2024 Fiscal Year Research-status Report
| Project/Area Number |
22K19793
|
|---|
| Research Institution | Toyohashi University of Technology |
|---|
Principal Investigator |
北岡 教英 豊橋技術科学大学, 工学(系)研究科(研究院), 教授 (10333501)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
入部 百合絵 愛知県立大学, 情報科学部, 准教授 (40397500)
西村 良太 徳島大学, 大学院社会産業理工学研究部(理工学域), 講師 (50635878)
太田 健吾 阿南工業高等専門学校, 創造技術工学科, 准教授 (80712801)
|
|---|
| Project Period (FY) |
2022-06-30 – 2026-03-31
|
| Keywords | 話者空間 / 音声合成 / x-vector |
|---|
| Outline of Annual Research Achievements |
音声の個人性・話者性を表現するベクトル、いわゆる話者埋め込み表現は様々に検討されており、例えば音声認識ではその表現で表されて話者の音声を選択的に認識することが可能であったり、音声合成では特定の話者を指定してその声で音声を生成することが可能になってきている。しかし、特定のベクトルを指定すれば個人をほぼ特定することが可能であるが、例えば2名の話者の声が直感的に「似ている」か「似ていない」かと、話者埋め込みベクトル間の距離が近いか遠いかとは、直接的な関係は存在しない。そのため、2名の話者の中間的な声を合成したい、といった場合に、埋め込みベクトルを平均するれ場実現できるかと言えば、必ずしもそうではない。そのようなことから、話者埋め込み空間を人の直感と一致する空間とする方法を検討することとした。
数百名レベルの音声合成用データベースJVSが公開されているが、この音声について、人手によって「似ている」「似ていない」をラベリングしたデータベースが存在する。そこで、話者埋め込みベクトル（X-vector）の学習機構に、似ている・似ていないと和車間距離との相関を表現するロスを導入することで、この実現を図った。その結果、音質的な類似性を意図通りに操作できるまでには至っていないが、例えば声の高さや話速などの一部の特徴については、話者間の中間を表現する合成が可能となった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
意図したロスの定式化を行えた。このロスを利用した学習方法も開発し、一部の特徴についてはその効果も確認できた。
|
| Strategy for Future Research Activity |
データの拡充と、開発したロス関数のより効果的な利用法の検討を進めて、空間の直感との一致性を向上させる。
|
| Causes of Carryover |
開発したロス関数をより効率的に使った学習を検討するために、新たなデータの構築とモデル学習法の研究を行い、実現する。そのための人件費や、成果の発表費用を繰り越す。
|
