| 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 | 2017-03-01 09:20 音声生成過程を考慮したWaveNetに基づく音声波形合成法 ○玉森 聡・林 知樹・戸田智基・武田一哉（名大）  EA2016-82 SIP2016-137 SP2016-77 |
|
| 抄録 | （和） | 本研究では，最近新たに提案されたニューラルネットワークであるWaveNetを援用し，既存のボコーダの音響特徴量をWaveNetの入力補助特徴量に用いて音声波形を合成する手法を提案する．これらの特徴量は音声の生成過程を考慮して抽出されることから，補助特徴量として効果的に働くことが期待される．特に提案法は既存のボコーダで必要とされる音源励起信号の生成を介さないことから，詳細な時間情報を回復した高品質な音声波形の合成が期待される．実験ではメルケプストラムボコーダのパラメータを対象とし，合成音声の品質をSNR (Signal-to-Noise Ratio) とSDR (Signal-to-Distortion~Ratio) の2つの指標によって客観的に評価した．実験の結果，SNRについて有意な改善を得たことから，提案法の有効性が確認された． |
| （英） | Our aim is to realize a new vocoder, which can resolve various constraints imposed on source-filter model and deal with speech waveform directly. In this study, we propose a method of synthesizing speech waveforms with WaveNet, which was a recently proposed neural network for generating audio signal waveforms, by using existing vocoder parameters as input auxiliary features. It is expected that these parameters are effective for auxiliary feature of waveform generation, because they are based on source-filter model. In the experiment, parameters of mel-cepstrum vocoder were selected as target, and quality of synthesized speech was objectively evaluated by SNR (Signal-to-Noise Ratio) and SDR (Signal-to-Distortion Ratio). From the results, it was confirmed that the sound quality was significantly improved for SNR and proposed method was effective. | |
| キーワード | （和） | WaveNet / 畳み込みニューラルネットワーク / ソースフィルタモデル / メルケプストラム / 基本周波数 / ボコーダ / 深層学習 / |
| （英） | WaveNet / convolutional neural network / source-filter model / mel-cepstrum / fundamental frequency. / vocoder / deep leaning / | |
| 文献情報 | 信学技報, vol. 116, no. 477, SP2016-77, pp. 1-6, 2017年3月. | |
| 資料番号 | SP2016-77 | |
| 発行日 | 2017-02-22 (EA, SIP, 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 | EA2016-82 SIP2016-137 SP2016-77 |
|
| 研究会情報 | |
| 研究会 | SP SIP EA |
| 開催期間 | 2017-03-01 - 2017-03-02 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 |
| テーマ（英） | Speech, Engineering/Electro Acoustics, Signal Processing, and Related Topics |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2017-03-SP-SIP-EA |
| 本文の言語 | 日本語 |
| タイトル（和） | 音声生成過程を考慮したWaveNetに基づく音声波形合成法 |
| サブタイトル（和） | |
| タイトル（英） | Speech waveform synthesis based on WaveNet considering speech generation process |
| サブタイトル（英） | |
| キーワード(1)（和/英） | WaveNet / WaveNet |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(3)（和/英） | ソースフィルタモデル / source-filter model |
| キーワード(4)（和/英） | メルケプストラム / mel-cepstrum |
| キーワード(5)（和/英） | 基本周波数 / fundamental frequency. |
| キーワード(6)（和/英） | ボコーダ / vocoder |
| キーワード(7)（和/英） | 深層学習 / deep leaning |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 玉森 聡 / Akira Tamamori / タマモリ アキラ |
| 第1著者 所属（和/英） | 名古屋大学/JST (略称： 名大) Nagoya University/JST (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 林 知樹 / Tomoki Hayashi / トモキ ハヤシ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 戸田 智基 / Tomoki Toda / トモキ トダ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 武田 一哉 / Kazuya Takeda / |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-03-01 09:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | EA2016-82, SIP2016-137, SP2016-77 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.475(EA), no.476(SIP), no.477(SP) |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2017-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]