文献

J-GLOBAL ID：202402235411857658   整理番号：24A1760493

連続表現を用いたSpeech-to-Text対話モデルの構築

Study of Speech-to-Text Dialogue Model Using Continuous Expressions

著者 (7件)： 中畔彪雅 (奈良先端科学技術大学院大) ,  中畔彪雅 (理研) ,  河野誠也 (理研) ,  河野誠也 (奈良先端科学技術大学院大) ,  CONTRERAS Angel Garcia (理研) ,  吉野幸一郎 (理研) ,  吉野幸一郎 (奈良先端科学技術大学院大)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 38th  ページ： ROMBUNNO.1G3-GS-6-04(J-STAGE)  発行年： 2024年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 大規模言語モデルは柔軟性が高く,多種多様な自然言語タスクを処理できる.大規模言語モデルを用いて構築した対話モデルと音声認識システムや音声合成システムなどの他モジュールを連結することで,音声による対話が可能となった.しかし,このような複数モジュールを連結したカスケード型のモデルは複雑で,前モジュールからの誤差を蓄積しやすいという問題がある.また,音声を離散的な表現に変換して大規模言語モデルに入力しているため,本来は連続的な表現である音声が持つパラ言語などの情報が欠落している可能性がある.本研究では,入力音声を連続的な表現のベクトルに変換して対話モデルに連結することで,これらの問題を解決することを目指した.実験結果として,生成文は対話コンテキストが十分に考慮されておらず,改善の余地が見られたが,自然な文章の生成は学習されていることから,連続表現を用いた対話モデルが実現可能であることを示唆していると考える.(著者抄録)

シソーラス用語： *会話 ,  *対話処理 ,  *音声認識 ,  自然言語処理 ,  言語モデル ,  大規模 ,  自然言語 ,  音声合成 ,  縦続接続
準シソーラス用語： カスケード接続 ,  *音声対話

分類 (2件)： 自然語処理  (JE06000L) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 表現 ,  対話 ,  モデル ,  構築