| 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 | 2018-01-21 15:35 メルケプストラムに基づくノイズシェーピング量子化法のWaveNet音声合成への適用 ○吉村建慶・橋本 佳・大浦圭一郎・南角吉彦・徳田恵一（名工大）  SP2017-83 |
|
| 抄録 | （和） | 統計的アプローチに基づく音声合成においては，音声波形からメルケプストラムなどの音響特徴量を抽出し，抽出した音響特徴量をモデル化する手法が広く研究されてきた．一方で，最近，WaveNetのようにニューラルネットワークを用いて音声波形を直接モデル化する手法が提案され，音響特徴量をモデル化する手法を凌ぐ性能が示されている．音声波形を直接モデル化する手法においては，音声波形のモデル化を回帰問題ではなく分類問題として捉えるため，音声波形に対して量子化が行われる．しかし，量子化を行うことにより発生する量子化ノイズが白色であるため，量子化ノイズの特に高域の周波数成分が知覚されやすいという問題があった．この問題に対して，本稿では，メルケプストラムに基づくプリフィルタリングおよびノイズシェーピング量子化法を適用する．プリフィルタリングおよびノイズシェーピングの操作はメルケプストラムを介して行うため，これらの効果は人間の聴覚特性に合ったものとなっており，量子化ノイズが音声によって効率良くマスクされることが期待される．WaveNetを用いた評価実験の結果，提案法によって合成音声の品質が大幅に向上することが示された． |
| （英） | This paper proposes a mel-cepstrum based quantization noise shaping for improving the quality of synthetic speech generated by neural network based speech waveform synthesis systems. Since mel-cepstral coefficients closely match the characteristics of human auditory perception, it is expected that the proposed method effectively masks the white noise introduced by the quantization typically used in neural network based speech waveform synthesis systems. The paper also describes a mel-cepstrum based prefiltering to further mask the quantization noise. Experiments using the WaveNet generative model showed that speech quality is significantly improved by the proposed method. | |
| キーワード | （和） | 音声合成 / ノイズシェーピング / 量子化 / メルケプストラム / WaveNet / / / |
| （英） | speech synthesis / noise shaping / quantization / mel-cepstrum / WaveNet / / / | |
| 文献情報 | 信学技報, vol. 117, no. 393, SP2017-83, pp. 93-98, 2018年1月. | |
| 資料番号 | SP2017-83 | |
| 発行日 | 2018-01-13 (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 | SP2017-83 |
|
| 研究会情報 | |
| 研究会 | SP ASJ-H |
| 開催期間 | 2018-01-20 - 2018-01-21 |
| 開催地（和） | 東京大学 |
| 開催地（英） | The University of Tokyo |
| テーマ（和） | 音声合成，音声コミュニケーション，聴覚，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 | 2018-01-SP-H |
| 本文の言語 | 日本語 |
| タイトル（和） | メルケプストラムに基づくノイズシェーピング量子化法のWaveNet音声合成への適用 |
| サブタイトル（和） | |
| タイトル（英） | Mel-cepstrum based quantization noise shaping applied to speech synthesis based on WaveNet |
| 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） | ノイズシェーピング / noise shaping |
| キーワード(3)（和/英） | 量子化 / quantization |
| 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） | WaveNet / WaveNet |
| 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） | 吉村 建慶 / Takenori Yoshimura / ヨシムラ タケノリ |
| 第1著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nagoya Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 橋本 佳 / Kei Hashimoto / ハシモト ケイ |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nagoya Inst. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 大浦 圭一郎 / Keiichiro Oura / オオウラ ケイイチロウ |
| 第3著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nagoya Inst. of Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 南角 吉彦 / Yoshihiko Nankaku / ナンカク ヨシヒコ |
| 第4著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nagoya Inst. of Tech.) |
| 第5著者 氏名（和/英/ヨミ） | 徳田 恵一 / Keiichi Tokuda / トクダ ケイイチ |
| 第5著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nagoya Inst. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-01-21 15:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2017-83 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.393 |
| ページ範囲 | pp.93-98 |
| ページ数 | 6 |
| 発行日 | 2018-01-13 (SP) |
[研究会発表申込システムのトップページに戻る]