WaveNetはオーディオサンプル系列の変換もしくは生成に特化した技術である。これをある種のベクトル系列データの生成に直接応用して音声合成器として機能させる形態に、非特許文献２に開示されたNeural Parametric Singing Synthesizer （NPSS）がある。NPSSでは音声の性質を表現する数十次元のメルケプストラム係数からなるベクトルの各次元の確率分布が、WaveNetと類似の形態のニューラルネットワークによって、全次元分一斉に出力される。ただし、ここで出力される確率分布は、各次元毎の独立性に基づく確率分布であって、全次元の同時確率分布や次元間の依存関係に基づく条件付き確率分布ではない。したがって、この方法が直接応用できるのは、音声におけるメルケプストラム係数のように、次元間の関係性をさほど厳密に扱わなくても十分な品質の出力が得られる場合に限定される。その限定を回避するために、仮に同様の形態のニューラルネットワークによって全次元の同時確率分布や次元間の依存関係に基づく条件付き確率分布を出力することを考えると、ニューラルネットワークが出力すべき確率分布やそのパラメタの数が膨大となり、学習や生成にかかる計算リソースが膨大となるうえ、出力の次元数に対する学習データの不足から学習が適切に行われない可能性がある。

以上の課題を解決するために、本発明の好適な態様に係る情報処理方法は、時間軸上の複数の単位ステップの各々において、第１データから当該第１データの代替表現を表す中間データを第１ニューラルネットワークにより生成する第１処理と、複数の周波数にそれぞれ対応する複数の成分値を含む第２データを前記中間データから生成する第２処理とを実行し、前記第２処理は、前記複数の成分値をそれぞれ生成する複数の単位処理を含・・・　続きを知財ポータルサイト IP Force にログインして見る