HMM音声合成における共分散パラメータの共有に関する検討

摘要

本報告では隠れマルコフモデル(Hidden Markov Model; HMM)に基づく音声合成システムにおける共分散パラメータの共有について述べる．近年，音声合成システムへの需要が高まっており，HMMに基づいた音声合成システムでは音声波形の断片をそのまま利用するのではなく，音声波形の特徴をHMMによりモデル化し，HMMのモデルパラメータを合成システムに保持するため，同程度の音質の波形接続法式に比べてフットプリントが小さい利点がある．中でも組み込み向けのシステムには携帯電話，PDA，カーナビ，情報家電，ゲーム機等への用途があるが，必要なCPU，メモリ等が制限されることが多く，更なるフットプリントの縮小が必要である．HMMに基づく音声合成システムにコンテキスト依存モデルを用いることで高精度な音響モデルを構築することができ，決定木に基づくコンテキストクラスタリングを用いて状態共有構造を構築する際に，組み込み用途向けに決定木のサイズを小さくすることも考えられるが，音質が劣化する．本報告では，平均に比べて共分散が音質に与える影響が小さいことに注目し，全てのパラメータの共分散を共有する手法を提案する．このパラメータ共有を仮定した上でのコンテキストクラスタリングを行い，主観評価実験により，パラメータ数を大幅に削減するのみならず，若干の品質改善を達成した．