講演抄録/キーワード |
講演名 |
2016-07-28 15:45
DNN音声合成における複数話者モデル化のための話者コードの利用 ○北条伸克・井島勇祐(NTT)・水野秀之(諏訪東京理科大) SP2016-22 |
抄録 |
(和) |
DNN音声合成は,従来のHMM音声合成に比べ,より自然な音声が合成可能であることが示されている.しかし,複数話者の音声コーパスを利用することで,合成音声の品質が改善されるかについては,未だ明らかでない. そこで,従来の話者依存DNNの性能を向上するための比較的単純な方法として,本稿では話者コードを利用したDNN音声合成を提案する.提案法では,DNNにおいて話者の特徴をモデル化するため,従来のDNNの中間層に対し話者コードを入力することで,DNN全体のパラメータを複数話者の音声コーパスを利用して学習する.音声パラメータ系列を生成する際は,目標話者をコーパス中に含まれる話者の中から選択し,目標話者に対応する話者コードをDNNへ入力する.本稿では,話者コードを入力する中間層を変更し,提案法のモデル構成とパラメータ生成誤差の関係について調査した.実験結果により,選択された目標話者の学習データ量に応じ適切なモデル構成を選択することで,提案法により従来の話者依存DNNよりも高品質な音声が合成可能であることを示した. |
(英) |
Recent studies have shown that DNN-based speech synthesis can generate more natural synthesized speech than the conventional HMM-based speech synthesis.However, it is not revealed whether the synthesized speech quality can be improved by utilizing a multi-speaker speech corpus.To investigate this problem, this paper proposes DNN-based speech synthesis using speaker codes as a simple method to improve the performance of the conventional speaker dependent DNN-based method. In order to model speaker variation in the DNN, speaker codes are fed to the hidden layer(s) of the DNN. The proposed method trains connection weights of the whole DNN utilizing a multi-speaker speech corpus. To synthesize a speech parameter sequence, a target speaker is chosen from the corpus and the speaker code corresponding to the selected target speaker is fed to the DNN to generate the speaker's voice. We investigated the relationship between the prediction performance and architecture of the DNNs by changing the hidden layer used for speaker codes. Experimental results showed that the proposed model outperformed the conventional speaker-dependent DNN when the model architecture was set at optimal depending on the amount of training data of the selected target speaker. |
キーワード |
(和) |
音声合成 / 音響モデル / DNN / 話者コード / / / / |
(英) |
speech synthesis / acoustic model / deep neural network / speaker codes / / / / |
文献情報 |
信学技報, vol. 116, no. 165, SP2016-22, pp. 13-18, 2016年7月. |
資料番号 |
SP2016-22 |
発行日 |
2016-07-21 (SP) |
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 |
SP2016-22 |
研究会情報 |
研究会 |
SP IPSJ-SLP |
開催期間 |
2016-07-28 - 2016-07-30 |
開催地(和) |
滝の湯(山形・天童温泉) |
開催地(英) |
Takinoyu Hotel |
テーマ(和) |
認識,理解,対話,一般 |
テーマ(英) |
Speech recognition and understanding, dialog system, etc. |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2016-07-SP-SLP |
本文の言語 |
日本語 |
タイトル(和) |
DNN音声合成における複数話者モデル化のための話者コードの利用 |
サブタイトル(和) |
|
タイトル(英) |
On the Use of Speaker Codes for Multi-Speaker Modeling in DNN-based Speech Synthesis |
サブタイトル(英) |
|
キーワード(1)(和/英) |
音声合成 / speech synthesis |
キーワード(2)(和/英) |
音響モデル / acoustic model |
キーワード(3)(和/英) |
DNN / deep neural network |
キーワード(4)(和/英) |
話者コード / speaker codes |
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) |
北条 伸克 / Nobukatsu Hojo / ホウジョウ ノブカツ |
第1著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT) |
第2著者 氏名(和/英/ヨミ) |
井島 勇祐 / Yusuke Ijima / イジマ ユウスケ |
第2著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT) |
第3著者 氏名(和/英/ヨミ) |
水野 秀之 / Hideyuki Mizuno / |
第3著者 所属(和/英) |
諏訪東京理科大学 (略称: 諏訪東京理科大)
Tokyo University of Science, Suwa (略称: Tokyo University of Science, Suwa) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2016-07-28 15:45:00 |
発表時間 |
30分 |
申込先研究会 |
SP |
資料番号 |
SP2016-22 |
巻番号(vol) |
vol.116 |
号番号(no) |
no.165 |
ページ範囲 |
pp.13-18 |
ページ数 |
6 |
発行日 |
2016-07-21 (SP) |