韻律的に多重な音声データベースを活用した韻律制御時の品質劣化低減手法の検討(聴覚・音声・言語とその障害)

概要

論文の詳細を見る
本報告では,TTS (Text-To-Speech)システムを用いて,多様な発話スタイルを表現する音声合成手法の検討を行う.多様な発話スタイルの音声を生成するためには,自由に周波数特性,韻律を制御する必要があるが,ここでは韻律(基本周波数F_0,音素持続時間)に着目し,標準的な音声(以下,normal),F_0の高い音声(high), F_oの低い音声(low),発話速度の速い音声(fast),発話速度の遅い音声(slow)を柔軟かつ高品質に生成することを目的とする.本稿では,波形接続型テキスト音声合成における韻律制御時の品質劣化に着目する.まず韻律的に多重な音声データベースを用いることにより,韻律変更量を削減し,品質劣化を低減する手法の検討を行った.その結果,韻律の変更量削減がF_0・音素持続時間の観点から有効に行われ,high,low,slowの合成音声において品質が向上した.次に各韻律傾向(normal, high, low, fast, slow)における韻律変形の方向と品質劣化との関係を知覚的に評価した.そしてこの知覚評価の結果を利用し,韻律変形の方向とその品質劣化を考慮した韻律に関するサブコスト関数を作成した.提案コスト関数の有効性を検証した結果,normal, low, fast, slowの合成音声において品質が向上した.
社団法人電子情報通信学会の論文
2004-03-23