| 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 | 2024-03-01 09:30 下位N位スコア平均に基づくMOS予測モデル学習 ○近藤祐斗・亀岡弘和・田中 宏・金子卓弘（NTT）  EA2023-94 SIP2023-141 SP2023-76 |
|
| 抄録 | （和） | 主観音声品質予測は時間や手間のかかる被験者アンケートを行うことなく自動的に音声の主観音声品質を計算するというタスクである．特に，テキスト音声合成（TTS）システムや音声変換(VC)システムで生成された音声のMOSを予測するニューラルモデルの学習が近年盛んに研究されている． TTS音声やVC音声のMOS予測の難点は，音声品質が時間セグメントごとに異なるという点である． そのため，MOSテストにおいて，評点付けのためにどのセグメントに注目するかは各聴取者に依ることとなる． 私たちは，『被験者が評価するにあたり低品質な音のセグメントに注目する傾向にあり，それゆえに単一の音声に対する被験者間での評価の散らばりは低音質な時間区間を見逃して誤って高得点を付けた被験者の影響を受けている』という仮説を立てる． 本稿ではVCC2018及びBVCCデータセットを分析することでこの仮説を部分的に裏付け，下位$N$位スコアの平均である$N$-lowest MOS（$N_{rm low}$-MOS）をMOS予測モデルの学習に使用することを提案する．実験により，$N_{rm low}$-MOSをMOSNetの学習に使用することでLCCとSRCCがMOSを使用する時に比べて向上することを示す．これは，$N_{rm low}$-MOSがより主観音声品質を正しく反映している代表値であることを表す． |
| （英） | Automatic speech quality assessment (SQA) is a task to evaluate the quality of speech samples without resorting to time-consuming listener questionnaires. Attempts have recently been made to train neural-based SQA models to predict the mean opinion score (MOS) of the speech samples produced by text-to-speech or voice conversion systems. One difficulty in the MOS prediction is that the quality of a (particularly automatically generated) speech sample can vary from segment to segment. Thus, in subjective MOS evaluation, it is up to each listener what segments of the speech sample to focus on to determine the score. We hypothesize that listeners tend to base their judgments on low-quality segments, and that the variation among listeners in their ratings of each speech sample is primarily due to their mistakenly assigning higher scores by overlooking such segments. We analyze the VCC2018 and BVCC datasets to support this hypothesis, and propose the use of $N_{rm low}$-MOS, the mean of the $N$-lowest opinion scores, for training MOS predictor models. Experimental results show that when $N_{rm low}$-MOS was used to train MOSNet, higher LCC and SRCC were obtained than when regular MOS was used, suggesting that $N_{rm low}$-MOS is more likely to reflect subjective speech quality. |
|
| キーワード | （和） | 主観音声品質予測 / 平均オピニオン評点 / 主観評価データセット / データ選択 / MOSNet / / / |
| （英） | speech quality assessment / mean opinion score / subjective evaluation dataset / training sample selection / MOSNet / / / | |
| 文献情報 | 信学技報, vol. 123, no. 403, SP2023-76, pp. 196-201, 2024年2月. | |
| 資料番号 | SP2023-76 | |
| 発行日 | 2024-02-22 (EA, SIP, 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 | EA2023-94 SIP2023-141 SP2023-76 |
|
| 研究会情報 | |
| 研究会 | SIP SP EA IPSJ-SLP |
| 開催期間 | 2024-02-29 - 2024-03-01 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，一般 |
| 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 | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 下位N位スコア平均に基づくMOS予測モデル学習 |
| サブタイトル（和） | |
| タイトル（英） | SELECTING N-LOWEST SCORES FOR TRAINING MOS PREDICTION MODELS |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 主観音声品質予測 / speech quality assessment |
| キーワード(2)（和/英） | 平均オピニオン評点 / mean opinion score |
| キーワード(3)（和/英） | 主観評価データセット / subjective evaluation dataset |
| キーワード(4)（和/英） | データ選択 / training sample selection |
| キーワード(5)（和/英） | MOSNet / MOSNet |
| 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） | 近藤 祐斗 / Yuto Kondo / コンドウ ユウト |
| 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） | 亀岡 弘和 / Hirokazu Kameoka / カメオカ ヒロカズ |
| 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） | 田中 宏 / Kou Tanaka / タナカ コウ |
| 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） | 金子 卓弘 / Takuhiro Kaneko / カネコ タクヒロ |
| 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) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-01 09:30:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SP |
| 資料番号 | EA2023-94, SIP2023-141, SP2023-76 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.401(EA), no.402(SIP), no.403(SP) |
| ページ範囲 | pp.196-201 |
| ページ数 | 6 |
| 発行日 | 2024-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]