研究者詳細 - 西村　竜一

論文 - 西村　竜一

分割表示16 件中 1 - 16 件目／全件表示 >>

声道形状と声帯音源特性の操作に基づいたグロウル系歌唱の印象付与法

溝渕翔平, 西村竜一, 松井淑恵, 入野俊夫, 河原英紀

電子情報通信学会論文誌 Vol.J99-D, No.3 283-292 2016年03月 [査読有り]

森本隆司, 入野俊夫, 西村竜一, 河原英紀

日本音響学会誌 ( 一般社団法人日本音響学会 ) Vol.70, No.11 ( 11 ) pp.578-588 - 588 2014年11月 [査読有り]

模擬難聴を実現する一手段として劣化音声を用いることが考えられている。日常会話における聴取特性を調べたい場合,単音節ではなく単語以上の単位の音声を使うことが望ましい。しかし,音声発話に伴う調音や韻律の連続性や心的辞書内のモーラ遷移情報がどの程度結果に影響しているか分かっていない。そこで本研究では,単語了解度試験用リストFW03中の低親密度単語の劣化音声における音響的な連続性やモーラ遷移情報の影響を評価することを試みた。まず,自然発話単語の劣化音声の聴取実験の結果と対比するために,単音節を有意味あるいは無意味に並ぶようにした単音節系列劣化音声を用いた聴取実験を行った。更に,自動音声認識器を用いて自然発話単語における劣化音声の認識実験を行い,人間の聴取実験結果と対比して考察した。この結果,人間でも自動音声認識器で抽出可能な音響的な連続性やモーラ遷移情報に支えられて劣化音声を認識していることが示唆された。

Automatic scoring method for open answer task in the SJ-CAT speaking test considering utterance difficulty level.

Hao Lu, Takeshi Yamada, Shingo Imai, Takahiro Shinozaki, Ryuichi Nisimura, Kenkichi Ishizuka, Shoji Makino, Nobuhiko Kitawaki

Asia-Pacific Signal and Information Processing Association Annual Summit and Conference(APSIPA) ( IEEE ) 1 - 5 2014年

DOI

Controlling "shout" expression in a Japanese POP singing performance: analysis and suppression study

Yuri Nishigaki, Ken-Ichi Sakakibara, Masanori Morise, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

14TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2013), VOLS 1-5 ( ISCA-INT SPEECH COMMUNICATION ASSOC ) 2904 - 2908 2013年 [査読有り]

Degree of "shout" singing performance is effectively controlled by combining global spectral shape equalization, peak cancellation in frequency modulation spectrum of FO trajectory, and synchronized shape-modulation of voice spectral envelope. This "shout-reduction" processing is based on a symmetry based FO extractor with fine temporal resolution, a temporally stable representation of instantaneous frequency of periodic signals, and the TANDEM-STRAIGHT, a speech analysis, modification and resynthesis framework. The proposed procedure successfully converted an expressive Japanese POP song performance with "shout" into a plain performance without damaging original naturalness. Possibility of adding artificial "shout" to plain performance is also discussed.

Controlling linguistic information and filtered sound identity for a new cross-synthesis vocoder

Taiki Nishi, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Acoustical Science and Technology 34 ( 4 ) 287 - 288 2013年 [査読有り]

A study was conducted to propose a new cross-synthesis framework based on an interference-free representation of a power spectrum combined with normalization and modulation transfer function design for spectral envelope preprocessing of speech sounds. The proposed cross-synthesis enabled control of the linguistic information and the timbre identity. The spectral envelope of speech was extracted in the proposed method using a F0-adaptive procedure called TANDEM-STRAIGHT. It was demonstrated that the procedure effectively removed interference caused by periodic excitation from the spectrogram of the speech and yielded a smooth representation. A two-staged procedure was also introduced to remove the timbre-modifying components from the speech spectral envelope. The primary procedure involved the approximation of the global spectral shape and the secondary one was the filtering of temporal modulations.

