文献

J-GLOBAL ID：201902219897766928   整理番号：19A1682254

WaveNetに基づくエンドツーエンド音声合成手法【JST・京大機械翻訳】

End-to-end speech synthesis based on WaveNet

著者 (3件)： Qiu Zeyu (戦略支援部隊信息工程大学信息系統工程学院,鄭州,450000) ,  Qu Dan (戦略支援部隊信息工程大学信息系統工程学院,鄭州,450000) ,  Zhang Lianhai (戦略支援部隊信息工程大学信息系統工程学院,鄭州,450000)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 39  号： 5  ページ： 1325-1329  発行年： 2019年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： エンドツーエンド音声合成システムにおけるGriffin-Limアルゴリズムによる位相情報合成音声忠実度が低く、人工処理痕跡が著しい問題に対して、WaveNetネットワークアーキテクチャに基づくエンドツーエンド音声合成方法を提案した。配列マッピングSeq2Seq構造に基づいて,入力テキストをまずone-hotベクトルに変換し,次に,WaveNet後端処理ネットワークを用いて音声信号の位相情報を再構成した。その結果,メルスペクトル特徴を時間領域波形サンプルに逆変換した。実験のテストコーパスはLJSpeech-1.0とTHchs-30であり,英語,中国語の2つの語種について実験を行い,実験結果は平均意見スコア(MOS)がそれぞれ3.31,3.02であることを示した。合成自然度はGriffin-Limアルゴリズムを用いたエンドツーエンド音声合成システムとパラメータ音声合成システムより優れている。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 音声合成機器 ,  パラメータ ,  英語 ,  ネットワーク ,  再構成 ,  *エンドツーエンド方式 ,  アルゴリズム ,  *音声合成 ,  逆変換 ,  コーパス ,  ベクトル ,  音声信号
準シソーラス用語： スコア ,  テキスト ,  位相情報 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： WaveNet ,  エンドツーエンド ,  音声合成 ,  手法