Misc - 西村　竜一

日本語母音データベースを用いた任意発声の相対的声道長の推定について

小林 真優子, 坂口 諒, 西村 竜一, 入野 俊夫, 河原英紀

日本音響学会2013年度秋季研究発表会 ( 日本音響学会 )    435-436   2013年09月

対数Swept-Sineで変調した帯域雑音によるMTF測定

苔口 祐樹, 金内 由紀, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2013年度秋季研究発表会 ( 日本音響学会 )    1005-1006   2013年09月

波形の高次対称性に基づく基本周波数抽出法における潜在変数ダイナミクスの導入について

河原 英紀, 森勢 将雅, 榊原 健一, 西村 竜一, 入野 俊夫

日本音響学会2013年度秋季研究発表会 ( 日本音響学会 )  2013   279-282   2013年09月

S-CATの音声認識における言語モデル(特別セッション 音声認識技術を応用したコンピュータ自動採点日本語スピーキングテストの開発)

西村 竜一

日本行動計量学会第41回大会 ( 日本行動計量学会 )    42-43   2013年09月

説明対話における韻律情報および頭部運動と感情評価値の関連性分析の試み

八木みゆき, 森田礼子, 中井正人, 西村竜一, 河原英紀, 入野俊夫

電子情報通信学会・日本音響学会 音声研究会 ( 電子情報通信学会・日本音響学会 音声研究会 )    信学技報, vol. 113, no. 220, SP2013-67, pp. 15-20, 2013年9月.   2013年09月

歌唱音声のスペクトル形状の線形伸縮に影響する要因の検討 (応用音響)

坂口 諒, 小林 真優子, 入野 俊夫, 西村 竜一, 河原 英紀

電子情報通信学会技術研究報告 = IEICE technical report : 信学技報 ( 一般社団法人電子情報通信学会 )  113 ( 134 ) 9 - 14   2013年07月

　概要を見る

短時間Fourier変換に基づく簡易な方法により,相対的な声道長を高い再現性で推定する方法を明らかにしてきた.この方法では,駆動信号の周期性に起因する調波構造の影響を取り除いた音声スペクトル包絡に,声帯音源波形や唇からの放射特性に起因するスペクトル概形の除去と,声道の分岐や声門閉止区間の存在や個々の声道共鳴の鋭さの違いによるスペクトル形状の細部の平滑化による前処理を加え,距離計算に用いる周波数範囲を適切に選択することにより,声道長以外の要因による影響を軽減している.ここでは,この方法を歌唱音声に適用することにより,歌い手の個人性と音高により,相対的声道長がどのように変化するかを調べた結果について報告し,歌唱訓練への応用の可能性について議論する.

モバイル携帯端末を用いた環境音収集とその認識手法の検討

津田 貴彦, 中西 恭介, 松山 みのり, 西村 竜一, 山田 順之介, 河原 英紀, 入野 俊夫

情報処理学会第99回音楽情報科学研究会（音学シンポジウム2013） ( 情報処理学会音楽情報科学研究会 )  2013 ( 18 ) 2013-MUS-99-18 - 6   2013年05月

　概要を見る

本研究では、環境音を入力とするインターフェースを有するモバイルアプリケーションの開発を行っている。実現に必要なのは、環境音認識手法の開発と、環境音サンプルの収集及び、クライアントアプリケーションの実装である。認識システムを予備評価した結果、アルゴリズムの改良と学習用データの拡充が必要であることを確認した。この問題に対し、データ収集用のAndroidアプリケーションを作成し、学内ではサークル等の活動に伴う音を29時間24分、学外では電車の走行音や救急車のサイレン等の音を10時間36分にわたって集めることに成功した。本発表では、収集データの分類と、その認識手法について議論する。We have been developing an Android mobile application which can recognize environmental sound signals. This report describes environmental sound signal recognition method, our collection of environmental sounds, and an overview of the prototype system. In order to collect further samples of environmental sounds, Android applications for data collection was developed.

