音声変換入門　Ｐｙｔｈｏｎで作って学ぶボイスチェンジャー

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 Colabolatory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　拡散モデル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