https://jp.techcrunch.com/2019/03/09/2019-03-07-wellsaid-aims-to-make-natural-sounding-synthetic-speech-a-credible-alternative-to-real-humans/
深層å¦ç¿’を用ã„ã¦ç‰¹å®šã®äººç‰©ã®å£°â€œã ã‘â€æŠ½å‡ºã™ã‚‹ã€éŸ³å£°åˆ†é›¢æŠ€è¡“ã®ã—ãã¿
2018å¹´4月20æ—¥ã€Deep Learning LabãŒä¸»å‚¬ã™ã‚‹ã‚¤ãƒ™ãƒ³ãƒˆã€ŒéŸ³å£°ãƒ»è¨€èªžãƒŠã‚¤ãƒˆã€ãŒé–‹å‚¬ã•ã‚Œã¾ã—ãŸã€‚Chainerã‚’æä¾›ã™ã‚‹Preferred Networksã¨ã€Azureクラウドをæä¾›ã™ã‚‹Microsoftã«ã‚ˆã‚‹ã€ã‚¨ãƒ³ã‚¸ãƒ‹ã‚¢ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£Deep Learning Lab。今回ã¯ã€è‡ªç„¶è¨€èªžå‡¦ç†ã‚„åˆæˆéŸ³å£°ãªã©ã€éŸ³å£°ãƒ»è¨€èªžÃ—深層å¦ç¿’ã®æœ€æ–°äº‹ä¾‹ã‚„知見を発表ã—ã¾ã—ãŸã€‚プレゼンテーション「Microsoft Imagine Cupã¨æ·±å±¤å¦ç¿’を用ã„ãŸéŸ³æºåˆ†é›¢æŠ€è¡“ã«ã¤ã„ã¦ã€ã«ç™»å ´ã—ãŸã®ã¯ã€ä½è—¤é‚¦å½¦æ°ã€‚深層å¦ç¿’を用ã„ãŸã€äººã®å£°ã‚„音楽ãªã©ã‚’分離ã—ã€ã‚る特定ã®éŸ³å£°ã®ã¿ã‚’抽出ã™ã‚‹æŠ€è¡“を紹介ã—ã¾ã—ãŸã€‚ å¦ç”Ÿã‚³ãƒ³ãƒ†ã‚¹ãƒˆä¸–ç•Œå¤§ä¼šå‡ºå ´ã®çµŒæ´ ä½è—¤é‚¦å½¦æ°ï¼ˆä»¥ä¸‹ã€ä½è—¤ï¼‰ï¼šã‚ˆã‚ã—ããŠé¡˜ã„ã—ã¾ã™ã€‚「Microsoft Imagine Cupã¨æ·±å±¤å¦ç¿’を用ã„ãŸéŸ³æºåˆ†é›¢æŠ€è¡“ã«ã¤ã„ã¦ã€ã¨é¡Œã—ã¦ã€ä½è—¤é‚¦å½¦ãŒç™ºè¡¨ã—ã¾ã™ã€‚ã“
Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between
Speech processing plays an important role in any speech system whether its Automatic Speech Recognition (ASR) or speaker recognition or something else. Mel-Frequency Cepstral Coefficients (MFCCs) were very popular features for a long time; but more recently, filter banks are becoming increasingly popular. In this post, I will discuss filter banks and MFCCs and why are filter banks becoming increas
