[发明专利]韵律编辑装置、方法及程序

说明书

技术领域

本发明的实施方式涉及韵律编辑装置、方法及程序。

背景技术

近年来，随着从文本合成语音的语音合成技术的发展，能得到接近人的发音的自然合成音。

近年的语音合成系统中，一般采用从录制人的语音的语音语料库学习韵律或音质的统计模型的方法。例如，作为韵律的统计模型，已知有决定树模型、隐藏马尔可夫模型等。通过使用这些统计模型，也能以某种程度自然地再现学习语料库中不存在的任意文本的语调。

可是，由于统计模型从语音语料库的多个表达学习平均的韵律特征，从统计模型生成的合成语音的语调容易变得单调。因此，存在如下系统：将根据统计模型生成的韵律的图形可见化并向用户提示，用户使用鼠标等的设备能图形化地编辑。

现有技术文献

专利文献

专利文献1：日本特开2008-268477号公报

专利文献2：日本专利第4296231号说明书

发明内容

然而，图画的编辑中，能制作任意的韵律，只要作为合成语音输出即可。因而，韵律图形编辑使编辑的自由度增大，但是，相反，也能作成不妥当的韵律的图形。即，存在没有语音相关的知识的用户非常难制作期望的韵律的图形这样的问题。

还有，为了解决自由度的问题点，存在向二元坐标平面压缩自由度非常大的参数空间的方法。可是，存在如下问题：能编辑的不是短语的韵律的图形，而是合成音的音质，所以编辑对象不同，并且无法用于编辑文本的任意短语的基频、持续时间长度的目的。

本公开为了解决上述的课题而做出，其目的在于提供一种能容易编辑韵律的韵律编辑装置、方法及程序。

本实施方式涉及的韵律编辑装置包括：第1选择部、存纳部、检索部、标准化部、映射部、显示部、第2选择部、恢复部及置换部。第1选择部从文本选择含有音素的短语/词组(PHRASE)，作为选择短语。存纳部对应存纳表示短语相关的属性的属性信息、和1个以上的韵律图形，上述韵律图形表示该短语的韵律的型式，并且表示该短语的韵律的参数包含该短语的音素数以上的要素数。检索部从上述存纳部检索上述选择短语和属性信息相一致的上述1个以上的韵律图形，得到韵律图形集合。标准化部将上述韵律图形集合中包括的韵律图形分别标准化。映射部将标准化的上述韵律图形分别映射在数目比上述要素数少的坐标中表示的低维度空间，生成映射坐标。显示部显示上述映射坐标。第2选择部得到从上述映射坐标选择的坐标，作为选择坐标。恢复部按照上述选择坐标而恢复韵律图形，得到恢复韵律图形。置换部，根据上述选择短语将生成的合成语音的韵律置换为上述恢复韵律图形。

附图说明

图1是表示第1实施方式涉及的韵律编辑装置的方块图。

图2是表示在韵律图形DB存纳的短语的属性信息的一个例子的图。

图3是表示在韵律图形DB存纳的韵律图形的一个例子的图。

图4是表示基频、持续时间长度及力度(POWER)的关系的图。

图5是表示韵律编辑装置的操作的流程图。

图6是表示韵律图形标准化部的标准化处理的图。

图7是用于说明韵律图形映射部的映射处理的图。

图8是用于说明韵律图形映射部的映射处理的图。

图9是表示在显示部显示的映射坐标的一个例子的图。

图10是表示在显示部显示的用户界面，(a)表示韵律图形的图表，(b)表示二元坐标平面的图。

图11是表示第1变形例的韵律图形映射部的映射处理，(a)表示基频的二元坐标平面，(b)表示持续时间长度的二元坐标平面的图。

图12是表示第1变形例涉及的界面的一个例子的图。

图13是表示第2变形例涉及的集中(CLUSTERING)处理后的二元坐标平面的例子的图。

图14是表示第3变形例涉及的在韵律图形DB存纳的韵律图形的一个例子的图。

图15是表示第3变形例涉及的集中处理后的二元坐标平面的例子的图。

图16是表示第2实施方式涉及的韵律编辑装置的方块图。

图17是表示第2实施方式涉及的韵律图形恢复部的处理的图。

图18是表示韵律编辑装置的硬件配置的方块图。

具体实施方式

以下，一边参照附图一边关于本实施方式涉及的韵律编辑装置、方法及程序详细地说明。再者，以下的实施方式中，对附加相同的参照符号的部分进行同样的操作，适当地省略重复的说明。

(第1实施方式)

关于第1实施方式涉及的韵律编辑装置，参照图1的方块图来说明。