論文の概要: Bridging the Gap: Converting Read Text to Conversational Dialogue

• arxiv url: http://arxiv.org/abs/2605.18001v1
• Date: Mon, 18 May 2026 07:53:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.012684
• Title: Bridging the Gap: Converting Read Text to Conversational Dialogue
• Title（参考訳）: Bridging the Gap: Read Text to Conversational Dialogue
• Authors: Parshav Singla, Agnik Banerjee, Aaditya Arora, Shruti Aggarwal, Anil Kumar Verma, Vikram C M, Raj Prakash Gohil, Gopal Kumar Agarwal,
• Abstract要約: 本稿では,会話文脈を用いた韻律調整法(PACC)を提案する。 PACCは読み上げ音声を様々な現代的な用途で使われる自然な会話音声に変換する。 従来の手法とは異なり,提案手法では音声合成にHiFi-GAN(High-Fidelity Generative Adversarial Networks)を用いる。
• 参考スコア（独自算出の注目度）: 1.3553462938197818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent advancements within speech processing, converting read speech to conversational speech has gained significant attention. The primary challenge in this domain is maintaining naturalness and intelligibility while minimizing computational overhead for real-time applications. Traditional read speech often lacks the nuanced prosodic variation essential for natural conversational interactions, posing challenges for applications in virtual assistants, customer service, and language learning tools. This paper introduces a novel approach, Prosodic Adjustment with Conversational Context (PACC), aimed at converting read speech into natural conversational speech used in various modern applications. PACC utilizes advanced deep neural networks to analyze and modify prosodic features such as intonation, stress, and rhythm. Unlike conventional methods, our approach uses High-Fidelity Generative Adversarial Networks (HiFi-GAN) for speech synthesis. Our experimental results demonstrate significant improvements in speech conversion, enhancing naturalness and achieving better model accuracy with additional training on speech datasets. This research establishes new benchmarks in speech conversion tasks and Mean Opinion Score (MOS) evaluation for testing model accuracy, and we show that our approach can be successfully extended to other speech conversion applications.
• Abstract（参考訳）: 近年, 音声処理の進歩に伴い, 読み上げ音声から会話音声への変換が注目されている。 この領域の最大の課題は、リアルタイムアプリケーションの計算オーバーヘッドを最小限に抑えながら、自然さと知性を維持することである。 従来の読み上げ音声は、自然な会話のやりとりに不可欠なニュアンスな韻律的バリエーションを欠くことが多く、仮想アシスタント、カスタマーサービス、言語学習ツールにおけるアプリケーションの課題を提起する。 本稿では、読み上げ音声を様々な近代的用途で用いられる自然な会話音声に変換することを目的とした、会話文脈による韻律調整(PACC)という新しいアプローチを紹介する。 PACCは、高度なディープニューラルネットワークを使用して、トネーション、ストレス、リズムなどの韻律的特徴を分析し、修正する。 従来の手法とは異なり,提案手法では音声合成にHiFi-GAN(High-Fidelity Generative Adversarial Networks)を用いる。 実験結果から, 音声の変換, 自然性の向上, モデル精度の向上, 音声データセットの付加訓練による精度向上が得られた。 本研究は,音声変換タスクにおける新しいベンチマークとモデル精度テストのための平均オピニオンスコア(MOS)評価を確立し,本手法が他の音声変換アプリケーションにも適用可能であることを示す。

関連論文リスト

• MOSS-Speech: Towards True Speech-to-Speech Models Without Text Guidance [66.74042564585942]
  MOSS-Speechは、テキストガイダンスに頼ることなく直接理解し、音声を生成する、真の音声音声合成大言語モデルである。 我々の研究は、表現的かつ効率的なエンドツーエンドの音声対話のための新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-10-01T04:32:37Z)
• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• NTPP: Generative Speech Language Modeling for Dual-Channel Spoken Dialogue via Next-Token-Pair Prediction [59.44357187878676]
  話者に依存しない双方向音声対話学習を実現するために,新しい生成モデルパラダイムであるNext-Token-Pair Prediction(NTPP)を導入する。 提案手法であるNTPPは, ターンテイク予測, 応答コヒーレンス, 自然性の観点から, SLMの会話能力を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-06-01T12:01:40Z)
• Recent Advances in Speech Language Models: A Survey [45.968078636811356]
  音声言語モデル(SpeechLMs)は、テキストから変換することなく音声を生成するエンドツーエンドモデルである。 本稿では,近年のSpeechLM構築手法について概観する。
  論文  参考訳（メタデータ） (2024-10-01T21:48:12Z)
• Visual-Aware Text-to-Speech [101.89332968344102]
  テキスト入力と対面コミュニケーションにおけるリスナーの視覚的フィードバックの両方で条件付き音声を合成する新しい視覚認識型音声合成(VA-TTS)タスクを提案する。 音声合成のための音素言語情報とリスナー視覚信号を融合するベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-21T05:11:39Z)
• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• Direction-Aware Joint Adaptation of Neural Speech Enhancement and Recognition in Real Multiparty Conversational Environments [21.493664174262737]
  本稿では,現実の多人数会話環境における音声コミュニケーションを支援する拡張現実ヘッドセットの雑音音声認識について述べる。 本研究では,高信頼な推定文字を用いたクリーン音声信号とノイズ音声信号を用いて,マスク推定器とASRモデルを実行時に共同で更新する半教師付き適応手法を提案する。
  論文  参考訳（メタデータ） (2022-07-15T03:43:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。