論文の概要: Loud and Clear: Dynamic Activation Steering for Improving Speech Intelligibility in Noisy Environments
- arxiv url: http://arxiv.org/abs/2610.07647v1
- Date: Tue, 06 Oct 2026 02:41:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.763235
- Title: Loud and Clear: Dynamic Activation Steering for Improving Speech Intelligibility in Noisy Environments
- Title（参考訳）: ラウド・アンド・クリア:雑音環境における音声の信頼性向上のための動的アクティベーションステアリング
- Abstract要約: 我々は,アクティベーションステアリングを用いて,テキスト音声(TTS)モデルを誘導し,より理解しやすい音声を生成することができるかを検討する。
本手法は,Lombard 関連音響特性の体系的変化を,可視・不可視話者と複数の言語で生成する。
その結果、事前学習したTSモデルを動的に制御し、再学習せずにより分かりやすい音声を生成することができた。
- 参考スコア（独自算出の注目度）: 61.29502937013759
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Speech becomes less intelligible in noisy environments, and humans naturally adapt their voice to compensate. Inspired by this behavior, we investigate whether a text-to-speech (TTS) model can be guided to produce more intelligible speech using activation steering, without retraining. We focus on two characteristics of the Lombard effect: increased vocal effort and hyper-articulation. We introduce a prompt-relative steering mechanism that prevents steering effects from accumulating during generation while allowing their strength to be adjusted dynamically. Across seen and unseen speakers and multiple languages, our method produces systematic changes in Lombard-related acoustic features, preserves speaker similarity (89-95%), and reduces WER under background noise by 7-22% at 1 dB SNR. These results show that pretrained TTS models can be dynamically controlled to generate more intelligible speech without retraining.
- Abstract（参考訳）: 騒々しい環境では音声は理解しにくくなり、人間は自然に声を補うように適応する。
この行動に触発されて,アクティベーションステアリングを用いてより知的な音声を生成するために,TTS(text-to-speech)モデルを指導できるかどうかを,再訓練せずに検討する。
ロンバルド効果の2つの特徴に焦点をあてた。
本研究では, ステアリング効果を動的に調整しながら, 生成中のステアリング効果の蓄積を防止するプロンプト相対的ステアリング機構を提案する。
本手法は,Lombard関連音響特性の系統的変化を生じさせ,話者類似性(89-95%)を保ち,背景雑音下でのWERを1dB SNRで7-22%低減する。
これらの結果から,事前学習したTTSモデルを動的に制御し,より知的な音声を生成することができることがわかった。
関連論文リスト
- Synthesizing the Lombard Effect: Multi-Level Control of Speech Clarity and Vocal Effort in TTS [61.29502937013759]
声道運動と調音疑似ラベルで訓練されたフローマッチングに基づく音声合成モデルを提案する。
提案モデルでは,声の努力や調音の連続的・不整合的な制御を実現するとともに,発話の特定のセグメントを明確にするための単語レベルの強調を可能にする。
論文 参考訳（メタデータ） (2026-06-22T11:14:22Z) - Lombard Speech Synthesis for Any Voice with Controllable Style Embeddings [61.29502937013759]
任意の話者に対するロンバルド音声を訓練中に明示的なロンバルドデータを必要とせずに合成できる制御可能なテキスト音声合成システム(TTS)。
提案手法では,大規模で韻律的に多様なデータセットから学習したスタイル埋め込みを活用し,主成分分析(PCA)を用いてLombard属性との相関を解析する。
論文 参考訳（メタデータ） (2026-01-19T11:25:19Z) - From Silent Signals to Natural Language: A Dual-Stage Transformer-LLM Approach [0.0]
本稿では,変圧器をベースとした音響モデルと,後処理のための大規模言語モデル(LLM)を組み合わせた音声認識フレームワークを提案する。
実験の結果,単語誤り率 (WER) は36%の基準で16%, 単語誤り率 (WER) は6%低下した。
論文 参考訳（メタデータ） (2025-09-02T16:13:29Z) - Active Speech Enhancement: Active Speech Denoising Decliping and Deveraberation [13.575063025878208]
能動音声修正のための新しいパラダイム:能動音声強調(ASE)について紹介する。
干渉抑制と信号の富化を協調的に最適化するタスク固有損失関数とともに,トランスフォーマー・マンバに基づく新しいアーキテクチャを提案する。
提案手法は,複数の音声処理タスクにおいて,デノベーション,デノベーション,デクリッピングなど,既存のベースラインを上回っている。
論文 参考訳（メタデータ） (2025-05-22T17:10:18Z) - Continuous Modeling of the Denoising Process for Speech Enhancement
Based on Deep Learning [61.787485727134424]
状態変数をデノナイジングプロセスを示すために使用します。
UNetのようなニューラルネットワークは、連続的復調プロセスからサンプリングされたすべての状態変数を推定することを学ぶ。
実験結果から, クリーンターゲットに少量の雑音を保存することは, 音声強調に有効であることが示唆された。
論文 参考訳（メタデータ） (2023-09-17T13:27:11Z) - Prosody-controllable spontaneous TTS with neural HMMs [11.472325158964646]
小型で不規則なデータセットから素早く学習できるTSアーキテクチャを提案する。
我々は既存のニューラルHMMベースのTSシステムに発話レベルの韻律制御を加える。
本研究では,2種類の難聴音声を合成するシステムの性能を評価する。
論文 参考訳（メタデータ） (2022-11-24T11:06:11Z) - Improving Noise Robustness of Contrastive Speech Representation Learning
with Speech Reconstruction [109.44933866397123]
実環境における音声認識システムの実現には,雑音の堅牢性が不可欠である。
雑音認識のための自己教師型フレームワークにより学習したノイズロスト表現を用いる。
ラベル付きデータのわずか16%で報告された最高の教師付きアプローチに匹敵するパフォーマンスを実現した。
論文 参考訳（メタデータ） (2021-10-28T20:39:02Z)
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。