについては、例えば、箱田ら「文音声合
成における音調規則」（電気通信学会論文誌Ｖｏｌ．Ｊ
６３−Ｄ Ｎｏ．９）を用いることができる。
をモーラ単位で時間軸方向に線形伸縮することにより、
与えられた時間長に従って時間長補正を行う。ステップ
１０７では、各ピッチパタンの高さについて、ピッチパ
タンの始点と終点の高さの中点が、点ピッチパタンの話
調成分決定アルゴリズムより求めた話調成分高さの平均
値となるように決定する。点ピッチパタンの話調成分決
定アルゴリズムについては、例えば、箱田ら「文音声合
成における音調規則」（電気通信学会論文誌Ｖｏｌ．Ｊ
６３−Ｄ Ｎｏ．９）を用いることができる。
【００１３】以上の処理により、合成したいテキストに
適したピッチパタンデータを、ピッチパタンデータベー
ス１１より得ることができる。次に、ステップ１０３に
おいて必要となる。韻律カテゴリ間の距離（類似度）を
推定するための学習の方法を、図２を参照して説明す
る。ここでは、合成するテキストの韻律カテゴリに、ピ
ッチパタンの形状が最も近いと思われる韻律カテゴリを
選択するために、韻律カテゴリ間の距離を定める。その
距離を規定するためにはピッチパタンの形状の差を表現
する必要があり、そのために、ピッチパタンの形状をベ
クトルで表現する。そして、異なる韻律カテゴリ間のピ
ッチパタンベクトルの形状差を表す差分ベクトルの絶対
値を韻律カテゴリ間の距離とみる。すなわち、韻律カテ
ゴリ間の差分ベクトルを推定することは、韻律カテゴリ
間の距離を推定することと同義である。
適したピッチパタンデータを、ピッチパタンデータベー
ス１１より得ることができる。次に、ステップ１０３に
おいて必要となる。韻律カテゴリ間の距離（類似度）を
推定するための学習の方法を、図２を参照して説明す
る。ここでは、合成するテキストの韻律カテゴリに、ピ
ッチパタンの形状が最も近いと思われる韻律カテゴリを
選択するために、韻律カテゴリ間の距離を定める。その
距離を規定するためにはピッチパタンの形状の差を表現
する必要があり、そのために、ピッチパタンの形状をベ
クトルで表現する。そして、異なる韻律カテゴリ間のピ
ッチパタンベクトルの形状差を表す差分ベクトルの絶対
値を韻律カテゴリ間の距離とみる。すなわち、韻律カテ
ゴリ間の差分ベクトルを推定することは、韻律カテゴリ
間の距離を推定することと同義である。
【００１４】ステップ２０１から２０４までは、韻律カ
テゴリ間の距離を学習するための学習データを作成する
処理である。ステップ２０１では、ピッチパタンデータ
ベース１１に含まれるピッチパタンデータを、アクセン
ト型、モーラ数、先行アクセント型、後続アクセント
型、先行境界条件、後続境界条件などの集合で表される
韻律カテゴリにカテゴライズ（分類）する。カテゴライ
ズ結果は、記憶装置２１に格納される。
テゴリ間の距離を学習するための学習データを作成する
処理である。ステップ２０１では、ピッチパタンデータ
ベース１１に含まれるピッチパタンデータを、アクセン
ト型、モーラ数、先行アクセント型、後続アクセント
型、先行境界条件、後続境界条件などの集合で表される
韻律カテゴリにカテゴライズ（分類）する。カテゴライ
ズ結果は、記憶装置２１に格納される。
【００１５】ステップ２０２では、ピッチパタンの形状
をベクトルで表現する。このピッチパタンのベクトル表
現方法は、例えば、磯貝ら「ピッチパタン変形方法及び
その記録媒体」（特願平１０−２４７５５５）を用いる
ことができる。即ち、母音中心部のピッチの値およびア
クセント句始終端のピッチの値をピッチパタンのモデル
パラメータとする。ピッチパタンベクトルの各要素はそ
のモーラのピッチとそのモーラに先行するモーラのピッ
チの値との差分とする。あるアクセント句ａのモーラ数
がｍ、第ｉモーラと第ｉ＋１モーラのピッチの値の差分
量がｘｉ、全韻律カテゴリのモーラ数のうち最大モーラ
数がＭのとき、アクセント句ａのピッチパタンのベクト
ル表現ｘa を、ｘa ＝（ｘ0 ，ｘ1 ，…，ｘm-2 ，
０，…，０，ｘM-m ，ｘm-1 ，ｘm ）と表す。
をベクトルで表現する。このピッチパタンのベクトル表
現方法は、例えば、磯貝ら「ピッチパタン変形方法及び
その記録媒体」（特願平１０−２４７５５５）を用いる
ことができる。即ち、母音中心部のピッチの値およびア
クセント句始終端のピッチの値をピッチパタンのモデル
パラメータとする。ピッチパタンベクトルの各要素はそ
のモーラのピッチとそのモーラに先行するモーラのピッ
チの値との差分とする。あるアクセント句ａのモーラ数
がｍ、第ｉモーラと第ｉ＋１モーラのピッチの値の差分
量がｘｉ、全韻律カテゴリのモーラ数のうち最大モーラ
数がＭのとき、アクセント句ａのピッチパタンのベクト
ル表現ｘa を、ｘa ＝（ｘ0 ，ｘ1 ，…，ｘm-2 ，
０，…，０，ｘM-m ，ｘm-1 ，ｘm ）と表す。
【００１６】ステップ２０３では、韻律カテゴリの平均
的なピッチパタンベクトルを求める。韻律カテゴリＫの
平均的なピッチパタンベクトルをＸK とすると、Ｘ
K ＝（１／ｎ）Σi=0 n-1 ｘｉ（ｘｉ∈Ｋ）より求め
る。ここで、ｎは韻律カテゴリＫに属するピッチパタン
データの数である。これを、韻律カテゴリのピッチパタ
ンベクトルとする。求めたピッチパタンベクトルは、記
憶装置２２に格納する。
的なピッチパタンベクトルを求める。韻律カテゴリＫの
平均的なピッチパタンベクトルをＸK とすると、Ｘ
K ＝（１／ｎ）Σi=0 n-1 ｘｉ（ｘｉ∈Ｋ）より求め
る。ここで、ｎは韻律カテゴリＫに属するピッチパタン
データの数である。これを、韻律カテゴリのピッチパタ
ンベクトルとする。求めたピッチパタンベクトルは、記
憶装置２２に格納する。
【００１７】ステップ２０４では、韻律カテゴリ間の差
分ベクトルを求める。韻律カテゴリＫから韻律カテゴリ
Ｌへの差分ベクトルＤ（Ｋ，Ｌ）は、Ｄ（Ｋ，Ｌ）
＝ＸL −ＸK より求める。但し、（Ｋ＝０，…，Ｎ
−１、Ｌ＝０，…，Ｎ−１，Ｋ≠Ｌ）である。ここで、
ＸK は韻律カテゴリＫのピッチパタンベクトル、Ｘ
L は韻律カテゴリＬのピッチパタンベクトル、Ｎはデー
タベース中にピッチパタンを持つ全韻律カテゴリ数であ
る。求めた差分ベクトルは、記憶装置２３に格納する。
分ベクトルを求める。韻律カテゴリＫから韻律カテゴリ
Ｌへの差分ベクトルＤ（Ｋ，Ｌ）は、Ｄ（Ｋ，Ｌ）
＝ＸL −ＸK より求める。但し、（Ｋ＝０，…，Ｎ
−１、Ｌ＝０，…，Ｎ−１，Ｋ≠Ｌ）である。ここで、
ＸK は韻律カテゴリＫのピッチパタンベクトル、Ｘ
L は韻律カテゴリＬのピッチパタンベクトル、Ｎはデー
タベース中にピッチパタンを持つ全韻律カテゴリ数であ
る。求めた差分ベクトルは、記憶装置２３に格納する。
【００１８】ステップ２０５では、ステップ２０４で求
めた韻律カテゴリ間の差分ベクトルをもとに、各韻律カ
テゴリ条件の差分ベクトルへの寄与について数量化Ｉ類
を用いて学習する。数量化Ｉ類とは、質的説明要因に基
づいて、量的に測定された外的基準（目的の量的変数）
の値を説明、あるいは予測するための方法であり、例え
ば、田中ら「多変量統計解析法」、（現代数学社、１９
８３）に記載されている。数量化Ｉ類は、以下の式
（１）で定式化される。
めた韻律カテゴリ間の差分ベクトルをもとに、各韻律カ
テゴリ条件の差分ベクトルへの寄与について数量化Ｉ類
を用いて学習する。数量化Ｉ類とは、質的説明要因に基
づいて、量的に測定された外的基準（目的の量的変数）
の値を説明、あるいは予測するための方法であり、例え
ば、田中ら「多変量統計解析法」、（現代数学社、１９
８３）に記載されている。数量化Ｉ類は、以下の式
（１）で定式化される。
【００１９】
ｙ＾ｉ＝ｙ′＋Σf Σc ａfcδfc（ｉ） （１）
上記（１）式において、ｙ＾ｉはｉ番目のサンプルの推
定値であり、ｙ′は全学習データの平均値、δfc（ｉ）
は、サンプルｉがファクタｆのカテゴリｃに該当すると
き１、前記以外のとき０、をとるダミー変数である。ａ
fcはファクタｆのカテゴリｃに付与された数量（カテゴ
リ数量と呼ばれる）で、外的基準ｙｉと推定値ｙ＾ｉと
の誤差が最小となるように決定される。すなわち、ｙｉ
とｙ＾ｉとの誤差の自乗平均 Σi=1 n （ｙｉ−ｙ＾ｉ）2 （２） （ｎはｙｉのサンプル数） が最小となるように決定される。Σc はａfcδfc（ｉ）
をｃについて加算すること、Σf はΣc ａfcδfc（ｉ）
をｆについて加算することを表わす。
定値であり、ｙ′は全学習データの平均値、δfc（ｉ）
は、サンプルｉがファクタｆのカテゴリｃに該当すると
き１、前記以外のとき０、をとるダミー変数である。ａ
fcはファクタｆのカテゴリｃに付与された数量（カテゴ
リ数量と呼ばれる）で、外的基準ｙｉと推定値ｙ＾ｉと
の誤差が最小となるように決定される。すなわち、ｙｉ
とｙ＾ｉとの誤差の自乗平均 Σi=1 n （ｙｉ−ｙ＾ｉ）2 （２） （ｎはｙｉのサンプル数） が最小となるように決定される。Σc はａfcδfc（ｉ）
