Misc - NISIMURA Ryuichi

Excitation source design for high-quality speech manipulation systems based on a temporally static group delay representation of periodic signals

Hideki Kawahara, Masanori Morise,TomokiToda, Hideki Banno, Ryuichi Nisimura, Toshio Irino

APSIPA ASC 2014 ( The Asia-Pacific Signal and Information Processing Association (APSIPA) )    2014.12  [Refereed]

Hearing Impairment Simulator Based on Compressive Gammachirp Filter

Misaki Nagae,Toshio Irino, Ryuich Nisimura, Hideki Kawahara, Roy D.Patterson

APSIPA ASC 2014 ( The Asia-Pacific Signal and Information Processing Association (APSIPA) )    2014.12  [Refereed]

DNNを用いたスマホ収集環境音の認識について

松山みのり, 西村竜一, 河原英紀, 山田順之介, 入野俊夫

日本音響学会関西支部第17回若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2014.12

音声の発話方法による聴き取りやすさの違いの検討 〜一人芝居の声で比べてみた〜

吉田駿, 入野俊夫, 河原英紀, 西村竜一

日本音響学会関西支部第17回若手研究者交流研究発表会 ( 日本音響学会関西支部 )    2014.12

グロウル系歌唱から求められる声道断面積関数の特徴について

溝渕翔平, 伊佐衣代, 西村竜一, 入野俊夫, 河原英紀

電子情報通信学会音声研究会・日本音響学会聴覚研究会 ( 電子情報通信学会音声研究会・日本音響学会聴覚研究会 )  114 ( 272 ) 信学技報, vol. 114, no. 272, SP2014-80, pp. 29-30 - 30   2014.10

　View Summary

Behavior of vocal tract area functions estimated from growl-like singing voices was investigated to introduce a simple model for generating synthetic growl-like singing. Our previous study revealed that a fast modulation of spectral shape around 2 to 4 kHz is the most significant feature of growl-like singing. LPC-based vocal tract shape estimation with relevant preprocessing procedures was applied to growl-like singing and normal singing voices.

線形予測分析を用 いた声 道断面積関数推定のための前処理の検討

伊佐衣代, 吉元照貴, 西村竜一, 入野俊夫, 河原英紀

電子情報通信学会音声研究会・日本音響学会聴覚研究会 ( 電子情報通信学会音声研究会・日本音響学会聴覚研究会 )  114 ( 272 ) 信学技報, vol. 114, no. 272, SP2014-79, pp. 27-28 - 28   2014.10

　View Summary

Estimaiton of vocal tract area function based on linear predictive analysis suffers from biasing factors such as glottal waveform and radiation from mouth. Preprocessing procedures for compensating these effects consist of high-frequency emphasis and spectrum flattening and were investigated. Analysis results using these procedures on a vowel database are also introduced.

Excitation source analysis for high-quality speech manipulation systems based on an interference-free representation of group delay with minimum phase response compensation

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

Interspeech2014 ( ISCA )    pp.870-874   2014.09  [Refereed]

HTML5による音声入力ウェブアプリケーションの開発キット

田藤千弘, 西村竜一

日本音響学会2014年秋季研究発表会 ( 日本音響学会 )    pp.119-120   2014.09

うっかり者を手助けする環境音認識アプリの開発について

松山みのり, 西村竜一, 河原英紀, 山田順之介, 入野俊夫

日本音響学会2014年秋季研究発表会 ( 日本音響学会 )    pp.1559-1560   2014.09

音声認識を用いた日本語スピーキングテストとそのユーザインタフェースデザインの検討

田藤千弘, 西村竜一, 河原英紀, 入野俊夫, 今井 新悟

教育システム情報学会第39回全国大会 ( 教育システム情報学会 )    pp.63-64   2014.09

線形予測分析を用いた声道断面積関数推定のための前処理について

伊佐衣代, 西村竜一, 入野俊夫, 河原英紀

日本音響学会2014年秋季研究発表会 ( 日本音響学会 )    pp.283-284   2014.09

周期信号の群遅延の静的表現と音声の非周期成分への応用について

河原英紀, 森勢将雅, 榊原健一, 戸田智基, 坂野秀樹, 西村竜一, 入野 俊夫

日本音響学会2014年秋季研究発表会 ( 日本音響学会 )  2014   pp.273-276   2014.09

聴覚の圧縮特性の逆処理による模擬難聴とその特性

永江美沙貴, 入野俊夫, 西村竜一, 河原英紀

日本音響学会2014年秋季研究発表会 ( 日本音響学会 )    pp.457-458   2014.09

Vocal tract length estimation based on vowels using a database consisting of 385 speakers and a database with MRI-based vocal tract shape information

Hideki Kawahara, Tatsuya Kitamura , Hironori Takemoto, Ryuichi Nisimura, Toshio Irino

Interspeech2014 ( ISCA )    pp.2243-2247   2014.09  [Refereed]

声道形状と音源情報に注目した音声の好感度改善システムの検討について

吉元照貴, 伊佐衣代, 溝渕翔平, 西村竜一, 入野俊夫, 河原英紀

日本音響学会2014年秋季研究発表会 ( 日本音響学会 )    pp. 373-375   2014.09

プログラミング教材としての音声認識ウェブシステム

西村竜一

教育システム情報学会第39回全国大会 ( 教育システム情報学会 )    pp.15-16   2014.09

Design of voice-enabled web test system for eliminating users' impatience

TAFUJI Chihiro, NISHIMURA Ryuichi, KAWAHARA Hideki, IRINO Toshio

IEICE technical report. Speech ( The Institute of Electronics, Information and Communication Engineers )  114 ( 52 ) 337 - 342   2014.05

　View Summary

We have investigated the user interface (UI) design of the web-based test system with a voice input function. As for the visual feedbacks to the examinee, a time gauge indicating the remainder of the answer time and a level meter for checking an input state of the speech are located on the screen of our system displaying the questions. In the previous UI, the similarities of two visual presentations often caused confusions of the examinees. In order to provide the appropriate presentations of the questions on the web screen, we improved the design of the voice-enabled UI. In the experiment for evaluating the improved UI, we have developed a system to answer computational questions via the speech web interface. By focusing on the time gauge, we investigated "time guage speed and impatience" which the users feel in the time of using the system. As a result, we confirmed the suitability that the brick-type time gauge displaying elapsed time based on discreted indicators dividing the time into 1 second. Based on investigations of the relationship of examinees' speaking styles and speech recognition rates, we found a tendency for the accuracy of the person who did not aware of the interaction with the machine is low. Because we adopted HTML5 as a implementation language of the voice-enabled UI, the improved system could run on the Android mobile machine and PCs.

A GUI for manipulating grow-like taste in singing voice

MIZOBUCHI SHOHEI, NISHIMURA RYUICHI, IRINO TOSHIO, KAWAHARA HIDEKI

IEICE technical report. Speech ( The Institute of Electronics, Information and Communication Engineers )  114 ( 52 ) 279 - 284   2014.05

　View Summary

A set of GUIs is designed to add and manipulate growl-like taste in singing voice based on a set of simple signal processing procedures, proposed in our previous report. It consists of a temporal axis modulator for simulating rapid F0 variations, an equalizer to modify global spectral shape, and an approximate time varying filter for simulating rapid spectral modulation around F3 area. The proposed set of procedures is potentially applicable to realtime applications, such as live performance. This set of GUIs will be presented in the poster session for demonstrating possibilities of the proposed procedures and acquiring feedback and comments from prospective participants.

Design of voice-enabled web test system for eliminating users' impatience

田藤 千弘, 西村 竜一, 河原 英紀, 入野 俊夫

研究報告音楽情報科学（MUS）   2014 ( 65 ) 1 - 6   2014.05

　View Summary

本研究は、音声入力機能を備えたウェブ試験システムにおけるユーザインタフェース （UI） のデザイン指針を検討する。本研究で対象とするウェブ試験システムの問題提示画面では、問題文の他、音声の入力状態を確認するためのレベルメータと解答時間の残りを示すタイムゲージが受験者に提示される。従来のシステムでは、この二つの視覚的情報提示が似ており、受験者に混同されることがあった。受験者に適切な問題提示画面を提供するために、UI デザインを改良した。実験では、発話によって計算問題を解答するシステムを試作し、タイムゲージに着目して、解答の際に受験者が感じる 「焦り」 と 「体感時間の速さ」 を調査した。その結果、1 秒ずつ離散的に区切って表示するブロック型のデザインが適切であることを確認した。受験者の発話態度と音声認識率の関係を調査したところ、機械との対話を意識しなかった人の精度は低くなる傾向があった。また、本研究では、音声入力 UI の実装言語を HTML5 とした。その結果、PC およびモバイル端末 (Android) から利用できるシステムを実現することができた。We have investigated the user interface (UI) design of the web-based test system with a voice input function. As for the visual feedbacks to the examinee, a time gauge indicating the remainder of the answer time and a level meter for checking an input state of the speech are located on the screen of our system displaying the questions. In the previous UI, the similarities of two visual presentations often caused confusions of the examinees. In order to provide the appropriate presentations of the questions on the web screen, we improved the design of the voice-enabled UI. In the experiment for evaluating the improved UI, we have developed a system to answer computational questions via the speech web interface. By focusing on the time gauge, we investigated "time guage speed and impatience" which the users feel in the time of using the system. As a result, we confirmed the suitability that the brick-type time gauge displaying elapsed time based on discreted indicators dividing the time into 1 second. Based on investigations of the relationship of examinees' speaking styles and speech recognition rates, we found a tendency for the accuracy of the person who did not aware of the interaction with the machine is low. Because we adopted HTML5 as a implementation language of the voice-enabled UI, the improved system could run on the Android mobile machine and PCs.

歌声にグロウルの味を加えるGUIについて

溝渕 翔平, 西村 竜一, 入野 俊夫, 河原 英紀

情報処理学会音学シンポジウム2014 ( 情報処理学会音楽情報科学研究会 )    情報処理学会研究報告, 2014-MUS-103-55   2014.05