声から身体情報を求める

小林 真優子, 西村 竜一, 入野 俊夫, 河原 英紀

情報処理学会第99回音楽情報科学研究会（音学シンポジウム2013） ( 情報処理学会音楽情報科学研究会 )  2013 ( 47 ) 2013-MUS-99-50 - 6   2013年05月

　概要を見る

声を聴くと，何となくその人の体型が分かる．ここでは，母音だけを用いて相対的な声道長を推定する方法を提案する．この方法では，声道長以外の要因によるスペクトル形状変化の影響を軽減するために，スペクトル距離の計算に用いる帯域を制限し，スペクトルの大局的な平坦化と形状の過度な詳細の平滑化とを組合せている．6歳から56歳までの284名の男女が発声した母音と身体情報からなるデータベースを用いることで，これらの処理に用いるパラメタを決定した．母音だけを用いた簡易な方法にも関わらず，以前報告した聴覚モデルを用いた方法を凌駕する精度での声道長推定が可能であることを確認した．また，このデータベースに付与された身体情報を母音だけから推定できることを示した．When we hear a voice, we will see the person's body type somehow. In this article, we propose a method for estimating relative vocal tract length using only vowels. The proposed method consists of procedures to alleviate spectral deforming effects caused by other factors than the vocal tract length. They are selection of spectral region for calculating spectral distance, removal of global spectral shape, and smoothing of excessive details of spectrum. Parameter tuning of the proposed method was conducted by using a speech database with relevant physical data which consists of Japanese five vowels spoken by 284 male, female and adolescent talkers ranging from 6 to 56 years old. This simple vowel-based method found to provide better estimates than our previously proposed method. The proposed method also provides estimates of talkers' height and weight only from vowels using the relevant physical data stored in the database.

Higher order waveform symmetry measure and its application to periodicity detectors for speech and singing with fine temporal resolution

Hideki Kawahara, Masanori Morise, Ryuichi Nisimura, Toshio Irino

IEEE ICASSP2013 (2013 IEEE International Conference on Acoustics, Speech, and Signal Processing) ( IEEE )    6797-6801   2013年05月  [査読有り]

音声認識を応用した大人・こども話者識別法における言語的特徴の利用

西村竜一

情報処理学会第75回全国大会 ( 情報処理学会 )    41-42   2013年03月

ウェブ集合知に基づいた語彙獲得と3-gram確率推定による言語モデル自動生成ツール

田中 雅康,西村 竜一,河原 英紀,入野 俊夫

日本音響学会2013年春季研究発表会 ( 日本音響学会 )    197-198   2013年03月

環境音認識を応用した 情報提供機能を有するモバイルアプリケーションの検討

中西恭介, 津田貴彦, 西村竜一, 河原英紀, 入野俊夫

情報処理学会第75回全国大会 ( 情報処理学会 )    463-464   2013年03月

Accurate Estimation of Compression in Simultaneous Masking Enables the Simulation of Hearing Impairment for Normal-Hearing Listeners

Toshio Irino, Tomofumi Fukawatase, Makoto Sakaguchi, Ryuichi Nisimura, Hideki Kawahara, Roy D. Patterson

BASIC ASPECTS OF HEARING: PHYSIOLOGY AND PERCEPTION ( SPRINGER )  787   73 - 80   2013年  [査読有り]

　概要を見る

This chapter presents a unified gammachirp framework for estimating cochlear compression and synthesizing sounds with inverse compression that cancels the compression of a normal-hearing (NH) listener to simulate the experience of a hearing-impaired (HI) listener. The compressive gammachirp (cGC) filter was fitted to notched-noise masking data to derive level-dependent filter shapes and the cochlear compression function (e.g., Patterson et al., J Acoust Soc Am 114:1529-1542, 2003). The procedure is based on the analysis/synthesis technique of Irino and Patterson (IEEE Trans Audio Speech Lang Process 14:2222-2232, 2006) using a dynamic cGC filterbank (dcGC-FB). The level dependency of the dcGC-FB can be reversed to produce inverse compression and resynthesize sounds in a form that cancels the compression applied by the auditory system of the NH listener. The chapter shows that the estimation of compression in simultaneous masking is improved if the notched-noise procedure for the derivation of auditory filter shape includes noise bands with different levels. Since both the estimation and resynthesis are performed within the gammachirp framework, it is possible for a specific NH listener to experience the loss of a specific HI listener.

