| 講演名 | 2018-01-20 ［ポスター講演］DNN音声合成のためのパワーを考慮したトラジェクトリ学習 船戸 涼平(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は音響モデルと呼ばれる統計モデルによって言語特徴量と音響特徴量との関係性をモデル化することで実現される．音響モデルとしてディープニューラルネットワーク~(Deep Neural Network; DNN)を用いる手法が主流となりつつあり，DNNの学習方法として系列内変動~(Global Variance; GV)を考慮したトラジェクトリ学習が提案されている．GVを考慮したトラジェクトリ学習の導入により，合成時を考慮した音響モデル構築が可能となると同時に，パラメータ生成時における過剰な平滑化を抑えることができ，従来のDNN音声合成から合成音声の自然性を改善した．しかし，モデル学習時にGVを考慮することで，合成音声のパワーの性能が低下してしまうという問題が生じた．そこで本稿では，パワーに関する評価関数を新たに組み込んだDNN音声合成におけるパワーを考慮したトラジェクトリ学習を提案する．モデル学習時にパワーを考慮することで，合成音声の品質改善を目指す．本稿では客観評価実験および主観評価実験を行い，提案法の性能を評価した． |
| 抄録(英) | In statistical parametric speech synthesis, a relation between acoustic features and linguistic features is modeled by statistical models,which are generally called acoustic models. A method using a deep neural network (DNN) as an acoustic model is becoming mainstream. Trajectory training considering global variance (GV) for DNN-based speech synthesis has been proposed. It introduces the parameter generation process considering the GV into the training of DNNs. The method can improve the naturalness of synthesized speech. However, the power of the synthesized speech often become unnatural due to the training considering the GV. To overcome this problem, we propose a trajectory training considering the power for DNN-based speech synthesis. To evaluate the performance of the proposed method, objective and subjective evaluation experiments are conducted. |
| キーワード(和) | 統計的パラメトリック音声合成 / DNN / トラジェクトリ学習 / パワー |
| キーワード(英) | statistical parametric speech synthesis / DNN / trajectory training / power |
| 資料番号 | SP2017-74 |
| 発行日 | 2018-01-13 (SP) |
| 研究会情報 | |
| 研究会 | SP / ASJ-H |
|---|---|
| 開催期間 | 2018/1/20(から2日開催) |
| 開催地（和） | 東京大学 |
| 開催地（英） | The University of Tokyo |
| テーマ（和） | 音声合成，音声コミュニケーション，聴覚，音声一般 |
| テーマ（英） | |
| 委員長氏名（和） | 山下 洋一(立命館大) / 平原 達也(富山県立大) |
| 委員長氏名（英） | Yoichi Yamashita(Ritsumeikan Univ.) / 平原 達也(富山県立大) |
| 副委員長氏名（和） | 森 大毅(宇都宮大) / 中川 誠司(千葉大) |
| 副委員長氏名（英） | Hiroki Mori(Utsunomiya Univ.) / 中川 誠司(千葉大) |
| 幹事氏名（和） | 西田 昌史(静岡大) / 坂野 秀樹(名城大) / 木谷 俊介(北陸大) / 山川 仁子(尚絅大) / 饗庭 絵里子(電通大) |
| 幹事氏名（英） | Masafumi Nishida(Shizuoka Univ.) / Hideki Banno(Meijo Univ.) / 木谷 俊介(北陸大) / 山川 仁子(尚絅大) / 饗庭 絵里子(電通大) |
| 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 / Auditory Research Meeting |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［ポスター講演］DNN音声合成のためのパワーを考慮したトラジェクトリ学習 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] TRAJECTORY TRAINING CONSIDERING POWER FOR SPEECH SYNTHESIS BASED ON NEURAL NETWORKS |
| 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） | DNN / DNN |
| キーワード(3)（和/英） | トラジェクトリ学習 / trajectory training |
| キーワード(4)（和/英） | パワー / power |
| 第 1 著者 氏名（和/英） | 船戸 涼平 / Ryohei Funato |
| 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） | 橋本 佳 / Kei Hashimoto |
| 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） | 大浦 圭一郎 / keiichiro Oura |
| 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） | 南角 吉彦 / Yoshihiko Nankaku |
| 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） | 徳田 恵一 / Keiichi Tokuda |
| 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.) |
| 発表年月日 | 2018-01-20 |
| 資料番号 | SP2017-74 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | SP-393 |
| ページ範囲 | pp.43-48(SP), |
| ページ数 | 6 |
| 発行日 | 2018-01-13 (SP) |