|
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．
|
