音声データ圧縮・解凍装置及び方法

トップ :: G 物理学 :: G10 楽器;音響

【発明の名称】	音声データ圧縮・解凍装置及び方法
【発明者】	【氏名】松本智佳子
【要約】	【課題】波形データの圧縮方法を変化させて解凍時間の短縮化を図ることで、音声合成をリアルタイムに実現することができる音声データ圧縮・解凍装置及び方法を提供する。【解決手段】波形データを既存の波形辞書を照会して抽出し、当該波形データについて音声合成に用いられた使用頻度を累積して保存し、使用頻度に応じて段階的に圧縮方法を変更して波形データを圧縮して波形辞書に保存するとともに、圧縮された波形データ各々についての圧縮方法に関する情報を保存し、圧縮された波形データは圧縮方法に関する情報に基づいて解凍する。波形データに関する使用頻度について一又は複数個の所定のしきい値を定め、しきい値で区切られた複数個の使用頻度範囲において、使用頻度が小さい使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮する。

【特許請求の範囲】
【請求項１】波形データを既存の波形辞書を照会して抽出する波形データ照会・抽出部と、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存する頻度情報保存部と、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存する頻度別圧縮データ生成・保存部と、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍する波形データ解凍部とを含み、前記波形データに関する前記使用頻度について一又は複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮・解凍装置。
【請求項２】前記使用頻度が大きい前記使用頻度範囲に属している前記波形データについては、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、解凍された前記波形データを用いて音声合成する請求項１記載の音声データ圧縮・解凍装置。
【請求項３】前記使用頻度にかかわらず、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、前記一時記憶領域に新たな前記解凍された前記波形データを追加保存できなくなった場合には、前記使用頻度が小さい前記波形データから順に前記一時記憶領域から削除する請求項１記載の音声データ圧縮・解凍装置。
【請求項４】請求項１記載の音声データ圧縮・解凍装置を用いて圧縮された前記波形データについて、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍することを特徴とする音声データ解凍装置。
【請求項５】前記使用頻度が大きい前記使用頻度範囲に属している前記波形データについては、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、解凍された前記波形データを用いて音声合成する請求項４記載の音声データ解凍装置。
【請求項６】前記使用頻度にかかわらず、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、前記一時記憶領域に新たな前記解凍された前記波形データを追加保存できなくなった場合には、前記使用頻度が小さい前記波形データから順に前記一時記憶領域から削除する請求項４記載の音声データ解凍装置。
【請求項７】波形データを既存の波形辞書を照会して抽出する工程と、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存する工程と、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存する工程と、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍する工程とを含み、前記波形データに関する前記使用頻度について一又は複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮・解凍方法。
【請求項８】請求項７記載の音声データ圧縮・解凍方法を用いて圧縮された前記波形データについて、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍することを特徴とする音声データ解凍方法。
【請求項９】波形データを既存の波形辞書を照会して抽出するステップと、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存するステップと、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存するステップと、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍するステップとを含み、前記波形データに関する前記使用頻度について一又は複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮・解凍方法を実現するコンピュータに実行させるプログラム。
