ニューラルネットワークに基づく差分スペクトルフィルタを用いた任意話者声質変換の検討

小池治憲; 能勢隆; 篠崎隆宏; 伊藤彰則

文献

J-GLOBAL ID：201502203854084095 整理番号：15A1384051

ニューラルネットワークに基づく差分スペクトルフィルタを用いた任意話者声質変換の検討

A Study on Speaker-Independent Voice Conversion Using Spectral Differential Filter Based on Neural Network

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=15A1384051&COPY=1") }}
このテーマを更に深掘りする（JDreamⅢへ） {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=15A1384051&from=J-GLOBAL&jstjournalNo=S0532B") }}

著者 (4件)： , , ,
資料名：
巻： 115 号： 253(SP2015 59-69) ページ： 13-18 発行年： 2015年10月08日
JST資料番号： S0532B ISSN： 0913-5685 資料種別：会議録 (C)
記事区分：短報発行国：日本 (JPN) 言語：日本語 (JA)

本稿では,任意の元話者(入力話者)の音声の話者性を特定の目標話者に近づける声質変換手法として,複数の元話者と目標話者間で事前に学習した多対一のマッピングを行うニューラルネットワークを用い,差分スペクトルフィルタにより入力音声の話者性を変換する手法を提案する。声質変換手法として,これまでに元話者と目標話者のパラレル音声を用いて変換モデルを学習する手法,あるいは少量の元話者または目標話者の音声を用いて話者適応を行う手法が提案されている。また,我々はユーザである元話者の音声を学習に使用することなく変換を行う任意話者声質変換法を提案した。本研究ではこの任意話者声質変換において変換音声の自然性を向上させるため,元話者の入力音声の変換前後のスペクトル特徴量の差分をパラメータとしてもつフィルタにより変換を行うことにより,基本周波数の抽出精度に依存しない変換を行う。また,アフィン変換による分散補償を行うことにより,さらに自然性が向上することを示す。(著者抄録)

, , , , , , , , , ,
, , , ,

ニューロコンピュータ , 音響信号処理

引用文献 (14件)：

Y. Stylianou, "Voice transformation: a survey," Proc. ICASSP 2009, pp.3585-3588, 2009.
A. Kain and M. Macon, "Spectral voice conversion for text-to-speech synthesis," Proc. ICASSP 1998, vol.1, pp.285-288, 1998.
S. Desai, E.V. Raghavendra, B. Yegnanarayana, A.W. Black, and K. Prahallad, "Voice conversion using artificial neural networks," Acoustics, Speech and Signal Processing, 2009. ICASSP 2009. IEEE International Conference onIEEE, pp.3893-3896 2009.
N.C. Pilkington, H. Zen, M.J. Gales, et al., "Gaussian process experts for voice conversion," 12TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2011 (INTERSPEECH 2011), VOLS 1-5, pp.2772-2775, 2011.
能勢隆,篠崎隆宏,伊藤洋二郎,伊藤彰則,"ニューラルネットワークに基づくユーザ音声を必要としない多対一声質変換の検討,"日本音響学会秋季講演論文集,pp.271-274,2015.

, , , ,

前のページに戻る