| 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 ［ポスター講演］既知話者と未知話者の対話における音声認識を目的としたリアルタイム発話区間検出 ○山本恵子・大角耕介・クリンキグト マルティン・諸菱正典・荒川隆行（京セラ）  SP2026-10 |
|
| 抄録 | （和） | 本稿では，事前に登録済みの既知話者と事前情報のない未知話者の対話において，リアルタイム音声認識を実現するための，発話区間検出の枠組みを提案する．窓口業務等の対面応対を想定した環境では，担当者のような事前に音声を登録可能な既知話者と，顧客のようなその場で初めて対話する未知話者が混在する．各話者の音声に対して個別に音声認識を行うためには，混合音声から各々の発話区間を適切に切り出して認識器へ入力する必要があるが，未知話者の発話を既知話者と区別し，低遅延で特定することは困難であった．提案する枠組みでは，既知話者の特徴量を与えることで，既知・未知両話者の発話を相対的に同定する．評価実験では，提案手法はベースライン手法と比較して，発話区間検出性能が16.6ポイント，既知話者の文字誤り率が39.9ポイント，未知話者の文字誤り率が38.1ポイント改善し，未知話者が混在する対話環境における話者ごとの音声認識に有効であることを示す． |
| （英） | This paper proposes a framework for voice activity detection to enable real-time speech recognition in dialogues between a known speaker whose enrollment audio is available in advance and an unknown speaker for whom no prior information is given. In dialogue environments such as service counters and face-to-face interactions, a known speaker (e.g., an agent) and an unknown speaker (e.g., a customer) encountered for the first time, typically coexist. To perform speech recognition individually for each speaker, it is necessary to segment the mixed audio stream into speaker-specific voice activity segments and input them to the recognizer. However, distinguishing the voice activity of an unknown speaker from that of a known speaker with low latency remains a challenging problem. The proposed framework addresses this challenge by using speaker embeddings of the known speaker to perform relative identification of voice activity for both known and unknown speakers. In the evaluation experiments, the proposed method outperformed the baseline method, achieving improvements of 16.6 points in utterance segment detection performance, 39.9 points in character error rate for known speakers, and 38.1 points in character error rate for unknown speakers. These results demonstrate the effectiveness of the proposed method for speaker-dependent speech recognition in conversational environments where unknown speakers are present. | |
| キーワード | （和） | 発話区間検出 / 話者ダイアライゼーション / 未知話者 / リアルタイム処理 / 音声認識 / / / |
| （英） | Voice Activity Detection / Speaker Diarization / Unknown Speakers / Real-Time Processing / Speech Recognition / / / | |
| 文献情報 | 信学技報, vol. 126, no. 58, SP2026-10, pp. 53-60, 2026年6月. | |
| 資料番号 | SP2026-10 | |
| 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 | SP2026-10 |
|
| 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） | 既知話者と未知話者の対話における音声認識を目的としたリアルタイム発話区間検出 |
| サブタイトル（和） | |
| タイトル（英） | Real-time Voice Activity Detection for Speech Recognition in Dialogues between Known and Unknown Speakers |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 発話区間検出 / Voice Activity Detection |
| キーワード(2)（和/英） | 話者ダイアライゼーション / Speaker Diarization |
| キーワード(3)（和/英） | 未知話者 / Unknown Speakers |
| キーワード(4)（和/英） | リアルタイム処理 / Real-Time Processing |
| キーワード(5)（和/英） | 音声認識 / Speech Recognition |
| 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） | 山本 恵子 / Keiko Yamamoto / ヤマモト ケイコ |
| 第1著者 所属（和/英） | 京セラ株式会社 (略称： 京セラ) KYOCERA Corporation (略称： KYOCERA) |
| 第2著者 氏名（和/英/ヨミ） | 大角 耕介 / Kosuke Osumi / オオスミ コウスケ |
| 第2著者 所属（和/英） | 京セラ株式会社 (略称： 京セラ) KYOCERA Corporation (略称： KYOCERA) |
| 第3著者 氏名（和/英/ヨミ） | クリンキグト マルティン / Martin Klinkigt / クリンキグト マルティン |
| 第3著者 所属（和/英） | 京セラ株式会社 (略称： 京セラ) KYOCERA Corporation (略称： KYOCERA) |
| 第4著者 氏名（和/英/ヨミ） | 諸菱 正典 / Masanori Morobishi / モロビシ マサノリ |
| 第4著者 所属（和/英） | 京セラ株式会社 (略称： 京セラ) KYOCERA Corporation (略称： KYOCERA) |
| 第5著者 氏名（和/英/ヨミ） | 荒川 隆行 / Takayuki Arakawa / アラカワ タカユキ |
| 第5著者 所属（和/英） | 京セラ株式会社 (略称： 京セラ) KYOCERA Corporation (略称： KYOCERA) |
| 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 | SP2026-10 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.58 |
| ページ範囲 | pp.53-60 |
| ページ数 | 8 |
| 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]