| 講演名 | 2017-07-27 コンテキスト事後確率のSequence-to-Sequence学習を用いた音声変換とDual Learningの評価 三好 裕之(東大), 齋藤 佑樹(東大), 高道 慎之介(東大), 猿渡 洋(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，コンテキスト事後確率の sequence-to-sequence 学習を用いた音声変換を提案する．従来のコンテキスト事後確率の複写に基づく音声変換は，パラレルデータが不要であるという利点があるが，入力音声特徴量に対するコンテキスト事後確率を複写するため，事後確率に含まれる話速や音韻性の変換が困難であった．提案手法では，学習データに部分的なパラレルデータが含まれていると仮定し，入出力話者のコンテキスト事後確率の可変長変換を行うことで，事後確率に含まれる話速や音韻性の変換を可能にする．さらに，音声認識・事後確率変換・音声合成の全てのモデルを同時に最適化するための dual learning も導入する．実験的評価では，sequence-to-sequence 学習及び dual learning の有効性を客観評価及び主観評価により検証する． |
| 抄録(英) | Voice conversion (VC) using sequence-to-sequence learning of context posterior probabilities is proposed. Conventional VC using shared context posterior probabilities predicts target speech parameters from the context posterior probabilities estimated from the source speech parameters. Although conventional VC can be built from non-parallel data, it is difficult to convert speaker individuality such as phonetic property and speaking rate contained in the posterior probabilities because the source posterior probabilities are directly used for predicting target speech parameters. In this work, we assume that the training data partly include parallel speech data and propose sequence-to-sequence learning between the source and target posterior probabilities. The conversion models perform non-linear and variable-length transformation from the source probability sequence to the target one. Further, we propose a joint training algorithm for the modules. In contrast to conventional VC, which separately trains the speech recognition that estimates posterior probabilities and the speech synthesis that predicts target speech parameters, our proposed method jointly trains these modules along with the proposed probability conversion modules. Experimental results demonstrate that our approach outperforms the conventional VC. |
| キーワード(和) | 音声変換 / コンテキスト事後確率 / sequence-to-sequence 学習 / dual learning |
| キーワード(英) | voice conversion / context posterior probabilities / sequence-to-sequence learning / dual learning |
| 資料番号 | SP2017-17 |
| 発行日 | 2017-07-20 (SP) |
| 研究会情報 | |
| 研究会 | SP / IPSJ-SLP |
|---|---|
| 開催期間 | 2017/7/27(から2日開催) |
| 開催地（和） | 秋保リゾート ホテルクレセント |
| 開催地（英） | Akiu Resort Hotel Crescent |
| テーマ（和） | 認識，理解，対話，一般 |
| テーマ（英） | Speech recognition and understanding, dialog system, etc. |
| 委員長氏名（和） | 山下 洋一(立命館大) / 峯松 信明(東大) |
| 委員長氏名（英） | Yoichi Yamashita(Ritsumeikan Univ.) / Nobuaki Minematsu(Univ. of Tokyo) |
| 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） | 西田 昌史(静岡大) / 坂野 秀樹(名城大) / 篠崎 隆宏(東工大) / 山岸 順一(NII) / 福田 隆(IBM) |
| 幹事氏名（英） | Masafumi Nishida(Shizuoka Univ.) / Hideki Banno(Meijo Univ.) / Takahiro Shinozaki(Tokyo Inst. of Tech.) / Junichi Yamagishi(NII) / Takashi Fukuda(IBM) |
| 幹事補佐氏名（和） | 橋本 佳(名工大) / 小橋川 哲(NTT) |
| 幹事補佐氏名（英） | Kei Hashimoto(Nagoya Inst. of Tech.) / Satoshi Kobashikawa(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Speech / Special Interest Group on Spoken Language Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | コンテキスト事後確率のSequence-to-Sequence学習を用いた音声変換とDual Learningの評価 |
| サブタイトル（和） | |
| タイトル（英） | Voice Conversion Using Sequence-to-Sequence Learning of Context Posterior Probabilities and Evaluation of Dual Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 音声変換 / voice conversion |
| キーワード(2)（和/英） | コンテキスト事後確率 / context posterior probabilities |
| キーワード(3)（和/英） | sequence-to-sequence 学習 / sequence-to-sequence learning |
| キーワード(4)（和/英） | dual learning / dual learning |
| 第 1 著者 氏名（和/英） | 三好 裕之 / Hiroyuki Miyoshi |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 2 著者 氏名（和/英） | 齋藤 佑樹 / Yuki Saito |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 3 著者 氏名（和/英） | 高道 慎之介 / Shinnosuke Takamichi |
| 第 3 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 4 著者 氏名（和/英） | 猿渡 洋 / Hiroshi Saruwatari |
| 第 4 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 発表年月日 | 2017-07-27 |
| 資料番号 | SP2017-17 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | SP-160 |
| ページ範囲 | pp.9-14(SP), |
| ページ数 | 6 |
| 発行日 | 2017-07-20 (SP) |