声道断面積関数を用いたGMMに基づく歌唱音声の声質変換

摘要

This paper describes GMM voice conversion of singing voice using the vocal tract area function. The conventional methods mostly use the mel-cepstrum as a feature vector. However, the converted spectral envelope in this case can sometimes be unnatural. This unnatural spectral envelope degrades naturalness of the generated sounds. Therefore, we propose the method using the vocal tract area ratio and pre-emphasis filter based on the LPC analysis. The proposed method can alleviate a problem that frequencies of spectral peaks and dips of the generated spectrum mismatch that of target spectrum. As a result of the subjective evaluation of naturalness and speaker individuality, it was found that the speaker individuality of the proposed method is comparable to that of the conventional method.%本稿では声道断面積関数を用いたGMMに基づく歌唱音声の声質変換について報告する．従来法では学習と変換に用いる特徴量はメルケプストラムが主流である．しかしこの場合，変換後のスペクトル包絡が不自然になり，合成音声の品質が劣化することがある．この問題を解決するため，LPC分析に基づく声道断面積比と高域強調特性を特徴量として用いる手法を提案した．提案法により，従来法で見られた変換音声と目標音声のスペクトルの山と谷の不一致の問題が改善される傾向が見られた．また提案法と従来法に対し，自然性と話者性に関する主観評価を行った結果，話者性に関して従来法と同程度の品質が得られることが分かった．