JP2002027177A - 音声・画像処理装置 - Google Patents

Abstract

(57)【要約】 【課題】音声付き画像シートを作成依頼する際の音声デ
ータの入力方法を改善すること。 【解決手段】音声データを光学的に読み取り可能なよう
にコード化された音声コードイメージに変換するコード
変換部４０と、音声付き画像シートを作成するために音
声コードイメージと画像データに基づく画像イメージを
プリントするプリント部を備えた音声・画像処理装置に
おいて、入力されたテキストデータを処理するテキスト
入力処理部２３が備えられ、かつこのテキスト入力処理
部で処理されたテキストデータに基づいてこのテキスト
データの音声を再生する音声コードイメージが生成され
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声データを光学
的に読み取り可能なようにコード化された音声コードイ
メージに変換するコード変換部と、音声付き画像シート
を作成するために前記音声コードイメージと画像データ
に基づく画像イメージをプリントするプリント部を備え
た音声・画像処理装置に関する。

【０００２】

【従来の技術】近年、マルチメディア時代を迎えて、情
報の伝達を視覚だけに頼るのではなく、聴覚も利用する
ことが積極的に試みられており、音声付き画像シート、
特に音声付き写真もそのような試みの１つであり、例え
ば、日本国特開平６−２３１４６６号公報、及び、日本
国特開平７−１８１６０６号公報では、図や写真、文字
に加えて音声を光学的に読取可能に変換したドットコー
ド（音声コードイメージ）を同一の用紙上に印刷し、こ
のドットコードを読み取る専用のスキャナーにより音声
が聞こえるという、音声付き画像シートを開示してい
る。このような音声付き画像シートは、特に発音を繰り
返し勉強するための語学教材、動物の鳴き声を収録する
写真図鑑、音の出る絵本、あるいは、結婚式、成人式、
七五三などの記念行事を行事に付随する音声とともに記
録する写真として適用されている。

【０００３】

【発明が解決しようとする課題】また、最近では、適当
な写真に、音声コード化されたメッセージを付与したも
のが、新しいメッセージカードとして注目されてきてい
るが、このようなメッセージカードの作成をＤＰショッ
プ等に依頼する場合、プリントしたい画像を収めた写真
フィルムやデジタルカメラの記録メディアを提出するだ
けでなく、店頭でマイクを通じて音声メッセージを吹き
込む必要がある。これは、メッセージの内容にかかわら
ず、一般の人にとって結構恥ずかしい行為であり、この
ためにメッセージカードの作成を躊躇する人が少なくな
い。店頭での音声メッセージの吹き込みを避けるため、
予め家で音声メッセージを吹き込んだカセットテープや
ＭＤなどを持参してもよいが、確認のために再生するケ
ースが多いし、簡単なメッセージのためにいちいち家で
録音することは煩わしいものである。上記実状に鑑み、
本発明の課題は、音声付き画像シートを作成依頼する際
の音声データの入力方法を改善することである。

【０００４】

【課題を解決するための手段】上記課題を解決するた
め、音声データを光学的に読み取り可能なようにコード
化された音声コードイメージに変換するコード変換部
と、音声付き画像シートを作成するために前記音声コー
ドイメージと画像データに基づく画像イメージをプリン
トするプリント部を備えた音声・画像処理装置におい
て、本発明では、入力されたテキストデータを処理する
テキスト入力処理部が備えられ、かつ前記テキスト入力
処理部で処理されたテキストデータに基づいてこのテキ
ストデータの音声を再生する音声コードイメージが生成
されることを特徴としている。

【０００５】この構成では、音声付き画像シートを作成
するために必要な音声コードイメージのソースデータと
してテキストデータの形態で入力されたものを用いるの
で、顧客はメッセージ内容を肉声で吹き込む必要がな
い。テキストデータの入力としては、例えば、この音声
・画像処理装置に接続されたキーボードを用いて直接メ
ッセージ内容を打ち込んでもよいし、予めワープロ等を
利用して作成したメッセージをフロッピー（登録商標）
等の記録メディアに記録して、それを店に持ち込んでも
よい。さらには、電子メールを介して店にメッセージ内
容を送ることも可能であり、その際、作成すべき音声付
き画像シートのための画像データを添付ファイルとして
送るなら、音声付き画像シートの注文時には顧客が店に
出向く必要がなくなる。

