@techreport{oai:ipsj.ixsq.nii.ac.jp:00113351,
 author = {虫鹿, 弘二 and 中村, 和寛 and 橋本, 佳 and 大浦, 圭一郎 and 南角, 吉彦 and 徳田, 恵一 and Koji, Mushika and Kazuhiro, Nakamura and Kei, Hashimoto and Keiichiro, Oura and Yoshihiko, Nankaku and Keiichi, Tokuda},
 issue = {13},
 month = {Feb},
 note = {隠れマルコフモデル (HMM) に基づく歌声合成システムは，あらかじめ用意された歌声データから統計モデルを学習し，任意の歌声を合成する．HMM 歌声合成の性能は学習データに強く依存するため，高品質な歌声を合成するためには高品質な歌声データベースが必要になる．しかし，実際のデータベースには，歌い間違いやノイズなどの誤りが含まれていることが多い．特に，これからは音声合成の分野でも，インターネット上の大量のデータを学習に有効活用するという流れが加速していくと考えられ，そのような誤りを多く含むデータから高精度なモデルを学習する手法が必要である．そこで本稿では，学習データ内の誤りを局所的に除外することによる誤りに頑健なモデルの学習手法を提案し，主観評価実験により提案手法の有効性を評価する．},
 title = {HMM歌声合成における音声データの誤りに頑健なモデル化手法の検討},
 year = {2015}
}