【請求項１０】請求項９記載の音声データ圧縮・解凍方法を実現するコンピュータに実行させるプログラムを用いて圧縮された前記波形データについて、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍することを特徴とする音声データ解凍方法を実現するコンピュータに実行させるプログラム。

【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、音声合成に使用される音声波形データからなる波形辞書データを圧縮して圧縮辞書を作成する圧縮装置及び圧縮されたデータを解凍する解凍装置に関する。
【０００２】
【従来の技術】昨今の急速なコンピュータ技術の発達によって、従来特定分野に利用が限定されてきた音声合成技術が、様々な分野で適用できるようになってきた。それに伴い、音声合成を用いた各種のアプリケーションが盛んに開発され始めている。
【０００３】音声合成を用いたアプリケーションを使いやすくするためには、高品質な音声合成を実現することが必須であり、そのためには比較的大容量のデータである音の波形データを大量に準備しておく必要がある。したがって、かかる大容量の波形データを効率よく圧縮・解凍する手段が、技術上の重要なポイントとなっている。
【０００４】例えば、音の波形データを圧縮する方法としては、圧縮率の高くなる順にμ－ｌａｗ、ＡＤＰＣＭ、ＣＥＬＰ等、様々な手法が考えられており、一般には圧縮率が高くなればなるほど音質の劣化が進む傾向にある。
【０００５】図１には、従来から良く用いられている圧縮・解凍装置の原理図を示している。図１において、１１は波形データ入力部を、１２は波形データ圧縮・保存部を、１３は波形辞書を、１４はテキストデータ入力部を、１５は波形辞書照会・抽出部を、１６は波形データ解凍部を、１７は合成音声出力部を、それぞれ示す。
【０００６】図１では、波形データのみが圧縮・解凍の対象となっている。したがって、波形データ入力部１１から波形データが入力され、波形データ圧縮・保存部１２では入力された波形データについて圧縮処理を行うとともに、圧縮された波形データとして波形辞書１３に保存される。
【０００７】そして、テキストデータ入力部１４からテキストデータが入力され、波形辞書照会・抽出部１５において波形辞書１３を照会して、当該テキストデータに合致する圧縮された波形データを抽出する。そして、音声合成再生時に波形データ解凍部１６において抽出された波形データを解凍して、合成音声出力部１７において再生することになる。
【０００８】
【発明が解決しようとする課題】しかし、かかる圧縮・解凍方法では、圧縮率が高い高品質な波形データになればなるほど、その解凍時に計算機資源を大量に消費し、解凍のみに相当の時間を要することから音声合成をリアルタイムに行うことができないという問題点があった。
【０００９】また、圧縮装置によっては、音素単位での圧縮を行うことができず、音節や文単位でしか圧縮波形データを生成することができないものも存在する。したがって、音声合成時に必要となる波形データが、波形データの圧縮単位よりも小さなデータである場合には、音声合成には本来不要である部分まで解凍する必要が生じることから、必要以上に解凍に時間を要する結果となってしまうという問題点もあった。
【００１０】本発明では、上記問題点を解消するために、波形データの圧縮方法を変化させて解凍時間の短縮化を図ることで、音声合成をリアルタイムに実現することができる音声データ圧縮・解凍装置及び方法を提供することを目的とする。
【００１１】
【課題を解決するための手段】上記目的を達成するために本発明にかかる音声データ圧縮・解凍装置は、波形データを既存の波形辞書を照会して抽出する波形データ照会・抽出部と、抽出された波形データについて音声合成に用いられた使用頻度を累積して保存する頻度情報保存部と、使用頻度に応じて段階的に圧縮方法を変更して波形データを圧縮し、圧縮された波形データを波形辞書に保存するとともに、圧縮された波形データ各々についての圧縮方法に関する情報を保存する頻度別圧縮データ生成・保存部と、波形辞書に保存されている圧縮された波形データを、圧縮方法に関する情報に基づいて解凍する波形データ解凍部とを含み、波形データに関する使用頻度について一又は複数個の所定のしきい値を定め、しきい値で区切られた複数個の使用頻度範囲において、使用頻度が小さい使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする。
【００１２】かかる構成により、波形データの使用頻度が高いほど波形データの圧縮率が低くなることから、波形データの使用頻度が高いほど波形データの解凍時間を短くすることができ、実質的に音声合成時のリアルタイム性を確保することが可能となる。
