文献

J-GLOBAL ID：201902277802125931   整理番号：19A1488996

エンドツーエンドTTSに隠れたコンテキスト特徴の調査【JST・京大機械翻訳】

Investigating Context Features Hidden in End-to-end TTS

著者 (3件)： Mametani Kohki (Department of Intelligent Information Engineering and Sciences, Doshisha University, Kyoto, Japan) ,  Kato Tsuneo (Department of Intelligent Information Engineering and Sciences, Doshisha University, Kyoto, Japan) ,  Yamamoto Seiichi (Department of Intelligent Information Engineering and Sciences, Doshisha University, Kyoto, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 6920-6924  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： 最近の研究では,統計的パラメトリック音声合成におけるコンテキストと音響特徴の生成を統合したエンドツーエンドTTSを導入した。結果として,単一ニューラルネットワークは,自動化特徴学習により面倒な特徴工学を置き換えた。しかしながら,音声を合成する前にテキスト入力からの文脈情報エンドツーエンドTTS抽出物の種類についてはほとんど知られておらず,文脈特徴に関する以前の知識はほとんど利用されていない。本研究では,まず,エンドツーエンドTTSとパラメトリックTTSの間のモデル類似性を指摘した。類似性に基づいて,パラメトリックTTSで用いられるコンテキスト情報の標準セットから導出される8つの基準に対して,エンドツーエンドTTSシステムからのエンコーダ出力の品質を評価した。ニューラル表現の定量的解析のために機械学習文献で新たに開発された評価手順を用いて実験を行い,TTSドメインに適応させた。実験結果により,エンコーダ出力は,音素レベルでの母音低減,音節レベルでの語彙ストレス,単語レベルでの品詞のような言語的および音声的コンテキストの両方を反映することを示した。これは,文脈と音響特徴の共同最適化によるものである。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： 自動化 ,  *エンドツーエンド方式 ,  品質 ,  言語 ,  機械学習 ,  音素 ,  学習 ,  符号器 ,  品詞 ,  単語 ,  最適化 ,  音節 ,  ニューラルネットワーク ,  類似性 ,  改変
準シソーラス用語： 音響特徴 , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： エンドツーエンド ,  コンテキスト ,  調査