| 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 | 2010-12-21 16:40 極低ビットレートボコーダのためのHMMに基づくF0符号化法の検討 ○能勢 隆・熊本政真・小林隆夫（東工大）  NLC2010-28 SP2010-101 |
|
| 抄録 | （和） | 本稿では極低ビットレートでの符号化を目的としたHMM音素ボコーダのためのF0符号化方法として，量子化F0シンボルを用いた多空間確率分布HMM(MSD-HMM)に基づく手法を提案する．提案法ではF0をMSD-HMMによりモデル化する際に音素毎の対数F0の平均値を量子化したシンボルを韻律コンテキストとして利用する．これにより，アクセント型などの韻律情報を用いずにF0のモデル化を行うことができる．符号化時は，入力音声から抽出されたF0を量子化F0シンボルに変換し，音素認識により得られた音素および状態継続長情報とともに伝送する．復号化時は音素と量子化F0シンボルから音声合成用のコンテキスト依存ラベルを作成し，与えられた状態継続長に基づいてあらかじめ学習したMSD-HMMを用いてスペクトルおよびF0系列を最尤基準により生成する．提案法では当該の音素，F0シンボルだけでなく，先行および後続の情報もコンテキストとして使用できるという利点がある．評価実験により，提案法によるF0符号化を用いた場合，50bit/s以下のビットレートでも符号化によるF0の劣化はほとんど気にならない程度であり，極低ビットレートでの音声符号化において有効であることを示す． |
| （英） | This paper presents a novel F0 coding technique for very low bit-rate HMM-based phonetic vocoder. Our technique is based on the multi-space distribution HMM (MSD-HMM) with quantized F0 symbols used as a prosodic context. By introducing the F0 symbol, we can model F0 values without using manually labeled speech data including accent information. In the encoding process, the F0 sequence extracted from an input utterance is converted into the quantized F0 symbol sequence, and these symbols are transmitted with the phonemes and state durations obtained by a phoneme recognizer. In the decoding process, context-dependent labels are created from the phonemes and F0 symbols, and the spectral and F0 sequences are generated using the pre-trained MSD-HMM on the basis of a maximum likelihood criterion. The experimental results show that the degradation of F0 quality through the coding process is not annoying even if the bit-rate for F0 is less than 50 bit/s. | |
| キーワード | （和） | 音素ボコーダ / HMM音声合成 / 極低ビットレート音声符号化 / 量子化F0コンテキスト / 多空間確率分布HMM(MSD-HMM) / / / |
| （英） | phonetic vocoder / HMM-based speech synthesis / very low bit-rate speech coding / quantized F0 context / multi-space distribution HMM (MSD-HMM) / / / | |
| 文献情報 | 信学技報, vol. 110, no. 357, SP2010-101, pp. 189-194, 2010年12月. | |
| 資料番号 | SP2010-101 | |
| 発行日 | 2010-12-13 (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 | NLC2010-28 SP2010-101 |
|
| 研究会情報 | |
| 研究会 | NLC SP |
| 開催期間 | 2010-12-20 - 2010-12-21 |
| 開催地（和） | 国立オリンピック記念青少年総合センター |
| 開催地（英） | National Olympics Memorial Youth Center |
| テーマ（和） | 第12回音声言語シンポジウム： 情報アクセス，音声・言語処理一般 （SLP研と連立開催） |
| テーマ（英） | Information Access, Speech and Language Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2010-12-NLC-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 極低ビットレートボコーダのためのHMMに基づくF0符号化法の検討 |
| サブタイトル（和） | |
| タイトル（英） | Study on HMM-based F0 Coding for Very Low Bit-Rate Vocoder |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音素ボコーダ / phonetic vocoder |
| キーワード(2)（和/英） | HMM音声合成 / HMM-based speech synthesis |
| キーワード(3)（和/英） | 極低ビットレート音声符号化 / very low bit-rate speech coding |
| キーワード(4)（和/英） | 量子化F0コンテキスト / quantized F0 context |
| キーワード(5)（和/英） | 多空間確率分布HMM(MSD-HMM) / multi-space distribution HMM (MSD-HMM) |
| 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） | 能勢 隆 / Takashi Nose / ノセ タカシ |
| 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） | 熊本 政真 / Masashi Kumamoto / クマモト マサシ |
| 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 / |
| 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 | 2010-12-21 16:40:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2010-28, SP2010-101 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | no.356(NLC), no.357(SP) |
| ページ範囲 | pp.189-194 |
| ページ数 | 6 |
| 発行日 | 2010-12-13 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]