論文の概要: PASQA: Pitch-Accent-Focused Speech Quality Assessment Model Trained on Synthetic Speech with Accent Errors

• arxiv url: http://arxiv.org/abs/2606.20137v1
• Date: Thu, 18 Jun 2026 12:00:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.836027
• Title: PASQA: Pitch-Accent-Focused Speech Quality Assessment Model Trained on Synthetic Speech with Accent Errors
• Title（参考訳）: PASQA:アクセント誤りのある合成音声を用いたピッチアクセント音声品質評価モデル
• Authors: Masaya Kawamura, Yuma Shirahata, Kentaro Mitsui, Reo Shimizu,
• Abstract要約: ピッチアクセントに着目した音声品質評価(PASQA) Pitch-Accent- Focus Speech Quality Assessment (PASQA) を提案する。
• 参考スコア（独自算出の注目度）: 9.488815278604404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing mean opinion score (MOS) prediction models typically predict utterance-level naturalness MOS and can be insensitive to localized pitch-accent errors. We propose Pitch-Accent-focused Speech Quality Assessment (PASQA), which explicitly targets pitch-accent correctness. To train our model, we construct a controlled Japanese accent-error dataset by changing accent patterns using an accent-controllable text-to-speech system, and compute a pseudo accent-quality score from the accent-error rate. PASQA builds on self-supervised representations and employs mora-conditioned fusion, ranking loss, an auxiliary accent-error localization task, and speaker-invariant training. Experiments show that conventional models fail to preserve the ordering by accent-error severity, whereas PASQA achieves high ordering accuracy on both seen and unseen speakers. Further, PASQA shows stronger agreement with human accent-correctness judgments. The code is available at https://github.com/lycorp-jp/PASQA.
• Abstract（参考訳）: 既存の平均世論スコア(MOS)予測モデルは、通常、発話レベルの自然性MOSを予測し、局所的なピッチアクセント誤差に敏感である。 Pitch-Accent- Focus Speech Quality Assessment (PASQA) を提案する。 本研究では,アクセント制御可能なテキスト音声合成システムを用いてアクセントパターンを変化させ,アクセントエラー率から擬似アクセント品質スコアを算出することによって,日本語アクセントエラーデータセットを構築する。 PASQAは自己教師付き表現に基づいて構築され、モラ条件の融合、ランキング損失、アクセントエラーの局所化タスク、スピーカー不変のトレーニングを採用している。 実験により、従来のモデルはアクセントエラーの重大度による順序付けを保たず、PASQAは目に見える話者と目に見えない話者の両方で高い順序付け精度を達成することが示された。 さらに、PASQAはヒトのアクセント補正判定と強く一致している。 コードはhttps://github.com/lycorp-jp/PASQAで入手できる。

関連論文リスト

• Acoustic Cue Alignment in Audio Language Models for Speech Emotion Recognition [58.25449304752214]
  生音声が既に利用可能である場合に、明示的な音響的手がかりが根拠となるかどうかを考察する。 標準化されたeGeMAPSパラ言語特徴集合から6つの解釈可能な音響概念トークンを導出する。 調整されたトークンは平均リコール(UAR)を改善するが、シャッフル、競合、破損したトークンはパフォーマンスを低下させる。 トークンのみの介入は、ALMに基づく感情計算において、オーディオグラウンドドキューの使用、堅牢性、解釈可能性を調べるための実用的な方法である、と我々は主張する。
  論文  参考訳（メタデータ） (2026-06-05T14:26:06Z)
• GE2E-AC: Generalized End-to-End Loss Training for Accent Classification [13.266765406714942]
  入力音声のアクセント埋め込みやAEを抽出するためにモデルを訓練するGE2E-ACを提案する。 提案したGE2E-ACの有効性を,従来のクロスエントロピーに基づく損失をトレーニングしたベースラインモデルと比較した。
  論文  参考訳（メタデータ） (2024-07-19T04:44:16Z)
• Improving Self-supervised Pre-training using Accent-Specific Codebooks [48.409296549372414]
  自己教師型学習のためのアクセント認識適応技術 Mozilla Common Voiceデータセットでは、提案手法は他のアクセント適応手法よりも優れています。
  論文  参考訳（メタデータ） (2024-07-04T08:33:52Z)
• Accented Speech Recognition With Accent-specific Codebooks [53.288874858671576]
  音声アクセントは最先端の自動音声認識(ASR)システムに重大な課題をもたらす。 あまり表現されないアクセントによる性能低下は、ASRの包括的採用に対する深刻な抑止力である。 トレーニング可能なコードブックを用いたクロスアテンションを用いた,エンドツーエンドのASRシステムに対するアクセント適応手法を提案する。
  論文  参考訳（メタデータ） (2023-10-24T16:10:58Z)
• Explicit Intensity Control for Accented Text-to-speech [65.35831577398174]
  TTSの過程におけるアクセントの強度の制御は、非常に興味深い研究方向である。 近年の作業は、話者とアクセント情報をアンタングルし、そのアクセント強度を制御するために損失重量を調整するために、話者対アダルロスを設計している。 本稿では,アクセント付きTSのための直感的かつ明示的なアクセント強度制御方式を提案する。
  論文  参考訳（メタデータ） (2022-10-27T12:23:41Z)
• Black-box Adaptation of ASR for Accented Speech [52.63060669715216]
  我々は,ターゲットアクセントからの音声にブラックボックス,クラウドベースのASRシステムを適用する問題を紹介した。 そこで我々は,オープンソースアクセント調整型ローカルモデルとブラックボックスサービスとの結合を新たに提案する。 本アルゴリズムは,既存の単語レベルの組み合わせ手法よりもアクセントエラーの修正が優れている。
  論文  参考訳（メタデータ） (2020-06-24T07:07:49Z)

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。