音声セグメントを考慮したSTRAIGHTスペクトログラムの非負値行列因子分解

摘要

本稿では，STRAIGHTにおけるスペクトログラムの圧縮のための音声のセグメントに着目した非負値行列因子分解の新しい枠組みを提案する．非負値行列因子分解は，非負値制約を用いて行列を分解する手法であり，初期値の設走手法や制約条件により分解された行列に特徴を持たせることができる．しかし，非負値行列因子分解を例えば一文の音声のスペクトログラム全体に適用した場合，スペクトログラム全体での因子分解の誤差最小化を行うため，音素によってスペクトルのレベルが高い場合，その音素に重みが偏ってしまう．レベルが高いスペクトルはよく近似できるが，レベルが低いスペクトルは重みが偏ってしまうことで最適な値に近似できない可能性がある．そこで，音声セグメントの特徴に基づいてクラスタ化し，クラスタごとに最適な基底スペクトルを定めスペクトログラムをモデル化する．