予測誤差の結果

各 GAN により学習した生成モデルで予測した 15 次のメルケプストラムの代表例を図 6.3から図 6.5までに示す．これらの15 次のメルケプストラムについて，原音声の15次 のメルケプストラムとの比較を述べる．FFNN-GANの15次のメルケプストラムについて は，複雑な時間構造は現れていないが，起伏は概ね一致した．系列内分散の平方根は約0.02 小さかった．変調スペクトルは約30 Hz以上の帯域で約10 dB小さかった．複雑な時間構 造が現れており，起伏も概ね一致した．系列内分散の平方根は約0.05小さかった．変調ス ペクトルは概ね一致した．GDC-GANの15次のメルケプストラムについては，複雑な時間 構造が現れており，起伏も概ね一致した．系列内分散の平方根は約0.02小さかった．変調 スペクトルは約30 Hz以上の帯域で約10 dB小さかった．

各 GAN により学習した生成モデルで予測したメルケプストラムの𝕌sについての𝔼DC， 𝔼GV，𝔼MSをそれぞれ，図 6.6，図 6.7，図 6.8に示す．また，これらのメルケプストラムの 𝕌sについての𝔼DC，𝔼GV，𝔼MSの平均値をTukey-Kramer法で比較した結果を表 6.4，表 6.5，

表 6.6に示す．GDC-GANの𝔼DCの平均値は，FFNN-GAN，CNN-GANの𝔼DCの平均値よ りも有意に大きかった．GDC-GANの𝔼DCの中央値とFFNN-GAN，CNN-GANの𝔼DCの中 央値との差は約0.006以下であり，メルケプストラム係数の値を考慮すると，これらの差は 合成音声において無視できる程度のものといえる．

GDC-GANの𝔼GVの平均値は，FFNN-GAN，CNN-GANの𝔼GVの平均値よりも有意に小

さかった．GDC-GANの𝔼GVの中央値は，FFNN-GAN，CNN-GANの𝔼GVの中央値よりも それぞれ約0.008，約0.016小さかった．これらの差は，メルケプストラムの系列内分散の 平方根の値や聴取実験の評点を考慮すると，合成音声の品質に影響と及ぼす程度のものと いえる．

GDC-GAN の𝔼MSの平均値は，FFNN-GAN の𝔼MS

の平均値よりも有意に小さく，CNN-GANの𝔼MSの平均値よりも有意に大きかった．GDC-GANの𝔼MSの中央値は，FFNN-GAN の𝔼MSの中央値よりも約2 dB小さく，CNN-GANの𝔼MSの中央値よりも1.8 dB大きかっ た．FFNN-GANの𝔼MSとの差は，聴取実験の評点を考慮すると，合成音声の品質に影響を 及ぼす程度のものといえる．ただし，CNN-GAN については，その聴取実験の評点を考慮 すると，系列内分散を改善しないまま，変調スペクトルを改善しても合成音声の音質を改善 することができないといえる．

117

図 6.3 FFNN-GANのメルケプストラムの代表例

-0.4 -0.2 0 0.2 0.4 0.6 0.8

0 1 2 3 4

15次のメルケプストラム

時間（秒）

TARGET FFNN-GAN

0 0.05 0.1 0.15 0.2

TARGET FFNN-GAN

系列内分散の平方根

-80 -70 -60 -50 -40 -30 -20 -10 0

0 20 40 60 80 100

変調スペクトル（dB）

周波数（Hz）

TARGET FFNN-GAN

118

図 6.4 FFNN-GANのメルケプストラムの代表例

-0.4 -0.2 0 0.2 0.4 0.6 0.8

0 1 2 3 4

15次のメルケプストラム

時間（秒）

TARGET CNN-GAN

0 0.05 0.1 0.15 0.2

TARGET CNN-GAN

系列内分散の平方根

-80 -70 -60 -50 -40 -30 -20 -10 0

0 20 40 60 80 100

変調スペクトル（dB）

周波数（Hz）

TARGET CNN-GAN

119

図 6.5 FFNN-GANのメルケプストラムの代表例

-0.4 -0.2 0 0.2 0.4 0.6 0.8

0 1 2 3 4

15次のメルケプストラム

時間（秒）

TARGET GDC-GAN

0 0.05 0.1 0.15 0.2

TARGET GDC-GAN

系列内分散の平方根

-80 -70 -60 -50 -40 -30 -20 -10 0

0 20 40 60 80 100

変調スペクトル（dB）

周波数（Hz）

TARGET GDC-GAN

120

図 6.6 メルケプストラムの平均絶対誤差

図 6.7 メルケプストラムの系列内分散の平方根の平均絶対誤差

図 6.8 メルケプストラムの変調スペクトルの平均絶対誤差（dB）

0.08 0.09 0.1 0.11 0.12

FFNN-GAN CNN-GAN GDC-GAN

0 0.01 0.02 0.03 0.04

FFNN-GAN CNN-GAN GDC-GAN

6 7 8 9 10 11 12

FFNN-GAN CNN-GAN GDC-GAN

𝔼_DC

𝔼_GV

𝔼_MS

121

表 6.4 Tukey-Kramer法によるメルケプストラムの𝔼DCの平均値の比較結果 表中の数値はスチューデント化された範囲分布のq値とp値である．群数は3，自由度は

296，信頼区間は95%である．

群1 群2 q値 p値

FFNN-GAN CNN-GAN 5.06 0.002

FFNN-GAN GDC-GAN 18.77 0.001

CNN-GAN GDC-GAN 13.71 0.001

表 6.5 Tukey-Kramer法によるメルケプストラムの𝔼_GVの平均値の比較結果 表中の数値はスチューデント化された範囲分布のq値とp値である．群数は3，自由度は

296，信頼区間は95%である．

群1 群2 q値 p値

FFNN-GAN CNN-GAN 38.66 0.001

FFNN-GAN GDC-GAN 29.61 0.001

CNN-GAN GDC-GAN 68.27 0.001

表 6.6 Tukey-Kramer法によるメルケプストラムの𝔼_MSの平均値の比較結果 表中の数値はスチューデント化された範囲分布のq値とp値である．群数は3，自由度は

296，信頼区間は95%である．

群1 群2 q値 p値

FFNN-GAN CNN-GAN 165.93 0.001

FFNN-GAN GDC-GAN 88.36 0.001

CNN-GAN GDC-GAN 77.57 0.001