DOI

Vocal Tract Length Estimation for Voiced and Whispered Speech Using Gammachirp Filterbank

Toshio Irino, Erika Okamoto, Ryuichi Nisimura, Hideki Kawahara

2013 ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA) ( IEEE )    2013年  [査読有り]

　概要を見る

In this paper, we demonstrate an auditory spectrogram based on a dynamic compressive gammachirp filterbank (GCFB) that enables accurate and robust estimation of vocal tract length (VTL) for both voiced and whispered speech. Normalized VTLs of 21 speakers were derived by using the least squared analysis of their VTL ratios (for all permutations, 420 = P-21(20)) which were estimated by minimizing spectral distances in the auditory spectrograms. The frequency range was selected in the calculation and the range between 500 and 5000 (Hz) was most reasonable for both speech mode. The method based on GCFB was better than that based on the mel-frequency filterbank (MFFB). The estimated VTLs were compared with the VTL data measured in MRI to confirm the reliability.

Optimizing the simultaneous estimation of frequency selectivity and compression using notched-noise maskers with asymmetric levels

Tomofumi Fukawatase, Toshio Irino, Ryuichi Nisimura, Hideki Kawahara, Roy D. Patterson

Proceedings of Meetings on Acoustics ( Acoustical Society of America (ASA) )  19   2013年  [査読有り]

　概要を見る

It is important for the development of hearing aids and other audio devices to estimate the frequency selectivity and compression of the auditory filter accurately. Previously, we reported a technique for estimating the compression of the auditory filter that combined data from a simultaneous notched-noise experiment and a temporal masking curve (TMC) experiment. Unfortunately, the TMC data derived for individual listeners in forward masking is not stable
the cue to the presence of the signal is not entirely clear in forward masking. In this paper, we report attempts to make the traditional simultaneous notched-noise technique more sensitive to the effects of cochlear compression by varying the relative levels of the noise bands. Asymmetric-level maskers (ALMs) make it possible to estimate the filter shape and compression of the auditory filter simultaneously and reliably
the slope of the input-output function is substantially lower than with symmetric-level maskers. We also describe a procedure for incorporating a sensitivity analysis into the filter-fitting process to determine the minimum number of notched-noise conditions required to produce reliable estimates of selectivity and compression, in hopes of being able to employ the technique with hearing impaired listeners. © 2013 Acoustical Society of America.

DOI

Estimated relative vocal tract lengths from vowel spectra based on fundamental frequency adaptive analyses and their relations to relevant physical data of speakers

Mayuko Kobayashi, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proceedings of Meetings on Acoustics ( Acoustical Society of America (ASA) )  19   2013年  [査読有り]

　概要を見る

A Japanese vowel database of males, females and children speakers (385 speakers in total) along with relevant physical data (Deguchi et.al. 2011) was analysed using a set of F0 adaptive procedures, which were developed for a speech analysis, modification and synthesis framework TANDEM-STRAIGHT (Kawahara et.al. 2008) and its extensions. By restricting spectral region in estimating ratios for VTLN (vocal tract length normalization), cepstrally weighted distance measure yielded estimates with 2% standard error, by assuming relative vocal tract lengths estimated using regression analysis as the ground truth. A set of regression analyses of the estimated relative vocal tract lengths, average F0s, ages, gender and physical data (speakers' height, weight) were conducted. The results suggest that the proposed analysis procedures applied to the Japanese five vowels may provide sufficient information for estimating speakers' physical data. Possible applications of the proposed estimation procedures will also be discussed. © 2013 Acoustical Society of America.

DOI

Open Answer Scoring for S-CAT Automated Speaking Test System Using Support Vector Regression

Yutaka Ono, Misuzu Otake, Takahiro Shinozaki, Ryuichi Nisimura, Takeshi Yamada, Kenkichi Ishizuka, Yasuo Horiuchi, Shingo Kuroiwa Chiba, Shingo Imai

APSIPA Annual Summit and Conference 2012 ( Asia-Pacific Signal and Information Processing Association (APSIPA) )    1 - 4   2012年12月  [査読有り]

ウェブ上の言語情報で拡張した語彙に基づく 3-gram モデル自動生成ツール

田中 雅康,西村 竜一,河原 英紀,入野 俊夫

日本音響学会第15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 )    2012年12月

母音区間だけを用いた声道長推定と身体情報との関連～あいうえおで BMI がわかる？～

小林 真優子,西村 竜一,入野 俊夫,河原 英紀

日本音響学会第15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 )    2012年12月

Detecting child speaker based on auditory feature vectors for VTL estimation

Ryuichi Nisimura, Shoko Miyamori, Erika Okamoto, Hideki Kawahara, Toshio Irino

APSIPA Annual Summit and Conference 2012 ( Asia-Pacific Signal and Information Processing Association (APSIPA) )    2012年12月  [査読有り]