| 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 | 2013-12-20 13:15 ［招待講演］A Unified Trajectory Tiling Approach to High Quality Speech Rendering ○Yao Qian・Frank K.Soong（MSRA）  SP2013-91 |
|
| 抄録 | （和） | In human-machine speech communication, it is challenging to make the machine talk as naturally as human to facilitate "frictionless" human-machine interactions. In this paper, we introduce a "trajectory tiling" based approach to high quality speech rendering, where speech parameter trajectories, extracted from natural, processed, or synthesized speech, are used to guide the search for the best sequence of waveform "tiles" stored in a pre-recorded speech database. The good "tile" candidates at phone, state or frame are then used to construct a lattice-like "sausage". In the sausage, the best path of concatenated tiles is then searched via the Viterbi algorithm. The best string of concatenated waveform segments (tiles) is output as the final rendered speech. The proposed trajectory tiling approach to speech rendering has been tested in three tasks: TTS synthesis, cross-lingual voice transformation for personalized speech-to-speech translation and mixed-code TTS synthesis. Experimental results show that the trajectory tiling approach can yield speech which is natural and highly intelligible. The perceived high quality of rendered speech is also confirmed in both objective and subjective evaluations. |
| （英） | In human-machine speech communication, it is challenging to make the machine talk as naturally as human to facilitate "frictionless" human-machine interactions. In this paper, we introduce a "trajectory tiling" based approach to high quality speech rendering, where speech parameter trajectories, extracted from natural, processed, or synthesized speech, are used to guide the search for the best sequence of waveform "tiles" stored in a pre-recorded speech database. The good "tile" candidates at phone, state or frame are then used to construct a lattice-like "sausage". In the sausage, the best path of concatenated tiles is then searched via the Viterbi algorithm. The best string of concatenated waveform segments (tiles) is output as the final rendered speech. The proposed trajectory tiling approach to speech rendering has been tested in three tasks: TTS synthesis, cross-lingual voice transformation for personalized speech-to-speech translation and mixed-code TTS synthesis. Experimental results show that the trajectory tiling approach can yield speech which is natural and highly intelligible. The perceived high quality of rendered speech is also confirmed in both objective and subjective evaluations. | |
| キーワード | （和） | Speech Synthesis / Cross-lingual / Voice Transformation / Trajectory Tiling / Mixed-code TTS / / / |
| （英） | Speech Synthesis / Cross-lingual / Voice Transformation / Trajectory Tiling / Mixed-code TTS / / / | |
| 文献情報 | 信学技報, vol. 113, no. 366, SP2013-91, pp. 109-114, 2013年12月. | |
| 資料番号 | SP2013-91 | |
| 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 | SP2013-91 |
|
| 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 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | A Unified Trajectory Tiling Approach to High Quality Speech Rendering |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Speech Synthesis / Speech Synthesis |
| キーワード(2)（和/英） | Cross-lingual / Cross-lingual |
| キーワード(3)（和/英） | Voice Transformation / Voice Transformation |
| キーワード(4)（和/英） | Trajectory Tiling / Trajectory Tiling |
| キーワード(5)（和/英） | Mixed-code TTS / Mixed-code TTS |
| 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） | Yao Qian / Yao Qian / |
| 第1著者 所属（和/英） | Microsoft Research Asia (略称： MSRA) Microsoft Research Asia (略称： MSRA) |
| 第2著者 氏名（和/英/ヨミ） | Frank K.Soong / Frank K.Soong / |
| 第2著者 所属（和/英） | Microsoft Research Asia (略称： MSRA) Microsoft Research Asia (略称： MSRA) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-12-20 13:15:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SP |
| 資料番号 | SP2013-91 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | no.366 |
| ページ範囲 | pp.109-114 |
| 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]