文献

J-GLOBAL ID：202002260849155899   整理番号：20A1614355

エンドツーエンド音声合成のための階層的生成モデルに基づく半教師つき学習【JST・京大機械翻訳】

Semi-Supervised Learning Based on Hierarchical Generative Models for End-to-End Speech Synthesis

著者 (6件)： Fujimoto Takato (Nagoya Institute of Technology,Japan) ,  Takaki Shinji (Nagoya Institute of Technology,Japan) ,  Hashimoto Kei (Nagoya Institute of Technology,Japan) ,  Oura Keiichiro (Nagoya Institute of Technology,Japan) ,  Nankaku Yoshihiko (Nagoya Institute of Technology,Japan) ,  Tokuda Keiichi (Nagoya Institute of Technology,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICASSP  ページ： 7644-7648  発行年： 2020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,階層的生成モデルに基づく半教師つき学習の一般的フレームワークを提案し,それを日本語エンドツーエンドテキスト対音声(TTS)システムに適応させた。英語のTTSにおいて,いくつかのエンドツーエンドシステムは,最近,自然の人間の音声のそれに近い音質を達成した。しかし,日本語のような非アルファ言語では,文字多様性とピッチアクセントにより真のテキスト入力エンドツーエンドTTSを実現することは難しい。この問題に取り組むために,訓練データとしてテキスト,音素,および波形の組合せから成る既存のデータの大部分を作る,半教師つき学習に基づくエンドツーエンドTTSを提案する。提案システムの有効性を実証するために,発音と自然性について聴取試験を行った。結果は,提案システムが発音と自然性の両方を改善することを示した。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： *音声合成 ,  言語 ,  日本語 ,  英語 ,  音素 ,  *エンドツーエンド方式 ,  音質 ,  有効性 ,  生成モデル
準シソーラス用語： 訓練データ ,  *半教師つき学習 ,  自然性 ,  データ入力 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： エンドツーエンド ,  音声合成 ,  生成モデル ,  半教師つき学習