知覚にもとづく感情音声特徴空間の表現

点击翻译按钮获取中文摘要

(1)高品質音声分析変換合成法の拡張:前年度には感情音声の物理的特徴を担う、1)時間周波数座標系、2)STRAIGHTスペクトログラム、3)非周期性生指標マップ、4)基本周波数の個々についてモーフィングする方法を確立したが、今年度はさらに時間周波数座標系を時間座標と周波数座標に分割し、それらを独立に操作して、モーフィングすることを方法を示した。これにより音声品質に影響すると考えられる主要な要因を個々に操作することを可能とした。(2)任意発話内容を取り扱える音声モーフィング法:モーフィング法においては、2つの感情音声を対象とするため、2つの音声の発話内容が同じである必要があった。画像処理で行われているテクスチャマッピングとの類比から、音声内容を示す全体の大局的構造であるフレームワークとその上に載っている微細構造としてのテクスチャとに分けて考えて変換することにより、任意の発話内容に好してもモーフィングを行うことを可能とする方法を示した。(3)特徴点付与の自動化:モーフィング法における特徴点の選択の仕方は、音声の品質に影響する。良い品質のモーフィング音声を得るためには一般に音声・聴覚に関する相当の知識と手間を必要とする。前年度に開始した特徴点付与の自動化を進め、STRAIGHTスペクトルの低域(0〜5000Hz)に対して全極型のスペクトルをあてはめ、帯域幅の狭い極をフォルマント周波数に対応するものとして抽出する方法を得たが、基本周波数の高い女声に対しては、特徴点の適確な設定が困難という問題が残されている。(4)感情音声の知覚特性:物理的次元における距離を一括して考える場合の感情音声の近くについての結果をまとめた。モーフィング法の拡張に応じ、感情発声の拘束条件についての検討に着手した。