個性及び表現性ロバストな音声言語インタフェースに関する研究

2011 年度 研究成果報告書

• 研究課題/領域番号: 21300063
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 知覚情報処理・知能ロボティクス
• 研究機関: 東京工業大学
• 研究代表者: 小林 隆夫 東京工業大学, 大学院・総合理工学研究科, 教授 (70153616)
• 連携研究者: 長橋 宏 東京工業大学, 像情報工学研究所, 教授 (20143084)
• 研究協力者: 能勢 隆 東京工業大学, 大学院・総合理工学研究科, 助教 (90550591)
• 研究期間 (年度): 2009 – 2011
• キーワード: 音声情報処理

研究概要

ユーザの嗜好や気分に応じた表現豊かな音声出力と,ユーザの個性,気分や話し方の変化に頑健な音声入力ができる音声インタラクションを実現するためのロバスト音声認識・合成技術の確立を目指して研究を行った。ロバスト音声合成では,基本周波数量子化に基づく韻律コンテキストや自然発話・会話音声合成のための拡張コンテキストに基づく音声合成手法を,またロバスト音声認識では,感情表現・発話様式などのパラ言語情報の検出・表出度合の推定手法及び高速なモデル適応手法を確立し,その有効性を示した。

研究成果

• [雑誌論文] HMMに基づく対話音声合成における多様な韻律生成のためのコンテクストの拡張 (2012)
  • 著者名/発表者名: 郡山知樹, 能勢隆, 小林隆夫
  • 雑誌名: 電子情報通信学会論文誌 巻: Vol.J95-D ページ: 597-607
  • 査読あり
• [雑誌論文] Very lowbit-rate F0 coding for phonetic vocoders using MSD-HMM with quantized Fosymbols (2012)
  • 著者名/発表者名: Takashi Nose, Takao Kobayashi
  • 雑誌名: Speech Communication 巻: Vol.54 ページ: 384-392
  • 査読あり
• [雑誌論文] A tone-modeling technique using a quantized F0 context to improvetone correctness in average-voice-based speech synthesis (2012)
  • 著者名/発表者名: Vataya Chunwijitra, Takashi Nose, TakaoKobayashi
  • 雑誌名: SpeechCommunication 巻: vol.54 ページ: 245-255
  • 査読あり
• [雑誌論文] Speaker-independent HMM-based voice conversion using adaptive quantization of the fundamental frequency (2011)
  • 著者名/発表者名: Takashi Nose, Takao Kobayashi
  • 雑誌名: Speech Communication 巻: vol.53 ページ: 973-985
  • 査読あり
• [雑誌論文] HMM-based voice conversion using quantized F0 context (2010)
  • 著者名/発表者名: Takashi Nose, Yuhei Ota, Takao Kobayashi
  • 雑誌名: IEICE Trans. onInformation and Systems 巻: Vol.E93-D ページ: 2483-2490
  • 査読あり
• [雑誌論文] Evaluation of prosodic contextual factors for HMM-based speechsynthesis (2010)
  • 著者名/発表者名: Shuji Yokomizo, Takashi Nose, Takao Kobayashi
  • 雑誌名: Proc. 11th AnnualConference of the International SpeechCommunication Association ページ: 430-433
  • 査読あり
• [雑誌論文] Conversational spontaneousspeech synthesis using average voice model (2010)
  • 著者名/発表者名: Tomoki Koriyama, Takashi Nose, Takao Kobayashi
  • 雑誌名: Proc. 11th Annual Conference of the International Speech Communication Association ページ: 853-856
  • 査読あり
• [雑誌論文] HMM-based speech synthesis with unsupervised labeling of accentualcontext based on F0 quantization and average voice model (2010)
  • 著者名/発表者名: Takashi Nose, Koujirou Ooki, Takao Kobayashi
  • 雑誌名: Proc. 2010IEEE International Conference onAcoustics, Speech, and Signal Processing ページ: 4622-4625
  • 査読あり
• [雑誌論文] A rapidmodel adaptation technique for emotionalspeech recognition with style estimationbased on multiple-regression HMM (2010)
  • 著者名/発表者名: Yusuke Ijima, Takashi Nose, Makoto Tachibana, Takao Kobayashi
  • 雑誌名: IEICE Trans. on Information andSystems 巻: Vol.E93-D ページ: 107-115
  • 査読あり
• [雑誌論文] Atechnique for estimating intensity of emotional expressions and speaking styles in speech based on multiple-regression HSMM (2010)
  • 著者名/発表者名: Takashi Nose, Takao Kobayashi
  • 雑誌名: IEICE Trans. on Information and Systems 巻: Vol.E93-D ページ: 116-124
  • 査読あり
• [学会発表] An F0 modeling technique based on prosodic events for spontaneous speech synthesis (2012)
  • 著者名/発表者名: Tomoki Koriyama
  • 学会等名: 2012 IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP 2012
  • 発表場所: Kyoto, Japan
  • 年月日: 2012-03-29
• [学会発表] HMM音声合成における不特定話者スタイル変換の検討 (2011)
  • 著者名/発表者名: 金川裕紀
  • 学会等名: 電子情報通信学会音声研究会
  • 発表場所: 芝浦工業大学,東京都江東区
  • 年月日: 2011-12-20
• [学会発表] On the use of extended context for HMM-based spontaneous conversational speech synthesis (2011)
  • 著者名/発表者名: Tomoki Koriyama
  • 学会等名: 12th Annual Conference of the International Speech Communication Association, INTERSPEECH 2011
  • 発表場所: Florence, Italy
  • 年月日: 2011-08-30
• [学会発表] A perceptual expressivity modeling technique for speech synthesis based on multiple-regression HSMM (2011)
  • 著者名/発表者名: Takashi Nose
  • 学会等名: 12th Annual Conference of the International Speech Communication Association, INTERSPEECH 2011
  • 発表場所: Florence, Italy
  • 年月日: 2011-08-28
• [学会発表] Very low bit-rate F0 coding for phonetic vocoder using MSD-HMM with quantized F0 context (2011)
  • 著者名/発表者名: Takashi Nose
  • 学会等名: 2011 IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP2011
  • 発表場所: Prague, Czech Republic
  • 年月日: 2011-05-26
• [学会発表] Tonal context labeling using quantized F0 symbols for improvingtone correctness in average-voice-basedspeech synthesis (2011)
  • 著者名/発表者名: Vataya Chunwijitra
  • 学会等名: 2011 IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP 2011
  • 発表場所: Prague, Czech Republic
  • 年月日: 2011-05-24
• [学会発表] 動画像からの顔の姿勢推定による非言語情報の取得 (2010)
  • 著者名/発表者名: 宮崎悠樹
  • 学会等名: 画像電子学会第250回研究会
  • 発表場所: 崇城大学,熊本市
  • 年月日: 2010-03-23
• [学会発表] HMM-based speaker characteristics emphasis using average voice model (2009)
  • 著者名/発表者名: Takashi Nose, HMM-based speakercharacteristics emphasis using averagevoice model
  • 学会等名: 10th Annual Conference of the International Speech Communication Association, INTERSPEECH 2009
  • 発表場所: Brighton, UK.
  • 年月日: 2009-09-10
• [学会発表] Speaking style adaptation for spontaneous speech recognition using multiple-regression HMM (2009)
  • 著者名/発表者名: Yusuke Ijima
  • 学会等名: 10th Annual Conference of the International Speech Communication Association, INTERSPEECH 2009
  • 発表場所: Brighton, UK.
  • 年月日: 2009-09-07
• [備考]
  • URL: http://www.kbys.ip.titech.ac.jp/