講演抄録/キーワード |
講演名 |
2016-12-20 15:10
[ポスター講演]DNN音声合成における差分特徴量のモデル化を利用したF0制御 ○山田修平・能勢 隆・伊藤彰則(東北大) SP2016-55 |
抄録 |
(和) |
我々は,ユーザが自然かつ直観的に合成音声を変更できる枠組みの``テーラーメイド音声合成''の実現に向けた研究を行っている.これまでに,F0コンテキストを使用したDNNに基づく音声合成におけるF0制御手法を提案した.F0コンテキストは学習データのそれぞれのモーラやアクセント句などのセグメントの相対的なF0を表す.この手法ではコンテキストを用いてF0を相対的に変更できるものの,F0を制御せず通常のtext-to-speechとして使用する際に対数F0の再現性が低下してしまう問題点があった.
本稿ではこの問題を解決するため,F0コンテキストを含むコンテキストと差分特徴量の関係をDNNでモデル化する.差分特徴量は通常のDNN音声合成による音声特徴量と自然発話音声の音声特徴量の差分を表す.本稿では,実験によって,F0コンテキストを適切に指定した場合に従来法に比べ対数F0の再現性が向上したことを示す.また提案法を利用することで,通常のDNN音声合成を上回る自然性をもつ合成音声を生成でき,かつセグメント単位での柔軟で直観的なF0制御ができることを示す. |
(英) |
We have been developing ``tailor-made speech synthesis,'' a framework which enables users to modify synthetic speech naturally and intuitively. Previously, we proposed an F0 control technique by the F0 context in DNN-based speech synthesis. F0 context represents relative log F0 of training data at the segment (e.g. mora or accent phrase) level. The technique allows users to control relatively the log F0 of synthetic speech by the context. However, when users synthesize speech without F0 control, there is a problem that the naturalness of the synthetic speech degrades compared to that with a standard DNN-based synthesis.
In this paper, we use another DNN that models the relationship between context including F0 context and differential features. Differential features represent the difference between acoustic features of the natural speech and the synthetic speech.
The experiments showed that when we created F0 context appropriately in proposed method, reproductivity of log F0 improved compared to the conventional method. In this paper, we show that proposed technique enables to synthesize speech more naturally than standard DNN-based speech synthesis and to control F0 flexibly and naturally at the segment level. |
キーワード |
(和) |
DNN音声合成 / モデル学習 / F0制御 / F0コンテキスト / 差分特徴量 / / / |
(英) |
DNN-based speech synthesis / Model training / F0 control / F0 context / Differential feature / / / |
文献情報 |
信学技報, vol. 116, no. 378, SP2016-55, pp. 37-42, 2016年12月. |
資料番号 |
SP2016-55 |
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 |
SP2016-55 |
研究会情報 |
研究会 |
SP IPSJ-SLP NLC IPSJ-NL |
開催期間 |
2016-12-20 - 2016-12-22 |
開催地(和) |
NTT武蔵野研究開発センタ |
開催地(英) |
NTT Musashino R&D |
テーマ(和) |
第18回音声言語シンポジウム & 第3回自然言語処理シンポジウム |
テーマ(英) |
The 18th Spoken Language Symposium & The Third Natural Language Processing Symposium |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2016-12-SP-SLP-NLC-NL |
本文の言語 |
日本語 |
タイトル(和) |
DNN音声合成における差分特徴量のモデル化を利用したF0制御 |
サブタイトル(和) |
|
タイトル(英) |
F0 control by modeling differential features in DNN-based speech synthesis |
サブタイトル(英) |
|
キーワード(1)(和/英) |
DNN音声合成 / DNN-based speech synthesis |
キーワード(2)(和/英) |
モデル学習 / Model training |
キーワード(3)(和/英) |
F0制御 / F0 control |
キーワード(4)(和/英) |
F0コンテキスト / F0 context |
キーワード(5)(和/英) |
差分特徴量 / Differential feature |
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) |
山田 修平 / Shuhei Yamada / ヤマダ シュウヘイ |
第1著者 所属(和/英) |
東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.) |
第2著者 氏名(和/英/ヨミ) |
能勢 隆 / Takashi Nose / ノセ タカシ |
第2著者 所属(和/英) |
東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.) |
第3著者 氏名(和/英/ヨミ) |
伊藤 彰則 / Akinori Ito / イトウ アキノリ |
第3著者 所属(和/英) |
東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.) |
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 |
2016-12-20 15:10:00 |
発表時間 |
90分 |
申込先研究会 |
SP |
資料番号 |
SP2016-55 |
巻番号(vol) |
vol.116 |
号番号(no) |
no.378 |
ページ範囲 |
pp.37-42 |
ページ数 |
6 |
発行日 |
2016-12-13 (SP) |