| 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 | 2025-03-04 11:05 ［ポスター講演］音声対話システムのための発話終了時間推定手法の高精度化とその評価 ○金井良賢・若林佑幸（豊橋技科大）・西村良太（徳島大）・北岡教英（豊橋技科大）  EA2024-139 SIP2024-174 SP2024-80 |
|
| 抄録 | （和） | 音声対話システムにおいて，自然な対話を実現するためには，正確な話者交替予測が必要不可欠である．そのため，多くの話者交替予測モデルが提案され，不自然な間が空くことのないスムーズな応答が可能となっている．しかし，実際の対話では，発話終了後すぐに応答するだけでなく，あえて大きな間を空けて応答したり，オーバーラップ気味に応答したりする．そこで，我々はより自然なタイミングでシステムが発話することを可能とするため，相手の発話がいつ終了するのかを事前に推定する手法を提案している．そこでは，音声認識用にFine-tuneされた自己教師あり学習モデルの潜在変数を入力としてLong Short-Term Memory (LSTM) 識別器で発話終了までの時間をクラス分類問題として推定する手法が提案されている．しかし，先行研究では，発話終了時間推定に用いる入力信号長を3秒に固定して実験しており，最適な信号長について実験されていない．そのため，本研究では，発話終了時間推定の精度改善のため，使用する入力信号長を増減させて実験を行った．その結果，入力信号長を固定にするのではなく，発話の最初から現発話時点までの音声を用いることで精度が向上した．また，実際の発話終了時間推定動作の観察を行い，発話途中でも発話が終了しても不自然ではないところで推定した発話終了までの残り時間も短くなるという傾向が得られた． |
| （英） | To achieve natural interaction in spoken dialog systems, accurate turn-taking prediction is essential. Consequently, many turn-taking prediction models have been proposed, enabling smooth responses without unnatural pauses. However, in actual dialogs, responses do not always occur immediately after the end of a conversation partner's utterance, because sometimes humans intentionally pause before responding, or their response may slightly overlap the end of the previous speaker's utterance.Therefore, we have proposed a method that estimates in advance when a speaker's utterance will end in order to enable the system to speak at more natural timing.A previous study proposed a method in which a Long Short-Term Memory (LSTM) classifier estimates the time until the end of an utterance as a classification problem, using the latent variables of a self-supervised learning model (SSL) fine-tuned for Automatic speech recognition (ASR) as input.However, it has fixed the duration of the input signal used for estimation at 3 seconds in its experiment, without examining its optimal length.To improve estimation, we conducted experiments by increasing and decreasing the duration of the input signal used for the estimation.The results showed that accuracy was improved by using utterance from the beginning to the current time, instead of using a fixed length of the input signal.The observation of actual utterance end time estimation estimated the time shorter in places where an utterance could naturally end, even in the middle of utterance. |
|
| キーワード | （和） | 音声対話システム / 話者交替 / 発話終了時間推定 / / / / / |
| （英） | spoken dialog system / turn-taking / utterance-final timing prediction / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 391, SP2024-80, pp. 375-380, 2025年3月. | |
| 資料番号 | SP2024-80 | |
| 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 | EA2024-139 SIP2024-174 SP2024-80 |
|
| 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） | 音声対話システムのための発話終了時間推定手法の高精度化とその評価 |
| サブタイトル（和） | |
| タイトル（英） | Improvement and Evaluation of End of Utterance Time Estimation Method for Spoken Dialog Systems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声対話システム / spoken dialog system |
| キーワード(2)（和/英） | 話者交替 / turn-taking |
| キーワード(3)（和/英） | 発話終了時間推定 / utterance-final timing prediction |
| 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） | 金井 良賢 / Takanori Kanai / カナイ タカノリ |
| 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） | 若林 佑幸 / Yukoh Wakabayashi / ワカバヤシ ユウコウ |
| 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） | 西村 良太 / Ryota Nishimura / ニシムラ リョウタ |
| 第3著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 北岡 教英 / Norihide Kitaoka / キタオカ ノリヒデ |
| 第4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 | 2025-03-04 11:05:00 |
| 発表時間 | 80分 |
| 申込先研究会 | SP |
| 資料番号 | EA2024-139, SIP2024-174, SP2024-80 |
| 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.375-380 |
| 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] (日本語ページの行間係数: 1)