をｃについて加算すること、Σf はΣc ａfcδfc（ｉ）
をｆについて加算することを表わす。
【００２０】数量化Ｉ類の量的変数となる特徴量、すな
わちｙｉは、ステップ２０４で求めた差分ベクトルＤ
（Ｋ，Ｌ）の各要素ｄｉである。質的説明要因となるフ
ァクタおよびカテゴリは、ステップ２０１で用いた韻律
カテゴリ条件と同一である。例えば、ファクタ‘アクセ
ント型’のカテゴリは、‘０型’や‘１型’などであ
り、ファクタ‘先行境界条件’のカテゴリは、‘強結
合’や‘弱結合’などである。ここで、これらのファク
タおよびカテゴリは、差分ベクトルの終点となる韻律カ
テゴリＬの、韻律カテゴリ条件である。これらファク
タ、カテゴリは数値表現して使う。
わちｙｉは、ステップ２０４で求めた差分ベクトルＤ
（Ｋ，Ｌ）の各要素ｄｉである。質的説明要因となるフ
ァクタおよびカテゴリは、ステップ２０１で用いた韻律
カテゴリ条件と同一である。例えば、ファクタ‘アクセ
ント型’のカテゴリは、‘０型’や‘１型’などであ
り、ファクタ‘先行境界条件’のカテゴリは、‘強結
合’や‘弱結合’などである。ここで、これらのファク
タおよびカテゴリは、差分ベクトルの終点となる韻律カ
テゴリＬの、韻律カテゴリ条件である。これらファク
タ、カテゴリは数値表現して使う。
【００２１】これらより、差分ベクトルＤ＾（Ｋｐ，
Ｅｑ）の要素ｋの値を推定するためのカテゴリ数量ａｋ
fc（Ｋｐ）、および学習データの平均値ｙ′ｋ（Ｋｐ）
を求める。ここで、Ｋｐは、データベース中にピッチパ
タンデータがある学習データの韻律カテゴリ（ｐ＝０，
…，ＮK-1 ：ＮK はデータベース中の全韻律カテゴリの
数）である。また、Ｅｑは、データベース中にピッチパ
タンデータがない韻律カテゴリ（ｑ＝０，…，ＮE-1 ：
ＮE はデータベース中に含まれない韻律カテゴリの数）
である。また、（ｋ＝０，…，Ｍ：Ｍは全韻律カテゴリ
の最大モーラ数）である。
Ｅｑ）の要素ｋの値を推定するためのカテゴリ数量ａｋ
fc（Ｋｐ）、および学習データの平均値ｙ′ｋ（Ｋｐ）
を求める。ここで、Ｋｐは、データベース中にピッチパ
タンデータがある学習データの韻律カテゴリ（ｐ＝０，
…，ＮK-1 ：ＮK はデータベース中の全韻律カテゴリの
数）である。また、Ｅｑは、データベース中にピッチパ
タンデータがない韻律カテゴリ（ｑ＝０，…，ＮE-1 ：
ＮE はデータベース中に含まれない韻律カテゴリの数）
である。また、（ｋ＝０，…，Ｍ：Ｍは全韻律カテゴリ
の最大モーラ数）である。
【００２２】学習は任意の韻律カテゴリＫｐ（０≦ｐ≦
ＮK-1 ）に着目し、ＫｐからＫｒ（ｒは０，…，
ＮK-1 ，ｒ≠ｐ）への差分値ＮK-1 個を外的基準とし
て、カテゴリ数量および学習データの平均値を求める。
カテゴリ数量は式(2) をａfcで偏微分して０とおいて得
た、正規方程式を解くことにより求める。またカテゴリ
数量は各ファクタ内のカテゴリ数量の平均がゼロになる
ように標準化する。韻律カテゴリＫｐごとに、カテゴリ
数量および学習データの平均値を求める。また、差分ベ
クトルＤ（Ｋｐ，Ｋｒ）の各要素ｋごとにカテゴリ数
量および学習データの平均値を求める。
ＮK-1 ）に着目し、ＫｐからＫｒ（ｒは０，…，
ＮK-1 ，ｒ≠ｐ）への差分値ＮK-1 個を外的基準とし
て、カテゴリ数量および学習データの平均値を求める。
カテゴリ数量は式(2) をａfcで偏微分して０とおいて得
た、正規方程式を解くことにより求める。またカテゴリ
数量は各ファクタ内のカテゴリ数量の平均がゼロになる
ように標準化する。韻律カテゴリＫｐごとに、カテゴリ
数量および学習データの平均値を求める。また、差分ベ
クトルＤ（Ｋｐ，Ｋｒ）の各要素ｋごとにカテゴリ数
量および学習データの平均値を求める。
【００２３】以上の手順により、未知の韻律カテゴリを
推定するために必要なカテゴリ数量および学習データの
平均値が求められた。このカテゴリ数量および学習デー
タの平均値は、記憶装置１２に格納される。次に、ステ
ップ１０３における、使用する韻律カテゴリを推定によ
り求めるための手順を図３を参照して説明する。
推定するために必要なカテゴリ数量および学習データの
平均値が求められた。このカテゴリ数量および学習デー
タの平均値は、記憶装置１２に格納される。次に、ステ
ップ１０３における、使用する韻律カテゴリを推定によ
り求めるための手順を図３を参照して説明する。
