FaderNetを用いた未知話者に対する音声印象変換

• Item type: SIG Technical Reports(1)
• 公開日: 2023-06-16
• タイトル: FaderNetを用いた未知話者に対する音声印象変換
• タイトル / 言語: en
• タイトル: Impression Conversion of Speech for Unknown Speakers Using FaderNet
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 一般発表
• 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: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者名: 釘本, 咲; 中鹿, 亘
• 著者名(英): Saki, Kugimoto; Toru, Nakashika
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では声質変換手法の 1 つである FaderNetVC を用いて話者性はそのままに音声の印象のみを変えるという先行研究をもとに印象ラベルを持たない未知話者に対しても印象変換可能なモデルを提案する．FaderNetVC はあらかじめ変換したい音声に話者ラベルを必要とするため，印象変換においても変換したい音声にはあらかじめ印象ラベルを定義しておかなければならないが，外部識別器 (Classifier) を用いてこれを実現する．また従来法では印象ラベルの識別に正規分布を仮定していたが，精度向上のためにベータ分布を仮定した識別器も提案し，仮定する分布の違いによる印象変換性能を比較検討する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a model that can convert impressions of unknown speakers who do not have impression labels, based on a previous study that used FaderNetVC, a voice conversion method, to change only the impression of speech without changing the speaker’s identity. Since FaderNetVC requires a speaker label for the speech to be converted in advance, an impression label must be defined for the speech to be converted in advance for impression conversion. This is achieved by adding ‘Classifier’ to the model. In addition, we propose a discriminator that assumes a beta distribution to improve the accuracy of the conventional method, which assumes a normal distribution for modelling impression labels.
• 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 2023-SLP-147, 号 21, p. 1-4, 発行日 2023-06-16
• 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