2016 Fiscal Year Annual Research Report
High-quality speech synthesis based on automatically-retrieved speech constraints
| Project/Area Number |
16H06681
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
高道 慎之介 東京大学, 大学院情報理工学系研究科, 特任助教 (90784330)
|
|---|
| Project Period (FY) |
2016-08-26 – 2018-03-31
|
| Keywords | 音声合成 / 音声処理 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本年度は，①基盤アルゴリズムの構築，②発話間変動を考慮した音声合成法の検討に取り組んだ．
① 基盤アルゴリズムの構築
基本的な学習アルゴリズムを確立し，提案アルゴリズムによる品質改善効果を確認した．音声合成の学習時の目的関数は，ターゲット音声との距離とアンチ・スプーフィングの識別性能の2つから成る．まず，この目的関数の設計（モデル構造や制約重みなど）及び学習手順（学習速度や初期化）について，当該特徴量の補償度及び主観的な音質評価により評価した．当該分野は，当該分野最高峰の国際会議であるIEEE ICASSPにて，論文1編のみに与えられるStudent Grantを獲得した．また，最高峰の学術論文に1編投稿中である．
② 発話間変動を考慮した音声合成法の検討
人間の音声生成はランダム性を有するため，同一のテキスト・感情を持つよう意図して発話したとしても，同一の音声を生成することは不可能である．典型的な音声合成は，入力テキストに対して合成音声を一意に定めるため，自然音声のようなランダム性を有
さない（例えば，テキスト読み上げサービスは多々存在するが，同じテキストを入力すると完全に同一の音声を生成する．）．ここでは，このランダム性を再現するように，moment-matching neural networkに基づく音声合成法を提案し，音質に関する評価を行った．その結果，従来の方法と比較して音質を劣化させるように，発話間変動を付与できるようになった．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初は，概要①のみの進捗を予定していたが，概要②の成果も報告できたため．
|
| Strategy for Future Research Activity |
平成29年度は，音声波形ドメインにおける制約の設計，及び，特徴量分析区間の自動獲得を実施する．音声合成の学習には，前年度に確立したアルゴリズムを利用する．
|
Research Products
(12 results)
