文献

J-GLOBAL ID：201602280129035162   整理番号：16A1229308

DNNに基づくテキスト音声合成における話者・ジェンダー・年齢コード利用の検討

A DNN-based Text-to-Speech Synthesis System using Speaker, Gender and Age Codes

著者 (4件)： THI LUONG Hieu (VNUHCM, Ho Chi Minh City, VNM) ,  高木信二 (国立情報学研) ,  KIM SangJin (Naver Corp., KOR) ,  山岸順一 (国立情報学研)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 116  号： 279(SP2016 41-49)  ページ： 37-42  発行年： 2016年10月20日 
JST資料番号： S0532B  ISSN： 0913-5685  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： 本論文ではDNNに基づくテキスト音声合成において,複数話者モデリング,話者適応,合成音声の音響特性操作を行う手法について検討する。ここでは,DNNに基づく音響モデルにおいて,言語特徴量に加えて話者・ジェンダー・年齢コード(入力コードと呼ぶ)を入力として利用する。10代後半から80代までの話者がバランス良く含まれた135名からなる高品質巨大コーパスを用い,以下の3つの実験を行った。1)入力コードを用いた複数話者モデルの構築,2)目標話者の少量の適応データを用いた,バックプロパゲーションによる話者コード推定に基づく話者適応,3)入力コードを操作することによる合成音声の音響特性操作。これら実験を通して入力コードに基づく複数話者モデルの構築,話者適応,音響特性操作の評価を行った。(著者抄録)

シソーラス用語： *音声合成 ,  人間 ,  性差 ,  年齢 ,  ニューラルネットワーク ,  モデリング ,  情報 ,  コーパス ,  記号 ,  逆伝搬法 ,  音響特性 ,  ディープニューラルネットワーク ,  特徴量
準シソーラス用語： 話者 ,  *テキスト音声合成

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (4件)： テキスト音声合成 ,  話者 ,  ジェンダー ,  年齢