Python ã§éŸ³éŸ¿ä¿¡å·å‡¦ç†ï¼šã‚ªãƒªã‚¸ãƒŠãƒ«ã® Python スペクトルアナライザーã«å…¥åŠ›ãƒ‡ãƒã‚¤ã‚¹é¸æŠžã®å‡¦ç†ã€ã‚±ãƒ—ストラム分æžã®å®Ÿé¨“ã‚’è¿½åŠ ã€‚
readme.md Python ã§éŸ³éŸ¿ä¿¡å·å‡¦ç† spectrum.py 2016-07-16 Takuya Nishimoto (@24motz) 広島版IoT縛りã®å‹‰å¼·ä¼š! IoTLT広島 vol.2 http://iotlt.connpass.com/event/33441/ $ sudo apt-get install portaudio19-dev python-dev $ curl https://bootstrap.pypa.io/get-pip.py | sudo python $ sudo pip install pyaudio $ sudo pip install numpy Raspberry Pi 3 (Raspbian) 㧠USB Audio Interface を接続ã€ãƒžã‚¤ã‚¯ã‚’ã¤ãªã python spectrum.py を実行 オーディオミã‚サーã§å…¥åŠ›ã‚²ã‚¤ãƒ³
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (7) GMMã«ã‚ˆã‚‹å£°è³ªå¤‰æ› - 人工知能ã«é–¢ã™ã‚‹æ–創録
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (6) 声質変æ›ãƒ¢ãƒ‡ãƒ«ã®å¦ç¿’ã®ç¶šã。今回ãŒçµ±è¨ˆçš„声質変æ›ã‚·ãƒªãƒ¼ã‚ºã®æœ€çµ‚回ã§ã™ã€‚ 今回ã¯ã€å‰å›žå¦ç¿’ã—ãŸå£°è³ªå¤‰æ›ãƒ¢ãƒ‡ãƒ«ã‚’使ã£ã¦æœ¬å½“ã«å£°ãŒå¤‰æ›ã§ãã‚‹ã‹è©¦ã—ã¦ã¿ãŸã„。å‰å›žã‚„ã£ãŸGMMã®å¦ç¿’㧠ã«ãŠã‘ã‚‹å„コンãƒãƒ¼ãƒãƒ³ãƒˆ 㮠㨠㨠ãŒå¦ç¿’データã‹ã‚‰æŽ¨å®šã•ã‚ŒãŸçŠ¶æ…‹ã§ã‚る。 㨠ã¯ã€ ã®ã‚ˆã†ã«åˆ†å‰²ã§ãる。ã“ã®å¦ç¿’çµæžœã¯ã€ clb_slt.gmm clb_slt.gmm_01.npy clb_slt.gmm_02.npy clb_slt.gmm_03.npyã®4ã¤ã®ãƒ•ã‚¡ã‚¤ãƒ«ã«ãƒ€ãƒ³ãƒ—ã•ã‚Œã¦ã„る。 GMMã«ã‚ˆã‚‹å£°è³ªå¤‰æ› GMMã«ã‚ˆã‚‹å£°è³ªå¤‰æ›ã¯ã€ãŒä¸Žãˆã‚‰ã‚ŒãŸã¨ãã®ã®æœŸå¾…値を求ã‚ã‚‹ã“ã¨ã§è¡Œã†ã€‚ ã“ã“ã§ã€ ã§ã‚る。今回ã¯å°Žå‡ºã¯çœã„ã¦ã€è«–文（PDF）ã®çµæžœã‚’ãã®ã¾ã¾å€Ÿç”¨ã—よã†ã€‚ ãŸã¨ãˆã°ã€Aã•ã‚“ã®å£°ã‚’Bã•ã‚“ã®å£°ã«å¤‰æ›ã™ã‚‹ã“ã¨ã‚’考ãˆã‚‹ã€‚Aã•ã‚“ã®å£°ã‹ã‚‰æŠ½å‡ºã—ãŸãƒ¡ãƒ«ã‚±ãƒ—ストラムパラメータ を使ã£ã¦ä¸Šã®å¼ã§å¤‰
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (6) 声質変æ›ãƒ¢ãƒ‡ãƒ«ã®å¦ç¿’ - 人工知能ã«é–¢ã™ã‚‹æ–創録
