文献

J-GLOBAL ID：202102288941099334   整理番号：21A0152001

Tacotron-2に基づくミャンマー語テキスト-音声システム【JST・京大機械翻訳】

Myanmar Text-to-Speech System based on Tacotron-2

著者 (2件)： Win Yuzana (Yangon Technological University,Dept. of CEIT,Yangon,Myanmar) ,  Masada Tomonari (Rikkyo University,Artificial Intelligence and Science,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICTC  ページ： 578-583  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： ミャンマーは東南アジアに位置する発展途上国の1つであり,テキスト対音声がそれらの1つである先進自然言語処理技術に関して開発途上の多くの分野がある。本論文の主な動機は,人間のような音声を生成することができるMyanmarテキストツー音声システムの自然性を改善することである。本論文では,テキストのシーケンスから直接音声合成のためにメルスペクトログラムを生成するタコトロン-2に基づくニューラルネットワークアーキテクチャを適用した。提案手法は3段階からなる。第1ステップでは,ニュース記事,新しい書籍,日常利用および旅行関連表現の大規模集合から,テキストの5k文とMyanmarテキストのオーディオペアの音声コーパスを作成した。Myanmarテキストを音節分割器とテキスト正規化器を用いて文字列に区分した。第2ステップでは,著者らは,メルスケールスペクトログラムに特徴埋込みを写像する反復シーケンスツーシーケンス特徴予測ネットワークを利用した。最終ステップでは,Grifin-Limアルゴリズムを用いて,対応するテキストをMyanmar音声出力を生成する。提案手法をタコトロンに基づくエンドツーエンド生成モデルと比較した。さらに,平均意見スコア(MOS)を用いて音声合成における両方法に対する主観的評価を検討した。実験結果は,著者らの提案方法が,自然性と明瞭度に関して,タコトロンベースの音声合成に関して改良を得ることを示した。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： アルゴリズム ,  音声合成 ,  *ネットワーク ,  旅行 ,  音節 ,  明瞭度 ,  自然言語処理 ,  発展途上国 ,  オーディオ機器 ,  エンドツーエンド方式 ,  スプリッタ ,  正規化 ,  ミャンマー連邦共和国 ,  文字列
準シソーラス用語： 音声コーパス , 【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 (2件)： ミャンマー ,  音声