音声の構造的表象を用いた未観測調音運動の推定法の検討

摘要

本稿では、音声の構造的表象を用いた未観測調音運動の推定法について報告する。本稿で対象とする未観測調音運動とは、当該発話者にとって困難な調音運動であり、発音トレーニングにおいて当該話者を学習者とすれば、教師役などへの応用が期待できる。しかし、未観測調音運動は当該話者の発声が存在しないため、調音観測システムを用いた測定や従来の音声-調音マッピングによる推定が困難である。そこで、本稿では音声の構造的表象を利用した推定法を提案する。音声の構造的表象とは、各音響事象を分布として表現し、その分布間距離によって全事象群を構造的に表現したものである。音声の構造的表象は、音声から身体性などの非言語的特徴を削ぎ落とし、言語的な特徴のみを表現することを狙ったものである。提案手法では、未観測調音運動を含む音響事象群から構成される構造的表象を、他の話者（構造提供話者）から抽出する。そして、その構造的表象を拘束条件として、その条件を満たす音響事象を与える調音運動を発話者の調音空間において探索する。このとき、拘束条件となる構造的表象は、音響空間内で定義されるのに対して、探索対象は調音空間に存在する。そこで、調音空間と音響空間の橋渡しとして調音-音声マッピングを用い、調音運動を音声に翻訳しながら探索を行う。英語の短母音を対象とした推定実験を行った結果、平均誤差1.02mmの精度を得た。