| 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 話者適応による聴覚障害者音声認識の評価 ○高橋快斗・木内貴浩・若林佑幸（豊橋技科大）・太田健吾（阿南高専）・小林彰夫（大和大）・北岡教英（豊橋技科大）  EA2023-102 SIP2023-149 SP2023-84 |
|
| 抄録 | （和） | 健聴者と聴覚障害者とのコミュニケーションには，一般に手話，筆談，音声認識などが用いられる．聴覚障害者の半数以上が音声を用いて意思疎通を行っていると報告されている．従って，聴覚障害者音声に対して高精度の音声認識を行うことが求められている．しかしながら，健聴者音声で学習された音声認識モデルは，聴覚障害者音声に対して，高い認識精度を得ることができない．そこで，本研究では，聴覚障害者音声に対して，高精度の音声認識を行うために，データ拡張によって自己教師あり学習モデルの高精度化を行った．さらに，各話者の音声をファインチューニングすることによる話者適応の評価実験を行った．その結果，多言語の音声で自己教師あり学習されたXLS-Rを日本語健聴者音声で追加事前学習し，健聴者音声，聴覚障害者音声と合成音声を続けて二段階ファインチューニングしたモデルが聴覚障害者音声において最も精度が高かった．そして，このモデルを話者適応をすることで，それによる認識精度の向上率や，精度向上限界を明らかにした． |
| （英） | Communication between normal-hearing people and the deaf is generally used sign language, written communication, and speech recognition.More than half of the deaf are reported to use speech to communicate.Therefore, high-accuracy speech recognition is required for deaf speech.However, speech recognition models trained with normal-hearing speech cannot achieve high accuracy for deaf speech.In addition, we conducted an evaluation experiment of speech recognition by speaker adaptation by fine-tuning with each speaker's speech.As a result, the model that was pre-trained with Japanese normal-hearing speech by self-supervised learning of multilingual speech, fine-tuned with normal-hearing speech, deaf speech, and synthesized speech in succession was the most accurate for deaf speech. Then, by adapting this model to each speaker, we clarified the improvement rate of recognition accuracy and the limit of accuracy improvement. | |
| キーワード | （和） | 音声認識 / 聴覚障害者音声 / 話者適応 / データ拡張 / / / / |
| （英） | Speech Recognition / Deaf Speech / Speaker Adaptation / Data Augmentation / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 403, SP2023-84, pp. 244-249, 2024年2月. | |
| 資料番号 | SP2023-84 | |
| 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 | EA2023-102 SIP2023-149 SP2023-84 |
|
| 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） | 話者適応による聴覚障害者音声認識の評価 |
| サブタイトル（和） | |
| タイトル（英） | Evaluation of Automatic Speech Recognition for Deaf and Hard-of-Hearing People by Speaker Adaptation. |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声認識 / Speech Recognition |
| キーワード(2)（和/英） | 聴覚障害者音声 / Deaf Speech |
| キーワード(3)（和/英） | 話者適応 / Speaker Adaptation |
| キーワード(4)（和/英） | データ拡張 / Data Augmentation |
| 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） | 高橋 快斗 / Kaito Takahashi / タカハシ カイト |
| 第1著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： TUT) |
| 第2著者 氏名（和/英/ヨミ） | 木内 貴浩 / Takahiro Kinouchi / キノウチ タカヒロ |
| 第2著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： TUT) |
| 第3著者 氏名（和/英/ヨミ） | 若林 佑幸 / Yukoh Wakabayashi / ワカバヤシ ユウコウ |
| 第3著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： TUT) |
| 第4著者 氏名（和/英/ヨミ） | 太田 健吾 / Kengo Ohta / オオタ ケンゴ |
| 第4著者 所属（和/英） | 国立阿南工業高等専門学校 (略称： 阿南高専) National Institute of Technology, Anan College (略称： NITAC) |
| 第5著者 氏名（和/英/ヨミ） | 小林 彰夫 / Akio Kobayashi / コバヤシ アキオ |
| 第5著者 所属（和/英） | 大和大学 (略称： 大和大) Yamato University (略称： Yamato Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 北岡 教英 / Norihide Kitaoka / キタオカ ノリヒデ |
| 第6著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： TUT) |
| 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 | EA2023-102, SIP2023-149, SP2023-84 |
| 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.244-249 |
| 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]