| 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 | 2022-03-02 10:45 アクセント潜在変数を用いた方言音声合成における文単位生成の評価 ○湯舟航耶・郡山知樹・高道慎之介・猿渡 洋（東大）  EA2021-79 SIP2021-106 SP2021-64 |
|
| 抄録 | （和） | 日本語方言音声合成は個人化された音声合成システムなどにとって有用であるが，アクセントラベルを用意できないことが合成音声の自然性を高める上での障害となっている． 著者らは過去，アクセントラベルなしで日本語方言のピッチアクセントを生成するため，vector quantized variational autoencoder (VQ-VAE) を用いて方言ピッチアクセントをモーラ単位のアクセント潜在変数としてモデル化する手法を提案し，フレーズ単位の発話に対して評価を行った． これに続き本稿では，修正した同様の手法を文単位の方言発話に適用し，その評価を行う． 実験では，文単位発話に対してもアクセント潜在変数によって音声のピッチアクセントをモデル化できること， 単語分割の精度が高い場合に提案法は従来法よりも自然なピッチアクセントをテキストから生成できること，提案法によって生成されるピッチアクセントの可制御性が向上することを示す． |
| （英） | Japanese dialect speech synthesis is useful for personalized speech synthesis systems. However, inability to prepare accent labels is an obstacle to improving the naturalness of the synthesized dialectal speeches. In the past, we proposed an accent-label-free method to model the pitch accent of Japanese dialects as mora-level accent latent variables (ALVs) using vector quantized variational autoencoder (VQ-VAE), and we evaluated its performance for phrase-level utterances. In this paper, we apply the same method with some modifications to sentence-level dialectal utterances and evaluate it. The experimental evaluation showed that the ALVs can be used to model the pitch accent even of sentence-level utterances, that the proposed method can synthesize more natural pitch accents from text than the conventional one when the text analysis is accurate, and that the proposed method improves the controllability of synthesized pitch accents. |
|
| キーワード | （和） | 方言音声合成 / アクセント潜在変数 / VQ-VAE / ピッチアクセント / 潜在変数 / / / |
| （英） | Dialect speech synthesis / accent latent variable / VQ-VAE / pitch accent / latent variable / / / | |
| 文献情報 | 信学技報, vol. 121, no. 385, SP2021-64, pp. 96-101, 2022年3月. | |
| 資料番号 | SP2021-64 | |
| 発行日 | 2022-02-22 (EA, SIP, 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 | EA2021-79 SIP2021-106 SP2021-64 |
|
| 研究会情報 | |
| 研究会 | EA SIP SP IPSJ-SLP |
| 開催期間 | 2022-03-01 - 2022-03-02 |
| 開催地（和） | 沖縄県立博物館・美術館 |
| 開催地（英） | |
| テーマ（和） | 応用／電気音響, 信号処理，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 | 2022-03-EA-SIP-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | アクセント潜在変数を用いた方言音声合成における文単位生成の評価 |
| サブタイトル（和） | |
| タイトル（英） | Evaluation of sentence-level generation in Japanese dialect speech synthesis using accent latent variables |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 方言音声合成 / Dialect speech synthesis |
| キーワード(2)（和/英） | アクセント潜在変数 / accent latent variable |
| キーワード(3)（和/英） | VQ-VAE / VQ-VAE |
| キーワード(4)（和/英） | ピッチアクセント / pitch accent |
| キーワード(5)（和/英） | 潜在変数 / latent variable |
| 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） | 湯舟 航耶 / Kazuya Yufune / ユフネ カズヤ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) the University of Tokyo (略称： UTokyo) |
| 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： UTokyo) |
| 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： UTokyo) |
| 第4著者 氏名（和/英/ヨミ） | 猿渡 洋 / Hiroshi Saruwatari / サルワタリ ヒロシ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) the University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-02 10:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | EA2021-79, SIP2021-106, SP2021-64 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.383(EA), no.384(SIP), no.385(SP) |
| ページ範囲 | pp.96-101 |
| ページ数 | 6 |
| 発行日 | 2022-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]