論文の概要: A Survey of Automated Presentation Coaching: Systems, Methods, and Open Challenges
- arxiv url: http://arxiv.org/abs/2606.27380v1
- Date: Mon, 11 May 2026 23:32:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:12.94895
- Title: A Survey of Automated Presentation Coaching: Systems, Methods, and Open Challenges
- Title（参考訳）: 自動プレゼンテーションコーチングの実態調査 : システム, 方法, オープンチャレンジ
- Abstract要約: 本調査では、自動プレゼンテーションコーチングシステム、発音指導者、流派・韻律指導者、マルチモーダルトレーナー、カンファレンスQ&A実践ツールについてレビューし分類する。
我々は,5次元タスク分類を導入し,セグメンダル発音,語彙的ストレス,部分的韻律,ペーシング,コンテンツ忠実度を網羅し,カバーギャップを明らかにするために調査対象システムに明示的にマッピングした。
主なオープンな課題は、注釈付きプレゼンテーションコーパスの不足、さまざまなL1バックグラウンドに対するアクセントフェアフィードバックの実現、リアルタイムリハーサルのための低レイテンシ診断の提供である。
- 参考スコア（独自算出の注目度）: 7.65810739964121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated coaching for oral presentations sits at the intersection of computer-assisted pronunciation training (CAPT), prosody modeling, and speech synthesis, yet no prior work has systematically surveyed and compared existing systems along these dimensions. This survey reviews and categorizes automated presentation coaching systems, spanning pronunciation tutors, fluency and prosody coaches, multimodal trainers, and conference Q&A practice tools. We introduce a five-dimensional task taxonomy - covering segmental pronunciation, lexical stress, suprasegmental prosody, pacing, and content faithfulness - and explicitly map surveyed systems onto it to reveal coverage gaps. We further review the core technical methods these systems employ: TTS-based exemplar generation and diagnostic methods for pronunciation, prosody, and fluency assessment. Key open challenges include the scarcity of annotated presentation corpora, achieving accent-fair feedback across diverse L1 backgrounds, and delivering low-latency diagnostics for real-time rehearsal.
- Abstract（参考訳）: オーラルプレゼンテーションの自動コーチングは、コンピュータ支援発音訓練(CAPT)、韻律モデリング、音声合成の交差点に位置するが、これらの次元に沿って既存のシステムを体系的に調査し比較する以前の研究は行われていない。
本調査では、自動プレゼンテーションコーチングシステム、発音指導者、流派・韻律指導者、マルチモーダルトレーナー、カンファレンスQ&A実践ツールについてレビューし分類する。
我々は,5次元タスク分類を導入し,セグメンダル発音,語彙的ストレス,部分的韻律,ペーシング,コンテンツ忠実度を網羅し,カバーギャップを明らかにするために調査対象システムに明示的にマッピングした。
さらに、これらのシステムが採用する中核となる技術的手法について、発音、韻律、流布度評価のためのTSベースの模範生成および診断方法について概観する。
主なオープンな課題は、注釈付きプレゼンテーションコーパスの不足、さまざまなL1バックグラウンドに対するアクセントフェアフィードバックの実現、リアルタイムリハーサルのための低レイテンシ診断の提供である。
関連論文リスト
- A Comprehensive Analysis of Tokenization and Self-Supervised Learning in End-to-End Automatic Speech Recognition applied on French Language [12.151730134044696]
本稿では,異なる言語的・音響的観点から,サブワードトークン化アルゴリズムと自己教師型学習モデルの影響について検討する。
これらのアルゴリズムは、自動転写の下流の応用を適切に記述できないことを示す。
論文 参考訳（メタデータ） (2026-05-05T12:39:40Z) - Incorporating Linguistic Constraints from External Knowledge Source for Audio-Visual Target Speech Extraction [87.49303116989708]
