差分スペクトル補正に基づく歌声声質変換のためのF_0変換の評価

摘要

本報告では，入力歌手の声質を目標歌手の声質へと変換する統計的手法に基づく歌声声質変換（SVC：Singing Voice Conversion）において，差分スペクトル補正に基づく異性間のSVCを提案する．SVCは，入力歌手と目標歌手の音響特徴量の対応関係をモデル化する事で，入力歌手から目標歌手への声質変換を実現する．変換された音響特徴量から変換歌声を生成する際に，ボコーダが用いられるが，音源生成処理における分析·合成誤差などにより，変換歌声の自然性は自然歌声に比べて著しく劣化する傾向がある．これに対し，同性間の歌声変換処理においては，多くの場合音高変換を必要としない点に着目し，入力歌声の音源波形を直接用いて変換歌声を生成する差分スペクトル補正に基づくSVC（差分SVC）を提案し，自然性を改善できることを示した．本報告では，音高変換を必要とする異性間の歌声変換に対しても差分SVCを適用するために，残差波形の加工処理に基づく音源波形のF_0変換を導入する．評価実験より，提案法は，異性間のSVCにおいて，ボコーダーを用いる従来のSVCと比較し，同等の個人性変換精度を保ちつつ自然性を改善できる事を示す．