| 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 | 2018-08-27 11:35 ［ポスター講演］GANによる音声を対象とした感情変換の実験的評価 ○安田研二・折原良平・清 雄一・田原康之・大須賀昭彦（電通大）  SP2018-26 |
|
| 抄録 | （和） | ドメイン変換タスクは深層学習の発展によって，より自然で高精度な出力を生成することを可能としている.特にGAN(Generative Adversarial Network)の登場によって，汎用的な変換学習が行えるようになった.音声を対象としたドメイン変換の一例に声質変換がある.声質変換は話者ドメイン変換と言い換えることができ，数多く研究されている.しかし，話者以外の情報を変換する研究は少ない.より自然な音声合成を目的とする場合，話者情報以外の変換について研究する必要がある.そこで本研究では，CycleGANを用いて音声を対象とした感情ドメイン変換を行なった.特に，学習・変換する特徴量について，基本周波数とメル周波数ケプストラム係数を組み合わせた．また，変換器は複数話者を含む学習データを用いて作成した．「ANG(anger)」「HAP(hapiness)」「SAD(sadness)」を対象に変換を行なった.評価実験の結果，女性話者の「ANG」への変換について高い性能を発揮することができた. |
| （英） | In domain transfer task deep learning has made it possible to generate more natural and highly accurate output. Especially with the advent of GAN(Generative Adversarial Network), learning of transfers between unspecified domains has become possible. Voice conversion is an example of domain transformation for speech. Voice conversion can be paraphrased as speaker domain transformation, where many studies have been done. However, few studies have focused on transformations other than speakers. When aiming at a more natural speech synthesis, it is necessary to study transformations other than speaker. Therefore, in this research, we use a model called CycleGAN to perform voice conversion on emotions. Especially, the acoustic feature to learn and convert combines fundamental frequency(F0) and Mel-Frequency Cepstrum Coefficients(MFCC). Also, the converter generated using training data, including multiple speakers. We selected "ANG(anger)", "HAP(happiness)", "SAD(sadness)" as conversion targets. As a result of evaluation experiments, the model performs well on conversion to "ANG" in female speakers. | |
| キーワード | （和） | 深層学習 / ドメイン変換 / 敵対的生成ネットワーク / 声質変換 / 音声処理 / / / |
| （英） | Deep Learning / Domain Transfer / Generative Adversarial Network / Voice Conversion / Speech Processing / / / | |
| 文献情報 | 信学技報, vol. 118, no. 198, SP2018-26, pp. 19-22, 2018年8月. | |
| 資料番号 | SP2018-26 | |
| 発行日 | 2018-08-20 (SP) | |
| ISSN | 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 | SP2018-26 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2018-08-27 - 2018-08-27 |
| 開催地（和） | 京都大学 |
| 開催地（英） | Kyoto Univ. |
| テーマ（和） | 認識，理解，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 | 2018-08-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | GANによる音声を対象とした感情変換の実験的評価 |
| サブタイトル（和） | |
| タイトル（英） | An Experimental Study on Transforming the Emotion in Speech using GAN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | ドメイン変換 / Domain Transfer |
| キーワード(3)（和/英） | 敵対的生成ネットワーク / Generative Adversarial Network |
| キーワード(4)（和/英） | 声質変換 / Voice Conversion |
| キーワード(5)（和/英） | 音声処理 / Speech Processing |
| 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） | 安田 研二 / Kenji Yasuda / ヤスダ ケンジ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 折原 良平 / Ryohei Orihara / オリハラ リョウヘイ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | 清 雄一 / Yuichi Sei / セイ ユウイチ |
| 第3著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第4著者 氏名（和/英/ヨミ） | 田原 康之 / Yasuyuki Tahara / タハラ ヤスユキ |
| 第4著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第5著者 氏名（和/英/ヨミ） | 大須賀 昭彦 / Akihiko Ohsuga / オオスガ アキヒコ |
| 第5著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-08-27 11:35:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SP |
| 資料番号 | SP2018-26 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.198 |
| ページ範囲 | pp.19-22 |
| ページ数 | 4 |
| 発行日 | 2018-08-20 (SP) |
[研究会発表申込システムのトップページに戻る]