表現力豊かな合成音声を生成するための記述言語MSCLの構想

概要

論文の詳細を見る
多種多様な感情を含み表現力豊かな合成音声メディアの作成・編集を可能にする階層型合成音声制御記述言語MSCL(Multi-layered Speech/Sound Synthesis Control Language)を提案[1]している. MSCLは, 音声合成に関する知識を持たないユーザであっても容易に対話口調, あるいは, 多種多様の感情を含んだ合成音声を作成できる記述言語である. また, 合成音声との同期が必要な場合は, きめ細かな時間長制御も可能にする. MSCLは3つの階層構造を持っており, "賛同"や"嘆き"といった意味的な記述レベルであるS層, 音韻特徴の記述レベルである I層, そして, 音韻毎のピッチやパワーなどのより詳細な韻律制御パラメタを持つP層に分れている。本報告では, I層のためのピッチパターンに関する幾つかの基本的な韻律制御方法を合成音声を用いて検討した. また, 各韻律制御方法および制御方法の組み合わせによる聴覚的な効果を聴取評価実験によって明らかにした. この結果, ピッチパターンの制御によって多彩な感情を表現できることが分った. 制御方法の組み合わせによって表現できる感情を制御コマンドとし, S層への導入を検討した.
一般社団法人情報処理学会の論文
1997-07-18