重回帰HMMに基づくスタイル推定を用いた音声認識における音響モデル学習法(音声認識・音響モデル,第10回音声言語シンポジウム)
スポンサーリンク
概要
- 論文の詳細を見る
本論文では,重回帰HMMに基づくスタイル推定を用いた音声認識手法において,この手法を容易に任意の話者へ適用することを目的に,重回帰HMMの学習に話者非依存モデルとモデル適応手法を導入する手法を提案する.提案法では,まず話者非依存モデルに目標話者の各スタイルの少量の適応データを用いて,話者性とスタイルの同時適応を行い,重回帰HMMの学習に用いる目標話者のスタイル適応HMMを作成する.得られたスタイル適応HMMのモデルパラメータと発話様式・感情表現(スタイル)の表出度合を表すスタイルベクトルから,最小二乗法により重回帰HMMの回帰行列を求め,最尤推定により補正を行う.プロのナレータと一般の発話者が発話した模擬感情音声に対して音素認識実験を行い,その結果から提案法の性能評価を行う.また,提案法ではスタイル推定の結果から,認識結果だけでなく入力音声のスタイルも得られることを示す.
- 2008-12-02
著者
-
小林 隆夫
東京工業大学大学院総合理工学研究科
-
能勢 隆
東京工業大学大学院総合理工学研究科物理情報システム専攻
-
井島 勇祐
東京工業大学大学院総合理工学研究科物理情報システム専攻
-
橘 誠
東京工業大学大学院総合理工学研究科物理情報システム専攻
-
橘 誠
東京工業大学大学院総合理工学研究科
-
能勢 隆
東京工業大学大学院総合理工学研究科
-
能勢 隆
東京工業大学物理情報システム専攻
-
橘 誠
東洋通信機株式会社中央研究所
-
小林 隆夫
東京工業大学
-
IJIMA Yusuke
Interdisciplinary Graduate School of Science and Engineering, Tokyo Institute of Technology
-
能勢 隆
東京工業大学 大学院総合理工学研究科
-
井島 勇祐
日本電信電話株式会社NTTサイバーペース研究所
-
井島 勇祐
日本電信電話株式会社,NTTサイバースペース研究所
関連論文
- 電子楽器用波形符号化方式の検討
- 電子楽器用波形符号化方式の検討
- 電子楽器用波形符号化方式の検討
- 重回帰HMMに基づく自然発話音声の発話様式識別(発音評価,認識,理解,対話,一般)
- 重回帰HMMに基づくスタイル推定を用いた音声認識における音響モデル学習法(音声認識・音響モデル,第10回音声言語シンポジウム)
- 平均声からの話者適応手法を用いた重回帰HSMMに基づく合成音声の声質制御(合成,生成,韻律,一般)
- 顔パーツを利用した隠れを含む顔の検出手法
- 適応メルケプストラム分析を利用した音声符号化とその評価
- 重回帰HSMMを用いた合成音声のスタイル制御(一般, STRAIGHTスペシャルセッション(SS))
- 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)
- D-12-118 歩行速度とテンポを考慮した歩行動作の生成(D-12. パターン認識・メディア理解, 情報・システム2)
- 重回帰HSMMに基づく合成音声のスタイル制御のための平均声からの話者適応手法(合成,生成,韻律,一般)
- HMMに基づくテキスト音声合成への混合励振源モデルとポストフィルタの導入(音声,聴覚)
- マルチモーダルコミュニケーションのための音声合成プラットホーム
- マルチモーダルコミュニケーションのための音声合成プラットホーム
- HMM音声合成におけるスペクトル・ピッチへの固有声手法の適用
- HMMに基づく音声合成への混合励振源モデルとポストフィルタの導入
- HMM音声合成におけるスペクトル・ピッチへの固有声手法の適用
- HMMに基づく音声合成への混合励振源モデルとポストフィルタの導入
- HMMに基づく音声合成におけるスペクトル・ピッチ・継続長の同時モデル化(音声情報処理 : 現状と将来技術論文特集)
- 極低ビットレートボコーダのためのHMMに基づくF0符号化法の検討 (音声)
- 極低ビットレートボコーダのためのHMMに基づくF0符号化法の検討 (言語理解とコミュニケーション)
- HMM音声合成におけるモデル補間・適応による発話スタイルの多様化の検討(合成, 韻律, 生成, 一般)
- HMM音声合成における異なる発話スタイルの生成の検討
- D-14-13 テレビ放送音に対する音声と音楽およびその混合音の識別に関する検討(D-14. 音声,一般セッション)
- 重回帰HMMに基づくスタイル推定を用いた音声認識における音響モデル学習法(音声認識・音響モデル,第10回音声言語シンポジウム)
- 重回帰HMMに基づくスタイル推定を用いた音声認識における音響モデル学習法(音声認識・音響モデル,第10回音声言語シンポジウム)
- スタイル推定に基づく音響モデルのオンライン適応手法(認識,理解,対話,一般)
- 平均声モデルを用いる合成音声の話者性とスタイルの同時多様化の検討
- 対話エージェントにおける不明確性を含む動作表現のモデル化の検討
- 対話エージェントにおける不明確性を含む動作表現のモデル化の検討(対話)
- 平均声に基づく音声合成における線形変換とMAPに基づく音響モデル学習法(一般)
- MSD-HMMに基づく音声のスタイル識別(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)
- MSD-HMMに基づく音声のスタイル識別(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)
- MSD-HMMに基づく音声のスタイル識別(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)
