| 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 | 2015-01-22 10:25 マルチモーダル声質変換の頑健性に関する研究 ○川嶋大義・田村哲嗣・速水 悟（岐阜大）  SP2014-128 |
|
| 抄録 | （和） | ある人（元話者）の声を別の人（目標話者）の声に変換する声質変換（Voice Conversion: VC）という技術がある．しかし，VCには背景雑音の影響を受けやすいという問題がある．そこで，音声に加えて口唇画像を用いたマルチモーダルVCが提案されている．本研究では，元話者特徴量として，音声から抽出した音響特徴量と口唇画像から抽出した画像特徴量を統合した音響・画像特徴量を用いる．本研究では，このマルチモーダルVCにおいて，雑音環境や画像外乱に対して高精度な声質変換が可能な，音響特徴と画像特徴の統合法について，複数話者の音響・画像パラレルデータを用い，さまざまな音響雑音・画像外乱環境において主観評価と客観評価を行った．その結果，音声のみのVCでは変換音声の品質が劣化するが，マルチモーダルVCにより品質劣化を防げることが確認でき，特に画像の動的特徴量が有効であることがわかった． |
| （英） | Voice Conversion (VC) is a technique to convert speeches of source speaker into those of target speaker. VC has an issue the quality of converted speech degrades in noisy conditions. Multi-modal VC employing speech data as well as lip images has been proposed. An audio-visual feature is obtained by incorporating audio and visual features. In this paper, we propose a method to combine audio and visual features for noise-robust multi-modal VC. We evaluated our feature integration schemes using parallel data consisting of several speakers' utterances. Subjective and objective experiments were conducted in various acoustic and visual noisy environments. As a result, the quality of the conventional VC decreased, whereas our method improved the quality. It is found visual dynamic information contributes the improvement. | |
| キーワード | （和） | 声質変換 / マルチモーダル声質変換 / 頑健性 / 音響・画像特徴量 / / / / |
| （英） | voiceconversion / multi-modal VC / robustness / audio-visual feature / / / / | |
| 文献情報 | 信学技報, vol. 114, no. 411, SP2014-128, pp. 7-12, 2015年1月. | |
| 資料番号 | SP2014-128 | |
| 発行日 | 2015-01-15 (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 | SP2014-128 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2015-01-22 - 2015-01-22 |
| 開催地（和） | じゅうろくプラザ |
| 開催地（英） | Juroku Plaza |
| テーマ（和） | 時系列データ処理，音声一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2015-01-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチモーダル声質変換の頑健性に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | A study for the robustness of multi-modal voice conversion |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 声質変換 / voiceconversion |
| キーワード(2)（和/英） | マルチモーダル声質変換 / multi-modal VC |
| キーワード(3)（和/英） | 頑健性 / robustness |
| キーワード(4)（和/英） | 音響・画像特徴量 / audio-visual feature |
| 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） | 川嶋 大義 / Daiki Kawashima / カワシマ ダイキ |
| 第1著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 田村 哲嗣 / Satoshi Tamura / タムラ サトシ |
| 第2著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 速水 悟 / Satoru Hayamizu / ハヤミズ サトル |
| 第3著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-01-22 10:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2014-128 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.411 |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2015-01-15 (SP) |
[研究会発表申込システムのトップページに戻る]