F0制御可能な複数話者ボコーダへの話者ベクトルの導入

抄録

近年、ボコーダに深層学習を取り入れたニューラルボコーダが注目を集めている。とりわけ、ソース・フィルタモデルを導入したニューラルボコーダは柔軟なF0制御が可能である。複数話者の音声データを学習に用いた複数話者ボコーダでは、少量の学習用音声データで目標話者の音声を合成することが可能な一方で、単一話者で学習したモデルよりも品質が劣化する課題がある。本研究では複数話者学習によるニューラルボコーダの合成音声の品質を向上するために、ソース・フィルタモデルを導入したニューラルボコーダに話者ベクトルを追加入力する手法を提案する。評価実験を行い、提案手法が従来手法と比べて音声品質が向上したことを確認する。