【０００６】本発明の好適な実施形態では、入力された
テキストデータに基づいて合成音声データを生成する音
声合成部が備えられ、前記コード変換部が前記音声合成
部で生成された合成音声データを前記音声コードイメー
ジのためのソース音声データとして使用するように構成
されている。

【０００７】この構成では、音声付き画像シートを作成
するために必要な音声データとして、最初テキストデー
タの形態で入力されたものから音声合成技術を利用して
合成音声データ化されるものを利用することができるの
で、やはり、顧客はメッセージ内容を肉声で吹き込む必
要がない。

【０００８】音声合成部の一例として、本発明の好適な
実施形態では、テキスト解析用辞書を用いて入力テキス
トデータを解析することでその読みを同定するとともに
さらにアクセントと韻律を設定して得られた音韻系列か
ら合成音声エレメント辞書を用いて合成音声データを生
成するテキスト音声合成部を備えている。この構成で
は、キーボードから入力された仮名漢字混じりテキスト
データや記録メディアに保存されたテキスト文書や電子
メールを通じて送られてきたテキスト文書を読み込むこ
とで入力されたテキストデータに対してテキスト解析用
辞書を用いて読みと文節のアクセントが与えられ、さら
に合成音声エレメント辞書にアクセスしながらの韻律パ
ラメータの編集工程を通じて音声のパワーと基本周波数
を調整することで、ある程度の口調を設定することがで
きる。従って、顧客の要望に応じて、女性口調や男性口
調、あるいは怒り口調や喜び口調を選択して、最終的な
合成音声データを作成することができる。この点に関す
る、より好ましい形態として、前記合成音声エレメント
辞書に格納される合成音声エレメントを個人別で登録さ
れた肉声データに基づいて作製するならば、合成音声を
顧客の肉声に類似した親しみのある音声とすることも可
能となる。

【０００９】上述したようなテキスト音声合成部は高度
の技術を必要とし、装置的にも操作的にも大きな負担と
なるものであることから、これに代わる簡易的な音声合
成技術として、本発明の別な実施形態では、入力テキス
トデータを予め登録された語彙やフレーズの肉声データ
を格納している登録音声エレメント辞書を用いて断片的
に順次合成音声データに変換する音声編集合成部を備え
ているものがある。これは、語彙・フレーズの限定され
た肉声の断片から文音声を生成する編集合成と呼ばれる
方式であり、合成音声データの生成は、テキストデータ
の断片を登録音声エレメント辞書を用いて音声データの
断片で置き換えることで行われるので、高速処理可能で
かつ装置コストも抑えることができる。

【００１０】このような編集合成によって得られる肉声
に比べて低品質の合成音声データをより親しみをもって
聞くことができるように、本発明では、その登録音声エ
レメント辞書に、個人別で登録された肉声データを格納
することが提案される。つまり、音声付き画像シートの
顧客に対して予め、編集合成のために最低限必要とされ
る音声エレメントを顧客自身の肉声で登録しておく。音
声付き画像シートの注文時には、音声メッセージのソー
スとしてのテキストデータと適当な画像データを提出す
ると、本人の登録音声エレメントを用いた編集合成で合
成音声データが作成されるので、流暢に流れる音声でな
くとも、本人の肉声断片が使われているだけに、親しみ
のある音声として再生されることになる。

【００１１】さらに、本発明の好適実施形態として、音
声合成部が合成音声データの声質を変形させる声質変形
部を備えているならば、世の中に存在しないような音声
データを作り出すことが可能であり、特に遊び感覚での
音声付き画像シートの交換などの目的にかなったものと
なる。このような音質変形は、例えば、音声データの周
波数を線形変換することにより簡単に実施することがで
きる。その際、音質変形のパラメータを顧客別に管理し
ておくと、顧客は独自の音声特徴をもった音声データ変
形パラメータを自分専用として確保することができる。

【００１２】キーボードを用いて直接メッセージ内容を
打ち込んだりすることを嫌う顧客に対する方策として、
本発明の好適な実施形態の１つでは、文字認識装置が追
加的に備えられており、この文字認識装置によって出力
されたテキストデータが音声コードイメージ変換に用い
られる。ここで、文字認識装置は用紙に手書きされた文
字をＯＣＲで読み取ってテキストデータ化したり、タッ
チパネル上で所定のペンで書かれた文字を読み取ってテ
キストデータ化する装置の総称であり、この構成によ
り、音声付き画像シートを作成依頼する際の音声データ
の入力方法はさらに簡単になるとともに、その入力形態
も多様化することになる。

