JP3437472B2 - 音声合成方法とその装置 - Google Patents
音声合成方法とその装置Info
- Publication number
- JP3437472B2 JP3437472B2 JP37075098A JP37075098A JP3437472B2 JP 3437472 B2 JP3437472 B2 JP 3437472B2 JP 37075098 A JP37075098 A JP 37075098A JP 37075098 A JP37075098 A JP 37075098A JP 3437472 B2 JP3437472 B2 JP 3437472B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- fundamental frequency
- frequency pattern
- voice
- unit
- 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 - Fee Related
Links
Description
【０００１】
【発明の属する技術分野】本発明は、高音質音声合成の
ための音声合成方法に関し、特に基本周波数変更による
音質劣化の目立たない音声合成方法とその装置に関す
る。
ための音声合成方法に関し、特に基本周波数変更による
音質劣化の目立たない音声合成方法とその装置に関す
る。
【０００２】
【従来の技術】従来の音声合成における基本周波数パタ
ーンの決定方法は、特開平５―８８６９０号公報に記載
されているように、音韻環境の影響を考慮して各音節の
基本周波数を設定し、この音節毎の基本周波数を連結し
て文節あるいは文章の基本周波数パターンを生成する方
法が知られている。
ーンの決定方法は、特開平５―８８６９０号公報に記載
されているように、音韻環境の影響を考慮して各音節の
基本周波数を設定し、この音節毎の基本周波数を連結し
て文節あるいは文章の基本周波数パターンを生成する方
法が知られている。
【０００３】
【発明が解決しようとする課題】しかしながら、従来の
基本周波数パターン決定方法では、合成に使用する音声
素片の基本周波数を考慮せず、合成目的とする基本周波
数パターンを決めてしまうため、合成時に用いる音声素
片によっては基本周波数変更率が大きくなり、音質劣化
の原因になるという問題を有していた。
基本周波数パターン決定方法では、合成に使用する音声
素片の基本周波数を考慮せず、合成目的とする基本周波
数パターンを決めてしまうため、合成時に用いる音声素
片によっては基本周波数変更率が大きくなり、音質劣化
の原因になるという問題を有していた。
【０００４】本発明は、このような問題を解決するもの
であり、合成目的とする音声のイントネーションが不自
然にならない範囲内で、音声素片の基本周波数変更率が
少なくなるように合成目的とする基本周波数パターンを
決定することによって、基本周波数変更による音質劣化
を減らすことができる音声合成方法とその装置を提供す
ることを目的とする。
であり、合成目的とする音声のイントネーションが不自
然にならない範囲内で、音声素片の基本周波数変更率が
少なくなるように合成目的とする基本周波数パターンを
決定することによって、基本周波数変更による音質劣化
を減らすことができる音声合成方法とその装置を提供す
ることを目的とする。
【０００５】
【課題を解決するための手段】上記問題を解決するため
に本発明は、まず合成目的とする音声のイントネーショ
ンを表現し得る代表的な基本周波数パターンを用意す
る。続いてこの基本周波数パターンに変動を加えても、
イントネーションに影響を与えない範囲を設定する。こ
の合成目的とする音声の基本周波数パターンが変動可能
な範囲内で、合成に用いる音声素片がなるべく少ない基
本周波数変更率で合成できるような合成目的の基本周波
数パターンを決定する。これにより合成目的とする音声
のイントネーションを表現しつつ、基本周波数変更処理
による音質劣化を軽減できる音声合成方法が得られる。
に本発明は、まず合成目的とする音声のイントネーショ
ンを表現し得る代表的な基本周波数パターンを用意す
る。続いてこの基本周波数パターンに変動を加えても、
イントネーションに影響を与えない範囲を設定する。こ
の合成目的とする音声の基本周波数パターンが変動可能
な範囲内で、合成に用いる音声素片がなるべく少ない基
本周波数変更率で合成できるような合成目的の基本周波
数パターンを決定する。これにより合成目的とする音声
のイントネーションを表現しつつ、基本周波数変更処理
による音質劣化を軽減できる音声合成方法が得られる。
【０００６】
【発明の実施の形態】本発明の請求項１に記載の発明
は、音声素片の基本周波数を、合成の目的とする音声の
基本周波数パターンに変換して音声を合成する波形重畳
型の音声合成方法において、前記基本周波数パターンを
決定する際に、イントネーションが不自然にならない範
囲内で、前記基本周波数パターンに許容範囲を設け、前
記各音声素片の接続位置では前記各音声素片の基本周波
数が等しくなるように前記許容範囲内で前記基本周波数
パターンを決定し、音声を合成することを特徴とする音
声合成方法であり、合成に用いる音声素片の基本周波数
変更率が少なくするように合成目的とする基本周波数パ
