ベイズ基準によるHMMに基づく音声合成における動的なパラメータ共有構造選択

使用贝叶斯准则的基于 HMM 的语音合成中的动态参数共享结构选择

• 批准号: 10J10062
• 负责人: 橋本 佳
• 金额: $ 0.9万
• 依托单位: Nagoya Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2011
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-10J10062/
• 关键词: 音声合成; ベイズ基準; パラメータ共有構造; 事前分布

HMMに基づく音声合成において,パラメータ共有のための決定木構造の選択基準として様々な基準が提案されているが,これらの基準は一般に学習データに対する評価値が最も高くなる決定木構造を最適なパラメータ共有構造として選択する.このため,あらゆるテキストに対して平均的に高い品質の音声を合成することが可能となる.しかし,学習データに対する最適なパラメータ共有構造が合成するテキストにとって最適ではなく,生成するテキストごとに最適なパラメータ共有構造は異なると考えられる.そのため,合成テキストに対して最適なパラメータ共有構造をテキストごとに動的に選択し,高品質な音声合成手法を確立することを目指す.これまでの成果から,事前分布がパラメータ共有構造の選択に大きく影響を与えることが示されたため,適切な事前分布選択方法について検討を行った.複数の話者の学習データを用いることにより,他の話者の学習データを有効に利用することが可能になり,話者に非依存な音声の平均的な特徴を捉えた事前分布を推定することが可能になった.この事前分布を用いることによって,より適切なモデル構造を選択することが可能になり,合成音声の品質を大きく改善することを実験結果から示した.

HMM base sound synthesis in the middle, from the common to the decision tree structure selection criteria and the proposal, from the general to the learning criteria and the evaluation of the highest, from the decision tree structure to the optimal common to the decision tree structure selection criteria. The average quality of sound is high. For example, learning the optimal structure of a common structure and generating the optimal structure of a common structure. The best way to synthesize sound is to select the best structure and establish the best sound synthesis method. The results of this study are presented in detail below. The prior distribution is discussed in detail in the selection of common structures. The speaker's learning is possible, and the speaker's independent voice is predicted beforehand. The result of this study is that the quality of synthesized sound is greatly improved.

项目成果

ベイズ音声合成における事前分布とモデル構造の話者間共有

在贝叶斯语音合成中，在说话者之间共享先验分布和模型结构

• 发表时间: 2011
• 作者: 橋本佳;南角吉彦;徳田恵一
• 通讯作者: 徳田恵一

Face recognition based on separable lattice 2-D HMMS using variational bayesian method

• DOI: 10.1109/icassp.2012.6288351
• 发表时间: 2012-03
• 期刊: 2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
• 作者: Kei Sawada;Akira Tamamori;Kei Hashimoto;Yoshihiko Nankaku;K. Tokuda

Speech recognition based on statistical models including multiple phonetic decision trees

基于统计模型（包括多个语音决策树）的语音识别

• DOI: 10.1250/ast.32.236
• 发表时间: 2011
• 期刊: Acoustical Science and Technology
• 影响因子: 0.7
• 作者: Sayaka Shiota;Kei Hashimoto;Yoshihiko Nankaku;Keiichi Tokuda
• 通讯作者: Keiichi Tokuda

Bayesian speech synthesis integrating training and synthesis processes

贝叶斯语音合成集成训练和合成过程

• 发表时间: 2010
• 作者: Kei Hashimoto;Yoshihiko Nankaku;Keiichi Tokuda
• 通讯作者: Keiichi Tokuda

A model structure integration based on Bayesian framework for speech recognition

基于贝叶斯框架的语音识别模型结构集成

• 发表时间: 2012
• 作者: Sayaka Shiota;Kei Hashimoto;Yoshihiko Nankaku;Keiichi Tokuda
• 通讯作者: Keiichi Tokuda