| 講演名 | 2018-03-19 GPR音声合成における深層ガウス過程の利用の検討 郡山 知樹(東工大), 小林 隆夫(東工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，ベイズ推定の枠組みとして利用されるガウス過程を多層に組み合わせた深層ガウス過程を，統計的音声合成の枠組みに適用する．深層ガウス過程(DGP)は，ディープニューラルネットワーク(DNN)と同様に深層構造に基づく高精度な予測が期待されるモデルであり，DNNに比べ過学習が起こりにくいという特長を持つ．これまでの報告で，大量のデータに適用可能な二重確率的変分推論(DSVI)に基づくDGPによって，DNN音声合成より自然性の高い音声を生成できることが示されたが，モデルの構造などの詳細な検討は行われなかった．本研究では，カーネル関数および層の数，中間層の次元数など様々な条件で音声合成実験を行い，パラメータが音響特徴量歪に与える影響を調査する． |
| 抄録(英) | This paper proposes a speech synthesis frameworkbased on deep Gaussian processes (DGPs). DGP is a Bayesian deep learning modelthat is composed of stacked Gaussian process regression. In our preliminary experiments, DGP-based system yieldedmore natural-sounding synthetic speech than DNN-based one. However, the performance evaluation of DGP had not been done in detail. In this paper, we perform speech synthesis under various experimental conditionswith chainging kernel function and the number of layers, and examine the relationships between acoustic feature distortionsand model architectures. |
| キーワード(和) | 深層ガウス過程 / 確率的変分ベイズ / 統計的パラメトリック音声合成 |
| キーワード(英) | deep Gaussian process / stochastic variational inference / statistical parametric speech synthesis |
| 資料番号 | EA2017-106,SIP2017-115,SP2017-89 |
| 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 | JPN |
| タイトル（和） | GPR音声合成における深層ガウス過程の利用の検討 |
| サブタイトル（和） | |
| タイトル（英） | On the Use of Deep Gaussian Processes for GPR-based Speech Synthesis |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層ガウス過程 / deep Gaussian process |
| キーワード(2)（和/英） | 確率的変分ベイズ / stochastic variational inference |
| キーワード(3)（和/英） | 統計的パラメトリック音声合成 / statistical parametric speech synthesis |
| 第 1 著者 氏名（和/英） | 郡山 知樹 / Tomoki Koriyama |
| 第 1 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Inst. of Tech.) |
| 第 2 著者 氏名（和/英） | 小林 隆夫 / Takao Kobayashi |
| 第 2 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Inst. of Tech.) |
| 発表年月日 | 2018-03-19 |
| 資料番号 | EA2017-106,SIP2017-115,SP2017-89 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | EA-515,SIP-516,SP-517 |
| ページ範囲 | pp.27-32(EA), pp.27-32(SIP), pp.27-32(SP), |
| ページ数 | 6 |
| 発行日 | 2018-03-12 (EA, SIP, SP) |