文献

J-GLOBAL ID：201902257890565214   整理番号：19A1489026

DNNに基づく歌声合成と神経二重追跡のための生成モーメント整合ネットワークに基づくランダム変調ポストフィルタ【JST・京大機械翻訳】

Generative Moment Matching Network-based Random Modulation Post-filter for DNN-based Singing Voice Synthesis and Neural Double-tracking

著者 (5件)： Tamaru Hiroki (Graduate School of Information Science and Technology, The University of Tokyo, Japan) ,  Saito Yuki (Graduate School of Information Science and Technology, The University of Tokyo, Japan) ,  Takamichi Shinnosuke (Graduate School of Information Science and Technology, The University of Tokyo, Japan) ,  Koriyama Tomoki (School of Engineering, Tokyo Institute of Technology, Japan) ,  Saruwatari Hiroshi (Graduate School of Information Science and Technology, The University of Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 7070-7074  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,深いニューラルネットワーク(DNN)に基づく単一音声合成のための発話間ピッチ変動を提供する,生成モーメント整合ネットワーク(GMMN)ベースのポストフィルタを提案した。人間のsing声の自然ピッチ変動は,より豊かな音楽経験をもたらし,二重追跡に使用され,同じフレーズの2つの性能が記録され,より豊かな層状音を生成するために混合される記録法である。しかし,従来のDNNベースの方法を用いて合成された単一音声は,合成過程が決定論的であり,一つの音楽スコアから一つの波形だけが合成されるので,決して変化しない。この問題に対処するために,著者らはGMMNを用いて,自然の単一音声のピッチ輪郭の変調スペクトルの変化をモデル化し,従来のDNNベースの単一音声合成によって生成されたピッチ輪郭にランダム化された発話間変動を加えた。実験的評価により,1)本手法は,発話品質を維持しながら知覚できる発話間ピッチ変動を提供できることを示唆した。この手法を二重トラッキングに拡張し,評価により,2)GMMNベースのニューラル二重トラッキングは,従来の信号処理ベースの人工二重トラッキングよりも自然二重トラッキングに対して知覚的に近いことを実証した。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： *モーメント ,  *フィルタ ,  音響 ,  ニューラルネットワーク ,  発話 ,  モデリング ,  音声合成 ,  品質 ,  音楽 ,  信号処理 ,  *ネットワーク
準シソーラス用語： スコア ,  決定論 ,  フレーズ ,  *神経 , 【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 (6件)： 歌声合成 ,  神経 ,  追跡 ,  モーメント ,  整合 ,  変調