エンドツーエンドニューラルネットワークによる様々な音声処理技術の統一化の試み

• Item type: SIG Technical Reports(1)
• 公開日: 2021-06-11
• タイトル: エンドツーエンドニューラルネットワークによる様々な音声処理技術の統一化の試み
• タイトル / 言語: en
• タイトル: Toward a Unification of Various Speech Processing Tasks Based on End-to-End Neural networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 招待講演
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: カーネギーメロン大学言語技術研究所
• 著者所属(英): en
• 著者所属(英): Language Technologies Institute, Carnegie Mellon University,
• 著者名: 渡部, 晋治
• 著者名(英): Shinji, Watanabe
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本講演では，近年のエンドツーエンドニューラルネットワークによる音声処理の発展について解説を行う．エンドツーエンドニューラルネットワークは，音声認識，音声合成，音声強調，音声翻訳などの様々なタスクにおいて，非常に活発に研究されている．特にエンドツーエンドニューラルネットワークによる処理の簡易化，性能の向上は著しい．本講演では，そのような近年の動向に加え，さまざまな音声処理のエンドツーエンドニューラルネットワークによる統一化について注目する．具体的には，音声認識，音声合成，音声翻訳といった音声処理タスクは，系列変換ニューラルネットワークとして統一的に扱うことができる．その統一的枠組みは，異なる音声処理タスク間での技術交流を活発にするだけでなく，ソフトウェアの設計としても非常に有益である．本講演では，そのメリットを生かしたオープンソースツールキットとして，我々が開発している ESPnet プロジェクト (https://github.com/espnet/espnet) も紹介する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This presentation will introduce the recent progress of speech processing technologies based on end-to-end neural networks. End-to-End neural networks have been actively studied in various speech processing tasks, including speech recognition, speech synthesis, speech translation, and speech enhancement. This presentation first introduces such activities and trends and focuses on a potential unified scheme of such tasks based on sequence-to-sequence neural networks. This unified scheme provides various benefits, including software design for dealing with various speech processing tasks with unified interfaces and the acceleration of technical interactions across the task. We also introduce our open-source speech processing toolkit called ESPnet (https://github.com/espnet/espnet), which fully utilizes the benefits of the unified scheme.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2021-SLP-137, 号 5, p. 1-1, 発行日 2021-06-11
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会