調音特徴-声道音響パラメータ変換を用いた調音特徴HMM音声合成

摘要

音声認識と合成を共通の調音特徴の時間変化モデルを用いて実現するシステムの開発を行っている。この方式は，音声から調音特徴を抽出することにより，調音特徴の時間変化を表現するHMMを構築する。本論文では音声合成に焦点をあて，HMMが生成する調音特徴系列を声道音響パラメータに変換した後，LSPディジタルフィルタで駆動音源と組み合わせて音声信号を得る方式を提案する。提案方式は，話者不変量である調音特徴の時間変化をHMMで表現するとともに，調音特徴から声道音響パラメータへの変換を特定の話者に対応した MLNで実現することにより，両者を独立モジュールとして実装するため，少量の音声試料で特定話者の音声を合成できる可能性がある。評価実験では，MOSテスト，及びスペクトルひずみから合成音の品質を評価し，提案手法の有効性を示す。