DOI

Beyond bandlimited sampling of speech spectral envelope imposed by the harmonic structure of voiced sounds

Hideki Kawahara, Masanori Morise, Tomoki Toda, Ryuichi Nisimura, Toshio Irino

14TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2013), VOLS 1-5 ( ISCA-INT SPEECH COMMUNICATION ASSOC ) 34 - 38 2013年 [査読有り]

A new spectral envelope estimation procedure is proposed to recover details beyond band limitation imposed by the Shannon's sampling theory when interpreting periodic excitation of voiced sounds as the sampling operation in the frequency domain. The proposed procedure is a hybrid of STRAIGHT, a FO-adaptive spectral envelope estimation and the auto regressive model parameter estimation. Wavelet analyses of these spectral models on the frequency domain enabled objective evaluation of this recovery procedure. The proposed procedure provides better speech quality especially when parameter manipulation is introduced.

Accurate Estimation of Compression in Simultaneous Masking Enables the Simulation of Hearing Impairment for Normal-Hearing Listeners

Toshio Irino, Tomofumi Fukawatase, Makoto Sakaguchi, Ryuichi Nisimura, Hideki Kawahara, Roy D. Patterson

BASIC ASPECTS OF HEARING: PHYSIOLOGY AND PERCEPTION ( SPRINGER ) 787 73 - 80 2013年 [査読有り]

This chapter presents a unified gammachirp framework for estimating cochlear compression and synthesizing sounds with inverse compression that cancels the compression of a normal-hearing (NH) listener to simulate the experience of a hearing-impaired (HI) listener. The compressive gammachirp (cGC) filter was fitted to notched-noise masking data to derive level-dependent filter shapes and the cochlear compression function (e.g., Patterson et al., J Acoust Soc Am 114:1529-1542, 2003). The procedure is based on the analysis/synthesis technique of Irino and Patterson (IEEE Trans Audio Speech Lang Process 14:2222-2232, 2006) using a dynamic cGC filterbank (dcGC-FB). The level dependency of the dcGC-FB can be reversed to produce inverse compression and resynthesize sounds in a form that cancels the compression applied by the auditory system of the NH listener. The chapter shows that the estimation of compression in simultaneous masking is improved if the notched-noise procedure for the derivation of auditory filter shape includes noise bands with different levels. Since both the estimation and resynthesis are performed within the gammachirp framework, it is possible for a specific NH listener to experience the loss of a specific HI listener.

DOI

10年間の長期運用を支えた音声情報案内システム「たけまるくん」の技術

西村竜一, 原直, 川波弘道, 李晃伸, 鹿野清宏

人工知能学会誌 28 ( 1 ) 52 - 59 2012年 [査読有り]

Evaluation of voice morphing using vocal tract length normalization based on auditory filterbank

Okamoto Erika, Irino Toshio, Nisimura Ryuichi

Journal of Signal Processing ( 〔信号処理学会〕 ) 15 ( 4 ) 283 - 286 2011年07月 [査読有り]

ユーザ負担のない話者・環境適応性を実現する自然な音声対話処理技術の総合開発(総合報告)

鹿野清宏, 武田一哉, 河原達也, 河原英紀, 猿渡洋, 徳田恵一, 李晃伸, 川波弘道, 西村竜一, GOMEZ Randy, 戸田智基, 西浦敬信, 高橋徹, 坂野秀樹, 全炳河

電子情報通信学会誌 ( 社団法人電子情報通信学会 ) 92 ( 6 ) 475 - 491 2009年06月 [招待有り]

ITの急速な普及に伴い,だれもが容易に情報にアクセスできる手段として,人と機械との自然な音声対話の実現が望まれている.2003年度から5年間,文部科学省のリーディングプロジェクトとして「e-Society基盤ソフトウェアの総合開発」が実施され,その一環として音声認識・合成技術を本格的に普及利用させるための頑健かつ高精度な音声認識・合成基盤ソフトウェアを開発する本プロジェクト研究が実施された.本稿では,大語彙連続音声認識プログラム,話者環境適応プログラム,ハンズフリー音声認識・電話プログラム,更にハンズフリー音声収録DSP,大語彙連続音声認識プログラムのマイコンへの実装,多様な音声を合成可能な音声合成プログラムの開発など,プロジェクトで得られた成果を概説する.

