声と話し方を好みのスタイルに一瞬で変える ~高音質かつ低遅延なリアルタイム音声変換~
Digital PR Platform / 2024年6月17日 10時0分
2.技術のポイント
(1) 高い変換性能
特徴量変換器では、ある話者の音声特徴量を別の話者の音声特徴量へ変換します。変換モデルは2つのモジュール(EncoderとDecoder)で構成されており、Encoderは入力音声から中間特徴量を抽出し、Decoderは抽出された中間特徴量に目標話者の情報を付与することで変換音声の特徴量を生成します。ここで、Encoderの出力である中間特徴量が十分に汎化された特徴量であることが重要です。例えば、異なる2話者が同じ文章を発声した際には、同じ中間特徴量が抽出されるべきです。
今回、従来の音声変換では、上述の場合に、同じ中間特徴量になっていないことを発見しました。中間特徴量に入力話者の話者情報が多く残留しており、変換性能の劣化が生じていたのです。そこで、入力音声と発話内容は同じですが話者情報が異なる音声(例えば、声の高さのみ低く加工した音声)を擬似的に生成し、入力音声の中間特徴量と、擬似的に作成された音声の中間特徴量とを近づける制約を新たに導入しました(図2)。これにより、従来法に比べて中間特徴量における話者情報の残留が1万分の1以下に低減されます。この話者依存性の低い音声表現の獲得により、結果として高品質な特徴量変換を実現しました。本技術で変換された音声特徴をNTTで独自に進めてきた軽量・高速動作可能な波形合成器に入力することで、最終的な変換音声の波形を得ることができます。
[画像2]https://digitalpr.jp/simg/2341/89983/700_267_20240614175757666c0615699c0.PNG
図2. 特徴量の変換方法
(2) 低遅延な変換処理
会話する際に、人は自分の話し声を聞きながら喋っています。これをフィードバック音声と言いますが、「遅延聴覚フィードバック」研究では、フィードバック音声をわざと大きく遅らせると非常に発話しづらくなることが知られています。そのため、音声変換システムを通った変換音声を発話者が聞く状況下では、スムーズな発話のため、音声変換で生じる遅延を数十ミリ秒に抑えることが必要となってきます。
一般的な音声変換では、変換精度を高めるため、多くの情報を入力として与えます。例えば、ある時刻の変換音声を生成する際に、当該時刻の入力音声フレームだけでなく未来の入力音声フレームも同時に用いる(non-causal)モデルを用いて変換を行います(図3)。一方で、未来フレームの入力を待つため、大きな遅延が生じてしまいます。
今回のリアルタイム音声変換では、低遅延な動作を保証するため、未来フレームを一切使わず、当該時刻と過去の音声フレームのみから変換音声を生成する(causal)モデルを採用する必要があります。一方で、causalモデルを単純に適用すると、未来フレーム分の情報が入力から減ってしまうため、変換精度の劣化が生じます。今回、上で紹介したポイント(1)に示す技術と組み合わせることで高品質と低遅延を両立したリアルタイム音声変換を実現しました。
この記事に関連するニュース
-
「日本の声優のすばらしさ広めたい」アニメの世界観ごと輸出するAI吹き替え技術
ASCII.jp / 2024年6月26日 10時0分
-
スマホ上でも高速動作可能な21言語の高品質ニューラル音声合成技術を開発
共同通信PRワイヤー / 2024年6月25日 14時0分
-
リアルタイム低遅延ボイチェンのポイントは“個性の制限”? NTTが研究成果を発表する「オープンハウス」が6月24日から大阪で開催
ITmedia PC USER / 2024年6月19日 6時0分
-
NTT、声と話し方を高音質かつ低遅延にリアルタイム音声変換する技術を開発
マイナビニュース / 2024年6月17日 13時58分
-
世界初、音の波をハイスピードカメラとAIで高精細に見える化 ~深層学習と光計測を組み合わせた高感度な音のイメージングを実現~
Digital PR Platform / 2024年6月17日 10時0分
ランキング
-
1関東「気動車王国」の離れ小島路線が面白い! 不思議な“右ハンドル”車両 3駅の路線に“スゴイ密度”であるものとは?
乗りものニュース / 2024年6月29日 15時12分
-
2意外な面倒さも? 財布いらずの「スマート支払い」、店側はどう思っているのか
ITmedia ビジネスオンライン / 2024年6月30日 8時10分
-
3「押しボタン式信号」なぜ“押してすぐ青”にならないケースが? 納得の理由があった!
乗りものニュース / 2024年6月29日 16時42分
-
4ウイスキーが「おじさんのお酒」から激変したワケ 市場復活に導いたサントリーのハイボール秘話
東洋経済オンライン / 2024年6月30日 8時20分
-
5ソニー宮城拠点、250人削減=ブルーレイ、生産縮小
時事通信 / 2024年6月29日 15時49分
複数ページをまたぐ記事です
記事の最終ページでミッション達成してください
![](/pc/img/mission/mission_close_icon.png)