- 隠れセミマルコフモデルに基づく音声合成システムのためのスタイル適応手法の評価(合成, 生成, 韻律, 一般)
- 隠れセミマルコフモデルに基づく音声合成システムにおける最尤線形回帰によるスタイル適応の検討(合成・生成,韻律,一般)
- F0量子化と非パラレル学習に基づく声質変換の評価(テーマセッション,クロスモーダル)
- F0量子化と非パラレル学習に基づく声質変換の評価(テーマセッション,クロスモーダル)
- F0量子化と非パラレル学習に基づく声質変換の評価(テーマセッション,クロスモーダル)
- F0量子化と非パラレル学習に基づく声質変換の評価(テーマセッション,クロスモーダル)
- 音声研究の現状と課題
- 多空間確率分布に基づくポーズのモデル化(音響と音声処理・音声強調,ロバスト音声認識,一般)
- HMM音声合成における多様なスタイル実現のための制御法(音響と音声処理・音声強調,ロバスト音声認識,一般)
- 多空間確率分布に基づくポーズのモデル化(音響と音声処理・音声強調,ロバスト音声認識,一般)
- HMM音声合成における多様なスタイル実現のための制御法(音響と音声処理・音声強調,ロバスト音声認識,一般)
- HMM音声合成におけるコンテキストクラスタリング決定木を用いた話者適応の検討(合成, 韻律, 生成, 一般)
- 声道長正規化を用いた平均声モデル学習の検討(音響と音声処理,音声強調,ロバスト音声認識)
- 声道長正規化を用いた平均声モデル学習の検討(音響と音声処理,音声強調,ロバスト音声認識)
- F0量子化と非パラレル学習に基づく声質変換の検討(一般(ポスターセッション),第11回音声言語シンポジウム)
- F0量子化と非パラレル学習に基づく声質変換の検討(一般(ポスターセッション),第11回音声言語シンポジウム)
- 平均声に基づく対話音声合成に関する検討(テーマセッション,クロスモーダル)
- 平均声に基づく対話音声合成に関する検討(テーマセッション,クロスモーダル)
- 平均声に基づく対話音声合成に関する検討(テーマセッション,クロスモーダル)
- 平均声に基づく対話音声合成に関する検討(テーマセッション,クロスモーダル)
- カスタマイズ性を考慮した擬人化音声対話ソフトウェアツールキットの設計(音声言語情報処理とその応用)
- IFスペクトログラム : 音声信号の時間周波数表現の一手法
- IFスペクトログラム : 音声信号の時間周波数表現の一手法
- 瞬時周波数に基づく雑音環境下でのピッチ推定
- RBFネットワークのハイブリッド学習アルゴリズム
- 改良DFT-MUSIC法を用いた低SNR環境における瞬時周波数の推定
- 低SNR環境下における瞬時周波数の推定
- 瞬時周波数に基づく雑音環境下でのピッチ推定
- 雑音劣化音声の一般化ケプストラムモデル化における事前情報の利用
- F0量子化に基づく韻律コンテキストを用いたHMM音声合成(一般(ポスターセッション),第11回音声言語シンポジウム)
- F0量子化に基づく韻律コンテキストを用いたHMM音声合成(一般(ポスターセッション),第11回音声言語シンポジウム)
- メル一般化ケプストラム分析に基づく広帯域音声のCELP符号化の検討
- メル一般化ケプストラム分析に基づく広帯域音声のCELP符号化の検討
- 小特集にあたって(音声合成に関する研究の動向)
- 多様な音声合成のためのモデル適応・適応学習アルゴリズムの検討(合成, 生成, 韻律, 一般)
- HMM音声合成におけるガンマ分布状態継続長モデルの検討
- HMM音声合成におけるガンマ分布状態継続長モデルの検討
- A-6-4 メル一般化ケプストラム分析に基づくMELP音声符号化
- 話者照合におけるHMM音声合成による合成音声の判別(音声言語情報処理とその応用)
- 話者照合システムにおける合成音声判別法の検討
- 話者照合システムにおける合成音声判別法の検討
- 平均声モデル構築におけるコンテキストクラスタリングと話者適応学習の検討
- 平均声モデル構築のためのコンテキストクラスタリング手法の検討
- HMMに基づく音声合成におけるピッチ・スペクトルの話者適応
- HMM音声合成における韻律の変動要因の検討
- HMM音声合成における韻律の変動要因の検討
- HMM音声合成におけるMLLRを用いたピッチ・スペクトルの話者適応
- HMMに基づく音声合成システムにおけるMAP-VFSを用いた音質変換
- 多空間確率分布HMMによるピッチパターン生成
- 多空間上の確率分布に基づいたHMM
- 多空間上の確率分布を用いたHMMによるピッチパタン生成の検討
- 多空間上の確率分布に基づいたHMMとピッチパタンモデルへの応用
- 第5回ヨーロッパ音声通信技術会議(EuroSpeech'97)
- HMMに基づいた視聴覚テキスト音声合成 : 画像ベースアプローチ(音声言語情報処理とその応用)
- 渦流探傷センサによる銅配管腐食評価手法の検討
- 隠れマルコフモデルに基づくハンドジェスチャーアニメーション生成(画像符号化・通信・ストリーム技術および一般)
- 隠れマルコフモデルに基づくハンドジェスチャーアニメーション生成
- 隠れマルコフモデルに基づくハンドジェスチャーアニメーション生成
- 隠れマルコフモデルに基づくハンドジェスチャーアニメーション生成
- メル一般化ケプストラム分析に基づくCELP音声符号化
- メル一般化ケプストラム係数に基づく音声のスペクトル表現とその諸特性
- 動的特徴を用いたHMMからの音声パラメータ生成アルゴリズム
- 動的特徴を用いたHMMに基づく音声合成
- D-12-60 あいまい表現入力が可能な音声対話エージェントシステムの検討(D-12. パターン認識・メディア理解, 情報・システム2)
- 日本語話し言葉コーパスを用いた対話音声合成のためのコンテキストの評価 (信号処理)