WEKO3
アイテム
複数話者の擬音的発話音声データセットによる効果音合成の試み
https://ipsj.ixsq.nii.ac.jp/records/234617
https://ipsj.ixsq.nii.ac.jp/records/234617ccc1a984-07e5-4e1c-8814-69e71e80d0d1
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MUS24140005.pdf (36.8 MB)
2026年6月7日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, MUS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-06-07 | |||||||||
| タイトル | ||||||||||
| タイトル | 複数話者の擬音的発話音声データセットによる効果音合成の試み | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | ポスターセッション1 | |||||||||
| 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 | ||||||||||
| 京都産業大学大学院先端情報学研究科 | ||||||||||
| 著者所属 | ||||||||||
| 京都産業大学情報理工学部 | ||||||||||
| 著者名 |
滝沢, 力
× 滝沢, 力
× 平井, 重行
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | メディア作品などの音響制作では，様々な知識や経験が求められる．求めている音を想像し，それらの細かなニュアンスを言語非依存な発話により表現可能であることを元に，口真似音声から効果音合成可能な生成モデルを提案した．研究では，ひとまず，目標の効果音として多種多様なバリエーション・ニュアンスが存在する爆発音に焦点を当て，データセット構築及びモデルの学習，爆発音合成を試みた．これまでの学習済みモデルでは，口真似のニュアンスを結果に反映させた上で，高品質な爆発音合成が可能になっている．しかし，現状のデータセットは，一人の話者による口真似のみを録音しており，より表現の幅を考慮した合成を可能とするために，複数話者でのデータセット構築が必要である．そこで，複数話者による口真似録音を実施し，データセットの増強を行い，従来モデルとの比較を行った．データセットの話者数を増やすことで，話者毎に微妙に異なるニュアンスをより反映させた合成結果も得られ，提案モデルのニュアンス追従性向上を示唆した．本稿では，従来モデルと新たに構築したデータセットによる学習モデルとの比較で得られた合成音の品質差異について報告する． | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10438388 | |||||||||
| 書誌情報 |
研究報告音楽情報科学（MUS） 巻 2024-MUS-140, 号 5, p. 1-7, 発行日 2024-06-07 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8752 | |||||||||
| 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 | |||||||||
