統計的声質変換に基づく食道音声強調における声質制御
山本 憲三（0951132）
喉頭摘出者のための代替発声法の一つに，食道発声法がある．食道発声法により生成される食道音声は，健常者の音声と比較すると，音質が低く，また，話者によらず似た声質となり話者性が劣化する．食道音声の品質改善のために，一対多固有声変換に基づく食道音声から健常者音声への変換(Esophageal Speech-to-Speech:ES-to-Speech) が提案されており，その有効性が示されている．この手法では，目標とする音声データに対して，変換音声の声質を自動的に適応させることができる．一方で，目標とする音声データが手に入らない際に，所望の声質を実現させるのは容易ではない．
本発表では，利用者による直感的な声質手動制御を実現するために，ES-to-Speech に対し，重回帰混合正規分布モデル(Multiple Regression
Gaussian Mixture Model: MR-GMM) に基づく声質変換・制御法を導入する．また，声質制御性能を向上させるために，MR-GMM の学習に用いる声質表現語ス
コアの付与方法について検討し，さらに，カーネル回帰分析を用いた声質制御法を提案する．実験的評価の結果から，提案手法により声質制御性能の改善が得られることを示す．