【００１３】以上の説明から明らかなように、本発明の
重要な特徴は、テキストデータを音声化することにある
が、本発明で取り扱っているテキストデータは、印刷さ
れたテキストとしての文字や数字・記号の集まり、印刷
物等に対するスキャナによる読取データ、電子化された
テキストとしての文字や数字・記号の集まり、入力デバ
イスを通じて逐次入力されるキャラクターコード群など
に代表されるように、広義の意味合いで解釈されるべき
であり、コンピュータのメディア変換技術において何ら
かの形で文字情報として認識される全てのデータが含ま
れるものである。本発明によるその他の特徴及び利点
は、以下図面を用いた実施例の説明により明らかになる
だろう。

【００１４】

【発明の実施の形態】音声付き画像シートを作成するた
めの、本発明による音声・画像処理装置の１つの実施形
態が、図１の外観図及び図２の機能ブロック図によって
示されている。この音声・画像処理装置の中核となるの
が、汎用コンピュータ１であり、図２で示された音声付
き画像シートの作成に要求される種々の機能をハードウ
エアとソフトウエアによって構築している。この音声・
画像処理装置はＤＰショップなどの店頭に配置され、顧
客の依頼による音声付き写真を作成するサービスを行う
タイプのものである。

【００１５】このコンピュータ１には、Ｉ／Ｏインタフ
ェース部１０を介して種々の入力機器と出力機器が接続
している。出力機器としては、最終的に音声付き画像シ
ートとしての音声付き写真２を出力するプリント部とし
て銀塩写真プリンタ３（銀塩写真フィルムのプリントな
どに使用されているものが兼用される）、作業中の画像
の確認等のためのモニタ４や入力された音声データのチ
ェックのためのスピーカ５が挙げられる。入力機器とし
ては、直接的に音声をコンピュータ１に入力するための
マイク６ａやカセットプレーヤ６ｂ、さらにデジタルカ
メラによる撮影画像の取り込みのためのカードリーダ７
ａや銀塩フィルムからの撮影画像の取り込みのためのフ
ィルムスキャナ７ｂが挙げられる。さらに、テキストデ
ータをコンピュータに入力するための機器として、キー
ボード８ａ、手書き又は印刷された文字を読み取るフラ
ットベットスキャナ８ｃ、インターネットを通じて送ら
れてくるテキストデータを受信するための通信機器８ｄ
が挙げられる。

【００１６】また、音声データや画像データの入出力の
ためによく用いられているフロッピドライブ８ｅやＭＯ
ドライブ８ｆもコンピュータ１に内蔵されている。キー
ボード８ａは、マウス８ｂとともに図３で示された各機
能に対しコマンドを与えるためにも用いられるし、通信
機器８ｄは当然テキストデータだけでなく、画像データ
も受信することができる。

【００１７】入力された画像データと音声データを用い
て音声付き写真２を作成するしくみは後で詳しく説明す
るとして、銀塩写真プリンタ３から出力された音声付き
写真２では、図３に示すように写真画像領域２ａの周辺
に配置された音声コードイメージ領域２ｂに対して専用
の読取スキャナ９０で走査すると、この読取スキャナ９
０に内蔵されている音声再生回路の働きで音声コードイ
メージに対応する音声信号が出力され、例えばイヤフォ
ン９１等で音を聞くことができる。

【００１８】この音声・画像処理装置は、主な機能ユニ
ットととして、図２から理解できるように、音声付き写
真２における写真画像のソースとしての画像データを受
け取る画像入力処理部２１、音声付き写真２における音
声コードイメージのソースとしての音声データを外部か
ら直接受け取る音声入力処理部２２、音声コードイメー
ジに変換される音声データのソースとなるべきテキスト
データを受け取るテキスト入力処理部２３、入力された
テキストデータに基づいて合成音声データを生成する音
声合成部３０、音声データを光学的に読み取り可能なよ
うにコード化された音声コードイメージに変換するコー
ド変換部４０、画像データ格納部５１、音声コードイメ
ージ格納部５２、そして適正に処理された画像データと
音声コードイメージとから音声付き写真２のためのプリ
ントデータを生成する画像音声合成処理部６０を備えて
いる。

