文献

J-GLOBAL ID：201802237458830652   整理番号：18A0357431

高品質音声分析合成による各パラメータのフレームシフト幅が音質に与える影響

Influence of frame shift in speech parameters on sound quality by high-quality speech analysis/synthesis system

著者 (2件)： 宮下玄太 (山梨大 大学院医工農学総合教育部) ,  森勢将雅 (山梨大 大学院総合研究部)
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： 117  号： 393(SP2017 66-84)  ページ： 35-38  発行年： 2018年01月13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： 高品質音声をボコーダを用いて分析合成を行う際に音質の劣化が発生する。筆者らは,これまでの研究により,この音質の劣化と分析時のフレームシフト幅との関係について主観評価実験を行い,その結果から,音声分析の際に最適なフレームシフト幅が音声パラメータ毎に異なる可能性を明らかにした。本稿では基本周波数とスペクトル包絡に着目し,各音声パラメータの分析時のフレームシフト幅が音質に及ぼす影響についてMUSHRA法を用いた主観評価を行う。実験の結果,基本周波数パラメータは20msまで有意な音質劣化が検出されなかった。一方で,スペクトル包絡パラメータは5msで音質の劣化が検出された。この結果から,基本周波数パラメータの持つ時間軸方向のデータ量は,従来のものより少ない情報に符号化しても音質に影響がないことが確認された。(著者抄録)

シソーラス用語： *音声分析 ,  *音声合成 ,  *音質 ,  パラメータ ,  エンベロープ ,  信号処理 ,  特徴抽出 ,  基本振動数 ,  劣化 ,  主観評価
準シソーラス用語： スペクトル包絡 ,  基本周波数 ,  品質劣化

分類 (1件)： 音声処理  (JE05000E)

引用文献 (11件)：

• 鎌本優, 杉浦亮介, 守谷健弘, 古角康一, 野口賢一, 兼清知之, “情報帯域制限下条件付無歪音声符号化 (CLEAR) の概要と音質評価,” 日本音響学会秋季研究発表会, pp.491-492, 2017.
• 宮下玄太, 森勢将雅, “フルバンド音声を対象とした品質劣化のない音声分析合成のためのフレームシフト幅の検証,” 日本音響学会秋季研究発表会, pp.259-260, 2017.
• H. Kawahara, I. Masuda-Kasuse and A. de Cheveigne, “Restructuring speech representations using a pitch-adaptive time-frequency smoothing and an instantaneous-frequency-based F0 extraction: Possible role of a reptitive structure in sounds,” Speech Communication, vol.27, pp.187-207, 1999.
• M. Morise, F. Yokomori, and K. Ozawa, “WORLD: A Vocoder-Based High-Quality Speech Synthesis System for Real-Time Applications,” IEICE transactions on information and systems, vol.E99-D, no.7, pp.1877-1884, 2016.
• M. Airaksinen, B. Bollepalli, L. Juvela, Z. Wu, S. King and P. Alku, “GlottDNN - A full-band glottal vocoder for statistical parametric speech synthesis,” in Proc. IEEE, pp.2473-2477, 2016.

タイトルに関連する用語 (5件)： 高品質 ,  音声分析 ,  パラメータ ,  シフト ,  音質