| 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 | 2026-06-06 13:00 非侵襲型脳波信号を用いた音声合成におけるアライメント手法の比較検討 ○阪口知玖・水野友暁・中鹿 亘（電通大）  SP2026-28 |
|
| 抄録 | （和） | 近年，深層学習に基づく音声合成の発展により，頭皮脳波信号（Electroencephalography: EEG）から音声を合成する研究が進められている．しかし，EEGは低解像度かつノイズが多く，クロスアテンションが拡散しやすいため時系列対応学習が困難である．これに対しアテンションを単調制約するハードアライメントの導入が有効と考えられるが，EEGへの適用に関する検討は行われていない．本研究では，EEGと音声特徴量の時系列対応の安定化を目的として，Monotonic Alignment Search (MAS）をVoice Transformer Network（VTN）に適用した2段階学習を提案する．また，MASで得たハードアライメントをガウシアンソフトアライメントに変換して，アテンションスコアへのバイアスとして用いるWeighted Soft Alignment Search（WSAS）も組み合わせ，複数条件との比較実験を行った．その結果，PER，PSMRにおいて MAS+WSAS が他条件を上回り，ハードアライメントによる事前収束がソフトアテンションのガイドの役割を果たすことを示した． |
| （英） | Recent advances in deep learning-based speech synthesis have stimulated research on synthesizing speech from electroencephalography (EEG) signals. However, EEG is characterized by low spatial resolution and high noise levels, which cause cross-attention to diffuse and make learning temporal correspondences difficult. To address this, introducing hard alignment with monotonic constraints on attention is considered effective, but the application of hard alignment to EEG-based synthesis has not been explored. In this study, we propose two-stage learning approaches that apply Monotonic Alignment Search (MAS) to the Voice Transformer Network (VTN), aimed at stabilizing temporal alignment between EEG and acoustic features. We also incorporate Weighted Soft Alignment Search (WSAS), which converts the hard alignments obtained by MAS into Gaussian soft alignments and applies them as a bias to the attention scores, and conduct comparative experiments under multiple conditions. The results show that MAS+WSAS outperforms other conditions in PER and PSMR, suggesting that prior convergence via hard alignment serves as a guide for soft attention. | |
| キーワード | （和） | 頭皮脳波 / 音声合成 / ハードアライメント / ブレインマシンインターフェイス / / / / |
| （英） | Electroencephalography / Speech Synthesis / Hard Alignment / Brain-Machine Interface / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 58, SP2026-28, pp. 154-159, 2026年6月. | |
| 資料番号 | SP2026-28 | |
| 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 | SP2026-28 |
|
| 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） | 非侵襲型脳波信号を用いた音声合成におけるアライメント手法の比較検討 |
| サブタイトル（和） | |
| タイトル（英） | Comparative Study of Alignment Methods for Speech Synthesis from EEG |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 頭皮脳波 / Electroencephalography |
| キーワード(2)（和/英） | 音声合成 / Speech Synthesis |
| キーワード(3)（和/英） | ハードアライメント / Hard Alignment |
| キーワード(4)（和/英） | ブレインマシンインターフェイス / Brain-Machine Interface |
| キーワード(5)（和/英） | / |
| 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） | 阪口 知玖 / Tomohisa Sakaguchi / サカグチ トモヒサ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 水野 友暁 / Tomoaki Mizuno / ミズノ トモアキ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | 中鹿 亘 / Toru Nakashika / ナカシカ トオル |
| 第3著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-06 13:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | SP |
| 資料番号 | SP2026-28 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.58 |
| ページ範囲 | pp.154-159 |
| ページ数 | 6 |
| 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]