ターンを決定することで、基本周波数変更による音質劣
化を抑えることができるという作用を有する。
は、音声素片の基本周波数を、合成の目的とする音声の
基本周波数パターンに変換して音声を合成する波形重畳
型の音声合成方法において、前記基本周波数パターンを
決定する際に、イントネーションが不自然にならない範
囲内で、前記基本周波数パターンに許容範囲を設け、前
記各音声素片の接続位置では前記各音声素片の基本周波
数が等しくなるように前記許容範囲内で前記基本周波数
パターンを決定し、音声を合成することを特徴とする音
声合成方法であり、合成に用いる音声素片の基本周波数
変更率が少なくするように合成目的とする基本周波数パ
ターンを決定することで、基本周波数変更による音質劣
化を抑えることができるという作用を有する。
【０００７】また、請求項２に記載の発明は、請求項１
記載の音声合成方法において、前記基本周波数パターン
の許容範囲を設定する区間を母音部の定常区間について
のみ行い、前記母音部の定常区間での基本周波数変更率
ができるだけ少なくなる基本周波数パターンを決定する
ことを特徴とする音声合成方法であり、例えば合成に用
いる素片としてＶＣＶ単位を用いた場合など、母音部分
のみで基本周波数パターンを決定すれば、容易な計算で
合成目的とする基本周波数パターンを設定できるという
作用を有する。
記載の音声合成方法において、前記基本周波数パターン
の許容範囲を設定する区間を母音部の定常区間について
のみ行い、前記母音部の定常区間での基本周波数変更率
ができるだけ少なくなる基本周波数パターンを決定する
ことを特徴とする音声合成方法であり、例えば合成に用
いる素片としてＶＣＶ単位を用いた場合など、母音部分
のみで基本周波数パターンを決定すれば、容易な計算で
合成目的とする基本周波数パターンを設定できるという
作用を有する。
【０００８】また、請求項３に記載の発明は、請求項１
記載の音声合成方法において、基本周波数パターンの許
容範囲を、合成する音声の音韻の種類毎に決定すること
を特徴とする音声合成方法であり、音韻の種類毎に目的
となる基本周波数が取り得る許容範囲を設定すること
で、音韻の違いによる影響を考慮した基本周波数パター
ンを再現することができるという作用を有する。
記載の音声合成方法において、基本周波数パターンの許
容範囲を、合成する音声の音韻の種類毎に決定すること
を特徴とする音声合成方法であり、音韻の種類毎に目的
となる基本周波数が取り得る許容範囲を設定すること
で、音韻の違いによる影響を考慮した基本周波数パター
ンを再現することができるという作用を有する。
【０００９】また、請求項４に記載の発明は、請求項１
記載の音声合成方法において、基本周波数パターンの許
容範囲を、合成する音声の音節の位置毎に決定すること
を特徴とする音声合成方法であり、語頭やアクセント核
が存在する音節などの基本周波数パターンの変動がイン
トネーションに与える影響が大きい音節と、そうでない
音節とで基本周波数の許容範囲を別々に設定すること
で、基本周波数変更による音質劣化を目立ちにくくする
と共に、イントネーションが自然な基本周波数パターン
を決定することができるという作用を有する。
記載の音声合成方法において、基本周波数パターンの許
容範囲を、合成する音声の音節の位置毎に決定すること
を特徴とする音声合成方法であり、語頭やアクセント核
が存在する音節などの基本周波数パターンの変動がイン
トネーションに与える影響が大きい音節と、そうでない
音節とで基本周波数の許容範囲を別々に設定すること
で、基本周波数変更による音質劣化を目立ちにくくする
と共に、イントネーションが自然な基本周波数パターン
を決定することができるという作用を有する。
【００１０】また、請求項５に記載の発明は、音声素片
の基本周波数を、合成の目的とする音声の基本周波数パ
ターンに変換して音声を合成する波形重畳型の音声合成
装置であって、ＣＶ、ＶＣＶ、ＣＶＣ等の単位の音声素
片を格納する音声素片データベースと、合成する音声の
読みを文字列として入力する文字列入力手段と、前記文
字列により音声素片データベースから候補となる音声素
片を検索する音声素片検索手段と、合成の目的となる音
声のイントネーションに影響を与えない範囲内で、前記
基本周波数パターンに許容範囲を設け、前記音声素片の
接続位置では前記音声素片の基本周波数が等しくなるよ
うに前記許容範囲内で前記基本周波数パターンを決定す
る基本周波数パターン決定手段と、前記基本周波数パタ
ーンに従って各音声素片の基本周波数を変更する基本周
波数変更手段と、基本周波数を変更した音声素片を接続
する音声素片接続手段と、前記音声素片を接続して得ら
れた合成音声を出力する合成音声出力手段とを備えた音
声合成装置であり、音声素片データベースに格納されて
いる音声素片に十分な種類の基本周波数パターンがそろ
わなくても、イントネーションが不自然にならない範囲
で合成目的となる基本周波数パターンを自由に設定でき
るようにすることで、基本周波数変更率を減らすことが
できるため、音声素片データベースの音声素片数を増や
すことなく、音質劣化の少ない合成ができるという作用
を有する。
の基本周波数を、合成の目的とする音声の基本周波数パ
ターンに変換して音声を合成する波形重畳型の音声合成
装置であって、ＣＶ、ＶＣＶ、ＣＶＣ等の単位の音声素
