インタラクティブな声質変換システムの構築

摘要

本稿では自然発話の声質を制御するシステムを提案する。 まず目標の話者から日本語の発話に必要な一通りの音節または母音を収録し、スペクトログラムに変換して保持しておく。 そして声質を変換させる入力音声をスペグトログラムに変換し、音節または母音ごとにターゲット話者のスペグトログラムに入れ替えて音声合成することで、声質が変換された音声を出力する。 この音節交換と母音交換による合成音声は、入力音声のイントネーションを維持している。 これら2手法による出力音声の個人性は、ほぼ同程度であることが主観評価実験によって明らかになった。 よって特に母音のみの交換による声質変換法は、比較的小さなデータベースでの声質変換を可能にすると考えられる。