| 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 | 2023-06-24 13:50 全結合層型アップサンプリングを導入した高速ニューラル波形生成モデル ○山下陽生（神戸大/NICT）・岡本拓磨（NICT）・高島遼一（神戸大）・大谷大和（NICT）・滝口哲也（神戸大）・戸田智基（名大/NICT）・河井 恒（NICT）  SP2023-15 |
|
| 抄録 | （和） | 近年，VITSやJETSといったモデルを用いることで高速かつ高品質なテキスト音声合成~(Text-toSpeech:~TTS)が可能になった．しかし１つのCPUでのReal Time Factor~(RTF)は1弱であり，その品質を保ったまま更に推論速度を向上させることが求められている．ここでボコーダであるHiFi-GANが推論速度のボトルネックになっていることが知られており，HiFi-GANの高速化モデルとして，Multi-stream~(MS) HiFi-GAN，iSTFTNet，MS-iSTFT-HiFiGAN，などが提案されてきた．しかし本研究において，iSTFTNetの推論する中間特徴量はSTFT結果のスペクトログラムとは全く違う形になっており，特徴量を効率的に扱えていないことが分かった．そこで本稿では，iSTFT構造を全結合層(Fully Connected:~FC)に変更したFC構造をiSTFTNetとMS-iSTFT-HiFiGANに適応したFC-HiFi-GANとMS-FC-HiFiGANを提案する．FC構造を用いたモデルはiSTFT構造を用いるよりも中間特徴量を効率よく扱うことができ，VITS，JETSを用いたTTSによる合成品質の向上が確認された． |
| （英） | In recent years, in text-to-speech synthesis, it is required to improve the inference speed while keeping the quality. Multi-stream(MS) iSTFT-HiFiGAN was proposed as a high-speed model of HiFi-GAN, a vocoder capable of inferring waveforms on single CPU. In the TTS task using VITS, although there was some deterioration in sound quality, the speed was increased by about 4 times. In this paper, we propose a MS-FC-HiFiGAN in which the inverse short-time Fourier transform (iSTFT) part is changed to trainable fully connected layer for the purpose of improving the synthesis quality of the MS-iSTFT-HiFiGAN. As for the inference speed, RTF was 0.15 on 1 CPU, which is the same as MS-iSTFT-HiFiGAN. Synthesis quality was inferior to that of MS-iSTFT-HiFiGAN in TTS task, but was superior to thatin analysis/synthesis task. |
|
| キーワード | （和） | 音声合成 / ニューラルボコーダ / HiFi-GAN / Text-to-Speech / 分析合成 / / / |
| （英） | speech synthesis / Neural Vocoder / HiFi-GAN / Text-to-Speech / Analysis Synthesis / / / | |
| 文献情報 | 信学技報, vol. 123, no. 88, SP2023-15, pp. 73-78, 2023年6月. | |
| 資料番号 | SP2023-15 | |
| 発行日 | 2023-06-16 (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 | SP2023-15 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-MUS IPSJ-SLP |
| 開催期間 | 2023-06-23 - 2023-06-24 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | |
| テーマ（和） | 音学シンポジウム2023 |
| 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 | 2023-06-SP-MUS-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 全結合層型アップサンプリングを導入した高速ニューラル波形生成モデル |
| サブタイトル（和） | |
| タイトル（英） | Fast Neural Waveform Generation Model With Fully Connected Upsampling |
| 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） | HiFi-GAN / HiFi-GAN |
| キーワード(4)（和/英） | Text-to-Speech / Text-to-Speech |
| キーワード(5)（和/英） | 分析合成 / Analysis Synthesis |
| 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） | 山下 陽生 / Haruki Yamashita / ヤマシタ ハルキ |
| 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 cniv/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） | 大谷 大和 / Yamato Ohtani / オオタニ ヤマト |
| 第4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5著者 氏名（和/英/ヨミ） | 滝口 哲也 / Tetsuya Takiguchi / タキグチ テツヤ |
| 第5著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ) |
| 第6著者 氏名（和/英/ヨミ） | 戸田 智基 / Tomoki Toda / トダ トモキ |
| 第6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7著者 氏名（和/英/ヨミ） | 河井 恒 / Hisashi Kawai / カワイ ヒサシ |
| 第7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 | 2023-06-24 13:50:00 |
| 発表時間 | 140分 |
| 申込先研究会 | SP |
| 資料番号 | SP2023-15 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.88 |
| ページ範囲 | pp.73-78 |
| ページ数 | 6 |
| 発行日 | 2023-06-16 (SP) |
[研究会発表申込システムのトップページに戻る]