| 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 | 2013-01-31 14:15 任意話者の多様なスタイル生成のための話者正規化スタイル変換法の検討 ○金川裕紀・能勢 隆・小林隆夫（東工大）  SP2012-110 |
|
| 抄録 | （和） | 本稿では目標話者の読上げ音声のみから所望のスタイルの音声を合成する不特定話者スタイル変換において, 学習に使用した複数話者間の音響的差異による変換性能の低下を抑えるため, 話者正規化学習の枠組みを変換行列の推定に導入する. 不特定話者スタイル変換では, あらかじめ用意した複数話者の読上げおよび目標スタイルの音声を用いて読上げスタイルから目標スタイルへの変換行列を求め, これを目標話者の読上げスタイルのモデルに適用することで, 目標話者の目標スタイルのモデルを生成する. しかし, 変換行列の推定に用いる話者のスペクトル・韻律特徴が話者間で大きく異なる場合, この影響でスタイル変換において自然性が劣化してしまう. そこで提案法では, 変換行列の推定の際に各話者の特徴量に対し話者適応に基づく話者正規化を行うことでこの問題を低減する. 客観および主観評価にて, 話者正規化が自然性改善に有効であることを示す. |
| （英） | This paper proposes a technique for improving naturalness of synthetic speech using a framework of speaker adaptive training in HMM-based style conversion. In the style conversion, speaker-independent linear transforms are estimated using neutral- and target-style speech data of multiple speakers, and estimated transforms are applied to a new speaker's neutral-style model. As a result, we can convert the style expressivity of the acoustic model to the target style without preparing any target-style speech of the speaker. When spectral and prosodic features of training speakers are significantly different from each other, naturalness of synthetic speech from the converted model decreases. The proposed technique attempt to alleviate this problem by normalizing speaker characteristics using an approach similar to speaker adaptive training. From the objective and subjective evaluation results, we show that the speaker normalization technique can provide more natural sounding speech. |
|
| キーワード | （和） | HMM 音声合成 / 発話様式・感情表現 / スタイル音声 / スタイル適応 / 線形回帰 / / / |
| （英） | HMM-based speech synthesis / speaking style and emotional expression / expressive speech / style adaptation / linear regression / / / | |
| 文献情報 | 信学技報, vol. 112, no. 422, SP2012-110, pp. 73-78, 2013年1月. | |
| 資料番号 | SP2012-110 | |
| 発行日 | 2013-01-23 (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 | SP2012-110 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2013-01-30 - 2013-01-31 |
| 開催地（和） | 同志社大学 |
| 開催地（英） | Doshisha Univ. |
| テーマ（和） | 音声・言語・対話，一般 |
| テーマ（英） | Speech, Language, and Dialogue, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2013-01-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 任意話者の多様なスタイル生成のための話者正規化スタイル変換法の検討 |
| サブタイトル（和） | |
| タイトル（英） | A study on speaker-normalized style conversion for arbitrary speaker's expressive speech synthesis |
| 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） | 発話様式・感情表現 / speaking style and emotional expression |
| キーワード(3)（和/英） | スタイル音声 / expressive speech |
| キーワード(4)（和/英） | スタイル適応 / style adaptation |
| キーワード(5)（和/英） | 線形回帰 / linear regression |
| 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） | 金川 裕紀 / Hiroki Kanagawa / カナガワ ヒロキ |
| 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 | 2013-01-31 14:15:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | SP2012-110 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.422 |
| ページ範囲 | pp.73-78 |
| ページ数 | 6 |
| 発行日 | 2013-01-23 (SP) |
[研究会発表申込システムのトップページに戻る]