音調核モデルに基づく中国語F_0パターンの2段階生成(一般, STRAIGHTスペシャルセッション(SS))

概要

論文の詳細を見る
本稿では、推定されたフレーズ成分の情報を、音調成分の推定に用いる2段階推定法を提案し、我々の提唱している標準中国語F_0パターン生成法を改良した。そのF_0パターン生成手法では、F_0パターンをフレーズ成分と音調成分に分けた上で、フレーズ成分はF_0パターン生成過程モデルで生成し、音調成分については、音調核の部分を蓄積したパターンを選択することで表現した上で残りの部分を直線で繋ぐ。提案した2段階推定法を用い、改良前の手法と同じ文章についてF_0パターンを合成し、自然音声のF_0パターンと置き換え、合成した音声の比較聴取実験を行った。改良後の音声は5点評価で4.46点を得、改良前の4.04より遥かに上回り、より自然なF_0が得られることが示された。2段階推定法は、音調成分推定に際しフレーズ成分情報を利用することで、フレーズ成分推定時に生じる誤差を吸収できるため、フレーズ成分に対する自由度が向上し、種々の発話スタイルの実現に有効であり、より簡単且つ柔軟なF_0パターンの制御が可能と予想される。
社団法人電子情報通信学会の論文
2006-01-20