[Go to English page]

Hideki Kawahara, Professor, Wakayama University

	河原 英紀 　教授， 〒640-8510 和歌山市栄谷930番地 和歌山大学システム工学部 デザイン情報学科 、 聴覚メディア研究室

自己紹介

音声、知能、計算機、SF、音楽、数学。趣味として、仕事として、 あるいは単なる知的好奇心から関わってきた一見すると脈絡の無い項目。 科学技術の進歩とネットワークの急速な発展は、これらを 「聴覚メディア処理の研究」という ライフワークとして追求することを可能にしました。 技術に人間を合わせるのではなく、人間に合わせて技術を開発するための機は熟しつつあります。 「人間のための聴覚メディア処理」には、迂遠には見えても、 聴覚・音声の発達・進化をリバースエンジニアリングして本質を理解することが必須です。 実際、この戦略は、画期的な音声処理技術STRAIGHTを生み、それが新たな聴覚の本質の発見と検証に結びついて来ました。 研究室の仲間や世界中に広がる志を同じくする研究仲間達とともに、 「人間のための聴覚メディア処理」を確かな技術とし普及させるための基盤を整備することを使命として、 教育・研究に携わっています。

• 経歴 (略歴)
  • 和歌山大学システム工学部 教授（デザイン情報学科 聴覚メディア研究室）
    
• 教育活動（担当講義等）
• 業績リスト ( Google Scholar Citationsによるリストも、リンクしました)
• デモ等: 声のモーフィング（Flashムービー 説明）
• 音声分析変合成法STRAIGHTとモーフィングの紹介（注意：旧版は、Matlab R2102以降で問題が生じます。対応版の入手は、ご相談下さい。（最終更新：2013年4月3日））

トピック

• イエナ大学で開催されたPPRU-Workshop VII で招待講演を行いました。(2013.4.26)
• 関西音声合同ゼミ＠和歌山大学の特別講演で紹介した iPad用のiBook(2012.3.17版)をリンクしました。(2012.7.28) (Fourier変換のムービーと、作成用のMatlabプログラム )
• エジンバラ大学で開催されたLISTA workshopで、 招待講演を行いました。(2012.5.3)
• 京都で開催された ICASSP2012のスペシャルセッション (SS-L9: Advances in singing-voice synthesis, transformation, and application) で発表しました。 (プレゼンテーションの資料等をリンクしました (2012.4.6))
• 情報処理学会 音楽情報科学研究会 スペシャルセッション「歌声情報処理最前線!!」 で発表( USTREAMへのリンク) しました(2012.2.3) 用いた資料やムービを 「歌声情報処理最前線!!」歌声のテクスチャに信号処理はどう迫るか のページにリンクしました。
• TANDEM-STRAIGHTの技術情報が、 SADHANA, Academy Proceedings in Engineering Sciencesの電子版 に掲載されました。(2011.11)
• 3月7日（月）に上智大学（東京：四谷）で WAVE workshopを開催しました。(2011.3.7)
• NCSP2011 で、STRAIGHTの最新の動向について、基調講演をしました。(2011.3.1-3)
• 歌声に関するワークショップ InterSinging2010の体験デモに、 TANDEM-STRAIGHTとモーフィングを出展しました。(2010.10.1-2)
• TANDEM-STRAIGHTの動作を紹介するムービー を作成しました。 SSW7のチュートリアルでは、 このムービーを使って数式と処理内容の橋渡しのイメージを理解してもらうように努めました。 （講演スライド(PDF)） (2010.9.25)
• 情報処理学会 音楽情報科学研究会（夏シンポ2010）イベント企画 スペシャルセッション「歌声情報処理最前線！」 (2010.7.28-30)
  ニコニコ生放送で動画中継された内容(提供: ニコニコ学術チャンネル、撮影: 伊予柑様) 私の出番は2:32:00辺りからです。参加者になったつもりで視聴したところ、私の説明は早口過ぎでした。（ 発表資料、 使ったスライド）
• TANDEM-STRAIGHTと新しい時変モーフィングの紹介とGUIのマニュアルが APSIPAの会議資料として公開されました。(Oct, 2009)
• 日本音響学会秋季研究発表会の招待講演(2009.9.16)の 「ムービーで理解する、パワースペクトル、瞬時周波数、群遅延」で使ったDVDを公開しました。 元々は、legacy-STRAIGHTの紹介用です。サイズが796MBですので、ご注意下さい。

業績（抜粋）

以下は、リストからの抜粋です。簡単な紹介を添えてあります。

• Hideki Kawahara, Masanori Morise, Ryuichi Nisimura and Toshio Irino: An interference-free representation of group delay for periodic signals, Proc. APSIPA, 3-6 December, OS.17-SLA 8, 2012 Calfornia, USA. (4/Dec./2012) (パワースペクトル、瞬時周波数に続いて、群遅延も繰返しに影響されない表現を求めました。ここでもFlanaganの式が鍵になっています。)
• Hideki Kawahara, Masanori Morise, Ryuichi Nisimura, Toshio Irino: Deviation measure of waveform symmetry and its application to high-speed and temporally-fine F0 extraction for vocal sound texture manipulation, Interspeech2012, 2012. (10/Sept./2012) (シャウト等に含まれる高速な基本周波数の変動に追従できる方法を発明しました。ここで、ようやく一年前の瞬時周波数の新しい計算法が役立ちました。)
• Hideki Kawahara and Masanori Morise, Technical foundations of TANDEM-STRAIGHT, a speech analysis, modification and synthesis framework, SADHANA - Academy Proceedings in Engineering Sciences, Vol.36, Part 5, pp.713-722, 2011. (PDF) (TANDEM-STRAIGHTのスペクトルの計算法の技術的背景をまとめてあります。オープンアクセスの資料です。)
• Hideki Kawahara, Toshio Irino and Masanori Morise, An interference-free representation of instantaneous frequency of periodic signals and its application to F0 extraction, Proc. ICASSP 2011, May 2011. (doi:10.1109/ICASSP.2011.5947584 ) (隣接する調波の影響を受けない瞬時周波数計算法を発明しました。1966年のFlanaganの式に、非常に面白い性質がありました。)
• 河原 英紀：音声分析合成技術の動向、日本音響学会誌、Vol.67, No.1, pp.40-45 (2011). （日本語によるTANDEM-STRAIGHTとモーフィングの解説。2007年の解説と同様に、この執筆の後に新しい瞬時周波数計算法を 発明したことにより、また、最新情報ではなくなってしまいました。上記参照。）
• Kawahara, H.; Nisimura, R.; Irino, T.; Morise, M.; Takahashi, T.; Banno, H.; , "Temporally variable multi-aspect auditory morphing enabling extrapolation without objective and perceptual breakdown," Acoustics, Speech and Signal Processing, 2009. ICASSP 2009. IEEE International Conference on , vol., no., pp.3905-3908, 19-24 April 2009
  (doi: 10.1109/ICASSP.2009.4960481) （時間軸を含む様々な属性のモーフィング率を、時間の関数として設定することを可能にするモーフィングを定式化しました。）
• Stefan R. Schweinberger, Christoph Casper, Nadine Hauthal, Juergen M. Kaufmann, Hideki Kawahara, Nadine Kloth, David M.C. Robertson, Adrian P. Simpson and Romi Zaeske, Auditory Adaptation in Voice Perception, Current Biology 18, 684-688, May 6, (2008).
  （聴覚における高次属性の残効の存在を初めて明らかにした論文です。STRAIGHTによるモーフィングの、効果的な利用法の一例です。）
• Kawahara, H.; Morise, M.; Takahashi, T.; Nisimura, R.; Irino, T.; Banno, H.; , "Tandem-STRAIGHT: A temporally stable power spectral representation for periodic signals and applications to interference-free spectrum, F0, and aperiodicity estimation," Acoustics, Speech and Signal Processing, 2008. ICASSP 2008. IEEE International Conference on , vol., no., pp.3933-3936, March 31 2008-April 4 2008
  （STRAIGHTのアルゴリズムを根本から定式化し直しました。計算量が大きく削減され、理論的な見通しも良くなりました。）
• 河原英紀：Vocoderのもう一つの可能性を探る--音声分析変換合成システムSTRAIGHTの背景と展開--， 日本音響学会誌，Vol.63，No.8，pp.442-449 (2007). [解説]
  （日本語によるSTRAIGHTの解説。ただし、この執筆の後に新しいSTRAIGHTスペクトル推定法を 発明したことにより、最新情報ではなくなってしまいました。上記参照。）
• Hideki Kawahara: STRAIGHT, Exploration of the other aspect of VOCODER: Perceptually isomorphic decomposition of speech sounds, Acoustic Science and Technology, Vol.27, No.6, (2006).[招待論文]
  （STRAIGHTの最新の情報をまとめた資料。 学会のWebから資料をダウンロードできます。 Acoustic Science and Technology のページ(PDF)）
• David R. R. Smith, Roy D. Patterson, Richard Turner, Hideki Kawahara and Toshio Irino, The processing and perception of size information in speech sounds, Journal of the Acoustical Society of America, Vol.117, Issue 1, pp.305-318, 2005.
  （聴覚には話者のサイズの情報を抽出する機能があることを明らかにした論文。 STRAIGHTがこの機能の発見のきっかけとなり検証の手段として用いられた。 この発見は、入野とPattersonによる聴覚初期過程の計算理論を補強する。）
• Hideki Kawahara and Hisami Matsui: Auditory Morphing based on an Elastic Perceptual Distance Metric in an Interference-free Time-frequency Representation, Proc. ICASSP'2003, vol.I, pp.256-259, 2003.
  （STRAIGHTに基づく音声モーフィング手法を提案した国際会議資料。 感情音声の研究への応用は、同年のEUROSPEECHで発表。 この手法は、 様々な研究機関で利用されはじめています。 STRAIGHT を用いた感情モーフィングのデモ（Flashムービー） （説明） [demo英文] ）
• Hideki Kawahara, Ikuyo Masuda-Katsuse and Alain de Cheveigne: Restructuring speech representations using a pitch-adaptive time-frequency smoothing and an instantaneous-frequency-based F0 extraction: Possible role of a reptitive structure in sounds, Speech Communication, 27, pp.187-207 (1999).
  （STRAIGHTの最初の版とその背景となる思想を提案した論文。本論文は，EURASIPの最優秀論文賞を受賞）

