文献

J-GLOBAL ID：202102215607619446   整理番号：21A0153873

マルチタスクCLDNNに基づく低遅延電気喉頭音声強調の実現【JST・京大機械翻訳】

Implementation of low-latency electrolaryngeal speech enhancement based on multi-task CLDNN

著者 (2件)： Kobayashi Kazuhiro (Nagoya University,Information Technology Center,Nagoya,Japan) ,  Toda Tomoki (Nagoya University,Information Technology Center,Nagoya,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： Eusipco  ページ： 396-400  発行年： 2021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,マルチタスクCLDNNに基づく電気喉頭(EL)音声のための低待ち時間音声強調技術を提案した。EL音声は比較的知的な音声を生成することができるが,喉頭は機械的励起信号による音声自然性の品質劣化を常に受ける。この問題を解決するために,畳込み,リカレント,および完全接続層から成るCLDNNに基づくEL音声強調技術を提案した。この技法では,EL音声の入力特徴ベクトルを,各特徴に対して最適化したエキスパートCLDNNに基づく励起パラメータやスペクトルパラメータのようないくつかのボコーダパラメータに変換した。しかし,双方向の反復層が発話の終わりを待つために大きな遅延を引き起こすので,音声通信を利用することは難しい。この問題に取り組むために,本論文では,低待ち時間EL音声強調のための一方向リカレント層を有するマルチタスクCLDNNを提案した。さらに,双方向CLDNNに匹敵する性能を達成するために,次の技術を提案した。1)知識蒸留,2)データ増強,3)音声正則化。実験結果は,提案した方式が双方向CLDNNに対する比較可能な客観的結果を達成し,雑音の多い条件で自然性と音声の明瞭度を凌駕することを実証した。Copyright 2021 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： 最適化 ,  雑音 ,  畳込み ,  ボコーダ ,  励起 ,  *喉頭 ,  明瞭度 ,  スペクトル ,  音声通信 ,  待ち時間 ,  正則化 ,  *音声強調 ,  発話 ,  再帰性
準シソーラス用語： 特徴ベクトル , 【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)： マルチタスク ,  低遅延 ,  喉頭 ,  音声強調