深層学習による声質変換 - Qiitaこんにちは，@hogefugabarです． この記事はDeepLearning Advent Calendar 2016の21日目の記事です． 専門では無いですが，声質変換について書きます． 本記事執筆に当たって，@asteer23に助言を頂きました．感謝します． 指摘等歓迎です． (随時コードも上げていきたいが修論があるので確約はできないです) はじめに 声質変換とは，「ある話者の音声」(入力)を「ターゲットとなる話者(出力話者)が同じ内容を話したかのような音声」(出力)に変換することである．イメージはコナンくんの蝶ネクタイなのである． 声質変換システムの概要 一般的な声質変換システムの概要を示したのが以下の図である． 入力話者の音声データ(WAVファイル)から音響特徴量(後述)を抽出 出力話者を目標として学習したモデルを用い，音響特徴量を変換 音響特徴量から音声データ(WAVファイル)
