| Item type |
SIG Technical Reports(1) |
| 公開日 |
2019-10-04 |
| タイトル |
|
|
タイトル |
音声波形直接生成モデル「ニューラルボコーダ」の比較 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
A comparison of neural vocoders directly synthesizing raw speech waveforms |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
チュートリアル講演 |
| 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 |
|
|
|
情報通信研究機構 |
| 著者所属 |
|
|
|
名古屋大学／情報通信研究機構 |
| 著者所属 |
|
|
|
情報通信研究機構 |
| 著者所属 |
|
|
|
情報通信研究機構 |
| 著者所属(英) |
|
|
|
en |
|
|
National Institute of Information and Communications Technology (NICT) |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya Uniersity / National Institute of Information and Communications Technology (NICT) |
| 著者所属(英) |
|
|
|
en |
|
|
National Institute of Information and Communications Technology (NICT) |
| 著者所属(英) |
|
|
|
en |
|
|
National Institute of Information and Communications Technology (NICT) |
| 著者名 |
岡本, 拓磨
戸田, 智基
志賀, 芳則
河井, 恒
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
2016年 までの統計的テキスト音声合成や声質変換では，ニューラルネットワークに基づく音響モデルを用いたとしても，ソースフィルタモデルに基づくボコーダによる音質劣化が肉声感を阻む大きな壁となっていた．2016 年 9 月，WaveNet からはじまるニューラルボコーダの登場により，言語特徴量や音響特徴量からニューラルネットにより音声波形を直接合成できるようになり，Tacotron 2 においては，ついに自然音声と区別のつかない品質の英語テキスト音声合成が実現された．現在，ニューラルボコーダは音声合成における基盤技術となり，様々な方式が提案されている．本チュートリアルでは，WaveNet の登場から最先端のリアルタイムニューラルボコーダまでを紹介し，合成精度，合成速度，モデルサイズ，学習難易度，学習時間等の観点からの比較を行う． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10442647 |
| 書誌情報 |
研究報告音声言語情報処理（SLP）
巻 2019-SLP-129,
号 3,
p. 1-6,
発行日 2019-10-04
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8663 |
| 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 |
IPSJ-SLP19129003.pdf (634.8 kB)
