音声認識

いま、音声合成技術は、かつての「宇宙人の声」のような不自然なものから、普通の人間の発話と見分けがつかない高品質なものへと進化しています。その背後には統計的手法やコンピュータを駆使した音声合成技術の進歩があります。従来よりも合成音声の表現力が向上したこともあり、デジタルサイネージやロボット、障碍者支援、携帯デバイスナビゲーションなど、応用領域が急速に広がりつつあります。また、発語機能を失った人の元の声の再現やオリジナル話者の声を使った翻訳の読み上げなど、単なる読み上げを超えた機能についても研究が鋭意行われています。本講座では音声合成研究の最前線についてわかりやすく紹介します。

実環境には様々な音が存在し、通常それらは混ざり合って聞こえてきます。例えば、音声認識を行おうと思っても、テレビの音が一緒にマイクに入力されてしまうかもしれません。実環境での音を情報処理するためには、音を聞き分ける仕組みが必要になります。本講演では、混ざった音の中から必要な音を取り出すための信号処理技術について紹介します。