Misc - 西村　竜一

音声認識Webシステムにおける単語辞書構築技術

西村 竜一, 鈴田 健太郎, 河原 英紀, 入野 俊夫

日本音響学会2008年秋季研究発表会講演論文集     pp.197-198   2008年09月

ウェブ上の言語知識を利用した音声認識用単語辞書の更新手法

鈴田 健太郎, 西村 竜一, 河原 英紀, 入野 俊夫

FIT2008 第7回情報科学技術フォーラム講演論文集(一般論文)     pp.189-190   2008年09月

零周波数フィルタ信号に基づく基本周波数抽出法のTANDEM-STRAIGHTへの応用について

河原 英紀, 森勢 将雅, 坂野 秀樹, 高橋 徹, 板垣 英恵, 大西 壮登, 西村 竜一

情報処理学会研究報告     2008-MUS-76-17   2008年08月

A temporally stable representation of power spectra of periodic signals and its application to F0 and periodicity estimation

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

Acoustics'08 Paris     IpSCc24   2008年07月  [査読有り]

A unified approach for F0 extraction and aperiodicity estimation based on a temporally stable power spectral representation

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

ISCA Tutorial and Research Workshop (ITRW) on "Speech Analysis and Processing for Knowledge Discovery"     2008年06月  [査読有り]

TANDEM-STRAIGHTによるスペクトル包絡の近似精度の改善について ～基本周波数により定まるNyquist周波数以上の空間周波数成分の復元について～

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   108 ( 116 ) SP2008-23, pp.19-24 - 24   2008年06月

STRAIGHTを用いた簡易モーフィングによる印象変化の評価について

西田 沙織, 大西 壮登, 吉田 有里, 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     2008-HCI-128-8/2008-MUS-75-8, pp.43-48   2008年05月

STRAIGHTに基づく柔軟な音声合成技術の開発

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

情報処理学会第70回全国大会講演論文集     4L-5, vol.5, pp.357-358   2008年03月

TANDEM およびSTRAIGHT スペクトルに基づく基本周波数および非周期性の表現について

河原 英紀,森勢 将雅,高橋 徹,西村 竜一,坂野 秀樹,入野 俊夫

日本音響学会2008年春季研究発表会講演論文集     pp.563-564 - 564   2008年03月

音声入力Webシステムによる音声認識アプリケーションの構築技術

西村 竜一, 三宅 純平, 河原 英紀, 入野 俊夫

情報処理学会第70回全国大会講演論文集     3L-5, vol.5, pp.343-344   2008年03月

Web知識を二段階利用した単語辞書の更新手法

鈴田 健太郎, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2008年春季研究発表会講演論文集     pp.123-124   2008年03月

音声情報案内システム「たけまるくん」の運用

鹿野 清宏, Tobias Cincarek, 竹内 翔大, 川波 弘道, 李 晃伸, 西村竜一, 猿渡 洋

情報処理学会第70回全国大会講演論文集     3L-1, vol.5, pp.335-336   2008年03月

多言語発話収集Web システムの構築と医療対話支援システムへの応用

吉野 孝, 宮部 真衣,福島 拓,西村 竜一, 重野 亜久里

日本音響学会2008年春季研究発表会講演論文集     pp.463-466   2008年03月

音声入力Web システムw3voice における音声認識手法の検討

西村 竜一, 三宅 純平, 河原 英紀,入野 俊夫

日本音響学会2008年春季研究発表会講演論文集     pp.51-52   2008年03月

リアルタイムSTRAIGHTの改良とSTRAIGHTライブラリの実装

坂野 秀樹, 森勢 将雅, 高橋 徹, 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     SP2007-213, pp.157-162   2008年03月

ポップス系歌唱音声における基本周波数軌跡の楽譜からの変位について

吉田 有里, 森勢 将雅, 高橋 徹, 西村 竜一, 入野 俊夫, 河原 英紀

情報処理学会研究報告 ( 一般社団法人情報処理学会 )  2008 ( 12 ) 2008-MUS-74-3 / 2008-SLP-70-3 - 18   2008年02月

　概要を見る

STRAIGHTの基本周波数抽出法を、周期信号用の新しいパワースペクトル推定法であるTANDEMを用いて再構成することにより、長時間の歌唱音声を容易に扱うことができるようになった。ここでは、実際のプロ歌手による様々な演奏スタイルの歌唱音声の基本周波数軌跡を求め、演奏スタイルによる物理特性の変化を、規範となる楽譜からの変位として調べた。また、歌唱音声に顕著に認められる大きな周波数遷移での基本周波数推定の問題について検討した。A reformulation of STRAIGHT F0 extractor based on a new power spectrum estimation method for periodic signals called TANDEM made it practical to extract whole F0 trajectory of a singing voice of an actual performance. This article reports a first attempt for representing effects of singing style in terms of deviations from a nominal musical transcription, using a singing database that consists of various types of singing performance played by professional pop singers. F0 extraction issues caused by fast F0 transitions commonly found in singing voices are also discussed.

