| 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 | 2026-05-23 09:35 高齢者読み上げ音声に対する自動音声認識の書き起こし特性分析 ○内山怜哉・中山 実（明大）  HCS2026-20 HIP2026-20 |
|
| 抄録 | （和） | 自動音声認識システムの評価において，文字誤り率や単語誤り率に基づく手法は表記揺れや同音異義語の扱いなどの影響を受けるため，人による評価が求められる．ただし，人による評価判断では試行数において限界がある．先行研究では，若年者音声を対象に，テキスト化された短文の一対比較による選好判断を大規模言語モデル（LLM）の文脈理解能力で代用できる可能性が示された．本稿では，この手法を高齢者音声に適用し，若年者音声との違いを検証した．まず，高齢者音声と若年者音声それぞれについて，3 種の音声認識モデルによる出力結果から算出した文字誤り率（CER）の分布を比較し，高齢者音声に対する ASR の認識特性を評価した．また，5 名の実験協力者が，高齢者音声の ASR 出力テキスト 50 対について品質評価を行い，ASR における問題点を検討した．これらの結果から，高齢者音声と若年者音声における評価特性の違いについて検討した． |
| （英） | Character and word error rates are commonly used metrics for evaluating automatic speech recognition systems; however, their reliability for Japanese speech is limited by orthographic variation and homonyms, necessitating human assessment. Nevertheless, human assessment is inherently constrained in the number of trials it can accommodate. In prior work, the paired comparison method for transcribed short texts was applied to young speakers’ speech, demonstrating that human preference judgments could potentially be replaced by the contextual understanding capability of a Large Language Model (LLM). In this paper, we applied this method to elderly speakers’ speech and examined the differences from young speakers’ speech. First, we compared the distributions of character error rates (CER) calculated from the outputs of three speech recognition models for both elderly and young speakers’ speech, and evaluated the recognition characteristics of ASR for elderly speakers’ speech. Additionally, five participants evaluated 50 pairs of ASR-transcribed texts from elderly speakers’ speech, and the issues in ASR were examined. Based on these results, the differences in assessment characteristics between elderly and young speakers’ speech were discussed. | |
| キーワード | （和） | 文字起こし / 高齢者音声 / 一対比較 / 大規模言語モデル / / / / |
| （英） | transcription / elderly speakers’ speech / paired comparison / Large Language Model / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 39, HIP2026-20, pp. 101-106, 2026年5月. | |
| 資料番号 | HIP2026-20 | |
| 発行日 | 2026-05-15 (HCS, HIP) | |
| 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 | HCS2026-20 HIP2026-20 |
|
| 研究会情報 | |
| 研究会 | HIP HCS HI-SIGCOASTER |
| 開催期間 | 2026-05-22 - 2026-05-23 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | コミュニケーション支援、コミュニケーション一般およびヒューマ ン情報処理一般 |
| テーマ（英） | Communication Enhancing, Human Communications, and Human Information Processing |
| 講演論文情報の詳細 | |
| 申込み研究会 | HIP |
| 会議コード | 2026-05-HIP-HCS-SIGCOASTER |
| 本文の言語 | 日本語 |
| タイトル（和） | 高齢者読み上げ音声に対する自動音声認識の書き起こし特性分析 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of Transcription Characteristics of Automatic Speech Recognition for Read-Aloud Speech by Elderly Speakers |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 文字起こし / transcription |
| キーワード(2)（和/英） | 高齢者音声 / elderly speakers’ speech |
| キーワード(3)（和/英） | 一対比較 / paired comparison |
| キーワード(4)（和/英） | 大規模言語モデル / Large Language Model |
| 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） | 内山 怜哉 / Reiya Uchiyama / ウチヤマ レイヤ |
| 第1著者 所属（和/英） | 明治大学大学院 (略称： 明大) Meiji University (略称： Meiji Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中山 実 / Minoru Nakayama / ナカヤマ ミノル |
| 第2著者 所属（和/英） | 明治大学大学院 (略称： 明大) Meiji University (略称： Meiji Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-05-23 09:35:00 |
| 発表時間 | 20分 |
| 申込先研究会 | HIP |
| 資料番号 | HCS2026-20, HIP2026-20 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.38(HCS), no.39(HIP) |
| ページ範囲 | pp.101-106 |
| ページ数 | 6 |
| 発行日 | 2026-05-15 (HCS, HIP) |
[研究会発表申込システムのトップページに戻る]