文献

J-GLOBAL ID：201902243785953562   整理番号：19A1487791

音声複雑スペクトログラムの深い生成モデル【JST・京大機械翻訳】

A Deep Generative Model of Speech Complex Spectrograms

著者 (3件)： Nugraha Aditya Arie (RIKEN Center for Advanced Intelligence Project (AIP), Japan) ,  Sekiguchi Kouhei (RIKEN Center for Advanced Intelligence Project (AIP), Japan) ,  Yoshii Kazuyoshi (RIKEN Center for Advanced Intelligence Project (AIP), Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 905-909  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,深い生成モデルによる短時間Fourier変換の大きさと位相スペクトログラムの結合モデリングへのアプローチを提案した。この大きさはGauss分布に従い,位相はvon Mises分布に従うと仮定した。時間-周波数領域における位相値の整合性を改善するために,位相導関数にvon Mises分布,すなわち群遅延と瞬時周波数を適用した。これらの仮定に基づいて,著者らのモデルを訓練するための損失関数のいくつかの組合せを調査し比較した。変分自動符号器フレームワークに基づいて,著者らのモデルは,符号器,大きさ復号器,および位相復号器として作用する3つの畳込みニューラルネットワークから成る。潜在的変数に加えて,推定した大きさに関する位相推定を条件づけることも提案した。時間領域音声再構成タスクに対して評価し,本モデルは高い知覚品質と高い了解度を持つ音声を生成できた。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： 正規分布 ,  導関数 ,  再構成 ,  符号器 ,  *位相 ,  モデリング ,  復号器 ,  周波数領域 ,  変分法 ,  群遅延特性
準シソーラス用語： 時間領域 ,  位相推定 ,  瞬時周波数 ,  *生成モデル ,  *スペクトログラム , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 音声 ,  スペクトログラム ,  生成モデル