Misc - 西村　竜一

時変モーフィングに基づく歌唱音声の操作と声質および歌い回しの評価について

岡本 恵里香, 和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2010年春季研究発表会講演論文集 ( 日本音響学会 )    pp.463-464   2010年03月

Simplification and extension of non-periodic excitation source representations for high-quality speech manipulation systems

Hideki Kawahara, Masanori Morise, Toru Takahashi, Hideki Banno, Ryuichi Nisimura, Toshio Irino

11TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2010 (INTERSPEECH 2010), VOLS 1-2 ( ISCA-INT SPEECH COMMUNICATION ASSOC )    38 - +   2010年  [査読有り]

　概要を見る

A systematic framework for non-periodic excitation source representation is proposed for high-quality speech manipulation systems such as TANDEM-STRAIGHT, which is basically a channel VOCODER. The proposed method consists of two subsystems for non-periodic components; a colored noise source and an event analyzer/generator. The colored noise source is represented by using a sigmoid model with non-linear level conversion. Two model parameters, boundary frequency and slope parameters, are estimated based on pitch range linear prediction combined with F0 adaptive temporal axis warping and those on the original temporal axis. The event subsystem detects events based on kurtosis of filtered speech signals. The proposed framework provides significant quality improvement for high-quality recorded speech materials.

HIGH-QUALITY AND LIGHT-WEIGHT VOICE TRANSFORMATION ENABLING EXTRAPOLATION WITHOUT PERCEPTUAL AND OBJECTIVE BREAKDOWN

H. Kawahara, R. Nisimura, T. Irino, M. Morise, T. Takahashi, H. Banno

2010 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING ( IEEE )    4818 - 4821   2010年  [査読有り]

　概要を見る

A voice transformation method that only relies on vowel information is proposed. The method is based on empirical cumulative distributions of perceptually relevant spectral distances, which are used to design mapping functions from distance to proximity. A set of operators are optimized in the design phase to implement on-the-fly compilation of executable transformations used in the transformation phase. Proximity of the current input parameters to the speaker's own vowel templates is used in this compilation. The proposed method deforms the source speaker's parameter space using a set of monotonic and continuous mapping functions. This smooth and topology-preserving mapping yields high-quality modification of existing speech resources.

圧縮型ガンマチャープ適合による聴覚フィルタの周波数特性と圧縮特性の推定

下塩 望, 入野 俊夫, 河原 英紀, 西村 竜一

日本音響学会関西支部第12回関西支部若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2009年12月

A bottom-up procedure to extract periodicity structure of voiced sounds and its application to represent and restoration of pathological voices

Hanae Itagaki, Masanori Morise, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proc. MAVEBA09 (6th International Workshop on Models and Analysis of Vocal Emissions for Biomedical Applications)     pp.115-118 - 118   2009年12月  [査読有り]

ウェブ収集発話を対象とした人間と機械の大人・子ども識別能力の比較

宮森 翔子, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12回関西支部若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2009年12月

部分時変モーフィングによる母音情報に注目した歌声の転写実験と評価

岡本 恵里香, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12回関西支部若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2009年12月

TANDEM-STRAIGHTスペクトル包絡推定法の改良及び最適化に関する検討

赤桐 隼人, 浅香 佳希, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12回関西支部若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2009年12月

部分時変モーフィングに基づく歌唱音声の歌い回しの転写実験と評価

和田 芳佳, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12回関西支部若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2009年12月

TANDEM-STRAIGHTに基づく周期構造検出器の性能評価指標と最適化について

板垣 英恵, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2009年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.363-364   2009年09月

Topic-Dependent Language Modeling for VoiceWeb Systems

Kentaro Suzuta, Ryuichi Nisimura, Hideki Kawahara, Toshio Irino

Proc. WESPAC X 2009 (The 10th Western Pacific Acoustics Conference) ( the Acoustical Society of China (ASC), the Institute of Acoustics, Chinese Academy of Sciences (IACAS), )    paper-id: 0223   2009年09月  [査読有り]

声道形状データを利用したTANDEM-STRAIGHTスペクトル包絡推定の最適化に関する検討

赤桐 隼人, 浅香 佳希, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2009年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.391-392   2009年09月

