[發明專利]聲音合成裝置以及聲音合成方法

有效

• 申請號: 201310013370.4
• 申請日: 2013-01-15
• 公開（公告）號: CN103226945A
• 公開（公告）日: 2013-07-31
• 發明（設計）人: 大塚貴弘;川島啟吾;古田訓;山浦正
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G10L13/02
• 分類號: G10L13/02
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 李今子

技術領域

本發明涉及合成聲音的聲音合成裝置以及聲音合成方法，例如，涉及使用積蓄了大量的片段的辭典，根據輸入到計算機的文本文合成聲音的聲音合成裝置以及聲音合成方法。

背景技術

以往，為了得到更優良的合成聲音，考慮將大量的片段積蓄到辭典，并從其中選擇更適合的片段的方法。

在日本專利第2761552號公報（專利文獻1）中，敘述了如下方法：根據對所輸入的文本進行解析而生成的音素序列和韻律信息，從積蓄了大量的片段的辭典中讀出音素的波形，并根據相應音素的韻律信息，對該音素的波形進行變形處理而得到輸出聲音波形。

此時，在辭典中，在構成音素等輸出聲音波形的基礎上，以適合的單位，存儲了音素的波形、所發聲的音素環境、基本頻率圖案形狀、音素繼續長度、振幅。

施加以相應的音素為中心的音素數的窗來從音素序列中切出，并從辭典中檢索接近該切出音素序列的音素的波形的候補，在未發現相應音素序列的情況下，從該音素序列的兩側依次刪除該音素來進行上述檢索。

描述了：通過從在該過程中檢索出的音素的波形的候補中選擇與由基于呼氣段落內莫勒（mora）數、重音型、發聲速度等的規則決定的平均基本頻率、基本頻率的形狀、時間長度、振幅等韻律信息相接近的音素的波形的候補，從而能夠提供清楚性高、而且自然性也良好的聲音。

【專利文獻1】日本專利第2761552號公報

發明內容

但是，在專利文獻1中，除了以音素序列為基準以外，還以與由基于呼氣段落內莫勒數、重音型、發聲速度等的規則決定的平均基本頻率、基本頻率的形狀、時間長度、振幅的近似度為基準而選擇音素的波形，所以在辭典中積蓄的片段的數量不充分多的情況下，得不到接近期望的韻律信息的音素的波形。其結果，存在如下課題：使音素的波形大幅變形，所以成為自然嗓音感低的音質。

另外，除了以音素序列為基準以外，還以與由基于呼氣段落內莫勒數、重音型、發聲速度等的規則決定的平均基本頻率、基本頻率的形狀、時間長度、振幅的近似度為基準而選擇音素的波形，所以在所選擇的基準偏離了辭典中積蓄的片段的平均基本頻率、基本頻率的形狀、時間長度、振幅的情況下，無法選擇適合的片段。其結果，存在如下課題：使音素的波形大幅變形，所以成為自然嗓音感低的音質。

另外，除了以音素序列為基準以外，還以與由基于呼氣段落內莫勒數、重音型、發聲速度等的規則決定的平均基本頻率、基本頻率的形狀、時間長度、振幅的近似度為基準而選擇音素的波形，所以存在如下課題：不易得到在原聲音（制作音素的波形時的原來的聲音）中連續的音素的波形，而在音素的波形之間產生不連續。

本發明是為了解決上述問題而完成的，其目的在于提供一種聲音合成裝置以及聲音合成方法，能夠得到保持了語調的自然性，而且自然嗓音感高，且片段之間的音色的連續性也高的合成聲音。

本發明涉及的聲音合成裝置，具備：片段辭典，存儲了多個片段信息，該片段信息包括至少包括音素的片段的語言信息和所述片段的聲音特征信息；語言信息一致度計算部，計算與至少包括音素的輸入語言信息和所述片段辭典中存儲的片段信息的語言信息的一致度相對應的語言信息一致度；候補片段選擇部，根據由所述語言信息一致度計算部計算出的語言信息一致度，從所述片段辭典選擇片段信息作為候補片段信息；目標聲音特征計算部，使用由所述候補片段選擇部選擇出的候補片段信息，計算表示目標聲音的特征的目標聲音特征信息；聲音特征成本計算部，計算與由所述目標聲音特征計算部計算出的目標聲音特征信息和所述候補片段信息的聲音特征信息的距離相對應的聲音特征成本；片段決定部，根據由所述聲音特征成本計算部計算出的聲音特征成本，從所述候補片段信息中決定片段信息；以及聲音波形生成部，使用由所述片段決定部決定的片段信息的聲音特征信息，生成聲音波形。