AV-TSEの補助的知識源として,事前学習言語モデル (PSLM) と事前学習言語モデル (PLM) の可能性を検討する。
本研究では, AV-TSE モデルに対するPSLM や PLM からの言語制約を追加の監視信号として活用することを提案する。
推論中に余分な計算コストがなければ、提案手法は音声品質と知能性を一貫して改善する。
論文 参考訳（メタデータ） (2025-06-11T14:36:26Z) - Leadership Assessment in Pediatric Intensive Care Unit Team Training [18.37408109860005]
本稿では、自我中心のビジョンに基づく自動分析フレームワークを開発することにより、PICUチームのリーダーシップスキルを評価するタスクについて述べる。
指導力評価の重要指標として, 固定対象, アイコンタクト, 会話パターンなどの重要な行動指標を同定した。
論文 参考訳（メタデータ） (2025-05-30T09:19:33Z) - App for Resume-Based Job Matching with Speech Interviews and Grammar
Analysis: A Review [0.11249583407496219]
本稿では,ジョブインタビュー作成のための音声とテキストに基づく自然言語処理を提供するエンドツーエンドシステムの実現可能性について検討する。
既存のレコメンデータベースのシステムについても検討し、その制限に注意する。
論文 参考訳（メタデータ） (2023-11-20T18:03:08Z) - DiariST: Streaming Speech Translation with Speaker Diarization [53.595990270899414]
本稿では,最初のストリーミングSTとSDソリューションであるDiariSTを提案する。
ニューラルトランスデューサベースのストリーミングSTシステム上に構築され、トークンレベルのシリアライズされた出力トレーニングとtベクタを統合している。
重なり合う音声のストリーミング推論を行いながら,Whisperに基づくオフラインシステムと比較して強いSTとSD能力を実現する。
論文 参考訳（メタデータ） (2023-09-14T19:33:27Z) - Learning Speech Representation From Contrastive Token-Acoustic
Pretraining [57.08426714676043]
本研究では、2つのエンコーダを用いて音素と音声を複数モーダル空間に導入するCTAP(Contrastive Token-Acoustic Pretraining)を提案する。
提案したCTAPモデルは、210k音声と音素ペアで訓練され、最小教師付きTS、VC、ASRを実現する。
論文 参考訳（メタデータ） (2023-09-01T12:35:43Z) - Flowchase: a Mobile Application for Pronunciation Training [0.0]
Flowchaseは音声のセグメンショナル特徴と超セグメンショナル特徴をセグメンテーションし分析することのできる音声技術に接続されている。
音声処理パイプラインは、発話に対応する言語情報を受信し、音声サンプルとともに分析する。
音声表現学習に基づく機械学習モデルの組み合わせにより、強制アライメントと音声認識を行う。
論文 参考訳（メタデータ） (2023-07-05T06:32:42Z) - SPADE: Self-supervised Pretraining for Acoustic DisEntanglement [2.294014185517203]
室内音響を音声から切り離す自己教師型手法を提案する。
提案手法は,ラベル付きトレーニングデータが少ない場合に,ベースライン上での性能を著しく向上することを示す。
論文 参考訳（メタデータ） (2023-02-03T01:36:38Z) - Contextual-Utterance Training for Automatic Speech Recognition [65.4571135368178]
本稿では,過去と将来の文脈発話を利用した文脈発話訓練手法を提案する。
また,自動音声認識(ASR)システムをストリーミングするための2モード文脈発話訓練手法を提案する。
提案手法により、WERと平均最後のトークン放出遅延を6%以上、40ms以上削減できる。
論文 参考訳（メタデータ） (2022-10-27T08:10:44Z) - An Overview of Deep-Learning-Based Audio-Visual Speech Enhancement and
Separation [57.68765353264689]
音声強調と音声分離は関連する2つの課題である。
伝統的に、これらのタスクは信号処理と機械学習技術を使って取り組まれてきた。
ディープラーニングは強力なパフォーマンスを達成するために利用されています。
論文 参考訳（メタデータ） (2020-08-21T17:24:09Z) - Semi-supervised Learning for Multi-speaker Text-to-speech Synthesis
Using Discrete Speech Representation [125.59372403631006]
マルチ話者テキスト音声(TTS)のための半教師付き学習手法を提案する。
マルチスピーカTTSモデルは、離散音声表現を備えたエンコーダデコーダフレームワークを用いて、未転写音声から学習することができる。
提案した半教師あり学習手法は,音声データの一部がうるさい場合にも有効であることがわかった。
論文 参考訳（メタデータ） (2020-05-16T15:47:11Z)
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。