音声Webインタフェースを用いて収集した実環境発話の分析

鈴田 健太郎, 宮森 翔子, 西村 竜一, 河原 英紀, 入野俊夫

日本音響学会2009年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.125-126   2009年09月

二話者の発声した音声に基づく声道長比の推定法と実測された身長比との関係について

河原 英紀, 宮森 翔子, 浅香 佳希, 西村 竜一, 入野 俊夫

日本音響学会2009年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.365-366   2009年09月

大人・子ども発話の自動識別に基づく安心ウェブシステムの検討

宮森 翔子, 西村 竜一, 鈴田 健太郎, 河原 英紀, 入野 俊夫

FIT2009 第8回情報科学技術フォーラム講演論文集 ( 情報処理学会 )    pp.343-344   2009年09月

Vocoder-based morphing tool demonstrations for flexible voice manipulations", AES 14th Regional Convention

Hideki Kawahara, Masanori Morise, Toru Takahashi, Hideki Banno, Ryuichi Nisimura, Toshio Irino

AES 14th Regional Convention     2009年07月  [査読有り]

安心ウェブの実現に向けた大人・子ども発話のネット収集実験

西村 竜一, 宮森 翔子, 鈴田 健太郎, 河原 英紀, 入野 俊夫

情報処理学会研究報告 ( 情報処理学会 )  2009 ( 19 ) 2009-SLP-77-19 - 6   2009年07月

　概要を見る

本研究では，利用者の年齢層を発話音声から自動推定し，子どものアクセスを制限するウェブフィルタリングサービスの開発を目指す．今回，提案システムの実現に向けて，(1) 音声ウェブシステム w3voice を用いた大人・子ども発話のネットワーク収集実験，(2) GMM 音響モデルを用いた若年者自動判別の予備的実験を行った．発話収集の実験では，389 名の被験者の実環境発話 1,109 を集めることに成功した．発話を分析した結果，大人と子どもで，発話内容に異なる言語的傾向があることを確認した．また，GMM 音響モデルを用いた 14 歳以下の子どもの検出実験では正解率 65.9% を得た （大人の検出も含めると正解率 82.6%）．This study aims at developing a voice-based web filtering service to restrict children from the harmful websites. It is based on an automatic estimation of an age group from their voices. To realize it, we have performed (1) a collection of adult and child voices using voice-enabled web system "w3voice", and (2) an experiment of young voice detection on the basis of GMM-based acoustic recognition. In the experiment of the utterance collection, we succeeded in the collection of the 389 testees' real environmental 1,109 utterances. It was confirmed that there was the difference of language tendencies between adults and children as a result of analyzing the utterances. In the experiment on 14-years-old or younger child detection, 65.9% correct rate was obtained.

音声中の複数の繰返し構造の表現とその基本周波数および 非周期性抽出への応用について

板垣 英恵, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

電子情報通信学会技術研究報告 ( 電子情報通信学会 )    vol.109, no.100, EA2009-33   2009年06月

再合成音声の品質に体する音声スペクトル包絡推定法の影響について

赤桐 隼人, 大西 壮登, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

電子情報通信学会技術研究報告 ( 電子情報通信学会 )    vol.109, no.99, SP2009-34   2009年06月

視聴覚統合を利用した非言語的手段による音色知覚の評価について

西田 沙織, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

電子情報通信学会技術研究報告 ( 電子情報通信学会 )  109 ( 100 ) vol.109, no.100, EA2009-26, pp.49-54 - 54   2009年06月

　概要を見る

人間の知覚特性に基づく音の可視化に向けての基礎的検討として、音色を図形の形で表現することを試みる。振幅の時間変化・スペクトル構造の異なる11種類の音と、9種類の図形を用い、どのような音に対してどのような図形が選択されるのか調べる実験を行った。その結果、音のスペクトル構造が周波数軸方向に周期的か非周期的かによって、被験者の回答の傾向がはっきり分かれた。図形に関しては、選択基準となる要因が複雑さや鋭さであることがわかったが、これらは主観的な指標にすぎない。そこで、面積の平方根と輪郭線の長さとの比、円の軌跡からのずれの大きさ、尖度という定量的指標を用いて各図形を分析した。これらの結果と、主観的評価に基づくMDSの結果とを比較したところ、面積の平方根と輪郭線の長さとの比は横軸とほぼ対応しており、尖度は縦軸と一部対応していることがわかった。