音声の群遅延特性に基づく声門閉止等のイベント抽出について

概要

論文の詳細を見る
音声波形の群遅延特性を利用して、声門閉止等の音声を駆動する主要なイベント生起時刻とイベント属性を定量的に高精度に抽出する新しい方法を発明した。Gauss型時間窓の中心時刻からその窓を用いて計算される平均時刻への写像の不動点として求められるイベントの初期推定値を、振幅スペクトルから計算される最小位相応答の群遅延特性を用いて補償することにより、声門閉止等のイベントの時刻とイベントの原因となった現象の継続時間を求めることができる。提案したアルゴリズムについて、合成音声等を用いた検証を行い、次いで、EGGと音声を同時録音したデータベースを用いて実音声の分析における定量的な評価を行った。合成音声の作成には、全極モデル、STRAIGHTにより求めた最小位相インパルス応答、パルス音源、Rosenberg-Klatt波形の様々な組合せを用いた。EGG同時収録音声のデータベースは、男女各14名がそれぞれ30文を読み上げた840文から構成されている。これらの実験結果は、本方法によれば40μsから200μsの誤差の標準偏差で声門の閉止時刻が推定できることを示している。本方法は、FFTを多用するものの収束計算を含まない実時間向きのアルゴリズムとして実現されているため、声帯振動の異常の診断や高品質音声合成法の音源情報抽出等に広範に応用できるものと考えられる。
2000-03-10

音声の群遅延特性に基づく声門閉止等のイベント抽出について

スポンサーリンク

概要

著者

関連論文

スポンサーリンク