| 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 15:15 多様な韻律生成のための多クラス局所韻律コンテキストの検討 ○前野 悠・能勢 隆・小林隆夫・郡山知樹（東工大）・井島勇祐・中嶋秀治・水野秀之・吉岡 理（NTT）  SP2012-112 |
|
| 抄録 | （和） | HMM音声合成において，多様なスタイルを伴う音声に現れる局所的な表現の変化を合成音声に反映させるため，学習データに対する局所韻律コンテキストを新たに定義し，それらのコンテキストの自動ラベリング手法を提案する．韻律コンテキストは原音声と合成音声の韻律特徴量の差分を利用して付与する．具体的にはF0，継続長，パワー特徴量に対し，アクセント句単位での平均値の差分をそれぞれ3クラスに分類し，新たなコンテキストとして追加する．実験では商品宣伝および童話読み聞かせを想定して収録された音声を用い，評価用データを利用した理想的な場合および実際の利用場面を想定した場合の2つの条件においてそれぞれ評価を行う． |
| （英） | This paper describes a technique for reproducing local prosodic variability which appears in expressive speech including various speaking styles. Synthetic speech generated using only linguistic contexts in HMM-based speech synthesis tends to have smaller prosody variation compared with the original speech. To add more variation in synthetic speech, we define novel phrase-level prosodic contexts from the residual information of prosodic features between original and synthetic speech for training data. Specifically, we create the prosodic contexts of F0, duration, and power feature by using average difference between original and synthetic speech in each phrase. We evaluate the potential of the proposed technique under a condition where the appropriate prosodic contexts of test sentences are known in synthesis phase. We also examine whether users can intuitively modify the pitch by adjusting proposed prosodic contexts. | |
| キーワード | （和） | HMM音声合成 / スタイル音声合成 / 韻律コンテキスト / 教師なしラベリング / オーディオブック / / / |
| （英） | HMM-based speech synthesis / expressive speech synthesis / prosodic context / unsupervised labeling / audiobook / / / | |
| 文献情報 | 信学技報, vol. 112, no. 422, SP2012-112, pp. 85-90, 2013年1月. | |
| 資料番号 | SP2012-112 | |
| 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 | SP2012-112 |
|
| 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） | 多様な韻律生成のための多クラス局所韻律コンテキストの検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Multi-class Local Prosodic Context for Expressive Prosody Generation |
| 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） | スタイル音声合成 / expressive speech synthesis |
| キーワード(3)（和/英） | 韻律コンテキスト / prosodic context |
| キーワード(4)（和/英） | 教師なしラベリング / unsupervised labeling |
| キーワード(5)（和/英） | オーディオブック / audiobook |
| 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） | 前野 悠 / Yu Maeno / マエノ ユウ |
| 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.) |
| 第4著者 氏名（和/英/ヨミ） | 郡山 知樹 / Tomoki Koriyama / コオリヤマ トモキ |
| 第4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5著者 氏名（和/英/ヨミ） | 井島 勇祐 / Yusuke Ijima / イジマ ユウスケ |
| 第5著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第6著者 氏名（和/英/ヨミ） | 中嶋 秀治 / Hideharu Nakajima / ナカジマ ヒデハル |
| 第6著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第7著者 氏名（和/英/ヨミ） | 水野 秀之 / Hideyuki Mizuno / ミズノ ヒデユキ |
| 第7著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第8著者 氏名（和/英/ヨミ） | 吉岡 理 / Osamu Yoshioka / ヨシオカ オサム |
| 第8著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-01-31 15:15:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | SP2012-112 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.422 |
| ページ範囲 | pp.85-90 |
| 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]