音素別ニューラルネットワークを用いた調音－音響マッピング－パラメータ学習法の検討

摘要

本論では，発話内容に関する音素情報と，唇，顎，舌，軟口蓋等の調音器官の運動軌道から，声道スペクトル特性を推定する方法について述べる．本推定法では，音素別に構成されたニューラルネットワークによる調音－音響マッピング関数を用いる．音素環境により選択される音素別ニューラルネットワークに調音位置を入力すると，音素依存スペクトルが出力され，調音次元での距離に基づいて連続する音素間でそれらを補間することで，最終的な声道スペクトル特性が推定きれる．学習時には，音素依存スペクトルの補間を考慮し，各音素の調音時点のデータに加えて，調音時点間に存在するデータもパラメータの学習に用いる．本推定法によるスペクトル推定実験を行った結果，スペクトル歪は3.15dBとなった．