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (5) scikit-learnã®GMMã®ä½¿ã„方（2015/3/22）ã®ç¶šã。 今回ã¯ã€ã„よã„よ声質変æ›ãƒ¢ãƒ‡ãƒ«ã‚’æ··åˆã‚¬ã‚¦ã‚¹ãƒ¢ãƒ‡ãƒ«ï¼ˆGMM）ã§å¦ç¿’ã—よã†ï¼ç¬¬3回目（2015/3/4）ã§è¿°ã¹ãŸã‚ˆã†ã«clbã•ã‚“ã®å£°ã‚’sltã•ã‚“ã®å£°ã«å¤‰æ›ã™ã‚‹ã“ã¨ã‚’å‰æã«é€²ã‚る。 今ã¾ã§ã€Œå£°è³ªå¤‰æ›ãƒ¢ãƒ‡ãƒ«ã‚’GMMã§å¦ç¿’ã™ã‚‹ã€ã¨æ›¸ã„ã¦ããŸãŒã€å‚考ã«ã—ã¦ã„ãŸãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã‚’èªã‚“ã§ã‚‚何をGMMã§è¡¨ã™ã®ã‹ãŒã„ã¾ã„ã¡ãƒ”ンã¨ã“ãªã‹ã£ãŸã€‚ãã“ã§ã€å…ƒè«–文（PDF）を当ãŸã£ãŸã¨ã“ã‚å¼ (6) を見ã¦ã‚ˆã†ã‚„ãç†è§£ã§ããŸã€‚ ã“ã®å¼ã‹ã‚‰ ãŒGMMã§ãƒ¢ãƒ‡ãƒ«åŒ–ã•ã‚Œã¦ã„ã‚‹ã“ã¨ãŒã‚ã‹ã‚‹ã€‚ãã—ã¦ã€ã“ã® ã¯ã€å¤‰æ›å…ƒè©±è€…ã® t フレーム目ã®ç‰¹å¾´é‡ ã¨å¤‰æ›å…ˆè©±è€…ã® t フレーム目ã®ç‰¹å¾´é‡ ã®çµåˆãƒ™ã‚¯ãƒˆãƒ« ã§ã‚る。今回ã¯26次元ã®ãƒ¡ãƒ«ã‚±ãƒ—ストラム特徴é‡ã‚’使ã†ãŸã‚ ã¯2人ã®ãƒ¡ãƒ«ã‚±ãƒ—ストラム特徴é‡ã‚’çµåˆã—ãŸ52次元ベクトルã«ãªã‚‹ã€‚ã¤ã¾ã‚Šã€å¦ç¿’ã™ã‚‹
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (5) scikit-learnã®GMMã®ä½¿ã„æ–¹ - 人工知能ã«é–¢ã™ã‚‹æ–創録
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (4) パラレルデータã®ä½œæˆï¼ˆ2015/3/10）ã®ç¶šã。 今回ã¯ã€ã„よã„よ声質変æ›ãƒ¢ãƒ‡ãƒ«ã‚’æ··åˆã‚¬ã‚¦ã‚¹ãƒ¢ãƒ‡ãƒ«ã§å¦ç¿’ã—よã†ï¼ã¨æ€ã£ãŸã®ã ã‘ã‚Œã©ã€ãã®å‰ã«scikit-learnã®GMMライブラリã®ä½¿ã„方を簡å˜ã«ã¾ã¨ã‚ã‚‹ã“ã¨ã«ã—ãŸã€‚æœ¬æ ¼çš„ã«ä½¿ã†å‰ã«ç°¡å˜ãªãƒ‡ãƒ¼ã‚¿ã§ä½¿ã„方を確èªã—ã¦ãŠã“ã†ã¨ã„ã†ã®ãŒè¶£æ—¨ã€‚scikit-learnã¯æœ€è¿‘使ã„始ã‚ãŸã®ã§ä½¿ã£ãŸã“ã¨ãŒãªã„機能ãŒã¾ã ãŸãã•ã‚“ã‚る。 æ··åˆã‚¬ã‚¦ã‚¹ãƒ¢ãƒ‡ãƒ«ï¼ˆGMM） GMMã¯ã€ãƒ‡ãƒ¼ã‚¿xã®ç”Ÿæˆã•ã‚Œã‚‹ç¢ºçŽ‡ã‚’複数ã®ã‚¬ã‚¦ã‚¹åˆ†å¸ƒã®é‡ã¿ä»˜ãå’Œã§è¡¨ã™ãƒ¢ãƒ‡ãƒ«ã§ã‚る。 ã“ã“ã§ã€Kã¯ä½¿ç”¨ã™ã‚‹ã‚¬ã‚¦ã‚¹åˆ†å¸ƒã®å€‹æ•°ã€ã¯k番目ã®ã‚¬ã‚¦ã‚¹åˆ†å¸ƒã®é‡ã¿ï¼ˆæ··åˆä¿‚数）ã€ã¯ã€k番目ã®ã‚¬ã‚¦ã‚¹åˆ†å¸ƒã®å¹³å‡ãƒ™ã‚¯ãƒˆãƒ«ã€ã¯ã€k番目ã®ã‚¬ã‚¦ã‚¹åˆ†å¸ƒã®å…±åˆ†æ•£è¡Œåˆ—。