文献

J-GLOBAL ID：201902211916704446   整理番号：19A1489024

音声合成のための変分推論を用いた準完全畳込みニューラルネットワーク【JST・京大機械翻訳】

Quasi-fully Convolutional Neural Network with Variational Inference for Speech Synthesis

著者 (9件)： Wang Mu (Tsinghua-CUHK Joint Research Center for Media Science, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen, China) ,  Wu Xixin (Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Wu Zhiyong (Tsinghua-CUHK Joint Research Center for Media Science, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen, China) ,  Kang Shiyin (Tencent AI Lab, Shenzhen, China) ,  Tuo Deyi (Tencent AI Lab, Shenzhen, China) ,  Li Guangzhi (Tencent AI Lab, Shenzhen, China) ,  Su Dan (Tencent AI Lab, Shenzhen, China) ,  Yu Dong (Tencent AI Lab, Shenzhen, China) ,  Meng Helen (Tsinghua-CUHK Joint Research Center for Media Science, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 7060-7064  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ゲート付きリカレントユニット(Grus)と長い短期メモリ(LSTM)のようなリカレントニューラルネットワークは,音声合成のための音響モデリングに広く使われている。しかし,そのような逐次生成プロセスは今日の大規模並列計算デバイスには優しくない。音声合成のために並列プロセッサ上で効率的に実行できる完全畳込みニューラルネットワーク(CNN)モデルを導入した。生成した音響特徴の品質を改善するために,変分推論によりこのモデルを強化した。また,準再帰ニューラルネットワーク(QRNNs)を用いて,生成音響特徴を平滑化した。最後に,高品質並列WaveNetモデルを用いて,オーディオサンプルを生成した。著者らの貢献は2つである。最初に,変分推論によるCNNが,エンドツーエンドモデルにより,par上で高度に自然な音声を生成できることを示した。QRNNsの使用は,発生した音響特徴の処理を低減することにより,さらに合成品質を改善し,非常に少ない実行時間オーバーヘッドを導入する。次に,並列WaveNetモデルのサンプリングプロセスをさらに高速化するためのいくつかの技術を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *音声合成 ,  *ニューラルネットワーク ,  オーディオ機器 ,  品質 ,  エンドツーエンド方式 ,  高速化 ,  平滑化 ,  モデル
準シソーラス用語： オーバヘッド ,  音響特徴 ,  音響モデリング ,  リカレントニューラルネットワーク ,  *畳込みニューラルネットワーク ,  *変分推論 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 音声合成 ,  変分推論 ,  畳込みニューラルネットワーク