音声合成技術

ユーザ系基礎
音声合成技術
●音声合成技術とその応用例
任意の文章（テキスト）から音声を合成する技術を、テキスト音声合成技術
あるいは単に音声合成技術と呼びます。情報源へのマルチアクセス・ユビキ
タス環境などの発展に伴い、音声での情報伝達の利便性が再認識され、音
声合成技術に対するニーズが増大しています。NTTでは、このニーズに応え、
音声対話エージェントや音声対話インタフェースを備えたロボットをはじめとし
て、電子書籍の読み上げや対話型のデジタルサイネージなど、さまざまな用
途に利用できる、音声合成技術の研究開発を行っています。
ユーザの問いかけに応じてさまざまな情報を提供してくれる音声対話エー
ジェントやロボットには、情報の内容を適切に伝えるだけでなく多様なユーザ
の好みに応じるためのさまざまなキャラクター性が求められます。このため合
成音声には、ただ単にテキストの内容を読み誤らず自然性の高い音声で伝え
るだけではなく、多彩なキャラクター性による豊かな表現力が求められるよう
になってきました。しかし、現在市場で主流の音声合成技術でユーザの好み
に応じた新しい声質や口調を実現するためには、数時間以上の音声を事前
に録音する必要があります。これではユーザの多様なニーズに対応すること
がコストの観点から難しくなります。そこで、より低コストで多様なユーザニー
ズに対応した合成音声を実現することを狙い、40分程度の音声で新しい声質
や抑揚による合成音声を可能とする技術を開発しています。
名古屋の名物って
何かな？
むかしむかし、
あるところに・・・・
名古屋の名物と
いえば手羽先です
音声対話エージェント
電子書籍
音声合成アプリケーションインタフェース
テキスト
読み・アクセント
付与方式
音声合成サーバ
合成音声
統計的音声合成
方式
新しい声質・口調
モデル
モデル適応方式
少量の音声
copyright (c) 2016 日本電信電話株式会社