| 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 | 2023-02-28 10:10 発声タイミングのずれを考慮したフレーム駆動型アテンション機構に基づく歌声合成 ○西原美玖・法野行哉・橋本 佳・南角吉彦・徳田恵一（名工大）  EA2022-78 SIP2022-122 SP2022-42 |
|
| 抄録 | （和） | 歌声合成において，歌声と楽譜の時間構造の同期は重要である．従来のニューラルネットワークに基づく歌声合成では，アライナーで得られた音素境界に基づき歌声の時間構造や音響特徴量をモデル化する手法が検討されているが，アライメントの推定誤差が時間構造のモデル化だけでなく音響特徴量のモデル化にも影響を及ぼすため，アライナーの精度が合成音声の自然性を左右する．この問題に対し，フレーム駆動型アテンション機構に基づくsequence-to-sequence音響モデルを導入する．さらに，適切なアライナーが用意できない場合に有効な，ヒューリスティックなルールに基づく擬似的な音素境界を用いた手法について比較する． |
| （英） | This paper proposes singing voice synthesis (SVS) based on a frame-driven attention mechanism considering vocal timing deviation. In many SVS systems, the sound quality is affected by the aligner accuracy because phoneme-level score features are converted into frame-level ones based on phoneme boundaries obtained by external aligners taking into account actual vocal timing. To alleviate this problem, we introduce an attention mechanism to absorb alignment errors in phoneme boundaries with frame-level features. We also propose a system with pseudo-phoneme-boundaries defined by heuristic rules based on musical scores. The experimental results show the effectiveness of the proposed systems. | |
| キーワード | （和） | 歌声合成 / フレーム駆動型アテンション機構 / sequence-to-sequenceモデル / 発声タイミングのずれ / 擬似音素境界 / / / |
| （英） | Singing voice synthesis / frame-driven attention mechanism / sequence-to-sequence model / vocal timing deviation / pseudo-phoneme-boundaries / / / | |
| 文献情報 | 信学技報, vol. 122, no. 389, SP2022-42, pp. 19-24, 2023年2月. | |
| 資料番号 | SP2022-42 | |
| 発行日 | 2023-02-21 (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 | EA2022-78 SIP2022-122 SP2022-42 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP EA SIP |
| 開催期間 | 2023-02-28 - 2023-03-01 |
| 開催地（和） | 沖縄県立博物館・美術館 |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，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 | 2023-02-SP-SLP-EA-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 発声タイミングのずれを考慮したフレーム駆動型アテンション機構に基づく歌声合成 |
| サブタイトル（和） | |
| タイトル（英） | Singing voice synthesis based on a frame-driven attention mechanism considering vocal timing deviation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 歌声合成 / Singing voice synthesis |
| キーワード(2)（和/英） | フレーム駆動型アテンション機構 / frame-driven attention mechanism |
| キーワード(3)（和/英） | sequence-to-sequenceモデル / sequence-to-sequence model |
| キーワード(4)（和/英） | 発声タイミングのずれ / vocal timing deviation |
| キーワード(5)（和/英） | 擬似音素境界 / pseudo-phoneme-boundaries |
| 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） | 西原 美玖 / Miku Nishihara / ニシハラ ミク |
| 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： NITech) |
| 第2著者 氏名（和/英/ヨミ） | 法野 行哉 / Yukiya Hono / ホウノ ユキヤ |
| 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： NITech) |
| 第3著者 氏名（和/英/ヨミ） | 橋本 佳 / Kei Hashimoto / ハシモト ケイ |
| 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： NITech) |
| 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： NITech) |
| 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： NITech) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-02-28 10:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SP |
| 資料番号 | EA2022-78, SIP2022-122, SP2022-42 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.387(EA), no.388(SIP), no.389(SP) |
| ページ範囲 | pp.19-24 |
| ページ数 | 6 |
| 発行日 | 2023-02-21 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]