| 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 | 2025-05-28 14:00 環境音と説明文の意味的関連性の自動評価に向けたデータセット構築と基本性能評価 ○岡本悠希・金森勇介・高野大成（東大）・高道慎之介（慶大/東大）・齋藤佑樹（東大）・永瀬亮太郎（立命館大）・猿渡 洋（東大）  EA2025-6 |
|
| 抄録 | （和） | 機械学習技術や計算機の発展に伴い，音声や楽音に限らないあらゆる音である環境音を合成する取り組みが盛んに行われている.環境音合成技術の1つとして，「犬が吠える後ろで男性が話している」のような音を説明した文から環境音を合成するtext-to-audio (TTA)が注目を集めている.TTAの評価として，入力となった説明文と合成された環境音の意味的な関連性が主観/客観の両側面で評価されている.しかしながら，人間による主観評価は金銭・時間の観点からコストが高く，既存の客観評価では人間による主観評価との相関が低いことが報告されている.そこで本研究では，音の説明文と環境音の意味的関連性の自動評価に向けたデータセットを構築する.また，構築したデータセットを用いて，説明文と環境音の関連性自動評価モデルを作成して，現状の到達点に関して議論する. |
| （英） | With the development of machine learning, environmental sound synthesis, which is not limited to speech and music, has been proposed. One of the environmental sound synthesis that has been attracting attention is text-to-audio (TTA), which generates environmental sounds from text, such as ``a dog barks while a man talks in the background.'' In TTA, the relevance between text and output audio is an important evaluation aspect. Typically, it has been evaluated from both subjective and objective perspectives. However, subjective evaluation is costly in terms of money and time, and objective evaluation has low correlation to subjective evaluation scores. In this work, we construct an open-sourced dataset that subjectively evaluates the relevance. Also, we propose a model for automatically evaluating the subjective relevance between text and audio. Our model outperforms a conventional method, and that trend extends to many sound categories. | |
| キーワード | （和） | 環境音合成 / text-to-audio / CLAPScore / 主観評価 / / / / |
| （英） | environmental sound synthesis / text-to-audio / CLAPScore / subjective evaluation / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 36, EA2025-6, pp. 24-24, 2025年5月. | |
| 資料番号 | EA2025-6 | |
| 発行日 | 2025-05-21 (EA) | |
| 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 | EA2025-6 |
|
| 研究会情報 | |
| 研究会 | EA |
| 開催期間 | 2025-05-28 - 2025-05-28 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ＜オーガナイズドセッション＞応用／電気音響，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2025-05-EA |
| 本文の言語 | 日本語 |
| タイトル（和） | 環境音と説明文の意味的関連性の自動評価に向けたデータセット構築と基本性能評価 |
| サブタイトル（和） | |
| タイトル（英） | Construction and performance evaluation of dataset for automatic evaluation of the semantic relevance of environmental sounds and texts |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 環境音合成 / environmental sound synthesis |
| キーワード(2)（和/英） | text-to-audio / text-to-audio |
| キーワード(3)（和/英） | CLAPScore / CLAPScore |
| キーワード(4)（和/英） | 主観評価 / subjective evaluation |
| 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） | 岡本 悠希 / Yuki Okamoto / オカモト ユウキ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 金森 勇介 / Yusuke Kanamori / カナモリ ユウスケ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 高野 大成 / Taisei Takano / タカノ タイセイ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第4著者 氏名（和/英/ヨミ） | 高道 慎之介 / Shinnosuke Takamichi / タカミチ シンノスケ |
| 第4著者 所属（和/英） | 慶応義塾大学/東京大学 (略称： 慶大/東大) Keio University/The University of Tokyo (略称： Keio Univ./The Univ. of Tokyo) |
| 第5著者 氏名（和/英/ヨミ） | 齋藤 佑樹 / Yuki Saito / サイトウ ユウキ |
| 第5著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 第6著者 氏名（和/英/ヨミ） | 永瀬 亮太郎 / Ryotaro Nagase / ナガセ リョウタロウ |
| 第6著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 猿渡 洋 / Hiroshi Saruwatari / サルワタリ ヒロシ |
| 第7著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： The Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-05-28 14:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EA |
| 資料番号 | EA2025-6 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.36 |
| ページ範囲 | p.24 |
| ページ数 | 1 |
| 発行日 | 2025-05-21 (EA) |
[研究会発表申込システムのトップページに戻る]