文献

J-GLOBAL ID：202502251316992252   整理番号：25A1199756

不明瞭音声の文字認識率向上と明瞭音声の合成

Enhancing Speech Recognition for and Synthesizing Clear Speech

著者 (3件)： 吉良青空 (埼玉大) ,  杉浦陽介 (埼玉大) ,  島村徹也 (埼玉大)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2025  号： 春季  ページ： ROMBUNNO.1-R-24  発行年： 2025年03月03日 
JST資料番号： G0381C  ISSN： 1880-7658  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： ・FreeVCをベースとして,大規模事前学習モデルにコネクショニスト時系列分類(CTC)デコーダを組み合わせることで,話者の特性を保持しつつ明瞭な音声の生成を企図。
・特に,日本語に対する精度を高めることを目的に,JVSコーパスを用い,CTC損失に基づくファインチューニングで高品質な音声を実現。
・初期段階の実験では,WavLMやWav2Vec2.0の性能を比較し,その有効性を確認。

シソーラス用語： 日本語 ,  *音声合成 ,  明瞭度 ,  *文字認識 ,  学習モデル ,  復号器 ,  音声認識 ,  音響特徴量
準シソーラス用語： コネクショニスト時系列分類 ,  *テキスト音声合成 ,  デコーダ ,  明瞭さ ,  話者性

分類 (2件)： 音声処理  (JE05000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 音声 ,  文字認識