文献

J-GLOBAL ID：201902264018245550   整理番号：19A0696219

話速変換を利用する会話における映像同期手法とその効果

著者 (4件)： 斎藤博人 (東京電機大 システムデザイン工) ,  小山内一樹 (東京電機大 大学院情報環境学研究科) ,  徳永弘子 (東京電機大 システムデザイン工) ,  武川直樹 (東京電機大 システムデザイン工)
資料名： 電子情報通信学会論文誌 A(Web)
巻： J102-A  号： 2  ページ： 59-67 (WEB ONLY)  発行年： 2019年02月01日 
JST資料番号： U0470A  ISSN： 1881-0195  資料種別： 逐次刊行物 (A)
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： 話速変換(SRC:speech rate conversion)とは,音声の高さを保ったまま速度を変える技術であり,聞き取りを支援する聴取補助技術の一つとして利用されている.これまでの,話速変換を用いた会話システム[3]では,音声はゆっくりとした発話に変換されるが,映像はリアルタイムで再生していた.そのため,話し手の視線行動等の発話に付随する非言語行動が音声と同期しなくなり,聞き手が受容する非言語行動などの情報が適切に得られず,話者の順番交替がしにくくなることが指摘されていた.本研究は,ゆっくりとした発話に変換された音声を聴取するユーザに対して,映像も音声と同期する,ゆっくりとした映像に加工し,リップシンクが取れる会話インタフェースの設計とその評価をする.会話実験では,話速変換によりゆっくりになった音声に映像を同期する3人会話の会話システムを構築し,映像同期・非同期の条件間で,話し手に宛先指定された聞き手の反応潜時(聞き手が,話し手の発話の終了時点を聴取してから,次話者として発話を開始するまでの時間)を計測し比較をした.その結果,映像同期の条件の方が非同期条件よりも反応潜時が短くなり,映像と音声を同期してゆっくりと再生する聴取環境が,ユーザの次発話のしやすさに寄与することを示す.(著者抄録)

シソーラス用語： *音声処理 ,  *会話 ,  *同期処理 ,  映像 ,  *口唇 ,  動画像 ,  潜伏期 ,  *画像処理システム ,  動作
準シソーラス用語： スローモーション ,  潜時 ,  話速変換

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E)

引用文献 (10件)：

• 橋本恵理子,斎藤博人,徳永弘子,武川直樹,“発話時間伸長によって生じる沈黙が会話の順番交替に与える影響,” SLUD言語・音声理解と対話処理研究会,vol.69, pp.67-72, 2013.
• 斎藤博人,徳永弘子,橋本恵理子,武川直樹,“リアルタイム話速変換を用いた会話における音声ループバックの効果,” 信学技報,HCS2015-9, 2015.
• 斎藤博人,熊谷功介,徳永弘子,武川直樹,“話速変換会話における遅れ時間の可視化とその効果,” 信学論(D), vol.J101-D, no.2, pp.348-358, Feb. 2018.
• 津村光美,田中章浩,坂本修一,鈴木陽一,“話速変換単語音声聴取に非同期話者映像がもたらす影響,” 信学技報, HIP2005-98, 2015.
• 沼畑 俊,坂本修一,田中章浩,“単語知覚における話者映像と時間伸長音声のずれの検知限および許容限,” 信学技報,HIP2007-139, 2007.

タイトルに関連する用語 (4件)： 話速変換 ,  会話 ,  映像 ,  手法