文献

J-GLOBAL ID：202202282832119478   整理番号：22A1015513

機械学習と伝聞に基づく声質変化を用いた音声再現手法-原敬の音声再現への取組-

A Study on Speech Reconstruction Using Voice Changer Based on Machine Learning and Hearsay-Challenge to Reconstruct Mr. Takashi Hara’s Speech-

著者 (1件)： 槫松理樹 (岩手県大 ソフトウェア情報)
資料名： 日本感性工学会春季大会(Web)
巻： 17th  ページ： ROMBUNNO.2D1-05 (WEB ONLY)  発行年： 2022年 
JST資料番号： U1663A  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： 歴史的人物の再現音声は,魅力的なコンテンツの1つである。音声データがある場合には,そのデータに基づいて彼らの音声を再現できる。しかしながら,彼らの音声データは存在しないので,この場合には写真から推定した骨格に基づいてなら再現できる。このアプローチは高い特殊性が必要で困難なタスクであるが,本稿では,音質と話し方の再現を試みる新しいアプローチを提案した。このアプローチでは,対象者の音質を再現するために,顔の類似性と伝聞に基づくパラメータで人の音声を変化させる。人工ニューラルネットワークモデルを用いて,2人の顔画像間の差異から音質変化に対するパラメータを推定するモデルを構築した。このアイデアは,顔が似ている人は音声も似ているという経験則に基づいている。さらに,著者らは,伝聞知識として対象人物に関する文書や逸話を収集し,それらに基づくパラメータを手作業で設定した。人の音声をこれらのパラメータで変化させ,他の人の音声を再現した。本研究では,著者らのアプローチを評価するために,男性について再現した。実験結果により,再現された音声の精度を示すことはできないが,このアイデアによって日本の重要な首相である原敬についても再現した。これらの音声は,2022年3月から原敬記念館で展示されている。(翻訳著者抄録)

シソーラス用語： 機械学習 ,  ニューラルネットワーク ,  信号変換 ,  音声 ,  *音声合成 ,  写真 ,  *顔面骨 ,  顔 ,  類似性 ,  *顔画像 ,  モデル ,  パラメータ推定
準シソーラス用語： *音声生成 ,  *顔写真 ,  再現 ,  人工ニューラルネットワークモデル ,  推定モデル ,  声質 ,  *声質変換 ,  伝聞

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

タイトルに関連する用語 (4件)： 機械学習 ,  声質 ,  音声 ,  手法