多重ベータ混合モデル準用いた調波時間構造のモデル化による音声合成の検討

摘要

There are currently some researches related to speech synthesis, but here we present a new framework for speech synthesis, in which we approximate an envelope shape of each harmonic in a phoneme signal by a spec-tro-modeling function. In this approach only harmonic-parts are extracted from the phoneme spectrum, and the time-varying spectrum corresponding to the harmonics or sinusoidal components is modeled by the modeling function. In addition, we propose a method to synthesize a speech signal using Multi Beta Mixture Model (MBMM) based on Beta distribution. We discuss the effectiveness of our proposed model through the experimental results.%これまでに数多くの音声合成技術が提案されているが，我々は，音素信号の調波時間スペクトル形状をモデル関数で近似し，音声合成を行うという新たなフレームワークについて検討する.音素スペクトルの調波成分のみを取り出し，各ハーモニクスのエンベロープをスペクトルモデル関数でモデリングする.モデル関数のパラメータから音素信号を復元し，音声を合成する手法について同時に提案する.近似するモデル関数として，ベータ分布をベースにした多重ベータ混合モデルを考案し，評価実験により我々の提案するモデルの有効性について述べる.