文献

J-GLOBAL ID：202102234330010696   整理番号：21A1369836

ソースフィルタ型音声合成の敵対的学習による最適化

Optimization of source-filter based speech waveform generation using adversarial training

著者 (4件)： 光井勇人 (埼玉大 大学院理工学研究科) ,  杉浦陽介 (埼玉大 大学院理工学研究科) ,  安井希子 (埼玉大 大学院理工学研究科) ,  島村徹也 (埼玉大 大学院理工学研究科)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 120  号： 415(SIS2020 35-59)  ページ： 1-4 (WEB ONLY)  発行年： 2021年02月25日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究は,深層学習を用いたソースフィルタ型の音声波形生成モデルの精度向上を目的とする.ソースフィルタ型の音声波形生成モデルは,PixelCNNを基とするWaveNetと比べて少ない演算量で実装可能である一方,音質の低下が問題であった.そこで生成音声の自然性を担保するために,従来の手法に,敵対的学習によるマルチタスク学習の機構を導入する.提案法では,MelGANをベースとする敵対的学習を利用し,波形領域での再現性能を考慮する.実験の結果から,提案法は従来法では表現することが出来なかった音声のダイナミクスを得ることができることを示す.(著者抄録)

シソーラス用語： *音声合成 ,  機械学習 ,  *最適化 ,  波形 ,  音声 ,  音声分析 ,  数学モデル ,  発声 ,  調音 ,  音源 ,  *信号発生 ,  音声信号 ,  *音声生成 ,  音声波形 ,  深層学習 ,  *改変
準シソーラス用語： ソースフィルタ理論 ,  マルチタスク学習 ,  数理モデル

分類 (1件)： 音声処理  (JE05000E)

引用文献 (18件)：

• H. Dudley, “Remaking Speech,” J. Acoust. Soc. Am., vol. 11, no. 2, pp. 169-177, 1939.
• A. K. Syrdal, C. W. Wightman, A. Conkie, Y. Stylianou, M. Beutnagel, J. Schroeter, V. Strom, K.-S. Lee, and M. J. Makashay, “Corpus-Based Techniques in the AT&T NextGen Synthesis System,” In Proc. ICSLP, vol. 3, pp. 410-415, 2000.
• A. van den Oord, S. Dieleman, H. Zen, K. Si- monyan, O. Vinyals, A. Graves, N. Kalchbrenner, A. Senior and K. Kavukcuoglu,“WaveNet: A generative model for raw audio,” arXiv:1609.03499, 2016.
• A. van den Oord, Y. Li, I. Babuschkin, K. Si- monyan, O. Vinyals, K. Kavukcuoglu, G. van den Driessche, E. Lockhart, L. Cobo, F. Stimberg, N. Casagrande, D. Grewe, S. Noury, S. Dieleman, E. Elsen, N. Kalchbrenner, H. Zen, A. Graves, H. King, T. Walters, D. Belov and D. Hassabis, “Parallel WaveNet: Fast high-fidelity speech synthesis,” arXiv:1711.10433 2017.
• R. Yamamoto, E. Song, and J.-M. Kim, “Parallel WaveGAN: A fast waveform generation model based on generative adversarial networks with multi-resolution spectrogram,” arXiv:1910.11480, 2019.

タイトルに関連する用語 (4件)： ソース ,  音声合成 ,  敵対的学習 ,  最適化