[发明专利]语音合成方法和语音合成设备

说明书

技术领域

本公开涉及语音合成技术。

背景技术

已提出了用于合成要被制作为与期望的字符串对应的语音的语音合成技术。例如，JP-A-2002-202790公开了一种通过以下步骤来将歌曲的歌声进行合成的合成单位连接类型语音合成技术：准备歌曲信息，在该歌曲信息中针对歌曲的各个音符指定发声时间点和发声字符（例如，歌词、语音码或语音字符）；在时间轴上的各个发声时间点处布置与各音符对应的发声字符的合成单位；以及将各合成单位彼此连接。

然而，在JP-A-2002-202790的技术中，生成具有发声时间点和发声字符的歌声，其中已针对各个音符预先设定了该发声时间点和发声字符。在语音合成阶段不能实时地改变各个发声字符的发声时间点。考虑到以上情况，本公开的目的是容许用户实时地改变合成语音的发声时间点。

发明内容

为了实现以上目的，根据本公开，提供了一种语音合成方法，包括：

确定步骤，用于确定根据用户的操纵而移动的操纵位置，以及

生成步骤，用于响应于用以生成其中第二音素跟随第一音素的语音的指令而生成语音信号，使得在所述操纵位置到达基准位置之前开始所述第一音素的发声，并且在所述操纵位置到达所述基准位置时进行从所述第一音素至所述第二音素的发声。

根据本公开，提供了一种语音合成设备，包括：

操纵确定器，其被构造为确定根据用户的操纵而移动的操纵位置；以及

语音合成器，其被构造为响应于用以生成其中第二音素跟随第一音素的语音的指令而生成语音信号，使得在所述操纵位置到达基准位置之前开始所述第一音素的发声，并且在所述操纵位置到达所述基准位置时进行从所述第一音素至所述第二音素的发声。

该构造或方法使得可以根据用户操纵来实时地控制在进行从第一音素至第二音素的发声时的时间点。

附图说明

图1是根据第一实施例的语音合成设备的框图。

图2示出了操纵位置。

图3示出了操纵预测单元如何操作。

图4示出了发声码（音素）与合成单位之间的关系。

图5示出了语音合成单位的操作。

图6更加详细地示出了语音合成单位的操作。

图7是合成处理的流程图。

图8是第二实施例中使用的操纵画面的示意图。

图9是第三实施例中使用的操纵画面的示意图。

图10示出了第四实施例中使用的语音合成单位如何操作。

图11示出了第五实施例中使用的操纵画面。

具体实施方式

<实施例1>

图1是根据本公开的第一实施例的语音合成设备100的框图。如图1所示，语音合成设备100作为用于生成表示歌曲的歌声的波形的语音信号Z的信号处理设备，被实现为计算机系统，其包括：计算装置10、存储装置12、显示装置14、操纵装置16、和放音装置18。计算装置10是用于管理语音合成设备100的各组件的控制装置。

显示装置14（例如，液晶面板）显示由计算装置10命令的图像。操纵装置16作为用于接收针对语音合成设备100的用户指令的输入装置，生成与用户操纵对应的操纵信号M。第一实施例采用与显示装置14集成的触摸面板作为操纵装置16。也就是说，操纵装置16检测用户的手指对显示装置14的显示屏的接触并且输出与接触位置对应的操纵信号M。放音装置18（例如，扬声器或耳机）再现与计算装置10生成的语音信号Z对应的声波。为了方便起见，图1中省略了用于将计算装置10生成的数字语音信号Z转换为模拟信号的D/A转换器。

存储装置12存储将要由计算装置10运行的程序PGM以及将要由计算装置10使用的各种数据。可以任意地将诸如半导体存储介质或磁存储介质之类的已知存储介质、或者多种存储介质的组合用作存储装置12。在第一实施例中，存储装置12存储合成单位组L和合成信息S。合成单位组L是要用作用于合成语音信号Z的素材的多个合成单位V的集合（语音合成库）。每个合成单位V是作为音位区分或者多个音素的音素链（例如，双音素或三音素）的最小单位的单个音素（例如，元音或辅音）。