片を格納する音声素片データベースと、合成する音声の
読みを文字列として入力する文字列入力手段と、前記文
字列により音声素片データベースから候補となる音声素
片を検索する音声素片検索手段と、合成の目的となる音
声のイントネーションに影響を与えない範囲内で、前記
基本周波数パターンに許容範囲を設け、前記音声素片の
接続位置では前記音声素片の基本周波数が等しくなるよ
うに前記許容範囲内で前記基本周波数パターンを決定す
る基本周波数パターン決定手段と、前記基本周波数パタ
ーンに従って各音声素片の基本周波数を変更する基本周
波数変更手段と、基本周波数を変更した音声素片を接続
する音声素片接続手段と、前記音声素片を接続して得ら
れた合成音声を出力する合成音声出力手段とを備えた音
声合成装置であり、音声素片データベースに格納されて
いる音声素片に十分な種類の基本周波数パターンがそろ
わなくても、イントネーションが不自然にならない範囲
で合成目的となる基本周波数パターンを自由に設定でき
るようにすることで、基本周波数変更率を減らすことが
できるため、音声素片データベースの音声素片数を増や
すことなく、音質劣化の少ない合成ができるという作用
を有する。
【００１１】以下、本発明の実施の形態について、図１
から図５を用いて説明する。 （実施の形態１）まず、本発明の請求項１に記載の発明
に対応する実施の形態１について、具体的に説明する。
図１は請求項１に記載の音声合成方法の概念図である。
図１において、１１０は合成目的とする音声のイントネ
ーションを表現する代表的な基本周波数パターン、１１
１、１１２はイントネーションが不自然にならない範囲
内で基本周波数パターンが設定できる許容範囲の上限と
下限、１１３はイントネーションが不自然にならない範
囲内で基本周波数パターンが変更できる許容範囲、１２
１〜１２４は合成に用いる音声素片の基本周波数、１３
０は各音声素片の基本周波数変更率が少なくなるように
設定された基本周波数パターン、１４１〜１４４は各音
声素片の接続位置である。
から図５を用いて説明する。 （実施の形態１）まず、本発明の請求項１に記載の発明
に対応する実施の形態１について、具体的に説明する。
図１は請求項１に記載の音声合成方法の概念図である。
図１において、１１０は合成目的とする音声のイントネ
ーションを表現する代表的な基本周波数パターン、１１
１、１１２はイントネーションが不自然にならない範囲
内で基本周波数パターンが設定できる許容範囲の上限と
下限、１１３はイントネーションが不自然にならない範
囲内で基本周波数パターンが変更できる許容範囲、１２
１〜１２４は合成に用いる音声素片の基本周波数、１３
０は各音声素片の基本周波数変更率が少なくなるように
設定された基本周波数パターン、１４１〜１４４は各音
声素片の接続位置である。
【００１２】次に図１を用いて動作を説明する。波形重
畳方法の合成では、合成音声に適切なイントネーション
を付与するために、各音声素片の基本周波数パターン１
２１〜１２４を、合成目的とする音声の基本周波数パタ
ーン１１０へ変更する。この代表的な基本周波数パター
ン１１０には、実音声から求めた基本周波数パターンを
用いたり、音声の生成過程に立脚したモデルを用いて生
成した基本周波数パターンなどを用いたりする。しか
し、この基本周波数変更の際、各音声素片の基本周波数
パターン１２１〜１２４を合成目的音声の基準とする基
本周波数パターン１１０に完全に合わせて変更すると、
基本周波数変更率が大きくなり、音質劣化の原因となる
場合がある。本発明の方法では、イントネーションが不
自然にならない範囲で、基本周波数パターンを設定でき
る許容範囲１１３を設ける。この基本周波数パターン設
定許容範囲１１３の中で、各音声素片の基本周波数変更
率が可能な限り少なくなる基本周波数パターン１３０を
決定する。この際、各音声素片の接続位置１４１〜１４
４で基本周波数パターンが不連続にならないよう基本周
波数パターンを設定する。
畳方法の合成では、合成音声に適切なイントネーション
を付与するために、各音声素片の基本周波数パターン１
２１〜１２４を、合成目的とする音声の基本周波数パタ
ーン１１０へ変更する。この代表的な基本周波数パター
ン１１０には、実音声から求めた基本周波数パターンを
用いたり、音声の生成過程に立脚したモデルを用いて生
成した基本周波数パターンなどを用いたりする。しか
し、この基本周波数変更の際、各音声素片の基本周波数
パターン１２１〜１２４を合成目的音声の基準とする基
本周波数パターン１１０に完全に合わせて変更すると、
基本周波数変更率が大きくなり、音質劣化の原因となる
場合がある。本発明の方法では、イントネーションが不
自然にならない範囲で、基本周波数パターンを設定でき
る許容範囲１１３を設ける。この基本周波数パターン設
定許容範囲１１３の中で、各音声素片の基本周波数変更
率が可能な限り少なくなる基本周波数パターン１３０を
決定する。この際、各音声素片の接続位置１４１〜１４
４で基本周波数パターンが不連続にならないよう基本周
波数パターンを設定する。
【００１３】以上のように、本発明の実施の形態１によ
れば、合成目的音声の基本周波数パターンをイントネー
ションが不自然にならない許容範囲内で、各音声素片の
基本周波数変更率を少なくなるように決定することで、
基本周波数変更による音質劣化を減らすことができると
