あらゆる音を柔軟に生成可能とする環境音合成の研究

点击翻译按钮获取中文摘要

本研究では，環境音の特徴を人間がどのように表現するかに着目し，環境音を自然言語や音声といった様々な情報により表現することで，あらゆる音を柔軟に生成可能とする環境音合成の実現に取り組んでいる。本年度は，環境音合成における主観評価手法に関して検討を進めた。従来の環境音合成の研究では，評価方法が確立されておらず，どのように生成した音を評価するべきかについて十分な議論が行われていなかった。この課題を解決するべく，環境音合成のための主観評価手法を提案した。また，従来研究では，客観評価のみが行われる場合も多く，主観と客観どちらの評価を実施するべきかについて言及されていなかった。そこで，提案した主観評価手法による結果と，従来取り組まれてきた客観評価手法による結果の比較を行った。結果として，主観評価と客観評価では異なる傾向を示すことが明らかになった。よって，現状多く使用されている環境音合成のための客観評価では，人間の知覚と一致したような評価を実施することは困難であるということを確認した。また，環境音合成のためのデータセット構築にも取り組み，環境音合成の研究を加速させるためのデータ整備を行った。データセットの構築にあたっては，クラウドソーシングサービスを利用して複数のラベル情報を環境音に付与した。また，テキスト情報では表現できない環境音の特徴を表現するべく，声によって環境音のリズムや音の高さを模倣したデータの収録も行った。