統計的声質変換を用いた食道音声の品質改善
土井啓成（0851069）
音声は人にとって最も簡単かつ重要なコミュニケーション手段の一つである．しかしながら，発声障害者はその限りではなく，日常生活の様々な場面で不便を強いられる．そのため，発声障害者を支援する技術が古くから研究されている．本研究では，発声障害者の中でも特に，声帯を含む喉頭全体を摘出した喉頭摘出者に注目する．喉頭摘出者は，自身の声帯振動を用いた音源生成が行えないため，他に音源を求めなくてはならない．喉頭摘出者の代表的な発声法の一つに食道発声法がある．食道発声法は，食道に取り込んだ空気を吐き出す際に，食道入口付近の粘膜を振るわせて音源を生成するため，肉声感のある音声を生成できる．ただし，気流生成及び音源生成過程において，健常者の音声にはない独特の音が生じるため，音質が劣化してしまう．また，それに伴い，個人性が失われてしまうという問題もある．
そこで本研究では，統計的声質変換を用いた食道音声から健常者の音声へ変換(Esophageal Speech to Speech: ES-to-Speech) による食道音声の音質改善を提案する．また，ES-to-Speechに一対多固有声変換を導入することで，変換音声の声質を制御可能にする．これにより，ユーザは所望の音声で話せるようになり，ユーザ独自の声質を手に入れることができると考えられる．実験的評価の結果から，ES-to-Speechでは，食道発声の音質を大きく改善しながら，声質の制御も可能であることが分った．