| 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 | 2021-12-03 11:00 VQVAEによって獲得されたキャラクター演技スタイルに基づく多話者オーディオブック音声合成 ○中田 亘・郡山知樹・高道慎之介・斎藤佑樹（東大）・井島勇祐・増村 亮（NTT）・猿渡 洋（東大）  NLC2021-26 SP2021-47 |
|
| 抄録 | （和） | 本研究では，Vector Quantized Variational AutoEncoder (VQVAE)を用いたキャラクター演技スタイルの抽出，及びそれを用いた多話者オーディオブック音声合成を提案する．声優によるオーディオブック音声では，登場人物の属性などにより異なるキャラクター演技スタイルが含まれため，オーディオブック音声合成においても異なるキャラクター演技スタイルを実現することが望まれる．一方で，テキスト情報のみから登場人物の属性と対応するキャラクター演技スタイルを推測することは困難である．そこで本研究では，音声からキャラクター演技スタイルを抽出しそれに基づく多話者オーディオブック音声合成を提案する．主観評価では，提案法を用いることにより，より原音声に近いキャラクター演技スタイルが実現できることが確認された． |
| （英） | In this paper, we propose a method of extracting discrete character acting styles using vector quantized variational autoencoder (VQVAE) and multi-speaker audiobook speech synthesis based on extracted character acting styles. In audiobook corpora uttered by voice talents, the speech utterances contain acting depending on the character's attributes. Such acting should also be contained in synthesized audiobooks. However, predicting proper acting style and character attributes is still a hard challenge. To this end, we propose a method for extracting character acting styles from audiobook speech and conditioning TTS models by the extracted character acting styles to synthesize speech with character acting. The subjective evaluation shows that the proposed method achieves a closer character acting style to the ground truth speech. | |
| キーワード | （和） | オーディオブック音声合成 / VQVAE / キャラクター演技スタイル / / / / / |
| （英） | Audiobook speech synthesis / VQVAE / Character acting styles / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 282, SP2021-47, pp. 42-47, 2021年12月. | |
| 資料番号 | SP2021-47 | |
| 発行日 | 2021-11-24 (NLC, 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 | NLC2021-26 SP2021-47 |
|
| 研究会情報 | |
| 研究会 | NLC IPSJ-NL SP IPSJ-SLP |
| 開催期間 | 2021-12-01 - 2021-12-03 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 第23回音声言語シンポジウムおよび第8回自然言語処理シンポジウム |
| 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 | 2021-12-NLC-NL-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | VQVAEによって獲得されたキャラクター演技スタイルに基づく多話者オーディオブック音声合成 |
| サブタイトル（和） | |
| タイトル（英） | Multi-speaker Audiobook Speech Synthesis using Discrete Character Acting Styles Acquired by VQVAE |
| サブタイトル（英） | |
| キーワード(1)（和/英） | オーディオブック音声合成 / Audiobook speech synthesis |
| キーワード(2)（和/英） | VQVAE / VQVAE |
| キーワード(3)（和/英） | キャラクター演技スタイル / Character acting styles |
| キーワード(4)（和/英） | / |
| 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） | 中田 亘 / Wataru Nakata / ナカタ ワタル |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 第2著者 氏名（和/英/ヨミ） | 郡山 知樹 / Tomoki Koriyama / コオリヤマ トモキ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 第3著者 氏名（和/英/ヨミ） | 高道 慎之介 / Shinnosuke Takamichi / タカミチ シンノスケ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 第4著者 氏名（和/英/ヨミ） | 斎藤 佑樹 / Yuki Saito / サイトウ ユウキ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 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） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第6著者 氏名（和/英/ヨミ） | 増村 亮 / Ryo Masumura / マスムラ リョウ |
| 第6著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第7著者 氏名（和/英/ヨミ） | 猿渡 洋 / Hiroshi Saruwatari / サルワタリ ヒロシ |
| 第7著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-12-03 11:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2021-26, SP2021-47 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.281(NLC), no.282(SP) |
| ページ範囲 | pp.42-47 |
| ページ数 | 6 |
| 発行日 | 2021-11-24 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]