統計的スペクトル変換法による肉伝導通常音声の自然性改善((SS)高品質音声分析変換合成法STRAIGHT, 一般, STRAIGHTスペシャルセッション(SS))

概要

論文の詳細を見る
外部雑音の影響を受けない肉伝導マイクによる快適な音声対話の実現において、肉伝導通常音声(Body Transmitted Ordinary Speech : BTOS)の自然性改善は重要な課題である。BTOSは空気伝導音声と比較して、音声の高域成分が大きく減衰しており、こもりのある音声となる。本稿では、BTOSの自然性改善手法として、混合正規分布モデル(Gaussian Mixture Model : GMM)に基づく統計的スペクトル変換法を、BTOSから通常音声への変換に適用する。変換関数学習時にはBTOSと通常音声の音響特徴量間の対応関係をGMMによりモデル化する。変換時には、入力されたBTOSに対して、学習したGMMに基づいて通常音声のスペクトル特徴量、ならびに周波数帯域別非周期成分の最尤推定を行い、混合励振源を用いて変換通常音声を合成する。客観的評価実験および主観評価実験を行った結果、統計的スペクトル法によりBTOSの自然性を大幅に改善できることがわかった。
一般社団法人電子情報通信学会の論文
2006-01-19