【００１９】画像入力処理部２１は、画像編集部２１ａ
や画像選択部２１ｂを備えており、カードリーダ７ａ、
フィルムスキャナ７ｂ、通信機器８ｄ、フロッピドライ
ブ８ｅ、ＭＯドライブ８ｆなどから入力された画像デー
タは必要に応じて画像選択部２１ｂによって選択され、
選択された画像データに対して画像編集部２１ａが色調
補正や解像度変換などの編集処理を行う。

【００２０】音声入力処理部２２は、音声付き写真２に
形成される音声コードイメージのソースとしての音声デ
ータが直接、顧客から与えられる場合に利用されるもの
であり、マイク６ａやカセットプレーヤ６ｂ、カードリ
ーダ７ａ（デジタルボイスレコーダ用メモリカードの使
用時）などから入力された音声データは必要に応じて、
音声選択部２２ｂによって選択され、音声編集部２２ａ
によって編集処理が行われる。

【００２１】テキスト入力処理部２３は、音声付き写真
２に形成される音声コードイメージのソースとして顧客
がテキストデータを与える場合に利用されるもので、顧
客が持参したフロッピディスクに保存されたテキストフ
ァイルや電子メールの形で送付されたテキストデータを
フロッピドライブ８ｅや通信機器８ｄを通じて取り込ん
だ後、テキスト編集部２３ａが必要なテキスト編集を施
す。また、キーボード８ａを通じて、顧客又はオペレー
タが直接入力したテキストデータもこのテキスト編集部
２３ａによって処理される。さらに、オプションとし
て、ＯＣＲ機能を持たせるために文字認識部２４を備え
ることも可能である。ＯＣＲ機能を持たせた場合、顧客
が提示したメッセージ文書をフラットベットスキャナ８
ｃで読み取らせた後、文字認識部２４によってテキスト
データに変換する。つまり、フラットベットスキャナ８
ｃと文字認識部２４が文字認識装置を構築している。

【００２２】テキスト入力処理部２２によって必要な編
集処理を施されたテキストデータを合成音声データに変
換する音声合成部３０はテキスト音声合成部３１とテキ
スト解析用辞書３２と合成音声エレメント辞書３３を備
えており、テキスト音声合成部３１はテキスト解析用辞
書３２を用いて入力テキストデータを解析することでそ
の読みを同定するとともにさらにアクセントと韻律を設
定して得られた音韻系列から合成音声エレメント辞書３
３を用いて合成音声データを生成する。なお、合成音声
エレメント辞書３３のソースとしての音声としては女性
の音声又は男性の音声のいずれでもよいが、両方備えて
選択するようにすることも可能である。さらには、特定
の人物の音声をソースとした数多くの合成音声エレメン
ト辞書３３を用意して、任意に切り換えて利用する構成
も可能である。

【００２３】さらに、音声合成部３０には、上述のよう
に作成された合成音声データの声質を変形させる声質変
形部３４も付随しており、この声質変形部３４は入力し
た音声データに対して、アップ・ダウンサンプリングに
よる周波数の線形変換や時間軸調整によって、テープレ
コーダの早回しや遅回しと類似した変形を施して出力す
るものである。この音声変形部３４は、音声入力処理部
２２から送られてくる音声データに対しても音声変形処
理を施すことができる。

【００２４】音声入力処理部２２から送られてきた肉声
の音声データや音声合成部３０から送られてきた合成音
声データを音声コードイメージに変換する音声コード変
換部４０は、波形符号化、分析合成符号化など公知の符
号化手法から適当に選ばれたもので構築された音声デー
タ圧縮符号化部４１と、これにより符号化された音声コ
ードデータを二次元のコードイメージに展開する音声コ
ードイメージ生成部４２と、後ほど行われる画像データ
に基づく画像イメージと音声コードイメージとの音声付
き写真におけるレイアウト編集の際に便利なように音声
付き写真２に形成される音声コードイメージのサイズ
（外形寸法）を算出するプリコードイメージ生成部４３
とを備えている。

