| 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 | 2025-03-02 11:40 発話区間を用いた目的話者特徴量抽出 ○堀口翔太・森谷崇史・安藤厚志・芦原孝典・佐藤 宏・俵 直弘・デルクロア マーク（NTT）  EA2024-84 SIP2024-119 SP2024-25 |
|
| 抄録 | （和） | 本稿では，複数話者が発話する音声から，各話者の発話区間を手掛かりに特定の話者の特徴量を抽出する手法を提案する．重複を含む長尺の複数話者音声に対する音声処理方法として，まずセグメント単位で話者毎の発話区間付きの結果を求め，その後セグメント間の話者同一性を判定するという2段階の処理が広く用いられている．後者では話者特徴量がしばしば利用されるが，抽出対象でない話者の音声による悪影響を防ぐため，抽出対象話者の単独発話区間のみを利用して話者特徴量を抽出することが主流であった．しかし，十分に長い単独発話区間が存在しない場合には，高品質な話者特徴量の抽出が困難となる．本稿では，話者の発話区間情報を利用して，複数話者音声から特定の話者の特徴量を直接抽出する手法を提案する．具体的には，抽出対象話者および非対象話者の発話区間情報を音響特徴量に統合して話者特徴量抽出器に入力し，またプーリングにおいて非発話区間由来の埋め込みを利用しないようにする．話者照合と話者ダイアライゼーションにおける評価実験により，複数のタスクにおいて提案手法の有効性を示す． |
| （英） | This paper proposes a guided speaker embedding extraction system, which extracts speaker embeddings of the target speaker using speech activities of target and interference speakers as clues. Several methods for long-form overlapped multi-speaker audio processing are typically two-staged: i) segment-level processing and ii) inter-segment speaker matching. Speaker embeddings are often used for the latter purpose. Typical speaker embedding extraction approaches only use single-speaker intervals to avoid corrupting the embeddings with speech from interference speakers. However, this often makes speaker embeddings impossible to extract because sufficiently long non-overlapping intervals are not always available. In this paper, we propose using speaker activities as clues to extract the embedding of the speaker-of-interest directly from overlapping speech. Specifically, we concatenate the activity of target and non-target speakers to acoustic features before being fed to the model. We also condition the attention weights used for pooling so that the attention weights of the intervals in which the target speaker is inactive are zero. The effectiveness of the proposed method is demonstrated in speaker verification and diarization. | |
| キーワード | （和） | 話者特徴量 / 話者照合 / 話者ダイアライゼーション / / / / / |
| （英） | speaker embedding / speaker verification / speaker diarization / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 391, SP2024-25, pp. 46-51, 2025年3月. | |
| 資料番号 | SP2024-25 | |
| 発行日 | 2025-02-23 (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 | EA2024-84 SIP2024-119 SP2024-25 |
|
| 研究会情報 | |
| 研究会 | EA SIP SP IPSJ-SLP |
| 開催期間 | 2025-03-02 - 2025-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| テーマ（和） | 応用／電気音響, 信号処理，音声，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 | 2025-03-EA-SIP-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 発話区間を用いた目的話者特徴量抽出 |
| サブタイトル（和） | |
| タイトル（英） | Speech-Activity-Guided Speaker Embedding Extraction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 話者特徴量 / speaker embedding |
| キーワード(2)（和/英） | 話者照合 / speaker verification |
| キーワード(3)（和/英） | 話者ダイアライゼーション / speaker diarization |
| 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） | 堀口 翔太 / Shota Horiguchi / ホリグチ ショウタ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 森谷 崇史 / Takafumi Moriya / モリヤ タカフミ |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT 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) NTT Corporation (略称： NTT) |
| 第4著者 氏名（和/英/ヨミ） | 芦原 孝典 / Takanori Ashihara / アシハラ タカノリ |
| 第4著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第5著者 氏名（和/英/ヨミ） | 佐藤 宏 / Hiroshi Sato / サトウ ヒロシ |
| 第5著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第6著者 氏名（和/英/ヨミ） | 俵 直弘 / Naohiro Tawara / タワラ ナオヒロ |
| 第6著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第7著者 氏名（和/英/ヨミ） | デルクロア マーク / Marc Delcroix / デルクロア マーク |
| 第7著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-02 11:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SP |
| 資料番号 | EA2024-84, SIP2024-119, SP2024-25 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.389(EA), no.390(SIP), no.391(SP) |
| ページ範囲 | pp.46-51 |
| ページ数 | 6 |
| 発行日 | 2025-02-23 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]