【００２４】ステップ３０１は、データベース中の全て
の韻律カテゴリから、合成するテキストのデータベース
１１中にない韻律カテゴリＥへの差分ベクトルを推定す
る。韻律カテゴリＫｐから韻律カテゴリＥへの差分ベク
トルＤ＾（Ｋｐ，Ｅ）を推定する。ここで、Ｅは合成
するテキストの韻律カテゴリ、Ｋｐはデータベース中の
韻律カテゴリ（ｐ＝０，…，Ｎ−１）（Ｎはデータベー
ス中の全ての韻律カテゴリの数）である。
の韻律カテゴリから、合成するテキストのデータベース
１１中にない韻律カテゴリＥへの差分ベクトルを推定す
る。韻律カテゴリＫｐから韻律カテゴリＥへの差分ベク
トルＤ＾（Ｋｐ，Ｅ）を推定する。ここで、Ｅは合成
するテキストの韻律カテゴリ、Ｋｐはデータベース中の
韻律カテゴリ（ｐ＝０，…，Ｎ−１）（Ｎはデータベー
ス中の全ての韻律カテゴリの数）である。
【００２５】差分ベクトルの各要素ｋは、以下の式
（３）より推定できる。 ｄ＾ｋ（Ｋｐ，Ｅ）＝ｙ′ｋ（Ｋｐ）＋Σf Σc ａｋfc（Ｋｐ）δfc（Ｅ） （３） 上記の式（３）において、ｄ＾ｋ（Ｋｐ，Ｅ）は求める
差分ベクトルＤ＾（Ｋｐ，Ｅ）の要素ｋの推定値、
ｙ′ｋ（Ｋｐ）は韻律カテゴリＫｐの要素ｋに関する全
学習データの平均値、δfc（Ｅ）は韻律カテゴリＥがフ
ァクタｆのカテゴリｃに該当するとき１、前記以外のと
き０をとるダミー変数、ａｋfc（Ｋｐ）は韻律カテゴリ
Ｋｐの要素ｋのファクタｆカテゴリｃに付与されたカテ
ゴリ数量である。ａｋfc（Ｋｐ）とｙ′ｋ（Ｋｐ）は、
記憶装置１２より得る。すなわち、韻律カテゴリＫｐに
関するカテゴリ数量および学習データの平均値と、差分
ベクトルの終点となる韻律カテゴリＥの韻律カテゴリ条
件とから、差分ベクトルＤ＾（Ｋｐ，Ｅ）を得ること
ができる。
（３）より推定できる。 ｄ＾ｋ（Ｋｐ，Ｅ）＝ｙ′ｋ（Ｋｐ）＋Σf Σc ａｋfc（Ｋｐ）δfc（Ｅ） （３） 上記の式（３）において、ｄ＾ｋ（Ｋｐ，Ｅ）は求める
差分ベクトルＤ＾（Ｋｐ，Ｅ）の要素ｋの推定値、
ｙ′ｋ（Ｋｐ）は韻律カテゴリＫｐの要素ｋに関する全
学習データの平均値、δfc（Ｅ）は韻律カテゴリＥがフ
ァクタｆのカテゴリｃに該当するとき１、前記以外のと
き０をとるダミー変数、ａｋfc（Ｋｐ）は韻律カテゴリ
Ｋｐの要素ｋのファクタｆカテゴリｃに付与されたカテ
ゴリ数量である。ａｋfc（Ｋｐ）とｙ′ｋ（Ｋｐ）は、
記憶装置１２より得る。すなわち、韻律カテゴリＫｐに
関するカテゴリ数量および学習データの平均値と、差分
ベクトルの終点となる韻律カテゴリＥの韻律カテゴリ条
件とから、差分ベクトルＤ＾（Ｋｐ，Ｅ）を得ること
ができる。
【００２６】ステップ３０２では、ステップ３０１で求
めた全ての差分ベクトルのうちから、差分ベクトルの大
きさが最小となる韻律カテゴリを求める。つまりＥに最
も近いと推定されるＫｐを求める。以上の処理により、
合成するテキストの韻律カテゴリのピッチパタン形状に
最も近いと推定される韻律カテゴリを、データベースか
ら選択することができる。
めた全ての差分ベクトルのうちから、差分ベクトルの大
きさが最小となる韻律カテゴリを求める。つまりＥに最
も近いと推定されるＫｐを求める。以上の処理により、
合成するテキストの韻律カテゴリのピッチパタン形状に
最も近いと推定される韻律カテゴリを、データベースか
ら選択することができる。
【００２７】
【発明の効果】以上の通りであって、この発明によれ
ば、ピッチパタンデータベースを利用したテキスト音声
合成システムにおいて、ピッチパタンデータベース中
に、合成する可能性のある全てのテキストの韻律カテゴ
リ条件に対応するピッチパタンデータを用意せずとも、
自動的に最適な代替ピッチパタンをデータベースより推
定し、更に選択したピッチパタンを変形することによ
り、自然なピッチパタンを得ることが可能となる。
ば、ピッチパタンデータベースを利用したテキスト音声
合成システムにおいて、ピッチパタンデータベース中
に、合成する可能性のある全てのテキストの韻律カテゴ
リ条件に対応するピッチパタンデータを用意せずとも、
自動的に最適な代替ピッチパタンをデータベースより推
定し、更に選択したピッチパタンを変形することによ
り、自然なピッチパタンを得ることが可能となる。
【００２８】以下に実施例を示す。ＡＴＲ連続音声デー
タベース５０３文章から、ピッチパタンデータベースを
構成した、但し、評価用の文章はデータベースより除い
た。５文章について、次の５種類の合成音声を作成し
