| 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 | 2015-10-15 16:45 HMM音声合成におけるモデル学習の高速化の検討 ○山田修平・能勢 隆・伊藤彰則（東北大）  SP2015-64 |
|
| 抄録 | （和） | HMM音声合成におけるモデル学習の高速化を目的とし，不特定話者モノフォンモデルや不特定話者決定木を用いることを提案する．近年は音声合成技術が様々な場面で用いられるようになり，今後，ユーザが自ら音声を収録し，自らのイメージに沿った合成音声を作る需要が高まると考えられる．HMM音声合成では話者の個人性や発話様式をよく再現することができるもの，合成時に比べ，音響モデルの学習時には決定木の構築などにおいて計算時間がかかるため，あらかじめ用意した目標話者の音声を用いて数分程度の短時間で高精度な話者依存モデルを学習することは困難であった．そこで提案法では，コンテキスト依存モデルを作るための初期値となるモノフォンモデルや，コンテキストクラスタリングや未知コンテキストの予測に用いられる決定木について，複数名の話者の音声から不特定話者モデルをあらかじめ作成しておき，それをモデル学習の際に代用することを検討する．また，コンテキストクラスタリング後の最尤推定を省略することでモデル学習の高速化を図る．客観評価および主観評価から，従来の4割弱の計算時間で従来法に近い自然性をもつ合成音声ができることを確認した． |
| （英） | In this paper, we propose an alternative model training technique using speaker-independent monophone models and decision trees to speed up the model training process of HMM-based speech synthesis. Recently, speech synthesis is used in various situations, and the demand of making speaker models by users themselves and synthesizing voices which reflects users' characteristic will increase. The HMM-based approach has an advantage of reflecting speaking styles and individualities to synthetic speech; however, it is not easy to train a reliable speaker-dependent model in a short time using prepared target speaker's speech because the model training process is computationally expensive compared with the synthesis process for it needs several time-consuming calculation such as decision tree construction. In the proposed technique, we use speaker-independent monophone models and decision trees instead of the conventional speaker-dependent ones. We also speed up the training process by skipping the parameter update based on maximum likelihood estimation. The objective and subjective experimental results show that the proposed training technique can synthesize speech having similar naturalness to the conventional training with less than 40% training time of the conventional one. |
|
| キーワード | （和） | HMM音声合成 / モデル学習 / 計算時間の削減 / 不特定話者モデル / コンテキストクラスタリング / / / |
| （英） | HMM-based speech synthesi / model training / computation time reduction / speaker-independent models / context clustering / / / | |
| 文献情報 | 信学技報, vol. 115, no. 253, SP2015-64, pp. 27-32, 2015年10月. | |
| 資料番号 | SP2015-64 | |
| 発行日 | 2015-10-08 (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 | SP2015-64 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2015-10-15 - 2015-10-16 |
| 開催地（和） | 神戸大学 瀧川記念学術交流会館 |
| 開催地（英） | Kobe Univ. |
| テーマ（和） | 音声インタフェース，合成，対話，アプリケーションシステム，一般 |
| テーマ（英） | Speech interface, Synthesis, Dialogue, Application system, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2015-10-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | HMM音声合成におけるモデル学習の高速化の検討 |
| サブタイトル（和） | |
| タイトル（英） | A study on quick model training in HMM-based 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 synthesi |
| キーワード(2)（和/英） | モデル学習 / model training |
| キーワード(3)（和/英） | 計算時間の削減 / computation time reduction |
| キーワード(4)（和/英） | 不特定話者モデル / speaker-independent models |
| キーワード(5)（和/英） | コンテキストクラスタリング / context clustering |
| 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） | 山田 修平 / Shuhei Yamada / ヤマダ シュウヘイ |
| 第1著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 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） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 伊藤 彰則 / Akinori Ito / イトウ アキノリ |
| 第3著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-10-15 16:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2015-64 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | no.253 |
| ページ範囲 | pp.27-32 |
| ページ数 | 6 |
| 発行日 | 2015-10-08 (SP) |
[研究会発表申込システムのトップページに戻る]