統計的声質変換を行うための知識と手法 - Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)

著者（20代男性）による読み上げ音声データです。 自由に使えるデータセットが少なく、私自身困ったため、自分の音声を収録して自由に使えるようにしました。 読み上げ文は声優統計コーパスと同一です。 利用場所は特に制限を設けておりませんので、ぜひご活用ください。 概要 Dwango Media Villageの廣芝です。 DeepLearningを用いた声質変換の研究を行い、ある程度の成果が出たため、音楽シンポジウム2018にてポスター発表しました。 せっかくなので、これまでに得た声質変換に関する知識を整理して記事を書いてみました。 最初に音声の仕組みと、声質変換で用いる音響特徴量について解説します。 続いて一般的な統計的声質変換の手法に触れたあと、この手法との差分に着目して最近の声質変換手法を解説します。 声質変換のアプローチ 音声には、音の高さや音色といった音響的な特徴と、音素列や単語といっ

[albacore]

良い記事