【００１３】また、本発明にかかる音声データ圧縮・解凍装置は、使用頻度が大きい使用頻度範囲に属している波形データについては、波形データ解凍部において解凍された波形データを一時記憶領域に保存し、解凍された波形データを用いて音声合成することが好ましい。良く用いられる波形データについては解凍された波形データを直接音声合成に用いることができ、解凍時間そのものを省略することができることから、より短時間で音声合成を行うことが可能となるからである。
【００１４】また、本発明にかかる音声データ圧縮・解凍装置は、使用頻度にかかわらず、波形データ解凍部において解凍された波形データを一時記憶領域に保存し、一時記憶領域に新たな解凍された波形データを追加保存できなくなった場合には、使用頻度が小さい波形データから順に一時記憶領域から削除することが好ましい。使用開始時においては、あらゆる波形データについて短時間で音声合成ができるとともに、使用するにつれて使用頻度の高い波形データのみが保存されるようになるからである。
【００１５】次に、上記目的を達成するために本発明にかかる音声データ解凍装置は、上述した音声データ圧縮・解凍装置を用いて圧縮された波形データについて、波形辞書に保存されている圧縮された波形データを、圧縮方法に関する情報に基づいて解凍することを特徴とする。
【００１６】かかる構成により、波形データの使用頻度が高いほど波形データの解凍時間を短くすることができ、実質的に音声合成時のリアルタイム性を確保することが可能となる。
【００１７】また、本発明にかかる音声データ解凍装置は、使用頻度が大きい使用頻度範囲に属している波形データについては、波形データ解凍部において解凍された波形データを一時記憶領域に保存し、解凍された波形データを用いて音声合成することが好ましい。良く用いられる波形データについては解凍された波形データを直接音声合成に用いることができ、解凍時間そのものを省略することができることから、より短時間で音声合成を行うことが可能となるからである。
【００１８】また、本発明にかかる音声データ解凍装置は、使用頻度にかかわらず、波形データ解凍部において解凍された波形データを一時記憶領域に保存し、一時記憶領域に新たな解凍された波形データを追加保存できなくなった場合には、使用頻度が小さい波形データから順に一時記憶領域から削除することが好ましい。使用開始時においては、あらゆる波形データについて短時間で音声合成ができるとともに、使用するにつれて使用頻度の高い波形データのみが保存されるようになるからである。
【００１９】また、本発明は、上記のような音声データ圧縮・解凍装置の機能をコンピュータの処理ステップとして実行するソフトウェアを特徴とするものであり、具体的には、波形データを既存の波形辞書を照会して抽出する工程と、抽出された波形データについて音声合成に用いられた使用頻度を累積して保存する工程と、使用頻度に応じて段階的に圧縮方法を変更して波形データを圧縮し、圧縮された波形データを波形辞書に保存するとともに、圧縮された波形データ各々についての圧縮方法に関する情報を保存する工程と、波形辞書に保存されている圧縮された波形データを、圧縮方法に関する情報に基づいて解凍する工程とを含み、波形データに関する使用頻度について一又は複数個の所定のしきい値を定め、しきい値で区切られた複数個の使用頻度範囲において、使用頻度が小さい使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮する音声データ圧縮・解凍方法並びにそのような工程を具現化するプログラムであることを特徴とする。
【００２０】かかる構成により、コンピュータ上へ当該プログラムをロードさせ実行することで、波形データの使用頻度が高いほど波形データの圧縮率が低くなることから、波形データの使用頻度が高いほど波形データの解凍時間を短くすることができ、実質的に音声合成時のリアルタイム性を確保することができる音声データ圧縮・解凍装置を実現することが可能となる。
【００２１】また、本発明は、上記のような音声データ解凍装置の機能をコンピュータの処理ステップとして実行するソフトウェアを特徴とするものであり、具体的には、上述した音声データ圧縮・解凍方法を用いて圧縮された波形データについて、波形辞書に保存されている圧縮された波形データを、圧縮方法に関する情報に基づいて解凍する音声データ解凍方法並びにそのような工程を具現化するプログラムであることを特徴とする。
【００２２】かかる構成により、コンピュータ上へ当該プログラムをロードさせ実行することで、波形データの使用頻度が高いほど波形データの圧縮率が低くなることから、波形データの使用頻度が高いほど波形データの解凍時間を短くすることができ、実質的に音声合成時のリアルタイム性を確保することができる音声データ解凍装置を実現することが可能となる。
【００２３】
【発明の実施の形態】以下、本発明の実施の形態にかかる音声データ圧縮・解凍装置について、図面を参照しながら説明する。図２は本発明の実施の形態にかかる音声データ圧縮・解凍装置の原理構成図を示す。図２において、２１は波形データ入力・保存部を、２２は波形データ照会・抽出部を、２３は頻度情報保存部を、２４は頻度別圧縮データ生成・保存部を、２５は圧縮情報保存部を、２６は一時記憶部を、それぞれ示す。なお、図１と同じ符号を付する部分については従来の音声データ圧縮・解凍装置と同様の機能を有するものとして特に詳細な説明は省略する。
