大規模主観評価に基づく定量的音読スキル情報を活用したDNN音声合成の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2021-02-24
• タイトル: 大規模主観評価に基づく定量的音読スキル情報を活用したDNN音声合成の検討
• タイトル / 言語: en
• タイトル: Investigation of DNN-based speech synthesis utilizing oral reading skills obtained from large scale subjective evaluation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ポスターセッション
• 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: 東京大学工学部
• 著者所属: 日本電信電話株式会社
• 著者所属: 東京大学工学部
• 著者所属: 東京大学工学部
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Nippon Telegraph and Telephone Corporation
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, The University of Tokyo
• 著者名: 阿久井, 駿; 井島, 勇祐; 齋藤, 大輔; 峯松, 信明
• 著者名(英): Shun, Akui; Yusuke Ijima; Daisuke, Saito; Nobuaki, Minematsu
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: これまで我々は，プロのアナウンサーらしさを反映する定量的な尺度として，主観評価実験に基づいた「音読スキル」と呼ばれる指標を検討してきた．本稿では，こうした定量的音読スキル情報をDNN音声合成に活用し，DNNの入力情報として音読スキルの値を付加して複数話者による学習を行う方法を検討する．これにより，音声の話者性は保ったまま音読スキルを操作できることが期待される．合成した音声が自然性や話者再現性を保持したまま音 読スキルの変化を示しているかどうか，および音読スキル値を入力する隠れ層を変更した場合の性能について，客観 評価および聴取実験による主観評価で検討した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: So far, we have been suggested the value of‘oral reading skill’based on a listening evaluation experiment as a quantitative index which represents how much the reading voice is heard as a professional narrator’s one. In this paper, we attempt to utilize such information of skill for DNN-based speech synthesis by adding the value of oral reading skill to the input of the multispeaker DNN speech synthesis model. This can be expected to manipulate the reading skill of synthesized voice without changing its individuality. We considered different patterns of hidden layers the value of oral reading skill is added to. For each case, we discussed by objective evaluation and subjective evaluation based on listening experiment whether the reading skill of the synthesized voice changes as expected with its naturalness and individuality preserved.
• 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: 研究報告音声言語情報処理（SLP）; 巻 2021-SLP-136, 号 15, p. 1-6, 発行日 2021-02-24
• ISSN / 収録物識別子タイプ: ISSN
• 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