音響クラスタリング法の概要

従来研究において，音節波形接続型音声合成法に，言語情報とMFCCの距離尺度の 両方を用いた木に基づくクラスタリング（以下，クラスタリング[3]）を 適用する手法が提案された[4,5]．本研究では，上記の手法を ``音響クラスタリング法''と呼ぶ．図8に合成音声「財務 (za/i/mu)」を作成する場合の``音響クラスタリング法''における流れを示す． また以下に図8の詳細な手順を示す，

1. HTK[7]により，中心音節，前後音素環境，モーラ情報，アクセン ト情報を考慮した音節素片のモデルを作成する．

2. 手順1で作成した音節素片のモデルに対して，HTKにより言語情報とMFCCの 距離尺度の両方を用いたクラスタリングを行う．本研究では，クラスタリ ングによって分割した音節素片の集団をクラスタと呼ぶ．クラスタの例を 表3 に示す．

   
   

   表 3: 音響クラスタリング法におけるクラスタの例

   
   
   

3. 作成する合成音声内の音節素片が含まれるクラスタを選択する．例えば， 合成音声「財務(za/i/mu)」を作成する場合，「財務(za/i/mu)」の 「za(pau-za0301011+i)」は，表3に示すza_2のクラス タを選択する．

4. 手順3で選択したクラスタ内の音節素片を，ランダムに1つ選択する．

5. 手順4で選択した音節素片を含む音声を，ランダムに1つ選択する．

上記手順3,4,5を，作成する合成音声の各モーラ位置に対して行い，手順5で選択 した各音節素片を接続することで合成音声を作成する．

図 8: 音響クラスタリング法における合成音声作成の流れ