お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2018-12-10 16:30
読み仮名と韻律記号を入力とする日本語end-to-end音声合成の音質評価
栗原 清清山信正熊野 正今井 篤NHKSP2018-49
抄録 (和) 日本語においてend-to-end音声合成を実現するために,Encoder-Decoderモデルの音声合成の入力として,読み仮名と韻律記号を用いる方式を開発した.現在,放送で運用しているDNN (Deep Neural Network)による統計的パラメトリック音声合成では,学習データに文脈依存音素ラベルを利用している.この文脈依存音素ラベルデータは,音素およびその区切り位置,アクセント句の区切り位置およびアクセント型などの情報によって構成されている.これらの情報は,言語解析や自動アライメントなどの処理によって機械的に作成できるが,高品質な合成音を得るためには精度が低いため,人手による修正作業に高いコストが必要となることが課題であった.提案法では,学習データとして音素区切り位置が不要なため,修正作業の中でも特にコストの高い音素区切り位置の修正作業を省略できる.また,読み仮名と韻律記号は片仮名と記号で音声表現を記述する平易な表記法であるため,文脈依存音素ラベルと異なり読み仮名や韻律を直接的に記述・編集することが容易で,専用のソフトウエアを用意せずに簡易なテキストエディタでデータを作成可能である.本稿では,英語において原音と同等の音質と評価されているend-to-end音声合成Tacotron 2の手法に対して,日本語で読み仮名と韻律記号を入力としてEncoder-Decoderモデルを学習し,音声を合成する手法を提案し,主観評価実験によって分析合成と同等の高品質な日本語音声合成を実現できることを確認したので報告する. 
(英) The purpose of this study was to conduct end-to-end text-to-speech synthesis in Japanese; we developed a system that uses Japanese kana characters and prosodic symbols as input for text-to-speech synthesis of the encoder-decoder model. Full-context phoneme labels are currently used for learning data in our system of statistical parametric speech synthesis, which uses a deep neural network (DNN) operating on broadcasting content. The data are composed of phonemes, phoneme boundary positions, accents, and accent phrases and are calculated automatically by executing language processing and forced alignment. The problem with this method is the high cost of manual correction for high-quality text-to-speech synthesis. In contrast, the proposed method does not prepare phoneme boundary positions. It was found that the workload of correcting the phoneme boundary position, which is particularly expensive, could be omitted. Japanese kana characters and prosodic symbols are simple description methods for representing speech. Hence, it is possible to directly compose kana and prosody and to arrange data without preparing dedicated software. In this study, we employed Japanese kana characters and prosodic symbols as the input method for text-to-speech synthesis by learning the encoder-decoder model. Subjective evaluation experiments indicated that Japanese text-to-speech results were equivalent in quality to those of synthesis using the acoustic features of the original speech.
キーワード (和) 統計的パラメトリック音声合成 / end-to-end音声合成 / 韻律記号 / Encoder-Decoderモデル / / / /  
(英) Statistical parametric speech synthesis / End-to-end speech synthesis / Prosodic symbols / Encoder-Decoder model / / / /  
文献情報 信学技報, vol. 118, no. 354, SP2018-49, pp. 89-94, 2018年12月.
資料番号 SP2018-49 
発行日 2018-12-03 (SP) 
ISSN 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 SP2018-49

研究会情報
研究会 NLC IPSJ-NL SP IPSJ-SLP  
開催期間 2018-12-10 - 2018-12-12 
開催地(和) 早稲田大学西早稲田キャンパス 
開催地(英) Waseda Univ. Nishiwaseda Campus 
テーマ(和) 第5回自然言語処理シンポジウム & 第20回音声言語シンポジウム 
テーマ(英) The 5th Natural Language Processing Symposium & The 20th Spoken Language Symposium 
講演論文情報の詳細
申込み研究会 SP 
会議コード 2018-12-NLC-NL-SP-SLP 
本文の言語 日本語 
タイトル(和) 読み仮名と韻律記号を入力とする日本語end-to-end音声合成の音質評価 
サブタイトル(和)  
タイトル(英) Evaluation of Japanese end-to-end speech synthesis method inputting kana and prosodic symbols 
サブタイトル(英)  
キーワード(1)(和/英) 統計的パラメトリック音声合成 / Statistical parametric speech synthesis  
キーワード(2)(和/英) end-to-end音声合成 / End-to-end speech synthesis  
キーワード(3)(和/英) 韻律記号 / Prosodic symbols  
キーワード(4)(和/英) Encoder-Decoderモデル / Encoder-Decoder model  
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) 栗原 清 / Kiyoshi Kurihara / クリハラ キヨシ
第1著者 所属(和/英) 日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK)
第2著者 氏名(和/英/ヨミ) 清山 信正 / Nobumasa Seiyama / セイヤマ ノブマサ
第2著者 所属(和/英) 日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK)
第3著者 氏名(和/英/ヨミ) 熊野 正 / Tadashi Kumano / クマノ タダシ
第3著者 所属(和/英) 日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK)
第4著者 氏名(和/英/ヨミ) 今井 篤 / Atsushi Imai / イマイ アツシ
第4著者 所属(和/英) 日本放送協会 (略称: NHK)
Japan Broadcasting Corporation (略称: NHK)
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 2018-12-10 16:30:00 
発表時間 25分 
申込先研究会 SP 
資料番号 SP2018-49 
巻番号(vol) vol.118 
号番号(no) no.354 
ページ範囲 pp.89-94 
ページ数
発行日 2018-12-03 (SP) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会