DNNに基づく任意話者からの声質変換の雑音環境における評価

摘要

任意の話者の音声の個人性を目標話者のものに変rn換する声質変換手法の一つとして，我々はこれまでrnニューラルネットワーク(NN) に基づく差分スペクトrnルフィルタを用いた任意話者声質変換[1] を提案してrnきた．この手法では入力音声に対しF0 抽出を行う必rn要がないため，より自然性の高い変換音声が得られrnることがわかっている．一方で，評価はクリーン音声rnでしか行われておらず，実際に声質変換が使用されrnる環境を想定した評価はなされていない．本稿では，rn文献[1] の手法を雑音を付与した音声を用いて評価をrn行った．また，雑音の抑圧に効果があるデノイジングrnオートエンコーダ(DAE) の枠組みを声質変換の音響rnモデルに導入し，評価を行った．