权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

同時通訳のための音声合成に関する研究

同声传译语音合成研究

基本信息

批准号：
14J10354
负责人：
高道慎之介
金额：
$ 1.02万
依托单位：
Nara Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2014
资助国家：
日本
起止时间：
2014-04-25 至 2016-03-31
项目状态：
已结题

项目摘要

本年度は，① 高速かつ高音質な音声合成・声質変換の実現，及び，②元話者の声質をできる限り反映する英語音声合成に着手した．①は，同時通訳の実現に必要不可欠な技術である．現在の主流である統計的音声合成は，少ない計算時間で音声を合成する利点を持つが，著しく音質の低い音声を生成する．この音質劣化問題に対して，我々は昨年度までに，変調スペクトルに基づくフィルタ法と音声パラメータ生成法を提案し，有効性を確認した．しかしながら，これらの手法により生成時間の増加は免れない．そこで，本年度は，変調スペクトル制約の下で音声合成器を学習する手法を提案した．実験的評価により，従来の計算時間を保持しながら，変調スペクトルの考慮による音質改善効果を得られることを確認した．また，変調スペクトルの効果を多言語音声合成において確認するため，インド言語の音声を合成する国際コンペティションに参加した．その結果，いくつかの言語において，変調スペクトルに基づく手法が世界最高品質だと評価された．②は，同時通訳で生成される合成音声に，元話者（例えば，講演者）の声質を反映する技術である．ある言語の話者の声質を別言語（ターゲット言語）の音声に反映するクロスリンガル音声合成が従来存在するが，合成音声の声質は，元話者の声質と大きく異なる．そこで我々は，声質をできるだけ反映する方法として，元話者の発話した非流暢なターゲット言語音声を用いて，ターゲット言語の合成音声を生成する方法を提案した．本年度は，元話者を日本語話者，ターゲット言語を英語に絞り研究を実施した．実験的評価の結果，非流暢な英語音声の音韻・韻律的特徴を補正することで，声質を保存したまま，自然な英語音声を合成できることを確認した．

This year, we have started to study the synthesis of English sound with high speed, high quality and sound quality. (1) At the same time, it is necessary not to lack technology. Now the mainstream statistics of sound synthesis, less calculation time, sound synthesis, good point, sound quality, low sound generation. To solve this problem, we propose a new method of sound generation. The time of creation is increasing and the method of creation is increasing. This year, we are proposing a new approach to sound synthesizer learning under the control of sound synthesizer. The evaluation of the sound quality is very important, and the calculation time of the sound quality is kept. The result of the speech synthesis is confirmed. As a result, the language is the highest quality in the world. (2) At the same time, the voice quality of the speaker (e.g., speaker) is reflected in the synthesized voice. The voice quality of the speaker is different from the voice quality of the speaker. A method for generating synthetic speech sounds is proposed. This year, Japanese speakers are studying English. As a result of the evaluation, the phoneme and prosody characteristics of non-fluent English sounds are corrected, and the sound quality is preserved.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Modulation spectrum-based post-filter for GMM-based Voice Conversion

DOI：
10.1109/apsipa.2014.7041540
发表时间：
2014-12
期刊：
Signal and Information Processing Association Annual Summit and Conference (APSIPA), 2014 Asia-Pacific
影响因子：
0
作者：
Shinnosuke Takamichi;T. Toda;A. Black;Satoshi Nakamura
通讯作者：
Shinnosuke Takamichi;T. Toda;A. Black;Satoshi Nakamura

日本人英語音声合成における話者性を保持した韻律補正

在日语-英语语音合成中保留说话人特征的韵律校正