いう効果が得られる。
れば、合成目的音声の基本周波数パターンをイントネー
ションが不自然にならない許容範囲内で、各音声素片の
基本周波数変更率を少なくなるように決定することで、
基本周波数変更による音質劣化を減らすことができると
いう効果が得られる。
【００１４】（実施の形態２）次に本発明の請求項２に
記載の発明に対応する実施の形態２について、具体的に
説明する。図２は請求項２に記載の音声合成方法の概念
図である。図２において、２０１は合成目的音声の基本
周波数パターン、２０２は基本周波数パターン設定許容
範囲、２１１〜２１４は合成に用いる音声素片の基本周
波数パターン、２２１〜２２４は音声素片の母音位置に
おける基本周波数と合成目的とする音声の基本周波数と
の差分（基本周波数変更率）である。
記載の発明に対応する実施の形態２について、具体的に
説明する。図２は請求項２に記載の音声合成方法の概念
図である。図２において、２０１は合成目的音声の基本
周波数パターン、２０２は基本周波数パターン設定許容
範囲、２１１〜２１４は合成に用いる音声素片の基本周
波数パターン、２２１〜２２４は音声素片の母音位置に
おける基本周波数と合成目的とする音声の基本周波数と
の差分（基本周波数変更率）である。
【００１５】次に図２を用いて動作を説明する。ここで
は、ＶＣＶ（母音−子音−母音）を接続単位とした音声
素片を例に用いて動作を説明する。本発明の実施の形態
１と同様に、本発明ではイントネーションが不自然にな
らない範囲で、なるべく基本周波数変更率が少なくなる
ように目的となる基本周波数パターンを設定する。しか
し、ＶＣＶを接続単位とした音声素片を合成に用いる場
合、子音部分が無声子音である場合は、基本周波数を持
たず（図２の２１１、２１４）、また有声子音である場
合は基本周波数が安定しないため（図２の２１２、２１
３）、音声素片全体で基本周波数変更率を定義すること
は困難である。そこで請求項２に記載の本発明では、Ｖ
ＣＶを接続単位とした音声素片を合成に用いる場合、先
行母音と後続母音の定常区間における基本周波数変更率
（２２１〜２２４）にのみ着目し、この母音定常区間で
の基本周波数変更率が少なくなるように目的となる基本
周波数パターンを設定する。図２に示すように各母音１
点においてのみ着目するようにすれば、基本周波数パタ
ーンの設定が容易に行える。
は、ＶＣＶ（母音−子音−母音）を接続単位とした音声
素片を例に用いて動作を説明する。本発明の実施の形態
１と同様に、本発明ではイントネーションが不自然にな
らない範囲で、なるべく基本周波数変更率が少なくなる
ように目的となる基本周波数パターンを設定する。しか
し、ＶＣＶを接続単位とした音声素片を合成に用いる場
合、子音部分が無声子音である場合は、基本周波数を持
たず（図２の２１１、２１４）、また有声子音である場
合は基本周波数が安定しないため（図２の２１２、２１
３）、音声素片全体で基本周波数変更率を定義すること
は困難である。そこで請求項２に記載の本発明では、Ｖ
ＣＶを接続単位とした音声素片を合成に用いる場合、先
行母音と後続母音の定常区間における基本周波数変更率
（２２１〜２２４）にのみ着目し、この母音定常区間で
の基本周波数変更率が少なくなるように目的となる基本
周波数パターンを設定する。図２に示すように各母音１
点においてのみ着目するようにすれば、基本周波数パタ
ーンの設定が容易に行える。
【００１６】以上のように、本発明の実施の形態２によ
れば、ＶＣＶ素片において先行母音および後続母音の各
１点においてのみ基本周波数変更率に着目することで、
容易に目的となる基本周波数パターンの設定が行えると
いう効果が得られる。尚、上記説明ではＶＣＶを接続単
位とし、母音１点で基本周波数変更率を決定して単語音
声を合成する場合を説明したが、文節や文章を合成する
場合においても同様に自然な基本周波数パターンの設定
が可能である。
れば、ＶＣＶ素片において先行母音および後続母音の各
１点においてのみ基本周波数変更率に着目することで、
容易に目的となる基本周波数パターンの設定が行えると
いう効果が得られる。尚、上記説明ではＶＣＶを接続単
位とし、母音１点で基本周波数変更率を決定して単語音
声を合成する場合を説明したが、文節や文章を合成する
場合においても同様に自然な基本周波数パターンの設定
が可能である。
【００１７】（実施の形態３）次に本発明の請求項３に
記載の発明に対応する実施の形態３について、具体的に
説明する。図３は請求項３に記載の音声合成方法の概念
図である。図３において、３１０、３２０は合成目的と
する音声の代表的な基本周波数パターン、３１１〜３１
３、３２１〜３２３は基本周波数の設定が許容される範
囲である。
記載の発明に対応する実施の形態３について、具体的に
説明する。図３は請求項３に記載の音声合成方法の概念
図である。図３において、３１０、３２０は合成目的と
する音声の代表的な基本周波数パターン、３１１〜３１
３、３２１〜３２３は基本周波数の設定が許容される範
囲である。
【００１８】次に図３を用いて動作を説明する。図３に
示す単語音声「変化」と「文化」を合成する場合、２つ
の単語は同じ３モーラ１型のアクセント型を持つため、
同じ形状の代表的な基本周波数パターン３１０、３２０
をそれぞれ用いる。しかし同じアクセント型を持つ単語
