分散音響センシングと非同期時系列モデリングに基づく音声・音響シーン認識の革新

• 研究課題/領域番号: 20H00613
• 研究種目: 基盤研究(A)
• 配分区分: 補助金
• 応募区分: 一般
• 審査区分: 中区分61:人間情報学およびその関連分野
• 研究機関: 東京都立大学
• 研究代表者: 小野 順貴 東京都立大学, システムデザイン研究科, 教授 (80334259)
• 研究分担者: 須山 章子 (荒木章子) 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, メディア情報研究部, 主幹研究員 (30396212) ; 井本 桂右 同志社大学, 理工学部, 准教授 (90802116) ; 宮崎 亮一 徳山工業高等専門学校, 情報電子工学科, 准教授 (40734728) ; 貴家 仁志 東京都立大学, システムデザイン研究科, 教授 (40157110) ; 塩田 さやか 東京都立大学, システムデザイン研究科, 助教 (90705039)
• 研究期間 (年度): 2020-04-01 – 2024-03-31
• 研究課題ステータス: 交付 (2021年度)
• 配分額: 45,240千円 (直接経費: 34,800千円、間接経費: 10,440千円); 2022年度: 10,530千円 (直接経費: 8,100千円、間接経費: 2,430千円); 2021年度: 10,530千円 (直接経費: 8,100千円、間接経費: 2,430千円); 2020年度: 14,560千円 (直接経費: 11,200千円、間接経費: 3,360千円)
• キーワード: 非同期 / 分散音響センシング / 音源分離 / 音声認識 / 音響シーン認識

研究開始時の研究の概要

本研究の目的は、複数録音機器を広範囲に配置し、分散音響センシングと非同期時系列モデリングにより、音声認識、音響シーン認識の性能を格段に向上することである。具体的な応用には、１）会議議事録の作成、実環境会話分析などオフライン処理可能なもの、２）セキュリティ、異常検出などリアルタイム処理が必要なものの２つに大別されるが、技術的には両方に共通する課題も多い。よって本研究ではこれらを、A) 複数機器のブラインド同期と音声認識応用、B) 音光変換センサを併用したマルチモーダルセンシング、C) 音響シーン認識応用の３つの研究トラックに整理し、研究を進める。