| 講演名 | 2007/11/21 平均声モデルを用いる合成音声の話者性とスタイルの同時多様化の検討 橘 誠, 小林 隆夫, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 本研究では,多様なスタイルの合成音声を様々な話者の声で容易に実現する手法として,隠れマルコフモデル(HMM)に基づく音声合成システムにおける平均声モデルからの話者性とスタイルの多様化手法の検討を行う.目標話者・目標スタイルモデルを得るために,平均声モデルに対し少量の目標話者のデータを用いて話者性とスタイルの特徴の同時適応を行う手法を提案する.主観評価の結果から,提案手法においてスタイルの特徴のみを変換するスタイル適応手法と同程度のスタイル・話者性の再現性が得られることを示す.また話者・スタイル適応を行う場合の適応データ量の話者性・スタイルの再現性への影響を主観・客観評価から調査し,50文章程度の適応文章があれば,目標話者の様々なスタイルを再現可能であることを示す. |
| 抄録(英) | This paper describes a technique for synthesizing speech with desired style of an arbitrary target speaker's voice in a hidden Markov model (HMM)-based speech synthesis framework. We adapt an average voice model to a target speaker- and style-dependent model with a small amount of target speaker's data using a technique for simultaneous adaptation of speaker and style. From results of subjective evaluation, we show that the speaker and style reproducibility of the synthetic speech generated using the proposed technique is comparable to that using the conventional style adaptation technique for speaker dependent models. Moreover, subjective and objective experimental results show that we can synthesize speech with diverse voices and styles from about fifty sentences of target speaker's style adaptation data. |
| キーワード(和) | HMM音声合成 / 話者適応 / 平均声モデル / 発話様式・感情表現 |
| キーワード(英) | hidden Markov model / speaker adaptation / average voice model / expressive speech synthesis |
| 資料番号 | SP2007-87 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 2007/11/21(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） | 平均声モデルを用いる合成音声の話者性とスタイルの同時多様化の検討 |
| サブタイトル（和） | |
| タイトル（英） | Speech Synthesis with Diverse Voices and Styles Using Average Voice Model |
| サブタイトル（和） | |
| キーワード(1)（和/英） | HMM音声合成 / hidden Markov model |
| キーワード(2)（和/英） | 話者適応 / speaker adaptation |
| キーワード(3)（和/英） | 平均声モデル / average voice model |
| キーワード(4)（和/英） | 発話様式・感情表現 / expressive speech synthesis |
| 第 1 著者 氏名（和/英） | 橘 誠 / Makoto TACHIBANA |
| 第 1 著者 所属（和/英） | 東京工業大学大学院総合理工学研究科物理情報システム専攻 Interdisciplinary Graduate School of Science and Engineering, Tokyo Institute of Technology |
| 第 2 著者 氏名（和/英） | 小林 隆夫 / Takao KOBAYASHI |
| 第 2 著者 所属（和/英） | 東京工業大学大学院総合理工学研究科物理情報システム専攻 Interdisciplinary Graduate School of Science and Engineering, Tokyo Institute of Technology |
| 発表年月日 | 2007/11/21 |
| 資料番号 | SP2007-87 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | 356 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |