WEKO3
アイテム
話者ダイアライゼーションを用いたマルチタスク学習によるEnd-to-End複数話者音声認識の改善
https://ipsj.ixsq.nii.ac.jp/records/234717
https://ipsj.ixsq.nii.ac.jp/records/2347175dd4870c-a982-4afc-81d2-0911a5a8fd32
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-SLP24152030.pdf (928.0 kB)
2026年6月7日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, SLP:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-06-07 | |||||||||
| タイトル | ||||||||||
| タイトル | 話者ダイアライゼーションを用いたマルチタスク学習によるEnd-to-End複数話者音声認識の改善 | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | ポスターセッション1 | |||||||||
| 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 | ||||||||||
| 奈良先端科学技術大学院大学 | ||||||||||
| 著者所属 | ||||||||||
| 奈良先端科学技術大学院大学 | ||||||||||
| 著者名 |
平野, 雄太
× 平野, 雄太
× サクティ, サクリアニ
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 本研究では，End-to-End 複数話者音声認識モデルの認識精度改善を目的とした，話者ダイアライゼーションを用いたマルチタスク学習を提案する．エンコーダの中間層に話者ダイアライゼーションブランチを導入し，これが認識精度改善に寄与するかについて検証する．また，話者ダイアライゼーションの推定結果を考慮したエンコーダ出力を得るために，話者ダイアライゼーションの推定結果をエンコーダに入力する自己条件付けフィードバック機構を提案し，その効果についても実験的検証を行う．実験において，話者ダイアライゼーションによるマルチタスク学習と自己条件付けフィードバックを同時に用いたとき，ベースラインの認識精度からの改善が見られた．この結果から，「誰がいつ話したか」という情報が，End-to-End 複数話者音声認識モデルのエンコーダのモデリングに有効であることが示唆される． | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 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 2024-SLP-152, 号 30, p. 1-3, 発行日 2024-06-07 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | 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 | |||||||||