【００２５】画像入力処理部２１で編集された画像デー
タは画像イメージとして画像データ格納部５１に、コー
ド変換部２１で変換された音声コードイメージは音声コ
ードイメージ格納部５２に一時的に格納され、画像音声
合成処理部６０によって所望のレイアウトでもってプリ
ンタ３によってプリント出力されるようにプリントデー
タ化される。このため、画像音声合成処理部６０は、画
像データ格納部５１に格納された画像イメージと音声コ
ードイメージ格納部５２に格納された音声コードイメー
ジのレイアウト処理を行う画像・音声コードイメージレ
イアウト編集部６１と、決定されたレイアウトで両イメ
ージを合成してプリントデータを生成する画像・音声コ
ードイメージ合成処理部６２を備えている。このレイア
ウト編集時には、プリコードイメージ生成部４３で算出
された音声コードイメージのサイズに基づくダミーボッ
クスエリアがモニタ４上に表示され、同じく表示されて
いる画像イメージとの位置関係を見比べながらの正確な
レイアウト作業を可能にしている。

【００２６】上述した音声・画像処理装置による音声付
き写真２の典型的な作成手順を図４のフローチャートを
用いて説明する。ここでは音声付き写真２の注文が電子
メールによってなされているとする。電子メールが到着
すると（＃１）、この電子メールの添付ファイルとして
の画像データが画像入力処理部２１に入力される（＃１
１）と、その画像データは画像編集部２１ａの働きで、
モニタ４でその画像イメージを確認しながらオペレータ
の操作を通じて色調・階調変換、拡大縮小等の編集処理
が行われる（＃１２）。入力された画像が複数存在する
場合は画像選択部２１ｂによって選択された後この編集
処理が行われる。編集処理された画像データは、一旦画
像データ格納部５１に格納される（＃１３）。

【００２７】一方、音声コードイメージのソースとして
のテキストデータを含む電子メールファイルは、テキス
ト入力処理部２３のテキスト編集部２３ａに送られ（＃
１４）、そこで、その電子メールから音声付き写真２に
音声コードイメージとして取り込まれるべきメッセージ
だけを含むテキストデータが切り出される（＃１５）。

【００２８】漢字仮名混じりテキストとして音声合成部
３０に送られてきたテキストデータは、テキスト音声合
成部３１によってテキスト解析用辞書３２にアクセスし
ながら解析され（＃２１）、単語を同定しながら読み、
アクセントが付与される（＃２２）。次いで、息継ぎ位
置が設定されるとともに文全体のイントネーションが決
定され、音素記号と韻律パラメータからなる音韻系列が
作り出される（＃２３）。作り出された音韻系列に対し
て合成音声エレメント辞書３３にアクセスしながら順次
合成音声エレメントを接続し、合成音声データを生成す
る（＃２４）。

【００２９】この合成音声データに声質変形処理が要求
されている場合（＃２５YES 分岐）、声質変形部３４に
よって周波数線形変換等が施され（＃２６）、要求され
ていない場合（＃２５NO分岐）、合成音声データはその
ままコード変換部４０に送られる。

【００３０】まず、合成音声データは音声データ圧縮符
号化部４１に送られ、圧縮処理が行われ、続いて、音声
コードイメージ生成部４２にて、光学的に読取り可能な
音声コードイメージに変換される（＃３１）。さらにこ
の音声コードイメージのサイズ（外形寸法）がプリコー
ドイメージ生成部４３によって算出され（＃３２）、音
声コードイメージのデータとともにサイズデータもは音
声コードイメージ格納部５２に一旦格納される（＃３
３）。

【００３１】画像データ格納部５１に記憶された画像デ
ータと、音声コードイメージ格納部５２に記憶された音
声コードイメージは、画像音声合成処理部６０の画像・
音声コードイメージレイアウト編集部６１にそれぞれ取
り込まれて画像イメージと音声コードイメージのレイア
ウト編集処理がなされる（＃４０）。実際のレイアウト
編集処理ではモニタ４の画面にレイアウト編集画面が表
示され、カーソルの指示により画像イメージと音声コー
ドイメージを擬似的に示すダミーボックスエリアのレイ
アウト編集が行われる。このレイアウト編集は予め選択
されたテンプレートを用いて画像イメージと音声コード
イメージを自動的に流し込む方法を採用することも可能
である。その際、例えば、音声コードイメージの長さが
印刷可能長さを越えると、これを２つに分離して２段構
成にするなどの再編集が行われる。

