| 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 | 2023-03-01 10:40 入力特徴量で条件づけた拡散確率モデルによるパラレル声質変換 ○岸田拓也・中鹿 亘（電通大）  EA2022-107 SIP2022-151 SP2022-71 |
|
| 抄録 | （和） | 本研究では，変換目標と変換元の音声の発話内容を揃えたパラレルデータセットで学習した拡散確率モデルをベースとする声質変換手法を提案する．拡散確率モデルは元々ランダムノイズからデータを生成するモデルであるため，声質変換に利用するためには，入力音声の発話内容を維持したまま変換音声を生成する仕組みが必要となる．入力特徴量を初期値として拡散確率モデルの生成ステップを途中から開始させる方法や，音素ラベル付きデータを使ってモデルを学習し，入力特徴量からエンコードされる各音素の平均的特徴量系列を事前分布に用いる方法などが提案されている．前者の方法は実行する生成ステップ数の調整が必要であること，後者の方法では音素ラベル付きデータが必要であることがそれぞれ課題となる．提案法はパラレルデータセットを用いることで，拡散確率モデルのネットワークを入力特徴量で条件づけることや，事前分布が入力特徴量依存となるようにモデルを学習できる．これによって，変換音声が入力音声の発話内容を維持することが促進される．客観評価実験によって提案法は同じ構造のネットワークでパラレルデータを用いずに学習したベースライン手法に比べ，より目標声質の音声に近くなることが確認された． |
| （英） | We propose a voice conversion method based on a diffusion probabilistic model trained on a parallel dataset. Since the diffusion probabilistic model is a model that generates data from random noise, a mechanism to generate the converted speech while maintaining the linguistic content of the input speech is necessary to use it for voice conversion. Methods such as starting the generation step in the middle of the process using the input features as initial values or training the model using phoneme-labeled data and using the average acoustic feature series for each phoneme encoded from the input features as a prior distribution have been proposed. The former method requires adjustment of the number of generation steps to be performed, and the latter method requires phoneme-labeled data. By using parallel dataset, the proposed method can condition the network of the diffusion probabilistic model on the input features and train the models so that the prior distribution is input feature dependent. These facilitate that the converted speech preserves the linguistic content of the input speech. Objective evaluation experiments confirmed that the proposed method is closer to the target voice than the baseline method trained on the same network structure without parallel data. | |
| キーワード | （和） | 声質変換 / パラレル学習 / 拡散確率モデル / スコアベース生成モデル / 確率微分方程式 / / / |
| （英） | voice conversion / parallel training / diffusion probabilistic models / score-based generative models / stochastic differential equation / / / | |
| 文献情報 | 信学技報, vol. 122, no. 389, SP2022-71, pp. 191-196, 2023年2月. | |
| 資料番号 | SP2022-71 | |
| 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 | EA2022-107 SIP2022-151 SP2022-71 |
|
| 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） | 入力特徴量で条件づけた拡散確率モデルによるパラレル声質変換 |
| サブタイトル（和） | |
| タイトル（英） | Diffusion-based parallel voice conversion with source-feature condition |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 声質変換 / voice conversion |
| キーワード(2)（和/英） | パラレル学習 / parallel training |
| キーワード(3)（和/英） | 拡散確率モデル / diffusion probabilistic models |
| キーワード(4)（和/英） | スコアベース生成モデル / score-based generative models |
| キーワード(5)（和/英） | 確率微分方程式 / stochastic differential equation |
| 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） | 岸田 拓也 / Takuya Kishida / キシダ タクヤ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 中鹿 亘 / Toru Nakashika / ナカシカ トオル |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-01 10:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SP |
| 資料番号 | EA2022-107, SIP2022-151, SP2022-71 |
| 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.191-196 |
| 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]