Misc - NISIMURA Ryuichi

Development of deep learning model for extracting BGM signal from game recording data

Akichika Iwamoto, Ryuichi Nisimura （Part： Last author,　Corresponding author )

日本音響学会第153回（2025年春季）研究発表会講演論文集     213 - 214   2025.03

Development of onomatopoeic recognition system based on training repeated environmental sounds

Yuto Matsunami, Ryuichi Nisimura （Part： Last author,　Corresponding author )

日本音響学会第153回（2025年春季）研究発表会講演論文集     989 - 990   2025.03

A study of age estimation task for young speakers using age-embedded features

Ken Fujii, Ryuichi Nisimura （Part： Last author,　Corresponding author )

日本音響学会第153回（2025年春季）研究発表会講演論文集     933 - 934   2025.03

環境音の連結学習によるリズム感強化型擬音語認識システムの開発

松浪 優斗, 西村 竜一 （Part： Last author,　Corresponding author )

日本音響学会関西支部第27回若手研究者交流研究発表会     2024.12

こども話者のデータが不足する状況下での若年話者年齢推定タスクの検討

藤居 謙, 西村 竜一 （Part： Last author,　Corresponding author )

日本音響学会関西支部第27回若手研究者交流研究発表会     2024.12

生成AIを用いた日本語小説を音楽で彩るアプローチ

二神 暁翔, 西村 竜一 （Part： Last author,　Corresponding author )

日本音響学会関西支部第27回若手研究者交流研究発表会     2024.12

地域協働オープンラボ事業におけるすこしこだわった技術講習会

西村 竜一, 谷口 祐太, 木村 善晴, 谷脇 すずみ, 井嶋博 （Part： Lead author,　Corresponding author )

第 21 回ものづくり・創造性教育に関するシンポジウム講演論文集     31 - 34   2024.11

ものづくりマイスター制度を活用した金属加工の初学者指導

谷口 祐太, 谷脇 すずみ, 木村 善晴, 西村 竜一, 井嶋 博

第 21 回ものづくり・創造性教育に関するシンポジウム講演論文集     35 - 37   2024.11

Development of BGM Extraction from Game Live Video using Deep Learning Model

Akichika Iwamoto, Ryuichi Nisimura （Part： Last author,　Corresponding author )

日本音響学会第152回（2024年秋季）研究発表会講演論文集     223 - 224   2024.09

Speaker Age Estimation using Generative Adversarial Network with Small-Scale Speech Database

Ken Fujii, Ryuichi Nisimura （Part： Last author,　Corresponding author )

日本音響学会第152回（2024年秋季）研究発表会講演論文集     1271 - 1272   2024.09

創作英会話と英語小演劇によるPBLの実践と評価

曽我 真人, 西村 竜一

日本教育工学会2024年春季全国大会予稿集     493 - 494   2024.03

話者年齢埋め込みベクトルを用いた話者年齢推定能力の評価

藤居 謙, 西村 竜一 （Part： Last author,　Corresponding author )

日本音響学会第151回（2024年春季）研究発表会講演論文集     947 - 948   2024.02

音素継続長を考慮した早口講義音声の話速変換とその効果

田中 美久登, 西村 竜一 （Part： Last author,　Corresponding author )

日本音響学会第151回（2024年春季）研究発表会講演論文集     1027 - 1028   2024.02

広帯域英語コーパス帯域拡張モデルによるCSJコーパスを用いた日本語複数話者テキスト音声合成の高品質化

日田 光紀, 岡本 拓磨, 西村 竜一, 大谷 大和, 戸田 智基, 河井 恒

日本音響学会第151回（2024年春季）研究発表会講演論文集     809 - 812   2024.02

複数話者英語音声合成を用いたクロスリンガル音声合成の試み 〜「日本語のあなたの声が英語ネイティブの発音へ」を目指して〜

日田 光紀, 岡本 拓磨, 西村 竜一, 大谷 大和, 戸田 智基, 河井 恒

    2023.12

深層学習モデルを用いた楽曲と混合した雑音の抑圧性能の評価

岩本 晃周, 西村 竜一 （Part： Last author,　Corresponding author )

日本音響学会第150回（2023年秋季）研究発表会講演論文集     395 - 396   2023.09

複数話者テキスト音声合成における話者ベクトルの安定化に関する検討

日田 光紀, 岡本 拓磨, 西村 竜一, 大谷 大和, 戸田 智基, 河井 恒

日本音響学会第150回（2023年秋季）研究発表会講演論文集     1137 - 1140   2023.09

深層学習モデルを用いた話者年齢埋め込みベクトルに関する分析

藤居 謙, 西村 竜一 （Part： Lead author,　Corresponding author )

日本音響学会第150回（2023年秋季）研究発表会講演論文集     1303 - 1304   2023.09

x-vectorと音声認識コーパスを用いた多様な発話スタイルに対応する複数話者テキスト音声合成の評価

日田 光紀, 岡本 拓磨, 西村 竜一, 大谷 大和, 戸田 智基, 河井 恒

電子情報通信学会技術研究報告（SP / IPSJ-MUS / IPSJ-SLP）   123 ( SP-88 )   2023.06

音声認識用コーパスを用いた複数話者テキスト音声合成における高品質化の検討

日田 光紀, 岡本 拓磨, 西村 竜一, 戸田 智基, 河井 恒

日本音響学会2023年春季研究発表会講演論文集     685 - 688   2023.03

若年話者判別のためのx-vectorと話者年齢埋め込みベクトルの比較

奥本佑哉, 西村竜一 （Part： Last author,　Corresponding author )

日本音響学会2023年春季研究発表会講演論文集     753 - 754   2023.03

和歌山大学クリエにおける経験 － 卒業生の事例から知るモノづくり中心の活動 －

坂田尚紀, 小佐田真克, 谷口祐太, 西村竜一, 中島敦司 （Part： Corresponding author )

第19回ものづくり・創造性教育に関するシンポジウム講演論文集     24 - 29   2022.12

音声認識コーパスを用いた高品質複数話者テキスト音声合成に向けたニューラルボコーダによる帯域拡張

日田 光紀, 岡本 拓磨, 西村 竜一, 戸田 智基, 河合 恒

日本音響学会2022年秋季研究発表会講演論文集     1185 - 1188   2022.09

話者年齢埋め込みベクトルを用いた若年話者判別

奥本佑哉, 西村竜一 （Part： Last author,　Corresponding author )

日本音響学会2022年秋季研究発表会講演論文集     1307 - 1308   2022.09

コロナ時代における研究発表会（日本音響学会編）― 遠隔開催でみえた日本音響学会の底力と会員の愛 ー

荒木 章子, 荒井 隆行, 岩谷 幸雄, 鵜木 祐史, 小澤 賢司, 西浦 敬信, 西村 竜一, 水町 光徳

日本音響学会誌   78 ( 4 ) 170 - 175   2022.04  [Invited]

LTEと5G通信環境の下でラズベリーパイを用いたドローン映像の配信蓄積システム

松本隆誠, 藤井政宗, 曽我真人, 西村竜一, 浅野勇大

教育システム情報学会2021年度学生研究発表会（関西地区）     2022.03

クラウドソーシング収集発話を用いた深層学習若年話者判別

奥本佑哉, 西村竜一 （Part： Corresponding author )

情報処理学会第84回全国大会講演論文集   4   165 - 166   2022.03

音声認識を用いた講義音声の早口分析

池川 心, 西村 竜一 （Part： Corresponding author )

情報処理学会第84回全国大会講演論文集   2   309 - 310   2022.03

地域との協働による創造性教育の進展

谷口祐太, 松坂江莉, 西村竜一, 中島敦司

第18回ものづくり・創造性教育に関するシンポジウム講演論文集     31 - 34   2022.02

音声匿名化変換に用いる音響特徴構成の評価

近藤伊佐直, 西村竜一 （Part： Corresponding author )

日本音響学会2021年秋季研究発表会講演論文集     1015 - 1016   2021.09

Comparative Analysis of a Face-to-face Class and an Online Class with PBL for Planning and Designing HCI Systems

Masato SOGA, Ryuichi NISIMURA, Masami OKYUDO

大学e ラーニング協議会 / 日本リメディアル教育学会 合同フォーラム 2020     45 - 48   2021.03

Cycle GANを用いた音声匿名加工に必要なWORLD音響特徴の構成

近藤伊佐直, 西村竜一 （Part： Corresponding author )

情報処理学会第83回全国大会講演論文集   2   237 - 238   2021.03

Distributed collaborative lecture system enabling interactive communication

Ryuichi NISIMURA, Ayami INOUE, Masato SOGA, Hisashi KOSHIZUKA, Mizuhiko HOSOKAWA （Part： Lead author,　Last author,　Corresponding author )

大学e ラーニング協議会 / 日本リメディアル教育学会 合同フォーラム 2020     41 - 44   2021.03

WORLD を用いた未知話者音声の声質変換の検討

近藤伊佐直, 西村竜一

第 23 回 日本音響学会 関西支部 若手研究者交流研究発表会     2020.12

Design and Practice of PBL for English Conversation Learning by Theatrical Performance

Masato Soga, Ryuichi Nisimura

教育システム情報学会（JSiSE）2020年度 第4回研究会     2020.11

A study on voice conversion based on single CycleGAN-VC model for anonymizing speaker

Isanao Kondo, Ryuichi Nisimura （Part： Last author,　Corresponding author )

第19回情報科学技術フォーラム（FIT2020）講演論文集   2   17 - 20   2020.09

A Report on Large Class Using Distance Lectures Based on Cloud-Based Meeting Services

Ryuichi NISIMURA, Masato SOGA, Wataru ISHIZUKA, Hisashi KOSHIZUKA, Mizuhiko HOSOKAWA （Part： Lead author )

大学eラーニング協議会 / 日本リメディアル教育学会 合同フォーラム 2019     81 - 84   2020.03

和歌山大学のアクティブ・ラーニング現状調査とガイドラインの制定

西村 竜一, 中島 敦司, 木村 亮介, 木川 剛志, 曽我 真人, 永井 邦彦 （Part： Lead author )

第 17 回ものづくり・創造性教育に関するシンポジウム ( 全国国立大学法人「ものづくり・創造性教育施設ネットワーク」 )    2019.11

アクティブラーニングをとりいれた英語学習の実践

曽我真人, 西村 竜一, 西川 明宏, 尾久土正己

大学ｅラーニング協議会・日本リメディアル教育学会 合同フォーラム2018 ( 大学ｅラーニング協議会・日本リメディアル教育学会 )    2019.03

和歌山大学における「自主演習」の取り組み

中島 敦司, 谷脇 すずみ, 吉村 博仁,西村 竜一

第16 回ものづくり・創造性教育に関するシンポジウム ( 全国国立大学法人ものづくり・創造性教育施設ネットワーク )    2018.11

ガンマチャープ聴覚フィルタバンクに基づく模擬難聴システムの実装と教育応用

松井 淑恵, 坂野 秀樹, 西村 竜一, 入野 俊夫

電子情報通信学会音声研究会 ( 電子情報通信学会 )    信学技報, vol. 118, no. 269, SP2018-38, pp. 31-36   2018.10

