| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2009-12-22 15:50 F0量子化と非パラレル学習に基づく声質変換の検討 ○太田悠平・能勢 隆・小林隆夫（東工大）  NLC2009-27 SP2009-91 |
|
| 抄録 | （和） | HMM音素認識とHMM音声合成を用いた非パラレル学習に基づく声質変換手法を提案する． 提案法では，音素認識と基本周波数の量子化を利用し，変換元の話者の入力音声から音素情報，音素継続長，及び基本周波数パターンの大まかな変動情報を抽出し 合成部に伝達する． 合成部では，伝達された各情報からコンテキスト依存ラベルを作成し ，これとあらかじめ学習しておいた目標話者の多空間確率分布HMMを用いて，音声を生成する． 元話者と目標話者のモデルは独立に学習することが可能であるため，元話者と目標話者が同じ文章を発話したパラレルデータを用意する必要がないという特徴がある． また音素継続長に含まれる話者性の適切な変換のため，入力音声の各音素の継続長に対して線形変換を行う． 本稿では，パラレルデータが利用可能でない場合，及び継続長の変換の効果について客観及び主観評価を行い，提案手法である非パラレルデータ学習に基づく声質変換法の有効性を示す． |
| （英） | This paper presents a novel voice conversion technique using HMM-based phoneme recognition and speech synthesis with nonparallel training data. In the proposed technique, a phoneme sequence with durations and a rough F0 contour are extracted from input speech of a source speaker using phoneme recognition and F0 quantization, and are transmitted to synthesis part. In the synthesis part, a context-dependent label sequence is generated from the transmitted phonemes, durations, and quantized F0 symbols. Then, converted speech is generated from the label sequence using a target speaker's pre-trained MSD-HMM. In the model training, the models of the source and the target speakers can be trained separately with nonparallel data. For duration modification, linear transformation is applied to each phone duration of input speech. The objective and subjective experimental results show that the proposed technique works well even if the parallel speech data is not available. |
|
| キーワード | （和） | 声質変換 / 音素認識 / HMM音声合成 / F0量子化 / / / / |
| （英） | voice conversion / phoneme recognition / HMM-based speech synthesis / F0 quantization / / / / | |
| 文献情報 | 信学技報, vol. 109, no. 356, SP2009-91, pp. 171-176, 2009年12月. | |
| 資料番号 | SP2009-91 | |
| 発行日 | 2009-12-14 (NLC, SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLC2009-27 SP2009-91 |
|
| 研究会情報 | |
| 研究会 | SP NLC |
| 開催期間 | 2009-12-21 - 2009-12-22 |
| 開催地（和） | 東京大学・山上会館 |
| 開催地（英） | Univ. of Tokyo |
| テーマ（和） | 第11回音声言語シンポジウム(SP・NLC共催/SLP連催) |
| テーマ（英） | 11th Spoken Language Symposium (SP/NLC/SLP) |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2009-12-SP-NLC |
| 本文の言語 | 日本語 |
| タイトル（和） | F0量子化と非パラレル学習に基づく声質変換の検討 |
| サブタイトル（和） | |
| タイトル（英） | A study on Voice Conversion Based on F0 Quantization and Non-parallel Training |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 声質変換 / voice conversion |
| キーワード(2)（和/英） | 音素認識 / phoneme recognition |
| キーワード(3)（和/英） | HMM音声合成 / HMM-based speech synthesis |
| キーワード(4)（和/英） | F0量子化 / F0 quantization |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 太田 悠平 / Yuhei Ota / オオタ ユウヘイ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of technology (略称： Tokyo Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 能勢 隆 / Takashi Nose / ノセ タカシ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of technology (略称： Tokyo Inst. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 小林 隆夫 / Takao Kobayashi / コバヤシ タカオ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of technology (略称： Tokyo Inst. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2009-12-22 15:50:00 |
| 発表時間 | 120分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2009-27, SP2009-91 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.355(NLC), no.356(SP) |
| ページ範囲 | pp.171-176 |
| ページ数 | 6 |
| 発行日 | 2009-12-14 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]