| 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 | 2011-07-21 13:30 調音運動に基づくワンモデル音声認識合成方式 ○木村優志・小野田高幸・入部百合絵・桂田浩一・新田恒雄（豊橋技科大）  SP2011-41 |
|
| 抄録 | （和） | 高精度音素認識と音声合成を共通のモデルから実現することを目指して，調音特徴（AF）に基づくワンモデル音声認識合成方式を検討している．本報告では，これまでのmonophoneモデルをtriphoneモデルに拡張し，MFCCとAFの音素認識性能を比較する．AF系列は，振幅変化がカテゴリカル，すなわち離散的に変化する傾向を持つため，混合数の増加に対する性能向上が少ない．そこで，状態数を増加させることにより，時間方向にモデルを精緻化することを検討する．実験結果から，状態数を増加させたことで，正解精度が大きく向上することを示す．同時に，triphoneモデルにおいもAFは，MFCCに対して優位であることが確認される．音声合成では，CELP方式の閉ループを利用し，合成による分析を通して残差素片の符号帳をHMMの状態に割当てると共に，LSP合成器を駆動する等の改良を行う．これにより，合成音声の主観評価結果が向上することを示す． |
| （英） | Speech recognition (SR) and speech synthesis (SS) based on one-model of articulatory movement HMMs that are commonly applied to both an SR module and an SS module are described. The SR module has an articulatory feature (AF) extractor with multi-layer neural networks (MLNs) that output an AF sequence to HMMs. In the SS module, the speaker-invariant HMMs are applied to generate an articulatory feature (AF) sequence, and then, after converting AFs into vocal tract parameters by using a multi-layer neural network (MLN), a speech signal is synthesized by an LSP (Line Spectrum Pairs) digital filter. CELP coding technique is applied to improve sound quality when generating voice source from embedded codes in the corresponding state of HMMs. The proposed speech synthesis system separate phonetic information and speaker individuality. Therefore, target speaker’s voice can be synthesized with a small amount of speech data. The experimental results show that the proposed system can produce good quality speech with only two-sentences. | |
| キーワード | （和） | 調音特徴 / ワンモデル音声認識合成 / CELP符号帳 / LSP / / / / |
| （英） | Articulatory Features / One-model Speech Recognition and Synthesis / CELP codebook / LSP / / / / | |
| 文献情報 | 信学技報, vol. 111, no. 153, SP2011-41, pp. 1-6, 2011年7月. | |
| 資料番号 | SP2011-41 | |
| 発行日 | 2011-07-14 (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 | SP2011-41 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2011-07-21 - 2011-07-23 |
| 開催地（和） | 定山渓グランドホテル瑞苑 |
| 開催地（英） | Jozankei Grand Hotel |
| テーマ（和） | 認識，理解，対話，一般（SLPと合同（併催）） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2011-07-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 調音運動に基づくワンモデル音声認識合成方式 |
| サブタイトル（和） | |
| タイトル（英） | One-model Speech Recognition and Synthesis System Based on Articulatory |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 調音特徴 / Articulatory Features |
| キーワード(2)（和/英） | ワンモデル音声認識合成 / One-model Speech Recognition and Synthesis |
| キーワード(3)（和/英） | CELP符号帳 / CELP codebook |
| キーワード(4)（和/英） | LSP / LSP |
| 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） | 木村 優志 / Masashi Kimura / キムラ マサシ |
| 第1著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Tech) |
| 第2著者 氏名（和/英/ヨミ） | 小野田 高幸 / Takayuki Onoda / オノダ タカユキ |
| 第2著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Tech) |
| 第3著者 氏名（和/英/ヨミ） | 入部 百合絵 / Yurie Iribe / イリベ ユリエ |
| 第3著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Tech) |
| 第4著者 氏名（和/英/ヨミ） | 桂田 浩一 / Kouichi Katsurada / カツラダ コウイチ |
| 第4著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Tech) |
| 第5著者 氏名（和/英/ヨミ） | 新田 恒雄 / Tsuneo Nitta / ニッタ ツネオ |
| 第5著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Tech) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-07-21 13:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2011-41 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.153 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2011-07-14 (SP) |
[研究会発表申込システムのトップページに戻る]