地域科学イベントに出展する学生の進路意識調査

津田 尚明, 西村 竜一, 中島 敦司

第36回日本ロボット学会学術講演会 ( 日本ロボット学会 )  36th   第36回日本ロボット学会学術講演会予稿集, RSJ2018AC3H2-02   2018.09

敵対的生成ネットワークを用いた楽曲の自動コード推定法の検討

納庄 貴大, 西村竜一, 入野 俊夫

情報処理学会音楽情報科学研究会 ( 情報処理学会 )    情報処理学会研究報告, 2018-MUS-120-6   2018.08

小型ボードコンピュータRaspberry Piを用いた笑い声の収集

西村竜一, 武田悠, 三上菜穂, 入野俊夫

日本音響学会2018年春季研究発表会 ( 日本音響学会 )    199-200   2018.03

協働教育を推進するための安全管理の取り組み

中島 敦司, 西村 竜一, 寺本 東吾, 谷脇 すずみ

第15回ものづくり・創造性教育に関するシンポジウム ( ものづくり・創造性教育施設ネットワーク )    2017.12

グループワーク対話の分析を通じた盛り上がりの定量化の検討

三上菜穂, 西村竜一, 入野俊夫

日本音響学会2017年秋季研究発表会 ( 日本音響学会 )    113-114   2017.09

研究発表会ポータルサイトの紹介

西村竜一

日本音響学会誌, vol. 73, no. 9     615–616   2017.09

模擬難聴システムを用いた言語聴覚士養成課程での演習とWebアプリ化の検討

米満麻弥, 入野俊夫, 松井淑恵, 西村竜一, 吐師道子, 長谷川純

電子情報通信学会ヒューマン情報処理研究会 (HIP) ヒューマンコミュニケーション基礎研究会 (HCS) ( 電子情報通信学会 )  117 ( 30 ) 信学技報, vol. 117, no. 30, HIP2017-42, pp. 277-282 - 282   2017.05

歩行動作のセンシングデータを入力とした足音合成

吉田赳, 西村竜一, 入野俊夫

情報処理学会インタラクション2017 ( 情報処理学会 )    2017.03  [Refereed]

自動採点スピーキングテストSJ-CATの能力推定の検証

今井新悟, 赤木彌生, 石塚賢吉, 伊東祐郎, 菊地賢一, 篠崎隆宏, 中園博美, 中村洋一, 西村竜一, 本田明子, 家根橋伸子, 山田武志,

言語処理学会第23回年次大会 ( 言語処理学会 )    835-838   2017.03

ユーザ訂正情報に基づいた音声認識API出力の並び替え法

遠山智明, 西村竜一, 入野俊夫

日本音響学会2017年春季研究発表会 ( 日本音響学会 )    113-114   2017.03

オージオグラムを動かして聞く! ~Web アプリケーションとしての模擬難聴システムを目指して~

松井淑恵, 米満麻弥, 西村竜一, 入野俊夫

日本音響学会関西支部第19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 )    2016.12

難聴者に聞こえやすい音声特徴 ~模擬難聴を用いた発声の振幅変調分析~

吉田駿, 山本克彦,西村竜一, 松井淑恵,入野俊夫

日本音響学会関西支部第19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 )    2016.12

深層学習を用いたゲームコンテンツのための効果音自動生成手法の検討

吉田赳, 入野俊夫, 西村竜一

日本音響学会関西支部第19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 )    2016.12

ユーザ訂正情報を用いた音声認識APIのカスタマイズ手法

遠山智明, 西村竜一, 入野 俊夫

日本音響学会2016年秋季研究発表会 ( 日本音響学会 )    125-126   2016.09

スペクトル傾斜の異なる音声の寸法知覚と聴覚モデルによる説明

山本 航大, 入野 俊夫, 岡本 江美, 松井 淑恵, 西村 竜一, 河原 英紀

日本音響学会2016年春季研究発表会 ( 日本音響学会 )    481-484   2016.03

GetWild：音声生成過程を考慮したグロウル系歌唱の印象付与システム

溝渕 翔平, 入野 俊夫, 西村 竜一, 松井 淑恵, 河原 英紀

日本音響学会2016年春季研究発表会 ( 日本音響学会 )    249-252   2016.03

ウェブ試験向け音声入力UI設計における不要語の扱いについて

西村 竜一, 牧野 さやか, 入野 俊夫

日本音響学会2016年春季研究発表会 ( 日本音響学会 )    81-82   2016.03

音声生成過程を考慮したグロウルの印象付与システム~あなた の声にこぶし、効かせます~

溝渕翔平,入野俊夫,西村竜一,松井淑恵,河原英紀

日本音響学会関西支部第18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 )    2015.12

無声音の高域強調処理が寸法知覚に与える影響に関する検討

山本航大, 入野俊夫, 岡本江美, 松井淑恵, 西村竜一, 河原英紀

日本音響学会聴覚研究会 ( 日本音響学会聴覚研究会 )    日本音響学会聴覚研究会資料, Vol.45, No.8, H-2015-120, pp.681-686   2015.11

RaspberryPiを用いた笑い声検知システムの提案

三上 菜穂, 西村 竜一, 入野 俊夫

日本音響学会2015年秋季研究発表会 ( 日本音響学会 )    pp.149-150   2015.09

大人・子ども話者識別システムにお ける性能改善の検討

西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2015年秋季研究発表会 ( 日本音響学会 )    pp.29-30   2015.09

声道形状と声帯音源特性の操作に基づくグロウル系 歌唱音声の印象付与法の評価について

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2015 ( 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, 2015-MUS-107-60   2015.05

無声音の高域強調処理による寸法知覚特性シフト

山本航大, 入野俊夫, 西村竜一, 河原 英紀

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.517-518   2015.03

高次対称性に基づく基本周波数推定法のモデル化とfilled pauseの分析への応用について

河原英紀, 西村竜一, 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. 114, no. 475, SP2014-190, pp. 307-312   2015.03

声道断面積関数推定における声帯音源特性の補償について

伊佐衣代, 西村竜一, 入野俊夫, 河原 英紀

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.231-232   2015.03

声道形状と声帯音源特性を利用したグロウル系歌唱音声への変換について

溝渕翔平, 西村竜一, 入野俊夫, 河原 英紀

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.289-290   2015.03

音声の高域強調処理による寸法知覚特性変化と計算理論について

山本航大, 入野俊夫, 西村竜一, 河原英紀

日本音響学会聴覚研究会 ( 日本音響学会聴覚研究会 )    日本音響学会聴覚研究会資料, Vol.45, No.2, H-2015-21, pp.99-104   2015.03

聴覚の圧縮特性のキャンセル処理による模擬難聴 ー語音明瞭度による検討ー

永江美沙貴, 松井淑恵, 西村 竜一, 河原英紀, Roy D. Patterson, 入野俊夫

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.523-524   2015.03

音声の好感度に対する声道形状および音源情報操作の効果について

吉元照貴, 西村竜一, 入野俊夫, 河原 英紀

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.351-332   2015.03

声道形状と声帯音源特性を用いたグロウル歌唱音声への実時間変換の提案

溝渕翔平, 西村竜一, 入野俊夫, 河原英紀

情報処理学会音楽情報科学研究会・エンタテインメントコンピューティング研究会 ( 情報処理学会音楽情報科学研究会・エンタテインメントコンピューティング研究会 )    情報処理学会研究報告, 2015-MUS-106-12   2015.03

音声の好感度改善補助ツールの開発を目指した好感度改善方法の検討

吉元照貴, 西村竜一, 入野俊夫, 河原英紀

情報処理学会音楽情報科学研究会・エンタテインメントコンピューティング研究会 ( 情報処理学会音楽情報科学研究会・エンタテインメントコンピューティング研究会 )    情報処理学会研究報告, 2015-MUS-106-25   2015.03

SEANA: 利用者の動作を強調する音の拡張現実アプリの開発

吉田赳, 西村竜一, 入野俊夫, 河原 英紀

情報処理学会インタラクション2015（インタラクティブ発表） ( 情報処理学会 )    pp.972-977   2015.03

ウェブアプリケーションにおける音声入力UIの設計と評価について

田藤千弘, 西村竜一, 入野俊夫, 河原 英紀

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.191-192   2015.03

スマホを用いた環境音認識アプリに対するDNNの導入

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2015年春季研究発表会 ( 日本音響学会 )    pp.79-80   2015.03

非対称レベルノッチ雑音マスキング法による4kHzにおける圧縮特性推定

金内由紀, 入野俊夫, 西村竜一, 河原英紀, Roy D. Patterson

日本音響学会2015年春季研究発表会 ( 日本音響学会 )    pp.505-506   2015.03

How the slope of the speech spectrum affects the perception of speaker size

Kodai Yamamoto, Toshio Irino, Ryuichi Nisimura, Hideki Kawahara, Roy D. Patterson

16TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2015), VOLS 1-5 ( ISCA-INT SPEECH COMMUNICATION ASSOC )    1556 - 1560   2015  [Refereed]

　View Summary

We performed a behavioral experiment to demonstrate the effect of spectral slope on the perception of speaker size, and we developed an auditory model based on the dynamic compressive gammachirp filterbank (dcGC-FB) to explain the results. STRAIGHT was used to generate "unvoiced" and "whispered" versions of naturally recorded words; the only difference was that the spectral slope of the whispered words was tilted up 6 dB/octave with respect to that of the unvoiced words. The experiment confirmed that the whispered words are heard to come from smaller speakers. The auditory model uses the tonotopic excitation pattern, Ep, as the internal representation of speech sounds. The model is found to be much more effective when the gradient of the excitation pattern, del Ep, is included in the size discrimination process. It is particularly useful for explaining individual subject variability.

