深層生成ニューラルネットに基づくデータ駆動型音声マルチスポット再生技術の開発

• 研究課題/領域番号: 23K11177
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61010:知覚情報処理関連
• 研究機関: 国立研究開発法人情報通信研究機構
• 研究代表者: 岡本 拓磨 国立研究開発法人情報通信研究機構, ユニバーサルコミュニケーション研究所先進的音声翻訳研究開発推進センター, 主任研究員 (10551567)
• 研究期間 (年度): 2023-04-01 – 2026-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2025年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円); 2024年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円); 2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
• キーワード: 局所再生 / マルチスポット再生 / スピーカアレイ / ニューラルネットワーク / 音声波形生成

研究開始時の研究の概要

複数のスピーカを用いて「ある位置では日本語が聞こえ，別の位置では英語が聞こえる」ような多言語音声マルチスポット再生技術の研究開発を行っている．従来法では，信号処理に基づく線形フィルタを用いる方式や，マスク信号を重畳する信号処理方式が提案されているが，目的領域外での音漏れや目的領域での音質劣化の課題がある．そこで本研究では，音声合成分野で成功を収めている深層波形生成ニューラルネッ トワーク(以下 NN)を導入し，機械学習によって各スピーカの再生信号を最適に生成する「データ駆動型音声マルチスポット再生方式」を新たに提案する．