GMMに基づく声質変換への尤度基準学習の適用(聴覚・音声・言語とその障害)

概要

論文の詳細を見る
ある話者の声を任意の話者の声に変換する手法として混合正規分布(Gaussian Mixture Model: GMM)に基づく声質変換法が挙げられる.この手法では話者間の相関を利用し入力された特微量に対して連続的な写像を行うことで,不連続感の少ない変換音声を得ることが可能である.しかし,その精度は音質や話者性の点から未だ十分なものではない,そこでGMMに基づく声質変換法において尤度基準の非線形時間伸縮(Dynamic Time Warping :DTW)を導入し,反復学習させる手法を提案する.この手法では包括的なEMアルゴリズムが実現され,反復学習により尤度最大化を行うことができる.GMMの学習精度としてE_θ[logL(θ;x,y)]から得られる尤度値を評価した結果,尤度の単調増加が確認され,従来法より尤度値が向上していることが確認された.一方,本手法では尤度最大化のみに着目した学習法であり,DTWにおける極端な対応付けが原因で局所解が導出されることが実験結果から分かった.そこでDTWのパスにおいて傾斜制限を行うことを試みる.これにより対応付けを安定させ,尤度値を上昇させることが可能であると分かった.
社団法人電子情報通信学会の論文
2004-03-23