[3Yin2] インタラクティブセッション1

[3Yin2-37] speak like a dog!

深層学習によるノンパラレル音声変換を用いた犬声合成

〇鈴木 公平¹、阪本 翔紀¹、谷口 忠大¹、亀岡 弘和² (1.立命館大学、2.NTT コミュニケーション科学基礎研究所)

キーワード：音声変換

本研究では，言語情報を保持したまま，人間の音声を犬のような音声に変換する方法を提案する．
ボードゲームの一種にテーブルトーク・ロールプレイングゲーム (TRPG) があり，そこにはゴブリンやゾンビなど様々な空想上の生物が登場する．
このような空想上の生物の声を表現するために、音声変換の利用が期待できる．
この目標を達成するために、2つの音声特徴量 (mel-cepstral coefficientsとmel-spectrogram) と2つのノンパラレル音声変換手法 (Variational autoencoder basedとgenerative adversarial network based) ，5つのカーネルサイズの比較実験を行った．
人間の声を断片的に犬の声に変換することはできたが，言語情報を保持することは難しく，さらなる改良が必要である．