| 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 | 2026-03-04 09:30 ［ポスター講演］S2T2Sを用いた発話明瞭度改善 ○大内永怜・杉浦陽介・島村徹也（埼玉大）  EA2025-138 SIP2025-158 SP2025-91 |
|
| 抄録 | （和） | 高齢化に伴う身体機能の低下は発話の不明瞭化を招き，円滑な意思疎通を阻害する．従来，音声強調や声質変換が用いられてきたが，これらは構音の崩れや言語的な言い淀みまでを修復することは困難であった．本研究では，音響的な明瞭性と不完全な言語情報を同時に改善しつつ，話者性を維持した音声を再合成するシステムを提案する． 提案手法はS2T2S（Speech-to-Text-to-Speech）の枠組みに基づき，Deep Filter Netによる雑音抑制，Whisperによるテキスト化，大規模言語モデル（LLM）による文脈補正，およびXTTS-v2によるZero-shot話者適応合成を統合したものである． 高齢者話者による「サヨ子コーパス」を用いた評価実験の結果，提案手法はベースラインと比較して単語誤り率（WER）を0.373から0.262へ改善し，BERTScoreにおいても0.896を達成した．これにより，音響的・言語的誤りを包括的に補正し，明瞭かつ自然な発話再構成が可能であることを示した． |
| （英） | The physical decline associated with aging often leads to unclear speech, hindering smooth communication. While speech enhancement and voice conversion have traditionally been employed, these methods struggle to repair articulatory distortions and linguistic disfluencies. In this study, we propose a system that resynthesizes speech by simultaneously improving acoustic clarity and correcting incomplete linguistic information while preserving speaker identity. Based on a Speech-to-Text-to-Speech (S2T2S) framework, the proposed method integrates Deep Filter Net for noise suppression, Whisper for transcription, a Large Language Model (LLM) for contextual correction, and XTTS-v2 for zero-shot speaker-adaptive synthesis. Evaluation experiments using the "Sayoko Corpus" of elderly speech demonstrated that the proposed method improved the Word Error Rate (WER) from 0.373 to 0.262 compared to the baseline and achieved a BERTScore of 0.896. These results indicate that the system can comprehensively correct both acoustic and linguistic errors, enabling the reconstruction of clear and natural speech. |
|
| キーワード | （和） | 発話明瞭度改善 / S2T2S / 大規模言語モデル / 話者適応 / 構音障害 / / / |
| （英） | Speech Intelligibility Improvement / S2T2S / Large Language Models / Speaker Adaptation / Dysarthric Speech / / / | |
| 文献情報 | 信学技報, vol. 125, no. 371, SP2025-91, pp. 380-384, 2026年3月. | |
| 資料番号 | SP2025-91 | |
| 発行日 | 2026-02-23 (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 | EA2025-138 SIP2025-158 SP2025-91 |
|
| 研究会情報 | |
| 研究会 | SP EA SIP IPSJ-SLP |
| 開催期間 | 2026-03-02 - 2026-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 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 | 2026-03-SP-EA-SIP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | S2T2Sを用いた発話明瞭度改善 |
| サブタイトル（和） | |
| タイトル（英） | Speech Intelligibility Improvement using S2T2S |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 発話明瞭度改善 / Speech Intelligibility Improvement |
| キーワード(2)（和/英） | S2T2S / S2T2S |
| キーワード(3)（和/英） | 大規模言語モデル / Large Language Models |
| キーワード(4)（和/英） | 話者適応 / Speaker Adaptation |
| キーワード(5)（和/英） | 構音障害 / Dysarthric Speech |
| 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） | 大内 永怜 / Nagare Ouchi / オオウチ ナガレ |
| 第1著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 杉浦 陽介 / Yousuke Sugiura / |
| 第2著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 島村 徹也 / Tetsuya Shimamura / |
| 第3著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-04 09:30:00 |
| 発表時間 | 80分 |
| 申込先研究会 | SP |
| 資料番号 | EA2025-138, SIP2025-158, SP2025-91 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.369(EA), no.370(SIP), no.371(SP) |
| ページ範囲 | pp.380-384 |
| ページ数 | 5 |
| 発行日 | 2026-02-23 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]