文献

J-GLOBAL ID：201702267565671510   整理番号：17A0020465

音声言語処理における深層学習-深層学習に基づく統計的音声合成

著者 (2件)： 橋本佳 (名古屋工大) ,  高木信二 (国立情報学研)
資料名： 日本音響学会誌  (Journal of the Acoustical Society of Japan)
巻： 73  号： 1  ページ： 55-62  発行年： 2016年12月25日 
JST資料番号： G0162A  ISSN： 0369-4232  CODEN： NIOGAH  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 音声合成技術には,大規模な音声データベースから適切な音声単位を選んで接続する単位選択型音声合成する方式がある。しかしこの方式では大規模な音声データベースを構築する必要があるため,統計的音声合成が注目されている。本稿では,深層学習に基づく統計的音声合成を概説する。具体的には統計的音声合成,HMM(隠れMarkovモデル)による統計的音声合成,DNN(ディープニューラルネットワーク)に基づく統計的音声合成,研究動向にわたって述べる。

シソーラス用語： *音声合成 ,  自然言語処理 ,  *機械学習 ,  *統計的方法 ,  ニューラルネットワーク ,  モデル ,  特徴抽出 ,  *深層学習 ,  ディープニューラルネットワーク
準シソーラス用語： 音声言語処理 ,  HMM音声合成 ,  音響モデル

分類 (1件)： 音声処理  (JE05000E)

引用文献 (56件)：

• A. Hunt and A. Black, ′′Unit selection in a concatenative speech synthesis system using a large speech database,′′ Proc. ICASSP, pp. 373-376 (1996).
• H. Zen, K. Tokuda and A. Black, ′′Statistical parametric speech synthesis,′′ Speech Commun., 51, pp. 1039-1064 (2009).
• L. Rabiner, ′′A tutorial on hidden Markov models and selected applications in speech recognition,′′ Proc. IEEE, 77, pp. 257-285 (1989).
• T. Yoshimura, K. Tokuda, T. Masuko, T. Kobayashi and T. Kitamura, ′′Simultaneous modeling of spectrum, pitch and duration in HMM-based speech synthesis,′′ Proc. Eurospeech, pp. 2347-2350 (1999).
• K. Tokuda, Y. Nankaku, T. Toda, H. Zen, J. Yamagishi and K. Oura, ′′Speech synthesis based on hidden Markov models,′′ Proc. IEEE, 101, pp. 1234-1252 (2013).

タイトルに関連する用語 (4件)： 音声言語処理 ,  深層学習 ,  統計 ,  音声合成