音声合成用大規模音声コーパスにおける声質時期差の検討
スポンサーリンク
概要
- 論文の詳細を見る
最近の波形接続型音声合成においては,数時間〜数十時間規模の大規模な音声コーパスが用いられる。このような音声コーパスの収録には長い期間を要するため,収録期間中に声質が変動する。声質の異なる音声素片を接続することは音質の劣化につながるため,声質変動を検出する尺度が必要である。本稿ではまず,収録時期の異なる音声を接続して作成した刺激音声を用いて知覚実験を行い,声質差の心理量を評定する。次に,刺激音声の周波数スペクトルを分析し,声質差と対応のよい音響尺度を探る。その結果,8-16kHz帯域のパワーが最も有効であり,0-4kHz帯域のMFCC距離がほぼ同程度の効果があった。また,スペクトル傾斜はほとんど効果がなかった。しかしながら,声質差の大きい刺激を検出する場合の等誤り確率は25%であり,実用的観点からみると必ずしも十分な性能は得られなかった。
- 社団法人電子情報通信学会の論文
- 2002-08-23
著者
-
津崎 実
京都市立芸術大学
-
津崎 実
Atr音声言語コミュニケーション研究所:京都市立芸術大学
-
河井 恒
Atr音声言語コミュニケーション研究所
-
河井 恒
株式会社kddi研究所音声処理グループ
-
河井 恒
KDD研究所
-
河井 恒
国際電気通信基礎技術研究所
-
津崎 実
国際電気通信基礎技術研究所
関連論文
- フレッシュマン企画 : 音の常識Q&A(やさしい解説)
- 音の持続時間が音源の大きさ知覚に及ぼす影響 : 母音刺激を用いた検討(日本基礎心理学会第28回大会,大会発表要旨)
- テレビ視聴環境を利用した顔認識のための変動学習
- 携帯型端末を用いた音声自動翻訳システムとフィールド実験(モバイルと放送の融合時代を迎えて(1セグ放送, モバイル放送, 携帯放送融合サービス, 1セグ対応携帯端末, モバイルコンテンツと放送コンテンツの融合, マルチメディア配信, ディジタル放送受信機, および一般))
- 音楽情報検索向け類似テキスト検索システムの試作(音楽情報検索)
- 携帯電話音声に対する主観評価の精度及び客観評価尺度PESQの有効性の検証(一般)
- 種々の周波数遷移特性における音の時間知覚の比較(日本基礎心理学会第28回大会,大会発表要旨)
- 等間隔性からのずれに対する聴覚感度の調査 : 周波数遷移の開始点と終了点での比較(日本基礎心理学会第27回東北大会,大会発表要旨)
- 旋律同定における場所・時間情報の役割 : 輪郭と音程の判断
- 聴覚的視点から見たアルペジオと和音の境界について : 蝸牛遅延との関連は?
- B-6-57 総合音声伝送品質率に基づくヘッダ圧縮処理の制御に関する一検討(B-6.ネットワークシステム,一般講演)
- 転送特性が非対称なワイヤレスリンクにおけるヘッダ圧縮性能向上に関する検討(Webサービスベースのオフィスアプリケーション・ネットワーキング・マネジメント及び一般)
- B-6-124 転送特性の異なる複合IP網における会話型アプリサービス提供に関する一検討(B-6.ネットワークシステム, 通信2)
- 背景雑音を含む携帯電話音声に対するMOS評価の精度推定とPESQの有効性検証
- B-6-115 ワイヤレスIP網におけるRTPパケット受信バッファ制御に関する一検討(B-6. ネットワークシステム, 通信2)
- 無線 IP 網上における区間分割型 QoS 情報通知機能に基づくメディア品質制御手法
- 無線IP網上における区間分割型QoS情報通知機能に基づくメディア品質制御手法
- フレッシュマン企画 : 音の常識Q&A
- アンサンブル学習に基づく音韻継続長のモデル化(合成, 生成, 韻律, 一般)
- 日本人英語学習者音声の時間制御特性客観評価(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- 分散型音声認識の商用システム構築(特別企画「音声認識デベロッパーズフォーラム」)
- B-15-16 統合PDA端末の開発(6) : 分散型音声認証システムの実装(B-15. モバイルマルチメディア通信, 通信1)
- 韻律生成HMMのための学習データ作成ツール
- 音声翻訳システムのための声質変換法と日中英語間における評価
- Q&Aコーナー(コーヒーブレーク)
- 携帯型端末を用いた音声自動翻訳システムとフィールド実験
- 多言語音声の合成
- ピアノ演奏における聴覚フィードバックの利用(音楽認知・知覚3)
- 素片接続型合成音声器の単位選択特徴量についての検討:聴覚モデルと物理モデルによる選択の聴取評価
- 聴覚モデルを導入した素片接続型音声合成系の単位選択用特徴量抽出の検討
- 少数マイクロホンを用いた音声入力手法の検討(立体音響・トランスデューサ/一般)
- 大規模コーパスを用いた音声合成システムXIMERA(音声,聴覚)
- 音声合成システムXIMERAにおける日本語合成音の自然性劣化要因の分析
- コーパス・ベース音声合成システムXIMERA(一般, 一般, チュートリアルレクチャー)
- コーパス・ベース音声合成システムXIMERA
- ATRにおける中国語テキスト音声変換システム
- 品詞列の分析にもとづく中国語音声のポーズ予測(合成・生成,韻律,一般)
- 平均スペクトル等化の検討(合成, 韻律, 生成, 一般)
