論文の概要: A Semi-Automated System for Generating Dialogue-Based TTS Lessons Using Large Language Models: An Exploratory Study of Educational Potential
- arxiv url: http://arxiv.org/abs/2607.12235v1
- Date: Tue, 14 Jul 2026 00:35:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.000211
- Title: A Semi-Automated System for Generating Dialogue-Based TTS Lessons Using Large Language Models: An Exploratory Study of Educational Potential
- Title（参考訳）: 対話型TTS授業を大規模言語モデルで生成する半自動システム:教育的可能性の探索的研究
- Abstract要約: 本研究では,Large Language Models (LLM) と Text-to-Speech (TTS) 技術を用いて,対話型授業を半自動生成するシステムを提案する。
3段階のHuman-in-the-loopワークフロー(LLMベースのスライド/ナレーション生成、教育者レビュー、自動オーディオビジュアル統合)を通じて教育者を強化する。
認知的見習い理論に基づくエキスパートと初心者の対話ナレーションを生成する新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.8599595236399581
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study proposes a semi-automated system for generating dialogue-based lessons using Large Language Models (LLMs) and Text-to-Speech (TTS) technology, and exploratorily examines its educational potential via a practical quasi-experiment. The system augments rather than replaces educators through a three-stage human-in-the-loop workflow (LLM-based slide/narration generation, educator review, automated audiovisual integration), and introduces a novel method for generating Expert-Novice dialogue narration based on cognitive apprenticeship theory. In a study of 245 first-year high school students who sequentially experienced three lesson formats (instructor voice, single-speaker TTS, dialogue TTS; content differed across sessions, limiting format/content separation), we conducted within-subject (Friedman test, N<=183) and repeated cross-sectional (Mann-Whitney U, N=229/206) analyses. TTS audio did not substantially degrade the learning experience versus instructor voice, supported by TOST equivalence testing. Dialogue TTS was significantly superior to single TTS in comprehension (p=.006, q=.025) and cognitive engagement (p=.019, q=.048); enjoyment was non-significant after FDR correction (q=.081) but reached significance after controlling for prior knowledge (proportional-odds model, OR=1.65, q=.025), and these advantages were not attributable to prior-knowledge imbalance. Conversely, single TTS was superior in audio naturalness (p<.001, q<.001, r=-.238), revealing a trade-off between dialogue's benefits and higher extraneous cognitive load. Dialogue format was preferred by 66.9% of learners as most enjoyable (p<.001). These results reflect a fixed-order design; replication is needed before generalizing them as effects of lesson format. This study provides a theoretical and empirical basis for the educational acceptability of TTS audio and for TTS lesson-format design.
- Abstract（参考訳）: 本研究では,Large Language Models (LLMs) と Text-to-Speech (TTS) 技術を用いて対話型授業を生成する半自動システムを提案する。
