文献

J-GLOBAL ID：202002271624498610   整理番号：20A1614064

メロトロン:リズム,ピッチおよびグローバルスタイルトークンに対する条件付けによるマルチスピーカ表現音声合成【JST・京大機械翻訳】

Mellotron: Multispeaker Expressive Voice Synthesis by Conditioning on Rhythm, Pitch and Global Style Tokens

著者 (4件)： Valle Rafael (NVIDIA Corporation) ,  Li Jason (NVIDIA Corporation) ,  Prenger Ryan (NVIDIA Corporation) ,  Catanzaro Bryan (NVIDIA Corporation)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICASSP  ページ： 6189-6193  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： メロトロンはタコトロン2 GSTに基づくマルチ話者音声合成モデルであり,音声エモートを,また訓練データなしで,音声エモートと歌を作れる。音声信号または音楽スコアからリズムおよび連続ピッチ輪郭を明示的に調整することにより,メロトロンは,読出音声から表現音声までの様々なスタイルにおいて,遅いドローからラプおよび単調音声から音声への音声を生成することができる様々なスタイルにおいて,音声を生成することができる。他の方法とは異なり,テキストとオーディオ間のアラインメントなしに,読み出し音声データのみを用いてメロトロンを訓練した。LJSpeechとLibriTTSデータセットを用いて,このモデルを評価した。訓練中に見られない他の話者,話者およびスタイルからのスタイル移動を含むF0フレームエラーおよび合成サンプル,リズムおよびピッチおよびコir合成の手続き操作を,提供した。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： アラインメント ,  *音声合成 ,  音楽 ,  音声信号 ,  オーディオ機器 ,  *トークン
準シソーラス用語： 訓練データ ,  歌 ,  リズム ,  話者 ,  音声データ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： リズム ,  ピッチ ,  条件付け ,  マルチ ,  スピーカ ,  表現 ,  音声合成