【００２４】まず、図２において、波形データは波形データ入力・保存部２１を介して波形辞書１３に入力される。ここでは従来の場合とは異なり、特に圧縮された波形データである必要はない。
【００２５】そして、テキストデータ入力部１４からテキストデータが入力されたら、波形データ照会・抽出部２２において波形辞書１３を照会し、該当する波形データを音素単位で抽出する。なお、本実施の形態においては音素単位に抽出する場合について説明するが、抽出単位は特にこれに限定されるものではなく、例えばコーパス単位や音節単位、あるいは呼気段落単位であっても良い。
【００２６】そして、頻度情報保存部２３では、波形データ照会・抽出部２２において抽出された波形データが波形辞書１３のどの音素を使用しているのかを常時監視し、音素ラベルごとに使用頻度の度合を指標化する。本実施の形態においては、音素ラベルごとに使用回数を累積している。かかる使用回数の累積結果は音素ラベルごとに使用頻度数として保存することになる。
【００２７】次に、頻度別圧縮データ生成・保存部２４では、頻度情報保存部２３に保存されている音素ラベルごとの使用頻度数に応じて、圧縮方法を段階的に変更することによって、複数方法を用いた圧縮波形データを生成する。すなわち、使用頻度数が非常に高い音素については、波形データを圧縮して解凍する頻度も高く、特にリアルタイム再生を要求されるような場合においては解凍時間を無視することはできない。そこで、解凍時間自体が生じないように圧縮を行わないようにする。また、使用頻度が高い順に、解凍時間をより短縮できるように圧縮率の低い圧縮方法を用いて圧縮するようにする。
【００２８】なお、本実施の形態においては、圧縮情報や頻度情報を波形辞書とは別の記憶部に保存しているが、特に保存形態を限定するものではなく、圧縮情報等を波形辞書に一緒に保存するものであっても良い。
【００２９】このように使用頻度に応じて段階的に圧縮方法を変えることによって、使用頻度の高い音素については比較的短時間で音声合成することができ、使用頻度の低い音素については高い圧縮率で圧縮することでディスク容量等の計算機資源の節約を図ることができる。
【００３０】圧縮された波形データ自体は、他の波形データと同様に波形辞書１３に保存され、各音素ごとにどのような圧縮方法をしたか等に関する圧縮方法に関する情報については、圧縮された波形データとのリンク情報とともに圧縮情報保存部２５に保存される。
【００３１】そして、波形データ照会・抽出部２２では、波形辞書１３だけではなく、圧縮情報保存部２５をも照会して、波形辞書１３から抽出された波形データを解凍するための圧縮情報を入手することになる。
【００３２】次に、抽出された波形データ又は圧縮された波形データは波形データ解凍部１６に送られ、抽出された波形データが圧縮された波形データである場合には、圧縮情報保存部２５から得た圧縮情報に基づいた適切な方法により解凍する。一方、抽出された波形データが圧縮された波形データでない場合には、何ら解凍処理をする必要はない。
【００３３】そして、頻度情報保存部２３を照会して、使用頻度が高い波形データについては、解凍後の波形データを一時記憶部２６に保存する。
【００３４】これは、波形データ照会・抽出部２２において、テキストデータ入力部１４からテキストデータが入力されてきた場合に、波形辞書１３及び圧縮情報保存部２５を照会する前に一時記憶部２６を照会することで、使用頻度の高い波形データについての解凍処理を省略するためのものである。使用頻度が高いかどうかについては、所定のしきい値より高いか否かによって判定することができる。
【００３５】すなわち、入力されたテキストデータに該当する波形データが一時記憶部２６に保存されている場合には、特に圧縮データを抽出して解凍することなく、直接一時記憶部２６に保存されている解凍後の波形データを用いて音声合成することになる。こうすることで余分な解凍時間が発生することがなく、短時間で合成音声を出力することができ、リアルタイム再生を行うことも可能となる。
【００３６】最後に、解凍された波形データ又は抽出された波形データに基づいて合成音声を生成し、生成された合成音声を合成音声出力部１７から出力することになる。合成音声出力部１７としては、一般にはスピーカ等の音声出力装置が考えられるが、その種類等について特に限定されるものではない。
【００３７】以上説明した処理について、処理の流れに着目して説明する。まず、図３に頻度情報作成時の処理の流れ図を示す。なお、ここでは使用頻度の工程を判断するために高低２つのしきい値を判断基準として準備し、それに応じて３通りの圧縮形態を使い分ける構成について説明する。
【００３８】まず図３において、テキストデータを入力して（ステップＳ３０１）、入力されたテキストデータの先頭から、波形辞書を照会する（ステップＳ３０２）。