【００３２】画像・音声コードイメージ合成処理部６２
は、画像・音声コードイメージレイアウト編集部６１か
らのレイアウト情報を受け取ると、画像データ格納部５
１及び音声コードイメージ格納部５２にそれぞれリクエ
スト信号を送信し、対応画像データ及び音声コードイメ
ージデータを受け取る。受け取った画像イメージのデー
タと音声コードイメージのデータはレイアウト情報に基
づいて一体化され、プリントデータとして生成される
（＃４１）。このプリントデータがプリンタ３に送信さ
れることにより、画像イメージと音声コードイメージが
印画紙に露光され、露光印画紙が現像処理されることに
より図３で示されるような音声付き写真２が作成される
（＃５０）。

【００３３】〔別実施形態〕図５で示された本発明の別
実施形態の機能ブロック図では、図２で示された先の実
施形態のものと比べて、音声合成部３０がテキスト音声
合成部３１の代わりに音声編集合成部３５によって構成
されている点で異なっている。

【００３４】語彙・フレーズの限定された肉声の断片か
ら文音声を生成する編集合成と呼ばれるこの方式で合成
音声データを生成するためには、予め登録された語彙や
フレーズの肉声データを格納している登録音声エレメン
ト辞書３６が必要であり、音声編集合成部３５は、テキ
スト入力処理部２３から送られてきたテキストデータを
断片化し、その断片を登録音声エレメント辞書を用いて
音声データの断片で置き換えていく。

【００３５】この実施形態では、その登録音声エレメン
ト辞書３６に、個人別で登録された肉声データを格納す
ることも可能である。つまり、音声付き画像シートの顧
客に対して予め、編集合成のために最低限必要とされる
音声エレメントを顧客自身の肉声で登録・格納してお
き、音声付き画像シートの注文時には、本人の登録音声
エレメントを用いた編集合成で合成音声データが作成さ
れる。登録されていない顧客に対しては、標準で用意さ
れている音声エレメントが使用される。

【００３６】また、この実施形態の音声・画像処理装置
は、図６に示すような、証明写真装置やプリクラ（登録
商標）装置のようなボックス形の外観を備えており、音
声付き写真２を作成しようとする顧客は、料金を投入し
た後、モニタ４に表示される指示メッセージに従って、
備え付けられているデジタルカメラで自分を撮影すると
ともに、音声メッセージ化したいテキストデータを備え
付けられているタッチパネル式キーボード８ａを使って
入力するか、又はマイク６ａを通じて肉声で入力する。
また、プリント部３として昇華型の熱転写プリンタが採
用されている。

【００３７】この別実施形態の音声・画像処理装置によ
る音声付き写真２の典型的な作成手順を図７のフローチ
ャートを用いて説明する。ここでは音声付き写真２のた
めの画像ソースはデジタルカメラの撮像画像データであ
り、その音声ソースは備え付けのキーボード８ａから直
接入力されたテキストデータとする。

【００３８】音声付き写真２の作成を希望する顧客は、
指定された硬貨を硬貨投入口に入れることにより（＃１
０１）モニタ４に表示されるメニュに従って、まず装置
に備えられたデジタルカメラで証明写真装置やプリクラ
装置と同様な手順で自分を撮影する（＃１１０）。この
デジタルカメラはＩ／Ｏインタフェース１０と直接接続
されているので、デジタルカメラによって取得された画
像データは直ちに画像入力処理部２１に転送される（＃
１１１）。画像入力処理部２１に転送された画像データ
は画像編集部２１ａの働きで、モニタ４でその画像イメ
ージを確認しながらトリミングや拡大縮小等の編集処理
を行うことができる（＃１１２）。編集処理された画像
データは、一旦画像データ格納部５１に格納される（＃
１１３）。

【００３９】続いて、今回、音声コードイメージ化する
ためのソースデータとしてキーボード入力によるテキス
トデータを選択しているので、音声付き写真に組み込み
たい音声メッセージを文としてキーボード８ａから入力
する（＃１１４）。テキスト編集部２３ａはテキストエ
ディタとしての機能を有するので、キーボード８ａを通
じて入力されたデータから文章を作成し、最終的にこの
テキストデータを編集合成に適したフォーマットに変換
して音声合成部３０に送り出す（＃１１５）。

【００４０】編集合成プロセスでは、まず、この顧客が
予め音声登録しているかどうかをチェックする（＃１２
１）。音声登録している場合、その顧客の登録音声エレ
メントファイルがロードされる（＃１２２）。この登録
音声エレメントファイルのロードに関して種々の形態が
あるが、ここでは代表的な２つの形態を紹介する。

