音声変換入門―Pythonで作って学ぶボイスチェンジャー [単行本]

音声変換入門―Pythonで作って学ぶボイスチェンジャー の 商品概要

• 要旨（「BOOK」データベースより）

  理論から実践まで／基礎から最先端まで一気通貫！音響学・機械学習の初歩からはじまり、Ｄｉｆｆｕｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒによる音声変換の実装まで至る！

• 目次

  ［第1部　統計的機械学習に基づく音声言語情報処理］
  第1章　音声言語情報処理
  1.1　音声言語情報処理とは何か
  1.2　人間の音声生成
  1.3　人間の音知覚
  1.4　音声言語データの特徴抽出
  
  第2章　統計的機械学習
  2.1　音声から何かを学習するということ
  2.2　統計的機械学習の手引き
  2.3　分類タスク
  2.4　回帰タスク
  
  第3章　深層ニューラルネットワークの基礎
  3.1　単純パーセプトロンから多層パーセプトロンへ
  3.2　多層パーセプトロンからDNNへ
  3.3　深層生成モデル
  
  第4章　実践して学ぶ音声言語情報処理
  4.1　Google ColaboratoryでのPythonプログラミング
  4.2　多話者音声コーパスのダウンロードと分析
  4.3　PyTorchでの深層学習実装
  
  ［第2部　統計的音声変換の基礎と応用］
  第5章　深層学習による音声変換の基礎
  5.1　音声変換の定義と分類
  5.2　作って学ぶ深層学習によるパラレル音声変換
  5.3　作って学ぶ深層学習によるノンパラレル音声変換
  
  第6章　音声変換を取り巻く技術と社会的側面
  6.1　処理タイミングによる音声変換の分類
  6.2　変換対象話者の指定方法による音声変換の分類
  6.3　変換先話者の学習データ量による分類
  6.4　社会への影響
  6.5　法的な視点
  
  第7章　正規化フローに基づく音声変換
  7.1　FreeVCの概要と特徴
  7.2　FreeVCのアーキテクチャ
  7.3　事前エンコーダ
  7.4　事後エンコーダと潜在変数zの推定
  7.5　デコーダと波形出力
  7.6　話者エンコーダ
  7.7　音声変換モデル全体
  7.8　識別器
  7.9　スペクトログラムリサイズによるデータ拡張
  7.10　訓練手順と損失関数
  7.11　推論時の流れ
  
  第8章　フローマッチングに基づく音声変換モデル
  8.1　ゼロショット音声変換
  8.2　SeedVCの特徴と強み
  8.3　拡散トランスフォーマー
  8.4　フローマッチング
  8.5　SeedVCの学習と推論

• 出版社からのコメント

  最先端の音声変換を支える技術について、音響学・機械学習の基礎から実装まで一気通貫（ｅｎｄ－ｔｏ－ｅｎｄ）に解説！

• 内容紹介

  音響学・機械学習の基礎から積み上げ、Diffusion Transformerによる音声変換の実装まで至る。
  基礎から最先端まで一気通貫に解説！
  
  《目次》
  ［第1部　統計的機械学習に基づく音声言語情報処理］
  第1章　音声言語情報処理
  1.1　音声言語情報処理とは何か
  1.2　人間の音声生成
  1.3　人間の音知覚
  1.4　音声言語データの特徴抽出
  
  第2章　統計的機械学習
  2.1　音声から何かを学習するということ
  2.2　統計的機械学習の手引き
  2.3　分類タスク
  2.4　回帰タスク
  
  第3章　深層ニューラルネットワークの基礎
  3.1　単純パーセプトロンから多層パーセプトロンへ
  3.2　多層パーセプトロンからDNNへ
  3.3　深層生成モデル
  
  第4章　実践して学ぶ音声言語情報処理
  4.1　Google ColaboratoryでのPythonプログラミング
  4.2　多話者音声コーパスのダウンロードと分析
  4.3　PyTorchでの深層学習実装
  
  ［第2部　統計的音声変換の基礎と応用］
  第5章　深層学習による音声変換の基礎
  5.1　音声変換の定義と分類
  5.2　作って学ぶ深層学習によるパラレル音声変換
  5.3　作って学ぶ深層学習によるノンパラレル音声変換
  
  第6章　音声変換を取り巻く技術と社会的側面
  6.1　処理タイミングによる音声変換の分類
  6.2　変換対象話者の指定方法による音声変換の分類
  6.3　変換先話者の学習データ量による分類
  6.4　社会への影響
  6.5　法的な視点
  
  第7章　正規化フローに基づく音声変換
  7.1　FreeVCの概要と特徴
  7.2　FreeVCのアーキテクチャ
  7.3　事前エンコーダ
  7.4　事後エンコーダと潜在変数zの推定
  7.5　デコーダと波形出力
  7.6　話者エンコーダ
  7.7　音声変換モデル全体
  7.8　識別器
  7.9　スペクトログラムリサイズによるデータ拡張
  7.10　訓練手順と損失関数
  7.11　推論時の流れ
  
  第8章　フローマッチングに基づく音声変換モデル
  8.1　ゼロショット音声変換
  8.2　SeedVCの特徴と強み
  8.3　拡散トランスフォーマー
  8.4　フローマッチング
  8.5　SeedVCの学習と推論

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  齋藤 佑樹(サイトウ ユウキ)
  博士（情報理工学）。東京大学大学院情報理工学系研究科　講師。２０１４年に釧路工業高等専門学校を卒業。２０１６年に同高専専攻科を修了。２０２１年に東京大学大学院情報理工学系研究科博士課程を修了。２０２４年より現職。統計的機械学習理論に基づく音声合成・声質変換の研究に従事
  
  中村 泰貴(ナカムラ タイキ)
  Ｐａｒａｋｅｅｔ株式会社代表取締役　ＣＥＯ／東京大学大学院博士課程　在籍。２０１７年に福島工業高等専門学校を卒業。２０２０年に東京大学工学部を卒業。２０２２年に東京大学大学院情報理工学系研究科修士課程を修了。２０２２年にＰａｒａｋｅｅｔ株式会社を創業。音声合成・声質変換の研究および社会実装に従事

• 著者について

  齋藤 佑樹 (サイトウ ユウキ)
  齋藤 佑樹
  東京大学大学院情報理工学系研究科講師。2014年に釧路工業高等専門学校を卒業。2016年に同高専専攻科を修了。2021年に東京大学大学院情報理工学系研究科博士課程を修了。2024年より現職。博士（情報理工学）。統計的機械学習理論に基づく音声合成・声質変換の研究に従事。
  
  中村 泰貴 (ナカムラ タイキ)
  中村 泰貴
  Parakeet株式会社代表取締役CEO／東京大学大学院博士課程 在籍。2017年に福島工業高等専門学校を卒業。2020年に東京大学工学部を卒業。2022年に東京大学大学院情報理工学系研究科修士課程を修了。2022年にParakeet株式会社を創業。音声合成・声質変換の研究および社会実装に従事。

音声変換入門―Pythonで作って学ぶボイスチェンジャー の商品スペック