アーティキュレートリー・シンセシス ()、調音合成 (ちょうおんごうせい) あるいは 調音音声合成 とは、人間の声道のモデルと そこで行なわれる調音プロセス () に基づいて音声合成を行なうための計算手法である。声道の形状は通常、舌や顎、唇といった調音器官の位置変更と関連した数多くの調音方法で制御できる。声道の表現を介した空気の流れのデジタル・シミュレーションで、音声が生成される。
機械式語り手
機械式「語り手」() の製作の試みには長い歴史がある。. (PDF) オーリヤックのジェルベール (–1003)、アルベルトゥス・マグヌス (1198–1280)、ロジャー・ベーコン (1214–1294) らは皆、喋る頭 () を作ったと言われている ()。しかしながら、歴史的に確認された音声合成の始まりはヴォルフガング・フォン・ケンペレン (1734–1804)であり、ケンペレンは1791年に研究報告を出版した。(も参照)
電子式声道
最初の電子式アナログ声道は、や、のように静的なものだった。は動的な声道 ()を組み立て、後にがコンピュータ制御を試みた。、)、らもアナログ声道ハードウェアについて説明している。
最初のコンピュータ・シミュレーションは、が行なった; その後デジタルコンピュータによるシミュレーションを、例えば、、が行なった。はアナログコンピュータによるシミュレーションを行なった。
Haskinsと前田のモデル
研究室の実験で定期的に使用される 最初のソフトウェアによる調音シンセサイザーは、1970年代半ばにで により開発された。として知られるこのシンセサイザーは、1960年代–1970年代にベル研究所で およびその同僚らによって開発された声道モデルに基づく音声生成の計算モデルだった。もう一つの頻繁に使用された著名なモデルは、前田 眞治 ()による、舌の形状制御に因子ベースのアプローチ () を使ったモデルである。
現代的なモデル
音声生成イメージング、調音制御モデリング、舌の生体力学モデリング の最近の進展は、調音合成が行われる方法に変化をもたらしている。
一例として、 が設計したモデル ()では、声道の縦断面を実際の核磁気共鳴画像(MRI)データと一致させており、MRIデータを声道の3次元モデルの構築に使用している。
フル3次元の調音合成モデルは が説明している。
幾何学的に基づいた3次元調音スピーチ・シンセサイザーはにより開発されている。(参照)
プロジェクトは、 ブリティッシュコロンビア大学のが率いており、人間の声道と上気道のための3次元生体力学モデリング・ツールキットを提供している。
舌などの調音器官の生体力学モデリングは、, と , 党 建武 () と 本多 清志 () など数多くの科学者によって開拓されている。
商用モデル
数少ない商用の調音スピーチ・シンセシス・システムの一つは、NeXTベースのシステムで、多数の独自研究が実施されていたカナダのカルガリー大学のスピンオフ企業 により開発・販売された。
1980年代後半スティーブ・ジョブスが設立し、1997年Apple Computerと合併した NeXTの様々な転生が消滅した後、Trilliumのソフトウェアはで公開され、として継続している。
1994年に最初に発売されたこのシステムは、ので制御される、人間の口腔および鼻腔の導波路 () モデルもしくは 伝送路アナログ() を使った. (PDF)()、フル調音ベースのテキスト読み上げ変換を提供する。
関連項目 調音音声学
音声合成 ソース・フィルタモデル
脚注
参考文献
外部リンク
From MRI and Acoustic Data to Articulatory Synthesis
Praat: doing phonetics by computer
Introduction to Articulatory Speech Synthesis Simulated singing with the singing robot Pavarobotti or a description from the BBC on how the robot synthesized the singing.