【００３９】そして、波形辞書に一致する波形データが存在すれば当該波形データを抽出し（ステップＳ３０４：Ｙｅｓ）、当該波形データの使用頻度数を累積するとともに保存する（ステップＳ３０５）。波形辞書に一致する波形データが存在しなければ（ステップＳ３０４：Ｎｏ）、特に処理をすることなく、次のテキストデータについて同様に波形辞書を照会する（ステップＳ３０６）。
【００４０】最後に全てのテキストデータについて波形辞書照会処理が完了したら（ステップＳ３０３：Ｙｅｓ）、すべての処理を終了し、使用頻度数が残されることになる。
【００４１】次に、図４に圧縮データ作成時の処理の流れ図を示す。まず、圧縮の対象となる波形データを取得する（ステップＳ４０１）。そして、保存されている使用頻度を取得する（ステップＳ４０２）。
【００４２】次に、使用頻度に応じて、圧縮方法を段階的に変更する（ステップＳ４０３～Ｓ４０７）。すなわち、使用頻度数が所定の第１のしきい値を超えている場合には（ステップＳ４０３：Ｙｅｓ）、使用頻度が高いと判断され、圧縮自体を行わない（ステップＳ４０５）。
【００４３】また、使用頻度数が所定の第２のしきい値よりも下回っている場合には（ステップＳ４０４：Ｙｅｓ）、使用頻度が低いと判断され、圧縮率の比較的高い圧縮方法を用いて圧縮する（ステップＳ４０６）。
【００４４】さらに、使用頻度数が第１のしきい値と第２のしきい値との間である場合には、使用頻度が中位であると判断され、圧縮率の比較的低い圧縮方法を用いて圧縮する（ステップＳ４０７）。
【００４５】そして、圧縮された波形データを波形辞書に保存し（ステップＳ４０８）、各々どのような圧縮方法をしたか等に関する圧縮方法に関する情報についても、圧縮された波形データとのリンク情報とともに圧縮情報として保存する（ステップＳ４０９）。
【００４６】そして、図５に音声合成時の処理の流れ図を示す。テキストデータが入力されると（ステップＳ５０１）、まず入力されたテキストデータについて、音素ごとに一時記憶領域を照会する（ステップＳ５０２）。一時記憶領域に一致する波形データがある場合には（ステップＳ５０３：Ｙｅｓ）、一時記憶領域に保存されている波形データを用いて音声合成する（ステップＳ５０９）。
【００４７】一時記憶領域に一致する波形データがない場合（ステップＳ５０３：Ｎｏ）、及び一時記憶領域に一致する波形データがない残りのテキストデータについては、波形辞書及び圧縮情報を照会する（ステップＳ５０４）。そして、抽出された波形データが圧縮された波形データか否かを判断し（ステップＳ５０５）、圧縮されていない波形データである場合には（ステップＳ５０５：Ｎｏ）、解凍する必要がないので解凍処理は行わずに、当該波形データをそのまま用いて音声合成する（ステップＳ５０９）。
【００４８】抽出された波形データが圧縮された波形データである場合には（ステップＳ５０５：Ｙｅｓ）、圧縮情報に基づいた圧縮方法に対応した解凍方法により解凍する（ステップＳ５０６）。
【００４９】そして、使用頻度数が所定の第１のしきい値を超えている場合には（ステップＳ５０７：Ｙｅｓ）、解凍後の波形データを一時記憶領域に保存する（ステップＳ５０８）。
【００５０】最後に、解凍された波形データ又は波形データそのものに基づいて合成音声を生成し（ステップＳ５０９）、生成された合成音声を出力する（ステップＳ５１０）。
【００５１】より具体的には、以下のようになる。図６は本発明にかかる音声データ圧縮・解凍装置をコーパスベースの音声合成システムに適用した場合の構成図である。まず、図６において、波形データは波形データ入力装置６１を介して波形辞書６２に入力される。ここで入力されるデータとしては圧縮された波形データであっても良いし、圧縮されない波形データそのものであっても良い。
【００５２】そして、テキストデータ入力装置６１からテキストデータが入力されたら、波形データ照会・抽出装置６３において波形辞書６２を照会し、該当する波形データを音素単位で抽出する。
【００５３】また、頻度情報累積装置６４では、抽出された波形データについて波形辞書６２のどの音素を使用しているのか常時監視し、音素ラベルごとに使用頻度を累積する。かかる累積結果は音素ラベルごとに頻度情報累積装置６４に保存される。なお、使用頻度を頻度情報累積装置６４に保存するタイミングは辞書作成時のみならず、音声合成時にその都度更新するものであっても良い。より実際の使用状況に応じた使用頻度に基づいて波形データの圧縮率を定めることができるからである。
【００５４】また、使用頻度の累積結果は、波形データの使用用途別に累積するものであっても良い。こうすることで、特定の使用用途において使用頻度の高い波形データを確実に短時間で解凍することができることから、より効率的にリアルタイム音声合成を行うことが可能となる。
【００５５】次に、頻度別圧縮データ生成装置６５では、頻度情報累積装置６４に保存されている音素ラベルごとの使用頻度に応じて、圧縮方法を段階的に変更することによって、複数方法を用いた圧縮波形データを生成する。すなわち、使用頻度が非常に高いと判断される音素については、波形データを圧縮して解凍する頻度も高く、特にリアルタイム再生を要求されるような場合においては解凍時間を無視することはできない。そこで、解凍時間自体が生じないように圧縮を行わないようにする。また、使用頻度が高い順に、解凍時間をより短縮できるように圧縮率の低い圧縮方法を用いて圧縮するようにする。
