| 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 | 2023-06-23 13:50 ［ポスター講演］発話音声の感情情報に基づく色つき字幕画像生成の検討 ○中村史也（神戸大）・相原 龍（三菱電機）・高島遼一・滝口哲也（神戸大）・伊谷裕介（三菱電機）  SP2023-11 |
|
| 抄録 | （和） | 従来の音声認識による自動字幕生成システムでは，発話に含まれる感情などのパラ言語情報を考慮していないため，皮肉表現や多義語などを含む発話では字幕だけから内容を理解することは難しい．このような場合，音声に含まれる感情をフォントや色で視覚化した字幕を生成することが有効であると考えられる．このため我々は以前，音声認識と音声感情認識の結果から，GANによる画像変換を用いてフォント字幕画像を生成する手法を検討したが，複雑な感情をフォントのみで表現することは難しいことが明らかになった．そこで本研究では，感情をvalence-activationの2次元空間上で捉え，Russellの円環モデルとPlutchikの感情の輪をもとに感情空間上のカラーマップを作成することで，感情をフォントに加えて色も利用して視覚化する手法を提案する．IEMOCAPデータセットの音声を用いて音声認識とカテゴリカルな感情認識，valence-activationの推定の3種類でマルチタスク学習を行い，作成したカラーマップを用いて音声から実際に色付きの字幕を生成する実験を行った． |
| （英） | Conventional automatic subtitle generation systems based on speech recognition do not take into account paralinguistic information such as emotions included in speech, so it is difficult to understand the content of speech containing sarcastic expressions or polysemous words from subtitles alone. In such cases, it would be effective to generate subtitles that visualize the emotions contained in speech using fonts and colors. For this reason, we have previously studied a method to generate font subtitle images from speech recognition and speech emotion recognition results using image transformation with GAN, but it became clear that it is difficult to express complex emotions only with fonts. In this study, we propose a method to visualize emotions using not only fonts but also colors, by capturing emotions in a two-dimensional valence-activation space and creating a colormap in the emotion space based on Russell's circumplex model and Plutchik's wheel of emotions. We conducted multi-task training on three types of speech recognition, categorical emotion recognition, and valence-activation estimation using speech from the IEMOCAP dataset, and experimented with generating colored subtitles from speech using the created colormap. | |
| キーワード | （和） | 字幕画像 / 音声認識 / 音声感情認識 / Russellの感情円環モデル / / / / |
| （英） | subtitle image / automatic speech recognition / speech emotion recognition / Russell's circumplex models / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 88, SP2023-11, pp. 54-59, 2023年6月. | |
| 資料番号 | SP2023-11 | |
| 発行日 | 2023-06-16 (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 | SP2023-11 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-MUS IPSJ-SLP |
| 開催期間 | 2023-06-23 - 2023-06-24 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | |
| テーマ（和） | 音学シンポジウム2023 |
| 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 | 2023-06-SP-MUS-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 発話音声の感情情報に基づく色つき字幕画像生成の検討 |
| サブタイトル（和） | |
| タイトル（英） | Generation of colored subtitle images based on emotional information of speech utterances |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 字幕画像 / subtitle image |
| キーワード(2)（和/英） | 音声認識 / automatic speech recognition |
| キーワード(3)（和/英） | 音声感情認識 / speech emotion recognition |
| キーワード(4)（和/英） | Russellの感情円環モデル / Russell's circumplex models |
| 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） | 中村 史也 / Fumiya Nakamura / ナカムラ フミヤ |
| 第1著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 相原 龍 / Ryo Aihara / アイハラ リョウ |
| 第2著者 所属（和/英） | 三菱電機株式会社 (略称： 三菱電機) Mitsubishi Electric Corporation (略称： Mitsubishi Electric) |
| 第3著者 氏名（和/英/ヨミ） | 高島 遼一 / Ryoichi Takashima / タカシマ リョウイチ |
| 第3著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 滝口 哲也 / Tetsuya Takiguchi / タキグチ テツヤ |
| 第4著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 伊谷 裕介 / Yusuke Itani / イタニ ユウスケ |
| 第5著者 所属（和/英） | 三菱電機株式会社 (略称： 三菱電機) Mitsubishi Electric Corporation (略称： Mitsubishi Electric) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-06-23 13:50:00 |
| 発表時間 | 140分 |
| 申込先研究会 | SP |
| 資料番号 | SP2023-11 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.88 |
| ページ範囲 | pp.54-59 |
| ページ数 | 6 |
| 発行日 | 2023-06-16 (SP) |
[研究会発表申込システムのトップページに戻る]