文献

J-GLOBAL ID：202002233302506126   整理番号：20A2269813

メディア研究から人の活動を支援・代替するAI技術の研究開発へ 多様なユースケースに適用可能な音声合成エンジン「Saxe」

著者 (4件)： 井島勇祐 (NTT メディアインテリジェンス研) ,  小林のぞみ (NTT メディアインテリジェンス研) ,  薮下浩子 (NTT メディアインテリジェンス研) ,  中村孝 (NTT メディアインテリジェンス研)
資料名： NTT技術ジャーナル
巻： 32  号： 10  ページ： 57-62  発行年： 2020年10月01日 
JST資料番号： F0050B  ISSN： 0915-2318  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年では,深層学習等の技術進展,AI(人工知能)による人の活動の支援・代替といった社会的背景の変化に伴い,音声合成技術が必要とされるユースケース,要求される機能・性能が変化しつつあります.新たなユースケース適用への課題として,多種多様な「文脈に応じた読み分け」「話者性の再現」「動作環境」への対応があげられます.NTTメディアインテリジェンス研究所ではこれらの課題に対し,DNN(Deep Neural Networks)に基づく音声合成エンジン(開発コード「Saxe(サックス)」)を開発しています.本稿では技術概要,および適用事例について紹介するとともに,今後の展開について述べます.(著者抄録)

シソーラス用語： *音声合成 ,  事例研究 ,  ニューラルネットワーク ,  機械学習 ,  人工知能 ,  文脈 ,  自然言語処理 ,  音声データベース ,  再現性 ,  計算機システム ,  品質保証 ,  ライブラリ【計算機】 ,  端末装置
準シソーラス用語： ユースケース ,  ディープニューラルネットワーク ,  深層学習 ,  AI【人工知能】 ,  曖昧さ解消 ,  話者性 ,  サーバ【計算機】 ,  音声合成ライブラリ

分類 (1件)： 音声処理  (JE05000E)

引用文献 (7件)：

• 間野・水野・中嶋・宮崎・吉田:“顧客へのリアルな音声応答を実現するテキスト音声合成技術「Cralinet」,” NTT 技術ジャーナル,Vol. 18,No. 11,pp. 19-22,2006.
• N.Hojo, Y.Ijima, and H.Mizuno:“DNN-based speech synthesis using speaker codes,” IEICE Trans. on Information and Systems, Vol. E101-D, No. 2, pp. 462-472,2018.
• H.Kanagawa and Y.Ijima:“Multi-Speaker Modeling for DNN-based Speech Synthesis Incorporating Generative Adversarial Networks,” Proc. of 10th ISCA Speech Synthesis Workshop,pp. 40-44, 2019.
• https://www.futurevoice.jp/
• https://news.tv-asahi.co.jp/news_international/articles/000175834.html

タイトルに関連する用語 (9件)： 研究 ,  人 ,  活動 ,  支援 ,  代替 ,  AI技術 ,  開発 ,  ユースケース ,  音声合成