【００５６】このように使用頻度に応じて段階的に圧縮方法を変えることによって、使用頻度の高い音素については比較的短時間で音声合成することができ、使用頻度の低い音素については高い圧縮率で圧縮することでディスク容量等の計算機資源の節約を図ることができる。
【００５７】具体的には、例えば使用頻度の高い音素についてはＬＨＡ等のようなロスレス圧縮方式を、次に使用頻度の高い音素についてはμ－ＬＡＷを、その次はＡＤＰＣＭを、最も頻度の低い音素については圧縮率がさらに高いＣＥＬＰを用いて圧縮する。使用頻度の高低の判断には、使用頻度数に基づいたしきい値による判断が一般的である。ただし、判断方法は特にこれに限定されるものではない。
【００５８】圧縮された波形データ自体は、他の波形データと同様に波形辞書６２に保存され、各音素ごとにどのような圧縮方法をしたか等に関する圧縮方法に関する情報については、圧縮された波形データとのリンク情報とともに圧縮情報記録装置６６に保存される。
【００５９】そして、波形データ照会・抽出装置６３では、波形辞書６２だけではなく、圧縮情報記録装置６６をも同時に照会することで、波形辞書６２から抽出された波形データを解凍するための圧縮情報を入手することになる。
【００６０】圧縮情報記録装置６６における圧縮情報の記録データ構造としては、例えば図７に示すような構造が考えられる。図７では、１音素につき８ビットの情報領域を割り当てた例を示している。このように、圧縮情報は一時記憶領域６８に保存されているか否かのフラグを有する場合には、ステップＳ５００番台の処理が、まず圧縮情報を参照する処理になり、フラグが‘１’なら一時記憶領域６８にアクセスするようにする。
【００６１】図７において、まず１ビット目は、当該音素に対応する波形データが一時記憶領域６８内に保存されているか否かを示すフラグを示す。例えば‘１’の場合には一時記憶領域６８に保存されていることを示し、‘０’の場合には一時記憶領域６８に保存されていないことを示すものである。
【００６２】次に２ビット目から５ビット目は、一時記憶領域６８に当該音素に対応する波形データが保存されている場合の相対アドレスを示している。実際には、実アドレスの変換テーブルを別途有し、当該相対アドレスに基づいて変換処理を行うことで実アドレスを求めることになるが、ここでは特に説明を省略する。
【００６３】最後に、６ビット目から８ビット目は、圧縮方法を示すビット情報を示しており、例えば図８に示すように各ビット情報に基づいて圧縮方法を特定することができるようになっている。例えば、‘０００’は圧縮されていない波形データそのものを示し、‘００１’はＬＨＡ等のロスレス圧縮を示す等のように、ビット情報と圧縮方法を１対１対応で特定する。
【００６４】なお、情報領域としては、１音素につき８ビットである必然性はなく、一時記憶領域６８に保存されているか否か、保存されている場合の保存アドレス、圧縮方法等が特定できるデータ構造であれば、特に限定されるものではない。
【００６５】次に、抽出された波形データ又は圧縮された波形データは波形データ解凍装置６７に送られ、抽出された波形データが圧縮された波形データである場合には、圧縮情報記録装置６６から得た圧縮情報に基づいた適切な解凍方法により解凍することになる。一方、抽出された波形データが圧縮された波形データでない場合には、何ら解凍処理をする必要はない。
【００６６】そして、頻度情報累積装置６４を照会して、使用頻度が高いと判断される波形データについては、解凍後の波形データを一時記憶領域６８に保存する。
【００６７】これは、波形データ照会・抽出装置６３において、テキストデータ入力装置６９からテキストデータが入力されてきた場合に、波形辞書６２及び圧縮情報記録装置６６を照会する前に、当該一時記憶領域６８を照会することで、使用頻度の高い波形データについては圧縮された波形データではなく解凍されている波形データを直接用いることが可能となる。
【００６８】すなわち、入力されたテキストデータに該当する波形データが一時記憶領域６８に保存されている場合には、特に圧縮データを抽出して解凍することなく、直接一時記憶領域６８に保存されている解凍後の波形データを用いて音声合成することになる。こうすることで余分な解凍時間が発生することがなく、短時間で合成音声を出力することができ、リアルタイム再生を行うことも可能となる。
【００６９】最後に、解凍された波形データ又は抽出された波形データに基づいて合成音声を生成し、生成された合成音声を合成音声出力装置７０から出力することになる。合成音声出力装置７０としては、一般にはスピーカ等の音声出力装置が考えられるが、その種類等について特に限定されるものではない。
