統計的手法を用いた音声パワーの分析と制御

抄録

母音部の平均対数パワーと音韻遷移部のパワー時間変化パターンについて自然音声データを分析しパワー制御規則化を行った。母音部の平均対数パワーを制御する要因には、基本周波数、隣接音韻の種類、文・呼気段落内位置、当該音韻の種類があり、それらの影響を文章及び単語音声データにより定量的に確認した。これらの分析に基づいて作成したパワー制御モデルを文音声データに適用した結果、既知データに対して平均2乗誤差約2.52dB(標準偏差の39%)、未知データに対して、平均2乗誤差約2.60dB(標準偏差の40%)の精度で推定できることが分かった。また、単語中の素片のパワーパターンをそのまま文章中でのパワーパターンに適用できるかを明らかにするため、単語中と文章中でのパワー制御の違いを調べた。この結果、単語中のパワーパターンを大きく変えずに文章中のパワーパターンを実現できることが分かった。更に、分析合成音に用いた聴取実験により、制御モデルの有効性を確認した。