- セグメンテーション誤差最小規準にもとづく音素セグメンテーション用HMMの識別学習(合成, 韻律, 生成, 一般)
- 自動ラベリングされた中国語音声コーパスにおける声調の検証
- 中国語基本周波数パターンの自動ラベリング手法
- 統語情報を利用いた中国語韻律境界の自動検出
- 句レベルの韻律を考慮した中国語音声合成のための音声コーパス設計
- A-10-7 2段階DOA推定法に基づく音源分離手法の評価(A-10.応用音響,一般講演)
- 波形接続型音声合成における素片選択遅延時間の短縮(音声,聴覚)
- 素片接続型音声合成における最良優先探索に基づく素片選択(一般, STRAIGHTスペシャルセッション(SS))
- 波形接続型音声合成における連続素片優先探索の効果(合成, 生成, 韻律, 一般)
- 幅優先探索に基づく短遅延素片選択アルゴリズムの評価
- 短遅延素片選択におけるビーム幅制御の検討
- 短遅延音声合成のための素片選択法(合成・生成,韻律,一般)
- 聴覚の情景分析の概説 : 聴覚心理学からのアプローチ
- 素片接続合成単位選択のための特徴量に関する聴覚モデルの導入 : 物理モデルとの比較と聴取実験による評価
- 音声認識を利用した携帯電話サービスの開発(パネルディスカッション「音声認識技術の実用化」)
- 音声合成用大規模音声コーパスの構築(チュートリアル: 音声収録から始めるコーパスベース音声合成, 一般, チュートリアルレクチャー)
- 無線 IP 網上における区間分割型 QoS 情報通知機能に基づくメディア品質制御手法
- STRAIGHT合成音源に対する位相拡散の最適化 : 心理評価と制御変数値推定の試み
- 日英バイリンガル・コーパスを用いた知覚的話者空間の推定 (音声)
- 基本周波数パタンに見られる発話態度の分析(対話)
- 文中の音韻長伸縮の自然性許容に対する文節内位置の効果
- 中国語音節の音素と声調の代替接続による自然性劣化の知覚的評価
- 中国語音声合成のための音声セグメンテーションについて
- 波形素片接続時の中国語音節環境代替による自然性劣化の知覚的評価
- 大規模音声コーパスにおける発声時期差の影響の分析
- コーパスベース中国語音声合成システムの韻律制御について
- 持続時間収縮錯覚と時間間隔による文脈の関係について(音楽認知・知覚3)
- 語彙が与える印象に基づく対話韻律生成
- 調性の枠組みのある継時的音程の知覚 : 場所・時間情報による差異(日本基礎心理学会第24回大会,大会発表要旨)
- 日英バイリンガル・コーパスを用いた知覚的話者空間の推定
- 音色の印象に関わる非パワースペクトル的要因
- 合成音源に対する群遅延制御と基本周波数変換音声の品質
- 音声分析合成系における音源の非周期成分付加方式の比較検討
- 音声の非周期成分の時間特性の抽出と合成について
- STRAIGHT合成音源に対する位相拡散効果の最適化 - 心理評価による検討 -
- 群遅延・イベント・調派構造による音源情報表現の検討
- STRAIGHT分析合成音の心理評価 - 話者依存性の検討 -
- 単位接続型音声合成における音素環境代替による自然性劣化の知覚的評価
- コーパスベース音声合成技術の動向[III] : コーパスの設計と評価尺度
- 波形接続型音声合成における知覚的評価に基づく素片選択サブコスト関数の最適化(合成, 韻律, 生成, 一般)
- 波形接続型音声合成における局所的な自然性劣化を考慮に入れた素片選択の評価
- 素片接続型日本語テキスト音声合成における音素単位とダイフォン単位に基づく素片選択
- 音声合成用大規模音声コーパスにおける声質時期差の検討
- 波形接続型テキスト音声合成における素片選択コストの知覚的評価
- 素片接続型音声合成器の単位選択特徴量についての検討 : 聴覚モデルとMFCCによる選択の聴取評価
- 日本語テキスト音声合成における母音中心での接続を考慮に入れた単位選択
- 波形接続型音声合成における音素環境代替コストの予測
- STRAIGHTとPSOLAによる単語音声分析合成音の比較評価
- 日本語テキスト音声合成における音素単位とダイフォン単位に基づいた単位選択
- 2010年度喜安記念業績賞紹介 : 第3世代携帯電話向けの分散型音声認識システムの実用化
- 日英バイリンガル・コーパスを用いた知覚的話者空間の推定(オーガナイズドセッション2,聴覚・音声・言語とその障害/一般)
- 語彙が与える印象に基づく対話韻律生成
- 言語モデルからの文生成による音声合成コーパス用テキスト設計の検討
- 波形接続型音声合成のための自動音素セグメンテーションの評価
- 音声合成用音声コーパス設計手法の評価
- 寸法変調母音系列の同定成績と寸法抽出過程の時間的追随性との関連性(音声・聴覚,一般)
- 聴覚における「形」の恒常性と寸法正規化について(日本基礎心理学会第24回大会,大会発表要旨)
- Q&Aコーナー(コーヒーブレーク)
- 「ハイペリオン(上・下)」, ダンシモンズ著, 酒井昭伸訳, 2000年, 早川書房 (私のすすめるのこ一冊,コーヒーブレーク)
- 個人性を考慮した異言語音声合成に対する知覚評価 (音声)
- 個人性を考慮した異言語音声合成に対する知覚評価
- 寸法判断における視聴覚情報統合(日本基礎心理学会第31回大会,大会発表要旨)