短遅延素片選択におけるビーム幅制御の検討

摘要

素片接続型音声合成システムにおいて短遅延時間の音声合成を実現するため、ビームサーチにおけるビーム幅の制御手法を導入する。先行研究において幅優先探索に基づく短遅延素片選択アルゴリズムが検討されたが、そこでは、素片選択処理は常に実時間で行われ、仮説展開の深さは常に一定であると仮定していた。しかし、仮説展開が浅い場合はビーム幅を大きくしてもその効果は小さく、むしろ仮説が深い方が、より良い索片選択結果を得ることができる。 従って、ビーム幅を小さくすることで実時間よりもさらに高速な素片選択を行い、仮説の探さを徐々に深くしていく方法が考えられる。 本研究では、女声13時間の音声コーパスから構築した音声索片デ夕べ－スを用い、各時刻において考慮する索片候補数を500、ビームサーチのビーム幅を200として素片選択を行う場合について検討した。 そして、初期遅延時間が200ェ11SeCの場合について、決定索片から800msec先まで仮説が展開されるまではビーム幅を200より小さいある一定値とする、という制御を行ったところ、その最適な場合において、従来方法による索片選択結果に近いコスト値の索片選択結果が得られた。