a. ピッチ周波数

単語のピッチパターンは アクセント型によらず語頭で上昇したのち 語尾に向かって下降する成分と アクセントの位置に対応して上昇・下降する 成分の和として近似できる[7]. 日本語の単語アクセントは「低高高高低」のように 各音節ごとの高低で表わされるため, 各音節のピッチ周波数は 単語のモーラ数とアクセント型,および 音節の単語内における位置で表現できると仮定した.

$M$ モーラ語であれば理論上 $M+1$ 通りのアクセント型が存在する. しかし本研究のように合成対象単語が 「地名」「姓名」のように限られている場合, 全てのアクセント型が均等に現れるわけではない. 実際に 4$\sim$6 モーラの地名を同一話者が発声した音声から 100件ずつランダムに選んで検聴したところ, ほとんどのアクセント型は $M-2$ 型,もしくは 0 型であった. さらに,これらの単語音声のピッチ周波数を調査した. 図1

図 1: 5モーラ語2,800件の$f_0$平均,分散

に単一話者が発声した5モーラ語2,800件のピッチ周波数 平均値と分散を示す. 時間軸はモーラ数5で正規化したのち計算した. ピッチ周波数の分散は非常に小さく, アクセント型を意識しなくて良いと考えた. 4,6モーラ語も同様の傾向を示し,分散も 5モーラ語と同程度であった.

従って,少なくとも 4$\sim$6 モーラの地名の場合には, 各音節のピッチ周波数を単語のモーラ数と音節のモーラ位置で 表現できると考えた.