DNNに基づく発声タイミングモデルを用いた歌声合成

摘要

歌声合成の手法として，統計モデルに基づく歌声合rn成が挙げられるが，中でも，深層構造を持つニューラrnルネットワーク(Deep Neural Nerwork; DNN) に基rnづく歌声合成 が高い性能を示している．DNN 歌rn声合成では，特定の歌唱者が歌った楽曲の音声波形rnとそれに対応した楽譜の対応関係をあらかじめDNNrnで学習しておくことで，任意の楽譜に対し，声質だけrnでなく歌唱スタイルも再現した歌声を生成することrnができる．歌声には，タメ，前ノリ，後ノリなどの歌rn唱スタイルにおける意識的な発声タイミングのずれrnだけでなく，歌唱者本人が意識していないような発声rnタイミングの癖などが存在する．このような発声タrnイミングを考慮した再現性の高い歌声を合成するたrnめに，本研究では，DNN を用いた発声タイミングのrnモデル化を提案し，その有効性を評価する．