| 講演名 | 2016-03-29 電気音声強調のための統計的F0予測におけるProduct-of-ExpertsによるF0パターン生成過程モデルの導入 田中 宏(奈良先端大), 亀岡 弘和(Nippon Telegraph and Telephone Corporation), 戸田 智基(名大/奈良先端大), 中村 哲(奈良先端大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | これまで我々は，電気式人工喉頭を用いた音声（電気音声）の自然性改善のため，電気音声のスペクトル特徴量系列から通常音声の基本周波数(F0)パターンを予測する統計的音源予測法を提案しており，電気音声をより自然性の高い音声に変換できることを実験的に確認している．この手法では統計的な意味で尤もらしいF0パターンが得られるが，予測処理においてF0パターンの物理的な生成過程が考慮されていないため，人間が発声し得ないような不自然なF0パターンが生成される場合があった．近年，F0パターンの制御機構の確率モデルが提案されており，本報告では当該モデルと統計的音源予測法の確率モデルをProduct-of-Expertsの枠組により統合することで，F0パターンの物理的な生成過程の制約を満たしながら電気音声の特徴量系列に対応するF0パターンを予測することを可能にする統計的音源予測法を提案する．電気音声を用いたF0パターンの予測実験を行い，従来法に比べて高いF0パターン予測精度と高い自然性の音声が得られることを確認した． |
| 抄録(英) | We have previously proposed a statistical fundamental frequency (F0) prediction method that makes it possible to predict the underlying F0 contour of electrolaryngeal (EL) speech from its spectral feature sequence. Although this method was shown to contribute to improving the naturalness of EL speech as a whole, the predicted F0 contour was still unnatural compared with that in normal speech. One possible solution to improve the naturalness of the predicted F0 contours would be to take account of the physical mechanism of vocal phonation. Recently a statistical model of voice F0 contours was formulated by constructing a stochastic counterpart of the Fujisaki model, a well-founded mathematical model representing the control mechanism of vocal fold vibration. This paper proposes a Product-of-Experts model to incorporate this generative model of voice F0 contours into the statistical F0 prediction model. Experimental results revealed that the proposed method successfully outperformed our previously proposed method in terms of the naturalness of the predicted F0 contours. |
| キーワード(和) | Product-of-Experts / 統計的音源予測 / 藤崎モデル / 電気音声 / 電気式人工喉頭 |
| キーワード(英) | Product-of-Experts / statistical F0 prediction / Fujisaki model / electrolaryngeal speech / electrolarynx |
| 資料番号 | EA2015-133,SIP2015-182,SP2015-161 |
| 発行日 | 2016-03-21 (EA, SIP, SP) |
| 研究会情報 | |
| 研究会 | EA / SP / SIP |
|---|---|
| 開催期間 | 2016/3/28(から2日開催) |
| 開催地（和） | 別府国際コンベンションセンター B-ConPlaza |
| 開催地（英） | Beppu International Convention Center B-ConPlaza |
| テーマ（和） | 応用／電気音響，音声，信号処理，一般 |
| テーマ（英） | Engineering/Electro Acoustics, Speech, Signal Processing, and Related Topics |
| 委員長氏名（和） | 羽田 陽一(電通大) / 間野 一則(芝浦工大) / 宝珠山 治(NEC) |
| 委員長氏名（英） | Yoichi Haneda(Univ. of Electro-Comm.) / Kazunori Mano(Shibaura Inst. of Tech.) / Osamu Houshuyama(NEC) |
| 副委員長氏名（和） | 岩谷 幸雄(東北学院大) / 水町 光徳(九工大) / 北岡 教英(徳島大) / 中静 真(千葉工大) / 奥田 正浩(北九州市大) |
| 副委員長氏名（英） | Yukio Iwaya(Tohoku Gakuin Univ.) / Mitsunori Mizumachi(Kyushu Inst. of Tech.) / Norihide Kitaoka(Tokushima Univ.) / Makoto Nakashizuka(Chiba Inst. of Tech.) / Masahiro Okuda(Univ. of Kitakyushu) |
| 幹事氏名（和） | 島内 末廣(NTT) / 堀内 俊治(KDDI研) / 岩野 公司(東京都市大) / 滝口 哲也(神戸大) / 辻川 剛範(NEC) / 平林 晃(立命館大) |
| 幹事氏名（英） | Suehiro Shimauchi(NTT) / Toshiharu Horiuchi(KDDI R&D Labs.) / Koji Iwano(Tokyo City Univ.) / Tetsuya Takiguchi(Kobe Univ.) / Masanori Tsujikawa(NEC) / Akira Hirabayashi(Ritsumeikan Univ.) |
| 幹事補佐氏名（和） | 小山 翔一(東大) / 能勢 隆(東北大) / 浅見 太一(NTT) / 宮田 高道(千葉工大) |
| 幹事補佐氏名（英） | Shoichi Koyama(Univ. of Tokyo) / Takashi Nose(Tohoku Univ.) / Taichi Asami(NTT) / Takamichi Miyata(Chiba Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Engineering Acoustics / Technical Committee on Speech / Technical Committee on Signal Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 電気音声強調のための統計的F0予測におけるProduct-of-ExpertsによるF0パターン生成過程モデルの導入 |
| サブタイトル（和） | |
| タイトル（英） | Product-of-Experts approach to integration of F0 generative process model to statistical F0 prediction for electrolaryngeal speech enhancement |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Product-of-Experts / Product-of-Experts |
| キーワード(2)（和/英） | 統計的音源予測 / statistical F0 prediction |
| キーワード(3)（和/英） | 藤崎モデル / Fujisaki model |
| キーワード(4)（和/英） | 電気音声 / electrolaryngeal speech |
| キーワード(5)（和/英） | 電気式人工喉頭 / electrolarynx |
| 第 1 著者 氏名（和/英） | 田中 宏 / Kou Tanaka |
| 第 1 著者 所属（和/英） | 奈良先端科学技術大学院大学(略称：奈良先端大) Nara Institute of Science and Technology(略称：NAIST) |
| 第 2 著者 氏名（和/英） | 亀岡 弘和 / Hirokazu Kameoka |
| 第 2 著者 所属（和/英） | 日本電信電話株式会社(略称：Nippon Telegraph and Telephone Corporation) NTT Corporation(略称：NTT) |
| 第 3 著者 氏名（和/英） | 戸田 智基 / Tomoki Toda |
| 第 3 著者 所属（和/英） | 名古屋大学/奈良先端科学技術大学院大学(略称：名大/奈良先端大) The University of Nagoya/Nara Institute of Science and Technology(略称：The University of Nagoya/NAIST) |
| 第 4 著者 氏名（和/英） | 中村 哲 / Satoshi Nakamura |
| 第 4 著者 所属（和/英） | 奈良先端科学技術大学院大学(略称：奈良先端大) Nara Institute of Science and Technology(略称：NAIST) |
| 発表年月日 | 2016-03-29 |
| 資料番号 | EA2015-133,SIP2015-182,SP2015-161 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | EA-521,SIP-522,SP-523 |
| ページ範囲 | pp.373-377(EA), pp.373-377(SIP), pp.373-377(SP), |
| ページ数 | 5 |
| 発行日 | 2016-03-21 (EA, SIP, SP) |