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

心理実験における刺激音声試料作成を目的とした高品質音声分析合成システムの開発

开发高质量的语音分析和合成系统，为心理实验创建刺激语音样本

基本信息

批准号：
08750430
负责人：
峯松信明
金额：
$ 0.77万
依托单位：
Toyohashi University of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1996
资助国家：
日本
起止时间：
1996 至无数据
项目状态：
已结题

项目摘要

本研究は,心理実験で使用される音声刺激の作成を支援すべく音声韻律変換システムの構築を主たる目的として行なわれた。心理実験での使用に耐えうる品質の合成音声を生成する必要があるため,ここでは分析合成に基付く手法を導入・改良した。開発したシステムの特徴としては,・声道特性フィルタとしてLMAフィルタを使用(残差における白色性向上を目的としたもの)。・残差波形に対する時間領域PSOLA法に基付くピッチ変換(音声波形そのものにPSOLA法を適用した場合に生じるスペクトル歪みを回避するため)。・藤崎モデル(基本周波数パターン生成モデル)に基付くパラメータベースのピッチパターン編集。・波形伸長時における有声子音部の自動推定(有声子音部を伸長対象から除き,有声母音部のみを伸長対象とすることで合成音の自然性が向上)。これらの中でその性能/特性が韻律変換後の合成音声の品質に最も影響を与える,有声部残差波形中のピッチパルス検出,及び指定されたピッチに基付く残差波形編集において,各々,・局所的自己相関値を参照した初期ピッチパルス位置の決定,2段階閾値を利用した有声部の細分化,局所的及び大局的自己相関値を利用した最終的なピッチパルス位置の選択。・部分的零位相化による,品質劣化を抑えた残差波形編集,及び合成。を提案し,種々の高さにピッチ変換した合成音声(男声/女声)の聴取実験により,その有効性を実証することができた。なお本システムは現在,国内外の関係研究者(音声学/言語学/心理学だけでなく,工学の分野を含む)に配布され,実際の研究の場で利用されている。現在更なる品質向上を実現すべく,ピッチ変換時のスペクトル変動に対するケプストラムレベルでのモデル化を検討している。

The purpose of this study is to support the construction of acoustic prosody by using acoustic stimuli. The quality of synthetic sound is necessary to improve the quality of synthetic sound. The characteristics of the sound track are: PSOLA method is used to avoid the occurrence of noise. Fujisaki Model (Basic Frequency Generation Model) was compiled by the base of ートースのーン.·Automatic estimation of voiced consonant part when waveform is elongated (voiced consonant part is elongated, and initial consonant part is elongated) The performance/characteristics of the system are the most important factors affecting the quality of the synthesized sound after the cadence change, and the residual waveform of the acoustic part is detected, and the residual waveform of the base is compiled. The correlation value of each station is determined by the initial phase of the reference, and the 2-stage threshold value is utilized to subdivide the acoustic part. The position of the bureau and the overall situation of their own relevant value Partial zero phasing, quality degradation, residual waveform compilation, and synthesis. The proposal was made in the form of a high-pitched composite voice (male/female). At present, the relationship between domestic and foreign researchers (acoustics/linguistics/psychology, engineering) is distributed, and the actual research field is utilized. Now the quality of the product is improved, and the quality of the product is improved.