講演抄録/キーワード |
講演名 |
2016-01-14 15:35
高品質音声合成のためのピッチ同期帯域群遅延ボコーダ ○田村正統・森中 亮・森田眞弘(東芝) SP2015-91 |
抄録 |
(和) |
統計モデルに基づく高品質音声合成を実現するため、音声波形を精密に再現する音声分析手法および、波形生成手法を提案する。提案法は、ピッチ同期分析に基づいており、各ピッチマークにおけるパワースペクトル・非周期成分指標、ピッチ、および位相スペクトルをそれぞれメルLSP(線スペクトル対)、帯域雑音強度、対数基本周波数および、新たに提案する帯域群遅延パラメータにより表現する。提案する帯域群遅延パラメータは各帯域の平均時間を表し、境界周波数において位相を再現する補正パラメータと共に位相スペクトルを表現する。さらに時間領域の音源生成処理およびフィルタによる、位相を付与した音声波形を高速に生成可能なボコーダを提案する。主観評価および客観評価により、分析元のピッチ波形を高精度に再現できる事を示す。 |
(英) |
This paper presents a speech analysis and synthesis method that can precisely synthesize speech waveforms for high quality statistical parametric speech synthesis. The proposed method is based on pitch-synchronous analysis. A power spectrum, aperiodicity measure, pitch, and phase spectrum of each analysis frame is represented by a mel LSP (MLSP), band aperiodicity (BAP), log fundamental frequency (LF0) and new band group delay with compensation parameter (BGRDC), respectively. The BGRDC consists of a band group delay parameter which represents a mean time of each frequency band and a compensation parameter which recovers a phase spectrum at the boundary of the band. We also propose a band group delay vocoder that enables fast generation of speech waveforms by using time domain excitation generation and a vocal tract filter. We show that the proposed method can precisely generate speech waveforms by objective and subjective evaluations. |
キーワード |
(和) |
音声分析 / 音声合成 / ボコーダ / ピッチ同期分析 / 位相スペクトル / 群遅延 / / |
(英) |
Speech Analysis / Speech Synthesis / Vocoder / Pitch-synchronous analysis / Phase spectrum / Group delay / / |
文献情報 |
信学技報, vol. 115, no. 392, SP2015-91, pp. 33-38, 2016年1月. |
資料番号 |
SP2015-91 |
発行日 |
2016-01-07 (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 |
SP2015-91 |
研究会情報 |
研究会 |
SP |
開催期間 |
2016-01-14 - 2016-01-14 |
開催地(和) |
サンピアンかわさき |
開催地(英) |
Sunpian Kawasaki |
テーマ(和) |
合成、生成、韻律、音声一般 |
テーマ(英) |
Synthesis, Generation, Prosody, etc. |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2016-01-SP |
本文の言語 |
日本語 |
タイトル(和) |
高品質音声合成のためのピッチ同期帯域群遅延ボコーダ |
サブタイトル(和) |
|
タイトル(英) |
Pitch-synchronous band group delay vocoder for high quality speech synthesis |
サブタイトル(英) |
|
キーワード(1)(和/英) |
音声分析 / Speech Analysis |
キーワード(2)(和/英) |
音声合成 / Speech Synthesis |
キーワード(3)(和/英) |
ボコーダ / Vocoder |
キーワード(4)(和/英) |
ピッチ同期分析 / Pitch-synchronous analysis |
キーワード(5)(和/英) |
位相スペクトル / Phase spectrum |
キーワード(6)(和/英) |
群遅延 / Group delay |
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) |
田村 正統 / Masatsune Tamura / タムラ マサツネ |
第1著者 所属(和/英) |
株式会社東芝 (略称: 東芝)
Toshiba Corporation (略称: Toshiba) |
第2著者 氏名(和/英/ヨミ) |
森中 亮 / Ryo Morinaka / モリナカ リョウ |
第2著者 所属(和/英) |
株式会社東芝 (略称: 東芝)
Toshiba Corporation (略称: Toshiba) |
第3著者 氏名(和/英/ヨミ) |
森田 眞弘 / Masahiro Morita / モリタ マサヒロ |
第3著者 所属(和/英) |
株式会社東芝 (略称: 東芝)
Toshiba Corporation (略称: Toshiba) |
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 |
2016-01-14 15:35:00 |
発表時間 |
25分 |
申込先研究会 |
SP |
資料番号 |
SP2015-91 |
巻番号(vol) |
vol.115 |
号番号(no) |
no.392 |
ページ範囲 |
pp.33-38 |
ページ数 |
6 |
発行日 |
2016-01-07 (SP) |