| 講演名 | 2018-03-20 Development of NU non-parallel Voice Conversion System 2018 Yi-Chiao Wu(名大), Patrick Lumban Tobing(名大), Tomoki Hayashi(名大), Kazuhiro Kobayashi(名大), Tomoki Toda(名大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | This paper introduces the NU non-parallel voice conversion (VC) system developed at Nagoya University for SPOKE task of Voice Conversion Challenge 2018 (VCC2018). The goal of the SPOKE task is to develop VC systems without the requirement of parallel training data. In the previous version of the system, we developed a deep neural network (DNN) based cascade VC system to convert the source voice into the target voice via the TTS voice as the reference. However, the two stages conversion caused performance degradation. As a result, in this paper, we propose a compensation AutoEncoder technique to compensate the mismatch between the output of first stage conversion and the input of the second stage conversion. In addition, we also investigate the use of deep mixture density network (DMDN) to avoid the DNN-based limitations of the lack of ability to predict variance and the unimodal nature. The objective evaluation results shows the effectiveness of DMDN and the potential improvement of compensation AutoEncoder. |
| 抄録(英) | This paper introduces the NU non-parallel voice conversion (VC) system developed at Nagoya University for SPOKE task of Voice Conversion Challenge 2018 (VCC2018). The goal of the SPOKE task is to develop VC systems without the requirement of parallel training data. In the previous version of the system, we developed a deep neural network (DNN) based cascade VC system to convert the source voice into the target voice via the TTS voice as the reference. However, the two stages conversion caused performance degradation. As a result, in this paper, we propose a compensation AutoEncoder technique to compensate the mismatch between the output of first stage conversion and the input of the second stage conversion. In addition, we also investigate the use of deep mixture density network (DMDN) to avoid the DNN-based limitations of the lack of ability to predict variance and the unimodal nature. The objective evaluation results shows the effectiveness of DMDN and the potential improvement of compensation AutoEncoder. |
| キーワード(和) | non-parallel voice conversion / mixture density neural network / cascade system, compensation AutoEncoder |
| キーワード(英) | non-parallel voice conversion / mixture density neural network / cascade system, compensation AutoEncoder |
| 資料番号 | EA2017-172,SIP2017-181,SP2017-155 |
| 発行日 | 2018-03-12 (EA, SIP, SP) |
| 研究会情報 | |
| 研究会 | SIP / EA / SP / MI |
|---|---|
| 開催期間 | 2018/3/19(から2日開催) |
| 開催地（和） | 石垣島 ホテルミヤヒラ |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 [SIP,EA,SP]/ 医用画像工学一般 [MI] |
| テーマ（英） | Speech, Engineering/Electro Acoustics, Signal Processing, and Related Topics [SIP, EA, SP]/ Medical Image Engineering, Analysis, Recognition, etc. [MI] |
| 委員長氏名（和） | 奥田 正浩(北九州市大) / 島内 末廣(NTT) / 山下 洋一(立命館大) / 森 健策(名大) |
| 委員長氏名（英） | Masahiro Okuda(Univ. of Kitakyushu) / Suehiro Shimauchi(NTT) / Yoichi Yamashita(Ritsumeikan Univ.) / Kensaku Mori(Nagoya Univ.) |
| 副委員長氏名（和） | 村松 正吾(新潟大) / 相川 直幸(東京理科大) / 水町 光徳(九州工業大) / 森 大毅(宇都宮大) / 河田 佳樹(徳島大) / 木村 裕一(近畿大) |
| 副委員長氏名（英） | Shogo Muramatsu(Niigata Univ.) / Naoyuki Aikawa(TUS) / Mitsunori Mizumachi(Kyutech) / Hiroki Mori(Utsunomiya Univ.) / Yoshiki Kawata(Tokushima Univ.) / Yuichi Kimura(Kinki Univ.) |
| 幹事氏名（和） | 宮田 高道(千葉工大) / 渡邊 修(拓殖大) / 渡邉 貫治(秋田県立大) / 武岡 成人(静岡理工科大) / 西田 昌史(静岡大) / 坂野 秀樹(名城大) / 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) |
| 幹事氏名（英） | Takamichi Miyata(Chiba Inst. of Tech.) / Osamu Watanabe(Takushoku Univ.) / Kanji Watanabe(Akita Pref. Univ.) / Shigeto Takeoka(Shizuoka Inst. of Science and Tech.) / Masafumi Nishida(Shizuoka Univ.) / Hideki Banno(Meijo Univ.) / Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) |
| 幹事補佐氏名（和） | 中本 昌由(広島大) / TREVINO Jorge(東北大) / 伊藤 信貴(NTT) / 橋本 佳(名工大) / 小橋川 哲(NTT) / 原口 亮(兵庫県立大) / 平野 靖(山口大) |
| 幹事補佐氏名（英） | Masayoshi Nakamoto(Hiroshima Univ.ひろ) / TREVINO Jorge(Tohoku Univ.) / Nobutaka Ito(NTT) / Kei Hashimoto(Nagoya Inst. of Tech.) / Satoshi Kobashikawa(NTT) / Ryo Haraguchi(Univ. of Hyogo) / Yasushi Hirano(Yamaguchi Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Signal Processing / Technical Committee on Engineering Acoustics / Technical Committee on Speech / Technical Committee on Medical Imaging |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Development of NU non-parallel Voice Conversion System 2018 |
| サブタイトル（和） | |
| キーワード(1)（和/英） | non-parallel voice conversion / non-parallel voice conversion |
| キーワード(2)（和/英） | mixture density neural network / mixture density neural network |
| キーワード(3)（和/英） | cascade system, compensation AutoEncoder / cascade system, compensation AutoEncoder |
| 第 1 著者 氏名（和/英） | Yi-Chiao Wu / Yi-Chiao Wu |
| 第 1 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 2 著者 氏名（和/英） | Patrick Lumban Tobing / Patrick Lumban Tobing |
| 第 2 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 3 著者 氏名（和/英） | Tomoki Hayashi / Tomoki Hayashi |
| 第 3 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 4 著者 氏名（和/英） | Kazuhiro Kobayashi / Kazuhiro Kobayashi |
| 第 4 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 5 著者 氏名（和/英） | Tomoki Toda / Tomoki Toda |
| 第 5 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 発表年月日 | 2018-03-20 |
| 資料番号 | EA2017-172,SIP2017-181,SP2017-155 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | EA-515,SIP-516,SP-517 |
| ページ範囲 | pp.385-390(EA), pp.385-390(SIP), pp.385-390(SP), |
| ページ数 | 6 |
| 発行日 | 2018-03-12 (EA, SIP, SP) |