【００４１】第１のものは、顧客が、予め音声エレメン
ト登録装置によって、必要な語彙・フレーズを肉声で登
録し、その登録された語彙・フレーズを編集合成に適し
たフォマットでファイル化することによって得られた音
声エレメントファイルをメモリカードに記録しておく形
態である。音声登録しているかどうかのチェック段階で
カードリーダ７ａに該当メモリカードを挿入することに
より、登録音声エレメントファイルが音声合成部３０の
登録音声エレメント辞書３６にロードされる。第２のも
のは、予め音声エレメント登録装置によって作成された
音声エレメントファイルを顧客ＩＤをキーとして登録音
声エレメント辞書３６に格納しておく形態であり、音声
登録しているかどうかのチェック段階で顧客ＩＤを入力
することにより、この顧客の登録音声エレメントファイ
ルが以後の編集合成作業における登録音声エレメント辞
書３６として使用されるように設定される。登録音声エ
レメント辞書３６は、この音声・画像処理装置に内蔵さ
れるのではなく、通信回線でつながったサーバ内に設け
られることが望ましい。つまり、顧客ＩＤを入力する
と、通信回線を通じて該当顧客の登録音声エレメントフ
ァイルが音声合成部３０の登録音声エレメント辞書３６
にロードされる構成とするのである。

【００４２】音声登録していない場合、登録音声エレメ
ント辞書３６に格納されている標準音声エレメントファ
イルが以後の編集合成作業における登録音声エレメント
辞書３６として使用されるように設定される。（＃１２
３）。

【００４３】いずれにしても、編集合成プロセスでは、
まず処理すべきテキストデータで表されいるメッセージ
文を語彙・フレーズに分解し（＃１２４）、それぞれ
に、登録音声エレメント辞書３６としての音声エレメン
トファイルから抽出された断片的な音声エレメントを割
り当て、合成音声データを生成する（＃１２５）。

【００４４】この合成音声データに声質変形処理が要求
されている場合（＃２５YES 分岐）、声質変形部３４に
よって周波数線形変換等が施され（＃２６）、要求され
ていない場合（＃２５NO分岐）、合成音声データはその
ままコード変換部４０に送られ、以下＃３１〜＃３３で
前述したように合成音声データの音声コードイメージ化
が行われ、生成された音声コードイメージは音声コード
イメージ格納部５２に一旦格納される。

【００４５】画像データ格納部５１に記憶された画像デ
ータと、音声コードイメージ格納部５２に記憶された音
声コードイメージは、予め選択されたテンプレートを用
いて画像・音声コードイメージレイアウト編集部６１に
よってレイアウト編集処理がなされる（＃４０）。

【００４６】画像・音声コードイメージ合成処理部６２
は、画像イメージのデータと音声コードイメージのデー
タをレイアウト情報に基づいて一体化し、プリントデー
タを生成する（＃４１）。このプリントデータがプリン
タ３に送信されることにより、画像イメージと音声コー
ドイメージが専用シートにプリントされ、図３で示され
るような音声付き写真２として、装置前面に設けられた
プリント取り出し口に排出される（＃５０）。

【００４７】上述した実施の形態では、画像データと音
声コードイメージは画像・音声合成処理部６０によって
合成されていたが、画像・音声合成処理部６０を省略し
て、このプリンタ３によってプリント出力されていた
が、画像データと音声コードイメージを別々のプリンタ
でプリント出力してもよい。その際、音声コードイメー
ジのプリント出力にシールプリンタで、音声コードイメ
ージを形成したシールを画像を形成したシート、例えば
写真プリントに貼り付けるように構成するとよい。

【００４８】さらに上述した全ての実施の形態では、入
力されたテキストデータは、いったん音声合成部３０で
合成音声データ化され、この合成音声データが音声コー
ドイメージに変換されていたが、テキスト入力処理部２
３で処理されたテキストデータを直接音声コードイメー
ジに変換することも可能である。そのような音声・画像
処理装置は、図８で示すように、音声合成部３０が省略
された代わりに、コード変換部４０に、テキストデータ
を所定の要素に断片化して得られたテキストエレメント
に順次対応する音声コードイメージを割り当てていくテ
キスト／音声コードイメージ置換部４４と、テキストエ
レメントに対応する音声コードイメージを登録した音声
コードイメージ辞書４５を備えている。つまり、テキス
トを構成する語彙やフレーズに対応する音声コードイメ
ージを当てはめながら順次つなぎ合わせていくことによ
り最終的な音声コードイメージを作り出すのである。

