| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-11-30 15:30 音声合成と音声認識に対するテキストデータを用いた半教師あり統合学習 ○牧島直輝・鈴木聡志・安藤厚志・増村 亮（NTT）  NLC2022-14 SP2022-34 |
|
| 抄録 | （和） | 本稿では，音声合成と音声認識をテキストと音声の少規模ペアデータ及び大規模なテキストデータで学習する新しい学習手法を提案する．従来のcycle-consistency に基づく手法では，テキストデータを音声合成し，合成音声を音声認識して得られるテキストと元のテキストが一致するように音声合成と音声認識の学習が行われる．しかし，この方法では，合成音声が音声認識モデルに過適合し，（1）合成音声の話者性の欠落や（2）合成音声が音声認識しやすい音声となってしまう問題が発生する．この問題は合成音声の品質劣化だけではなく，音声認識の性能改善を限定的にする．本稿では，この問題を解決するため，（１）話者整合性損失と（２）段階的最適化に基づく学習方法を提案する．評価実験により，提案法の有効性を示す． |
| （英） | This paper presents a novel joint training of text to speech (TTS) and automatic speech recognition (ASR) with small amounts of speech-text paired data and large amounts of text data. In conventional cycle-consistency-based methods, the TTS model and the ASR model are trained so that the text obtained by speech synthesis of text data and speech recognition of the synthesized speech matches the original text. However, this method leads to an overfitting of the synthesized speech to the ASR model, which results in the synthesized speech that (1) lacks speaker characteristics and (2) is easily recognizable. This problem not only degrades the quality of the synthesized speech but also limits the improvement of speech recognition performance. In this paper, we propose a learning method based on (1) speaker consistency loss and (2) step-wise optimization to solve this problem. Experimental results demonstrate the efficacy of the proposed method. | |
| キーワード | （和） | 音声認識 / 音声合成 / 半教師あり学習 / / / / / |
| （英） | automatic speech recognition / text to speech / semi-supervised learning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 288, SP2022-34, pp. 27-32, 2022年11月. | |
| 資料番号 | SP2022-34 | |
| 発行日 | 2022-11-22 (NLC, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLC2022-14 SP2022-34 |
|
| 研究会情報 | |
| 研究会 | NLC IPSJ-NL SP IPSJ-SLP |
| 開催期間 | 2022-11-29 - 2022-12-01 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | |
| テーマ（和） | 第24回音声言語および第9回自然言語処理シンポジウム |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2022-11-NLC-NL-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 音声合成と音声認識に対するテキストデータを用いた半教師あり統合学習 |
| サブタイトル（和） | |
| タイトル（英） | Semi-supervised joint training of text to speech and automatic speech recognition using unpaired text data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声認識 / automatic speech recognition |
| キーワード(2)（和/英） | 音声合成 / text to speech |
| キーワード(3)（和/英） | 半教師あり学習 / semi-supervised learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 牧島 直輝 / Naoki Makishima / マキシマ ナオキ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 鈴木 聡志 / Satoshi Suzuki / スズキ サトシ |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 安藤 厚志 / Atsushi Ando / アンドウ アツシ |
| 第3著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第4著者 氏名（和/英/ヨミ） | 増村 亮 / Ryo Masumura / マスムラ リョウ |
| 第4著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NIPPON TELEGRAPH AND TELEPHONE CORPORATION (略称： NTT) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-11-30 15:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2022-14, SP2022-34 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.287(NLC), no.288(SP) |
| ページ範囲 | pp.27-32 |
| ページ数 | 6 |
| 発行日 | 2022-11-22 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]