波形重畳型音声合成の韻律と音質のためのF0傾きモデルの利用

摘要

波形重畳型や波形接続型の音声合成では、音声素片の接続部分で基本周波数の一貫性が失われることがある。 日本語は高低アクセント言語であるため、これは詑りやアクセント型の誤りとして認識される問題となる。 特にデータベースサイズが限られているときや、音声コーパス設計時に考慮していた想定ドメイン以外の文章でそのような問題が顕著になりやすい。 本論文では、まずF0傾きモデルを用い音声素片のF0の一貫性を向上する。 さらにF0傾きモデルも利用したF0修正量探索により、適切な素片が見つからない場合にも一貫性の回復を行う。これにより入力文章の想定ドメイン内外に関わらず、音声素片の音質を活かしつつ軍しい高低アクセントで合成できるようになる。