文献

J-GLOBAL ID：202002233732320843   整理番号：20A2076832

ヒューマンインザループ適応に基づく対話型深層歌声分離【JST・京大機械翻訳】

Interactive deep singing-voice separation based on human-in-the-loop adaptation

著者 (4件)： Nakano Tomoyasu (National Institute of Advanced Industrial Science and Technology (AIST), Tsukuba, Japan) ,  Koyama Yuki (National Institute of Advanced Industrial Science and Technology (AIST), Tsukuba, Japan) ,  Hamasaki Masahiro (National Institute of Advanced Industrial Science and Technology (AIST), Tsukuba, Japan) ,  Goto Masataka (National Institute of Advanced Industrial Science and Technology (AIST), Tsukuba, Japan)
資料名： ACM Proceedings  (ACM Proceedings)
号： IUI ’17  ページ： 78-82  発行年： 2020年 
JST資料番号： D0698C  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,入力多音音楽信号から歌声を分割する深層学習ベース対話型システムを提案した。深層ニューラルネットワークは音声分離を歌うために成功しているが,それらを用いたアプローチでは,分離品質の改善のためのユーザインタラクションを許すことができない。著者らは,ユーザが目標の歌に順応するために,実行時間で深い神経モデルを対話的に微調整することを可能にするフレームワークを提示する。これは,周波数スペクトログラム表現に基づく2つのU-Netアーキテクチャから成る統一ネットワークを設計することによって可能になった:入力多音スペクトログラムから歌声-音声スペクトログラムを抽出するのに使用できるスペクトログラムマスクを推定するための1つ;もう片方は歌声の基本周波数(F_0)を推定する。ユーザがマスクを編集するのは容易ではないが,彼は単純な相互作用を通して可視化されたF0軌跡の一部で誤りを反復的に補正できる。著者らの統一ネットワークは,モデル適応を通してF0軌道の残りを改善するためにユーザ補正F0を利用して,より良い分離品質をもたらす。このアプローチをシミュレーション実験で検証し,F0補正が歌声分離の品質を改善できることを示す。また,高品質歌声分離結果を生成するために,このシステムを用いたエキスパート音楽によるパイロットユーザ研究を行った。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  相互作用 ,  音楽 ,  *ネットワーク ,  可視化 ,  基本振動数 ,  計算機アーキテクチャ
準シソーラス用語： 神経回路網モデル ,  音声分離 ,  対話型 ,  スペクトログラム ,  高品質 ,  *歌声 ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： F_0推定 ,  深層学習 ,  人間インザループモデル適応 ,  歌声分離

分類 (2件)： 音声処理  (JE05000E) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (4件)： 適応 ,  対話型 ,  深層 ,  歌声