講義音声の認識・要約・インデックス化の検討(要約・分割)

概要

論文の詳細を見る
本稿では、大学院における講義音声を対象として行った音声自動書き起こし、要約、およびセグメンテーション/インデキシングといった一連の自動処理について報告する。これらの処理は視聴者が、動画や音声といったいわゆるマルチメディア情報をより効率よく利用できるようにするために不可欠な技術である。講義音声においては,ビデオ映像とあわせて要約やインデックスを付加することによって、利用者の学習効率の向上が見込まれる。我々はまず、講義を録音する際に問題となる収録方法が認識性能に及ぼす影響を調べた。その結果、収録方法の違いによって、単語正解精度に最大23,9%の差が現れることがわかった。また、音声認識結果を利用した要約実験では、κ値で平均0.389という結果が得られたが、人間による要約の平均値0.484とはまだ大きな隔たりがあった。箇条書き形式のスライドの各項目と文とを対応付けるセグメンテーション実験においては、ベースラインとして設定した時間均等や文均等分割と同程度の結果であるなど、課題が残る結果となった。スライド中のキーワードや発話内容からインデキシングする方法は、講義音声の視聴に有効であることがわかった。
一般社団法人情報処理学会の論文
2006-07-07

講義音声の認識・要約・インデックス化の検討(要約・分割)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク