音声合成（おんせいごうせい）

概要解説

音声合成は、人間の音声を人工的に作り出す技術である。その歴史は古く、18世紀には母音を発声できる機械が製作された。1930年代には通信用のボコーダーが開発され、その後、鍵盤演奏型の音声合成器であるvoderなどが登場した。コンピュータを用いた音声合成は1950年代終盤から研究が進み、1960年代にはテキスト音声合成器が開発された。1999年には隠れマルコフモデルを用いた手法が提案され、2000年代以降はVOCALOID技術による歌声合成や、深層学習を用いた高精度な合成手法が発展した。現在では、テキストを入力して音声を生成するテキスト音声合成や、歌声を生成する歌声合成、特定の声質に変換する声質変換など、多様な応用が進んでいる。音声合成は、入力された情報から望む言語内容の音声を生成するプロセスであり、その逆の過程は音声認識と呼ばれる。