【００７０】以上のように本実施の形態によれば、波形辞書に波形データを登録する場合において、任意の単位ごとの使用頻度に基づいて波形データの圧縮を行うことで、使用頻度の高いものについては圧縮率の低い、すなわち解凍時間の短い圧縮方法で圧縮し、使用頻度の低いものについては圧縮率の高い、すなわち解凍時間は長いがデータ容量の小さくなる圧縮方法で圧縮できることから、リアルタイム性を要求される場面における解凍時間の短縮化と、計算機資源の有効活用とを、高い次元でバランスをとることができる音声合成装置を提供することが可能となる。
【００７１】また、一時記憶領域を設けることで、使用頻度の高い波形データについては、解凍する必要がなくなることから、より解凍時間の短縮化を図ることができ、リアルタイム再生に対応することが可能となる。
【００７２】なお、本発明の実施の形態にかかる音声データ圧縮・解凍装置を実現するプログラムを実行するためのコンピュータ環境において、プログラム自体は、図９に示すように、ＣＤ－ＲＯＭ９２－１やフロッピー（登録商標）ディスク９２－２等の可搬型記録媒体９２だけでなく、通信回線の先に備えられた他の記憶装置９１や、コンピュータ９３のハードディスクやＲＡＭ等の記録媒体９４のいずれに記録される形態であっても良く、プログラム実行時には、プログラムはローディングされ、主メモリ上で実行される。
【００７３】また、本発明の実施の形態にかかる音声データ圧縮・解凍装置により生成された圧縮データ等についても、図９に示すように、ＣＤ－ＲＯＭ９２－１やフロッピーディスク９２－２等の可搬型記録媒体９２だけでなく、通信回線の先に備えられた他の記憶装置９１や、コンピュータ９３のハードディスクやＲＡＭ等の記録媒体９４のいずれで記録される形態であっても良く、例えば本発明にかかる音声データ圧縮・解凍装置を利用する際にコンピュータ９３により読み取られる。
【００７４】（付記１）波形データを既存の波形辞書を照会して抽出する波形データ照会・抽出部と、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存する頻度情報保存部と、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存する頻度別圧縮データ生成・保存部と、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍する波形データ解凍部とを含み、前記波形データに関する前記使用頻度について一又は複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮・解凍装置。（１）
（付記２）前記使用頻度が大きい前記使用頻度範囲に属している前記波形データについては、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、解凍された前記波形データを用いて音声合成する付記１記載の音声データ圧縮・解凍装置。（２）
（付記３）前記一時記憶領域に新たな解凍された前記波形データを追加保存できなくなった場合には、前記使用頻度が小さい前記波形データから順に前記一時記憶領域から削除する付記２記載の音声データ圧縮・解凍装置。
【００７５】（付記４）前記使用頻度にかかわらず、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、前記一時記憶領域に新たな前記解凍された前記波形データを追加保存できなくなった場合には、前記使用頻度が小さい前記波形データから順に前記一時記憶領域から削除する付記１記載の音声データ圧縮・解凍装置。（３）
（付記５）前記使用頻度を使用用途別に累積する付記１から４のいずれか一項に記載の音声データ圧縮・解凍装置。
【００７６】（付記６）波形データを既存の波形辞書を照会して抽出する波形データ照会・抽出部と、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存する頻度情報保存部と、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存する頻度別圧縮データ生成・保存部とを含み、前記波形データに関する前記使用頻度について複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮装置。
【００７７】（付記７）付記１記載の音声データ圧縮・解凍装置を用いて圧縮された前記波形データについて、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍することを特徴とする音声データ解凍装置。（４）
（付記８）前記使用頻度が大きい前記使用頻度範囲に属している前記波形データについては、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、解凍された前記波形データを用いて音声合成する付記７記載の音声データ解凍装置。（５）
（付記９）前記一時記憶領域に新たな解凍された前記波形データを追加保存できなくなった場合には、前記使用頻度が小さい前記波形データから順に前記一時記憶領域から削除する付記８記載の音声データ解凍装置。
