[发明专利]语音合成模型学习装置、语音合成模型学习方法及存储介质

说明书

本发明的实施方式涉及语音合成模型学习装置、语音合成模型学习方法以及存储介质，能够防止语音劣化和不自然的音素持续长度。实施方式的语音合成模型学习装置，具有：语音语料库存储部，其存储语音数据和所述语音数据的基音标记信息及上下文信息；分析部，其根据所述语音数据，分析基音标记信息的各基音标记时刻的音响特征参数；以及统计模型学习部，其根据所述分析部分析出的音响特征参数，学习包含音响特征参数的输出分布以及基于时刻参数的持续时间长度分布的具有多个状态的统计模型，所述音响特征参数包含基音特征参数。

本申请是于2015年9月16日提交的申请号为201580082427.3、名称为“语音合成装置、语音合成方法、语音合成程序、语音合成模型学习装置、语音合成模型学习方法以及语音合成模型学习程序”的专利申请的分案申请。

技术领域

本发明的实施方式涉及语音合成装置、语音合成方法、语音合成程序、语音合成模型学习装置、语音合成模型学习方法以及语音合成模型学习程序。

背景技术

已知将任意文本变换成合成波形的语音合成技术。另外，根据对语音波形的数据库进行分析而得到的特征参数来学习统计模型的语音合成模型学习装置和在语音合成中使用所学习的统计模型的语音合成装置已众所周知。

现有技术文献

专利文献1：日本特开2002-268660号公报

非专利文献1：H.Zen，et al，“A Hidden Semi-Markov Model-Based SpeechSynthesis System”，IEICE TRANS.INF.SYST.，VOL.E90-D，NO.5MAY 2007，p.825-834

发明内容

发明要解决的技术问题

以往，在使用了基于固定帧速率的语音分析而得到的音响特征参数的情况下，存在未进行精密的语音分析而会产生音质劣化这一问题。另外，在通过基音同步分析进行了语音分析的情况下，存在因学习时与合成时的基音的不一致的影响等而成为不自然的音素持续长度这一问题。本发明要解决的技术问题是，提供能够防止语音劣化和不自然的音素持续长度的语音合成装置、语音合成方法、语音合成程序、语音合成模型学习装置、语音合成模型学习方法以及语音合成模型学习程序。

用于解决问题的技术方案

实施方式的语音合成装置具有存储部、制作部、决定部、生成部以及波形生成部。存储部将具有多个状态的统计模型的各状态下的、包含基音特征参数的音响特征参数的输出分布以及基于时刻参数的持续长度分布作为统计模型信息进行存储。制作部根据与输入文本对应的上下文信息、以及统计模型信息，制作统计模型序列。决定部使用基于统计模型序列的各统计模型的各状态的持续长度分布而得到的持续时间长度、以及基于基音特征参数的输出分布而得到的基音信息，决定各状态的基音波形数。生成部基于基音波形数来生成音响特征参数的输出分布列，基于该输出分布列来生成音响特征参数。波形生成部根据生成部所生成的音响特征参数来生成语音波形。

附图说明

图1是表示实施方式的语音合成装置的框图。

图2是例示HSMM的图。

图3是表示HMM存储部所存储的HMM的图。

图4是表示实施方式的语音合成模型学习装置的框图。

图5是表示基于固定帧速率的分析与基音同步分析的差异的图。

图6是表示HMM学习部进行的处理的流程图。

图7是表示实施方式的语音合成装置生成参数的处理例的图。

图8是表示波形生成部进行的处理的图。

图9是表示状态占有概率的计算方法的图。