| 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 | 2022-12-22 13:30 ［ポスター講演］汎用ボコーダにおける話者ベクトルを多入力に用いた子供音声の品質改善 ○吉田 悟・古家賢一（大分大）・水野秀之（諏訪理科大）  EA2022-64 |
|
| 抄録 | （和） | 音声合成で用いられているニューラルボコーダは人間の音声と区別がつかない程, 高品質な音声を合成することが可能である. 本研究では, 1つの音声合成モデルで子供や成人の音声を高品質で合成できる汎用的なボコーダの作成を目的とする. そこで合成音声の品質改善のために, HiFi-GANに対して話者の情報を加える話者ベクトルの導入を提案する. また, 話者ベクトルはHiFi-GANの生成器の一部の層または複数の層への多入力についても検討している. 品質改善の効果を確認するために, 音響特徴量のみで学習したモデルと話者ベクトルを用いた各モデルを比較し, 合成音声の品質評価を行った. |
| （英） | Neural vocoders used in speech synthesis are capable of synthesizing high-quality speech that is indistinguishable from human speech. The objective of this research is to create a general-purpose vocoder that can synthesize high-quality speech for children and adults with a single speech synthesis model. In order to improve the quality of synthesized speech, we propose the introduction of a speaker vector that adds speaker information to the HiFi-GAN. We also consider the possibility of multiple inputs of the speaker vector to some or several layers of the generator of the HiFi-GAN. In order to confirm the effectiveness of the quality improvement, we compared the models trained with only acoustic features and each model with speaker vectors and evaluated the quality of the synthesized speech. | |
| キーワード | （和） | ボコーダ / 音声合成 / 深層学習 / GAN / / / / |
| （英） | Vocoder / Speech Synthesis / Deep Learning / GAN / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 324, EA2022-64, pp. 18-23, 2022年12月. | |
| 資料番号 | EA2022-64 | |
| 発行日 | 2022-12-15 (EA) | |
| 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 | EA2022-64 |
|
| 研究会情報 | |
| 研究会 | EA US |
| 開催期間 | 2022-12-22 - 2022-12-23 |
| 開催地（和） | サテライトキャンパスひろしま |
| 開催地（英） | Satellite Campus Hiroshima |
| テーマ（和） | ＜音響・超音波サブソサイエティ合同研究会＞応用／電気音響，超音波一般 |
| テーマ（英） | [Joint Meeting on Acoustics and Ultrasonics Subsociety] Engineering/Electro Acoustics, Ultrasonics, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2022-12-EA-US |
| 本文の言語 | 日本語 |
| タイトル（和） | 汎用ボコーダにおける話者ベクトルを多入力に用いた子供音声の品質改善 |
| サブタイトル（和） | |
| タイトル（英） | Quality Improvement of Children's Speech with Multiple Inputs of Speaker Vectors in a General Purpose Vocoder |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ボコーダ / Vocoder |
| キーワード(2)（和/英） | 音声合成 / Speech Synthesis |
| キーワード(3)（和/英） | 深層学習 / Deep Learning |
| キーワード(4)（和/英） | GAN / GAN |
| 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） | 吉田 悟 / Satoshi Yoshida / ヨシダ サトシ |
| 第1著者 所属（和/英） | 大分大学 (略称： 大分大) Oita University (略称： Oita Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 古家 賢一 / Ken'ichi Furuya / フルヤ ケンイチ |
| 第2著者 所属（和/英） | 大分大学 (略称： 大分大) Oita University (略称： Oita Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 水野 秀之 / Hideyuki Mizuno / ミズノ ヒデユキ |
| 第3著者 所属（和/英） | 公立諏訪東京理科大学 (略称： 諏訪理科大) Suwa University of Science (略称： SUS) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-12-22 13:30:00 |
| 発表時間 | 120分 |
| 申込先研究会 | EA |
| 資料番号 | EA2022-64 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.324 |
| ページ範囲 | pp.18-23 |
| ページ数 | 6 |
| 発行日 | 2022-12-15 (EA) |
[研究会発表申込システムのトップページに戻る]