| 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 | 構造的表象からの音声合成とそれに基づく音声模倣に関する検討 ○齋藤大輔・朝川 智・峯松信明・広瀬啓吉（東大）  SP2008-40 |
|
| 抄録 | （和） | 音声は年齢，性別，声道長や音響機器などの非言語的特徴によって変形し，多様性に富んでいる．筆者らはこれまでに，これらの非言語性の変形におよそ不変な音声の構造的・抽象的表象を提案してきた．この表象は音声の動きのみに着眼した物理表象である．先行研究において，音声の構造的表象に基づく音声合成の枠組みを提案し，その基礎的検討を行ってきた．提案する枠組みでは音声発話を発話内容（語形）と発話者の身体性に分離して捉え，生成に際しては語形に発話者の身体性を付与する事で音声合成を実現する．これは，幼児の音声模倣に対応する音声合成のモデルといえる．本稿では提案する枠組みと幼児の音声模倣の対応について考察し，加えて解析的手法を導入する事で，初期検討における音響空間の全探索と比べて，技術的な改善を試みた．連続音声を対象とした音声合成実験を行い，主観評価実験の結果から提案手法において，少ない初期条件によって合成対象の話者性を持った音声が得られることを確認した． |
| （英） | Speech acoustics vary due to differences in age, gender, vocal tract length, microphone, and so on. The authors recently proposed a structural and abstract representation of speech, where these variations were effectively removed. This representation captures only dynamics of speech. In our previous study, using this abstract representation, a new framework of speech synthesis was proposed and some fundamental investigations were carried out. In this new framework, an utterance is modeled by two separate attributes; one corresponding to what is known as speech Gestalt, which is speaker-invariant, and the other to the embodiment seen in vocal tubes, which characterizes speaker differences. Acoustic signals are generated by using the Gestalt as constraint conditions and the vocal tube embodiment as initial conditions. In other words, the Gestalt can be acoustically realized only when the speaker's embodiment is considered. This new framework can be regarded as an implementation of infants' vocal imitation. In this study, by following the initial investigations, we improve accuracy and efficiency in acoustic realization of the Gestalt by using an analytical method. Experiments of generating continuous utterances of Japanese vowels show the validity of the proposed method. | |
| キーワード | （和） | 構造的表象 / 話者不変 / 音声模倣 / 言語獲得 / 探索問題 / / / |
| （英） | structural representation / speaker invariant / vocal imitation / language acquisition / searching problem / / / | |
| 文献情報 | 信学技報, vol. 108, no. 116, SP2008-40, pp. 115-120, 2008年6月. | |
| 資料番号 | SP2008-40 | |
| 発行日 | ||
| ISSN | Print edition: ISSN 0913-5685 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 | SP2008-40 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2008-06-27 - 2008-06-28 |
| 開催地（和） | 北海道医療大 |
| 開催地（英） | |
| テーマ（和） | 音声生成，知覚，聴覚・音声，一般 |
| テーマ（英） | Speech Production, Speech Perception, Hearing and Speech, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2008-06-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 構造的表象からの音声合成とそれに基づく音声模倣に関する検討 |
| サブタイトル（和） | |
| タイトル（英） | Proposal of structure-to-speech conversion and its application to implementation of infants' vocal imitation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 構造的表象 / structural representation |
| キーワード(2)（和/英） | 話者不変 / speaker invariant |
| キーワード(3)（和/英） | 音声模倣 / vocal imitation |
| キーワード(4)（和/英） | 言語獲得 / language acquisition |
| キーワード(5)（和/英） | 探索問題 / searching problem |
| 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） | 齋藤 大輔 / Daisuke Saito / サイトウ ダイスケ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 朝川 智 / Satoshi Asakawa / アサカワ サトシ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 峯松 信明 / Nobuaki Minematsu / ミネマツ ノブアキ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第4著者 氏名（和/英/ヨミ） | 広瀬 啓吉 / Keikichi Hirose / ヒロセ ケイキチ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | |
| 発表時間 | 分 |
| 申込先研究会 | SP |
| 資料番号 | SP2008-40 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.116 |
| ページ範囲 | pp.115-120 |
| ページ数 | 6 |
| 発行日 | |
[研究会発表申込システムのトップページに戻る]