| 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 | 2011-05-13 13:00 日本語話し言葉コーパスを用いた対話音声合成のためのコンテキストの評価 ○郡山知樹・能勢 隆・小林隆夫（東工大）  EA2011-27 SIP2011-27 SP2011-27 |
|
| 抄録 | （和） | 本稿では自発性の高い対話音声の合成において，多様な韻律を生成するための拡張コンテキストの提案とその評価を行った結果を報告する．HMM音声合成では音韻・韻律の変動要因をコンテキストとして考慮し学習・合成を行っているが，従来の読上げ音声のためのコンテキストセットでは対話音声の韻律の多様性を実現することが困難である．そこで，大規模音声コーパスである日本語話し言葉コーパス(CSJ)に含まれる様々な情報をコンテキストとして追加し拡張コンテキストとした．従来のコンテキストと拡張コンテキストの比較を行い，音素引き延ばしおよびX-JToBIのトーン層ラベルに基づく情報がコンテキストとして有効であるという結果を得た．さらに，コンテキストの増加による過学習を避けるための決定木クラスタリングの新たな停止基準の導入や，実用上のシステムを考慮して合成時に一部の追加コンテキストを自動推定する手法の提案を行い，その有効性を評価した． |
| （英） | This paper proposes an extended context set for generating the prosodic variability of spontaneous speech in HMM-based conversational speech synthesis. Since the conventional context set used for HMM-based reading-style speech synthesis is insufficient for conversational speech synthesis, we introduce new contexts derived from the Corpus of Spontaneous Japanese. We compare the context sets with and without newly introduced contexts, and the experimental results show that the contexts about phone prolongation and X-JToBI tone tier label are effective. Furthermore, we examine the stopping criteria for decision-tree clustering and the automatic estimation of a part of contexts for practical applications. | |
| キーワード | （和） | 対話音声 / 話し言葉音声 / HMM音声合成 / 韻律コンテキスト / 日本語話し言葉コーパス / X-JToBI / / |
| （英） | conversational speech / spontaneous speech / HMM-based speech synthesis / prosodic context / Corpus of Spontaneous Japanese / X-JToBI / / | |
| 文献情報 | 信学技報, vol. 111, no. 28, SP2011-27, pp. 155-160, 2011年5月. | |
| 資料番号 | SP2011-27 | |
| 発行日 | 2011-05-05 (EA, SIP, 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 | EA2011-27 SIP2011-27 SP2011-27 |
|
| 研究会情報 | |
| 研究会 | EA SIP SP |
| 開催期間 | 2011-05-12 - 2011-05-13 |
| 開催地（和） | 立命館大学 |
| 開催地（英） | Ritsumeikan Univ. |
| テーマ（和） | 音声・音響信号処理，音声及び一般 |
| テーマ（英） | Speech and Acoustic Signal Processing, Speech, and Related Topics |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2011-05-EA-SIP-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 日本語話し言葉コーパスを用いた対話音声合成のためのコンテキストの評価 |
| サブタイトル（和） | |
| タイトル（英） | Performance evaluation of contexts for conversational speech synthesis using Corpus of Spontaneous Japanese |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 対話音声 / conversational speech |
| キーワード(2)（和/英） | 話し言葉音声 / spontaneous speech |
| 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） | 韻律コンテキスト / prosodic context |
| キーワード(5)（和/英） | 日本語話し言葉コーパス / Corpus of Spontaneous Japanese |
| キーワード(6)（和/英） | X-JToBI / X-JToBI |
| 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） | 郡山 知樹 / Tomoki Koriyama / コオリヤマ トモキ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institue of Technology (略称： Tokyo 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 Institue of Technology (略称： Tokyo 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 Institue of Technology (略称： Tokyo Tech) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-05-13 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | EA2011-27, SIP2011-27, SP2011-27 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.26(EA), no.27(SIP), no.28(SP) |
| ページ範囲 | pp.155-160 |
| ページ数 | 6 |
| 発行日 | 2011-05-05 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]