文献

J-GLOBAL ID：201702260195124372   整理番号：17A0272333

声質変換における深層学習技術

Deep Learning in Voice Conversion

著者 (1件)： 齋藤大輔 (東大 大学院工学系研究科)
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： 414(SP2016 65-76)  ページ： 47-52  発行年： 2017年01月14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： 本稿では声質変換における深層学習技術について概説する。近年,深い構造のニューラルネットワークを用いた深層学習技術は,音声認識のみならず様々な分野で用いられており,大きな成果をあげている。声質変換は入出力の対応関係を如何にモデル化するかが本質であり,この対応関係を深層学習により学習する方法がいくつか提案されている。一方で声質変換においては,タスクの性質上,限られたデータを用いてシステムを構築する必要があり,この条件下で如何に深層学習を適切に用いるかが課題となる。本稿では深層学習に基づく声質変換の研究動向について述べるとともに,多人数話者データを用いたいくつかの取り組みについても紹介する。(著者抄録)

シソーラス用語： *音声処理 ,  信号変換 ,  機械学習 ,  *ニューラルネットワーク ,  Gauss模型
準シソーラス用語： *声質変換 ,  *深層学習 ,  *ディープニューラルネットワーク ,  Gauss混合モデル

分類 (1件)： 音声処理  (JE05000E)

引用文献 (37件)：

• A. Kain and M. W. Macon, ′′Spectral voice conversion for text-to-speech synthesis,′′ Proc. ICASSP, vol. 1, pp. 285-288, 1998.
• M. Abe, S. Nakamura, K. Shikano, and H. Kuwabara, ′′Voice conversion through vector quantization,′′ Proc. ICASSP, pp. 655-658, 1988.
• Y. Stylianou, O. Capp?, and E. Moulines, ′′Continuous probabilistic transform for voice conversion,′′ IEEE Trans. on Speech and Audio Processing, vol. 6, no. 2, pp. 131-142, 1998.
• L. Deng, A. Acero, L. Jiang, J. Droppo, and X. Huang, ′′High-performance robust speech recognition using stereo training data,′′ Proc. ICASSP, pp. 301-304, 2001.
• A. Kunikoshi, Y. Qiao, N. Minematsu, and K. Hirose, ′′Speech generation from hand gestures based on space map-ping,′′ Proc. INTERSPEECH, pp. 308-311, 2009.

タイトルに関連する用語 (2件)： 声質変換 ,  深層学習