Development, long-term operation and portability of a real-environment speech-oriented guidance system

Tobias Cincarek, Hiromichi Kawanami, Ryuichi Nisimura, Akinobu Lee, Hiroshi Saruwatari, Kiyohiro Shikano

IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS ( IEICE-INST ELECTRONICS INFORMATION COMMUNICATIONS ENG ) E91D ( 3 ) 576 - 587 2008年03月 [査読有り]

In this paper, the development, long-term operation and portability of a practical ASR application in a real environment is investigated. The target application is a speech-oriented guidance system installed at the local community center. The system has been exposed to ordinary people since November 2002. More than 300 hours or more than 700,000 inputs have been collected during four years. The outcome is a rare example of a large scale real-environment speech database. A simulation experiment is carried out with this database to investigate how the system's performance improves during the first two years of operation. The purpose is to determine empirically the amount of real-environment data which has to be prepared to build a system with reasonable speech recognition performance and response accuracy. Furthermore, the relative importance of developing the main system components, i.e. speech recognizer and the response generation module, is assessed. Although depending on the system's modeling capacities and domain complexity, experimental results show that overall performance stagnates after employing about 10-15 k utterances for training the acoustic model, 40-50 k utterances for training the language model and 40 k-50 k utterances for compiling the question and answer database. The Q&A database was most important for improving the system's response accuracy. Finally, the portability of the well-trained first system prototype for a different environment, a local subway station is investigated. Since collection and preparation of large amounts of real data is impractical in general, only one month of data from the new environment is employed for system adaptation. While the speech recognition component of the first prototype has a high degree of portability, the response accuracy is lower than in the first environment. The main reason is a domain difference between the two systems, since they are installed in different environments. This implicates that it is imperative to take the behavior of users under real conditions into account to build a system with high user satisfaction.

DOI

[解説] ロボットにおける音声認識技術

李晃伸, 西村竜一

計測と制御 46 ( 6 ) 441 - 446 2007年06月 [査読有り]

Deploying a speech-based information system as a research platform for speech recognition research in real environments

Ryuichi Nisimura, Yohei Nishihara, Ryosuke Tsurumi, Akinobu Lee, Hiroshi Saruwatari, Kiyohiro Shikano

Electronics and Communications in Japan (Part II: Electronics) 88 ( 12 ) 43 - 54 2005年11月

実環境研究プラットホームとしての音声情報案内システムの運用

西村竜一, 西原洋平, 鶴身玲典, 李晃伸, 猿渡洋, 鹿野清宏

電子情報通信学会論文誌 ( 電子情報通信学会 ) J87-D-II ( 3 ) 789 - 798 2004年03月 [査読有り]

実環境下での音声インタフェースの研究プラットホームとして,生駒市北コミュニティセンターの音声情報案内システム「たけまるくん」を開発した.本システムは,大語彙連続音声認識を基礎とする一問一答形式の音声インタフェースをもち,同センターや生駒市に関する受付案内を可能とする.システムはセンターのエントランスに常設され,開館時は誰でも自由にエージェントとのコミュニケーションを楽しむことができる.ユーザとシステムとのインタラクションの観察を目的とした5か月間にわたる本システムのフィールドテストを実施し,ユーザによる発話ログの収集を行った.本論文では,はじめに音声インタフェース部を中心に本システムの構成について説明する.フィールドテストの結果,男女幅広い年齢層のユーザによる発話を含む約1,362分の音声データを収集した.その分析の結果から,大人と子供で発話内容の傾向に違いはあるが,本システムは有効に利用されていることを示す.実験では,実際のユーザ発話によるベースラインの認識性能の評価を行い,大人に対して86%の単語認識率と76%の応答正解率を得ることができた.しかし,子供のユーザに対する精度が十分でないなど,音声インタフェースの実用化に向けて多くの課題が残されていることを確認した.

相補的バックオフを用いた言語モデル融合ツールの構築

長友健太郎, 西村竜一, 小松久美子, 黒田由香, 李晃伸, 猿渡洋, 鹿野清宏

情報処理学会論文誌 43 ( 9 ) 2884 - 2893 2002年09月 [査読有り]

Webベースコースウェアのための音声入力システムの開発

西村竜一, 梶田将司, 武田一哉, 板倉文忠, 鹿野清宏 (担当区分：筆頭著者 )

情報処理学会論文誌, Vol.42, No.3 42 ( 3 ) 605 - 613 2001年03月 [査読有り]

　前のページ-次のページ　

<西村 竜一>

論文 - 西村 竜一

<西村　竜一>

論文 - 西村　竜一