文献

J-GLOBAL ID：202002285593435250   整理番号：20A1990315

任意の話者変換のためのテンソル因子分析

Tensor Factor Analysis for Arbitrary Speaker Conversion

著者 (3件)： SAITO Daisuke (The University of Tokyo) ,  MINEMATSU Nobuaki (The University of Tokyo) ,  HIROSE Keikichi (The University of Tokyo)
資料名： IEICE Transactions on Information and Systems (Web)  (IEICE Transactions on Information and Systems (Web))
巻： E103.D  号： 6  ページ： 1395-1405(J-STAGE)  発行年： 2020年 
JST資料番号： U0469A  ISSN： 1745-1361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本論文は,複数のGauss混合モデル(GMM)のテンソル表現を用いた話者特性の柔軟な制御に対する新しいアプローチを記述した。音声変換研究において,任意の話者の音声から/への変換の実現は重要な目的の1つである。この目的のために,固有音声GMM(EV-GMM)に基づく固有音声変換(EVC)を提案した。EVCでは,話者GMMのそれぞれの平均ベクトルを連結することによって導出した高次元ベクトルであるGMMスーパーベクトルに基づいて,話者空間を構築した。話者空間において,各話者を固有超ベクトルの少数の重みパラメータによって表現した。本論文で筆者らは,訓練データセットのテンソル因子分析を導入することによって,話者空間の構築を再検討した。筆者らのアプローチでは,各話者を,列と行がそれぞれ平均ベクトルとGauss成分の次元に対応する行列として表現した。話者空間を,行列の集合のテンソル因子分析によって導いた。筆者らのアプローチはスーパーベクトル表現の固有問題を解決でき,音声変換の性能を改善した。さらに,本論文では,因数分解前の話者適応訓練の効果も調べた。1対多の音声変換の実験結果は,提案した方式の有効性を実証した。(翻訳著者抄録)

シソーラス用語： 人間 ,  *変換 ,  *テンソル ,  *因子分析 ,  Gauss模型 ,  表現 ,  音声処理 ,  信号変換 ,  音声 ,  ベクトル ,  因数分解 ,  音声変換
準シソーラス用語： Gauss混合モデル ,  *話者

著者キーワード (5件)： 音声変換 ,  Gauss混合モデル ,  固有音声 ,  テンソル因子分析 ,  Tucker分解

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

引用文献 (28件)：

• [1] M. Abe, S. Nakamura, K. Shikano, and H. Kuwabara, “Voice conversion through vector quantization,” Proc. ICASSP, pp.655-658, 1988. 10.1109/icassp.1988.196671
• [2] A. Kain and M.W. Macon, “Spectral voice conversion for text-to-speech synthesis,” Proc. ICASSP, vol.1, pp.285-288, 1998. 10.1109/icassp.1998.674423
• [3] L. Deng, A. Acero, L. Jiang, J. Droppo, and X. Huang, “High-performance robust speech recognition using stereo training data,” Proc. ICASSP, pp.301-304, 2001. 10.1109/icassp.2001.940827
• [4] A. Kunikoshi, Y. Qiao, N. Minematsu, and K. Hirose, “Speech generation from hand gestures based on space mapping,” Proc. INTERSPEECH, pp.308-311, 2009.
• [5] S. Desai, E.V. Raghavendra, B. Yegnanarayana, A.W. Black, and K. Prahallad, “Voice conversion using artificial neural networks,” Proc. ICASSP, pp.3893-3896, 2009. 10.1109/icassp.2009.4960478

タイトルに関連する用語 (3件)： 話者 ,  テンソル ,  因子分析