声道形状を利用したグロウル系歌唱音声への変換について

溝渕翔平, 西村竜一, 入野俊夫, 河原英紀

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

声道断面積関数推定における音源情報の利用の効果について

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

聴覚系の寸法知覚における手がかり情報に関する検討 ー 聴覚心理実験の側面より ー

山本航大, 入野俊夫, 西村竜一, 河原英紀

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

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

ROCKON: スマホを用いた環境音の収集と認識システム

松山みのり, 津田 貴彦, 西村 竜一, 河原 英紀, 山田順之介, 入野俊夫

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-103-37   2014.05

受験者を焦らせない音声入力ウェブ試験システム目指したデザインの検討

田藤千弘, 西村竜一, 河原英紀, 入野俊夫

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-103-65   2014.05

ささやき声からの寸法知覚の手がかり獲得と保持について

山本航大, 入野 俊夫, 西村 竜一, 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-103-47   2014.05

外挿が可能な時変多属性任意事例数モーフィングを用いた文章音声好感度の改善について

吉元 照貴,西村 竜一,入野 俊夫,河原 英紀

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    429-430   2014.03

グロウル系統の歌唱音声にみられるスペクトルの時間変動に注目した分析と再現の検討

溝渕 翔平, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    499-500   2014.03

幅広い年齢層の母音データベースを利用した声道長推定法による簡易発声評価システム開発の検討

坂口 諒, 小林 真優子, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    303-304   2014.03

STRAIGHTスペクトルを用いた線形予測分析の改良の検討

山口 貴史, 齊藤 啓介, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    437-438   2014.03

ピーク形状と調波構造に注目したスペクトル包絡の近似精度の改善に関する検討

齊藤 啓介, 山口 貴史, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    311-312   2014.03

音声から大人と子どもを識別するウェブシステムにおけるDNNの適用

西村 竜一, 田藤 千弘

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    139-140   2014.03

クラウドソーシングによる環境音収集に向けたスマホアプリの開発

松山みのり, 津田貴彦, 西村竜一, 山田順之介, 入野俊夫, 河原英紀

電子情報通信学会2014年総合大会 ( 電子情報通信学会 )    109   2014.03

日本語母音データベースを用いた声道長推定法の校正について

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2014年度春季研究発表会 ( 日本音響学会 )    305-306   2014.03

日本語スピーキングテストS-CATの音声入力インタフェース設計

田藤 千弘, 西村 竜一, 河原 英紀, 入野 俊夫, 今井 新悟

日本音響学会2014年度春季研究発表会 ( 日本音響学会 )    141-142   2014.03

スマートフォンを用いた環境音の収録と認識方法の検討

津田 貴彦, 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年度春季研究発表会 ( 日本音響学会 )    847-848   2014.03

Realtime conversion of growl-type voice qualities based on modulation and approximate time-varying filtering driven by a non-linear oscillator: Formulation

Hideki Kawahara, Shohei Mizobuchi, Masanori Morise, Ken-ichi Sakakibara, Ryuichi Nisimura, Toshio Irino

IPSJ SIG Notes ( Information Processing Society of Japan (IPSJ) )  2014 ( 14 ) 1 - 6   2014.02

　View Summary

A formulation of voice conversion to add growl-like voice qualities to singing voices is proposed based on our findings of features in such singing performances. The proposed method does not consist of any analysis and synthesis stage(s). A preliminary implementation using Matlab demonstrated that its throughput is faster than realtime. The proposed formulation provides not only post processing capabilities of rendering styles of existing performances to recorded materials but also realtime capabilities of adding growl-like voice qualities in live performances.

非線形振動子による変調と近似時変フィルタに基づくグロウル系統の歌唱への実時間変換の定式化について

河原英紀, 溝渕翔平, 森勢将雅, 榊原健一, 西村竜一, 入野俊夫

第102回情報処理学会音楽情報科学研究会 ( 情報処理学会音楽情報科学研究会 )    2014-MUS-102-14   2014.02

圧縮特性推定における非対称レベルノッチマスキング法と時間マスキング曲線法の対比

深渡瀬智史, 入野俊夫, 西村竜一, 河原英紀

日本音響学会聴覚研究会 ( 日本音響学会聴覚研究会 )  44 ( 1 ) vol. 44, no. 1, H-2014-2, pp. 7-12 - 12   2014.02

模擬難聴実現のための逆圧縮特性処理とユーザインタフェース

永江美沙貴, 入野俊夫, 西村竜一, 河原英紀

日本音響学会聴覚研究会 ( 日本音響学会聴覚研究会 )  44 ( 1 ) vol. 44, no. 1, H-2014-3, pp. 13-18 - 18   2014.02

文章音声の好感度評価と属性別モーフィングを用いた要因の検討について

吉元照貴, 西村竜一, 入野俊夫, 河原英紀

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. 404, SP2013-104, pp. 49-54, 2014年1月.   2014.01

Developing a method to build Japanese speech recognition system based on 3-gram language model expansion with Google database

Toshiaki Shimada, Ryuichi Nisimura, Masayasu Tanaka, Hideki Kawahara, Toshio Irino

2013 IEEE Conference Anthology, ANTHOLOGY 2013 ( IEEE Computer Society )    pp.271-276   2014  [Refereed]

　View Summary

We have developed a method to build a Japanese automatic speech recognition (ASR) system based on 3-gram language model expansion with the Google database. Our aim is to enhance the recognition accuracy of ASR systems based on the 3-gram language model, even in cases where the language model is trained using short text segments. We investigate a practical approach to expanding language models by using 3-gram information from external web documents. In addition, we filter 3-gram entries on the basis of term frequency-inverse document frequency (TF-IDF) scores and the output of the Yahoo! web API to prevent the unnecessary addition of redundant or irrelevant 3-gram entries. In the experiments, we achieved an improvement of 0.71% in the word error rate and proved that the recognition accuracy can be improved by combining the proposed method and the traditional back-off smoothing technique without any costs being incurred in collecting additional text for training the model. © 2013 IEEE.

DOI

Development of a mobile application for crowdsourcing the data collection of environmental sounds

Minori Matsuyama, Ryuichi Nisimura, Hideki Kawahara, Junnosuke Yamada, Toshio Irino

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) ( Springer Verlag )  8521 ( 1 ) 514 - 524   2014  [Refereed]

　View Summary

Our study introduces a mobile navigation system enabling a sound input interface. To realize high-performance environmental sound recognition system using Android devices, we organized a database of environmental sounds collected in our daily lives. Crowdsourcing is a useful approach for organizing a database based on collaborative works of people. We recruited trial users to test our system via a web-based crowdsourcing service provider in Japan. However, we found that improvement of the system is important for maintaining the motivation of users in order to continue the collection of sounds. We believe that the improved user interface (UI) design introduced to facilitate the annotation task. This paper describes an overview of our system, focusing on a method for utilizing the crowdsourcing approach using Android devices, and its UI design. We developed a touch panel UI for the annotation task by selecting an appropriate class of a sound source. © 2014 Springer International Publishing.

DOI

Proposal for an Interactive 3D Sound Playback Interface Controlled by User behavior

Ryuichi Nisimura, Kazuki Hashimoto, Hideki Kawahara, Toshio Irino

Communications in Computer and Information Science ( Springer Verlag )  434   446 - 450   2014  [Refereed]

　View Summary

Our study introduces an interactive 3D sound playback interface system that is controlled by the user's behavior. It consists of an Android terminal, stereo headphone, and Nintendo Wii Balance Board. Traditional binaural audio systems can only deal with simple fixed playback conditions. On the other hand, our system assumes that the user is continuously moving. When a user who is riding on the Wii Balance Board moves his/her body, binaural sounds during playback are generated according to changes in his/her center of gravity. To implement the system, we have prepared a set of twenty-four acoustic signals for embedding into the system. If the user's center of gravity corresponds with one of the twenty-four regions, an acoustic signal recorded in advance corresponding to that region is reproduced for the user. We experimentally evaluate how accurately a user can judge the position of a sound source. Experimental results prove the proposed system yielded significantly higher locational accuracy than the original binaural system. © Springer International Publishing Switzerland 2014.

DOI

近似時変フィルターを用いたグロウル系統の歌唱音声合成の検討

溝渕翔平, 西垣友理, 西村竜一, 入野俊夫, 河原英紀

日本音響学会関西支部第16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 )    2013.12

Spectrally estimaed vocal tract lengths of singing voices and their contributing factors

Makoto Sakaguchi, Mayuko Kobayashi, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

MAVEBA 2013 (8th International Workshop on Models and Analysis of Vocal Emissions for Biomedical Applications) ( MAVEBA Workshop )    2013.12  [Refereed]

聴覚における寸法知覚の練習効果に関する検討

山本航大, 入野俊夫, 河原英紀, 西村竜一

日本音響学会関西支部第16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 )    2013.12

留学生向け日本語能力測定システムのためのUI設計 〜HTML5を用いた音声入力インタフェース〜

田藤千弘, 西村竜一, 河原英紀, 入野俊夫, 今井新悟

日本音響学会関西支部第16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 )    2013.12

オージオグラムから難聴者の聞こえを再現するシステムの開発

永江美沙貴, 入野俊夫, 西村竜一, 河原英紀

日本音響学会関西支部第16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 )    2013.12

環境音収集アプリのためのUI設計 ~クラウドソーシング型データ集積サービスの提案~

松山みのり, 津田貴彦, 西村竜一, 河原英紀, 入野俊夫

日本音響学会関西支部第16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 )    2013.12

環境音分類結果に基づく収録アプリのインターフェース設計

松山 みのり, 津田 貴彦, 西村 竜一, 河原 英紀, 山田 順之介, 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 )    1387-1388   2013.09

スペクトル距離に基づく声道長推定における歌い手および基本周波数の影響について

坂口 諒, 小林 真優子, 入野 俊夫, 西村 竜一, 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 )    381-382   2013.09

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   2013.09

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   2013.09

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   2013.09

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   2013.09

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.   2013.09

基本周波数操作による音声の好感度改善に関連する物理的特徴の検討

吉元 照貴, 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 )    335-336   2013.09

Frequency-proportional dilation and compression in singing voice spectra and contributing factors

SAKAGUCHI Makoto, KOBAYASHI Mayuko, IRINO Toshio, NISIMURA Ryuichi, KAWAHARA Hideki

Technical report of IEICE. EA ( The Institute of Electronics, Information and Communication Engineers )  113 ( 134 ) 9 - 14   2013.07

　View Summary

A new estimation method of relative vocal tract length was proposed based on short time Fourier analysis and demonstrated its high reproducibility. The proposed method is based on an interference-free power spectral representation of periodic signals. The interference-free envelope spectrum is preprocessed by removing global spectral shape, which is dependent on the glottal source waveform and the radiation characteristic from mouth opening. It also preprocessed by smoothing excessive spectral details such as; differences of formant peak bandwidths, spectral dips caused by vocal tract branching, existence of closing phase of vocal fold and three dimensional vocal tract shape. Spectral distance calculation of preprocessed spectra using only relevant frequency region is introduced to alleviate disturbing factors other than vocal tract length differences. This article reports application of the proposed method on singing voices for investigating effects of singers' individual differences and voice pitch on the estimated relative vocal tract lengths. It also discusses possible application to computer assisted voice training.

