【IT】ＮＴＴ、特定の人の声　ＡＩが識別　スマホに搭載

ムヒタ ★

ＮＴＴは複数の人の声が混じった音声から、特定の人の声だけを取り出して聞き取る技術を開発した。あらかじめ聞き取りたい特定の人の声を録音して人工知能（ＡＩ）で分析し、声の特徴などから識別する。人の会話を理解するロボットやボイスレコーダーなどの精度向上につながる技術として、早ければ２年後の実用化を目指す。

スマートスピーカーや最近のスマートフォン（スマホ）には、人の声を聞き取る音声認識技術が搭載されている。認識精度の向上はこれらの機器の利便性を高める上で重要だが、実際の生活では別の人の声が聞こえたり、テレビ音声などの雑音が流れたりしており、特定の人の声だけを聞き取る障害となっていた。

ＮＴＴは声の高さや声質、抑揚などの様々な特徴をもとに、特定の人の声の個性をつかむ技術を開発した。特定の人にあらかじめ10秒間マイクの近くで話してもらうだけで、その後は複数の人が同時に話しても、深層学習（ディープラーニング）を使い、目的の人の声を選択的に抽出して聞き取れる。

従来は２人の人の声が混ざった状態では特定の人の声は20％しか聞き取れなかったが、新技術を使うと80％の精度で聞き取れるようになった。３人が同時に話す場合や音楽などの雑音が流れている場合も、選択的に聞き取ることができた。

特定の人の声をＡＩが識別する技術はこれまでもあったが、複数のマイクを用いて、声のする方向から判定していた。新技術は１つのマイクでも特定の人の声だけを聞き取ることができるため、ロボットやスマホなどの様々な機器にも組み込みやすくなる。人間に備わっている「カクテルパーティー効果」と呼ばれる雑踏の中でも対話する人の声をうまく聞き分ける能力をＡＩに組み込んだ。

現在は似た声の人では聞き分けられないことがある。声の特徴を認識する精度をより高めるとともに、声のする方向から判断する技術などとも組み合わせ、不特定多数の人が話していたり、雑音が大きい状況でも、聞き取れるようにする。（大越優樹）
2018/5/31 10:00
https://www.nikkei.com/article/DGXMZO31183300R30C18A5X90000/

【IT】ＮＴＴ、特定の人の声 ＡＩが識別 スマホに搭載

【IT】ＮＴＴ、特定の人の声　ＡＩが識別　スマホに搭載