文献

J-GLOBAL ID：202202229468062894   整理番号：22A1077975

キャラクタ分散表現を用いた演じ分けを実現するオーディオブック音声合成

Audiobook Speech Synthesis based on Character embedding for Distinguishable Character Acting

著者 (7件)： 中田亘 (東大 工) ,  郡山知樹 (東大 大学院) ,  高道慎之介 (東大 大学院) ,  齋藤佑樹 (東大 大学院) ,  井島勇祐 (NTT) ,  増村亮 (NTT) ,  猿渡洋 (東大 大学院)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2022  号： 春季  ページ： ROMBUNNO.3-3-1  発行年： 2022年02月23日 
JST資料番号： G0381C  ISSN： 1880-7658  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・キャラクタ演技に着目し,作品内のキャラクタ発話情報からキャラクタ分散表現を抽出し,キャラクタ性内包音声を実現する音声合成モデルの提案。
・キャラクタ分散表現で条件付けしたFastSpeech2音響モデルを用い,Res畳込みニューラルネットワークを用いた合成音声発話内の特徴抽出によるキャラクタごと声質の明示的実現。
・音声合成モデルのキャラクタ分散表現条件付だけでは不十分なこと,トリプレットロスを用いたキャラクタごとに異なる声質明示の必要性の確認。

シソーラス用語： 図書 ,  *音声合成 ,  バーチャルリアリティ ,  発話 ,  表現 ,  音質 ,  ニューラルネットワーク
準シソーラス用語： CGキャラクタ ,  オーディオブック ,  テキスト音声合成 ,  畳込みニューラルネットワーク ,  分散表現

分類 (1件)： 音声処理  (JE05000E)

引用文献 (21件)：

• J. Shen et al., “Natural TTS synthesis by conditioning Wavenet on mel spectrogram predictions,” in Proc. ICASSP 2018, 2018, pp. 4779-4783.
• N. Wataru et al., “Audiobook speech synthesis conditioned by cross-sentence context-aware word embeddings,” in Proc. 11th ISCA Speech Synthesis Workshop (SSW 11), 2021, pp. 211-215.
• P. Wu et al., “End-to-end emotional speech synthesis using style tokens and semi-supervised training,” in Proc. APSIPA ASC 2019, 2019, pp. 623-627.
• Y.-J. Zhang et al., “Learning latent representations for style control and transfer in end-to-end speech synthesis,” in Proc. ICASSP 2019, 2019, pp. 6945-6949.
• J. Pan et al., “A chapter-wise understanding system for text-to-speech in Chinese novels,” in Proc. ICASSP 2021, 2021, pp. 6069-6073.

タイトルに関連する用語 (4件)： キャラクタ ,  分散表現 ,  オーディオブック ,  音声合成