パラメータ効率の良いスピーカーアダプテーションで,骨伝導スピーチの強化を図る

科学分野:

• 音声処理は,音声処理をするためのものです.
• バイオメディカルエンジニアリング
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) というものです.

背景:

• 骨伝導音声 (BCS) 信号は,限られた周波数応答とスピーカーの歪みに苦しんでおり,知覚性が低下します.
• 品質の問題にもかかわらず,BCSは,周囲の騒音から隔離されているため,騒音のないコミュニケーションの可能性を騒音のある環境でも提供します.

研究 の 目的:

• BCSの質と知覚性を高めるためのディープニューラルネットワーク (DNN) モデルを調査する.
• DNNモデルのパーソナライゼーション方法を探求し,BCSの強化のために,新しい目に見えないスピーカーに適応する.
• パーソナライゼーションのためのパラメータ効率的な適応と対照的に完全なモデルの微調整の有効性を評価するために.

主な方法:

• 特別にBCS強化のためにDNNスピーチモデルを開発しました.
• 2つのパーソナライゼーション戦略を実装し,比較しました:完全なモデルの微調整とパラメータ効率的な適応.
• リスナーの主観的な品質評価と客観的な理解性/品質指標を用いて評価されたパフォーマンス.

主要な成果:

• DNNモデルは,目に見えないスピーカーのBCSの知覚性と品質を大幅に向上させました.
• パラメータ効率的な適応は,スピーカー特有のデータが限られている場合でも,効果的なパーソナライゼーションを示しました.
• 主観的および客観的な評価の両方が,BCSのパフォーマンスの実質的な改善を確認しました.

結論:

• ディープニューラルネットワークは,特にパラメータ効率の良い適応によって,新しいスピーカーにとって骨伝導言語を効果的に強化することができます.
• パーソナライゼーションは,BCS強化モデルの最適化に不可欠です.
• このアプローチは,BCS技術を使用して,高騒音環境でのコミュニケーションを改善する見込みです.