A study on speech diversification techniques based on corpus design for advanced humanoid speech synthesis

基于语料库设计的高级类人语音合成语音多样化技术研究

• 批准号: 23700195
• 负责人: NOSE Takashi
• 金额: $ 2.75万
• 依托单位: Tohoku University (2013)Tokyo Institute of Technology (2011-2012)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 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-23700195/
• 关键词: 音声合成; 隠れマルコフモデル; 統計的音声合成; 感情音声合成; ヒューマノイドロボット; 音声コーパス; 統計モデル; 感情音声; コーパスデザイン; 話し言葉音声合成; HMM音声合成; 対話音声合成; 音声コーパス設計; 音声パラメータ生成; スタイル変換; 歌声合成

Our goal in this research is to realize more human-like, natural text-to-speech system with various emotional expressions and speaking styles, and the achievements of our studies are as follows:(1)We proposed a novel corpus-design technique in which accent, style, and sentence-final expression are taken into account. (2)We incorporated user's subjective emotional intensities into acoustic model training to improve the performance of expressive speech synthesis. (3)We proposed an automatic labeling technique of emphasis expression using a parameter generation technique of fundamental frequency to realize emphatic speech synthesis. (4)We proposed cross-lingual speech synthesis using only a target speaker's native language speech samples to synthesis multi-lingual speech at a low cost.

我们的研究目标是实现具有多种情感表达和说话风格的更接近人类、更自然的文本到语音系统，我们的研究成果如下：(1)我们提出了一种新的语料库设计技术，该技术考虑了口音、风格和句子最终表达。(2)将用户主观情绪强度纳入声学模型训练，提高表达性语音合成性能。(3)提出了一种基于基频参数生成技术的强调表达自动标注技术，实现了强调语音合成。(4)提出了仅使用目标说话人的母语语音样本进行跨语言语音合成，以低成本合成多语言语音。

项目成果

共有決定木を利用した話者適応に基づくクロスリンガル音声合成の検討

基于共享决策树的说话人适应的跨语言语音合成研究

• 发表时间: 2012
• 期刊: 日本音響学会2012年秋季研究発表会講演論文集
• 作者: 能勢 隆;小林隆夫
• 通讯作者: 小林隆夫

HMM音声合成における不特定話者スタイル変換の検討

HMM语音合成中与说话人无关的风格转换研究

• 发表时间: 2011
• 期刊: 電子情報通信学会技術研究報告
• 作者: 網野加苗;蒔苗久則;鎌田敏明，長内隆;金川裕紀
• 通讯作者: 金川裕紀

A tone-modeling technique using a quantized F0 context to improvetone correctness in average-voice-based speech synthesis

一种音调建模技术，使用量化的 F0 上下文来提高基于平均语音的语音合成中的音调正确性

• 发表时间: 2012
• 期刊: SpeechCommunication
• 作者: Vataya Chunwijitra;Takashi Nose;TakaoKobayashi
• 通讯作者: TakaoKobayashi

Speaker-independent HMM-based voice conversion using adaptive quantization of the fundamental frequency

• DOI: 10.1016/j.specom.2011.05.001
• 发表时间: 2011-09
• 期刊: Speech Commun.
• 作者: Takashi Nose;Takao Kobayashi

パラ言語情報を表現可能な対話音声合成のための重回帰HSMMの検討

表达副语言信息的对话语音合成多元回归HSMM研究

• 发表时间: 2011
• 期刊: 電子情報通信学会技術研究報告
• 作者: 永田智洋;森 大毅;能勢 隆
• 通讯作者: 能勢 隆