[发明专利]韵律编辑装置及方法

说明书

相关申请的交叉引用

本申请基于并要求2013年9月17日提交的日本专利申请No.2013-192359的优先权；其全部内容通过引用并入本文。

技术领域

在此描述的实施例一般涉及韵律编辑装置及方法。

背景技术

近来用于根据文本生成合成语音的语音合成技术使用统计韵律模型，从而显著提高了所生成的合成语音的质量。然而，即使根据大量的语音语料库构建了详尽的韵律模型，从韵律模型中生成的平均韵律在口语表达和词尾表达的情况下也可能不足，诸如问候具有各种类型的韵律。为此，已提出了响应于用户操作而编辑从韵律模型中生成的韵律的装置。

这种响应于用户操作而编辑韵律的装置需要用直观且简单的操作提供用户所期望的自然韵律，以防止由编辑后的韵律的不自然而导致的合成语音的质量的恶化，并提高用户在编辑工作中的可操作性。

发明内容

在此描述的实施例的目的是提供一种韵律编辑装置及方法，其能够用直观且简单的操作提供用户所期望的自然韵律。

根据一个实施例，一种韵律编辑装置包括近似轨迹生成器、设置器、显示控制器、操作接收器和更新器。近似轨迹生成器用包括控制点的参数曲线近似表示韵律信息的时间序列的轨迹，以生成近似轨迹。设置器在近似轨迹上设置与控制点对应的操作点。显示控制器在显示装置上显示操作屏幕，该操作屏幕包括在其上显示操作点的近似轨迹。操作接收器接收在操作屏幕上移动任意选择的操作点的操作。更新器根据操作点的移动量计算控制点的位置，并更新近似轨迹。

附图说明

图1是根据实施例的韵律编辑装置的示例性配置的方框图；

图2是三次贝塞尔(Bézier)曲线的例子的图；

图3是近似轨迹的例子的示意图；

图4A和4B是其中操作点被设置在近似轨迹上的状态的示意图；

图5是在显示装置上显示的操作屏幕的例子的示意图；

图6是其中近似轨迹响应于移动操作点的操作而更新的状态的示意图；

图7是更新后的操作屏幕的例子的示意图；

图8是由根据实施例的韵律编辑装置执行的一系列处理的流程图；

图9是详细说明编辑的流程图；

图10是其中操作点被添加到近似轨迹上的期望位置处的状态的示意图；

图11是根据实施例的韵律编辑装置的示例性硬件配置的方框图。

具体实施方式

图1是根据实施例的韵律编辑装置100的示例性配置的方框图。如图1所示，韵律编辑装置100包括语音合成器101、近似轨迹生成器102、设置器103、显示控制器104、操作接收器105和更新器106。韵律编辑装置100还包括扬声器110、诸如液晶显示器的显示装置120和作为用户接口的诸如鼠标和触摸板的输入装置130。在触摸板被用作输入装置130的情况下，显示装置120和输入装置130一体化。

语音合成器101从外部接收文本，以生成韵律和合成语音。为了生成韵律，例如使用统计韵律模型。至于语音合成方法，可采用所期望的方法，包括公知的单元挑选语音合成和隐马尔可夫模型语音合成。语音合成器101也可接收通过用户操作而编辑的韵律(更新后的近似轨迹，其将在后面描述)，从而生成被应用了编辑后的韵律的合成语音。由语音合成器101生成的合成语音从扬声器110输出。

指示语音的韵律的韵律信息(能够由计算器处理的参数)的例子包括基频(F0)、音素的持续时间和力量。F0的时间序列可由线表示，其中横轴表示时间，纵轴表示频率。由这样的线表示的F0的时间序列称为F0轨迹。编辑F0轨迹使得有可能生成具有各种类型的语调的合成语音。

以下描述了由语音合成器101生成的F0轨迹是将要被编辑的目标的情况。然而，将要被编辑的韵律信息并不限于F0轨迹。根据本实施例的韵律编辑方法可广泛适用于任何能够由线(轨迹)表示的韵律信息的时间序列。例如，音素的持续时间的时间序列可以由线(轨迹)表示，其中横轴表示音素的发生时间，纵轴表示时间长度。力量的时间序列可以由线(轨迹)表示，其中横轴表示时间，纵轴表示力量的大小。本实施例还可适用于编辑音素的持续时间的时间序列和力量的时间序列。

近似轨迹生成器102以预定单位用参数曲线近似由语音合成器101生成的F0轨迹，从而生成近似轨迹。参数曲线的例子包括样条(spline)曲线、B样条曲线和贝塞尔曲线。本实施例使用贝塞尔曲线作为参数曲线，以生成近似轨迹。用于近似的参数曲线不限于贝塞尔曲线。