文献

J-GLOBAL ID：201702290124316319   整理番号：17A1639382

統計的パラメトリック音声合成のための声門活性特徴を用いた改良型音声決定【Powered by NICT】

Improved voicing decision using glottal activity features for statistical parametric speech synthesis

著者 (3件)： Adiga Nagaraj (Department of Electronics and Electrical Engineering, Indian Institute of Technology Guwahati, Guwahati, 781039, India) ,  Khonglah Banriskhem K. (Department of Electronics and Electrical Engineering, Indian Institute of Technology Guwahati, Guwahati, 781039, India) ,  Mahadeva Prasanna S.R. (Department of Electronics and Electrical Engineering, Indian Institute of Technology Guwahati, Guwahati, 781039, India)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 71  ページ： 131-143  発行年： 2017年 
JST資料番号： W1600A  ISSN： 1051-2004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 統計的パラメトリック音声合成のための提案した声門活性特徴を用いた発声決定を改善する方法。既存の方法では,有声音意思決定は基本周波数0,これは予測が不正確であると誤差を生じる可能性があるに依存している。F0は声門活性特徴であるにもかかわらず,この活性を特性化する他の特徴は,有声化意思決定の改善の助けとなる。本研究で用いた声門活性特徴は励起(SoE),正規化自己相関ピーク強度(NAPS),高次統計量(HOS)の強度である。これらの特徴は零周波数フィルタリングされた信号と積分線形予測残差のような近似源信号から得た。有声音意思決定を改善するために,分類のための発見的しきい値を避けるために,声門活性特徴は,k最近傍,サポートベクトルマシン(SVM),および深い信念ネットワークのような種々の統計的学習法を用いて訓練した。有声化意思決定は,SVM分類器を用いて最良の作動し,その有効性を統計的パラメトリック音声合成を用いて試験した。声門活性は有声化意思決定を得るためにSoE,NAPS,HOSは隠れMarkovモデルと深層ニューラルネットワークにおける0とメルケプストラム係数と共にモデル化である。客観的および主観的評価は,提案した方法は,合成音声の自然性を改善することを示す。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 正規化 ,  主観評価 ,  ニューラルネットワーク ,  周波数 ,  有声音 ,  *声門 ,  意思決定 ,  サポートベクトルマシン ,  フィルタリング ,  自己相関 ,  隠れMarkovモデル ,  線形予測 ,  *音声合成 ,  モデリング ,  基本振動数

著者キーワード (4件)： 声門活性の特徴 ,  統計的パラメトリック音声合成 ,  発声判断 ,  サポートベクトルマシン

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 統計 ,  音声合成 ,  声門 ,  活性 ,  音声