| 講演名 | 2016-01-14 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(東芝), 森中 亮(東芝), 森田 眞弘(東芝), |
|---|---|
| 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。 |
| 抄録(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 |
| キーワード(英) | Speech Analysis / Speech Synthesis / Vocoder / Pitch-synchronous analysis / Phase spectrum / Group delay |
| 資料番号 | SP2015-91 |
| 発行日 | 2016-01-07 (SP) |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 2016/1/14(から1日開催) |
| 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. |
| 委員長氏名（和） | 間野 一則(芝浦工大) |
| 委員長氏名（英） | Kazunori Mano(Shibaura Inst. of Tech.) |
| 副委員長氏名（和） | 北岡 教英(徳島大) |
| 副委員長氏名（英） | Norihide Kitaoka(Tokushima Univ.) |
| 幹事氏名（和） | 岩野 公司(東京都市大) / 滝口 哲也(神戸大) |
| 幹事氏名（英） | Koji Iwano(Tokyo City Univ.) / Tetsuya Takiguchi(Kobe Univ.) |
| 幹事補佐氏名（和） | 能勢 隆(東北大) / 浅見 太一(NTT) |
| 幹事補佐氏名（英） | Takashi Nose(Tohoku Univ.) / Taichi Asami(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Speech |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 田村 正統 / Masatsune Tamura |
| 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） | 森中 亮 / Ryo Morinaka |
| 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） | 森田 眞弘 / Masahiro Morita |
| 第 3 著者 所属（和/英） | 株式会社東芝(略称：東芝) Toshiba Corporation(略称：Toshiba) |
| 発表年月日 | 2016-01-14 |
| 資料番号 | SP2015-91 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | SP-392 |
| ページ範囲 | pp.33-38(SP), |
| ページ数 | 6 |
| 発行日 | 2016-01-07 (SP) |