■ これまでの主なプロジェクト

• CREST-ウヱアラブル
  （分担：鹿野、猿渡、 リーダー：木戸出 正継、CREST, JST、 2001-2005）
  日々違った事象に遭遇する日常の社会環境において，ユーザの置かれた状況に 応じた強力な生活支援を提供できる携帯（ウェアラブル）型の汎用情報デバイ ス，すなわち現代人の「情報パートナー」を実現する研究を行っている.
  ウェアラブル機器においては，着用した状態でユーザーの日常の生活を阻害し ないことが重要であり，音声インタフェースが有効であるが，「いつでも・ど こでも・誰でも・気軽に」用いられるためには，戸外や雑踏などにおける干渉 雑音といった外乱に頑健な音声インタフェースの実現が期待される．本研究室 では，唇画像を用いたマルチモーダル入力，ささやき声音声認識，環境・話者 適応・極小規模マイクロフォンアレーを用いたブラインド音源分離，GMMを用 いた音声区間検出などのテーマを研究している．
  

• IPA-ディクテーションプロジェクト
  （代表:鹿野、分担：李、IPA、1997-2000）
  日本では、ワープロが広く使われ、その延長線上にある日本語のディクテーショ ンも 大きな産業になる可能性を秘めている。しかし、 (1) 漢字の読みの多様性などから単 語単位の統計的言語モデル の作成が困難である。 (2) 精密な不特定話者の音韻モデル が提供されていない。 (3) かな漢字変換を含んだディクテーションアルゴリズムが必要 で ある。 などの未解決の日本語固有の問題もあり、その研究は英語に大きく立ち 後れて いる。
  英語ディクテーション技術の開発は、DARPAのプロジェクトにより共通の研究・ 評価基盤 が整備されたことで飛躍的に発展したことから、わが国においても会 社や研究所の単位を 越え、音声から言語までの幅広い研究者を集め、分担して 日本語ディクテーションの基盤 を整える必要がある。 本研究開発は上述の問題を解決し、連続発声された音声の認識によ る日 本語のディクテーションのための基本ソフトウェア（大語彙連続音声システム、 音韻 モデル、言語モデル、読み付与システム、モデル適応化システム）を作成することを目的に、 情報処理振興事業協会(IPA)の支援を受けて進められている。
  

• 聴覚の情景分析
  （分担:鹿野、代表：河原（和歌山大学）、CREST、1997-2002）
  本プロジェクトは、脳における聴覚情報の表現と処理の数理的な本質を明らかにすることを通 じて、工学的な手段による聴覚脳の実現を目指し、聴覚の本質的な理解に基づく「初期聴覚系の 計算理論」と「高品質音声変換合成システムSTRAIGHT」を生み出した。これらの成果および 派生した様々な要素技術は、プロジェクトの初期段階から、音声・音響処理の様々な応用分野に 大きな波及効果を与えてきた。これらの成果および波及効果は、より広い枠組みの下で本格的に 「聴覚脳」研究を進めていくための確固とした基盤を築くものである。
  

• 高齢者にやさしい音声認識/合成ソフトウェアの研究開発
  （分担:鹿野、代表：釜江（イメージ科学研究所）、NEDO、2000）
  高齢者音声データを収集し、大規模高齢者音声データベースを構築する。 この音声データベースに基づいて、発声者に負担の少ない話者適応手法を 開発する。また、高齢者に聞き取りやすい音声合成手法の研究を行う。
  高齢者音声データベース
  
  

• 連続音声認識コンソーシアム
  （代表:鹿野、分担：李、情報処理学会、2000-2003）
  ＰＡ（情報処理振興事業協会）のプロジェクトで開発されました「日本語ディ クテーションソフトウェ ア」は音声認識の研究機関で広く用いられ、事実上の ベースライン／リファレンスモデルとなりつつあり ますが、本コンソーシアム では以下の観点からさらなる拡充を進めます。
  1.基礎研究の共有基盤の維持
  　音声認識技術は丁寧な発声に対してはできるようになったものの、自然な発 話や実環境に対して は一段のブレークスルーを要します。研究・開発において 高いベースラインを提供する本ソフトウ ェアの維持・発展につとめていきます。
  2.高精度化と実環境への対応
  　現ソフトウェアは研究室環境では動作するものの、実システムに適用するに はチューニングを必 要とします。具体的には下記を考えています。
  より大規模なデータを用いた高精度化　（音響モデル・言語モデル）
  話し言葉への対応　（デコーダ・音響モデル・言語モデル）
  様々な話者層への対応：　高齢者・小児用音響モデル
  様々な実環境への対応：　電話音声・自動車内用音響モデル
  話者・環境適応及びハンズフリーへの対応
  3.産業界や他分野のための利便性の改善
  　音声認識技術を利用したアプリケーションシステムの構築や、マルチモーダ ルなインタフェース やマルチメディアの高次処理に適用するには、主に音声認 識研究者を対象として開発されたIPAプ ロジェクトのソフトウェア（Unixベー ス）では不十分です。そのため以下の改善を行います。
  Windowsへの移植
  標準的なAPIのサポート
  ドキュメンテーションの充実
  
  

• CREST-音声表情
  （分担:鹿野、川波、李、リーダー Nick Campbell、CREST, JST、2001-2004）
  JST/CREST ESP (Expressive Speech Processing)
  「表現豊かな発話音声のコンピュータ処理システム」
  奈良先端大では人間の自然な発話活動の中に見られる表現の豊かさ をコンピュータで自動的に取り扱うことを目指し、主として柔軟か つ高品質な音声合成、合成音声における準言語・非言語表現の制御 、音声対話システムのマルチモーダル化による親しみやすいヒュー マンインタフェイスの検討を軸として研究を進めている。具体的成 果として、波形接続型音声合成方式と音声分析合成手法STRAIGHTを 組み合わせた柔軟な音声合成・制御システム、混合正規分布に基づく 声質変換技術を用いた話者性や感情制御手法の開発、感情の自動識 別の研究、発話顔画像つき音声データベースを利用した自然な発話 画像生成システム、非可聴音声入力を可能とする入力デバイスの開 発など、音声処理の多様化にむけて様々な観点から研究に取り組ん でいる。 プロジェクト概要
  

  
  

  音情報処理学講座トップページに戻る．

  Last update 2005.04.16
  鹿野　清宏 (shikano@is.naist.jp)