2026-05-20T20:24:29Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00197883 2025-01-19T22:10:15Z 1164:5159:9712:9831

音素単位で話速制御を行うGAN-TTS Phoneme Level Variable Speaking Rate Control in GAN-TTS 岡本, 真由子 Sakriani, Sakti 中村, 哲 ポスターセッション1 テキスト音声合成 （TTS） は入力された文から音声を生成する技術で，学習に公開されている読み上げ音声データが多用されている．そのため，合成された音声が自然発話と異なり単調になり，対話システムなど自然発話を想定したシステムに用いる場合に違和感が生じてしまう．本稿では，話速などの非言語情報を考慮した上で音声の自然性を損なわない音声合成の実現を目指す．自然発話では，発話速度の変化は単語や句の単位のみでなく，任意の音ごとに変化することがあるため，本稿では音素ごとに話速を制御するため，各音素に対して，敵対的生成ネットワークを用いた音声合成 （GANTTS） [1] を用いて話速情報を付与する方法を提案する．また，独自に話速の異なる音声データ6,792 発話を収録した．その結果，提案手法は合成音声の波形を人工的に操作するよりも自然で，かつ音素単位で適切な話速変化を行うことができることを示した． technical report 情報処理学会 2019-06-15 application/pdf 研究報告音声言語情報処理（SLP） 30 2019-SLP-127 1 5 2188-8663 AN10442647 https://ipsj.ixsq.nii.ac.jp/record/197883/files/IPSJ-SLP19127030.pdf jpn