であっても、基本周波数パターンは音韻の違いにより異
なることがある。（一般的に基本周波数は、有声子音で
は低い周波数から立ち上がるのに対して、無声子音では
高い周波数から始まる傾向がある。）このため、第一音
節が無声子音「へ」である単語「変化」と、第一音節が
有声子音「ぶ」である単語「文化」とでは、それぞれの
子音の影響を考慮して、「へ」の場合は高めに許容範囲
３１１を設定し、「ぶ」の場合は低めに許容範囲３２１
を設定する。
示す単語音声「変化」と「文化」を合成する場合、２つ
の単語は同じ３モーラ１型のアクセント型を持つため、
同じ形状の代表的な基本周波数パターン３１０、３２０
をそれぞれ用いる。しかし同じアクセント型を持つ単語
であっても、基本周波数パターンは音韻の違いにより異
なることがある。（一般的に基本周波数は、有声子音で
は低い周波数から立ち上がるのに対して、無声子音では
高い周波数から始まる傾向がある。）このため、第一音
節が無声子音「へ」である単語「変化」と、第一音節が
有声子音「ぶ」である単語「文化」とでは、それぞれの
子音の影響を考慮して、「へ」の場合は高めに許容範囲
３１１を設定し、「ぶ」の場合は低めに許容範囲３２１
を設定する。
【００１９】以上のように、本発明の実施の形態３によ
れば、音韻の違いが基本周波数に与える影響を考慮し、
それぞれの音韻について基本周波数パターンの補正許容
範囲を設けることで、より原音声に近い基本周波数パタ
ーンを再現することができ、基本周波数変更率が少なく
なるという効果が得られる。尚、上記説明では単語音声
を用いた場合で説明したが、文節や文章においても音韻
の影響を考慮することで、より自然な基本周波数パター
ンの設定が可能である。
れば、音韻の違いが基本周波数に与える影響を考慮し、
それぞれの音韻について基本周波数パターンの補正許容
範囲を設けることで、より原音声に近い基本周波数パタ
ーンを再現することができ、基本周波数変更率が少なく
なるという効果が得られる。尚、上記説明では単語音声
を用いた場合で説明したが、文節や文章においても音韻
の影響を考慮することで、より自然な基本周波数パター
ンの設定が可能である。
【００２０】（実施の形態４）次に本発明の請求項４に
記載の発明に対応する実施の形態４について、具体的に
説明する。図４は請求項４に記載の音声合成方法の概念
図である。図４において、４０１は合成目的とする音声
の代表的な基本周波数パターン、４１１〜４１６はモー
ラ毎に設定した基本周波数パターンの設定が許容される
範囲である。
記載の発明に対応する実施の形態４について、具体的に
説明する。図４は請求項４に記載の音声合成方法の概念
図である。図４において、４０１は合成目的とする音声
の代表的な基本周波数パターン、４１１〜４１６はモー
ラ毎に設定した基本周波数パターンの設定が許容される
範囲である。
【００２１】次に図４を用いて動作を説明する。図４は
６モーラ３型アクセントの単語を合成する場合に用いる
基本周波数パターンの例である。合成目的とする音声の
基本周波数パターン４０１において、基本周波数が最大
値に達する第２音節やアクセント核が存在する第３音節
は、単語音声のアクセント型を決定する大きな要因とな
るため、基本周波数の詳細な設定が必要とされる。それ
故に、本発明の方法では、どの音節も同じ基本周波数の
設定許容範囲を与えるのではなく、音節毎に基本周波数
の設定許容範囲を設定する。すなわち、アクセント核付
近ではイントネーションに与える影響が強く、目的とな
る基本周波数パターンが重要であるため設定許容範囲４
１２、４１３を狭く設定し、また、アクセント核以降に
ある音節では、アクセント核ほど厳密な基本周波数パタ
ーンの設定が必要ないため、できるだけ基本周波数変更
による音質劣化が軽減するように許容範囲４１４〜４１
６を広く設定する。
６モーラ３型アクセントの単語を合成する場合に用いる
基本周波数パターンの例である。合成目的とする音声の
基本周波数パターン４０１において、基本周波数が最大
値に達する第２音節やアクセント核が存在する第３音節
は、単語音声のアクセント型を決定する大きな要因とな
るため、基本周波数の詳細な設定が必要とされる。それ
故に、本発明の方法では、どの音節も同じ基本周波数の
設定許容範囲を与えるのではなく、音節毎に基本周波数
の設定許容範囲を設定する。すなわち、アクセント核付
近ではイントネーションに与える影響が強く、目的とな
る基本周波数パターンが重要であるため設定許容範囲４
１２、４１３を狭く設定し、また、アクセント核以降に
ある音節では、アクセント核ほど厳密な基本周波数パタ
ーンの設定が必要ないため、できるだけ基本周波数変更
による音質劣化が軽減するように許容範囲４１４〜４１
６を広く設定する。
【００２２】以上のように、本発明の実施の形態４によ
れば、基本周波数の設定許容範囲を音節毎に別々に設け
ることで、イントネーションを重視しつつ、基本周波数
変更率が少なくなる基本周波数パターンを決定できると
いう効果が得られる。尚、上記説明では単語音声を用い
た場合で説明したが、文節や文章においても当該音節の
位置を考慮することで、より自然な基本周波数パターン
の設定が可能である。
れば、基本周波数の設定許容範囲を音節毎に別々に設け
ることで、イントネーションを重視しつつ、基本周波数
変更率が少なくなる基本周波数パターンを決定できると
