| 講演名 | 2019-12-06 ［招待講演］統計的音声合成の進展と展望 徳田 恵一(名工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | statistical speech synthesis / deep learning / generative model / deep neural network |
| 資料番号 | SP2019-35 |
| 発行日 | 2019-11-29 (SP) |
| 研究会情報 | |
| 研究会 | NLC / IPSJ-NL / SP / IPSJ-SLP |
|---|---|
| 開催期間 | 2019/12/4(から3日開催) |
| 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 |
| 委員長氏名（和） | 榊 剛史(ホットリンク) / / 河井 恒(NICT) |
| 委員長氏名（英） | Takeshi Sakaki(Hottolink) / / Hisashi Kawai(NICT) |
| 副委員長氏名（和） | 吉田 光男(豊橋技科大) / 嶋田 和孝(九工大) / / 李 晃伸(名工大) |
| 副委員長氏名（英） | Mitsuo Yoshida(Toyohashi Univ. of Tech.) / Kazutaka Shimada(Kyushu Inst. of Tech.) / / Akinobu Ri(Nagoya Inst. of Tech.) |
| 幹事氏名（和） | 渡辺 靖彦(龍谷大) / 東中 竜一郎(NTT) / / 南條 浩輝(京大) / 小川 哲司(早大) |
| 幹事氏名（英） | Yasuhiko Watanabe(Ryukoku Univ.) / Ryuichiro Higashinaka(NTT) / / Hiroaki Nanjo(Kyoto Univ.) / Tetsuji Ogawa(Waseda Univ.) |
| 幹事補佐氏名（和） | 小早川 健(NHK) / 坂地 泰紀(東大) / / 郡山 知樹(東大) / 井島 勇祐(NTT) |
| 幹事補佐氏名（英） | Takeshi Kobayakawa(NHK) / Hiroki Sakaji(Univ. of Tokyo) / / Tomoki Koriyama(Univ. of Tokyo) / Yusuke Ijima(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Natural Language Understanding and Models of Communication / Special Interest Group on Natural Language / Technical Committee on Speech / Special Interest Group on Spoken Language Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］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） | [Invited Talk] Progress and prospects of statistical speech synthesis |
| サブタイトル（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 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.) |
| 発表年月日 | 2019-12-06 |
| 資料番号 | SP2019-35 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | SP-321 |
| ページ範囲 | pp.11-12(SP), |
| ページ数 | 2 |
| 発行日 | 2019-11-29 (SP) |