音声認識のデータ拡張のための音声合成との密統合

• 研究課題/領域番号: 23K16944
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分61030:知能情報学関連
• 研究機関: 名古屋工業大学
• 研究代表者: 上乃 聖 名古屋工業大学, 工学(系)研究科(研究院), 助教 (90964007)
• 研究期間 (年度): 2023-04-01 – 2026-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円); 2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円); 2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
• キーワード: 音声認識 / 音声合成 / データ拡張 / ドメイン適応 / 深層学習

研究開始時の研究の概要

あらゆるドメインに頑健な音声認識システムを構築するための，音声認識に密結合した音声合成に基づくデータ拡張および学習アルゴリズムの確立を目指す．テキストのみから音声合成を用いて音声認識の訓練データを作成する手法は，音声認識の学習に必要なペアデータが少なくとも良い結果を示しているが，認識・合成を独立に設計を行うため，音声認識性能の改善が限定的であるという問題がある．
本研究では音声認識・音声合成の特性を考慮するために (1)認識内で自然音声と合成音声の差異の充足，(2)合成内で話者間・話者内多様性を考慮したモデル，(3)両モデルの相補的な学習のための敵対性ネットワークの設計の3つの研究に取り組む．