いう効果が得られる。尚、上記説明では単語音声を用い
た場合で説明したが、文節や文章においても当該音節の
位置を考慮することで、より自然な基本周波数パターン
の設定が可能である。
【００２３】（実施の形態５）次に本発明の請求項５に
記載の発明に対応する実施の形態５について、具体的に
説明する。図５は請求項５に記載の音声合成装置のブロ
ック図である。図５において、５０１は合成しようとす
る音声の読みを表す文字列、５０２はこの文字列を入力
する文字列入力手段、５０３は入力された文字列により
音声素片データベースから候補の音声素片を検索する音
声素片検索手段、５０４は合成目的となる基本周波数パ
ターンと音声素片を決定する基本周波数パターン決定手
段、５０５は基本周波数パターンに従って各音声素片の
基本周波数を変更する基本周波数変更手段、５０６は基
本周波数を変更した音声素片を接続する音声素片接続手
段、５０７は音声素片を接続して得られた合成音声を出
力する合成音声出力手段、５０８は出力された合成音
声、５０９はＣＶ、ＶＣＶ、ＣＶＣといった単位の音声
素片を格納する音声素片データベースである。
記載の発明に対応する実施の形態５について、具体的に
説明する。図５は請求項５に記載の音声合成装置のブロ
ック図である。図５において、５０１は合成しようとす
る音声の読みを表す文字列、５０２はこの文字列を入力
する文字列入力手段、５０３は入力された文字列により
音声素片データベースから候補の音声素片を検索する音
声素片検索手段、５０４は合成目的となる基本周波数パ
ターンと音声素片を決定する基本周波数パターン決定手
段、５０５は基本周波数パターンに従って各音声素片の
基本周波数を変更する基本周波数変更手段、５０６は基
本周波数を変更した音声素片を接続する音声素片接続手
段、５０７は音声素片を接続して得られた合成音声を出
力する合成音声出力手段、５０８は出力された合成音
声、５０９はＣＶ、ＶＣＶ、ＣＶＣといった単位の音声
素片を格納する音声素片データベースである。
【００２４】次に図５を用いて動作を説明する。まず合
成目的音声の読みにアクセント記号などの情報を含んだ
文字列を、文字列入力手段５０２から入力し、ＣＶまた
はＶＣＶの単位に分解する。次に分解された文字列と同
じ読みを持つ複数の音声素片を、音声素片データベース
５０９から音声素片検索手段５０３により検索する。こ
の検索された候補となる音声素片の中から、基本周波数
パターン決定手段５０４で求まる基本周波数変更可能範
囲と比較して、音声素片の基本周波数変更率がなるべく
少なくなる音声素片を決定する。また音声素片の決定と
同時に、イントネーションが不自然にならない範囲で、
基本周波数変更率がなるべく少なくなる基本周波数パタ
ーンを本発明の請求項１〜４に記載の方法に基づいて決
定する。ここで決定した基本周波数パターンに沿って、
各音声素片の基本周波数変更を基本周波数変更手段５０
５で行う。最後に基本周波数が変更された各音声素片を
音声素片接続手段５０６において接続し、合成音声を出
力する。
成目的音声の読みにアクセント記号などの情報を含んだ
文字列を、文字列入力手段５０２から入力し、ＣＶまた
はＶＣＶの単位に分解する。次に分解された文字列と同
じ読みを持つ複数の音声素片を、音声素片データベース
５０９から音声素片検索手段５０３により検索する。こ
の検索された候補となる音声素片の中から、基本周波数
パターン決定手段５０４で求まる基本周波数変更可能範
囲と比較して、音声素片の基本周波数変更率がなるべく
少なくなる音声素片を決定する。また音声素片の決定と
同時に、イントネーションが不自然にならない範囲で、
基本周波数変更率がなるべく少なくなる基本周波数パタ
ーンを本発明の請求項１〜４に記載の方法に基づいて決
定する。ここで決定した基本周波数パターンに沿って、
各音声素片の基本周波数変更を基本周波数変更手段５０
５で行う。最後に基本周波数が変更された各音声素片を
音声素片接続手段５０６において接続し、合成音声を出
力する。
【００２５】以上のように、本発明の実施の形態５によ
れば、音声素片データベースに格納されている音声素片
に十分な種類の基本周波数パターンがそろわなくても、
イントネーションが不自然にならない範囲で合成目的と
なる基本周波数パターンを変形することで、基本周波数
変更率を減らすことができるため、音声素片データベー
スの音声素片数を増やすことなく、音質劣化の少ない音
声合成装置を構成できるという効果が得られる。
れば、音声素片データベースに格納されている音声素片
に十分な種類の基本周波数パターンがそろわなくても、
イントネーションが不自然にならない範囲で合成目的と
なる基本周波数パターンを変形することで、基本周波数
変更率を減らすことができるため、音声素片データベー
スの音声素片数を増やすことなく、音質劣化の少ない音
声合成装置を構成できるという効果が得られる。
【００２６】
【発明の効果】本発明は、上記実施の形態から明らかな
ように、合成に用いる音声素片の基本周波数に着目し、
イントネーションが不自然にならない範囲内で各音声素
片の基本周波数変更率が少なくなるように合成目的とす
る基本周波数パターンを決定することで、音質劣化を減
らすことができる音声合成方法とその装置を得ることが
できる。
ように、合成に用いる音声素片の基本周波数に着目し、
