speaker diarization の精度低下要因の考察

IPSJ

Description

近年，動画コンテンツの需要が高まり，字幕生成技術の重要性が増している．自動字幕生成において，複数話者が含まれる音声に対する字幕生成において必要となる speaker diarization の精度が低下し，話者アノテーションの品質が低下すると，字幕の品質が損なわれる問題が生じる．本研究では，話者アノテーションの品質の品質向上を目指し，speaker diarization 処理の後にクラウドソーシングを組み合わせる手法を提案する．本手法では，speaker diarization の誤ラベリングが発生しやすい時刻を音声中から自動で判定し，該当部分をクラウドソーシングによって修正することで，全体の話者アノテーションの精度向上を目指す．本稿では，特に発話の重なり，発話の長さ，音声エネルギーの変化，感情分析を基に，誤ラベリング発生時刻の予測の可能性を検証した．

Journal

Keywords

Details 詳細情報について

Report a problem

Back to top