口調·声質を学習する音声合成システム--TOS Drive TTS

摘要

文章を入力すれば，どのような文章でも音声に変換して出力する。 それがテキスト音声合成技術です。 当社は，人間が発声した音声データを手本にして学習し．その人に似た口調，似た声色の音声を合成する技術を開発しました。 TOtally Speake Driven Text To Speech（TOS DrivelTS）と呼ばれるこの技術は，パソコン（PC）のテキスト読上げソフトウェアやカーナビゲーション（以下力ーナビと略記）の音声出力などに応用され,製品化されています（図1）。 「音声合成なんて簡単」と思われる方もいるかもしれません。 「ひらがなを一文字ずつ録音して，並べ替えて順番に再生すればいい」と。 程かに,音声合成器は．音声の短い区間のデータ（音声素片）をつなぎ合わせて音声を作り出しています。 ただし，つなげるだけではなく、録音した声の高さを．作りたい声の高さに変える処理を行います。 自然な抑揚の音声を作るためには，任意の高さの声を合成することが必要なのです。 この"高さを変える"処理によって音質が劣化し．不明瞭（ふめいりょう）な，機械的な、鼻に掛かった声になってしまうということが長年の問題でした。