た。 （ａ）本発明（１）．評価用の文章に含まれる全ての韻
律カテゴリがデータベースにある条件で、この発明方法
によりピッチパタンを生成。 （ｂ）本発明（２）．評価用の文章に含まれる韻律カテ
ゴリを全てデータベースから除き、この発明方法により
ピッチパタンを生成。 （ｃ）本発明（３）．（ｂ）と同様であるが、ピッチパ
タン選択後の形状変形処理を行わない。 （ｄ）従来法．点ピッチモデル（先の箱田らの文献）に
よってピッチパタンを生成。 （ｅ）原音声．原音声のピッチパタンを使用。
タベース５０３文章から、ピッチパタンデータベースを
構成した、但し、評価用の文章はデータベースより除い
た。５文章について、次の５種類の合成音声を作成し
た。 （ａ）本発明（１）．評価用の文章に含まれる全ての韻
律カテゴリがデータベースにある条件で、この発明方法
によりピッチパタンを生成。 （ｂ）本発明（２）．評価用の文章に含まれる韻律カテ
ゴリを全てデータベースから除き、この発明方法により
ピッチパタンを生成。 （ｃ）本発明（３）．（ｂ）と同様であるが、ピッチパ
タン選択後の形状変形処理を行わない。 （ｄ）従来法．点ピッチモデル（先の箱田らの文献）に
よってピッチパタンを生成。 （ｅ）原音声．原音声のピッチパタンを使用。
【００２９】音韻時間長、アクセント情報などは全て原
音声の値を用いた。この発明方法による音声（ａ）
（ｂ）（ｃ）のピッチパタンの高さは、ピッチパタンの
始点と終点の高さの中点が、点ピッチモデルの話調成分
生成アルゴリズム（前記箱田らの文献）より求めた話調
成分の高さの平均値となるように調整した。これらを被
験者１０名に提示し、イントネーションの自然性を５段
階で評価させた。その結果は下記の通りとなった。
音声の値を用いた。この発明方法による音声（ａ）
（ｂ）（ｃ）のピッチパタンの高さは、ピッチパタンの
始点と終点の高さの中点が、点ピッチモデルの話調成分
生成アルゴリズム（前記箱田らの文献）より求めた話調
成分の高さの平均値となるように調整した。これらを被
験者１０名に提示し、イントネーションの自然性を５段
階で評価させた。その結果は下記の通りとなった。
【００３０】
音声種別 (a) 本発明 (b) 本発明 (c) 本発明 (d) 従来 (e) 原音
評価 3.28 3.32 3.16 3.00 3.98
この発明方法（ａ）（ｂ）（ｃ）は、全て従来法（ｄ）
よりも自然性が向上している。また、データベース中に
入力テキストと一致する韻律カテゴリがない場合（ｂ）
にも同等の自然性が実現できていることから、適切に推
定が行われていることが確認できた。また、（ｂ）と
（ｃ）の評価結果からピッチパタンの形状変形により自
然性が向上することが確認できた。
よりも自然性が向上している。また、データベース中に
入力テキストと一致する韻律カテゴリがない場合（ｂ）
にも同等の自然性が実現できていることから、適切に推
定が行われていることが確認できた。また、（ｂ）と
（ｃ）の評価結果からピッチパタンの形状変形により自
然性が向上することが確認できた。
【図１】この発明の一実施形態において、合成したいテ
キストのピッチパタンを生成する方法を説明するフロー
チャート。
キストのピッチパタンを生成する方法を説明するフロー
チャート。
【図２】この発明の一実施形態において、ピッチパタン
データベースから、使用する韻律カテゴリの推定に必要
となる、カテゴリ数量データテーブルを生成するための
フローチャート。
データベースから、使用する韻律カテゴリの推定に必要
となる、カテゴリ数量データテーブルを生成するための
フローチャート。
【図３】この発明の一実施形態において、使用する韻律
カテゴリの推定方法を説明するフローチャート。
カテゴリの推定方法を説明するフローチャート。
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 平６−236197（ＪＰ，Ａ)
特開 平10−143196（ＪＰ，Ａ)
特開 平９−44191（ＪＰ，Ａ)
特開 平８−44391（ＪＰ，Ａ)
特開 昭63−46497（ＪＰ，Ａ)
特開 平11−95783（ＪＰ，Ａ)
特開2000−75880（ＪＰ，Ａ)
特開 平７−219599（ＪＰ，Ａ)
特開 平７−261778（ＪＰ，Ａ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G10L 13/08
Claims (8)