【図面の簡単な説明】

【図１】本発明による音声・画像処理装置の１つの実施
形態を示す外観図

【図２】図１による音声・画像処理装置の機能ブロック
図

【図３】音声・画像処理装置によって作成された音声付
き写真から音声を再生する様子を示す説明図

【図４】図２に示された音声・画像処理装置を用いた音
声付き写真の作成手順を示すフローチャート

【図５】本発明による音声・画像処理装置の別実施形態
を示す機能ブロック図

【図６】図５による音声・画像処理装置の外観図

【図７】図５に示された音声・画像処理装置を用いた音
声付き写真の作成手順を示すフローチャート

【図８】本発明による音声・画像処理装置のさらに別な
実施形態を示す機能ブロック図

【符号の説明】

２ 音声付き画像シート（音声付き写真） ３ プリント部（銀塩写真プリンタ、昇華型熱転写プリ
ンタ） ２１ 画像入力部 ２２ 音声入力部 ２３ テキスト入力処理部 ２４ 文字認識部 ３０ 音声合成部 ３１ テキスト音声合成部 ３２ テキスト解析用辞書 ３３ 合成音声エレメント辞書 ３４ 声質変形部 ３５ 音声編集合成部 ３６ 登録音声エレメント辞書 ６０ 画像音声合成処理部

フロントページの続き Ｆターム(参考） 5C052 AA11 DD06 EE08 FA02 FA03 FE01 GA02 GA05 GB07 GD03 GE08 5C062 AA05 AB17 AC02 AC29 AE02 AE07 AE08 AE11 5D045 AA20 BA01

Claims (8)

【特許請求の範囲】
1. 【請求項１】音声データを光学的に読み取り可能なよう
   にコード化された音声コードイメージに変換するコード
   変換部と、音声付き画像シートを作成するために前記音
   声コードイメージと画像データに基づく画像イメージを
   プリントするプリント部を備えた音声・画像処理装置に
   おいて、 入力されたテキストデータを処理するテキスト入力処理
   部が備えられ、かつ前記テキスト入力処理部で処理され
   たテキストデータに基づいてこのテキストデータの音声
   を再生する音声コードイメージが生成されることを特徴
   とする音声・画像処理装置。
2. 【請求項２】前記テキスト入力処理部で処理されたテキ
   ストデータに基づいて合成音声データを生成する音声合
   成部が備えられ、前記コード変換部が前記音声合成部で
   生成された合成音声データを前記音声コードイメージの
   ためのソース音声データとして使用することを特徴とす
   る請求項１に記載の音声・画像処理装置。
3. 【請求項３】前記音声合成部は、テキスト解析用辞書を
   用いて入力テキストデータを解析することでその読みを
   同定するとともにさらにアクセントと韻律を設定して得
   られた音韻系列から合成音声エレメント辞書を用いて合
   成音声データを生成するテキスト音声合成部を備えてい
   ることを特徴とする請求項２に記載の音声・画像処理装
   置。
4. 【請求項４】前記合成音声エレメント辞書に格納される
   合成音声エレメントは個人別で登録された肉声データに
   基づいて作製されていることを特徴とする請求項２に記
   載の音声・画像処理装置。
5. 【請求項５】前記音声合成部は、入力テキストデータを
   予め登録された語彙やフレーズの肉声データを格納して
   いる登録音声エレメント辞書を用いて断片的に順次合成
   音声データに変換する音声編集合成部を備えていること
   を特徴とする請求項２に記載の音声・画像処理装置。
6. 【請求項６】前記登録音声エレメント辞書は、個人別で
   登録された肉声データを格納していることを特徴とする
   請求項５に記載の音声・画像処理装置。
7. 【請求項７】前記音声合成部は前記合成音声データの声
   質を変形させる声質変形部を備えていることを特徴とす
   る請求項２〜６のいずれかに記載の音声・画像処理装
   置。
8. 【請求項８】文字認識装置が追加的に備えられており、
   この文字認識装置によって出力されたテキストデータが
   音声コードイメージ変換に用いられることを特徴とする
   請求項１〜７のいずれかに記載の音声・画像処理装置。