講演抄録/キーワード |
講演名 |
2016-12-20 16:40
統計的パラメトリック音声合成のための敵対的学習に基づくポストフィルタリング ○金子卓弘・亀岡弘和・北条伸克・井島勇祐・平松 薫・柏野邦夫(NTT) SP2016-61 |
抄録 |
(和) |
統計的パラメトリック音声合成は,その柔軟性と省メモリ性などの利点により広く使われている.しかし,この手法で生成した音声パラメータは,学習の際の統計的平均化によって過剰な平滑化が生じ,合成した音声は肉声感が失われる傾向がある.この問題に対し,本稿では,敵対的学習を用いて取得したポストフィルタを用いることにより,失われた肉声感を再構成する手法を提案する.従来研究でも,系列内変動や変調スペクトルに着目して肉声感を取り戻そうという試みはあるが,これらは経験的発見に基づくものであり,合成音声と自然音声の差異の一部に対処しているに過ぎない.これに対して,提案手法は敵対的学習を用いながら,合成音声と自然音声とのギャップを埋めるようなポストフィルタをデータから直接学習しようとするものである.これにより, 合成音声の音声特徴量を真の音声の音声特徴量の分布に近づくように変換するポストフィルタを得ることができる. 実験では,提案手法を用いることにより,合成音声から分析合成音声に匹敵する音声が得られることを示す. |
(英) |
In the field of speech synthesis, statistical parametric speech synthesis has been widely used due to the flexibility and compactness. However, the quality of its synthesized speech is degraded by over-smoothing and there is a large quality gap between natural and synthesized speech. To fill the gap, we propose a novel postfilter based on a generative adversarial network (GAN). There have been several attempts to alleviate over-smoothing like ours; however, they are based on empirical findings about acoustic differences between natural and synthesized speech. Therefore, they cannot cover all the factors causing the differences. In contrast, we examine a learning-based postfilter and learn how to compensate for the differences directly from the data. In particular, we utilize a GAN and optimize a generator (i.e., postfilter) and a discriminator in an adversarial process. This enables us to obtain the postfilter to fit the true data distribution. Experimental results show that the speech generated by our proposed method is comparable to analyzed-and-synthesized speech. |
キーワード |
(和) |
統計的パラメトリック音声合成 / ポストフィルタ / 深層学習 / 敵対的学習 / / / / |
(英) |
statistical parametric speech synthesis / postfilter / deep neural network / generative adversarial network / / / / |
文献情報 |
信学技報, vol. 116, no. 378, SP2016-61, pp. 89-94, 2016年12月. |
資料番号 |
SP2016-61 |
発行日 |
2016-12-13 (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) |
査読に ついて |
本技術報告は査読を経ていない技術報告であり,推敲を加えられていずれかの場に発表されることがあります. |
PDFダウンロード |
SP2016-61 |
|