音声情報処理工学 －音声合成－ 森元 逞 (http://izanami.tl.fukuoka-u.ac.jp/~morimoto/) 1 音声合成の歴史 1791年にvon Kempelenが最初の機械式音声 合成機を作成 1939年にダドレーが電気回路を用いた音声合 成器「Voder」を発明 多数の共振回路を使用 原理としては，ボコーダ（９章参照）と同じ） ボコーダ：Voice Coder 音声符号化装置 2 1 初期の音声合成装置 von Kempelen の Speaking Machine Voder（キーボードで操作， 手首で有声／無声，ペダ ルでピッチ制御） 3 音声合成の手法 近年のコンピュータによる合成は，規則合成が ほとんど 音素などの細かい単位を繋ぎ合わせて合成する． 自由な文を合成することが可能 構成はかなり複雑 結合方式 フォルマント生成方式 音素片結合方式 人工声道方式 HMM音声合成 4 2 テキストからの音声合成 （Text-To-Speech: TTS） 合成させたいテキスト 文法 単語（ 形態素） 辞書 テキスト解析 音韻規則 音素記号列 韻律規則 ポーズ，アクセント， イントネーション 音声信号合成 音声信号 5 テキスト解析と韻律制御 形態素解析 • 単語（形態素）辞書と，単語の連接規則を用いて，単語（形 態素）に分割する． • 正しく分割できるかどうかが問題となる（特に漢字複合語や ひらがな文）． 畜産物価格安定法 （畜産物／価格／安定法 畜産／物価／格安／定法） にわにはにわにわとりがいる（ にわ-には，にわ-にわとり-が-いる） すもももももももものうち （すもも-も-もも-も-もも-の-うち） 6 3 読みの補正 項目 連濁 内容 以下のように２つの単語を接続により濁音化させる 「大」＋「会社」 /dai/ 数字の読み 無声化 /kaisya/ → /daigaisya/ 数字の読みは種々変化する． 「百」 → /hyaku/ 「三百」 → /sanbyaku/ 「六百」 → /roppyaku/ 母音が発声されないことがある． 「明日」（途中の/i/が発声されない） /ashita/ → /ashta/ 「そうです」（最後の/u/が発声されない） /soudesu/ → /soudes/ 7 アクセントの変化 項目 内容 移動 ある┓く＋ます → あるきま┓す 消失 け┓いざい＋てき → けいざいてき 生起 でんしん＋でんわ → でんしんで┓んわ 8 4 係り受け解析 文節に分割し，また文節間の係り受け関係を求め る（後の韻律制御に必要） きれいな はなを やまださんから もらいました 9 韻律制御 文節ごとの基本アクセント型 単語＋助詞など 0型： やまださんから 1型： きれいな 2型： 3型： ： 10 5 単語の基本アクセント型 11 自立語などを強調 遠方への係り受け 12 6 合成単位 音節単位(CV) ・日本語の場合100～130個 VCV（母音－子音－母音） ・音響パラメータの安定した母音で接続 ・パワーが大きいため，不整合度が大きいと歪みが大 ・約700個～800個 CVC（子音－母音－子音） ・VCVの問題を回避 ・ただし全ての組み合わせでは数が多過ぎる(5000～6000個) ・高頻度のCVC, CV, VCのみを用意（約1000個） 13 クラスタリングによる合成単位の決定 ・音素環境の類似したものを集める（クラスタリング） 複合合成単位 ・種々の長さの音声単位を用意し，最適な連鎖を選択して接 続する．後述する「波形接続」と組み合わせて用いられる． 14 7 音声信号の生成 （有声音） （破裂音） 音源信号 G(ω) パルス列 調音フィルタ H(ω) 音声信号 S(ω) インパルス （その他の子音） ノイズ 15 調音フィルタの構成法 ホルマント合成（ターミナルアナログ）方式 ・ホルマント周波数と帯域幅をフィルタ等によってシミュレートする． → 英語のMITalk（DEC Talk）が有名 ・例えば，母音等は３つのフォルマントで表わすことにすれば，3個の 2次 IIRフィルタ（２．１０参照）を接続すればよい． z-1 z-1 z-1 z-1 z-1 z-1 z-1 は遅延回路 16 8 17 線形予測フィルタ εt a1 a2 ap z-1 xt z-1 z-1 1 H ( z) 1 p az 1 i i 1 ・IIR型のため量子化誤差などによって不安定になる場合がある． ・音声単位の接続部分をあまりスムースに補間できない． 18 9 格子型フィルタ xt εt kｍ km-1 k1 -kｍ -km-1 -k1 z-1 z-1 z-1 kn kn： 反射係数（またはPARCOR係数） An Ap An-1 An An 1 An An 1 A1 音源 k0=-1 19 HMM音声合成 20 10 波形接続 ・あらかじめ多数の波形小片を用意しておき，これらを接続す ることにより音声を合成する．うまく接続できれれば合成音 声の自然性は高い． ・小片間のゲインの整合，ピッチの整合，位相の整合などを 行なう必要がある． → PSOLA（Pitch Synchronous Overlap and Add）方式 21 音声合成ソフト CHATR 国際電気通信基礎技術研究所 外国語にも対応 Open JTalk 名古屋工業大学徳田研究室 HMM音声合成 オープンソース 22 11 音声合成ソフトの例 23 さらに，難しい問題 漢字の読みが多様(音、訓) 行(ギョウ、アン、コウ、いく、おこなう) : 「行った」？ 同字異音語 今日(こんにち，きょう)，最中(さいちゅう，もなか)，etc. (逆に、同音異義語も多いので、了解しにくい。) 文字から読みが決まらない こうし(講師、子牛、格子)、えいり(絵入り、営利) 句のアクセントの規則が複雑 音声＋合成＋技術＋研究＋会＋定例＋総会＋準備＋委員＋選出＋期間＋中は ... 「ニワニワニワトリガイル」イントネーション→ 意味による 「庭には鶏が…」ニワニ:ワ/ニワトリガイル 「庭には二羽鳥が…」ニワニ:ワ/ニ:ワ/トリガイル 「二羽、庭には鳥が…」ニ:ワ/ニワニ:ワ/トリガイル 意味、文脈、状況、常識なども取り 入れる必要あり！ 24 12 （おまけ）しゃべるパソコン 1983 NEC PC-6001ｍｋII FM音源 音節の単純連結＋α 1983年当時のTVCM 25 （おまけ）発話ロボット 26 13
© Copyright 2024 ExpyDoc