混åˆä¿‚æ•°ã¯ã™ã¹ã¦ã®kã«ã¤ã„ã¦è¶³ã—åˆã‚ã›ã‚‹ã¨1ã«ãªã‚‹ã€‚ GMMã®å¦ç¿’ã¯ã€ãƒ‡ãƒ¼ã‚¿ã‚»ãƒƒãƒˆXを用ã„ã¦ã€å°¤åº¦ãŒã‚‚ã£ã¨ã‚‚高ããªã‚‹æ··åˆä¿‚æ•°ã¨å¹³å‡ãƒ™ã‚¯ãƒˆ
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (4) パラレルデータã®ä½œæˆ - 人工知能ã«é–¢ã™ã‚‹æ–創録
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (3) メルケプストラムã®æŠ½å‡ºï¼ˆ2015/3/4）ã®ç¶šã。 å‰å›žã¯å¤‰æ›å…ƒã®clbã•ã‚“ã¨å¤‰æ›å…ˆã®sltã•ã‚“ã®ãƒ¡ãƒ«ã‚±ãƒ—ストラムを一括抽出ã—ãŸã€‚å‰å›žã®æœ€å¾Œã®çµæžœã‚’見るã¨ã€äºŒäººã®ã—ゃã¹ã‚‹é€Ÿã•ãŒé•ã†ãŸã‚メルケプストラムãŒæ™‚é–“æ–¹å‘ã«ãšã‚Œã¦ã„ã‚‹ã“ã¨ãŒã‚ã‹ã£ãŸã€‚ãŸã¨ãˆã°ã€ä¸‹ã®å›³ã¯é’色ãŒclbã•ã‚“ã®ãƒ¡ãƒ«ã‚±ãƒ—ストラム系列ã€ç·‘色ãŒsltã•ã‚“ã®ãƒ¡ãƒ«ã‚±ãƒ—ストラム系列を表ã—ã¦ã„る。赤ã®çŸ¢å°ã®å ´æ‰€ã§å½¢çŠ¶ãŒä¼¼ã¦ã„ã‚‹ãŒä½ç½®ãŒãšã‚Œã¦ã„ã‚‹ã“ã¨ãŒã‚ã‹ã‚‹ã€‚ ã“ã®ãšã‚Œã¯ãƒ¡ãƒ«ã‚±ãƒ—ストラム間ã®å¤‰æ›ãƒ¢ãƒ‡ãƒ«ã‚’å¦ç¿’ã™ã‚‹ã¨ãã«å•é¡Œã«ãªã‚‹ãŸã‚時間åŒæœŸã‚’å–る。ã“ã®æ™‚é–“åŒæœŸã‚’å–ã£ãŸãƒ‡ãƒ¼ã‚¿ã‚’パラレルデータã¨å‘¼ã¶ã€‚ DTW (Dynamic Time Warping: 動的時間伸縮法） ã“ã®äºŒã¤ã®æ™‚系列データã®æ™‚é–“åŒæœŸã‚’å–るアルゴリズムã«DTWã¨ã„ã†ã®ãŒã‚ã‚‹ã®ã§ä½¿ã£ã¦ã¿ã‚‹ã€‚DTWã¯ã€äºŒã¤ã®æ™‚系列データãŒãªã‚‹ã¹ãé‡ãªã‚Šã‚ã†ã‚ˆã†ã«ä¼¸ã°ã—ãŸã‚Šã€
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (3) メルケプストラムã®æŠ½å‡º - 人工知能ã«é–¢ã™ã‚‹æ–創録
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (2) ボイスãƒã‚§ãƒ³ã‚¸ãƒ£ãƒ¼ã‚’作ã‚ã†ï¼ˆ2015/2/25）ã®ç¶šã。 å‰å›žã¯éŸ³å£°ã‹ã‚‰æŠ½å‡ºã—ãŸãƒ¡ãƒ«ã‚±ãƒ—ストラムやピッãƒã®ãƒ‘ラメータを直接ã„ã˜ã‚‹ã“ã¨ã§ç°¡å˜ãªãƒœã‚¤ã‚¹ãƒã‚§ãƒ³ã‚¸ãƒ£ãƒ¼ã‚’作ã£ãŸã€‚今回ã‹ã‚‰Aã•ã‚“ã®éŸ³å£°ã‚’Bã•ã‚“ã®éŸ³å£°ã«å¤‰æ›ã™ã‚‹è¦å‰‡ã‚’機械å¦ç¿’ã®æ‰‹æ³•ã§å¦ç¿’ã™ã‚‹å£°è³ªå¤‰æ›ã®å®Ÿé¨“ã‚’ã—ã¦ã„ããŸã„。