新しい音声メディアによるユニバーサルコミュニケーションの研究

2010 年度 実績報告書

• 研究課題/領域番号: 19200009
• 研究機関: 奈良先端科学技術大学院大学
• 研究代表者: 鹿野 清宏 奈良先端科学技術大学院大学, 情報科学研究科, 教授 (00263426)
• 研究分担者: 猿渡 洋 奈良先端科学技術大学院大学, 情報科学研究科, 准教授 (30324974) ; 戸田 智基 奈良先端科学技術大学院大学, 情報科学研究科, 助教 (90403328) ; 川波 弘道 奈良先端科学技術大学院大学, 情報科学研究科, 助教 (80335489)
• キーワード: 音声ユニバーサルインタフェース / 非可聴つぶやき(NAM) / ブラインド音源分離(BSS) / ハンズフリー音声認識

研究概要

引き続き(1)新しい静かな音声メディアである非可聴つぶやき(NAM)による無音声認識と無音声電話の研究、(2)歪みなしの音の分離技術SIMO-ICAを用いたハンズフリー音声認識システムの研究、(3)実環境での音声対話システムの研究を推進した。
(1)非可聴つぶやき(NAM)による音声コミュニケーション手段の研究
(a)NAMマイクの特性や話者の発話スタイルに、少ない任意の発話で適応できる無音声電話の構築を目指し、装着場所や発話スタイルの適応で成果をあげた。
(b)大量の通常発話も利用した話者変換手法を用いて、不特定話者のNAM音韻モデルを構築して、不特定話者NAM音声認識の性能を向上させた。
(2)歪なし音源分離SIMO-ICAによる音声コミュニケーション手段の研究
(a)種々の音環境でのミュージカルノイズの低減手法について、理論的な評価尺度の研究を進め、音環境に適応してミュージカルノイズの量を制御できるアルゴリズムを確立した。
(3)実環境音声対話システムの研究
(a)音声情報案内システムでのタスク外発話の検出能力の向上と、WebのVoice Searchの検出能力を向上させ、タスク外発話にも応答できるシステムを構築を行った。
(b)平城遷都1300年祭で4ヶ月間の運用して、音声情報案内システムのポータビリティ、Voice Searchの有効性などの評価を行った。

