| 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 | 2024-03-01 10:40 x-vectorの話者空間を利用した2話者間の中間話者音声合成 ○細井颯太・木内貴浩・若林佑幸・北岡教英（豊橋技科大）  EA2023-103 SIP2023-150 SP2023-85 |
|
| 抄録 | （和） | 近年，複数話者の声質や話し方について学習している音声合成器を用いて，学習セットに含まれていな い話者の音声を新たに合成する話者生成手法が考案されている.本研究では，複数話者音声合成に用いる話者空間 に x-vector を採用し，二人の話者の中間に位置するような中間音声を合成する手法を提案する.まず提案手法では， 話者の音声から x-vector を抽出するときに，損失関数として話者間の類似度を考慮する.そして，それらの x-vector の内分点をとることで話者間の中間に位置するような中間話者 x-vector を生成する.最終的には，テキストと中間 話者 x-vector を結合した特徴量を用いて中間音声を生成する.提案手法により，基本周波数と発話区間長において， 合成された音声が元話者の中間に位置していることが示された.また，x-vector およびユークリッドノルムに関して 正規化された x-vector を用いた手法と比較したところ，基本周波数と発話区間長に関する客観評価，中間音声を選択 する主観評価実験の両方で同等程度の品質であることが示された. |
| （英） | Recent advancements in speech synthesis technologies have enabled the synthesis of speeches of speakers not in the training set using multi-speaker speech synthesizers that learn diverse speech qualities and speaking styles. This study proposes a novel speaker generation approach to synthesize intermediate speech between two speakers by incorporating x-vectors in the speaker space used for multi-speaker speech synthesis. The proposed method constructs x-vectors from multi-speakers’ speeches with a loss function that accounts for speaker similarity. Intermediate speaker x-vectors are then generated by calculating the internal division points between these x-vectors. An intermediate speech is generated using a combination of text and the intermediate speaker x-vector. Experimental results indicate that the synthesized intermediate speech appropriately aligns with the intermediate position of the original speeches in terms of fundamental frequency and the length of voice active frames. The proposed approach demonstrates comparable quality in objective and subjective evaluation experiments compared to methods using original x-vectors and normalized x-vectors with an Euclidean norm. | |
| キーワード | （和） | 中間話者 / 音声合成 / 話者生成 / x-vector / JVSコーパス / / / |
| （英） | Intermediate speaker speech / Speech synthesis / Speaker generation / x-vector / JVS corpus / / / | |
| 文献情報 | 信学技報, vol. 123, no. 403, SP2023-85, pp. 250-255, 2024年2月. | |
| 資料番号 | SP2023-85 | |
| 発行日 | 2024-02-22 (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 | EA2023-103 SIP2023-150 SP2023-85 |
|
| 研究会情報 | |
| 研究会 | SIP SP EA IPSJ-SLP |
| 開催期間 | 2024-02-29 - 2024-03-01 |
| 開催地（和） | 沖縄産業支援センター |
| 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 | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | x-vectorの話者空間を利用した2話者間の中間話者音声合成 |
| サブタイトル（和） | |
| タイトル（英） | Intermediate speaker speech synthesis between two speakers using x-vector speaker space |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 中間話者 / Intermediate speaker speech |
| キーワード(2)（和/英） | 音声合成 / Speech synthesis |
| キーワード(3)（和/英） | 話者生成 / Speaker generation |
| キーワード(4)（和/英） | x-vector / x-vector |
| キーワード(5)（和/英） | JVSコーパス / JVS corpus |
| 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） | 細井 颯太 / Sota Hosoi / ホソイ ソウタ |
| 第1著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University fo Technology (略称： TUT) |
| 第2著者 氏名（和/英/ヨミ） | 木内 貴浩 / Takahiro Kinouchi / キノウチ タカヒロ |
| 第2著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University fo Technology (略称： TUT) |
| 第3著者 氏名（和/英/ヨミ） | 若林 佑幸 / Yukoh Wakabayashi / ワカバヤシ ユウコウ |
| 第3著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University fo Technology (略称： TUT) |
| 第4著者 氏名（和/英/ヨミ） | 北岡 教英 / Norihide Kitaoka / キタオカ ノリヒデ |
| 第4著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University fo Technology (略称： TUT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-01 10:40:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SP |
| 資料番号 | EA2023-103, SIP2023-150, SP2023-85 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.401(EA), no.402(SIP), no.403(SP) |
| ページ範囲 | pp.250-255 |
| ページ数 | 6 |
| 発行日 | 2024-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]