文献

J-GLOBAL ID：202502250826342114   整理番号：25A0106852

パラ言語情報を考慮可能なSpeech-to-Text対話システムの検討

Study on Speech-to-Text Dialogue System Considering Paralinguistic Information

著者 (10件)： 中畔彪雅 (奈良先端科学技術大学院大学) ,  河野誠也 (奈良先端科学技術大学院大学) ,  河野誠也 (理化学研究所ガーディアンロボットプロジェクト) ,  KRUENGKRAI Canasai (理化学研究所ガーディアンロボットプロジェクト) ,  CONTRERAS Angel (理化学研究所ガーディアンロボットプロジェクト) ,  千葉祐弥 (NTTコミュニケーション科学基礎研究所) ,  杉山弘晃 (NTTコミュニケーション科学基礎研究所) ,  吉野幸一郎 (奈良先端科学技術大学院大学) ,  吉野幸一郎 (理化学研究所ガーディアンロボットプロジェクト) ,  吉野幸一郎 (東京科学大学)
資料名： 人工知能学会言語・音声理解と対話処理研究会資料  (JSAI Technical Report, SIG-SLUD)
巻： 102  ページ： 34-39(J-STAGE)  発行年： 2024年 
JST資料番号： L1425A  ISSN： 0918-5682  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 大規模言語モデルの登場により,音声対話をはじめとする多種多様な自然言語タスクを処理可能となった.既存の音声対話システムの多くが複数のモジュールを組み合わせたカスケード型モデルによって実現されており,対話処理の過程で音声をテキスト化している.この際,テキスト化されない音声情報であるパラ言語が欠落する課題があった.パラ言語情報は感情などを含んだ自然な音声対話の実現に必要である.そこで本研究では,音声を埋め込み表現により処理するEnd-to-End型のSpeech-to-Text対話モデルを構築した.実験では,提案モデルでパラ言語理解が実現できていることを確認するため,同じテキストを異なる感情(幸せ・怒り・悲しみ・平静・中立)で読み上げた音声データセットを入力として用い,その出力結果の異なりを評価した.(著者抄録)

シソーラス用語： *非言語情報 ,  *計算機利用システム ,  言語モデル ,  会話 ,  自然言語 ,  モジュール ,  システムモデル ,  対話処理 ,  情報
準シソーラス用語： カスケードモデル ,  *パラ言語情報 ,  音声情報 ,  音声対話 ,  *対話システム ,  大規模言語モデル

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (2件)： パラ言語情報 ,  対話システム