文献

J-GLOBAL ID：201902276915585400   整理番号：19A2921293

CyclerNNに基づくスペクトルマッピングと微細同調型wavenetボコーダによる音声変換【JST・京大機械翻訳】

Voice Conversion With CycleRNN-Based Spectral Mapping and Finely Tuned WaveNet Vocoder

著者 (5件)： Lumban Tobing Patrick (Graduate School of Information Science, Nagoya University, Nagoya, Japan) ,  Wu Yi-Chiao (Graduate School of Information Science, Nagoya University, Nagoya, Japan) ,  Hayashi Tomoki (Graduate School of Information Science, Nagoya University, Nagoya, Japan) ,  Kobayashi Kazuhiro (Information Technology Center, Nagoya University, Nagoya, Japan) ,  Toda Tomoki (Information Technology Center, Nagoya University, Nagoya, Japan)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 171114-171125  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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(CycleRNN)と細かく調整されたWaveNetボコーダに基づく音声変換(VC)システムのための新しいフレームワークを提示した。WaveNetは自然音声特徴を与えると自然音声波形を生成できるが,統計モデルから推定されるスペクトルパラメータのような過剰平滑化特徴を供給した場合,音声品質劣化の問題がある。この問題に対処する一つの方法は,WaveNetモデルを開発しながら,過剰平滑化された特徴を導入することである。しかしながら,VCフレームワークにおいて,WaveNetモデル化のためのターゲット話者の過剰平滑化スペクトル特徴を提供することは,ソース話者のそれからの時間配列アラインメントの差により直接的ではない。この問題を克服するために,著者らは,変換フローを実行できる周期的スペクトル変換ネットワーク,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スペクトルを生成する,の使用を提案した。CycleRNNスペクトルモデルを,変換と重み付き周期損失の両方を用いて訓練した。WaveNetを細かく調整するために,話者変換対の対応するターゲット話者の自己予測特徴を用いて,事前訓練されたマルチ話者WaveNetモデルを最適化した。実験結果により,1)WaveNet微調整のための提案されたサイクリンベースのスペクトルモデルは,変換された音声波形の自然性を著しく改善し,全体的な平均意見スコア3.50を与えることを実証した。そして,2)提案したモデルは最も高い話者変換精度をもたらし,全体的な話者類似性スコア78.33%を与え,これは自然ターゲット特徴を用いた従来のWaveNet微調整と比較して有意な改善である。Copyright 2020 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： モデリング ,  サイクリン ,  統計模型 ,  スペクトルモデル ,  ネットワーク ,  最適化 ,  *スペクトル ,  類似性 ,  *ボコーダ ,  ニューラルネットワーク ,  平滑化
準シソーラス用語： スペクトル特徴 ,  音声波形 ,  音声特徴 ,  *音声変換 , 【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)： スペクトル ,  マッピング ,  微細 ,  同調型 ,  WaveNet ,  ボコーダ ,  音声変換