論文の概要: Vocal-Tract Acoustics, Aerodynamics, and Overlap-and-Add Synthesis in DYNARTmo
- arxiv url: http://arxiv.org/abs/2610.24490v1
- Date: Sat, 17 Oct 2026 06:16:54 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 11:49:07.113524
- Title: Vocal-Tract Acoustics, Aerodynamics, and Overlap-and-Add Synthesis in DYNARTmo
- Title（参考訳）: DYNARTMOにおけるVocal-Tract Acoustics, Aerodynamics, and Overlap-and-Add Synthesis
- Abstract要約: 本稿では,音声生成の可視化と合成のための動的調音モデルであるDYNARTMOの音響的および空気力学的拡張について述べる。
声道形状は声道形状によって決定され, 鼻枝と効果的な側方通路を有する音響管に変換される。
腰部空力ネットワークは、所定の下肢運動と肺圧を気流と上肢圧貯蔵に関連付ける。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This paper presents the acoustic and aerodynamic extension of DYNARTmo, a dynamic articulatory model for visualizing and synthesizing speech production. Gestural control trajectories determine vocal-tract geometry, which is converted into an acoustic tube with nasal branching and effective lateral passages. A lumped aerodynamic network relates prescribed glottal motion and pulmonary pressure to airflow and supraglottal pressure storage. Phonatory excitation, oral friction, and glottal aspiration are synthesized as separate contributions. Frame-specific acoustic responses are combined by overlap-and-add, preserving response tails beyond individual control frames. Three German words, ``Tasse'', ``Muse'', and ``Lade'', illustrate the coordination of articulation, pressure, flow, and acoustic sources across vowels, nasals, laterals, fricatives, and plosives. The implementation has been optimized by the author primarily for sound recognizability; independent perceptual evaluation remains outstanding, and fricative-noise naturalness requires further refinement. The model provides an inspectable, articulatorily controlled production plant for future neural simulations of babbling, imitation, and early word acquisition. Further work will improve acoustic realism, reduce empirical source corrections, and extend the sensory information available to developmental learning models.
- Abstract（参考訳）: 本稿では,音声生成の可視化と合成のための動的調音モデルであるDYNARTMOの音響的および空気力学的拡張について述べる。
声道形状は声道形状によって決定され, 鼻枝と効果的な側方通路を有する音響管に変換される。
腰部空力ネットワークは、所定の下肢運動と肺圧を気流と上肢圧貯蔵に関連付ける。
声門興奮、口腔摩擦、声門吸引は別個の寄与として合成される。
フレーム固有の音響応答は重なり付加され、個々の制御フレームを超えた応答テールが保存される。
3つのドイツ語の単語 ``Tasse'', ``Muse'', ``Lade'' は、母音、鼻音、横音、摩擦音、破裂音の調音、圧力、流れ、音響源の調整を描いている。
この実装は、主に音の認識性のために著者によって最適化されており、独立した知覚的評価は際立っており、摩擦性自然性はさらなる改善を必要とする。
このモデルは、バブリング、模倣、および早期単語獲得の将来の神経シミュレーションのための検査可能な、明瞭に制御された生産プラントを提供する。
さらに、音響リアリズムを改善し、経験的情報源の補正を減らし、発達学習モデルで利用可能な感覚情報を拡張する。
関連論文リスト
