Generative moment matching net に基づく歌声のランダム変調ポストフィルタとdouble-tracking への応用

摘要

本稿では，合成歌声の発話間変動を生成する，GMMNに基づくポストフィルタを提案し，またADTへの応用についても述べた．提案ポストフィルタは，GMMNを用いて，合成歌声と自然歌声のMS の統計量を揃えるように学習し，発話間変動をモデル化する．実験評価により，提案するポストフィルタは，歌声の自然性を損なうことなく，人間に知覚可能な発話間のピッチ変動を生成できることが示された．さらに，ADT にポストフィルタを応用した際の有効性についても議論した．実験評価により，提案するNDTは従来のADT よりも，知覚的に自然なDT に近い音になることが示された．