| 講演名 | 2007/10/18 基本周波数パターン生成過程モデルにもとづくテキストからのコーパスベース韻律生成(合成,生成,韻律,一般) 越智 景子, 広瀬 啓吉, 峯松 信明, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | テキストからの高品質な音声合成を実現するため,基本周波数パターン生成過程モデル(F0モデル)の枠組みでの韻律生成手法を提案した.この手法では,テキストから,まず休止の位置と長さを推定し,次に音韻継続長を推定した上で,F0モデルのパラメータ(指令の時点と大きさ)を推定する.先行するプロセスで推定した韻律情報を,後続する推定プロセスに利用することにより,特徴相互の密接な関係を考慮した韻律制御を可能とする.生成した韻律的特徴を用いた合成音声と原音声から抽出した韻律的特徴を用いた合成音声とを聴取し,主観評価実験を行い,提案手法の有用性を確認した.さらに,F0モデルのアクセント指令の時点情報に制限を設けることによって,聴取実験時の合成音声の自然性に対する評価が向上することを示した. |
| 抄録(英) | The paper presents a corpus-based method for generating prosodic features from a given text. The method consists of three steps : First, position and duration of pauses are predicted using linguistic information extracted from the text. Then, phone durations are predicted, and finally F0 contour generation process model (F0 model) parameters (command timings and amplitudes) are predicted. Information predicted in preceding steps is used for the following steps, thus obtaining the consistency between predicted prosodic features. By adding constraints on the accent command timings as a post processing, a better quality was realized in synthetic speech when predicted prosodic features were used. Validity of the developed method was confirmed through a listening test of synthetic speech. |
| キーワード(和) | 基本周波数パターン生成過程モデル / 韻律 / テキスト音声合成 |
| キーワード(英) | Fundamental frequency contour generation process model / prosody / text to speech synthesis |
| 資料番号 | SP2007-78 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 2007/10/18(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Speech (SP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 基本周波数パターン生成過程モデルにもとづくテキストからのコーパスベース韻律生成(合成,生成,韻律,一般) |
| サブタイトル（和） | |
| タイトル（英） | Corpus-based generation of prosodic features from text using generation process model of fundamental frequency contours |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 基本周波数パターン生成過程モデル / Fundamental frequency contour generation process model |
| キーワード(2)（和/英） | 韻律 / prosody |
| キーワード(3)（和/英） | テキスト音声合成 / text to speech synthesis |
| 第 1 著者 氏名（和/英） | 越智 景子 / Keiko OCHI |
| 第 1 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Department of Information and Communication Engineering, School of Information Science and Technology, University of Tokyo |
| 第 2 著者 氏名（和/英） | 広瀬 啓吉 / Keikichi HIROSE |
| 第 2 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Department of Information and Communication Engineering, School of Information Science and Technology, University of Tokyo |
| 第 3 著者 氏名（和/英） | 峯松 信明 / Nobuaki MINEMATSU |
| 第 3 著者 所属（和/英） | 東京大学大学院新領域創成科学研究科 Dept. of Frontier Informatics, School of Frontier Sciences, University of Tokyo |
| 発表年月日 | 2007/10/18 |
| 資料番号 | SP2007-78 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | 282 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |