情報処理学会 インタラクション2021

人は人間の顔からおおよその声を想像することが可能であると考えられており，人の顔から音声の生成を試みる研究が存在する．その中で，キャラクタの音声を推定する研究では，年齢や性別を推定したのちに音声を生成しているが，年齢や性別の推定誤差により生成される音声に影響を与える可能性がある．我々はこれまでに，アンケートから人はキャラクタの「目の形」から声を想像することが分かった．本研究では，「目の形」から声を生成する手法を提案し，Tacotron2とWaveGlowを用いて音声を生成する手法を提案する．実験の結果として，学習したキャラクタの特徴を含んだ音声を生成することができた．