はじめに

現在，カーナビゲーションシステムや電車の社内アナウンスなどのように， 音声ガイダンスを利用したシステムやサービスが様々な場面において利用されて いる．このようなシステムでは，録音編集方式が広く使われている．録音編集方 式というのは，ユーザーに依存しない比較的長い文音声(以下，固定部)と，ユー ザーに依存する比較的短い単語・文節音声(以下，可変部)を別々に録音しておき， 必要に応じて組み合わせることで，目的となる出力音声を作成する方法である．

例えば，「次の交差点を右折です.」という音声ガイダンスを作成する場合， 「次の○○左折です.」を固定部に，「交差点を」可変部を挿入して作成する． 録音編集方式を用いた音声合成においては，可変部と固定部を接続した場合の 違和感を軽減するために，一般に同一話者の音声が必要となる．可変部と固定部 を分離して録音することにより，必要となるすべての音声を録音する場合に比べ て話者に対する負担は若干軽減されるが，可変部に挿入する単語が増大した場合， 同一話者から全ての音声を録音することは困難となる．そこで，固定部は録音音 声，可変部は合成音声を用いる方式がとられている．その音声合成を作成する方 法の1つとして，音節波形接続方式[1]が提案されている．

音節波形接続方式は，音響的なパラメータを使用せず，言語的なパラメータのみ で合成音声を作成する方式であり，信号処理を加えないで接続することにより， 自然性の高い合成音声を作成できる．この方式の過去の研究としては，固有名詞，普通名詞，文節(短文節)を対象として行われた．その結果，品質の高い合成音声が得られることが報告されている[2][3][4]． しかし，この手法は文節(短文節)における音声合成において1話者のみでしか行われ ていない．またフレーズ(長文節)における有効性が確認されていない． そこで本研究は，この2つの問題点について調査を行う．

作成した合成音声を評価するために，聴覚実験ではオピニオン評価実験と対比較 実験を行った．その結果，聴覚実験におけるオピニオン評価において，短文節の 合成音声は4.41，また，フレーズの合成音声は3.71という結果が得られた． そして対比較実験結果では，短文節の合成音声が26.6%，フ レーズの合成音声が7%が自然音声よりも良い音だと判断されたことから，高い 品質の合成音声が作成可能であることが分かった．

以降，2章で音節波形接続方式を用いた音声合成について説明する．そして，3章 で音声合成の評価方法の説明を行い，4章で文節発声における音節波形接続方式 の話者依存性，5章でフレーズにおける音節波形接続方式の有効性について述べ る．