- ECHO: Dyadic 3D Facial Motion Generation with Asymmetric Deterministic Articulation and Stochastic Reaction [12.994613743334218]
厳密なデュアルストリーム音声のみの設定下での3次元顔動作生成のためのECHOを提案する。
この非対称性に対処するため、ECHOは動きを決定論的アンカーに分解し、安定した音声関連構造をキャプチャする。
ECHOは、単一の生成プロセスにおいて、話し側の明瞭さとリスニング側のリアリズムと多様性のバランスをとる。
論文 参考訳（メタデータ） (2026-08-29T01:48:51Z) - Synthesizing the Lombard Effect: Multi-Level Control of Speech Clarity and Vocal Effort in TTS [61.29502937013759]
声道運動と調音疑似ラベルで訓練されたフローマッチングに基づく音声合成モデルを提案する。
提案モデルでは,声の努力や調音の連続的・不整合的な制御を実現するとともに,発話の特定のセグメントを明確にするための単語レベルの強調を可能にする。
論文 参考訳（メタデータ） (2026-06-22T11:14:22Z) - Learning Physiology-Informed Vocal Spectrotemporal Representations for Speech Emotion Recognition [30.3773200520904]
音声感情認識(SER)は、社会ロボティクスやロボット心理学的診断などのヒューマノイドロボットのタスクに不可欠である。
大規模なデータセットでトレーニングされた既存のディープモデルは、ほとんど解釈できないままである。
生理的インフォームド音声スペクトル表現学習法であるPhyloSERを提案する。
論文 参考訳（メタデータ） (2026-02-03T03:55:50Z) - Neural Acoustic Context Field: Rendering Realistic Room Impulse Response
With Neural Fields [61.07542274267568]
このレターでは、音声シーンをパラメータ化するためのNACFと呼ばれる新しいニューラルネットワークコンテキストフィールドアプローチを提案する。
RIRのユニークな性質により、時間相関モジュールとマルチスケールエネルギー崩壊基準を設計する。
実験の結果,NACFは既存のフィールドベース手法よりも顕著なマージンで優れていた。
論文 参考訳（メタデータ） (2023-09-27T19:50:50Z) - High-Fidelity Speech Synthesis with Minimal Supervision: All Using
Diffusion Models [56.00939852727501]
最小教師付き音声合成は、2種類の離散音声表現を組み合わせることでTSを分離する。
非自己回帰フレームワークは、制御可能性を高め、持続拡散モデルは、多様化された韻律表現を可能にする。
論文 参考訳（メタデータ） (2023-09-27T09:27:03Z) - Repeat after me: Self-supervised learning of acoustic-to-articulatory
mapping by vocal imitation [9.416401293559112]
そこで本稿では,限定的な解釈可能な音声パラメータ集合から複雑な音声刺激を再現可能な,事前学習されたニューラル音声合成器を組み合わせた音声生成の計算モデルを提案する。
フォワードモデルと逆モデルの両方は、異なる話者からの生の音響のみの音声データから、自己指導的な方法で共同で訓練される。
模倣シミュレーションは客観的かつ主観的に評価され、非常に奨励的なパフォーマンスを示す。
論文 参考訳（メタデータ） (2022-04-05T15:02:49Z) - Ctrl-P: Temporal Control of Prosodic Variation for Speech Synthesis [68.76620947298595]
テキストは音声形式を完全には規定しないので、テキストから音声へのモデルは、対応するテキストで説明されない方法で異なる音声データから学習できなければならない。
韻律の3つの一次音響相関に明示的に条件付けされた音声を生成するモデルを提案する。
論文 参考訳（メタデータ） (2021-06-15T18:03:48Z) - DiffSinger: Diffusion Acoustic Model for Singing Voice Synthesis [53.19363127760314]
DiffSingerは、音楽スコアで調整されたメログラムにノイズを反復的に変換するパラメータ化されたマルコフチェーンです。
中国の歌唱データセットで行った評価は、DiffSingerが最先端のSVSワークを顕著な差で上回っていることを示している。
論文 参考訳（メタデータ） (2021-05-06T05:21:42Z) - Learning Joint Articulatory-Acoustic Representations with Normalizing
Flows [7.183132975698293]
可逆ニューラルネットワークモデルを用いて母音の調音領域と音響領域の結合潜時表現を求める。
提案手法は調音から音響へのマッピングと音響から調音へのマッピングの両方を実現し,両領域の同時符号化の実現に成功していることを示す。
論文 参考訳（メタデータ） (2020-05-16T04:34:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。