ソフトウェア・研究資源

このページでは、私の研究活動に関連する主なソフトウェア、ツール、研究資源へのリンクをまとめています。

これらの中には現在も利用されているものと、統計的音声合成、音声信号処理、および関連分野における歴史的な研究成果として位置づけられるものがあります。

音声合成・音声信号処理

HTS は、HMM/DNNに基づく音声合成のためのソフトウェアツールキットです。統計的パラメトリック音声合成の研究に広く用いられてきました。

SPTK は、UNIX環境向けの音声信号処理ツール群です。音声分析、パラメータ変換、合成フィルタ、ベクトル量子化など、音声信号処理に関する各種ツールを含みます。

新しい SPTK 4.0+ 系列は、C++で再設計・再実装された SPTK です。また、diffsptk は、古典的な音声信号処理モジュールをニューラルネットワークモデルに組み込むための、PyTorch ベースの微分可能な SPTK です。

これらの近年の版は、私の研究グループで開発されたもので、私は研究上の方向づけに関わっています。ソフトウェア設計および実装は主に吉村建慶氏が担当しています。

hts_engine API は、HTSで学習されたモデルから音声波形を生成するための音声合成エンジンAPIです。

Open JTalk は、HTSの技術に基づく日本語テキスト音声合成システムです。

Sinsy は、楽譜情報から歌声を生成する歌声合成システムです。

MMDAgent は、CGキャラクタを用いた音声インタラクションシステムを構築するためのツールキットです。ソースコードおよびダウンロードは SourceForge からも入手できます。

後継システムである MMDAgent-EX は、現在、李晃伸先生により別途開発・保守されています。

過去のソフトウェア、デモページ、講演資料、関連リンク等については、旧ウェブページのアーカイブも参照してください。

各ソフトウェア・研究資源の公開状況、保守状況、利用条件はプロジェクトごとに異なります。最新版、ドキュメント、ダウンロード情報については、それぞれのプロジェクトページをご確認ください。