- 【請求項１】 テキスト音声合成システムにおいて、 テキストに適したピッチパタンデータを、自然音声より
抽出した大量のピッチパタンデータからなるピッチパタ
ンデータベースより選択してピッチパタンを生成する方
法であって、 テキストの、アクセント型、モーラ数、先行アクセント
型、後続アクセント型、先行境界条件、後続境界条件な
どの集合よりなる韻律カテゴリに一致する韻律カテゴリ
のピッチパタンデータがピッチパタンデータベースに存
在した場合には、 その韻律カテゴリに属するピッチパタンデータの中か
ら、合成に用いるピッチパタンデータを選択し、 また、ピッチパタンデータベースに一致する韻律カテゴ
リのピッチパタンデータが存在しなかった場合には、 テキストの韻律カテゴリとピッチパタンデータベースの
各韻律カテゴリとの間の距離（類似度）を統計的な推定
により求め、この距離から、ピッチパタンデータベース
の中で、合成したいテキストの韻律カテゴリに最も近い
と推定される韻律カテゴリを選択し、 その選択した韻律カテゴリに属するピッチパタンデータ
の中から合成に用いるピッチパタンデータを選択し、 その選択したピッチパタンデータをピッチパタン生成に
利用することを特徴とするピッチパタン生成方法。 - 【請求項２】 請求項１記載のピッチパタン生成方法に
おいて、 韻律カテゴリ間の距離は、 各韻律カテゴリに属するピッチパタンデータをベクトル
で表現し、韻律カテゴリの平均ベクトルを求め、異なる
韻律カテゴリ間のピッチパタンの形状差を差分ベクトル
で表現し、この差分ベクトルを韻律カテゴリ間の距離と
することを特徴とするピッチパタン生成方法。 - 【請求項３】 請求項１又は請求項２記載のピッチパタ
ン生成方法において、 韻律カテゴリ間の差分ベクトルを用いて、選択したピッ
チパタンの形状に、合成したいテキストの韻律カテゴリ
のピッチパタン形状に近づけるための変形を施して、 ピッチパタンを生成することを特徴とするピッチパタン
生成方法。 - 【請求項４】 テキスト音声合成システムにおいて、 テキストに適したピッチパタンデータを、自然音声より
抽出した大量のピッチパタンデータからなるピッチパタ
ンデータベースより選択してピッチパタンを生成する装
置であって、 アクセント型、モーラ数、先行アクセント型、後続アク
セント型、先行境界条件、後続境界条件などの集合より
なる韻律カテゴリとピッチパタンデータが対応付けて記
録されたピッチパタンデータベースと、 テキストの韻律カテゴリに一致する韻律カテゴリのピッ
チパタンデータをピッチパタンデータベースで検索する
手段と、 この検索で一致する韻律カテゴリのピッチパタンデータ
が存在すると、その韻律カテゴリに属するピッチパタン
データの中から、合成に用いるピッチパタンデータを選
択する手段と、 上記検索でピッチパタンデータベースに一致する韻律カ
テゴリのピッチパタンデータが存在しなかった場合に、 テキストの韻律カテゴリとピッチパタンデータベースの
各韻律カテゴリとの間の距離（類似度）を統計的な推定
により求める手段と、この距離から、ピッチパタンデー
タベースの中で、合成したいテキストの韻律カテゴリに
最も近いと推定される韻律カテゴリを選択する手段と、 その選択した韻律カテゴリに属するピッチパタンデータ
の中から合成に用いるピッチパタンデータを選択する手
段と、 その選択したピッチパタンデータを用いてピッチパタン
を生成する手段と、 を具備することを特徴とするピッチパタン生成装置。 - 【請求項５】 請求項４記載のピッチパタン生成装置に
おいて、 韻律カテゴリ間の差分ベクトルを用いて、選択したピッ
チパタンの形状に、合成したいテキストの韻律カテゴリ
のピッチパタン形状に近づけるための変形を施して、 ピッチパタンを生成する手段を備えることを特徴とする
ピッチパタン生成装置。 - 【請求項６】 テキスト音声合成システムにおいて、 テキストに適したピッチパタンデータを、自然音声より
抽出した大量のピッチパタンデータからなるピッチパタ
ンデータベースより選択してピッチパタンを生成する装
置のコンピュータに、 テキストの、アクセント型、モーラ数、先行アクセント
型、後続アクセント型、先行境界条件、後続境界条件な
どの集合よりなる韻律カテゴリに一致する韻律カテゴリ
のピッチパタンデータをピッチパタンデータベースで検
索する処理と、 この検索で一致する韻律カテゴリのピッチパタンデータ
が存在すると、その韻律カテゴリに属するピッチパタン
データの中から、合成に用いるピッチパタンデータを選
