Misc - NISIMURA Ryuichi

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   2009.09  [Refereed]

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   2009.09

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   2009.09

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   2009.09

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   2009.09

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     2009.07  [Refereed]

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   2009.07

　View Summary

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   2009.06

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   2009.06

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   2009.06

　View Summary

Perceptually relevant representations of timbre using two dimensional shapes are investigated aiming at establishing a framework for sound visualization based on human perception characteristics. A preference test of matching shapes to sounds was conducted using eleven sound stimuli having different prototypical power spectra and nine shapes. The results indicated that matching shapes were clearly divided into two classes depending on periodicity of the presented sounds. Perceptual correlates of shape selection were seemingly based on complexity and sharpness, while they are only subjectively defined. A set of objective descriptors of shapes based on complex number representation of their contours were introduced for further investigations on physical correlates of MDS results. These investigations indicated that normalized square root of area ratio to contour length and kurtosis have reasonable correlations with MDS axes.

声道長の正規化に基づく簡易モーフィング音声の品質改良について

浅香 佳希, 西田 沙織, 赤桐 隼人, 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 ( 99 ) vol.109, no.99, SP2009-35 - 68   2009.06

Google N-gram を用いたN-gram 確率補完の検討

西村 竜一, 中井 理沙, 鈴田 健太郎, 河原 英紀, 入野 俊夫

日本音響学会2009年春季研究発表会講演論文集     pp.55-56   2009.03

TANDEM-STRAIGHTにおけるスペクトル包絡推定精度の改善について

赤桐 隼人, 森勢 将雅, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2009年春季研究発表会講演論文集     pp.381-382   2009.03

カスタマイズ性を重視した小規模N-gramの融合に関する検討

鈴田 健太郎, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2009年春季研究発表会講演論文集     pp.245-246   2009.03

TANDEM-STRAIGHTおよび時変モーフィングのための研究用インタフェースの開発について

河原 英紀, 森勢 将雅, 高橋 徹, 坂野 秀樹, 西村 竜一, 入野 俊夫

電子情報通信学会技術研究報告 ( 電子情報通信学会 )    vol.108, no.465, SP2008-151, pp.51-56   2009.03

TANDEM-STRAIGHTを用いたF0推定法の最適化及び性能評価 - F0検出器の設計パラメタに関する検討 -

板垣 英恵, 森勢 将雅, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2009年春季研究発表会講演論文集     pp.379-380 - 380   2009.03

声道断面積関数の補間によるモーフィング音声作成について -スペクトル概形の補償法の検討-

浅香 佳希, 大西 壮登, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2009年春季研究発表会講演論文集     pp.425-426   2009.03

Vowel-based voice conversion and its application to singing-voice manipulation

Yuri Yoshida, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proc. AES 35th International Conference Audio for Games     2009.02  [Refereed]

視聴覚統合における刺激音の時間-周波数的特徴と視覚刺激の形状特徴の検討-人間の知覚特性に基づく音楽の可視化システムに向けて-

西田沙織,森勢将雅,西村竜一,入野俊夫,河原英紀

情報処理学会研究報告, 2009-MUS-79-13 ( Information Processing Society of Japan (IPSJ) )  2009 ( 13 ) 65 - 70   2009.02

　View Summary

An audio-visual integration test was conducted to investigate innate correspondence between sounds and shapes. Seven typical sound stimuli including periodic sounds and aperiodic sounds as well as musical instrumental sounds were presented followed by a pair of shapes. Subjects were asked to select one of shape that fit better with the preceding sound stimulus. MDS analyses of the results suggested that there seem to exist a common perceptual structure between vision and audition.

A WEB-BASED MULTILINGUAL UTTERANCE COLLECTION SYSTEM FOR THE MEDICAL FIELD

Takashi Yoshino, Taku Fukushima, Ryuichi Nisimura

WEBIST 2009: PROCEEDINGS OF THE FIFTH INTERNATIONAL CONFERENCE ON WEB INFORMATION SYSTEMS AND TECHNOLOGIES ( INSTICC-INST SYST TECHNOLOGIES INFORMATION CONTROL & COMMUNICATION )    370 - 375   2009  [Refereed]

　View Summary

We have developed a web-based multilingual utterance collection system, named OTOCKER, for the medical field. The purpose of OTOCKER is to act as a voice data collection platform for intercultural communication. Although speech synthesis systems have improved significantly, fluent and smooth speech synthesis is still a problem. Currently, it is difficult to synthesize speech in different languages. In the medical field, in particular, it is important that the intended meaning of spoken words be conveyed effectively along with the different nuances. Therefore, we use an utterance collection system that collects peoplefs voices directly. The limitations of this system are (1) an insufficient number of correct sentences pertaining to the medical field and (2) that easy participation in both voice record and collection are difficult. We can solve the first problem by using a system that collects parallel medical texts. The second problem can be solved by using w3voice - web-based voice-recording system. This system can run only on a web browser. This paper presents the design of OTOCKER, its prototype, and the results of its trial.