このシステムは、3段階のヒューマン・イン・ザ・ループワークフロー(LLMベースのスライド・ナレーション生成、教育者レビュー、自動視覚統合)を通じて教育者を置き換えるのではなく、認知的見習い理論に基づくエキスパート・初心者対話ナレーションを生成する新しい方法を導入する。
授業形式(インストラクタ音声,シングルスピーカTTS,対話TTS,セッション毎に異なる内容,フォーマット/コンテンツ分離の制限)を連続的に経験した245人の高校生を対象に,インテリア・オブジェクト(Friedman test, N<=183)と繰り返し横断的(Mann-Whitney U, N=229/206)の分析を行った。
TTS音声は、TOST同値テストによってサポートされたインストラクター音声と比較して、学習経験を著しく劣化させることはなかった。
TTSは単一のTSよりも理解力(p=.006, q=.025)と認知力(p=.019, q=.048)に優れ、FDR補正(q=.081)後に楽しさは重要ではなかったが、事前知識(OR=1.65, q=.025)を制御した上では重要となり、これらの利点は事前知識の不均衡に寄与しなかった。
逆に、単一TSは音声の自然性(p<.001, q<.001, r=-.238)が優れており、対話の利点と高い外部認知負荷とのトレードオフが明らかになった。
対話形式は66.9%の学習者が最も楽しむ(p<.001。
これらの結果は固定順序設計を反映しており、授業形式の影響を一般化するには複製が必要である。
本研究は、TS音声の教育的受容性およびTS授業形式設計のための理論的かつ実証的な基礎を提供する。
関連論文リスト
- Analyzing Mitigation Strategies for Catastrophic Forgetting in End-to-End Training of Spoken Language Models [79.90523648823522]
多段階連続学習は破滅的な忘れを招きかねない。
本稿では, 3つの緩和戦略, モデルマージ, LoRAスケーリング係数の割引, 経験リプレイについて検討する。
その結果,経験的リプレイが最も効果的であることが示され,他の手法と組み合わせることでさらに効果が得られた。
論文 参考訳（メタデータ） (2025-05-23T05:50:14Z) - kNN Retrieval for Simple and Effective Zero-Shot Multi-speaker Text-to-Speech [18.701864254184308]
kNN-TTSは、ゼロショットマルチ話者テキスト音声合成のためのシンプルで効果的なフレームワークである。
我々のモデルは、1つの話者から書き起こされた音声に基づいて訓練され、最先端のモデルに匹敵する性能を達成する。
また、微細な音声モーフィングを可能にするパラメータも導入する。
論文 参考訳（メタデータ） (2024-08-20T12:09:58Z) - Prosody in Cascade and Direct Speech-to-Text Translation: a case study
on Korean Wh-Phrases [79.07111754406841]
本研究は,韻律が重要な役割を果たす発話を明瞭にするための直接S2TTシステムの能力を評価するために,コントラスト評価を用いることを提案する。
本結果は,カスケード翻訳モデルよりも直接翻訳システムの価値を明確に示すものである。
論文 参考訳（メタデータ） (2024-02-01T14:46:35Z) - Ruffle&Riley: Towards the Automated Induction of Conversational Tutoring
Systems [23.093767743306973]
会話学習システム(CTS)は、自然言語の相互作用によって駆動される学習体験を提供する。
大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSを提案する。
Ruffle&Riley は ITS の典型的な内ループ構造と外ループ構造に従う自由形式の会話を可能にする。
論文 参考訳（メタデータ） (2023-09-26T23:27:06Z) - Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers [92.55131711064935]
テキストから音声合成(TTS)のための言語モデリング手法を提案する。
具体的には、市販のニューラルオーディオモデルから派生した離散符号を用いて、ニューラルネットワークモデル(Vall-E)を訓練する。
Vall-Eは、コンテキスト内学習機能を導入し、高品質なパーソナライズされた音声の合成に使用できる。
論文 参考訳（メタデータ） (2023-01-05T15:37:15Z) - Arabic Text-To-Speech (TTS) Data Preparation [0.0]
Text-to-Speech (TTS)は、TSモジュールの結果に大きな影響を与える可能性があるため、記録データに大きく依存する。
品質と振舞いを考慮した異なる記録方法もまた、モジュールの開発において有利である。
本研究の目的は, 自然性, 知性, 理解の両面での音声システムの進化に, 地道的発話がどのような影響を及ぼすかを明らかにすることである。
論文 参考訳（メタデータ） (2022-04-07T06:58:03Z) - A study on the efficacy of model pre-training in developing neural
text-to-speech system [55.947807261757056]
本研究の目的は,モデル事前学習がTSシステム性能に肯定的に寄与する理由と方法を明らかにすることである。
トレーニング前のデータを元のサイズの1/8に減らすと,TSシステムは同等の性能が得られることがわかった。
論文 参考訳（メタデータ） (2021-10-08T02:09:28Z) - Learning Speaker Embedding from Text-to-Speech [59.80309164404974]
我々は,エンドツーエンドのTacotron 2 TTSと話者埋め込みネットワークを,自己指導型で共同で訓練した。
本研究は,手書き文字とASR書き起こし文字のトレーニングについて検討した。
教師なしTS埋め込みは、LibriTTSデータセットのi-vectorに関して、EERを2.06%改善した。
論文 参考訳（メタデータ） (2020-10-21T18:03:16Z) - 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。