択する処理と、 上記検索でピッチパタンデータベースに一致する韻律カ
テゴリのピッチパタンデータが存在しなかった場合に、 テキストの韻律カテゴリとピッチパタンデータベースの
各韻律カテゴリとの間の距離（類似度）を統計的な推定
により求める処理と、この距離から、ピッチパタンデー
タベースの中で、合成したいテキストの韻律カテゴリに
最も近いと推定される韻律カテゴリを選択する処理と、 その選択した韻律カテゴリに属するピッチパタンデータ
の中から合成に用いるピッチパタンデータを選択する処
理と、 その選択したピッチパタンデータを用いてピッチパタン
を生成する処理と、 を実行させるプログラムを記録した記録媒体。 - 【請求項７】 請求項６記載の記録媒体において、 韻律カテゴリ間の距離は、 各韻律カテゴリに属するピッチパタンデータをベクトル
で表現し、韻律カテゴリの平均ベクトルを求め、異なる
韻律カテゴリ間のピッチパタンの形状差を差分ベクトル
で表現し、この差分ベクトルを韻律カテゴリ間の距離と
することを特徴とする記録媒体。 - 【請求項８】 請求項６又は７記載の記録媒体におい
て、 韻律カテゴリ間の差分ベクトルを用いて、選択したピッ
チパタンの形状に、合成したいテキストの韻律カテゴリ
のピッチパタン形状に近づけるための変形を施して、 ピッチパタンを生成する処理を上記コンピュータに実行
させるプログラムを上記プログラムに含むことを特徴と
する記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP04816699A JP3420964B2 (ja) | 1999-02-25 | 1999-02-25 | ピッチパタン生成方法、その装置及びプログラム記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP04816699A JP3420964B2 (ja) | 1999-02-25 | 1999-02-25 | ピッチパタン生成方法、その装置及びプログラム記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000250570A JP2000250570A (ja) | 2000-09-14 |
| JP3420964B2 true JP3420964B2 (ja) | 2003-06-30 |
Family
ID=12795815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP04816699A Expired - Lifetime JP3420964B2 (ja) | 1999-02-25 | 1999-02-25 | ピッチパタン生成方法、その装置及びプログラム記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3420964B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1234109C (zh) | 2001-08-22 | 2005-12-28 | 国际商业机器公司 | 语调生成方法、语音合成装置、语音合成方法及语音服务器 |
-
1999
- 1999-02-25 JP JP04816699A patent/JP3420964B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000250570A (ja) | 2000-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6260016B1 (en) | Speech synthesis employing prosody templates | |
| US6185533B1 (en) | Generation and synthesis of prosody templates | |
| JP5665780B2 (ja) | 音声合成装置、方法およびプログラム | |
| US20030154081A1 (en) | Objective measure for estimating mean opinion score of synthesized speech | |
| JP2007249212A (ja) | テキスト音声合成のための方法、コンピュータプログラム及びプロセッサ | |
