| 講演名 | 2023-06-23 音素クラス属性を考慮した感情ラベル列の推定による音声感情認識 永瀬 亮太郎(立命館大), 福森 隆寛(立命館大), 山下 洋一(立命館大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，深層学習を利用し音声の感情を適切に分類する音声感情認識の研究が盛んに取り組まれている．本研究では特に系列化された感情ラベル（感情ラベル列）の推論による音声感情認識に取り組む．感情ラベル列の予測によって，時間と共に変化する発話内の感情状態を正確に認識できるようになることが期待される．従来研究では有声音素の数に基づいて正解の感情ラベル列を用意していたが，同じ感情であっても音韻によって異なる音響的な差異は考慮されていなかった．故に，本研究では母音や有声，無声子音などを示す音素クラス属性を考慮した感情ラベル列推定に基づく音声感情認識を提案した．結果，提案手法によって認識率が改善することがわかった． |
| 抄録(英) | Recently, many researchers have tackled speech emotion recognition (SER), which predicts emotion conveyed by speech. In this paper, we focus on SER based on emotional label sequence estimation. We expect that emotion label sequence estimation enables accurate recognition of emotional states in the utterances that change over time. Previous studies have prepared emotional label sequences based on the number of voiced phonemes. However, conventional methods are not considered acoustic differences between phonemes for the same emotion. Therefore, we propose SER based on emotional label sequence estimation considering phoneme class attributes, including vowels, voiced consonants, unvoiced consonants, etc. As a result, we found that the performance was improved by the proposed method. |
| キーワード(和) | 音声感情認識 / 感情ラベル列 / 事前学習済みモデル / wav2vec2.0 |
| キーワード(英) | speech emotion recognition / emotional label sequences / pre-trained model / wav2vec2.0 |
| 資料番号 | SP2023-9 |
| 発行日 | 2023-06-16 (SP) |
| 研究会情報 | |
| 研究会 | SP / IPSJ-MUS / IPSJ-SLP |
|---|---|
| 開催期間 | 2023/6/23(から2日開催) |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | |
| テーマ（和） | 音学シンポジウム2023 |
| テーマ（英） | |
| 委員長氏名（和） | 戸田 智基(名大) |
| 委員長氏名（英） | Tomoki Toda(Nagoya Univ.) |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | 安藤 厚志(NTT) / 橋本 佳(名工大) |
| 幹事氏名（英） | Atsushi Ando(NTT) / Kei Hashimoto(Nagoya Inst. of Tech.) |
| 幹事補佐氏名（和） | 相原 龍(三菱電機) / 齋藤 大輔(東大) |
| 幹事補佐氏名（英） | Ryo Aihara(Mitsubishi Electric) / Daisuke Saito(Univ. of Tokyo) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Speech / Special Interest Group on Music and Computer / Special Interest Group on Spoken Language Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 音素クラス属性を考慮した感情ラベル列の推定による音声感情認識 |
| サブタイトル（和） | |
| タイトル（英） | Speech Emotion Recognition based on Emotional Label Sequence Estimation Considering Phoneme Class Attribute |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 音声感情認識 / speech emotion recognition |
| キーワード(2)（和/英） | 感情ラベル列 / emotional label sequences |
| キーワード(3)（和/英） | 事前学習済みモデル / pre-trained model |
| キーワード(4)（和/英） | wav2vec2.0 / wav2vec2.0 |
| 第 1 著者 氏名（和/英） | 永瀬 亮太郎 / Ryotaro Nagase |
| 第 1 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 2 著者 氏名（和/英） | 福森 隆寛 / Takahiro Fukumori |
| 第 2 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 3 著者 氏名（和/英） | 山下 洋一 / Yoichi Yamashita |
| 第 3 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 発表年月日 | 2023-06-23 |
| 資料番号 | SP2023-9 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | SP-88 |
| ページ範囲 | pp.42-47(SP), |
| ページ数 | 6 |
| 発行日 | 2023-06-16 (SP) |