抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
調音音声合成に代表される文字や記号を介さない合成方式は,運動の連続性に基づく滑らかな合成音の生成やその話速制御などにおいて有効性が注目されている。しかしそのアプリケーションのほとんどは,入力機器の特性を活用して設計されているため,その方法論を他のメディアや機器に応用することは容易ではない。本研究では身体運動から音声を生成するプロセスを,特定の身体部位に限定せずに一般化してとらえ,音声以外のメディア情報の動きを入力として音声を出力するプロセス,異メディア間写像の問題としてとらえる。そして近年声質変換の分野で広く用いられている統計的空間写像構築法を応用した,メディア非依存の方法論を提案する。本稿ではその一例として手の運動からの音声出力を考える。この手法においては,どの手の姿勢(以下ジェスチャ)をどの音に割り当てるかが課題となる。これまでに,ジェスチャを入力とした日本語5母音の連続音声生成において,本手法の有効性および適切なジェスチャ選択手法を報告している。本稿では,子音として鼻子音に注目し,母音に関して,ジェスチャと音が時間同期されたデータを用いて構築した音声→ジェスチャ変換システム(目的とするシステムの逆システム)に鼻子音音声を入力することにより,鼻子音に割り当てるジェスチャを推定する手法を提案する。聴取実験の結果,音声→ジェスチャ変換システムによって推定されたジェスチャは,ジェスチャ候補から選ばれた準最適なジェスチャと比較して,より自然な音声を出力するジェスチャ→音声システムを構築することが示された。(著者抄録)