ベイズ基準による HSMM 音声合成の評価

◎橋本佳，南角吉彦，徳田恵一 （名工大）

2

はじめに HMM に基づく音声合成

ML 基準によるモデル学習 MDL 基準によるモデル構造選択

ベイズ基準による HMM 音声合成（橋本ら ; ’08 ）

モデルパラメータの周辺化 データ量を考慮したモデル構造選択 学習・合成間におけるモデルの不一致

ベイズ基準による HSMM 音声合成（橋本ら ; ’09 ）

学習・合成において同一のモデルを使用ベイズ基準による HSMM 音声合成の詳細な評価

3

隠れマルコフモデル（ HMM ）

1 1 1 1 2 2 3 3

:

:

観測系列

状態系列

1 2 3

4

隠れセミマルコフモデル（ HSMM ）

状態継続長を考慮したモデル

1 1 1 1 2 2 3 3

:観測系列

1 2 3

継続長分布

状態系列 :

尤度関数

尤度関数の比較

5

HSMM

: 状態系列: 観測系列

HSMM では状態遷移確率が継続長分布によって算出

HMM

: モデルパラメータ

モデル学習基準・音声合成基準

ベイズ基準による音声合成（ 1/2）

6

ML 基準

ベイズ基準

: モデルパラメータ

: 合成文のラベル列: 学習文のラベル列: 学習データ

: 合成音声パラメータ系列

ベイズ基準による音声合成（ 2/2）ベイズ基準における予測分布（周辺尤度関数）

7

: 合成データの状態遷移を表す隠れ変数

変分ベイズ法による近似（ Attias; ’99 ）

: 学習データの状態遷移を表す隠れ変数: 合成データの尤度関数: 学習データの尤度関数

: モデルパラメータの事前分布

対数周辺尤度の下限 を定義

変分ベイズ法（ 1/2 ）

8

　　

： に関する期待値

下限の最大化による対数周辺尤度の近似⇒ を最大化する近似事後分布を推定

（ Jensen の不等式）

: 近似事後分布

近似事後分布の独立性を仮定

変分法による事後分布推定

　　

変分ベイズ法（ 2/2 ）

9

　　

: 正規化項

交互に更新することで を最大化

音声パラメータ生成 音声パラメータ

静的特徴量と動的特徴量によって表現

⇒ 合成部では静的特徴量のみ推定 ベイズ基準による合成音声パラメータ生成

下限 は対数周辺尤度を近似 ⇒ を最大化する音声パラメータを推定

10

　　

　　

11

実験条件

データベース ATR 日本語音声データベース b-set

話者 MHT

学習データ 450 文テストデータ 53 文サンプリング周波数 16 kHz

窓関数 Blackman 窓フレームサイズ / シフト 25 ms / 5 ms

特徴量

24 次 メルケプストラム + Δ + ΔΔ

対数基本周波数 + Δ + ΔΔ

(78 次元 )

12

ML 基準・ HMM との比較 ML 基準とベイズ基準の比較 HMM と HSMM の比較

学習・合成基準

モデル構造選択 モデル

ML-HMMML 基準 MDL 基準

HMM

ML-HSMM HSMM

Bayes-HMMベイズ基準 ベイズ基準

HMM

Bayes-HSMM HSMM※ クロスバリデーションを用いたベイズ基準によるモデル構造選択（橋本ら ; ’08 ）

※

ML 基準・ HMM との比較

主観評価実験

1387,267 88,287 745,969 744,955分布数

14

改善の要因の調査 ベイズ基準による改善の要因

パラメータの周辺化 モデル構造選択

学習・合成基準

モデル構造選択 モデル

ML-MDL ML 基準MDL 基準

HSMMBayes-MDL ベイズ基準ML-Bayes ML 基準

ベイズ基準Bayes-Bayes ベイズ基準

モデル構造の比較

主観評価実験

1588,28788,287 744,955744,955分布数

16

むすび ベイズ基準による HSMM 音声合成の評価

HSMM による品質改善 ベイズ基準の有効性 パラメータの周辺化とモデル構造の両方が必

要

今後の課題 小規模な学習データでの音声合成実験 モデル構造と音質の調査