文献

J-GLOBAL ID：201902226365596646   整理番号：19A1488975

巡回再帰神経回路網と微細同調型wavenetボコーダによる音声変換【JST・京大機械翻訳】

Voice Conversion with Cyclic Recurrent Neural Network and Fine-tuned Wavenet Vocoder

著者 (5件)： Tobing Patrick Lumban (Graduate School of Information Science, Nagoya University, Japan) ,  Wu Yi-Chiao (Graduate School of Information Science, Nagoya University, Japan) ,  Hayashi Tomoki (Graduate School of Information Science, Nagoya University, Japan) ,  Kobayashi Kazuhiro (Information Technology Center, Nagoya University, Japan) ,  Toda Tomoki (Information Technology Center, Nagoya University, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 6815-6819  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： 本論文では,周期的再帰ニューラルネットワーク(RNN)と細かく調整されたWaveNetボコーダを用いて,高品質な並列音声変換(VC)を提供するための新しいフレームワークを提案した。提案したシステムを用いて,統計モデルから予測されたメルケプストラムパラメータのような推定された(過剰平滑化)音声特徴を供給するとき,WaveNetによって直面する品質劣化問題に取り組んでいる。VCにおいて,予め訓練されたWaveNetモデルを微調整するために予測された特徴を提供することは,時間配列アラインメントにおける差異のために簡単ではない。この問題を克服するために,変換フローを実行することができる周期的スペクトル変換ネットワークの使用を提案した。すなわち,ソースからターゲット,および周期的フロー,すなわち,自己予測ターゲット話者特徴を生成し,変換と周期的損失の両方を用いて訓練する。実験結果は,全体として,提案したシステムが変換音声を著しく改善し,平均意見スコア3.79と話者類似性スコア73.86%をもたらすことを実証した。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： *ボコーダ ,  ニューラルネットワーク ,  統計模型 ,  類似性 ,  予測 ,  平滑化 ,  ネットワーク
準シソーラス用語： スコア ,  話者 ,  微調整 ,  品質劣化 ,  音声特徴 ,  メルケプストラム ,  *音声変換 ,  *巡回 , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 巡回 ,  神経回路網 ,  微細 ,  同調型 ,  WaveNet ,  ボコーダ ,  音声変換