文献

J-GLOBAL ID：202002269334434544   整理番号：20A0813784

協調的に訓練された話者埋め込みネットワークによる多対多言語間音声変換【JST・京大機械翻訳】

Many-to-many Cross-lingual Voice Conversion with a Jointly Trained Speaker Embedding Network

著者 (4件)： Zhou Yi (National University of Singapore,Singapore) ,  Tian Xiaohai (National University of Singapore,Singapore) ,  Das Rohan Kumar (National University of Singapore,Singapore) ,  Li Haizhou (National University of Singapore,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： APSIPA ASC  ページ： 1282-1287  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： 様々な音声変換(VC)技術の中で,平均モデリング手法は,複数話者の訓練データから利益を得るので,良好な性能を達成し,したがって,目標話者からの訓練データに対する依存性を低減する。多くの既存の平均モデリング手法は,モデル適応のための話者アイデンティティを表現するためにiベクトルの使用に依存している。このようなiベクトルは分離プロセスで抽出されるので,平均モデルのための最良の音声変換品質を達成するために最適化されない。この問題を解決するために,共同訓練のための一次VCネットワークを拡張する低次元訓練可能話者埋込みネットワークを提案した。ここでは,VCにおける最も挑戦的なタスクの一つである,多言から多くの交差言語VCを実行することにより,提案したアイデアの有効性を検証した。実験において,iベクトル方式を話者埋込みネットワークと比較した。提案したシステムは,音声品質と話者類似性を効果的に改善することが分かった。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： *ネットワーク ,  最適化 ,  *言語 ,  類似性 ,  有効性
準シソーラス用語： 音声品質 ,  分離工程 ,  iベクトル ,  アイデンティティ ,  モデル適応 ,  訓練データ ,  *音声変換 ,  *多言語 ,  話者 , 【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 (6件)： 協調 ,  訓練 ,  話者 ,  埋め込み ,  多言語 ,  音声変換