文献

J-GLOBAL ID：202502284360366785   整理番号：25A0765564

合成単語データを用いた低コスト高品質な音声認識のドメイン適応

著者 (13件)： 小松秀輔 (mocomoco) ,  小松秀輔 (奈良先端科学技術大学院大) ,  小松秀輔 (理研) ,  大西一誉 (mocomoco) ,  大西一誉 (奈良先端科学技術大学院大) ,  大西一誉 (理研) ,  田中康紀 (mocomoco) ,  田中康紀 (奈良先端科学技術大学院大) ,  金道鉉 (mocomoco) ,  金道鉉 (奈良先端科学技術大学院大) ,  吉野幸一郎 (東京科大) ,  吉野幸一郎 (奈良先端科学技術大学院大) ,  吉野幸一郎 (理研)
資料名： 言語処理学会年次大会発表論文集(Web)  (Proceedings of the Annual Meeting of the Association for Natural Language Processing (Web))
巻： 31st  ページ： ROMBUNNO.P5-14 (WEB ONLY)  発行年： 2025年03月03日 
JST資料番号： U0384A  ISSN： 2188-4420  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： 深層学習により高い性能を発揮している汎用音声認識モデルは,ドメインに適応した出力を行うにはファインチューニングによる追加学習を必要としている.先行研究では大規模言語モデルと制御音声合成を用いたデータ拡張による音声認識モデルのファインチューニング手法が提案されているが,コストと未知語の学習の面で課題が残る.本研究では単語のみの制御音声合成を結合した音声データを用いた低コストかつ,高品質なファインチューニング手法を提案する.実験では既存手法と比較して,提案手法によるファインチューニングは1/3程度の学習コストでより多くの未知語を学習することができることを示した.(著者抄録)

シソーラス用語： 音声認識 ,  *音声認識システム ,  人工知能 ,  *ドメイン適応 ,  データ ,  データ拡張 ,  *機械学習
準シソーラス用語： AI【人工知能】 ,  *ファインチューニング ,  音声認識モデル ,  *学習コスト ,  合成データ

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 単語 ,  高品質 ,  音声認識 ,  ドメイン適応