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   2013.05

　View Summary

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   2013.05

　View Summary

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   2013.05  [Refereed]

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   2013.03

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   2013.03

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   2013.03

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  [Refereed]

　View Summary

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  [Refereed]

　View Summary

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  [Refereed]

　View Summary

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  [Refereed]

　View Summary

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   2012.12  [Refereed]

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 )    2012.12

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 )    2012.12

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) )    2012.12  [Refereed]

非対称レベルマスカを導入したノッチ雑音マスキング法の測定点の感度解析による削減

深渡瀬 智史,入野 俊夫,西村 竜一,河原 英紀, RoyD. Patterson

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 )    2012.12

TANDEM-STRAIGHTを用いた歌唱技法「シャウト」の再現

西垣 友理,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 )    2012.12

携帯型ガイドシステムのための環境音認識を応用した ZoneRecognition の提案

中西 恭介,津田 貴彦,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 )    2012.12

An interference-free representation of group delay for periodic signals

Hideki Kawahara, Masanori Morise, Ryuichi Nisimua, Toshio Irino

APSIPA Annual Summit and Conference 2012 ( Asia-Pacific Signal and Information Processing Association (APSIPA) )    2012.12  [Refereed]

Modulation transfer function design for a flexible cross synthesis VOCODER based on F0 adaptive spectral envelope recovery

Taiki Nishi, Ryuichi Nisimura, Toshio Irin, Hideki Kawahra

APSIPA Annual Summit and Conference 2012 ( Asia-Pacific Signal and Information Processing Association (APSIPA) )    2012.12  [Refereed]

コンピュータによる日本語スピーキング自動採点システム－日本語教師による採点との相関による検証－

今井新悟, 石塚賢吉, 山田武志, 篠崎隆宏, 西村竜一, 酒井たか子, 菊地賢一

日本言語テスト学会第16回全国研究大会 ( 日本言語テスト学会 )    32   2012.10

非対称レベルマスカを導入したノッチ雑音マスキング法の測定点の削減

深渡瀬智史,入野俊夫,西村竜一,河原英紀, Roy D. Patterson

日本音響学会聴覚研究会 ( 日本音響学会 )  42 ( 7 ) Vol.42, No.7, H-2012-99, pp.547-552 - 552   2012.10

携帯型端末で収録した音サインやサイレンなどの環境音認識の検討

津田貴彦,西村竜一,河原英紀,山田順之介,入野俊夫

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    1515-1516   2012.09

日本語スピーキングテストにおける文章読み上げ問題の自動採点の検討

山畑勇人, 大久保梨思子, 山田武志, 今井新悟, 石塚賢吉, 篠崎隆宏, 西村竜一, 牧野昭二, 北脇信彦

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    399-400   2012.09

母音区間情報に基づく声道長正規化と身体情報の基礎的検討

小林真優子,西村竜一,入野俊夫,河原英紀

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    423-424   2012.09

周期信号の瞬時周波数および群遅延の安定な表現について

河原英紀,森勢将雅,西村竜一,入野俊夫

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    283-286   2012.09

日本語スピーキングテストシステムS-CATのためのSVRによる自由発話の自動採点

小野豊, 大竹美鈴, 篠崎隆宏, 西村竜一, 山田武志, 石塚賢吉, 堀内靖雄, 黒岩眞吾, 今井新悟

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    335-336   2012.09

日本語スピーキングテストS-CATにおける並列セグメンテーションを用いた自動採点の検討

西村竜一,栗原理沙,篠崎隆宏,石塚賢吉,山田武志,今井新悟,河原英紀

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    397-398   2012.09

言語モデルの簡易構築に向けたGoogleデータからの必要単語抽出方法の検討

田中雅康,西村竜一,河原英紀,入野俊夫

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    173-174   2012.09

感度解析を用いたノッチ雑音マスキング法の測定点の削減に関する研究

深渡瀬智史,入野俊夫,西村竜一,河原英紀

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    537-538   2012.09

Deviation measure of waveform symmetry and its application to high-speed and temporally-fine F0 extraction for vocal sound texture manipulation

Hideki Kawahara, Masanori Morise, Ryuichi Nisimura, Toshio Irino

Interspeech 2012 ( ISCA )    2012.09  [Refereed]

日本語スピーキングテストにおける文生成問題の自動採点の検討

大久保梨思子, 山畑勇人, 山田武志, 今井新悟, 石塚賢吉, 篠崎隆宏, 西村竜一, 牧野昭二, 北脇信彦

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    395-396   2012.09

スピーカー特性の簡易補正と主観評価実験

苔口祐樹,入野俊夫,西村竜一,河原英紀

日本音響学会2012年秋季研究発表会 ( 日本音響学会 )    533-534   2012.09

スピーキング自動採点テストのための問題アイテム作成

今井新悟, 酒井たか子, 伊東祐郎, 赤木彌生, 中園博美, 本田明子, 家根橋伸子, 山田武志, 西村竜一, 篠崎隆宏, 中村洋一, 菊池賢一, 石塚賢吉

日本語教育学会2012年日本語教育国際研究大会 ( 日本語教育学会 )    9   2012.08

A stable representation of group delay for periodic signals

河原 英紀, 森勢 将雅, 西村 竜一

聴覚研究会資料 ( 日本音響学会聴覚研究委員会 )  42 ( 5 ) 419 - 424   2012.07

A stable representation of group delay for periodic signals

KAWAHARA Hideki, MORISE Masanori, NISIMURA Ryuichi, IRINO Toshio

Technical report of IEICE. EA ( The Institute of Electronics, Information and Communication Engineers )  112 ( 125 ) 1 - 6   2012.07

　View Summary

Instantaneous frequency and group delay, which are defined as the temporal derivative and the frequency derivative of phase respectively, are better representations than phase itself, because they are physically meaningful and do not require unwrapping, which is a fragile operation. However, abrupt changes and discontinuities, which are caused by interference between constituent components prevented them from potential applications. As the final piece of the authors' investigations for providing interference-free representations of power spectrum and instantaneous frequency, an interference-free representation of group delay is introduced. It is derived from the group delay representation, analogues to Flanagan's instantaneous frequency representation. The interference-free group delay is the power spectrum weighted average of the shifted pair of group delays 1/2 fundamental frequency apart.

楽器音や動物の鳴声の音色と音声の言語情報を保持したクロス合成VOCODER

西大輝, 西村竜一, 入野俊夫, 河原英紀

情報処理学会第95回音楽情報科学研究会 ( 情報処理学会 )    2012-MUS-95-3   2012.06

音源およびスペクトル包絡の時間的微細構造の加工と歌唱音声の印象への影響について

河原英紀,森勢将雅, 西村竜一, 入野俊夫

情報処理学会第95回音楽情報科学研究会 ( 情報処理学会 )    2012-MUS-95-4   2012.06

A Report on Japanese Computerized Adaptive Test

Youichi Nakamura, Shingo Imai, Sukero Ito, Kenichi Kikuchi, Yayoi Akagi, Hiromi Nakasono, Akiko Honda, Ryuichi Nishimura, Takako Sakai, Takahiro Shinozaki and Takeshi Yamada,

Korean English Language Association ( Korean English Language Association )    2012.05

非対称レベルマスカを導入したノッチ雑音マスキング法による圧縮特性推定法の提案

深渡瀬 智史, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.647-648   2012.03

異なった原理に基づく周期性検出器のアンサンブルによる音源情報の分析について

河原 英紀, 森勢 将雅, 西村 竜一, 入野 俊夫

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.385-388   2012.03

日本語スピーキングテストSCATにおける文読み上げ・文生成問題の自動採点手法の改良

山畑勇人, 大久保梨思子, 山田武志, 今井新悟, 石塚賢吉, 篠崎隆宏, 西村竜一, 牧野昭二, 北脇信彦

日本音響学会2013年春季研究発表会 ( 日本音響学会 )    465-468   2012.03

日本語スピーキングテストにおける文章読み上げ問題の採点に影響を及ぼす要因の検討

山畑 勇人, 大久保 梨思子, 山田 武志, 今井 新悟, 石塚 賢吉, 篠崎 隆宏, 西村 竜一, 牧野 昭二, 北脇 信彦

電子情報通信学会2012年総合大会 ( 電子情報通信学会 )    D-14-8   2012.03

日本語発話能力測定ウェブテストシステムを用いて収集した留学生の日本語発話の分析

栗原 理沙, 西村 竜一, 和田 芳佳, 河原 英紀, 入野 俊夫

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.421-422   2012.03

ウェブデータベースを用いた音声認識用言語モデルの簡易適応

西村 竜一, 島田 敏明, 田中 雅康, 河原 英紀, 入野 俊夫

情報処理学会第74回全国大会 ( 情報処理学会 )    vol.2, pp.5-6   2012.03

障害音声および歌唱音声における音声の周期構造分析について

和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.375-376   2012.03

若年話者判別法の音響特徴に対する聴覚フィルタバンクの導入

宮森 翔子, 西村 竜一, 岡本 恵里香, 河原 英紀, 入野 俊夫

情報処理学会第74回全国大会 ( 情報処理学会 )  2012 ( 1 ) vol.2, pp.613-614 - 615   2012.03

　View Summary

本研究では、対話インタフェースにおいて子どもに優しい振舞いを提供するために、音声認識を用いた若年者判別技術に関する検討を行っている。今回、従来から用いている音響特徴量であるMFCC(メル周波数ケプストラム係数)に、ガンマチャープ聴覚フィルタバンク(GCFB)から抽出した特徴量を組み合わせ、判別性能の調査を行った。MFCCは、音声認識に一般的に使用されている特徴量である。一方、聴覚フィルタバンクは人間の聴覚特性を模擬しており、先行研究により、音声モーフィングのための声道長正規化に有効であることがわかっている。声道長と人間の身長には相関があることから、聴覚フィルタバンクの導入は若年話者判別にも有効であると考えられる。

Googleデータベースを用いた3-gram拡張法による言語モデル構築の自動化ツール

島田 敏明, 田中 雅康, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.235-236   2012.03

聴覚フィルタバンクを導入した音響特徴量による若年者判別手法

宮森 翔子, 西村 竜一, 岡本 恵里香, 入野 俊夫, 河原 英紀

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.87-88   2012.03

模擬難聴のための動的圧縮型ガンマチャープによる圧縮特性の制御

坂口 諒, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.605-606   2012.03

楽器音や動物の鳴声の音色を保持した音声とのクロス合成VOCODERの検討

西 大輝, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.401-402   2012.03

日本語スピーキングテストにおける文生成問題の採点に影響を及ぼす要因の検討

大久保 梨思子, 山畑 勇人, 山田 武志, 今井 新悟, 石塚 賢吉, 篠崎 隆宏, 西村 竜一, 牧野 昭二, 北脇 信彦

電子情報通信学会2012年総合大会 ( 電子情報通信学会 )    D-14-9   2012.03

Googleデータを用いた3-gramモデル構築における品詞情報に基づいた語彙制限

田中 雅康, 西村 竜一, 島田 敏明, 河原 英紀, 入野 俊夫

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.233-234   2012.03

聴覚フィルタバンクに基づく声道長推定と発話様式や身長との関係

岡本 恵里香, 北出 晴香, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2012年春季研究発表会 ( 日本音響学会 )    pp.339-340   2012.03

日本語発話能力測定ウェブシステムのための留学生発話分析

栗原 理沙, 石塚 賢吉, 西村 竜一, 篠崎 隆宏, 山田 武志, 今井 新悟

電子情報通信学会パターン認識・メディア理解研究会/音声研究会 ( 電子情報通信学会 )  111 ( 430 ) 電子情報通信学会技術研究報告, vol. 111, no. 431, SP2011-134, pp. 141-142 - 142   2012.02

　View Summary

We are developing a computerized Japanese speaking test system, which are implemented using web protocols of the Internet. This system can automatically evaluate examinees' ability of speaking Japanese language by using speech recognition technologies. The system realizes adaptive tests which can select questions items suitable to each examinee. We are performing the analysis of foreign student utterances collected through the prototype system for the release of the system.

聴覚フィルタバンクによる声道長推定と身長との相関および発話様式の影響

岡本 恵里香,北出 晴香,西村 竜一,河原 英紀,入野 俊夫

日本音響学会聴覚研究会 ( 日本音響学会 )    日本音響学会聴覚研究会資料, vol.42, no.1, pp.35-40   2012.02

高い時間分解能を有するスペクトルおよび基本周波数抽出法に基づくシャウト歌唱の分析について

西垣 友理,西村 竜一,入野 俊夫,河原 英紀

日本音響学会2013年春季研究発表会 ( 日本音響学会 )    389-390   2012

Automatic scoring method considering quality and content of speech for scat Japanese speaking test

Naoko Okubo, Yuto Yamahata, Takeshi Yamada, Shingo Imai, Kenkichi Ishizuka, Takahiro Shinozaki, Ryuichi Nisimura, Shoji Makino, Nobuhiko Kitawaki

Proceedings of the 2012 International Conference on Speech Database and Assessments, Oriental COCOSDA 2012 ( COCOSDA (The International Committee for the Co-ordination and Standardization of Speech Databases and Assessment Techniques) )    72 - 77   2012  [Refereed]

　View Summary

We are now developing a Japanese speaking test called SCAT, which is part of J-CAT (Japanese Computerized Adaptive Test), a free online proficiency test for Japanese language learners. In this paper, we focus on the sentence-reading-aloud task and the sentence generation task in SCAT, and propose an automatic scoring method for estimating the overall score of answer speech, which is holistically determined by language teachers according to a rating standard. In that process, teachers carefully consider different factors but do not rate the scores of them. We therefore analyze how each factor contributes to the overall score. The factors are divided into two categories: the quality of speech and the content of speech. The former includes pronunciation and intonation, and the latter representation and vocabulary. We then propose an automatic scoring method based on the analysis. Experimental results confirm that the proposed method gives relatively accurate estimates of the overall score. © 2012 IEEE.

DOI

ノッチ雑音マスキング法の測定点削減のための感度解析の改良

深渡瀬 智史,入野 俊夫,西村 竜一,河原 英紀, Roy D. Patterson

日本音響学会2013年春季研究発表会 ( 日本音響学会 )    609-610   2012

音声の周期構造分析法とその障害音声分析への応用

和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会第14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 )    2011.12

和歌山大学のゆるキャラ『わだにゃん』が登場する子どもにやさしい対話システムの開発

吉本 勇希, 西村 竜一, 宮森 翔子, 河原 英紀, 入野 俊夫

日本音響学会第14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 )    2011.12

Identification of Child Users via Web-Based Voice Interface using Auditory Filterbank

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

IEEE ASRU2011 Show and Tell Session (2011 IEEE Automatic Speech Recognition and Understanding Workshop) ( IEEE )    2011.12

基本波のFMとAM成分に基づく高速な基本周波数推定法について

河原 英紀, 森勢 将雅, 西村 竜一, 入野 俊夫

日本音響学会聴覚研究会 ( 日本音響学会 )    日本音響学会聴覚研究会資料, vol.41, no.9, pp.679-684   2011.12

Googleデータを用いた音声認識用辞書のクイック構築技術

田中 雅康, 西村 竜一, 島田 敏明, 河原 英紀, 入野 俊夫

日本音響学会第14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 )    2011.12

pandaPhone: 人と動物を混ぜ合わせた声のiPhoneアプリ

西 大輝, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会第14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 )    2011.12

聴覚フィルタバンクに基づく声道長正規化を用いた音声モーフィングの改良

岡本 恵里香, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会第14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 )    2011.12

音声分析変換合成系における時変フィルタの実装と駆動情報の表現について

河原 英紀, 和田 芳佳, 西 大輝, 森勢 将雅, 西村 竜一

日本音響学会聴覚研究会 ( 日本音響学会 )  41 ( 7 ) 日本音響学会聴覚研究会資料, vol.41, no.7, pp.561-566 - 566   2011.10

障害音声の分析における基本周波数抽出法の評価について

和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫 河原 英紀

日本音響学会2011年秋季研究発表会 ( 日本音響学会 )    pp.423-434   2011.09

語彙で認識対象を制御するGoogleデータを用いた3-gramモデル構築法の検討

田中 雅康, 西村 竜一, 島田 敏明, 河原 英紀, 入野 俊夫

日本音響学会2011年秋季研究発表会 ( 日本音響学会 )    pp.161-162   2011.09

聴覚フィルタバンクを用いた声道長推定法の比較

岡本 恵里香, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会2011年秋季研究発表会 ( 日本音響学会 )    pp.389-390   2011.09

対話型音声インタフェースのための大人・子ども判別技術の改良

宮森 翔子, 西村 竜一, 入野 俊夫, 河原 英紀

FIT2011第10回情報科学技術フォーラム ( 情報処理学会・電子情報通信学会 )    FIT2011第10回情報科学技術フォーラム講演論文集(査読付き論文), vol.3, pp.37-40   2011.09  [Refereed]

言葉の明瞭度と楽器等の特徴を保持したクロス合成の評価について

西 大輝, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2011年秋季研究発表会 ( 日本音響学会 )    pp.587-588   2011.09

聴覚フィルタバンクを用いた若年話者判別の検討

日本音響学会2011年秋季研究発表会 ( 日本音響学会 )    pp.59-62   2011.09

情報量を基準とした3-gram拡張に基づく言語モデルの適応手法

島田 敏明, 田中 雅康, 西村 竜一,河原 英紀, 入野 俊夫

日本音響学会2011年秋季研究発表会 ( 日本音響学会 )    pp.167-168   2011.09

言葉の明瞭度と楽器等の音色を保持したクロス合成法の検討

西 大輝, 西村 竜一, 入野 俊夫, 河原 英紀

電子情報通信学会応用音響研究会・日本音響学会聴覚研究会 ( 電子情報通信学会・日本音響学会 )  41 ( 6 ) 電子情報通信学会技術研究報告, vol.111, no.175, EA2011-64, pp.87-92 - 468   2011.08

Auditory filterbank improves voice morphing

Erika Okamoto, Toshio Irino, Ryuichi Nisimura, Hideki Kawahara

Interspeech2011 ( ISCA )    pp.2517 - 2520   2011.08  [Refereed]

複数の周期成分を持つ音声のための周期構造抽出法と障害音声分析への応用について

和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

電子情報通信学会応用音響研究会・日本音響学会聴覚研究会 ( 電子情報通信学会・日本音響学会 )  41 ( 6 ) 電子情報通信学会技術研究報告, vol.111, no.175, EA2011-63, pp.81-86 - 462   2011.08

聴覚フィルタバンクを用いた声道長比推定

岡本 恵里香, 入野 俊夫, 西村 竜一, 河原 英紀

電子情報通信学会音声研究会 ( 電子情報通信学会 )    電子情報通信学会技術研究報告, vol.111, no.153, SP2011-43, pp.11-16   2011.07

音声の駆動構造分析における周期性検出器の応答特性の整形と統合について

和田 芳佳,森勢 将雅,西村 竜一,入野 俊夫,河原 英紀

日本音響学会2011年春季研究発表会講演論文集 ( 日本音響学会 )    pp.395-396   2011.03

滑舌の良いCross synthesis VOCODER

西 大輝, 赤桐 隼人, 西村 竜一, 入野 俊夫, 河原 英紀

情報処理学会 インタラクション2011(インタラクティブ発表)     2011.03

成分位相の制御により声の肌触りを変える

河原 英紀, ロイ・パターソン, 森勢 将雅, 坂野 秀樹, 津崎 実, 高橋 徹, 西村 竜一, 入野 俊夫

情報処理学会 インタラクション2011(インタラクティブ発表) ( 情報処理学会 )    2011.03

ピーク強調を含んだF0適応型スペクトル包絡抽出法による再合成音声の品質評価について

赤桐 隼人,森勢 将雅,西村 竜一,入野 俊夫,河原 英紀

日本音響学会2011年春季研究発表会講演論文集 ( 日本音響学会 )    pp.327-328   2011.03

ウェブを用いたトピック関連N-gramエントリ抽出手法の検討

島田 敏明,田中 雅康,西村 竜一,河原 英紀,入野 俊夫

日本音響学会2011年春季研究発表会講演論文集 ( 日本音響学会 )    pp.199-200   2011.03

外部知識としてウェブを用いた3-gram 言語モデル拡張手法の検討

西村 竜一, 島田 敏明, 田中 雅康, 河原 英紀, 入野 俊夫

情報処理学会第73全国大会講演論文集 ( 情報処理学会 )    vol.2, pp.75-76   2011.03

A proposal of expanding language model using web data resources for Japanese automatic speech recognition systems

Ryuichi Nisimura, Toshiaki Shimada, Yuuki Nagai, Hideki Kawahara, Toshio Irino

Proc. DEIT2011 (2011 First IRAST International Conference on Data Engineering and Internet Technology) ( International Research Alliance for Science and Technology (IRAST) )    pp.429-432   2011.03  [Refereed]

聴覚フィルタバンクに基づく声道長正規化と音声モーフィングへの応用について

岡本 恵里香,入野 俊夫,西村 竜一,河原 英紀

日本音響学会2011年春季研究発表会講演論文集 ( 日本音響学会 )    pp.419-420   2011.03

Evaluation of Voice Morphing Using Vocal Tract Length Normalization Based on Auditory Filterbank

Erika Okamoto, Toshio Irino, Ryuichi Nisimura, Hideki Kawahara

Proc. NCSP'11 (2011 RISP International Workshop on Nonlinear Circuits, Communications and Signal Processing)     187 - 190   2011.03  [Refereed]

実環境発話を用いた子ども判別アルゴリズムの検討

宮森 翔子,西村 竜一,栗原 理沙,河原 英紀,入野 俊夫

日本音響学会2011年春季研究発表会講演論文集 ( 日本音響学会 )    pp.55-56   2011.03

A New Formulation of a Multiple Periodicity Extractor for Expressive and Pathological Voices

Yoshika Wada, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proc. NCSP'11 (2011 RISP International Workshop on Nonlinear Circuits, Communications and Signal Processing) ( Research Institute of Signal Processing (RISP) )    pp.336-339 - 339   2011.03  [Refereed]

Development of web-based voice interface to identify child users based on automatic speech recognition system

Ryuichi Nisimura, Shoko Miyamori, Lisa Kurihara, Hideki Kawahara, Toshio Irino

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) ( HCI International Conferences )  6764 ( 4 ) 607 - 616   2011  [Refereed]

　View Summary

We propose a method to identify child speakers, which can be adopted in Web filtering systems to protect children from the dangers of the Internet. The proposed child identification method was developed relies on an automatic speech recognition (ASR) algorithm, that uses an acoustic hidden Markov model (HMM) and a support vector machine (SVM). To extend the proposed method for use in a Web application, we used our voice-enabled Web system (the w3voice system) as a front-end interface for a prototype system. In this paper, we present an overview of the prototype system to elucidate our proposal. We also evaluate the efficacy of the proposed method in identifying child speakers by using voices captured from real Web users. © 2011 Springer-Verlag.

DOI

Optimization of a multiple local periodicity detector for vocal excitation structure analysis

Yoshika Wada, Masanori Morise, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proc. APSIPA ASC 2010 (2nd APSIPA Annual Summit and Conference) ( Asia-Pacific Signal and Information Processing Association (APSIPA) )    pp.518-521   2010.12  [Refereed]

聴覚フィルタバンクを用いたスペクトル距離に基づく声道長比推定について

岡本 恵里香, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会関西支部第13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 )    2010.12

トピック関連単語を用いたN-gram エントリ拡張法の音声認識性能調査

島田 敏明, 田中 雅康, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会関西支部第13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 )    2010.12

Comparing Abilities of Humans and Machine for Child Speaker Identification based on Web Utterances Collection

Shoko Miyamori, Ryuichi Nishimura, Lisa Kurihara, Toshio Irino, Hideki Kawahara

Proc. APSIPA ASC 2010 Student Symposium (2nd APSIPA Annual Summit and Conference) ( Asia-Pacific Signal and Information Processing Association (APSIPA) )    p.9   2010.12  [Refereed]

音声の周期構造分析法の設計パラメタの検討および性能評価について

和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第13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 )    2010.12

Real world utterance collection using voice-enabled web system for child speaker identification

Shoko Miyamori, Ryuichi Nishimura, Lisa Kurihara, Toshio Irino, Hideki Kawahara

Proc. 13th Oriental COCOSDA Workshop ( The International Committee for the Co-ordination and Standardization of Speech Databases and Assessment Techniques )    2010.11  [Refereed]

ウェブ収集発話に基づく子ども向け対話インタフェースの開発

宮森 翔子, 西村 竜一, 栗原 理沙, 入野 俊夫, 河原 英紀

日本音響学会2010年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.89-90   2010.09

実環境発話を入力とする子ども利用者判別技術の開発

宮森 翔子, 西村 竜一, 栗原 理沙, 河原 英紀, 入野 俊夫

日本ロボット学会第28回学術講演会 ( 日本ロボット学会 )    RSJ2010AC1H2-1   2010.09

声道長比に基づくスペクトル正規化のためのスペクトル距離および周波数帯域の検討

岡本 恵里香, 浅香 佳希, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2010年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.323-324   2010.09

F0適応型スペクトル包絡推定法のケプストラムを用いた実装によるピーク形状近似誤差の改善

赤桐 隼人, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2010年秋季研究発表会講演論文集 ( 日本音響学会 )    2010.09

ちょっとした一言の音声認識による子ども利用者判別法の検討

宮森 翔子, 西村 竜一, 栗原 理沙, 入野 俊夫, 河原 英紀

FIT2010第9回情報科学技術フォーラム(一般論文) ( 情報処理学会・電子情報通信学会 )    pp.469-472   2010.09

音声の周期構造検出法の設計パラメタの調整と性能評価指標の検討について

和田 芳佳, 板垣 英恵, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2010年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.333-334   2010.09

講演発話を用いたN-gram補完手法の音声認識性能評価

島田 敏明, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2010年秋季研究発表会講演論文集 ( 日本音響学会 )    pp.147-148   2010.09

音声ウェブシステムを用いて収集した実環境子供発話に関する調査

栗原 理沙, 西村 竜一, 宮森 翔子, 河原 英紀, 入野 俊夫

FIT2010第9回情報科学技術フォーラム(一般論文) ( 情報処理学会・電子情報通信学会 )    pp.229-230   2010.09

Analysis and synthesis of singing with hoarse vocal expressions

Hideki Kawahara, Hanae Itagaki, Yoshika Wada, Masanori Morise, Ryuichi Nisimura, Toshio Irino

Proc. ICA2010 (20th International Congress on Acoustics) ( International Commission for Acoustics )    Paper-ID 933   2010.08  [Refereed]

Evaluation and optimization of F0-adaptive spectral envelope estimation based on spectral smoothing with peak emphasis

Hayato Akagiri, Masanori Morise, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proc. ICA2010 (20th International Congress on Acoustics) ( International Commission for Acoustics )    Paper-ID 794   2010.08  [Refereed]

単語重要度を用いたN-gram補完手法が与える音声認識性能の調査

島田 敏明, 西村 竜一, 河原 英紀, 入野 俊夫

情報処理学会研究報告 ( 情報処理学会 )    2010-SLP-82-20   2010.07

音源構造抽出法の初期推定値のバイアス除去と高速化について

河原 英紀, 和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫

日本音響学会聴覚研究会資料 ( 日本音響学会 )  40 ( 6 ) vol.40, no.6, H-2010-87, pp.477-482 - 482   2010.07

スペクトル距離に基づく声道長正規化のための周波数帯域の選定について

岡本 恵里香, 浅香 佳希, 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 )  110 ( 71 ) vol.110, no.71, EA2010-36, pp.83-88 - 88   2010.06

　View Summary

Normalization of speaker dependent spectral differences is an important issue in speech applications, such as automatic speech recognition and high-quality voice morphing. Individual spectral differences are primarily dependent on vocal tract length differences. They are also dependent on glottal source signal and the shape of pyriform fossa. This article investigates effects of frequency range selection on spectral distance-based vocal tract length normalization (VTLN). It is based on an idea that the best VTLN performance can be attained by selecting frequency region where spectral differences are virtually exclusively determined by differences of vocal tract length. All combination of utterances spoken by 28 subjects were used to calculate estimates of their relative vocal tract lengths, which are used as the tentative "true" lengths to evaluates deviation of each VTL ratio estimation based on spectral distances. The test results revealed that the best performance is yielded by selecting frequency region spanning from 400 Hz to 4000 Hz, using an integrated logarithmic spectral distance using outputs of MFCC filter bank and their frequency derivatives.

擬似音声信号を用いた評価による音源構造抽出法の最適化について

和田 芳佳, 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.110, no.71, EA2010-35, pp.77-82   2010.06

Google DBを用いたトピック特化型N-gramモデル補完の検討

島田 敏明, 鈴田 健太郎, 永井 裕貴, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2010年春季研究発表会講演論文集 ( 日本音響学会 )    pp.177-178   2010.03

ウェブ収集発話を対象とした若年者判別の検討

宮森 翔子, 西村 竜一, 入野 俊夫, 河原 英紀

情報処理学会創立50周年記念(第72回)全国大会講演論文集 ( 情報処理学会 )    vol.2 pp.285-286   2010.03

高品質分析合成のための有声音の非周期成分の表現と推定について

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 )  40 ( 3 ) vol.109, no.451, SP2010-165, pp.99-104 - 236   2010.03

音声からの複数の周期成分抽出および歌唱音声の周期構造分析への応用

和田 芳佳, 板垣 英恵, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2010年春季研究発表会講演論文集 ( 日本音響学会 )    pp.505-506   2010.03

尖度に基づく音響的イベントの検出と音声分析変換合成システムへの応用について

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

日本音響学会2010年春季研究発表会講演論文集 ( 日本音響学会 )    pp.315-316   2010.03

時変モーフィングに基づく歌唱音声の操作と声質および歌い回しの評価について

岡本 恵里香, 和田 芳佳, 森勢 将雅, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2010年春季研究発表会講演論文集 ( 日本音響学会 )    pp.463-464   2010.03

Simplification and extension of non-periodic excitation source representations for high-quality speech manipulation systems

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

11TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2010 (INTERSPEECH 2010), VOLS 1-2 ( ISCA-INT SPEECH COMMUNICATION ASSOC )    38 - +   2010  [Refereed]

　View Summary

A systematic framework for non-periodic excitation source representation is proposed for high-quality speech manipulation systems such as TANDEM-STRAIGHT, which is basically a channel VOCODER. The proposed method consists of two subsystems for non-periodic components; a colored noise source and an event analyzer/generator. The colored noise source is represented by using a sigmoid model with non-linear level conversion. Two model parameters, boundary frequency and slope parameters, are estimated based on pitch range linear prediction combined with F0 adaptive temporal axis warping and those on the original temporal axis. The event subsystem detects events based on kurtosis of filtered speech signals. The proposed framework provides significant quality improvement for high-quality recorded speech materials.

HIGH-QUALITY AND LIGHT-WEIGHT VOICE TRANSFORMATION ENABLING EXTRAPOLATION WITHOUT PERCEPTUAL AND OBJECTIVE BREAKDOWN

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

2010 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING ( IEEE )    4818 - 4821   2010  [Refereed]

　View Summary

A voice transformation method that only relies on vowel information is proposed. The method is based on empirical cumulative distributions of perceptually relevant spectral distances, which are used to design mapping functions from distance to proximity. A set of operators are optimized in the design phase to implement on-the-fly compilation of executable transformations used in the transformation phase. Proximity of the current input parameters to the speaker's own vowel templates is used in this compilation. The proposed method deforms the source speaker's parameter space using a set of monotonic and continuous mapping functions. This smooth and topology-preserving mapping yields high-quality modification of existing speech resources.

圧縮型ガンマチャープ適合による聴覚フィルタの周波数特性と圧縮特性の推定

下塩 望, 入野 俊夫, 河原 英紀, 西村 竜一

日本音響学会関西支部第12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 )    2009.12

ウェブ収集発話を対象とした人間と機械の大人・子ども識別能力の比較

宮森 翔子, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12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 )    2009.12

部分時変モーフィングによる母音情報に注目した歌声の転写実験と評価

岡本 恵里香, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12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 )    2009.12

TANDEM-STRAIGHTスペクトル包絡推定法の改良及び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

日本音響学会関西支部第12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 )    2009.12

部分時変モーフィングに基づく歌唱音声の歌い回しの転写実験と評価

和田 芳佳, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会関西支部第12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 )    2009.12

A bottom-up procedure to extract periodicity structure of voiced sounds and its application to represent and restoration of pathological voices

Hanae Itagaki, Masanori Morise, Ryuichi Nisimura, Toshio Irino, Hideki Kawahara

Proc. MAVEBA09 (6th International Workshop on Models and Analysis of Vocal Emissions for Biomedical Applications)     pp.115-118 - 118   2009.12  [Refereed]

TANDEM-STRAIGHTに基づく周期構造検出器の性能評価指標と最適化について

板垣 英恵, 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.363-364   2009.09

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.

TEMPORALLY VARIABLE MULTI-ASPECT AUDITORY MORPHING ENABLING EXTRAPOLATION WITHOUT OBJECTIVE AND PERCEPTUAL BREAKDOWN

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

2009 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, VOLS 1- 8, PROCEEDINGS ( IEEE )    3905 - +   2009  [Refereed]

　View Summary

A generalized framework of auditory morphing based on the speech analysis, modification and resynthesis system STRAIGHT is proposed that enables each morphing rate of representational aspects to be a function of time, including the temporal axis itself. Two types of algorithms were derived: an incremental algorithm for real-time manipulation of morphing rates and a batch processing algorithm for off-line post-production applications. By defining morphing in terms of the derivative of mapping functions in the logarithmic domain, breakdown of morphing resynthesis found in the previous formulation in the case of extrapolations was eliminated. A method to alleviate perceptual defects in extrapolation is also introduced.

Observation of empirical cumulative distribution of vowel spectral distances and its application to vowel based voice conversion

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

INTERSPEECH 2009: 10TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2009, VOLS 1-5 ( ISCA-INT SPEECH COMMUNICATION ASSOC )    2615 - +   2009  [Refereed]

　View Summary

A simple and fast voice conversion method based only on vowel information is proposed. The proposed method relies on empirical distribution of perceptual spectral distances between representative examples of each vowel segment extracted using TANDEM-STRAIGHT spectral envelope estimation procedure [1]. Mapping functions of vowel spectra are designed to preserve vowel space structure defined by the observed empirical distribution while transforming position and orientation of the structure in an abstract vowel spectral space. By introducing physiological constraints in vocal tract shapes and vocal tract length normalization, difficulties in careful frequency alignment between vowel template spectra of the source and the target speakers can be alleviated without significant degradations in converted speech. The proposed method is a frame-based instantaneous method and is relevant for real-time processing. Applications of the proposed method in-cross language voice conversion are also discussed.

Development of Speech Input Method for Interactive VoiceWeb Systems

Ryuichi Nisimura, Jumpei Miyake, Hideki Kawahara, Toshio Irino

HUMAN-COMPUTER INTERACTION, PT II ( SPRINGER-VERLAG BERLIN )  5611   710 - +   2009  [Refereed]

　View Summary

We have developed a speech input method called "w3voice" to build practical and handy voice-enabled Web applications. It is constructed using a simple Java applet and CGI programs comprising free software. In Our website (http://w3voice.jp/), we have released automatic speech recognition and spoken dialogue applications that are Suitable for practical use. The mechanism of voice-based interaction is developed on the basis of raw audio signal transmissions via the POST method and the redirection response of HTTP. The system also aims at oroanizing a voice database collected from home and office environments over the Internet. The purpose of the work is to observe actual voice interactions of human-machine and human-human. We have succeeded in acquiring 8,412 inputs (47.9 inputs per day) captured by using normal PCs over a period of seven months. The experiments confirmed the user-friendliness of our system in human-machine dialogues with trial users.

Parameter optimization for a fundamental frequency extractor based on TANDEM-STRAIGHT

ITAGAKI Hanae, MORISE Masanori, NISHIMURA Ryuichi, IRINO Toshio, KAWAHARA Hideki

IPSJ SIG Notes ( Information Processing Society of Japan (IPSJ) )  2008 ( 123 ) 155 - 160   2008.12

　View Summary

A fundamental frequency extractor based on a temporally stable power spectral representation for periodic signals (TANDEM spectrum) and a spectral envelope derived from the representation (STRAIGHT spectrum) is proposed. This article describes roles of system parameters of the proposed method and their effects on system performance and reports results of preliminary optimization of them. System parameters investigated are; number of harmonic component for detecting hypothesized periodicity peak and weighting width on the log-lag domain for integrating specialized individual F0 detectors. Detailed descriptions of these parameters and their impact on F0 extraction performance are presented and they were further investigated using a database consisting of simultaneous recording of speech and EGG (electroglottogram) signals. Test results indicated that the proposed method has comparable performance with F0 extractors used in STRAIGHT and other popular F0 extractors such as YIN, when three harmonic components are used and weighting with a width of 1/√<2> of the center lag is used.

基本周波数情報に基づく線形予測と時間軸伸縮を利用した非周期成分の抽出について

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     Vol.108, No.338, SP2008-93/NLC2008-38   2008.12

劣化音声の知覚特性と音声認識器の認識傾向の比較

森本 隆司, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会聴覚研究会資料 ( 日本音響学会聴覚研究委員会 )  38 ( 8 ) H-2008-142, Vol.38, No.8, pp.803-808 - 808   2008.12

TANDEM-STRAIGHTに基づく基本周波数抽出法に関する一検討

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     Vol.108, No.338, SP2008-105/NLC2008-50   2008.12

実時間操作インタフェースへの応用を目的とした歌唱モーフィング操作パラメタの時系列への拡張について

河原英紀, 森勢将雅, 高橋徹, 坂野秀樹, 西村竜一, 入野俊夫

情報処理学会研究報告, 2008-MUS-78-16 ( Information Processing Society of Japan (IPSJ) )  2008 ( 127 ) 91-96 - 96   2008.12

　View Summary

Reuse of performance design in singing requires temporally localized manipulations of singing style, voice quality and expressions. They can be done in realtime such as in live concert scenes or can be done in off-line such as in the post production editing or recorded materials. A new framework is introduced to extend TANDEM-STRAIGTH-based morphing with a temporally variable multi-dimensional morphing rate and formulated. This formulation provides solid basis for implementing five morphing parameters (fundamental frequency, aperiodicity, STRAIGHT spectrogram, time and frequency axes) on each time-series independently. This formulation is based on interpolation of logarithmic derivative of transformation functions and enables extrapolative morphing without quality breakdown found in our previous formulations. The proposed method is easily extended to multiple exemplar morphing because the formulation is symmetric for each exemplar utterance.

パネル討論 「アプリケーション開発における音声認識」

西村 竜一, 中野 鐵兵, 栗原 一貴, 中臺 一博, 吉野 孝

情報処理学会研究報告     2008-SLP-73-11   2008.10

零周波数フィルタ信号に基づく基本周波数抽出法の評価と応用について

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

日本音響学会2008年秋季研究発表会講演論文集     pp.423-424   2008.09

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   2008.09

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   2008.09

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   2008.08

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   2008.07  [Refereed]

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"     2008.06  [Refereed]

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   2008.06

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   2008.05

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   2008.03

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   2008.03

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   2008.03

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.

音声認識に用いた劣化音声に含まれる情報の検討

松村 勇作, 入野 俊夫, 西村 竜一, 河原 英紀

日本音響学会2007年春季研究発表会講演論文集     475-476   2007.03

言語バリア解消を目指した音声認識医療受付対話支援システム

宮部 真衣,吉野 孝,西村 竜一

情報処理学会第69回全国大会講演論文集     5F-5   2007.03

ネットワーク公開試験に向けた音声対話Webアプリケーションの開発

西村 竜一, 三宅 純平, 河原 英紀, 入野 俊夫

日本音響学会2007年春季研究発表会講演論文集     17-18   2007.03

母音情報に基づく話者変換システムの提案--音声テクスチャマッピングの一実装例

高橋徹,森勢将雅,西村竜一,入野俊夫,河原英紀,坂野秀樹

電子情報通信学会技術研究報告 ( 日本音響学会聴覚研究委員会 )  37 ( 2 ) SP2006-162 - 92   2007.03

Insights gained from development and long-term operation of a real-environment speech-oriented guidance system

Tobias Cincarek, Ryuichi Nisimura, Akinobu Lee, Kiyohiro Shikano

ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings   4   IV157 - IV160   2007  [Refereed]

　View Summary

This paper presents insights gained from operating a public speech-oriented guidance system. A real-environment speech database (300 hours) collected with the system over four years is described and analyzed regarding usage frequency, content and diversity. Having the first two years of the data completely transcribed, simulation of system development and evaluation of system performance over time is possible. The database is employed for acoustic and language modeling as well as construction of a question and answer database. Since the system input is not text but speech, the database enables also research on open-domain speech-based information access. Apart from that research on unsupervised acoustic modeling, language modeling and system portability can be carried out. A performance evaluation of the system in an early stage as well as late stage when using two years of real-environment data for constructing all system components shows the relative importance of developing each system component. The system's response accuracy is 83% for adults and 68% for children. © 2007 IEEE.

DOI

The Speech-oriented Guidance System Takemaru and its Portability

CINCAREK Tobias, KAWANAMI Hiromichi, KIDA Manabu, SARUWATARI Hiroshi, SHIKANO Kiyohiro, NISHIMURA Ryuichi, LEE Akinobu

IEICE technical report. Speech ( The Institute of Electronics, Information and Communication Engineers )  106 ( 443 ) 173 - 178   2006.12

　View Summary

The development of the speech-oriented guidance system Takemaru is simulated using the data collected during the first two-years of regular operation. The relationship between the period of data collection, the number of speech inputs, number of words, language model perplexity, OOV rate, speech recognition performance and response accuracy is investigated. Based on this analysis, the relative importance of developing each system component can be assessed. Most important are efforts regarding the Q&amp;A database followed by the acoustic and the language model. Moreover, a maximum in system performance seems to be reached after one year of data collection and overall improvement has the tendency to stagnate even if more data becomes available. Apart from that, the portability of the Takemaru system regarding a different environment, the Kitachan system installed at a local subway station, is investigated. Assuming a more realistic setting, only the data collected during twenty days is employed for system development. While the Takemaru ASR component shows a high portability, more efforts regarding the question and answer database have to be carried out in the future.

「たけまるくん」実環境音声案内システムのデータベースの整備と「キタちゃん」へのポータビリティーの検討

Tobias Cincarek, 川波 弘道, 木田 学, 鹿野 清宏, 西村 竜一, 李 晃伸

情報処理学会研究報告     2006-SLP-64-31   2006.12

(サーベイ) ICSLPにおける研究動向 -言語モデル・対話システムを中心に-

西村 竜一, 秋田 祐哉, 須藤 克仁, 大庭 隆伸

情報処理学会研究報告, ( Information Processing Society of Japan (IPSJ) )  2006 ( 136 ) 2006-SLP-64-42 - 244   2006.12

　View Summary

This paper reports survey studies of Interspeech2006-ICSLP held at Pittsburgh, USA in September 2006. The major topics are consisted of technologies such as ASR, Language Modeling, Language Processing, Spoken Dialog, Spoken Information Retrieval, Speech Summarization, and Speech Translation.

Development of nonvoice dialogue interface for robot systems

Ryuichi Nisimura, Aki Hashizume （Part： Lead author,　Last author,　Corresponding author )

4th Joint Meeting Acoustical Society of America and Acoustical Society of Japan (The Journal of the Acousitcal Society of America)     Vol.120, No.5, Pt.2 of 2, p.3040   2006.11  [Refereed]

[招待講演] 音声情報案内システム「たけまるくん」および「キタちゃん」の開発

鹿野 清宏, Tobias Cincarek, 川波 弘道, 西村 竜一, 李 晃伸

情報処理学会研究報告   2006 ( 7 ) 2006-SLP-63-7 - 38   2006.10

ロボット対話のための雑音認識手法に関する検討

橋爪 亜希, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2006年秋季研究発表会講演論文集     135-136   2006.09

Analyzing Dialogue Data for Real-World Emotional Speech Classification

Ryuichi Nisimura, Souji Omae, Hideki Kawahara, Toshio Irino

Proc. Interspeech2006 - ICSLP (The Ninth International Conference on Spoken Language Processing)     2006.09  [Refereed]

Human-robot interaction interface using GMM-based noise recognition

Ryuichi Nisimura, Aki Hashizume, Toshio Irino, Hideki Kawahara

Proc. WESPAC IX 2006 (9th Western Pacific Acoustics Conference)   347   347 - 28   2006.06  [Refereed]

雑音認識能力を持つロボット対話インタフェース

西村竜一, 橋爪亜希, 入野俊夫, 河原英紀

日本音響学会2006年春季研究発表会講演論文集     pp.203-204   2006.03

ユビキタスホームにおける対話ロボットのための音声・雑音認識

西村竜一

情報通信研究機構 第3回ユビキタスホームワークショップ     35-39   2006.03

回帰分析による実環境対話音声の快・不快感情識別

大前 壮司, 西村 竜一,河原 英紀, 入野 俊夫

日本音響学会2006年春季研究発表会講演論文集   2006   pp.359-360 - Q-13"   2006.03

Humanoid with interaction ability using vision and speech information

Junichi Ido, Yoshio Matsumoto, Tsukasa Ogasawara, Ryuichi Nisimura

IEEE International Conference on Intelligent Robots and Systems     1316 - 1321   2006  [Refereed]

　View Summary

Intelligent robots will make a chance for us to use a computer in our daily life. We implemented a humanoid robot for the computerized university guidance at first and then some capabilities for the natural interaction are added. This paper describes the hardware and software system of this humanoid with interaction ability. HRP-2 sitting opposite to a user across a table can detect gaze direction, head pose and gestures using a stereo camera system attached to the head. In addition, our system can recognize the user's question utterance and non-stationary noise such as coughing and sneezing using microphones. Using efficiently such information, HRP-2 can answer the question by its synthesized voice with gestures and do tasks such as passing objects on the table. © 2006 IEEE.

DOI

Spectral fluctuation mapping model for Japanese speech style conversion based on statistics in emotional speech database

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

Proc. Oriental COCOSDA2005     111-116   2005.12  [Refereed]

HRP-2によるマルチモーダルインタラクション ～視覚と音声を利用した対話システムの構築～

怡土順一, 西村竜一, 末永剛, 佐々尾直樹, 近藤理, 松本吉央, 小笠原司

第23回日本ロボット学会学術講演会予稿集     1H12   2005.09

Operating A Public Spoken Guidance System In Real Environment

Ryuichi Nisimura, Akinobu Lee, Masashi Yamada, Kiyohiro Shikano

Proc. 9th European Conference on Speech Communication and Technology (Interspeech'2005 - Eurospeech)     845 - 848   2005.09  [Refereed]

ユビキタスホームにおける対話ロボットのための音声・雑音認識の開発

西村 竜一, 近間 正樹, 小林 亮博, 佐竹 純二, 上田 博唯

電子情報通信学会技術研究報告     NLC2005-32/PRMU2005-59   2005.09

ユーザ感情理解に向けた実環境音声情報案内システムの収集発話分析

大前 壮司, 西村 竜一, 河原 英紀, 入野 俊夫

情報処理学会研究報告     2005-SLP-57-17   2005.07

実環境音声情報案内システムにおける話者感情理解のための発話分析

大前 壮司, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2005年春季研究発表会講演論文集     vol.1, pp.63-64   2005.03

Noise Robust Real World Spoken Dialogue System using GMM Based Rejection of Unintended Inputs

Akinobu Lee, Keisuke Nakamura, Ryuichi Nisimura, Saruwatari Hiroshi, Kiyohiro Shikano

Proc. 8th International Conference on Spoken Language Processing (INTERSPEECH 2004 - ICSLP)     173-176 - 850   2004.10  [Refereed]

公共音声情報案内システム「たけまるくん」の運用および収集発話の分析

李 晃伸, 西村 竜一, 山田 真士, 鹿野 清宏:

情報処理学会研究報告     2004-SLP-53-9   2004.10

STRAIGHTに基づく周波数・時間伸縮を用いた感情マッピング手法の検討

高橋 徹, 坂野 秀樹, 西村 竜一, 入野 俊夫, 河原 英紀

日本音響学会2004年秋季研究発表会講演論文集     vol.1, pp.407-408   2004.09

公共音声情報案内システム『たけまるくん』の改善

李 晃伸, 山田 真士, 鹿野 清宏, 西村 竜一

日本音響学会2004年秋季研究発表会講演論文集     vol.1, pp.215-216   2004.09

実環境音声情報案内システムにおける発話感情理解についての検討

大前 壮司, 西村 竜一, 河原 英紀, 入野 俊夫

日本音響学会2004年秋季研究発表会講演論文集   1   vol.1, pp.407-408 - 206   2004.09

実環境音声情報案内システムのための未知語検出の検討

西村 竜一,李 晃伸, 鹿野 清宏

日本音響学会2004年秋季研究発表会講演論文集     vol.1, pp.125-126   2004.09

Public Speech-Oriented Guidance System with Adult and Child Discrimination Capability

Ryuichi Nisimura, Akinobu Lee, Hiroshi Saruwatari, Kiyohiro Shikano

Proc. 2004 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP2004)   1   433-436 - 436   2004.05  [Refereed]

実環境音声情報案内システムにおける環境雑音および不要発話の識別

中村 敬介, 西村 竜一, 李 晃伸, 猿渡 洋, 鹿野 清宏

電子情報通信学会技術研究報告   2003   SP2003-172 - 18   2004.01

大人・子供に適応した音声情報案内のためのユーザ自動識別

西村 竜一, 中村 敬介, 李 晃伸, 猿渡 洋, 鹿野 清宏

電子情報通信学会技術研究報告     SP2003-129/NLC2003-66   2003.12

Takemaru-kun: Speech-Oriented Information System for Real World Research Platform

Ryuichi Nisimura, Yohei Nishihara, Ryosuke Tsurumi, Akinobu Lee, Hiroshi Saruwatari, Kiyohiro Shikano

Proc. First International Workshop on Language Understanding and Agents for Real World Interaction     70-78 - 78   2003.07  [Refereed]

生駒市コミュニティセンター音声情報案内システムの開発と運用

西村 竜一, 西原 洋平, 鶴身 玲典, 李 晃伸, 猿渡 洋, 鹿野 清宏

情報処理学会研究報告 ( Information Processing Society of Japan (IPSJ) )  2003 ( 14 ) 2003-SLP-45-6 - 40   2003.02

　View Summary

We implemented a practical speech guidance system for public use. It is called "Takemaru-kun", and located daily at the entrance hall of Ikoma Community Center to inform visitors about the center and around Ikoma city via speech human-machine interface and funny animating agent, of Takemaru. This system aims to promote a field test for robust speech recognition in practical environment, and to collect actual utterance data in the framework of human-machine speech dialogue. The system has been running everyday since November 6, and a large number of user utterances have been collected. Classification and transcription of the data is also undertaken. This paper reports the outline of this system and current, status of the data collection. In a recognition experiment with extracted samples of adult voices, word accuracy of 84% and answer rate of 70% was obtained.

ASKA: Receptionist Robot with Speech Dialogue System

Ryuichi Nisimura, Takashi Uchida, Akinobu Lee, Hiroshi Saruwatari, Kiyohiro Shikano

Proc. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2002)     1314-1317   2002.09  [Refereed]

高齢者話者音声の認識

鹿野 清宏, 馬場 朗, 芳澤 伸一, 西村 竜一, 李 晃伸

日本音響学会誌, Vol.58, No.8, ( The Acoustical Society of Japan (ASJ) )  58 ( 8 ) 512-517 - 517   2002.08

Examination of Recognition for Campus Receptionist Task

UCHIDA T., NISIMURA R., LEE A., SARUWATARI H., SHIKANO K.

日本音響学会研究発表会講演論文集   2002 ( 1 ) 47 - 48   2002.03

Speech Dialogue System for Receptionist Robot ASKA

NISIMURA R., LEE A., SARUWATARI H., SHIKANO K.

日本音響学会研究発表会講演論文集   2002 ( 1 ) 37 - 38   2002.03

Receptionist Robot ASKA : Real World Research Platform for Information Science Studies

Ido Juniti, Matsumoto Yoshio, Nishimura Ryuichi, Lee Akinobu

ロボティクス・メカトロニクス講演会講演概要集 ( The Japan Society of Mechanical Engineers )  2002   22 - 22   2002

　View Summary

近年, 人間と対話するエージェントシステムの研究が盛んである。そのようなシステムの構築には, 様々な情報科学・情報工学の技術が必要となるため, 研究プラットフォームとして適している。奈良先端科学技術大学院大学・情報科学研究科では, 「受付案内ロボット」を開発するという共通の目標となるタスクを設定し, 研究室の枠を越えて様々な研究成果を統合しながらロボットシステムを構築する試みをはじめている。本稿では, 受付ロボットシステム"ASKA"の開発目的, 現状でのシステム構成および音声対話機能について述べる。

Juliusを用いた学内案内ロボット用音声対話システムの作成

西村 竜一, 内田 賢志, 李 晃伸, 猿渡 洋, 鹿野 清宏

電子情報通信学会技術研究報告     SP2001-99/NLC2001-64   2001.12

Automatic N-gram Language Model Creation from Web Resources

Ryuichi Nisimura, Kumiko Komatsu, Yuka Kuroda, Kentaro Nagatomo, Akinobu Lee, Hiroshi Saruwatari, Kiyohiro Shikano

Proc. 7th European Conference on Speech Communication and Technology (EUROSPEECH2001)     2127-2130   2001.09  [Refereed]

高齢者音声の認識

鹿野 清宏, 馬場 朗,芳澤 伸一,山田 実一, 西村 竜一,小松 久美子, 黒田 由香,李 晃伸

電子情報通信学会技術研究報告     WIT2001-20 - 30   2001.08

相補的バックオフを用いた言語モデルの融合ツールの構築

長友 健太郎, 西村 竜一, 小松 久美子, 黒田 由香, 李 晃伸, 猿渡 洋, 鹿野 清宏

情報処理学会研究報告   2001-SLP-35-9   2001.03

Webからの音声認識用言語モデル自動生成ツールの開発

西村 竜一, 長友 健太郎, 小松 久美子, 黒田 由香, 李 晃伸, 猿渡 洋, 鹿野 清宏

情報処理学会研究報告     2001-SLP-35-8   2001.02

Development of Julius-based speech dialogue system for campus receptionist robot

NISIMURA R.

Proc. IEICE SP2001-99     93 - 98   2001

Development of Speech Input System for WWW-based Courseware

Ryuichi Nisimura, Shoji Kajita, Kazuya Takeda, Fumitada Itakura

Proc. World Conference on Educational Multimedia, Hypermedia & Telecommunications (ED-MEDIA2000)     2000.06  [Refereed]

Development of Speech Input System for WWW-based Courseware

Ryuichi Nisimura, Shoji Kajita, Kazuya Takeda, Fumitada Itakura

Proc. First Annual WebCT Conference on Learning Technologies     1999.06  [Refereed]

音声入力を利用したWebコンテンツの作成支援環境

西村 竜一, 梶田 将司, 武田 一哉, 板倉 文忠, 鹿野 清宏

電子情報通信学会技術研究報告     SP99-32   1999.06