自由発話理解のための数学モデルの研究

自由言论理解的数学模型研究

• 批准号: 09740161
• 负责人: 斎藤 博昭
• 金额: $ 1.28万
• 依托单位: Keio University
• 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: 1997
• 资助国家: 日本
• 起止时间: 1997 至 1998
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-09740161/
• 关键词: 音声合成; 自由発話; 韻律; 感性情報処理; 自然言語処理; 文脈自由文法; 音声理解

近年、音声認識/合成の分野では“より自由な発声"を扱うようになってきた。自由発話での大きな特徴として、話者の感情が込められることが挙げられる。今年度は、基本6感情から「恐怖」を除く「怒り」「驚き」「悲しみ」「嫌悪」「喜び」を取り上げ、その表現を制御する要因として話すテンポ、声の高さ、声の大きさに注目した。各々に対応する音響量は、発話速度、基本周波数(ピッチ)、振幅値となり、これを感情を表す特徴量とした。韻律モデルとしては、従来から用いられてきた藤崎モデルを採用した。まず、5つの各感情をよく表すように藤崎モデルのパラメータを決定した。次にこのパラメータが妥当なものかどうかを、実際に音声を合成出力して検証した。音声合成システムは、音素を合成単位とした、波形合成方式を採用した。保存データは、音素の波形データそのものではなく、波形の特徴となる局所的なピークを制御点としたデータを、各音素について作成し、合成に用いる。合成の際には、ピッチ周期にあわせて、制御点を時間軸上に配置し、それを余弦関数による補間を行うことにより、音声波形を生成する。データとして持っているのは各音素のデータだけであり、音素間のわたりの部分の波形には、その両端の音声データから制御点の移動により得られる中間波形を用いる。決定したパラメータから合成された単語音声から、各感情を知覚できるかを実験した。結果として、「怒り」「嫌悪」「悲しみ」については85%以上の高い正反応率が得られ、合成に用いたパラメータ値が妥当なものであることが裏付けられた。一方「喜び」と「驚き」については、韻律だけからその2つを区別することが困難であるどの仮説を得ることができた。

In recent years, in the field of sound recognition/synthesis, there is a <s:1> division で で "よ <s:1> free な release of sound "を うようになって うようになって た た た. The characteristics of the free expression of で, <s:1> and な are と and て, and the speaker 's <s:1> emotions が込められる and とが挙げられる. Our 6 は, basic emotions か ら "terrorist" を except く "nu り" "jing き" "Lamentations し み" "xi び" を "disrelish 悪" take り げ, そ の performance を suppression す る by と し て words す テ ン ポ の louder, high acoustic の さ, き さ に attention し た. Each 々 に 応 seaborne す る acoustics は, 発 velocity, basic frequency number (ピ ッ チ), amplitude numerical と な り, こ れ を feelings を table す, 徴 quantity と し た. Rhythm モ デ ル と し て は, 従 か ら with い ら れ て き た cane battery モ デ ル を using し た. Youdaoplaceholder0, 5 まず まず each emotion をよく form すように Fujisaki モデ パラメ パラメ タを タを decision た た. Time に こ の パ ラ メ ー タ が appropriate な も の か ど う か を, be interstate に sounds を synthetic output し て 検 card し た. The sound-to-sound synthesis システム システム, phoneme を synthesis 単 bit と <s:1> た, and waveform synthesis を adopt を た. Save デ ー タ は, phoneme の waveform デ ー タ そ の も の で は な く, waveform is の 徴 と な る bureau of な ピ ー ク を suppression point と し た デ ー タ を, each phoneme に つ い て made し, synthetic に い る. Synthetic の interstate に は, ピ ッ チ cycle に あ わ せ て, suppression point を に on the time axis し, そ れ を cosine masato number に よ る filling line between を う こ と に よ り, voice waveform を す る. デ ー タ と し て hold っ て い る の は each phoneme の デ ー タ だ け で あ り, phoneme の わ た り の part の waveform に は, そ の struck the の sounds デ ー タ か ら suppression point の mobile に よ り must ら れ る middle waveform を with い る. Decision し た パ ラ メ ー タ か ら synthetic さ れ た 単 voice sound か ら, know the feelings を 覚 で き る か を be 験 し た. Results と し て, "nu り" "too 悪" "Lamentations し み" に つ い て は 85% の high positive rate of 応 が い ら れ, synthetic に い た パ ラ メ ー タ numerical が appropriate な も の で あ る こ と が in pay け ら れ た. Party "xi び と" jing き に つ い て は, rhythm だ け か ら そ の 2 つ を difference す る こ と が difficult で あ る ど の 仮 said を る こ と が で き た.

项目成果

延澤志保, 斎藤博昭, 中西正和: "日本語における有繋文字列" 情報処理学会プログラミングシンポジウム予稿集. 137-142 (1998)

Shiho Nobuzawa、Hiroaki Saito、Masakazu Nakanishi：“日语中的连接字符串”日本信息处理学会编程研讨会论文集 137-142 (1998)。

小池和仁,斎藤博昭,中西正和: "感情音声の合成" 電子情報通信学会信学技報. SP98-107. 83-88 (1998)

Kazuhito Koike、Hiroaki Saito、Masakazu Nakanishi：“情感语音的综合”IEICE 技术报告 83-88 (1998)。

koike,K.,Suzuki,H.,Saito,H: "Prosodic Parameters in Emotional Speech" Proceedings of the 5th International Conference on Spoken Language Processing. 4 (1998)

小池，K.，铃木，H.，斋藤，H：“情感言语中的韵律参数”第五届国际口语处理会议论文集。