| CN111916108B (zh) | 一种语音评测方法及装置 | |
| US7054814B2 (en) | Method and apparatus of selecting segments for speech synthesis by way of speech segment recognition | |
| JP5411845B2 (ja) | 音声合成方法、音声合成装置及び音声合成プログラム | |
| US8407053B2 (en) | Speech processing apparatus, method, and computer program product for synthesizing speech | |
| US20060271367A1 (en) | Pitch pattern generation method and its apparatus | |
| Tachibana et al. | HMM-based speech synthesis with various speaking styles using model interpolation | |
| US20010032079A1 (en) | Speech signal processing apparatus and method, and storage medium | |
| US8478595B2 (en) | Fundamental frequency pattern generation apparatus and fundamental frequency pattern generation method | |
| JP2001265375A (ja) | 規則音声合成装置 | |
| JP3420964B2 (ja) | ピッチパタン生成方法、その装置及びプログラム記録媒体 | |
| JP2000075880A (ja) | ピッチパタン変形方法及びその記録媒体 | |
| JP3091426B2 (ja) | 自然発話音声波形信号接続型音声合成装置 | |
| JP3459600B2 (ja) | 音声合成装置のための音声データ量削減装置及び音声合成装置 | |
| Wu et al. | Synthesising expressiveness in peking opera via duration informed attention network | |
| JP2004354644A (ja) | 音声合成方法及びその装置並びにそのコンピュータプログラム及びそれを記憶した情報記憶媒体 | |
| Nose et al. | HMM-based speech synthesis with unsupervised labeling of accentual context based on F0 quantization and average voice model | |
| JP3576792B2 (ja) | 音声情報処理方法 | |
| JP3571925B2 (ja) | 音声情報処理装置 | |
| Liberman | Computer speech synthesis: its status and prospects. | |
| JP2001282273A (ja) | 音声情報処理装置とその方法と記憶媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090418 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090418 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100418 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100418 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120418 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130418 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140418 Year of fee payment: 11 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |