講演抄録/キーワード |
講演名 |
2019-12-06 10:35
[招待講演]統計的音声合成の進展と展望 ○徳田恵一(名工大) SP2019-35 |
抄録 |
(和) |
統計的音声合成の基本問題は次の通り記述することができる:「学習用の音声データベース(音声波形と対応するテキストの組の集合)があるとき,任意に与えられた(但し,学習データに含まれない)テキストに対する音声波形を求めよ」.テキストから音声への生成過程は,実行可能ないくつかの部分問題,通常は,テキスト解析,音響モデリング,波形生成の3つに分解される.それぞれの部分モジュールは,統計的機械学習技術を用いてモデル化される.当初,隠れマルコフモデルが音響モデリングモジュールに適用され,その後,様々なタイプのディープニューラルネットワーク (DNN) が音響モデリングモジュールだけでなく,その他のモジュールにも適用されるようになった.本講演では,このような統計的アプローチによる音声合成に関して,ここ数十年の進展を振り返りながら概観する.近年のDNNに基づいたアプローチは,合成音声の品質を格段に向上させており,波形接続によるアプローチから,生成モデルに基づいた統計的アプローチへのパラダイムシフトを引き起こしている.しかし,あたかも人間のように自在に会話する機械を実現するためには,自然な音声を生成するだけでは十分でなく,発話スタイル,感情表現等,多様な音声表現を柔軟に制御できることが必須と考えられる.本講演では,このような音声合成研究における今後の課題と方向性についても展望する. |
(英) |
The basic problem of statistical speech synthesis is quite simple: we have a speech database for training, i.e., a set of speech waveforms and corresponding texts; given a text not included in the training data, what is the speech waveform corresponding to the text? The whole text-to-speech generation process is decomposed into feasible subproblems: usually, text analysis, acoustic modeling, and waveform generation, combined as a statistical generative model. Each submodule can be modeled by a statistical machine learning technique: first, hidden Markov models were applied to acoustic modeling module and then various types of deep neural networks (DNN) have been applied to not only acoustic modeling module but also other modules. I will give an overview of such statistical approaches to speech synthesis, looking back on the evolution in the last couple of decades. Recent DNN-based approaches drastically improved the speech quality, causing a paradigm shift from concatenative speech synthesis approach to generative model-based statistical approach. However, for realizing human-like talking machines, the goal is not only to generate natural-sounding speech but also to flexibly control variations in speech, such as speaker identities, speaking styles, emotional expressions, etc. This talk will also discuss such future challenges and the direction in speech synthesis research. |
キーワード |
(和) |
統計的音声合成 / 深層学習 / 生成モデル / ディープニューラルネットワーク / / / / |
(英) |
statistical speech synthesis / deep learning / generative model / deep neural network / / / / |
文献情報 |
信学技報, vol. 119, no. 321, SP2019-35, pp. 11-12, 2019年12月. |
資料番号 |
SP2019-35 |
発行日 |
2019-11-29 (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 |
SP2019-35 |
研究会情報 |
研究会 |
NLC IPSJ-NL SP IPSJ-SLP |
開催期間 |
2019-12-04 - 2019-12-06 |
開催地(和) |
NHK放送技術研究所 |
開催地(英) |
NHK Science & Technology Research Labs. |
テーマ(和) |
第6回自然言語処理シンポジウム & 第21回音声言語シンポジウム |
テーマ(英) |
The 6th Natural Language Processing Symposium & The 21th Spoken Language Symposium |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2019-12-NLC-NL-SP-SLP |
本文の言語 |
日本語 |
タイトル(和) |
統計的音声合成の進展と展望 |
サブタイトル(和) |
|
タイトル(英) |
Progress and prospects of statistical speech synthesis |
サブタイトル(英) |
|
キーワード(1)(和/英) |
統計的音声合成 / statistical speech synthesis |
キーワード(2)(和/英) |
深層学習 / deep learning |
キーワード(3)(和/英) |
生成モデル / generative model |
キーワード(4)(和/英) |
ディープニューラルネットワーク / deep neural network |
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) |
徳田 恵一 / Keiichi Tokuda / |
第1著者 所属(和/英) |
名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: Nagoya Inst. of Tech.) |
第2著者 氏名(和/英/ヨミ) |
/ / |
第2著者 所属(和/英) |
(略称: )
(略称: ) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2019-12-06 10:35:00 |
発表時間 |
60分 |
申込先研究会 |
SP |
資料番号 |
SP2019-35 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.321 |
ページ範囲 |
pp.11-12 |
ページ数 |
2 |
発行日 |
2019-11-29 (SP) |
|