研究成果

• [雑誌論文] Silent-speech enhancement using body-conducted vocal-tract resonance signals (2010)
  • 著者名/発表者名: Tatsuya Hirahara, Makoto Otani, Shota Shimizu, Tomoki Toda, Keigo Nakamura, Yoshitaka Nakajima, Kiyohiro Shikano
  • 雑誌名: Speech Communication 巻: vol.52, no.4 ページ: 301-313
  • 査読あり
• [雑誌論文] Adaptive training for voice conversion based on eigenvoices (2010)
  • 著者名/発表者名: Yamato Ohtani, Tomoki Toda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 雑誌名: IEICE Trans.Information and Systems 巻: vol.E93-D, no.6 ページ: 1589-1598
  • 査読あり
• [雑誌論文] Musicalnoise analysis in methods of integrating microphone array and spectral subtraction based on higher-order statistics (2010)
  • 著者名/発表者名: Yu Takahashi, Hiroshi Saruwatari, Kiyohiro Shikano, Kazunobu Kondo
  • 雑誌名: EURASIP Journal on Advances in Signal Processing 巻: vol.2010, Article ID 431347 ページ: 25
  • 査読あり
• [雑誌論文] Evaluation of extremely small sound source signals used in speaking-aid system with statistical voice conversion (2010)
  • 著者名/発表者名: Keigo Nakamura, Tomoki Toda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 雑誌名: IEICE Trans.Information and Systems 巻: vol.E93-D, no.7 ページ: 1909-1917
  • 査読あり
• [雑誌論文] Esophageal speech enhancement based on statistical voice conversion with gaussian mixture models (2010)
  • 著者名/発表者名: Hironori Doi, Keigo Nakamura, Tomoki Toda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 雑誌名: IEICE Trans.Information and Systems 巻: vol.E93-D, no.9 ページ: 2491-2499
  • 査読あり
• [学会発表] Acoustic Compensation Method for Accepting Different Recording Devices in Body-Conducted Voice Conversion (2010)
  • 著者名/発表者名: Daisuke Deguchi, Hironori Doi, Tomoki 'Ibda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of APSIPA Annual Summit and Conference 2010 (APSIPA2010)
  • 発表場所: Biopolis, Singapore
  • 年月日: 2010-12-16
• [学会発表] Speaking-Aid Systems Based on One-to-Many Eigenvoice Conversion for Total Laryngectomees (2010)
  • 著者名/発表者名: Hironori Doi, Keigo Nakamura, Tomoki Toda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of APSIPA Annual Summit and Conference 2010 (APSIPA2010)
  • 発表場所: Biopolis, Singapore
  • 年月日: 2010-12-16
• [学会発表] Training Data Size Requirements for Topic Classification in a Speech-Oriented Guidance System (2010)
  • 著者名/発表者名: Rafael Torres, Hiromichi Kawanami, Thmoko Matsui, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of APSIPA Annual Summit and Conference 2010 (APSIPA2010)
  • 発表場所: Biopolis, Singapore
  • 年月日: 2010-12-16
• [学会発表] Theoretical analysis of musicial noise in wiener filter via higher-order statistics (2010)
  • 著者名/発表者名: Takayuki Inoue, Hiroshi Saruwatari, Kiyohiro Shikano, Kazunobu Kondo
  • 学会等名: Proc.of APSIPA Annual Summit and Conference 2010 (APSIPA2010)
  • 発表場所: Biopolis, Singapore
  • 年月日: 2010-12-15
• [学会発表] An evaluation of discriminative training for hidden Markov models in a real-environment speech-oriented guidance system (2010)
  • 著者名/発表者名: Denis Babani, Tomoki Toda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of APSIPA Annual Summit and Conference 2010 (APSIPA2010)
  • 発表場所: Biopolis, Singapore
  • 年月日: 2010-12-14
• [学会発表] Blind speech extraction combining ICA-based noise estimation and less-musical-noise nonlinear post processing (2010)
  • 著者名/発表者名: Hiroshi Saruwatari, Yu Takahashi, Kiyohiro Shikano, Kazunobu Kondo
  • 学会等名: Asilomar Conference on Signals, Systems, and Computers
  • 発表場所: Asilomar, California, USA
  • 年月日: 2010-11-09
• [学会発表] Improvement of speech recognition performance for spoken-oriented robot dialog system using end-fire array (2010)
  • 著者名/発表者名: Hiroshi Sawada, Jani Even, Hiroshi Saruwatari, Kiyohiro Shikano, Tomoya Takatani
  • 学会等名: Proc.of 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2010)
  • 発表場所: Taipei, Taiwan
  • 年月日: 2010-10-19
• [学会発表] The use of air-pressure sensor in electrolaryngeal speech enhancement based on statistical voice conversion (2010)
  • 著者名/発表者名: Keigo Nakamura, Tomoki Toda, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of INTERSPEECH
  • 発表場所: Chiba City, Japan
  • 年月日: 2010-09-29
• [学会発表] Adaptive voice-quality control based on one-to-many eigenvoice conversion (2010)
  • 著者名/発表者名: Kumi Ohta, Tomoki Toda, Yama to Ohtani, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of INTERSPEECH
  • 発表場所: Chiba City, Japan
  • 年月日: 2010-09-29
• [学会発表] Comparison of Methods for Topic Classification in a Speech-Oriented Guidance System (2010)
  • 著者名/発表者名: Rafael Torres, Shota Takeuchi, Hiromichi Kawanami, Tomoko Matsui, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of INTERSPEECH
  • 発表場所: Chiba City, Japan
  • 年月日: 2010-09-28
• [学会発表] Blind speech extraction combining generalized MMSE STSA estimator and ICA-based noise and speech probability density function estimations (2010)
  • 著者名/発表者名: Hiroshi Saruwatari, Ryoi Okamoto, Yu Takahashi, Kiyohiro Shikano
  • 学会等名: Proc.of the 9th International Conference on Latent Variable Analysis and Signal Separation (LVA2010)
  • 発表場所: St.Malo, France
  • 年月日: 2010-09-27
• [学会発表] Blind signal extraction based joint suppression of diffuse background noise and late reverberation (2010)
  • 著者名/発表者名: Jani Even, Hiroshi Saruwatari, Kiyohiro Shikano, Tomoya Takatani
  • 学会等名: Proc.of European Signal Processing Conference (EUSIPCO2010)
  • 発表場所: Aalborg, Denmark
  • 年月日: 2010-09-26
• [学会発表] Linear transformation approaches to many-to-one voice conversion (2010)
  • 著者名/発表者名: Chie Hayashida, Tomoki Toda, Yamato Ohtani, Hiroshi Saruwatari, Kiyohiro Shikano
  • 学会等名: Proc.of the 7th ISCA Speech Synthesis Workshop (SSW7)
  • 発表場所: Kyoto City, Japan
  • 年月日: 2010-09-22
• [学会発表] Theoretical analysis of iterative weak spectral subtraction via higher-order statistics (2010)
  • 著者名/発表者名: Takayuki Inoue, Hiroshi Saruwatari, Yu Takahashi, Kiyohiro Shikano, Kazunobu Kondo
  • 学会等名: Proc.of 2010 IEEE International Workshop on Machine Learning for Signal Processing (MLSP2010)
  • 発表場所: Kittila, Finland
  • 年月日: 2010-09-01
• [学会発表] Binaural hearing aid using sound-localization-preserved MMSE STSA estimator with ICA-based noise estimation (2010)
  • 著者名/発表者名: Hiroshi Saruwatari, Masanobu Go, Ryoi Okamoto, Kiyohiro Shikano
  • 学会等名: Proc.of International Workshop on Acoustic Echo and Noise Control (IWAENC2010)
  • 発表場所: Tel Aviv, Israel
  • 年月日: 2010-08-30
• [学会発表] Theoretical analysis of musical noise in generalized spectral subtraction : why should not use power/amplitude subtraction? (2010)
  • 著者名/発表者名: Takayuki Inoue, Yu Takahashi, Hiroshi Saruwatari, Kiyohiro Shikano, Kazunobu Kondo
  • 学会等名: Proc.of European Signal Processing Conference (EUSIPCO2010)
  • 発表場所: Aalborg, Denmark
  • 年月日: 2010-08-26
• [学会発表] Musical noise controllable algorithm of channelwise spectral subtraction and beamforming based on higher-order statistics criterion (2010)
  • 著者名/発表者名: Yohei Ishikawa, Hiroshi Saruwatari, Yu Takahashi, Kiyohiro Shikano, Kazunobu Kondo
  • 学会等名: Proc.of the 2nd International Workshop on Cognitive Information Processing (CIP2010)
  • 発表場所: Elba, Italy
  • 年月日: 2010-06-14
• [備考]
  • URL: http://spalab.naist.jp/database/library/paper_10.html