隠れマルコフモデルを用いた認識ボコーダー極低ビットレート音声符号化-

使用隐马尔可夫模型进行极低比特率语音编码的识别声码器

• 批准号: 08780333
• 负责人: 徳田 恵一
• 金额: $ 0.64万
• 依托单位: Nagoya Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1996
• 资助国家: 日本
• 起止时间: 1996 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-08780333/
• 关键词: 音声認識ボコーダ; 隠れマルコフモデル; 音声符号化; 極低ビットレート音声符号化

(1)音声合成及び音声認識に適した隠れマルコフモデルの単位や構造について検討を行った.その結果,概して音声認識率の良いモデルが,合成音声の品質もよいことがわかった.但し,継続長は,モデルがもつ継続長ではなく,認識時に得られた継続長を用いて音声合成を行う必要があることもわかった.(2)受聴試験に基づく主観評価実験により,提案符号化システムの音声品質評価を行なった.その結果,通常用いられるベクトル量子化法に比べて,約半分のビットレート(約200bit/s)で音声スペクトル情報を符号化したにも関わらず,大きく音声品質を改善できることがわかった(MOS値で約0.3の改善).(3)異なる話者に対応するため,音声認識における話者適応の手法を導入することを検討した.その結果,男性話者間の適応は,良好に行うことができるが,男性話者から女性話者、あるいはその逆の適応は,若干精度が悪くなることもわかった.(4)上記問題に対応するため,代表話者何人かの隠れマルコフモデルを用意し、それらを補間する方法について検討を行い,男性話者と女性話者の間の補間も良好に行われることを確認した.

(1) voice synthesis and び sounds know に optimum し た government れ マ ル コ フ モ デ ル の 単 や structures に つ い て 検 line for を っ た. そ の as a result, almost し て sounds good understanding rate の い モ デ ル が, synthetic sounds の quality も よ い こ と が わ か っ た. But し 継 続 は long, モ デ ル が も つ 継 続 long で は な く, meet when に ら れ た 継 続 を with い て voice synthesis を line う necessary が あ る こ と も わ か っ た. (2) the 聴 test に base づ く main 観 review 価 be 験 に よ り, proposal symbolic シ ス テ ム の voice quality assessment 価 を line な っ た. そ の results, usually use い ら れ る ベ ク ト ル quantization method に than べ て, about half a cent の ビ ッ ト レ ー ト (about 200 - bit/s) で sounds ス ペ ク ト ル intelligence を symbolic し た に も masato わ ら ず, big き く を sounds quality improve で き る こ と が わ か っ た (MOS numerical で about 0.3 の improve). (3) different な る words に 応 seaborne す る た め, sounds know に お け る words optimum 応 の gimmick を import す る Beg し こ と を 検 た. そ の as a result, the male words between の optimum 応 は, good line に う こ と が で き る が, male words か ら female words, あ る い は そ の inverse の optimum 応 は, several precision が 悪 く な る こ と も わ か っ た. (4) written questions に 応 seaborne す る た め, on behalf of whom the speaker's words か の government れ マ ル コ フ モ デ ル を intention し, そ れ ら を す between る method に つ い て 検 for line を い, male words words と females の の fill も に good line between わ れ る こ と を confirm し た.

项目成果

徳田恵一: "動的特徴を用いたHMMからの音声パラメータ生成アルゴリズム" 日本音響学会誌. 53,3(採録決定済). (1997)

Keiichi Tokuda：“使用动态特征的 HMM 音频参数生成算法”，日本声学学会杂志 53,3（已接受）。

Takashi Masuko: "Speech synthesis from HMMs using dynamic features" Proceedings of International Conference on Acoustics,Speech,and Signal Processing. 1. 389-392 (1996)

Takashi Masuko：“使用动态特征从 HMM 进行语音合成”国际声学、语音和信号处理会议论文集。

Takashi Masuko: "HMM-based speech synthesis with various voice characteristics" Proceedings of Joint ASA/ASJ Meeting. 1043-1046 (1996)

Takashi Masuko：“具有各种语音特征的基于 HMM 的语音合成”ASA/ASJ 联合会议记录。

益子貴史: "動的特徴を用いたHMMに基づく音声合成" 電子情報通信学会論文誌. J79-D-II,12. 2184-2190 (1997)

Takashi Mashiko：“基于使用动态特征的 HMM 的语音合成”，电子、信息和通信工程师学会汇刊 J79-D-II，12（1997 年）。

Takashi Masuko: "Voice characteristics conversion for HMM-based speech synthesis system" Proceedings of International Conference on Acoustics,Speech,and Signal Processing. (採録決定済). (1997)

Takashi Masuko：“基于 HMM 的语音合成系统的语音特征转换”国际声学、语音和信号处理会议论文集（已接受）。