テキスト音声合成に対する大規模コンテキストの利用に関する一考察

摘要

発話様式や口調を動的に制御して躍動感のあるテキスト音声合成を実現するためには、従来のコンテキスト情報に加え、パラ言語情報などを含む大量の情報をもとに韻律制御値の推定が必要になると考えられる。 本報告で早ま、このような大量のコンテキスト情報から安定して精度良く韻律制御値を推定する新たな方法を提案する。 また、アクセント句の最大F0周波数の推定に本方法を適用した結果を報告する。