【００７８】（付記１０）前記使用頻度にかかわらず、前記波形データ解凍部において解凍された前記波形データを一時記憶領域に保存し、前記一時記憶領域に新たな前記解凍された前記波形データを追加保存できなくなった場合には、前記使用頻度が小さい前記波形データから順に前記一時記憶領域から削除する付記７記載の音声データ解凍装置。（６）
（付記１１）波形データを既存の波形辞書を照会して抽出する工程と、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存する工程と、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存する工程と、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍する工程とを含み、前記波形データに関する前記使用頻度について一又は複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮・解凍方法。（７）
（付記１２）波形データを既存の波形辞書を照会して抽出する工程と、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存する工程と、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存する工程とを含み、前記波形データに関する前記使用頻度について複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮方法。
【００７９】（付記１３）付記１１記載の音声データ圧縮・解凍方法を用いて圧縮された前記波形データについて、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍することを特徴とする音声データ解凍方法。（８）
（付記１４）波形データを既存の波形辞書を照会して抽出するステップと、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存するステップと、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存するステップと、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍するステップとを含み、前記波形データに関する前記使用頻度について一又は複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮・解凍方法を実現するコンピュータに実行させるプログラム。（９）
（付記１５）付記１１記載の音声データ圧縮・解凍方法を実現するコンピュータに実行させるプログラムを用いて圧縮された前記波形データについて、前記波形辞書に保存されている圧縮された前記波形データを、前記圧縮方法に関する情報に基づいて解凍することを特徴とする音声データ解凍方法を実現するコンピュータに実行させるプログラム。（１０）
（付記１６）波形データを既存の波形辞書を照会して抽出するステップと、抽出された前記波形データについて音声合成に用いられた使用頻度を累積して保存するステップと、前記使用頻度に応じて段階的に圧縮方法を変更して前記波形データを圧縮し、圧縮された前記波形データを前記波形辞書に保存するとともに、圧縮された前記波形データ各々についての前記圧縮方法に関する情報を保存するステップとを含み、前記波形データに関する前記使用頻度について複数個の所定のしきい値を定め、前記しきい値で区切られた複数個の使用頻度範囲において、前記使用頻度が小さい前記使用頻度範囲に属しているほど段階的に圧縮率が高い圧縮方法を用いて波形データを圧縮することを特徴とする音声データ圧縮方法を実現するコンピュータに実行させるプログラム。
【００８０】
【発明の効果】以上のように本発明にかかる音声データ圧縮・解凍装置によれば、波形辞書に波形データを登録する場合において、任意の単位ごとの使用頻度に基づいて波形データの圧縮を行うことで、使用頻度の高いものについては圧縮率の低い、すなわち解凍時間の短い圧縮方法で圧縮し、使用頻度の低いものについては圧縮率の高い、すなわち解凍時間は長いがデータ容量の小さくなる圧縮方法で圧縮できることから、リアルタイム性を要求される場面における解凍時間の短縮化と、計算機資源の有効活用とを、高い次元でバランスをとることができる音声合成装置を提供することが可能となる。
【００８１】また、一時記憶領域を設けることで、使用頻度の高い波形データについては、解凍する必要がなくなることから、より解凍時間の短縮化を図ることができ、リアルタイム再生に対応することが可能となる。

【出願人】	【識別番号】０００００５２２３【氏名又は名称】富士通株式会社
【出願日】	平成１３年３月２日（２００１．３．２）
【代理人】	【識別番号】１０００９５５５５【弁理士】【氏名又は名称】池内寛幸
【公開番号】	特開２００２－２５８８９４（Ｐ２００２－２５８８９４Ａ）
【公開日】	平成１４年９月１１日（２００２．９．１１）
【出願番号】	特願２００１－５７９８０（Ｐ２００１－５７９８０）