複数の共有構造を用いたアニーリングに基づく音響モデリング

使用多个共享结构的基于退火的声学建模

• 批准号: 11J05301
• 负责人: 塩田 さやか
• 金额: $ 0.83万
• 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: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11J05301/
• 关键词: 音声認識; 音響モデリング; 複数のパラメータ共有構造; 確定的アニーリング

本研究では,複数のパラメータ共有構造を用い,確定的アニーリングEMアルゴリズムとベイズ基準を学習アルゴリズムに適用することで音声認識のための新しい音響モデリングの枠組みを提案する.初年度には,学習アルゴリズムの導出・実験及び考察を行い,国内外でその結果を発表してきた.今年度は提案法に関してさらに実験を重ねることで提案法の特徴や問題点等を考察・改善してきた.また,これまで提案法は音声認識に関しての統計的なモデリング手法として発表を行ってきているが,話者認識や音声合成といった統計モデルを基盤に用いる分野にも適用が可能である.そのため,話者認識や音声合成において提案法を適用するために,それぞれの最新の動向を調査し知見を広げるための研究活動も行った.話者認識に関しては,5ヶ月間エジンバラ大学の研究所に滞在し,話者認識の最新の動向や最新のデータ,問題点など様々な知見を得ることができた.また,海外の様々な分野の研究者とも議論を交わすことができ提案法に対する知見も深まった.さらに,音声合成の研究にも従事し,言語に依存しない話者の特徴をモデル化する研究を行ってきた.これにより話者性についての研究についても知識を深めることができ,かつ提案法の音声合成への適用についても検討することができた.今年度の研究活動の成果の国内外への発表件数は控えめではあるが,提案法について実験等をまとめ投稿した論文は採択され掲載されたため,当初の予定としては順調に進めることができたと言える.

This study で は, plural の パ ラ メ ー タ total of tectonic を い, determine the ア ニ ー リ ン グ EM ア ル ゴ リ ズ ム と ベ イ ズ benchmark study を ア ル ゴ リ ズ ム に applicable す る こ と で sounds know の た め の new し い sound モ デ リ ン グ の 枠 group み を proposal す る. Early annual に は, learning ア ル ゴ リ ズ ム の export, be 験 and び inspected を い, both at home and abroad で そ の results を 発 table し て き た. Our は proposal method に masato し て さ ら に be 験 を heavy ね る こ と で の proposal method, 徴 や problem を investigation, such as improving し て き た. ま た, こ れ ま で proposal method は sounds know に masato し て の statistics な モ デ リ ン グ gimmick と し て 発 table line を っ て き て い る が, understanding the speaker's words や voice synthesis と い っ た statistical モ デ ル を base plate に with い る eset に も Apply が may で あ る. そ の た め, understanding the speaker's words や voice synthesis に お い て proposal を applicable す る た め に, そ れ ぞ れ の の latest trends を survey し knowledge を hiroo げ る た め の research activities も line っ た. Understanding the speaker's words に masato し て は, 5 ヶ months エ ジ ン バ ラ university institute of の に lag in し, understanding the speaker's words の の latest trends や latest の デ ー タ, trouble spots な ど others 々 な knowledge を have る こ と が で き た. ま た, overseas の others 々 な eset researchers の と も comment を pay わ す こ と が で き proposal method に す seaborne deep ま る know see も っ た. さ ら に, voice synthesis の Research に も 従 し, speech に dependent し な い の the speaker's words, 徴 を モ デ ル change す る を line っ て き た. こ れ に よ り words sex に つ い て の research に つ い て も を deep knowledge め る こ と が で き, か つ proposal method の voice synthesis へ の applicable に つ い て も beg す 検 る こ と が で き た. Our の の の achievements at home and abroad research activities へ の 発 table number は control え め で は あ る が, proposal method に つ い て be 験 etc を ま と contribute め し た paper は mining 択 さ れ first white jasmines load さ れ た た め, original の designated と し て は suitable adjustable に into め る こ と が で き た と said え る.

项目成果

Cross-lingual Speaker Adaptation for HMM-based speech synthesis using speaker interpolation based on perceptual characteristics

使用基于感知特征的说话人插值进行基于 HMM 的语音合成的跨语言说话人自适应

• 发表时间: 2012
• 作者: Viviane de Franca Oliveira;Sayaka Shiota;Yoshihiko Nankaku;Keiichi Tokuda
• 通讯作者: Keiichi 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

Cross-lingual speaker adaptation for HMM-based speech synthesis using joint-eigenvoices with a space of perceptual characteristics

使用具有感知特征空间的联合特征语音进行基于 HMM 的语音合成的跨语言说话人自适应

• 发表时间: 2013
• 作者: Viviane de Franca Olivera;Sayaka shiota;Kei Hashimoto;Yoshihiko Nankaku;Keiichi Tokuda
• 通讯作者: Keiichi Tokuda

A Bayesian Framework Using Multiple Model Structures for Speech Recognition

使用多个模型结构进行语音识别的贝叶斯框架

• DOI: 10.1587/transinf.e96.d.939
• 发表时间: 2013
• 期刊: IEICE Transactions on Information and Systems
• 影响因子: 0.7
• 作者: Sayaka Shiota;Kei Hashimoto;Yoshihiko Nankaku;Keiichi Tokuda,
• 通讯作者: Keiichi Tokuda,

個人性を考慮した異言語音声合成に対する知覚評価

考虑个性的跨语言语音合成感知评价

• 发表时间: 2012
• 作者: 津崎実;徳田恵一;河井恒;志賀芳則;大浦圭一郎;塩田さやか
• 通讯作者: 塩田さやか