イントネーションが不自然にならない範囲内で各音声素
片の基本周波数変更率が少なくなるように合成目的とす
る基本周波数パターンを決定することで、音質劣化を減
らすことができる音声合成方法とその装置を得ることが
できる。
【図１】本発明の実施の形態１における音声合成方法の
動作を示す概念図
動作を示す概念図
【図２】本発明の実施の形態２における母音位置にのみ
着目した基本周波数パターン決定方法の動作を示す概念
図
着目した基本周波数パターン決定方法の動作を示す概念
図
【図３】本発明の実施の形態３における基本周波数の設
定可能な許容範囲の決定方法を示す概念図
定可能な許容範囲の決定方法を示す概念図
【図４】本発明の実施の形態４における基本周波数の設
定可能な許容範囲の決定方法を示す概念図
定可能な許容範囲の決定方法を示す概念図
【図５】本発明の実施の形態５における音声合成装置の
構成を示すブロック図
構成を示すブロック図
１１０、３１０、３２０、４０１ 代表的な基本周波数
パターン １２１〜１２４、２１１〜２１４ 音声素片の基本周波
数 １３０、２０１ 合成目的の基本周波数パターン １４１〜１４４ 各音声素片の接続位置 ２０２ 基本周波数パターン設定許容範囲 ５０２ 文字列入力手段 ５０３ 音声素片検索手段 ５０４ 基本周波数パターン決定手段 ５０５ 基本周波数変更手段 ５０６ 音声素片接続手段 ５０７ 合成音声出力手段 ５０９ 音声素片データベース
パターン １２１〜１２４、２１１〜２１４ 音声素片の基本周波
数 １３０、２０１ 合成目的の基本周波数パターン １４１〜１４４ 各音声素片の接続位置 ２０２ 基本周波数パターン設定許容範囲 ５０２ 文字列入力手段 ５０３ 音声素片検索手段 ５０４ 基本周波数パターン決定手段 ５０５ 基本周波数変更手段 ５０６ 音声素片接続手段 ５０７ 合成音声出力手段 ５０９ 音声素片データベース
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 平１−284898（ＪＰ，Ａ)
特開 平４−281499（ＪＰ，Ａ)
特開 平８−254993（ＪＰ，Ａ)
特開 平10−97291（ＪＰ，Ａ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G10L 13/08
Claims (5)
- 【請求項１】 音声素片の基本周波数を、合成の目的と
する音声の基本周波数パターンに変換して音声を合成す
る波形重畳型の音声合成方法において、前記基本周波数
パターンを決定する際に、イントネーションが不自然に
ならない範囲内で、前記基本周波数パターンに許容範囲
を設け、前記各音声素片の接続位置では前記各音声素片
の基本周波数が等しくなるように前記許容範囲内で前記
基本周波数パターンを決定し、音声を合成することを特
徴とする音声合成方法。 - 【請求項２】 請求項１記載の音声合成方法において、
前記基本周波数パターンの許容範囲を設定する区間を母
音部の定常区間についてのみ行い、前記母音部の定常区
間での基本周波数変更率ができるだけ少なくなる基本周
波数パターンを決定することを特徴とする音声合成方
法。 - 【請求項３】 請求項１記載の音声合成方法において、
基本周波数パターンの許容範囲を、合成する音声の音韻
の種類毎に決定することを特徴とする音声合成方法。 - 【請求項４】 請求項１記載の音声合成方法において、
基本周波数パターンの許容範囲を、合成する音声の音節
の位置毎に決定することを特徴とする音声合成方法。 - 【請求項５】 音声素片の基本周波数を、合成の目的と
する音声の基本周波数パターンに変換して音声を合成す
る波形重畳型の音声合成装置であって、ＣＶ、ＶＣＶ、
ＣＶＣ等の単位の音声素片を格納する音声素片データベ
ースと、合成する音声の読みを文字列として入力する文
字列入力手段と、前記文字列により音声素片データベー
スから候補となる音声素片を検索する音声素片検索手段
と、合成の目的となる音声のイントネーションに影響を
与えない範囲内で、前記基本周波数パターンに許容範囲
を設け、前記音声素片の接続位置では前記音声素片の基
本周波数が等しくなるように前記許容範囲内で前記基本
周波数パターンを決定する基本周波数パターン決定手段
と、前記基本周波数パターンに従って各音声素片の基本
周波数を変更する基本周波数変更手段と、基本周波数を
変更した音声素片を接続する音声素片接続手段と、前記
音声素片を接続して得られた合成音声を出力する合成音
声出力手段とを備えた音声合成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP37075098A JP3437472B2 (ja) | 1998-12-25 | 1998-12-25 | 音声合成方法とその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP37075098A JP3437472B2 (ja) | 1998-12-25 | 1998-12-25 | 音声合成方法とその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000194390A JP2000194390A (ja) | 2000-07-14 |
| JP3437472B2 true JP3437472B2 (ja) | 2003-08-18 |
