SingBySpeaking：歌声知覚に重要な音響特徴を制御して話声を歌声に変換するシステム

• Item type: SIG Technical Reports(1)
• 公開日: 2008-02-08
• タイトル: SingBySpeaking：歌声知覚に重要な音響特徴を制御して話声を歌声に変換するシステム
• タイトル / 言語: en
• タイトル: SingBySpeaking : Singing Voice Conversion System from Speaking Voice By Controlling Acoustic Features Affecting Singing Voice Perception
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 産業技術総合研究所
• 著者所属: 産業技術総合研究所
• 著者所属: 北陸先端科学技術大学院大学情報科学研究科
• 著者所属: 北陸先端科学技術大学院大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): National Institute of Advanced Industrial Science and Technology (AIST)
• 著者所属(英): en
• 著者所属(英): National Institute of Advanced Industrial Science and Technology (AIST)
• 著者所属(英): en
• 著者所属(英): School of Information Science, Japan Advanced Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): School of Information Science, Japan Advanced Institute of Science and Technology
• 著者名: 齋藤, 毅; 後藤, 真孝; 鵜木, 祐史; 赤木, 正人
• 著者名(英): Takeshi, Saitou; Masataka, Goto; Masashi, Unoki; Masato, Akagi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，歌詞の朗読音声（話声）を歌声に変換する歌声合成システムSingBySpeakingについて述べる．このシステムは，音声分析合成系STRAIGHTによる分析/合成処理過程において，基本周波数（F0），スペクトル，音韻長を制御するモデルによって歌声特有の音響特徴を操作することで話声を歌声に変換する．F0 制御モデルは，楽譜情報から得られるメロディの遷移の概形に対して，4種類の動的変動成分（オーバーシュート，ヴィブラート，プレパレーション，微細変動）を付与することで歌声のF0変化パターンを生成する．スペクトル制御モデルは，話声のスペクトルに対して，歌唱ホルマントとヴィブラートに同期したホルマントの振幅変調を付与することで歌声のスペクトル形状を生成する．音韻長制御モデルは，楽曲のテンポに基づいて，話声中の各音韻長を歌声の音韻長に伸長する．システムで合成された音声を聴取実験によって評価した結果，各種音響特徴を制御することで話声から歌声に変換され，すべての特徴を制御した合成音の音質は原音声と同程度であることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper describes a novel singing voice synthesis system SingBySpeaking that can synthesize a singing voice, given a speaking voice reading the lyrics of a song and its musical score. The system is based on the speech manipulation system STRAIGHT and comprises three models controlling three acoustic features unique to singing voices: the fundamental frequency (F0), phoneme duration, and spectrum. Given the musical score and its tempo, the F0 control model generates the F0 contour of the singing voice by controlling four types of F0 fluctuations: overshoot, vibrato, preparation, and fine fluctuation. The duration control model lengthens the duration of each phoneme in the speaking voice by considering the duration of its musical note. The spectral control model converts the spectral envelope of the speaking voice into that of the singing voice by controlling both the singing formant and the amplitude modulation of formants in synchronization with vibrato. Experimental results show that the proposed system can convert speaking voices into singing voices whose naturalness is almost the same as actual singing voices.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 情報処理学会研究報告音声言語情報処理（SLP）; 巻 2008, 号 12(2008-SLP-070), p. 25-32, 発行日 2008-02-08
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会