波形接続型音声合成
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2020/10/19 19:52 UTC 版)
ナビゲーションに移動 検索に移動波形接続合成（英: concatenative synthesis;[脚注 1] あるいは素片接続型、素片連結方式、連結的合成）とは、録音された音の断片（「単位」と呼ばれる）を連結し合成する手法である。単位の長さに厳密な定義はないが、およそ10 ms～1秒程度の範囲である。この手法は音声合成や楽音合成で、多数の録音フレーズを集めたデータベース（音声コーパスや歌手ライブラリ、楽音コーパス）から、ユーザが指定したフレーズの音を生成するのに使用される。
音声
波形接続合成による音声合成は、「波形接続型音声合成」と表現される事がある。[脚注 2]
歌唱
 | この節の加筆が望まれています。 |
音楽
音楽のための波形接続合成は、2000年代に特にSchwarz[1]と Pachet[2]の研究を通じて開発が始まった（musaicingとも呼ばれる[要検証]）。基本技術は音声の場合と同様だが、音声と音楽の性質の違いにより相違がある: たとえば分割は音素や音節等の単位ではなく、ノートやイベント等のサブ単位[要説明]で行なう。[1][3][4]
波形接続合成による楽音合成の研究事例については、Schwarzがサーベイ結果を公開している[5]。
関連項目
- グラニュラー・シンセシス
- ボーカルシンセサイザー
脚注
- ^
この記事は、音声 (人の声) 以外のconcatenate synthesisを主に扱う記事なので、音声限定の訳語「波形接続型音声合成」ではなく、より広いニュアンスを持つ訳語「波形接続合成」を用いる。この分野の開拓者Schwarzのサーベイ結果 Schwarz 2006 によれば、国際的に広く認知された成果はまだ日本からは出現しておらず、日本語による定番訳語は不明である。なお「波形接続合成」という表現は、たとえば下記をはじめとする十数件程度の論文で使用されている:
“"波形接続合成"の検索結果: 約14件”, Google Scholar 2013年2月15日閲覧。- 望月, 亮; 本多, 高; 新居, 康彦 (1996-09-01), “VCV波形接続合成のためのピッチ変換法の検討”, 日本音響学会研究発表会講演論文集 1996 (2): 233–234
- ^
「波形接続型音声合成」という表現の初出論文および一般性は定かではないが、たとえば下記をはじめ数十件程度の日本語論文で使用されている:
“"波形接続型音声合成"の検索結果: 約55件”. Google Scholar. 2013年2月15日閲覧。- 居村太介; 村上仁一; 池原悟 (2008年3月). “波形接続型音声合成のフレーズへの適用 (PDF)”. 言語処理学会 第14回年次大会 発表論文集. 鳥取大学工学部知能情報工学科. 2013年1月30日閲覧。
- 大本浩司 (2000年11月8日). “音声イメージの製品開発への応用”. 日本心理学会第64回大会. オムロンIT研究所. 2013年1月30日閲覧。
- 世木寛之; 田高礼子; 清山信正; 都木徹 (2009年2月). “ニュース番組の収録音声を利用した波形接続型音声合成システム (PDF)”. 情報処理学会論文誌 Vol.50 No.2. 情報処理学会. pp. 575-586. 2013年1月30日閲覧。
参考文献
- ^ a b Schwarz, Diemo (2004-01-23), Data-Driven Concatenative Sound Synthesis
- ^ Zils, A.; Pachet, F. (2001), “Musical Mosaicing”, Proceedings of the COST G-6 Conference on Digital Audio Effects (DaFx-01), University of Limerick: 39–44, オリジナルの(2002-08-09)時点におけるアーカイブ。
- ^ Schwarz, D. (2005), “Current research in Concatenative Sound Synthesis”, Proceedings of the International Computer Music Conference (ICMC)
- ^ Maestre, E.; Ramírez, R.; Kersten, S.; Serra, X. (2009), “Expressive Concatenative Synthesis by Reusing Samples from Real Performance Recordings”, Computer Music Journal 33 (4): 23–42, doi:10.1162/comj.2009.33.4.23
- ^ Schwarz, D. (2006), Corpus-Based Sound Synthesis Survey, IMTR, IRCAM
外部リンク
| ||||||||||||||
波形接続型音声合成
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/06/11 00:45 UTC 版)
録音された音声の素片を連結して合成する。録音された音声の素片を利用するため、入力テキストに近いものが録音された音声中にあれば肉声に近く自然な合成音声になるが、そうでなければ接続部分などで自然性を損なうことがある。また、発話速度や声の高さを多少調整することはできるものの、それ以外の音声の柔軟な加工は原理的に困難である。あまり変化の激しい音声の合成は技術的に困難であり、そのため話し方はニュートラルなものがほとんどである。 例えば以下のようなものがある。
※この「波形接続型音声合成」の解説は、「音声合成」の解説の一部です。
「波形接続型音声合成」を含む「音声合成」の記事については、「音声合成」の概要を参照ください。
- 波形接続型音声合成のページへのリンク