トピック （2009年以前）

• CrestMuseプロジェクトの成果を紹介する ビデオが公開されました。 STRAIGHTは、基盤技術としてそれらの成果を支えています。(2008.11.10)
• TANDEM-STRAIGHT（ ムービーへのリンク:117MB）とリアルタイムモーフィングインタフェース （ デモへのリンク）を 8月22日のCrestMuseシンポジウムで発表／デモしました。 （プログラム）(2008.8.22)
• 5月の音楽情報研究会で、STRAIGHTの簡易モーフィングと リアルタイムモーフィングインタフェースを発表しました。ネットでも話題になっているようです。(2008.5.28-29)
• 4th Conference on Speech Prosody, Campinus, Brazilで 総括講演（TANDEM-STRAIGHT, a research tool for L2 study enabling flexible manipulations of prosodic information）を行いました。(2008.5.6-9)
• 文化庁メディア芸術祭：2008.2.6〜2.17の先端技術ショーケース'08 （パンフレット[pdf]） に 感情音声モーフィング（今回は流行語大賞の言葉）を出展しました。
• 日米音響学会ジョイントミーティングで 招待講演（STRAIGHT as a research tool for L2 study: How to manipulate segmental and supra-segmental features）を行いました。(2006.11.29) [presentation slides (pdf)] [morphed synthetic R/L continuum (wmv)] [morphed natural R/L continuum (wmv)]
• 日米音響学会ジョイントミーティングの発表 ( "Voice quality of artistic expression in Noh: An analysis-synthesis study on source-related parameters") が、米国音響学会のPress Room (Lay language paper)に掲載されています。(2006.11.28)
• 第9回西大平洋音響学会議で総括講演 （Precursor to Ecologically Relevant Speech Science）を行いました。(2006.6.28)
• 予感研究所（日本未来館）で 感情音声モーフィングを展示しました(2006.5.3〜7)
• 2006年1月26，27日の 音声研究会 が和歌山大学で開催されました。 26日のSTRAIGHTのスペシャルセッションでは，11件の研究発表が行われました。
• 国際比較（Blizzard challange）においてSTRAIGHT技術を用いた音声合成システム（TTSシステム）の 圧倒的な高品質が評価されました（INTERSPEECH2005）。(2005.9, 2006.9).
• 新しいCRESTプロジェクト 「時系列メディアのデザイン転写技術の開発」（代表：片寄晴弘 教授）が発足しました。(2005.9).
• 米国音響学会 第149回会合(2005.5)でのスケール知覚の特別セッション （企画： Patterson(CNBH)、 入野（和歌山大学））において「STRAIGHTのスケール知覚研究への応用」 の招待講演を行いました。
• 日本科学未来館の特別企画展 『恋愛物語展 − どうして一人ではいられないの？−』(2005.4/23〜8/15)に STRAIGHT を用いた感情モーフィングのデモ（Flashムービー） （説明）が展示されました。 会場でのラウンジトーク(6/26) で技術的背景などを紹介しました。
• STRAIGHTを用いて合成された合唱がRENCON'04において最も優れた合成歌唱と評価されました(2004.6)
• 和歌山市の名勝「番所庭園」でWAVE : Wakayama workshop on Auditory and Vocal rEsearchを開催しました(2004.4)
• 高品質音声分析変換合成システムSTRAIGHT (STRAIGHTの紹介), (STRAIGHT試用版) （登録利用者は最新版STRAIGHTV40を使用できます：2005.12.4更新）
• 「多様な音声合成プログラム」サブグループリーダー（2003年より）（ 文部科学省リーディングプロジェクト e-Society 「 ユーザ負担のない話者・環境適応性を実現する自然な音声対話処理技術」代表：鹿野清宏 奈良先端大）
• CREST 「聴覚脳プロジェクト」 研究代表者（1997年〜2002年） (CMAP-CREST workshop 2002)

Last update: 2013年 5月16日 木曜日 17時59分46秒 JST