Family
ID=18497534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP37075098A Expired - Fee Related JP3437472B2 (ja) | 1998-12-25 | 1998-12-25 | 音声合成方法とその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3437472B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007041012A (ja) * | 2003-11-21 | 2007-02-15 | Matsushita Electric Ind Co Ltd | 声質変換装置および音声合成装置 |
| JP5512597B2 (ja) * | 2011-05-13 | 2014-06-04 | 日本電信電話株式会社 | 音声合成装置とその方法とプログラム |
-
1998
- 1998-12-25 JP JP37075098A patent/JP3437472B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000194390A (ja) | 2000-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8977552B2 (en) | Method and system for enhancing a speech database | |
| EP1138038B1 (en) | Speech synthesis using concatenation of speech waveforms | |
| US6778962B1 (en) | Speech synthesis with prosodic model data and accent type | |
| JP3408477B2 (ja) | フィルタパラメータとソース領域において独立にクロスフェードを行う半音節結合型のフォルマントベースのスピーチシンセサイザ | |
| EP1643486B1 (en) | Method and apparatus for preventing speech comprehension by interactive voice response systems | |
| WO2005109399A1 (ja) | 音声合成装置および方法 | |
| JP3587048B2 (ja) | 韻律制御方法及び音声合成装置 | |
| JPH1039895A (ja) | 音声合成方法および装置 | |
| JP2761552B2 (ja) | 音声合成方法 | |
| US7912718B1 (en) | Method and system for enhancing a speech database | |
| JP3437472B2 (ja) | 音声合成方法とその装置 | |
| US8510112B1 (en) | Method and system for enhancing a speech database | |
| JP4829605B2 (ja) | 音声合成装置および音声合成プログラム | |
| JP5387410B2 (ja) | 音声合成装置、音声合成方法および音声合成プログラム | |
| JP2006313176A (ja) | 音声合成装置 | |
| JPH06318094A (ja) | 音声規則合成装置 | |
| JPH037995A (ja) | 歌音声合成データの作成装置 | |
| US20070219799A1 (en) | Text to speech synthesis system using syllables as concatenative units | |
| JP3310217B2 (ja) | 音声合成方法とその装置 | |
| EP1501075B1 (en) | Speech synthesis using concatenation of speech waveforms | |
| JP3515268B2 (ja) | 音声合成装置 | |
| KR100621303B1 (ko) | 다단계 합성 단위를 이용한 음성 합성 방법 | |
| Ferencz et al. | Hansori 2001-corpus-based implementation of the Korean hansori text-to-speech synthesizer. | |
| Demenko et al. | The design of polish speech corpus for unit selection speech synthesis | |
| JP2675883B2 (ja) | 音声合成方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080606 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090606 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |