著者

吉村 貴克 徳田 恵一 益子 貴史 小林 隆夫 北村 正

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会論文誌. D-II, 情報・システム, II-パターン処理 (ISSN:09151923)

巻号頁・発行日

vol.87, no.8, pp.1565-1571, 2004-08-01

被引用文献数

4

---

本論文は,HMMに基づいた音声合成システムに混合励振源モデルを導入することにより,合成音声の品質向上を図ることを目的とする.我々はこれまでに,メルケプストラム,基本周波数,継続長をHMMの枠組みでモデル化し,HMMからこれらの音声パラメータを出力することによって音声を合成するテキスト音声合成システムを提案した.このシステムでは,合成フィルタ(MLSAフィルタ)を励振する際の励振源モデルとして,有声区間,無声区間でそれぞれパルス列と白色雑音を切り換える単純なモデルを用いている.このような励振源を用いる場合,有声摩擦音のように周期成分と非周期成分をともにもつ音声を合成することができず,合成音声の品質を劣化させる原因となる.そこで本論文では,パルス列と白色雑音を混合する混合励振源モデルを用いることにより高品質な音声を実現している狭帯域音声符号化手法MELPの混合励振源モデルを導入する.この混合励振源モデルは,狭帯域音声符号化だけでなく,広帯域音声符号化へも応用されていることから,音声合成においても有効性が期待される.更に,多くの音声符号化手法で用いられているポストフィルタを導入し,合成音声の品質を向上を図る.また主観評価実験により,本システムにおける混合励振源モデルとポストフィルタの有効性を示す.

著者

下岡 和也 徳久 良子 吉村 貴克 星野 博之 渡部 生聖

出版者

一般社団法人 言語処理学会

雑誌

自然言語処理 (ISSN:13407619)

巻号頁・発行日

vol.24, no.1, pp.3-47, 2017-02-15 (Released:2017-05-15)

参考文献数

56

被引用文献数

2 7

---

高齢者の認知症や孤独感の軽減に貢献できる対話ロボット開発のため,回想法に基づく傾聴を行う音声対話システムの開発を行った.本システムは,ユーザ発話の音声認識結果に基づき,相槌をうったり,ユーザ発話を繰り返したり,ユーザ発話中の述語の不足格を尋ねたりする応答を生成する.さらに,感情推定結果に基づき,ユーザ発話に対して共感する応答を生成する.本システムの特徴は,音声認識結果に誤りが含まれることを前提とし,音声認識信頼度を考慮して応答を生成する点である.110 名の一般被験者に対する評価実験の結果,「印象深い旅行」を話題とした場合で,45.5% の被験者が 2 分以上対話を継続できた.また,システムの応答を主観的に評価した結果,約 77% のユーザ発話に対して対話を破綻させることなく応答生成ができた.さらに,被験者へのアンケートの結果,特に高齢の被験者から肯定的な主観評価結果が得られた.

著者

吉村 貴克 徳田 恵一 益子 貴史 小林 隆夫 北村 正

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会論文誌. D-II, 情報・システム, II-パターン処理 (ISSN:09151923)

巻号頁・発行日

vol.83, no.11, pp.2099-2107, 2000-11-25

被引用文献数

92

---

本論文では, HMMに基づく音声合成において, スペクトル, ピッチ, 継続長をHMMの枠組みで統一的にモデル化する手法について述べる.本システムでは, スペクトル・ピッチ継続長モデルとして, それぞれ連続分布HMM, 多空間確率分布HMM(MSD-HMM), 多次元ガウス分布を用い, 音素環境, アクセント, 品調などのコンテクストを考慮したコンテクスト依存モデルを構築する.コンテクスト依存モデルは, 決定木に基づくコンテクストクラスタリング手法によりクラスタリングされる.決定木構築の際, 節分割はMDL基準により行う.このこめ, 新たにMSD-HMMに対するMDL基準によるコンテクストクラスタリング手法を導出している.音声合成実験において, 自然性の高い合成音声が得られること, 更に自動学習によりシステムを構築可能であることを認識した.

著者

西 智樹 大滝 啓介 吉村 貴克

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第32回全国大会(2018)

巻号頁・発行日

pp.3Pin105, 2018 (Released:2018-07-30)

---

線形可解マルコフ決定過程(L-MDP)は効率的に政策を学習することができるマルコフ決定過程のサブクラスの一つである.これまでL-MDPのための離散行動空間におけるバッチ強化学習は提案されておらず,交通信号機制御などの行動が離散的に表現される問題に対して適用することができなかった.そこで我々は予め収集したデータから状態価値関数と次状態における状態価値の予測モデルの学習を通して,より良い政策を探索する離散行動空間におけるL-MDPのためのバッチ強化学習を提案する.我々はよく知られた交通シミュレータであるSUMOを用いて1交差点での交通信号機制御により提案法の評価を行った.実験結果から提案法は予め収集したデータのみからQ学習に比べ効率的に政策を学習することができることが分かった.