| 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 | 2013-12-19 17:15 話者依存型Conditional Restricted Boltzmann Machineによる声質変換 ○中鹿 亘・滝口哲也・有木康雄（神戸大）  SP2013-88 |
|
| 抄録 | （和） | 本研究では，元の音響特徴量空間よりも音韻性や時間変化性を抑え，話者性を強調させることによって，より入力話者音声の声質を出力話者のものへと変換しやすい話者依存空間を形成することを目的として，話者ごとに conditional Restricted Boltzmann machine (CRBM) を用いた声質変換法を提案する．提案手法ではまず初めに，話者ごとに用意した学習データ(パラレルデータである必要は無い)を用いて，入力話者，出力話者の CRBM を独立に学習させる．次に，少量のパラレルデータの音響特徴量を，それぞれの CRBM を通して話者依存高次元空間へ写像(CRBM の前方推論)し，その高次特徴量同士を Neural Network (NN) を用いて変換させる．NN の変換で得られた特徴量は，CRBM の後方推論によって元の音響特徴量へ逆変換することが可能である．評価実験では，従来の GMM や NN，DBN を用いた声質変換法に比べて，主観的にも客観的にも良い精度が得られたことを確認した． |
| （英） | In this paper, we present a voice conversion (VC) method that utilizes conditional restricted Boltzmann machines (CRBMs) for each speaker to obtain time-invariant speaker-independent spaces where voice features are converted more easily than those in an original acoustic feature space. First, we train two CRBMs for a source and target speaker independently using speaker-dependent training data (without the need to parallelize the training data). Then, a small number of parallel data are fed into each CRBM and the high-order features produced by the CRBMs are used to train a concatenating neural network (NN) between the two CRBMs. Finally, the entire network (the two CRBMs and the NN) is fine-tuned using the acoustic parallel data. Through voice-conversion experiments, we confirmed the high performance of our method in terms of objective and subjective evaluations, comparing it with conventional GMM, NN, and speaker-dependent DBN approaches. | |
| キーワード | （和） | 声質変換 / conditional restricted Boltzmann machine / deep learning / 話者強調 / / / / |
| （英） | Voice conversion / conditional restricted Boltzmann machine / deep learning / speaker specific features / / / / | |
| 文献情報 | 信学技報, vol. 113, no. 366, SP2013-88, pp. 83-88, 2013年12月. | |
| 資料番号 | SP2013-88 | |
| 発行日 | 2013-12-12 (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 | SP2013-88 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP |
| 開催期間 | 2013-12-19 - 2013-12-20 |
| 開催地（和） | 筑波大学文京キャンパス |
| 開催地（英） | |
| テーマ（和） | 第15回音声言語シンポジウム |
| テーマ（英） | 15th Symposium on Spoken Language |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2013-12-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 話者依存型Conditional Restricted Boltzmann Machineによる声質変換 |
| サブタイトル（和） | |
| タイトル（英） | Speaker-dependent conditional restricted Boltzmann machine for voice conversion |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 声質変換 / Voice conversion |
| キーワード(2)（和/英） | conditional restricted Boltzmann machine / conditional restricted Boltzmann machine |
| キーワード(3)（和/英） | deep learning / deep learning |
| キーワード(4)（和/英） | 話者強調 / speaker specific features |
| 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） | 中鹿 亘 / Toru Nakashika / ナカシカ トオル |
| 第1著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 滝口 哲也 / Tetsuya Takiguchi / タキグチ テツヤ |
| 第2著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 有木 康雄 / Yasuo Ariki / アリキ ヤスオ |
| 第3著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-12-19 17:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2013-88 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | no.366 |
| ページ範囲 | pp.83-88 |
| ページ数 | 6 |
| 発行日 | 2013-12-12 (SP) |
[研究会発表申込システムのトップページに戻る]