Misc - NISIMURA Ryuichi

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   2008.03

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   2008.03

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   2008.03

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   2008.03

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   2008.03

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 ( Information Processing Society of Japan (IPSJ) )  2008 ( 12 ) 2008-MUS-74-3 / 2008-SLP-70-3 - 18   2008.02

　View Summary

A reformulation of STRAIGHT FO extractor based on a new power spectrum estimation method for periodic signals called TANDEM made it practical to extract whole FO 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. FO extraction issues caused by fast FO 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 ( Information Processing Society of Japan (IPSJ) )  2008 ( 12 ) 2008-MUS-74-11 / 2008-SLP-70-11 - 66   2008.02

　View Summary

Toward further progresses of researches in the field of music information processing and spoken language processing, we introduce case studies of demonstrations.

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  [Refereed]

　View Summary

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.

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  [Refereed]

　View Summary

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.

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  [Refereed]

　View Summary

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.

TANDEM-STRAIGHTに基づく基本周波数の抽出と評価について

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

情報処理学会研究報告   107   2007-SLP-69-45 - 264   2007.12

分析位置に依存しない周期信号のパワースペクトル推定法に基づく音声分変換合成法STRAIGHTの再構成について

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

電子情報通信学会第22回信号処理シンポジウム     pp.310-315   2007.11

医療分野を対象とした多言語発話収集WebシステムOTOCKERの開発

福島 拓, 宮部 真衣, 吉野 孝, 西村 竜一, 重野 亜久里

電子情報通信学会技術研究報告     AI2007-14   2007.11

音声入力・認識機能を有するWebシステムw3voiceの開発と運用

西村 竜一, 三宅 純平, 河原 英紀, 入野 俊夫

情報処理学会研究報告     2007-SLP-68-3   2007.10

音声入力機能を有する対話型Webアプリケーションの公開試験

西村 竜一, 三宅 純平, 河原 英紀, 入野 俊夫

情報科学技術フォーラム一般論文(FIT2007)     7F-1   2007.09

STRAIGHTにおける時間周波数分布の新しい定式化と実装について

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

日本音響学会2007年秋季研究発表会講演論文集     2007.09

音声入力Webシステムを用いた辞書共有型音声認識サービス

西村 竜一

日本音響学会2007年秋季研究発表会講演論文集     2007.09

病院受付における多言語間コミュニケーション支援システムM3の開発

宮部 真衣, 吉野 孝, 西村 竜一

マルチメディア,分散,協調とモバイル(DICOMO2007)シンポジウム論文集     355-363   2007.07  [Refereed]

時間方向および周波数方向の終期性の影響を除去した周期信号のパワースペクトル表現について - STRAIGHTスペクトル推定の無調整化に向けて -

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

電子情報通信学会技術研究報告     SP2007-26   2007.06

音声テクスチャーマッピングに基く変換関数を利用した音声モーフィングの自動化について

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

電子情報通信学会技術研究報告 ( The Institute of Electronics, Information and Communication Engineers )  107 ( 77 ) SP2007-6 - 34   2007.05

　View Summary

A general framework for speech morphing is proposed based on a concept called speech texture mapping. The proposed method eliminates anchoring point assignment that is a severe obstacle for adopting STRAIGHT-based morphing to wide range of applications. Instead of using anchoring points to design the frequency axis mapping, proximity to prototypical spectrum templates are used to calculate weighting coefficients for mixing prototypical mapping functions. This framework is an extension of our previous vowel based speech conversion method. Discussions on several alternative temporal axis alignment methods are presented how the proposed frequency axis design procedure is integrated into a morphing procedure that does not rely on anchoring point assignment.