Transformerを用いたオノマトペからの環境音合成
　　

著者: 岡本 悠希，井本 桂右，高道 慎之介，福森 隆寛，山下 洋一


このページはTransformer [1]を用いたオノマトペからの環境音合成手法 [2]のデモページです．

環境音データとしては，RWCP 実環境音声・音響データベース (RWCP-SSD)[3]の中から，10種類の音響イベント（コーヒー豆をミルで挽く音，カップを叩く音，目覚まし時計の音，笛の音，マラカスの音，ドラムを叩く音，ひげ剃りの動作音，金属製のゴミ箱を叩く音，紙を引き裂く音，ベルを鳴らす音）を使用しました．オノマトペのデータは，RWCP-SSD-Onomatopoeia[4]を使用しました．




Natural sound Seq2seq Transformer
(提案法)
 オノマトペ：ズザー (/ z u z a: /)
 オノマトペ：ブイイイイイイ (/ b u i i i i i i i i /)
 オノマトペ： ギュリギュリギュリ (/ gy u r i gy u r i gy u r i /)
 オノマトペ；リリリリリリン (/ r i r i r i r i r i r i N /)
 オノマトペ： グオーン (/ gu o: N /)



[1] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, "Attention is all You need," Proc. NIPS, pp. 6000-6010, 2017.
[2] 岡本 悠希，井本 桂右，高道 慎之介，福森 隆寛，山下 洋一，"Transformerを用いたオノマトペからの環境音合成，" 日本音響学会2021年秋季研究発表会，pp. 943-946.
[3] S. Nakamura, K. Hiyane, F. Asano, and T. Endo, “Acoustical Sound Database in Real Environments for Sound Scene Understanding and Hands-free Speech Recognition,” Proc. Language Resources and Evaluation Conference (LREC), pp. 965–968, 2000.
[4] Yuki Okamoto, Keisuke Imoto, Shinnosuke Takamichi, Ryosuke Yamanishi, Takahiro Fukumori, and Yoichi Yamashita, "RWCP-SSD-Onomatopoeia: Onomatopoeic Word Dataset for Environmental Sound Synthesis," Proc. Detection and Classification of Acoustic Scenes and Events (DCASE), pp. 125-129, 2020.