【課題】少ない量の目標話者の音声データから得られる類似話者音声データベースを用いて、対象テキストに対応し、目標話者の特徴を持つ音声を合成する音声合成方法、音声合成装置及び音声合成プログラムを提供する。
【解決手段】目標話者の音声データとの話者類似度が高い複数の部分音声データと、部分音声データを発した話者を示す類似話者識別子と部分音声データの発声音素を示す音素情報とを少なくとも示す音声素片とからなる類似話者音声データベースが予め記憶される。音素情報に基づいて、対象テキストの音素コンテキストに合成単位で適合する音声素片候補を類似話者音声データベースから探索する。各音声素片候補の類似話者識別子に対応する話者類似度を少なくとも用いて、合成単位の対象テキストと音声素片候補との適合度を総合コストとして算出する。 （もっと読む）

【課題】有声音同士が無声音を介して接続されているようなターゲットに対しても、合成音声のイントネーションの連続性を保ち、合成音声が高品質となるよう候補素片を選択することができる。
【解決手段】i番目のターゲット（iは３以上の自然数）が有声音であって、（i-1）番目のターゲットが無声音であった場合に、kが２以上であってkが最小となる（i-k）番目の有声音となるターゲットに適した候補素片として選択されている候補素片（以下、（i-k）番目の候補素片という）を探索する先行有声候補素片探索サブステップと、（i-k）番目の候補素片の終端位置のF0値とi番目の候補素片群の各候補素片の先頭位置のF0値群から接続F0サブコストを計算する接続F0サブコスト計算サブステップと、接続F0サブコストに基づいてi番目の候補素片群から、i番目のターゲットに適した１の候補素片を選択する選択サブステップとを備える。 （もっと読む）

【課題】使用者の候補合成単位選択による音声合成方法を提供する。
【解決手段】入力文章を発音表記に変換するステップと、上記変換された発音表記を用いて抑揚および持続時間の韻律情報を生成するステップと、音声データベースから最適の合成単位を選択し、その合成単位を連結して合成音を生成するステップとを含んで構成され、上記合成音を生成するステップは、上記発音表記および上記韻律情報を用いて音声データベースから最適の候補合成単位を選択し、上記各候補に対する目標コストを計算するステップと、各合成単位の境界地点における連結コストを計算するステップと、上記目標コストと上記連結コストとを合計して全体コストを計算し、累積された全体コストが最小になる経路を検索するビタビ検索過程を実行するステップと、音声波形を生成するステップと、使用者が合成候補を選択するステップとにより合成音を生成する。 （もっと読む）

【課題】 良好な品質の合成音声を生成できる音声合成システム及び音声素片辞書作成方法を得る。
【解決手段】本発明にかかる音声合成システムは、音声素片が格納されている音声データベースと、学習用の韻律情報に基づき、前記音声データベースから音声素片を選択する第１の音声素片選択手段と、前記第１の音声素片選択手段により選択された音声素片の選択度数を計測する第１の選択度数計測手段と、前記音声データベース内の音声素片のパラメータ分布を所定のカテゴリーに分割するカテゴリー分割手段と、前記カテゴリー別に、前記選択度数に基づいて所定の個数の音声素片を抽出する音声素片抽出手段と、抽出された前記音声素片から、前記カテゴリー別に代表素片を生成する代表素片生成手段と、を有する音声素片辞書作成手段を備えるものである。 （もっと読む）

【課題】複数の音声データベースから合成された合成音声データに対して、１回の話速変換で合成音声データ全体の話速を均一に揃え、かつ、合成音声データ全体の時間長と番組放送時間とを一致させることができる話速調整装置およびプログラムを提供する。
【解決手段】複数の音声データベースから合成された合成音声データの話速の平均値を、識別番号ｊに基づいて合成音声データの生成源の音声データベースごとに算出する話速平均値算出手段１１と、合成音声データの時間長の累計値を、合成音声データの生成源の音声データベースごとに算出する時間長累計値算出手段１２と、該平均値、該累計値、および、番組放送時間に基づいて、合成音声データの時間長の伸縮倍率を、合成音声データの生成源の音声データベースごとに算出する伸縮倍率算出手段１４と、該倍率で前記合成音声データの話速を変換する話速変換手段１５と、を含む。 （もっと読む）

