それっぽくしゃべります日本語母語話者の英語の発話リズムをネイティブっぽく変換
NTTコミュニケーション科学基礎研究所

日本語母語話者が発声した英語の音声から発話リズムを抽出し、英語母語話者っぽく変換するための非負値時空間分解法という技術です。英語を用いた音声コミュニケーションを円滑に行うためには、発話リズムが重要な役割を果たすと考えられますが、将来、本技術により日本語母語話者の英語でのコミュニケーションの苦労が軽減されるかもしれません。

外国語を用いての音声コミュニケーションの難しさは、しゃべること、聞くことの両方において存在します。とりわけ多くの日本語母語話者は、英語母語話者の話が聞き取れない、自分のしゃべった言葉が英語母語話者に伝わらず聞き返される、などの問題を抱えています。本技術は、「発音に多少の間違いがあってもリズムが正しいと理解されやすい」ことに着目し、日本語母語話者の英語音声の発話リズムの変換法に関するものです。

• 音声から抽出した声道スペクトルを発音と発話リズムに分解
• 従来法（非負値行列因子分解）にはない発話のしくみを考慮したアルゴリズム
• 発話リズムを音素単位で表現するモデルの導入
• 隣り合う音素のみが時間情報に影響を及ぼすことを考慮
• さまざまな言語の発話リズムを変換可能（例：日本における外国人留学生の日本語を変換）

• 効率的な英語学習法に応用
• 携帯端末を通じてネイティブの英語リズムに変換
• テレビ会議やプレゼンテーションで英語らしいリズムに変換

発話器官の位置情報に対応する特徴パラメータである声道スペクトルには、発音と発話リズムの両方が含まれています。非負値時空間分解法を用いて声道スペクトルを発音と発話リズムに分解し、発話リズムを変換することで、本人の声質でネイティブっぽい発声を実現します。

NTTコミュニケーション科学基礎研究所　人間情報研究部