文献

J-GLOBAL ID：202202254554130600   整理番号：22A1077654

MSR-NV:複数サンプリングレートを用いたニューラルボコーダの検討

MSR-NV: An investigation of neural vocoder using multiple sampling rates.

著者 (2件)： 三井健太郎 (rinna) ,  沢田慶 (rinna)
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.1-3-17  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： ・複数のサンプリングレートを単一のニューラルボコーダ(NV)で扱うための手法とであるMSR(Multiple Sampling Rates)-NVの提案。
・提案手法の有効性を確かめるため,Parallel Wave-GANに基づくモデル構造を提案手法を用いて拡張し,実験的評価を実施。
・実験的評価により,従来の高速な推論速度を保ちながら,48kHzを含む複数のサンプリングレートで高品質な波形生成が行えることを確認。

シソーラス用語： *ボコーダ ,  速度 ,  人工知能 ,  *音声合成 ,  *ニューラルネットワーク ,  損失関数 ,  日本語 ,  波形 ,  主観評価 ,  Fourier変換 ,  機械学習
準シソーラス用語： サンプリングレート ,  敵対的生成ネットワーク ,  音声波形 ,  平均オピニオン評点 ,  STFT【変換】

分類 (2件)： 音声処理  (JE05000E) ,  人工知能  (JE08000Z)

引用文献 (22件)：

• A. Oord et al. WaveNet: A generative model for raw audio. arXiv preprint arXiv:1609.03499, Sep. 2016.
• A. Tamamori et al. Speaker-dependent WaveNet vocoder. In Proc. INTERSPEECH, pp. 1118-1122, Aug. 2017.
• H. Kawahara et al. Tandem-STRAIGHT: A temporally stable power spectral representation for periodic signals and applications to interference-free spectrum, f0, and aperiodicity estimation. In Proc. ICASSP, pp. 3933-3936, Apr. 2008.
• M. Morise et al. WORLD: a vocoder-based high-quality speech synthesis system for real-time applications. IEICE Transactions on Information and Systems, 99(7):1877-1884, Jul. 2016.
• A. Oord et al. Parallel WaveNet: Fast high-fidelity speech synthesis. In Proc. ICML, pp. 3918-3926, Jul. 2018.

タイトルに関連する用語 (1件)： サンプリングレート