フラッシュ2022年4月23日

• 構音障害者「本人の声」で明瞭な音声を合成、GAN活用で新技術

  by MITテクノロジーレビュー編集部 [MIT Technology Review Japan]

  システム開発などを手掛けるヒューマンテクノシステムと東北大学の研究グループは、発話障害者の声で明瞭な音声を合成する技術を開発した。発声器官などの問題で発音が不明瞭な構音障害を持つ人の声と、健常者の声を学習し、明瞭な音声を生成する。

  喉頭がんや筋委縮性側索硬化症（ALS）などで声を失った人向けに、事前に収録した本人の音声を使って音声合成データを生成し、読み上げる方法はすでに実用化されている。ただ、発音が不明瞭な構音障害を持つ人の場合は、生成される合成データも不明瞭だった。そこで研究グループは、敵対的生成ネットワーク（Generative Adversarial Networks：GAN）の一種であるCycleGANを利用して、健常者の音声から音韻や韻律を保ったまま構音障害者の声色に変換した。学習データとなる構音障害者の音声は、健常者の音声と比べて話速が非常に遅い、抑揚に乏しいなどの特徴があるため、学習データに話速や声の高さを調整する前処理を導入することで高品質の音声を生成するという。

  研究成果の一部は、3月8日に開催された電子情報通信学会・福祉情報工学研究会で発表された。研究グループは今回開発した技術をさらに改良して、2023年度の実用化を目指すとしている。

  （笹田）

  • 3

• 人気の記事ランキング

  1. The 8 worst technology failures of 2024 MITTRが選ぶ、 2024年に「やらかした」 テクノロジー8選
  2. Promotion Innovators Under 35 Japan × CROSS U 無料イベント「U35イノベーターと考える研究者のキャリア戦略」のご案内
  3. Bringing the lofty ideas of pure math down to earth 崇高な理念を現実へ、 物理学者が学び直して感じた 「数学」を学ぶ意義
  4. The 8 worst technology failures of 2024 MITTRが選ぶ、 2024年に「やらかした」 テクノロジー8選
  5. The next generation of neural networks could live in hardware 消費電力「数十万分の一」、ハード実装の次世代ニューラルネット