2026-03-16T09:24:08Z
https://ipsj.ixsq.nii.ac.jp/oai
oai:ipsj.ixsq.nii.ac.jp:00234626
2025-01-19T09:44:46Z
1164:5064:11558:11626
離散音声トークン生成によるテキスト音声合成のための音声主観評価値予測に基づくdecoding戦略
山内, 一輝
中田, 亘
齋藤, 佑樹
猿渡, 洋
Kazuki, Yamauchi
Wataru, Nakata
Yuki, Saito
Hiroshi, Saruwatari
ポスターセッション1
本論文では，離散音声トークン生成に基づくテキスト音声合成モデルおける decoding 戦略について探求する．我々は，テキスト生成における嗜好データに基づく decoding 戦略に着想を得た，離散音声トークン生成に向けた主観評価値予測に基づく新たな decoding 戦略を提案する．主観評価実験により，提案手法が合成音声の degeneration 問題を回避し，自然性を向上させるのに有効であることを示す．提案手法はモジュール性および拡張性が高く，音声合成モデルをアライメントするための有望なアプローチである．
情報処理学会
2024-06-07
jpn
technical report
https://ipsj.ixsq.nii.ac.jp/records/234626
2188-8752
AN10438388
研究報告音楽情報科学（MUS）
2024-MUS-140
14
1
6
https://ipsj.ixsq.nii.ac.jp/record/234626/files/IPSJ-MUS24140014.pdf
application/pdf
1.1 MB
2026-06-07