| 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 | 2024-12-12 14:50 ［ポスター講演］英語話者の合成音声検出に有効な音響特徴量の検討 ○根本結菜・大田健紘（日本工大）  NLC2024-19 SP2024-10 |
|
| 抄録 | （和） | 本研究では偽物音声（合成音声）の検出精度向上を目的として，合成音声検出に有効といわれている複数の音響特徴量の組み合わせによる機械学習を行い，それらの検出精度を比較した．音響特徴量として，メル周波数ケプストラム係数（MFCC），線形周波数ケプストラム係数（LFCC），定Qケプストラム係数（CQCC）などのケプストラム情報やメルスペクトル，リニアスペクトル，定Q変換といったスペクトル情報そして基本周波数を用いた．機械学習手法はランダムフォレストを用いて分類を行い，再現率の算出と分類を行う際に重要な音響特徴量およびその周波数帯を求めた．実験の結果，複数のケプストラム情報を組み合わせた場合よりも，複数のスペクトル情報を組み合わせた場合に再現率が高くなった．そして，分類に重要な周波数帯は基本周波数帯であった． |
| （英） | In order to improve the detection accuracy of fake speech (synthesize speech), we performed machine learning using a combination of several acoustic features that are known to be effective in detecting synthesize speech, and compared their detection accuracy. As acoustic features, we used cepstral information such as Mel Frequency Cepstral Coefficient (MFCC), Linear Frequency Cepstral Coefficient (LFCC), Constant Q Cepstral Coefficient (CQCC), spectral information such as Mel spectrum, Linear spectrum, Constant Q transform, and fundamental frequency. The machine learning method used a random forest for classification, and the acoustic features and their frequency bands that were important for calculating the recall rate and classification were obtained. Experimental results showed that the recall rate was higher when spectral information was combined than when multiple cepstrum information was combined. The most important frequency band for classification was the fundamental frequency band. | |
| キーワード | （和） | 合成音声 / メル周波数ケプストラム係数 / 線形周波数ケプストラム係数 / 定Qケプストラム係数 / 基本周波数 / / / |
| （英） | Synthesized Speech / Mel-Frequency Cepstral Coeffcients / Linear-Frequency Cepstrum Coefficients / Constant-Q Cepstral Coefficients / Fundamental Frequency / / / | |
| 文献情報 | 信学技報, vol. 124, no. 303, SP2024-10, pp. 1-5, 2024年12月. | |
| 資料番号 | SP2024-10 | |
| 発行日 | 2024-12-05 (NLC, 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 | NLC2024-19 SP2024-10 |
|
| 研究会情報 | |
| 研究会 | SP NLC IPSJ-SLP IPSJ-NL |
| 開催期間 | 2024-12-12 - 2024-12-14 |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | Nagoya Univ. |
| テーマ（和） | 第26回音声言語および第11回自然言語処理シンポジウム |
| 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 | 2024-12-SP-NLC-SLP-NL |
| 本文の言語 | 日本語 |
| タイトル（和） | 英語話者の合成音声検出に有効な音響特徴量の検討 |
| サブタイトル（和） | |
| タイトル（英） | A study on Acoustic Features for Detection of Synthesized Speech of English Speakers |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 合成音声 / Synthesized Speech |
| キーワード(2)（和/英） | メル周波数ケプストラム係数 / Mel-Frequency Cepstral Coeffcients |
| キーワード(3)（和/英） | 線形周波数ケプストラム係数 / Linear-Frequency Cepstrum Coefficients |
| キーワード(4)（和/英） | 定Qケプストラム係数 / Constant-Q Cepstral Coefficients |
| キーワード(5)（和/英） | 基本周波数 / Fundamental Frequency |
| 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） | 根本 結菜 / Yuna Nemoto / ネモト ユナ |
| 第1著者 所属（和/英） | 日本工業大学 (略称： 日本工大) Nippon Institute of Technology (略称： NIT) |
| 第2著者 氏名（和/英/ヨミ） | 大田 健紘 / Kenko Ota / オオタ ケンコウ |
| 第2著者 所属（和/英） | 日本工業大学 (略称： 日本工大) Nippon Institute of Technology (略称： NIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-12-12 14:50:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2024-19, SP2024-10 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.302(NLC), no.303(SP) |
| ページ範囲 | pp.1-5 |
| ページ数 | 5 |
| 発行日 | 2024-12-05 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]