PauseNormEffect

使用技術

研究人数

2人

概要

このプロジェクトは以下の論文の実験コードです：
竹下隼司・松崎拓也, 2024, 朗読音声合成におけるポーズ長分布の多様性を吸収するための標準化の効果, 第38回人工知能学会全国大会論文集。

背景

音声合成では、ポーズが自然な朗読を再現するのが課題でした。この研究では、ポーズ位置と長さを予測するモデルを開発し、ポーズの多様性を吸収するための標準化の効果を検証しました。今後、修士研究として音声合成モデルの開発・組み込み及び精度向上に取り組みます。

工夫した点

朗読者や作品によるポーズ分布の違い、文中・文間での違いを考慮し、BERTとLSTMモデルを組み合わせて特徴を反映しました。また、精度を細かく検証しました。