[發明專利]語音合成方法和語音合成設備

有效

• 申請號: 201410061929.5
• 申請日: 2014-02-24
• 公開（公告）號: CN104021783B
• 公開（公告）日: 2017-10-31
• 發明（設計）人: 久湊裕司
• 申請（專利權）人: 雅馬哈株式會社
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10H1/00;G10H1/14;G10H7/00;G10L13/07
• 代理公司: 北京天昊聯合知識產權代理有限公司11112
• 代理人: 陳源,李銘

技術領域

本公開涉及語音合成技術。

背景技術

已提出了用于合成要被制作為與期望的字符串對應的語音的語音合成技術。例如，JP-A-2002-202790公開了一種通過以下步驟來將歌曲的歌聲進行合成的合成單位連接類型語音合成技術：準備歌曲信息，在該歌曲信息中針對歌曲的各個音符指定發聲時間點和發聲字符（例如，歌詞、語音碼或語音字符）；在時間軸上的各個發聲時間點處布置與各音符對應的發聲字符的合成單位；以及將各合成單位彼此連接。

然而，在JP-A-2002-202790的技術中，生成具有發聲時間點和發聲字符的歌聲，其中已針對各個音符預先設定了該發聲時間點和發聲字符。在語音合成階段不能實時地改變各個發聲字符的發聲時間點。考慮到以上情況，本公開的目的是容許用戶實時地改變合成語音的發聲時間點。

發明內容

為了實現以上目的，根據本公開，提供了一種語音合成方法，包括：

確定步驟，用于確定根據用戶的操縱而移動的操縱位置，以及

生成步驟，用于響應于用以生成其中第二音素跟隨第一音素的語音的指令而生成語音信號，使得在所述操縱位置到達基準位置之前開始所述第一音素的發聲，并且在所述操縱位置到達所述基準位置時進行從所述第一音素至所述第二音素的發聲。

根據本公開，提供了一種語音合成設備，包括：

操縱確定器，其被構造為確定根據用戶的操縱而移動的操縱位置；以及

語音合成器，其被構造為響應于用以生成其中第二音素跟隨第一音素的語音的指令而生成語音信號，使得在所述操縱位置到達基準位置之前開始所述第一音素的發聲，并且在所述操縱位置到達所述基準位置時進行從所述第一音素至所述第二音素的發聲。

該構造或方法使得可以根據用戶操縱來實時地控制在進行從第一音素至第二音素的發聲時的時間點。

附圖說明

圖1是根據第一實施例的語音合成設備的框圖。

圖2示出了操縱位置。

圖3示出了操縱預測單元如何操作。

圖4示出了發聲碼（音素）與合成單位之間的關系。

圖5示出了語音合成單位的操作。

圖6更加詳細地示出了語音合成單位的操作。

圖7是合成處理的流程圖。

圖8是第二實施例中使用的操縱畫面的示意圖。

圖9是第三實施例中使用的操縱畫面的示意圖。

圖10示出了第四實施例中使用的語音合成單位如何操作。

圖11示出了第五實施例中使用的操縱畫面。

具體實施方式

<實施例1>

圖1是根據本公開的第一實施例的語音合成設備100的框圖。如圖1所示，語音合成設備100作為用于生成表示歌曲的歌聲的波形的語音信號Z的信號處理設備，被實現為計算機系統，其包括：計算裝置10、存儲裝置12、顯示裝置14、操縱裝置16、和放音裝置18。計算裝置10是用于管理語音合成設備100的各組件的控制裝置。

顯示裝置14（例如，液晶面板）顯示由計算裝置10命令的圖像。操縱裝置16作為用于接收針對語音合成設備100的用戶指令的輸入裝置，生成與用戶操縱對應的操縱信號M。第一實施例采用與顯示裝置14集成的觸摸面板作為操縱裝置16。也就是說，操縱裝置16檢測用戶的手指對顯示裝置14的顯示屏的接觸并且輸出與接觸位置對應的操縱信號M。放音裝置18（例如，揚聲器或耳機）再現與計算裝置10生成的語音信號Z對應的聲波。為了方便起見，圖1中省略了用于將計算裝置10生成的數字語音信號Z轉換為模擬信號的D/A轉換器。

存儲裝置12存儲將要由計算裝置10運行的程序PGM以及將要由計算裝置10使用的各種數據。可以任意地將諸如半導體存儲介質或磁存儲介質之類的已知存儲介質、或者多種存儲介質的組合用作存儲裝置12。在第一實施例中，存儲裝置12存儲合成單位組L和合成信息S。合成單位組L是要用作用于合成語音信號Z的素材的多個合成單位V的集合（語音合成庫）。每個合成單位V是作為音位區分或者多個音素的音素鏈（例如，雙音素或三音素）的最小單位的單個音素（例如，元音或輔音）。