今回ã¯å¦ç¿’データã¨ãªã‚‹éŸ³å£°ãƒ‡ãƒ¼ã‚¿ã‚’ダウンãƒãƒ¼ãƒ‰ã™ã‚‹ã¨ã“ã‚ã¨ãƒ¡ãƒ«ã‚±ãƒ—ストラムを抽出ã™ã‚‹ã¨ã“ã‚ã¾ã§ã€‚ 音声データã®ãƒ€ã‚¦ãƒ³ãƒãƒ¼ãƒ‰ ãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã¨åŒã˜ã‚ˆã†ã«CMU ARCTIC Databasesã¨ã„ã†å…¬é–‹ãƒ‡ãƒ¼ã‚¿ã‚’使ã†ã€‚ã“ã®ãƒ‡ãƒ¼ã‚¿ã¯7åã®è‹±èªžè©±è€…ãŒåŒã˜æ–‡ç« を朗èªã—ãŸéŸ³å£°ãŒã¤ã„ã¦ã„る。今回作る統計的声質変æ›ã®æ‰‹æ³•ã¯ã€å¤‰æ›å…ƒã®Aã•ã‚“ã¨å¤‰æ›å…ˆã®Bã•ã‚“ãŒåŒã˜æ–‡ç« ã‚’èªã‚“ã 音声ãŒå¿…è¦ã«ãªã‚‹ã®ã§ã¡ã‚‡ã†ã©ã‚ˆã„データ。英語ãªã®ãŒæ®‹å¿µã€‚日本語ã®éŸ³å£°ã¯æŽ¢ã—ãŸã‘ã©ãªã‹ã£ãŸã€‚ã‚ã¨ã§è‡ªåˆ†ã®å£°ã§ã‚„ã£ã¦ã¿ãŸã„。 一括ダウンãƒãƒ¼ãƒ‰ã™ã‚‹ã‚¹ã‚¯
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (2) ボイスãƒã‚§ãƒ³ã‚¸ãƒ£ãƒ¼ã‚’作ã‚ㆠ- 人工知能ã«é–¢ã™ã‚‹æ–創録
çµ±è¨ˆçš„å£°è³ªå¤‰æ› (1) ãƒãƒ¼ãƒ‰ãƒžãƒƒãƒ—（2015/2/11）ã®ç¶šã。 統計的声質変æ›ã®ç¬¬äºŒå›žã¨ã„ã†ã“ã¨ã§ã¾ãšã¯çµ±è¨ˆçš„ã˜ã‚ƒãªã„声質変æ›ã®æž 組ã¿ã§ç°¡å˜ãªãƒœã‚¤ã‚¹ãƒã‚§ãƒ³ã‚¸ãƒ£ãƒ¼ã‚’作ã£ã¦ã¿ãŸã„。ã„ããªã‚Šæœ¬é¡Œã¨ãšã‚Œã¦ã„ã‚‹ã‘ã‚Œã©ã“ã“ã‚’ã—ã£ã‹ã‚Šç†è§£ã§ãã¦ã„ãªã„ã¨çµ±è¨ˆçš„ãªæ–¹ã¯ã¾ã£ãŸãæ¯ãŒç«‹ãŸãªã„ãŸã‚æ•´ç†ã—ã¦ãŠããŸã„。 ソース・フィルタモデル 人間ã®éŸ³å£°ã¯ã€ãƒŽãƒ‰ã®å£°å¸¯ã‚’振動ã•ã›ãŸãƒ–ザー音ãŒå£°é“ã€å£ã€å”‡ã‚’通éŽã™ã‚‹ã“ã¨ã§å‡ºã¦ãる仕組ã¿ã«ãªã£ã¦ã„る。ã“れを数å¦çš„ã«ãƒ¢ãƒ‡ãƒ«åŒ–ã—ãŸã®ãŒã‚½ãƒ¼ã‚¹ãƒ»ãƒ•ã‚£ãƒ«ã‚¿ãƒ¢ãƒ‡ãƒ«ã€‚ http://www.kumikomi.net/archives/2010/08/ep30gose.php ã‹ã‚‰å¼•ç”¨ ã“ã®ãƒ¢ãƒ‡ãƒ«ã§ã¯ã€éŸ³æºã«ã‚ãŸã‚‹ãƒ–ザー音を作り出ã—ã€ãƒ–ザー音をディジタルフィルタã«é€šã™ã“ã¨ã§éŸ³å£°ã‚’作る。音æºã®ãƒ‘ラメータã¨ã—ã¦å£°ã®é«˜ã•ã‚’表ã™ãƒ”ッãƒã€å£°é“ã®ãƒ‘ラメータã¨ã—ã¦ãƒ¡ãƒ«ã‚±ãƒ—ストラムã¨ã„ã†ã®ãŒã‚ˆã使ã‚ã‚Œ
1
ランã‚ング
ランã‚ング
ランã‚ング
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
{{#tags}}- {{label}}
{{/tags}}