文献

J-GLOBAL ID：201802250360841033   整理番号：18A1668497

2020年を見据えた多言語音声処理技術 音声翻訳システムにおける音声変換の利用

著者 (2件)： 高道慎之介 (東大) ,  戸田智基 (名古屋大)
資料名： 日本音響学会誌  (Journal of the Acoustical Society of Japan)
巻： 74  号： 9  ページ： 535-538  発行年： 2018年09月01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： ・次世代音声翻訳システムでは,言語情報翻訳の高度化のみならず,言語・パラ言語・非言語情報を保存・変換する技術が必要とされるなかで,その主要技術となる音声技術について解説。
・音声変換の例として,deep neural networkに基づく話者変換を考察。
・音声翻訳における研究事例として,高品質変換,低遅延変換,少量・ノンパラレルの音声データを紹介。
・まとめと今後の展開として,言語・パラ言語・非言語を包括した変換,聞き手を考慮した変換,音声変換を「自然」にする社会デザインの課題を紹介。

シソーラス用語： *機械翻訳 ,  情報 ,  *音声処理 ,  *信号変換 ,  ニューラルネットワーク ,  データ ,  事例研究 ,  処理
準シソーラス用語： *音声翻訳 ,  パラ言語情報 ,  言語情報 ,  非言語情報 ,  音声変換 ,  ディープニューラルネットワーク ,  音声データ ,  多言語処理

分類 (1件)： 自然語処理  (JE06000L)

引用文献 (40件)：

• [1] VoiceTra, http://voicetra.nict.go.jp/ (参照2018-07-11).
• [2] L.-H. Chen, Z.-H. Ling, L.-J. Liu and L.-R. Dai, “Voice conversion using deep neural networks with layer-wise generative training,” IEEE/ACM Trans. Audio Speech Lang. Process., 22, 1859-1872 (2014).
• [3] T. Toda, A. W. Black and K. Tokuda, “Voice conversion based on maximum likelihood estimation of spectral parameter trajectory,” IEEE Trans. Audio Speech Lang. Process., 15, 2222-2235 (2007).
• [4] S. Takamichi, T. Toda, A. W. Black, G. Neubig, S. Sakti and S. Nakamura, “Postfilters to modify the modulation spectrum for statistical parametric speech synthesis,” IEEE/ACM Trans. Audio Speech Lang. Process., 24, 755-767 (2016).
• [5] 須田仁志, 小谷 岳, 高道慎之介, 齋藤大輔, “高品質声質変換のための特徴量分析再訪,” 音講論集, pp.337-340 (2018.3).

タイトルに関連する用語 (4件)： 多言語 ,  音声処理 ,  音声翻訳 ,  音声変換