高品質音声合成のためのピッチ同期帯域群遅延ボコーダ

摘要

統計モデルに基づく高品質音声合成を実現するため、音声波形を精密に再現する音声分析手法および、波形生成手法を提案する。提案法は、ピッチ同期分析に基づいており、各ピッチマークにおけるパワースペクトル·非周期成分指標、ピッチ、および位相スペクトルをそれぞれメルLSP（線スペクトル対）、帯域雑音強度、対数基本周波数および、新たに提案する帯域群遅延パラメータにより表現する。提案する帯域群遅延パラメータは各帯域の平均時間を表し、境界周波数において位相を再現する補正パラメータと共に位相スペクトルを表現する。さらに時間領域の音源生成処理およびフィルタによる、位相を付与した音声波形を高速に生成可能なボコーダを提案する。主観評価および客観評価により、分析元のピッチ波形を高精度に再現できる事を示す。