文献

J-GLOBAL ID：201702264483662116   整理番号：17A0142589

大規模合成した並列コーパスに基づく音声変換ディープニューラルネットワーク【Powered by NICT】

Deep neural network based voice conversion with a large synthesized parallel corpus

著者 (4件)： Wen Zhengqi (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Li Kehuang (School of ECE, Georgia Institute of Technology, Atlanta, GA. 30332-0250, USA) ,  Tao Jianhua (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Lee Chin-Hui (School of ECE, Georgia Institute of Technology, Atlanta, GA. 30332-0250, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-5  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソース話者の音声特徴を地図化ディープニューラルネットワーク(DNNs)に基づくターゲット話者への声質変換フレームワークを提案した。対ソースとターゲット話者のに必要な並列データの限られたアベイラビリティに由来して,音声合成と動的時間ワーピングは,DNN訓練のための大規模並列コーパスを構築するために利用した。DNNを訓練するために小さなコーパスを,より低い対数スペクトル歪はまだ従来のGauss混合モデル(GMM)アプローチ,同じデータを用いて訓練された上で見ることができる。合成した対訳コーパスを用いて,小さな対比コーパスからDNN変換音声と比較した場合,大きな並列コーパスからDNN変換音声で観察された約54.5%対32.8%の音声の自然さ嗜好スコアと約52.5%vs.23.6%の音声類似性嗜好スコア。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 音声合成 ,  対数 ,  スペクトル ,  *コーパス ,  類似性 ,  アベイラビリティ
準シソーラス用語： スコア ,  対訳コーパス ,  Gauss混合モデル ,  音声特徴 ,  話者 ,  *音声変換 , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 大規模 ,  コーパス ,  音声変換 ,  ディープニューラルネットワーク