| 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 | 2012-11-08 14:45 分散共有フルコンテキストモデルによるHMM音声合成の改善 ○高道慎之介・戸田智基（奈良先端大）・志賀芳則（NICT）・Sakriani Sakti・Graham Neubig・中村 哲（奈良先端大）  SP2012-78 |
|
| 抄録 | （和） | 隠れマルコフモデル(Hidden Markov Model：HMM)に基づく音声合成において，生成される音声パラメータは過剰に平滑化される傾向にあり，肉声感の低い音声が合成される． これに対して我々は，HMM音声合成の利点を保持したハイブリッド法として，分散共有フルコンテキストモデルによるパラメータ生成法を提案している． 最尤基準による反復的なパラメータ生成処理により，時間的な不連続性を緩和できる一方で，生成されるパラメータ及び合成音声の音質は，反復処理における初期パラメータに大きく依存する． 本稿では，より音質の高い合成音声を得るために，コンテキストクラスタリングを用いた初期パラメータ生成法を提案する． 提案法では，過剰な平滑化の影響が小さい初期パラメータを生成するために大きなサイズの決定木を構築し，従来のHMM音声合成のパラメータ生成法に従い初期パラメータを生成する． 実験的評価結果から，提案法により合成音声の音質が向上することを示す． |
| （英） | In the traditional HMM-based speech synthesis, generated speech parameters tend to be excessively smoothed. To alleviate this problem, we have proposed a parameter generation method with rich context models in our previous work. This method improves speech quality while keeping the flexibility of HMM-based speech synthesis. However, synthetic speech still sounds muffled because the generated parameters strongly depend on over-smoothed initial parameters in iterative parameter generation procedure. In this paper, we propose an initialization method for generating less-smoothed initial parameters using context-clustered HMMs based on a large-sized decision tree. Experimental evaluations of the proposed method demonstrate that the proposed method yields significant improvements in the quality of synthetic speech. |
|
| キーワード | （和） | HMM音声合成 / 分散共有フルコンテキストモデル / パラメータ生成 / コンテキストクラスタリング / / / / |
| （英） | HMM-based speech synthesis / rich context model / parameter generation / tree-based context clustering / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 281, SP2012-78, pp. 37-42, 2012年11月. | |
| 資料番号 | SP2012-78 | |
| 発行日 | 2012-11-01 (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 | SP2012-78 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2012-11-08 - 2012-11-09 |
| 開催地（和） | 東北工業大学 一番町ロビー |
| 開催地（英） | Ichibancho Lobby, Tohoku Institute of Technology |
| テーマ（和） | 合成，生成，韻律，音声一般 |
| テーマ（英） | Speech Synthesis, Generation, Prosody, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2012-11-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 分散共有フルコンテキストモデルによるHMM音声合成の改善 |
| サブタイトル（和） | |
| タイトル（英） | Improvements of HMM-based speech synthesis using rich context models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | HMM音声合成 / HMM-based speech synthesis |
| キーワード(2)（和/英） | 分散共有フルコンテキストモデル / rich context model |
| キーワード(3)（和/英） | パラメータ生成 / parameter generation |
| キーワード(4)（和/英） | コンテキストクラスタリング / tree-based context clustering |
| 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） | 高道 慎之介 / Shinnosuke Takamichi / タカミチ シンノスケ |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | 戸田 智基 / Tomoki Toda / トダ トモキ |
| 第2著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第3著者 氏名（和/英/ヨミ） | 志賀 芳則 / Yoshinori Shiga / シガ ヨシノリ |
| 第3著者 所属（和/英） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 第4著者 氏名（和/英/ヨミ） | Sakriani Sakti / Sakriani Sakti / サクリアニ サクテイ |
| 第4著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第5著者 氏名（和/英/ヨミ） | Graham Neubig / Graham Neubig / グラム ニュービッグ |
| 第5著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第6著者 氏名（和/英/ヨミ） | 中村 哲 / Satoshi Nakamura / ナカムラ サトシ |
| 第6著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-11-08 14:45:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | SP2012-78 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.281 |
| ページ範囲 | pp.37-42 |
| ページ数 | 6 |
| 発行日 | 2012-11-01 (SP) |
[研究会発表申込システムのトップページに戻る]