| 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 | 2026-06-05 14:00 Conv-TasNetを利用した笑い声に対する音声分離可能性の検証 ○三宅暁大・有本泰子（千葉工大）  SP2026-4 |
|
| 抄録 | （和） | 本研究では，複数話者の重なった笑い声を単一話者の笑い声に音声分離可能か検証することを目的とする． 検証のために，自発対話音声から笑い声の多い話者を男女1名ずつ選定し，各話者の笑い声と発話音声を重畳した音声を学習データとしてConv-TasNetを学習させた． 重畳した音声の組合せは笑い声同士，笑い声と発話，発話同士の3種類である． 重畳した組合せごとにConv-TasNetを学習させ，その分離性能を比較した． 評価指標は音源対歪み比 (Source to Distortion Ratio，SDR)と音源対干渉比 (Source to Interferences Ratio，SIR)である． その結果，SDRは発話同士が15.60 dB，笑い声と発話が13.99 dBであり、笑い声を発話から分離する場合は分離精度が大きく低下しなかったのに対して，笑い声同士のSDRは8.97 dBとなり，分離精度が大きく低下した． 本研究によって，笑い声を発話から分離することはある程度可能であることが示されたが，笑い声同士の音声分離は困難であり，音声分離モデルの改善が必要であることが分かった． |
| （英） | This study tackled the separation of overlapping laughter from multiple speakers. Two speakers, one male and one female, who laughed most frequently among speakers in a spontaneous dialog speech corpus, were selected, and their laughter and speech were superimposed to train Conv-TasNet. Three combinations of overlapping data were prepared: laughter-to-laughter, laughter-to-speech, and speech-to-speech. Conv-TasNet was trained with each combination of superimposed data, and the separation performance was compared. Source-to-Distortion Ratio (SDR) and Source-to-Interferences Ratio (SIR) were used for our evaluation metrics. As a result, the SDR values for speech-to-speech and laughter-to-speech were 15.60 dB and 13.99 dB, respectively, which indicates the separation accuracy didn't significantly degrade when separating laughter from speech. However, the SDR for laughter-to-laughter was 8.97 dB, which suggests the separation accuracy significantly degraded when separating laughter from laughter. Although this study showed that the performance of laughter separation from speech was comparable to that of speech separation, separating laughter from laughter remains a challenging task. Further improvements in speech separation models are required to enable more effective laughter–laughter separation. |
|
| キーワード | （和） | 笑い声 / 音声分離 / 自発発話 / Conv-TasNet / / / / |
| （英） | laughter / speech separation / spontaneous speech / Conv-TasNet / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 58, SP2026-4, pp. 19-24, 2026年6月. | |
| 資料番号 | SP2026-4 | |
| 発行日 | 2026-05-29 (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 | SP2026-4 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP IPSJ-MUS |
| 開催期間 | 2026-06-05 - 2026-06-06 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | The University of Electro-Communications |
| テーマ（和） | 音学シンポジウム2026 |
| 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 | 2026-06-SP-SLP-MUS |
| 本文の言語 | 日本語 |
| タイトル（和） | Conv-TasNetを利用した笑い声に対する音声分離可能性の検証 |
| サブタイトル（和） | |
| タイトル（英） | A study on laugher-to-speech and laughter-to-laughter separation using Conv-TasNet |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 笑い声 / laughter |
| キーワード(2)（和/英） | 音声分離 / speech separation |
| キーワード(3)（和/英） | 自発発話 / spontaneous speech |
| キーワード(4)（和/英） | Conv-TasNet / Conv-TasNet |
| 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） | 三宅 暁大 / Akihiro Miyake / ミヤケ アキヒロ |
| 第1著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： Chiba Tech) |
| 第2著者 氏名（和/英/ヨミ） | 有本 泰子 / Yoshiko Arimoto / アリモト ヨシコ |
| 第2著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： Chiba Tech) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-05 14:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | SP |
| 資料番号 | SP2026-4 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.58 |
| ページ範囲 | pp.19-24 |
| ページ数 | 6 |
| 発行日 | 2026-05-29 (SP) |
[研究会発表申込システムのトップページに戻る]