| 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 | 2017-06-22 15:15 DNN音声合成における感情付与のためのモデル構造の検討 ○井上勝喜・原 直・阿部匡伸（岡山大）・北条伸克・井島勇祐（NTT）  PRMU2017-29 SP2017-5 |
|
| 抄録 | （和） | DNN 音声合成は，従来のHMM 音声合成に比べ，より自然な音声が合成可能であることが示されている．また，HMM 音声合成では合成音声を多様化するために感情付与の手法が研究されている．しかし，DNN 音声合成においても感情付与が可能であるかは明らかでない．そこで，DNN に基づく音声合成システムの表現力を向上させる方法として，本報告では感情付与のためのDNN のモデル構造を検討した．感情付与のためのモデル構造として，次の3 種類を比較した．すなわち，（1）Parallel Model：出力層が話者依存の層と感情依存の層からなる構造，（2）SerialModel：話者依存の層から感情依存の出力層へと伝播する構造，（3）Auxiliary Input Model：言語特徴量ベクトルと同様に話者ID と感情ID を入力する構造，の3 種類である．話者24 名の平常音声と話者24 名中の3 名の喜びと悲しみの音声により学習をおこなった．客観評価実験と主観評価実験により，各モデル構造を比較した．実験の結果，学習データに平常音声しかない話者の声質で感情音声を合成する場合，Parallel Model がSerial Model よりも良く，Auxiliary Input Model よりもわずかに良いことが明らかとなった．また，学習データ中に感情音声を含む話者の声質で感情音声を合成する場合，Serial Model が最も良い性能を示した． |
| （英） | Recent studies have shown that DNN-based speech synthesis can generate more natural synthesized speech than the conventional HMM-based speech synthesis. There are some studies that the method of emotional transplantation in order to variegate synthesized speech in HMM-based speech synthesis. However, it is not revealed whether emotion can be transplanted in DNN-based speech synthesis. In this paper, we compare DNN architectures in order to transplant emotional expressions to improve expressiveness of DNN-based TTS synthesis. The following three kinds of DNN architectures are examined. (1) Parallel Model : an output layer consisted of both speaker dependent layers and emotion dependent layers. (2) Serial Model : an output layer consisted of emotion dependent layers preceded by speaker dependent layers. (3) Auxiliary Input Model : an input layer consisted of speaker ID and emotion ID as well as linguistic feature vectors. The DNNs were trained using neutral speech uttered by 24 speakers, and joyful speech and sad speech uttered by 3 speakers out of the 24 speakers. The DNNs were compared by the objective evaluation and the subjective evaluation. When synthesizing unseen emotion, evaluation results showed that Parallel Model is much better than Serial Model and is slightly better than Auxiliary Input Model. Also the test showed that Serial Model is the best of the three models when synthesizing seen emotion. | |
| キーワード | （和） | 音声合成 / DNN / 感情付与 / マルチタスク学習 / / / / |
| （英） | speech synthesis / deep neural network / emotional transplantation / multi-task learning / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 106, SP2017-5, pp. 23-28, 2017年6月. | |
| 資料番号 | SP2017-5 | |
| 発行日 | 2017-06-15 (PRMU, 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 | PRMU2017-29 SP2017-5 |
|
| 研究会情報 | |
| 研究会 | PRMU SP |
| 開催期間 | 2017-06-22 - 2017-06-23 |
| 開催地（和） | 東北大学 |
| 開催地（英） | |
| テーマ（和） | 様々なメディア |
| 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 | 2017-06-PRMU-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | DNN音声合成における感情付与のためのモデル構造の検討 |
| サブタイトル（和） | |
| タイトル（英） | Comparisons on Transplant Emotional Expressions in DNN-based TTS Synthesis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声合成 / speech synthesis |
| キーワード(2)（和/英） | DNN / deep neural network |
| キーワード(3)（和/英） | 感情付与 / emotional transplantation |
| キーワード(4)（和/英） | マルチタスク学習 / multi-task learning |
| 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） | 井上 勝喜 / Katsuki Inoue / イノウエ カツキ |
| 第1著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 原 直 / Sunao Hara / ハラ スナオ |
| 第2著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 阿部 匡伸 / Masanobu Abe / アベ マサノブ |
| 第3著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 北条 伸克 / Nobukatsu Hojo / ホウジョウ ノブカツ |
| 第4著者 所属（和/英） | 日本電信電話 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第5著者 氏名（和/英/ヨミ） | 井島 勇祐 / Yusuke Ijima / イジマ ユウスケ |
| 第5著者 所属（和/英） | 日本電信電話 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-06-22 15:15:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | PRMU2017-29, SP2017-5 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.105(PRMU), no.106(SP) |
| ページ範囲 | pp.23-28 |
| ページ数 | 6 |
| 発行日 | 2017-06-15 (PRMU, SP) |
[研究会発表申込システムのトップページに戻る]