線形2次系を利用した歌声のFOダイナミクスの統計的モデル化と分析

摘要

本報告では，歌声の基本周波数（F0）系列に含まれる，ビブラートやオーバーシュートのような動的変動成分（ダイナミクス）を統計的にモデル化する手法とそのモデルパラメータ推定に関する新しい解法を提案する．従来，線形2次系を利用してF0のダイナミクスをモデル化する試みがなされてきたが，自動的かつ正確にパラメータを推定することは難しかった．そこで，本稿ではモデルの自由度を効果的に下げる目的で，2次系のインパルス応答をあらかじめ用意したいくつかの振動基底の疎（スパース）な線形和によって表現し，2次系に基づく歌声のF0生成過程を完全に確率モデルとして記述する．そして，EM法と補助関数法に基づいて，効率的なパラメータ最適化アルゴリズムを導出する．評価実験では，モデルパラメータの推定性能を従来法と比較し，さらに推定されたパラメータの歌唱者ごとの違いから歌唱スタイル·歌唱力の違いについて分析する．