| 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 | 2026-06-05 14:00 潜在拡散モデルを使用した叫び声合成の試み ○平尾怜士・有本泰子（千葉工大）  SP2026-14 |
|
| 抄録 | （和） | 本研究の目的は，潜在拡散モデル（Latent diffusion model，LDM）を用いて叫び声を合成し，その品質を評価することである．本研究では，LDMの一つであるSample-efficient speech diffusion (SESD) を叫び声の合成に適用し，その有効性を検証した．人の叫び声およびVariational Inference with Adversarial Learning for End-to-End Text-to-Speech（VITS）によって合成した叫び声を比較対象として，叫び声の自然性と叫び声らしさを評価する主観評価実験を実施した．実験の結果，自然性においてSESDは3.41$pm$0.68，VITSは2.29$pm$0.56と1.12ポイント上回る評価を得た．本研究の結果より叫び声の合成においてLDMが有効であることが示された． |
| （英） | This study aimed to synthesize screams using a Latent Diffusion Model (LDM) and to evaluate their quality. Sample-efficient Speech Diffusion (SESD) was applied to our scream synthesis, and its effectiveness was assessed. A subjective evaluation was performed the naturalness and scream-likeness, of synthesized screams by comparing human screams and screams synthesized by Variational Inference with Adversarial Learning for End-to-End Text-to-Speech (VITS). As a result, SESD achieved 3.41 $pm$ 0.68 in the naturalness evaluation, which is higher than VITS (2.29 $pm$ 0.56) by 1.12 points. These results suggest that LDM is effective for scream synthesis. | |
| キーワード | （和） | 叫び声合成 / 潜在拡散モデル / SESD / 自発音声 / VITS / / / |
| （英） | Scream synthesis / Latent diffusion model / SESD / Spontaneous speech / VITS / / / | |
| 文献情報 | 信学技報, vol. 126, no. 58, SP2026-14, pp. 79-83, 2026年6月. | |
| 資料番号 | SP2026-14 | |
| 発行日 | 2026-05-29 (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 | SP2026-14 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP IPSJ-MUS |
| 開催期間 | 2026-06-05 - 2026-06-06 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | The University of Electro-Communications |
| テーマ（和） | 音学シンポジウム2026 |
| 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 | 2026-06-SP-SLP-MUS |
| 本文の言語 | 日本語 |
| タイトル（和） | 潜在拡散モデルを使用した叫び声合成の試み |
| サブタイトル（和） | |
| タイトル（英） | A study on scream synthesis using latent diffusion model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 叫び声合成 / Scream synthesis |
| キーワード(2)（和/英） | 潜在拡散モデル / Latent diffusion model |
| キーワード(3)（和/英） | SESD / SESD |
| キーワード(4)（和/英） | 自発音声 / Spontaneous speech |
| キーワード(5)（和/英） | VITS / VITS |
| 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） | 平尾 怜士 / Reiji Hirao / ヒラオ レイジ |
| 第1著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： Chiba Tech) |
| 第2著者 氏名（和/英/ヨミ） | 有本 泰子 / Yoshiko Arimoto / アリモト ヨシコ |
| 第2著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： Chiba Tech) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-05 14:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | SP |
| 資料番号 | SP2026-14 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.58 |
| ページ範囲 | pp.79-83 |
| ページ数 | 5 |
| 発行日 | 2026-05-29 (SP) |
[研究会発表申込システムのトップページに戻る]