【課題】音声合成に必要な時間を短縮させ、かつ、音声合成の精度を向上させることができる音声合成装置および音声合成プログラムを提供する。
【解決手段】かな文字キー、濁点キー、半濁点キー、ア行小文字キー、ヤ行小文字キーおよびタ行小文字キーを備える文字入力装置２の入力内容に対応した音声を合成する音声合成装置１であって、清音文字または撥音文字を判別する清音撥音判別手段１１と、濁音文字を判別する濁音判別手段１２と、半濁音文字を判別する半濁音判別手段１３と、拗音文字を判別する拗音判別手段１４と、促音付き音節文字を判別する促音付き音節判別手段１５と、清音、撥音、濁音、半濁音、拗音および促音付き音節のそれぞれの音声波形を記憶する音声波形記憶手段１６と、音声波形記憶手段１６から、各判別手段が判別した各音節文字に対応する音声波形を抽出することで音声を合成する音声合成手段１７と、を備える。 （もっと読む）

【課題】所定の原文に対して互いに異なる複数の合成条件の何れかにて合成音声を作成する場合でも、合成音声の作成に要する時間を短縮できる音声合成装置を提供する。
【解決手段】音声合成装置１は、入力テキスト情報または入力表音情報と入力合成条件の組が少なくとも一つの登録テキスト情報または登録表音情報と登録合成条件の組の何れかと一致するか否か判定する一致判定部１０と、入力テキスト情報等の組が登録テキスト情報等の組の何れとも一致しない場合、入力テキスト情報または入力合成条件を修正することにより派生テキスト情報と派生合成条件の組を作成し、派生テキスト情報と派生合成条件の組と、その派生テキスト情報及び派生合成条件に基づいて音声合成部１１が合成音声信号を作成する途中で作成された派生中間情報との組を、登録テキスト情報と登録合成条件の組と登録中間情報との組の一つとして記憶部３に記憶させる自動更新部１７とを有する。 （もっと読む）

【課題】話者にとって発声が難しいと感じる文章に対して録音を繰り返すといった話者への負担を減らすことが可能であると共に、所望の音素や韻律のバランスを考慮した音声を収集することが可能な文章提示技術を提供する。
【解決手段】音声を録音する際に話者が読み上げるための文章を提示する文章提示装置は、第１文章を記憶する文章記憶部と、前記第１文章を提示する提示部と、提示された前記第１文章に対する話者からの入力に基づいて、前記第１文章の交換の要否を判定する判定部と、予備文章を記憶する予備文章記憶部と、前記第１文章の交換が必要であると判定された場合、前記第１文章の読みを示す属性情報及び前記第１文章のアクセント型を示す属性情報のうち少なくとも１つに基づいて、前記予備文章のうち、前記第１文章の代替となる第２文章を選択する選択部と、前記第２文章を前記提示部に提示させる制御部とを備える。 （もっと読む）

【課題】従来、励振源モデルの学習する際、有声フィルタ特性推定時に生じた周期性を含む誤差が、無声フィルタ特性の推定に用いるターゲット信号に紛れ込み、無声フィルタ特性が過大に推定されてしまう。そのため、音声合成時には、過大推定された無声フィルタ特性から励振信号が生成され、最終的に合成された音声には過剰な非周期成分が雑音として乗ってしまっていた。
【解決手段】１つ以上の分析残差信号を受け付ける分析残差信号受付部と、１つ以上の各分析残差信号から、１つ以上の非周期成分信号を抽出する非周期成分信号抽出部と、１つ以上の非周期成分信号に基づいて無声フィルタ特性を算出する無声フィルタ特性算出部と、無声フィルタ特性算出部が算出した無声フィルタ特性を蓄積する無声フィルタ特性蓄積部とを具備する無声フィルタ学習装置により、無声フィルタの特性を適切に学習できる。 （もっと読む）

【課題】高精度な計算が困難な場合でも、正確な音声合成パラメータ時系列データに基づく音声合成装置、音声合成方法および音声合成プログラムを提供する。
【解決手段】与えられた音声合成用情報に基づく特徴ベクトルの分布情報を用いて、数値範囲の大きい第１の音声合成パラメータ時系列データを生成し、与えられた音声合成用情報に基づく特徴ベクトルの分布情報を修正し、第１の音声合成パラメータとの差の時系列データとして、第１の音声合成パラメータ時系列データよりも数値範囲が小さい第２の音声合成パラメータ時系列データを生成し、第１の音声合成パラメータ時系列データと第２の音声合成パラメータ時系列データとを加算し、第３の音声合成パラメータ時系列データを生成し、第３の音声合成パラメータ時系列データに基づく合成音声波形を生成する。 （もっと読む）