| 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 09:10 基本周波数制御可能な高速ニューラル波形生成モデルの比較 ○清水聡太（神戸大/NICT）・岡本拓磨（NICT）・高島遼一・滝口哲也（神戸大）・戸田智基（名大/NICT）・河井 恒（NICT）  EA2022-75 SIP2022-119 SP2022-39 |
|
| 抄録 | （和） | 深層ニューラルネットワークを用いて音響特徴量から音声波形を生成するニューラルボコーダは，従来のソースフィルタボコーダに比べ，合成音声の品質を大幅に向上させており，高速かつ高品質なニューラルボコーダが数多く提案されている．ニューラルボコーダは従来のソースフィルタボコーダと同様に，基本周波数~($f_{mathrm{o}}$)などの属性を柔軟に制御することが必要とされる．これに対し，$f_{mathrm{o}}$の制御性能を維持しつつ，高品質かつCPUのみでもリアルタイム合成可能なモデルとしてHarmonic-Net+やSiFi-GANが提案されている．本研究では，未知話者合成において，~($f_{mathrm{o}}$)制御可能な高速ニューラル波形生成モデルであるHarmonic-Net+，MS-Harmonic-Net+，SiFi-GANの比較を行う． |
| （英） | Neural vocoders, which reconstruct speech waveforms from acoustic features with deep neural networks, have significantly improved synthetic speech quality compared to conventional source-filter vocoders. Neural vocoders, like conventional source filter vocoders, are required to be able to flexibly control attributes such as fundamental frequency ($f_{mathrm{o}}$). Harmonic-Net+ and SiFi-GAN have been proposed as models that can synthesize a speech waveform in real time on CPU, while maintaining controllability of $f_{mathrm{o}}$ and high synthetic speech quality. In this study, we conduct experiments to evaluate Harmonic-Net+, MS-Harmonic-Net+ and SiFi-GAN, which are fast neural vocoders with controllability of $f_{mathrm{o}}$ for unseen speaker synthesis. | |
| キーワード | （和） | 音声合成 / ニューラルボコーダ / 基本周波数制御 / リアルタイム合成 / / / / |
| （英） | speech synthesis / Neural vocoder / fundamental frequency control / real-time inference / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 389, SP2022-39, pp. 1-6, 2023年2月. | |
| 資料番号 | SP2022-39 | |
| 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 | EA2022-75 SIP2022-119 SP2022-39 |
|
| 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） | 基本周波数制御可能な高速ニューラル波形生成モデルの比較 |
| サブタイトル（和） | |
| タイトル（英） | Comparison of fundamental frequency controllable fast neural waveform generative models. |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声合成 / speech synthesis |
| キーワード(2)（和/英） | ニューラルボコーダ / Neural vocoder |
| キーワード(3)（和/英） | 基本周波数制御 / fundamental frequency control |
| キーワード(4)（和/英） | リアルタイム合成 / real-time inference |
| 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） | 清水 聡太 / Sota Shimizu / シミズ ソウタ |
| 第1著者 所属（和/英） | 神戸大学/情報通信研究機構 (略称： 神戸大/NICT) Kobe University/National Institute of Information and Communications Technology (略称： Kobe Univ./NICT) |
| 第2著者 氏名（和/英/ヨミ） | 岡本 拓磨 / Takuma Okamoto / オカモト タクマ |
| 第2著者 所属（和/英） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 第3著者 氏名（和/英/ヨミ） | 高島 遼一 / Ryoichi Takashima / タカシマ リョウイチ |
| 第3著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 滝口 哲也 / Tetsuya Takiguchi / タキグチ テツヤ |
| 第4著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 戸田 智基 / Tomoki Toda / トダ トモキ |
| 第5著者 所属（和/英） | 名古屋大学/情報通信研究機構 (略称： 名大/NICT) Nagoya University/National Institute of Information and Communications Technology (略称： Nagoya Univ./NICT) |
| 第6著者 氏名（和/英/ヨミ） | 河井 恒 / Hisashi Kawai / カワイ ヒサシ |
| 第6著者 所属（和/英） | 情報通信研究機構 (略称： NICT) National Institute of Information and Communications Technology (略称： NICT) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-02-28 09:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SP |
| 資料番号 | EA2022-75, SIP2022-119, SP2022-39 |
| 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.1-6 |
| 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]