文献

J-GLOBAL ID：202202262493374580   整理番号：22A1077645

Period-HiFi-GAN:基本周波数を制御可能な高速ニューラルボコーダ

Period-HiFi-GAN: Fast and fundamental frequency controllable neural vocoder

著者 (8件)： 松原圭亮 (神戸大) ,  松原圭亮 (情報通信研究機構) ,  岡本拓磨 (情報通信研究機構) ,  高島遼一 (神戸大) ,  滝口哲也 (神戸大) ,  戸田智基 (名古屋大) ,  戸田智基 (情報通信研究機構) ,  河井恒 (情報通信研究機構)
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.1-3-8  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： ・基本周波数を制御可能な高速かつ高品質ニューラルボコーダ実現のため,HiFi-GANに新たに励起信号を入力するネットワークを導入したPeriod-HiFi-GANの提案。
・未知話者音声の分析合成,および基本周波数をスケーリングした場合についての評価実験を行い提案法の性能を評価。
・男性音声の合成及び低い基本周波数の合成において従来法を上回る品質を提案法によって達成。

シソーラス用語： *ボコーダ ,  *機械学習 ,  人工知能 ,  ケプストラム ,  誤差 ,  *音声合成 ,  基本振動数 ,  周波数制御 ,  高速化 ,  ニューラルネットワーク
準シソーラス用語： RMSE【誤差】 ,  メルケプストラム ,  基本周波数 ,  *深層学習 ,  敵対的生成ネットワーク ,  深層学習による音声合成

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

引用文献 (15件)：

• J. Shen et al., “Neural TTS synthesis by conditioning WavaNet on mel spectrogram predictions,” in Proc. ICASSP,Apr. 2018,pp. 4779-4783.
• A. Tamamori et al., “Speaker-dependent WaveNet vocoder,” in Proc. Interspeech,Aug. 2017,pp. 1118-1122.
• M. Morise et al., “WORLD: a vocoder-based high-quality speech synthesis system for real-time applications,” IEICE trans, Inf. Syst., vol. E99-D,no. 7,pp. 1877-1884,2016.
• I. Goodfellow et al., “Generative adversarial nets,” in Proc NIPS.,Dec. 2014, pp. 2672-2680.
• R. Yamamoto et al., “Parallel WaveGAN:a fast Waveform generation model based on generative adversarial networks with multi-resolution spectrogram,” in Proc. ICASSP, May 2020, pp. 6199-6203.

タイトルに関連する用語 (2件)： GaN ,  基本周波数