(特別企画)デモンストレーション: 音楽・音声言語情報処理の研究紹介

西村 竜一, 伊藤 丈一, 内村 佳典, 川添 正人, 剣持 秀紀, 浜中 雅俊, 宮本 賢一, 梅本 暁, 森勢 将雅, 中野 倫靖, 大石康智, 高橋 量衛, 野池 賢二, 戸田 智基, 梶 克彦

情報処理学会研究報告 ( 一般社団法人情報処理学会 )  2008 ( 12 ) 2008-MUS-74-11 / 2008-SLP-70-11 - 66   2008年02月

　概要を見る

本デモセッションでは，音楽・音声言語情報処理に関する研究分野の発展に向けて，研究事例をデモンストレーション形式で紹介する．Toward further progresses of researches in the field of music information processing and spoken language processing, we introduce case studies of demonstrations.

SPEECH-TO-TEXT INPUT METHOD FOR WEB SYSTEM USING JAVASCRIPT

Ryuichi Nisimura, Jumpei Miyake, Hideki Kawahara, Toshio Irino

2008 IEEE WORKSHOP ON SPOKEN LANGUAGE TECHNOLOGY: SLT 2008, PROCEEDINGS ( IEEE )    209 - +   2008年  [査読有り]

　概要を見る

We have developed a speech-to-text input method for web systems. The system is provided as a JavaScript library including an Ajax-like mechanism based on a Java applet, CGI programs, and dynamic HTML documents. It allows users to access voice-enabled web pages without requiring special browsers. Web developers can embed it on their web page by inserting only one line in the header field of an HTML document. This study also aims at observing natural spoken interactions in personal environments. We have succeeded in collecting 4,003 inputs during a period of seven months via our public Japanese ASR server. In order to cover out-of-vocabulary words to cope with some proper nouns, a web page to register new words into the language model are developed. As a result, we could obtain an improvement of 0.8% in the recognition accuracy. With regard to the acoustical conditions, an SNR of 25.3 dB was observed.

Tandem-straight: A temporally stable power spectral representation for periodic signals and applications to interference-free spectrum, F0, and aperiodicity estimation

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

2008 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING, VOLS 1-12 ( IEEE )    3933 - +   2008年  [査読有り]

　概要を見る

A simple new method for estimating temporally stable power spectra is introduced to provide a unified basis for computing an interference-free spectrum, the fundamental frequency (F0), as well as aperiodicity estimation. F0 adaptive spectral smoothing and cepstral liftering based on consistent sampling theory are employed for interference-free spectral estimation. A perturbation spectrum, calculated from temporally stable power and interference-free spectra, provides the basis for both F0 and aperiodicity estimation. The proposed approach eliminates ad-hoc parameter tuning and the heavy demand on computational power, from which STRAIGHT has suffered in the past.

Spectral Envelope Recovery beyond the Nyquist Limit for High-Quality Manipulation of Speech Sounds

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

INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5 ( ISCA-INT SPEECH COMMUNICATION ASSOC )    650 - 653   2008年  [査読有り]

　概要を見る

A simple new method to recover details in a spectral envelope is proposed based on a recently introduced speech analysis, modification and resynthesis framework called TANDEM-STRAIGHT. Spectral envelope recovery of voiced sounds is a discrete-to-analog conversion in the frequency domain. However, there is a fundamental problem because the spatial frequency contents of vocal tract functions generally exceed the Nyquist limit of the equivalent sampling rate determined by the fundamental frequency. TANDEM-STRAIGHT yields a method to recover a spectral envelope based on the consistent sampling theory and provides base information for exceeding this limit. At the final stage, the AR spectral envelope estimated from the TANDEM-STRAIGHT spectrum is divided by the F0 adaptively smoothed version of itself to supply the missing high-spatial-frequency details of the envelope. The underlying principle of the proposed method can also be applied to other speech synthesis frameworks.