| 講演名 | 2017-01-21 ［ポスター講演］オーディオブックを用いた表現豊かな音声合成のための言語特徴の検討 浅井 千明(名工大), 沢田 慶(名工大), 橋本 佳(名工大), 大浦 圭一郎(名工大), 南角 吉彦(名工大), 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) | 統計的パラメトリック音声合成において，表現豊かな音声を合成するために様々な研究が進められている．表現豊かな音声を合成するためには，学習データとして多様な発話スタイルを含む音声データが必要となる．本稿では，様々な発話スタイルを持つ音声データが含まれるオーディオブックを学習データとして，表現豊かな音声を合成するシステムの構築を目指す．従来の音声合成システムで使用されている言語特徴は，オーディオブックのような多様な発話スタイルを含む音声データを考慮した設計がなされていないため，様々な発話スタイルを表現することが難しい．そこで本稿では，表現豊かな音声の合成を実現するために，1)文単位以上の言語特徴，2)会話文と地の文の発話スタイルを表現するための言語特徴，3)構文解析に基づいた言語特徴の3つの言語特徴を提案する．Blizzard Challenge 2016で使用された英語の子供向けオーディオブックを用いて音声合成システムを構築し，自然性に関する主観評価実験を行った． |
| 抄録(英) | In order to synthesize expressive speech, various statistical parametric speech synthesis systems have been proposed. Speech data including various speaking styles are required as training data for expressive speech synthesis. This paper proposes expressive speech synthesis using audiobooks as training data. Audiobooks include various speaking styles. However, conventional linguistic features are not appropriate for representing various speaking styles. Therefore, linguistic features for statistical parametric speech synthesis using audiobooks are proposed: 1)linguistic features above the utterance-level; 2) linguistic features expressing the speaking styles in the conversational and descriptive parts; and 3) linguistic features based on syntactic parsing. Children's English audiobooks used at the Blizzard Challenge 2016 were used for training data, and the naturalness of synthesized speech as children's audiobooks was evaluated by subjective listening tests. |
| キーワード(和) | 統計的パラメトリック音声合成 / オーディオブック / 発話スタイル / 言語特徴 |
| キーワード(英) | statistical parametric speech synthesis / audiobook / speaking style / linguistic features |
| 資料番号 | SP2016-70 |
| 発行日 | 2017-01-14 (SP) |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 2017/1/21(から1日開催) |
| 開催地（和） | 東京大学 |
| 開催地（英） | The University of Tokyo |
| 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） | 森 大毅(宇都宮大) |
| 副委員長氏名（英） | Hiroki Mori(Utsunomiya Univ.) |
| 幹事氏名（和） | 滝口 哲也(神戸大) / 西田 昌史(静岡大) |
| 幹事氏名（英） | Tetsuya Takiguchi(Kobe Univ.) / Masafumi Nishida(Shizuoka Univ.) |
| 幹事補佐氏名（和） | 浅見 太一(NTT) / 橋本 佳(名工大) |
| 幹事補佐氏名（英） | Taichi Asami(NTT) / Kei Hashimoto(Nagoya Inst. of Tech.) |
| 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） | ［ポスター講演］オーディオブックを用いた表現豊かな音声合成のための言語特徴の検討 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] Designing linguistic features for expressive speech synthesis using audiobooks |
| サブタイトル（和） | |
| 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） | オーディオブック / audiobook |
| キーワード(3)（和/英） | 発話スタイル / speaking style |
| キーワード(4)（和/英） | 言語特徴 / linguistic features |
| 第 1 著者 氏名（和/英） | 浅井 千明 / Chiaki Asai |
| 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） | 沢田 慶 / Kei Sawada |
| 第 2 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 3 著者 氏名（和/英） | 橋本 佳 / Kei Hashimoto |
| 第 3 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 4 著者 氏名（和/英） | 大浦 圭一郎 / Keiichiro Oura |
| 第 4 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 5 著者 氏名（和/英） | 南角 吉彦 / Yoshihiko Nankaku |
| 第 5 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 6 著者 氏名（和/英） | 徳田 恵一 / Keiichi Tokuda |
| 第 6 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 | 2017-01-21 |
| 資料番号 | SP2016-70 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | SP-414 |
| ページ範囲 | pp.35-40(SP), |
| ページ数 | 6 |
| 発行日 | 2017-01-14 (SP) |