INTERSPEECH2024から見る音声認識研究の動向 - Ridge-institute R&D Blog

はじめに INTERSPEECH 2024から見る音声認識研究の動向 複数話者の音声認識 複数言語の音声認識 デコーディング処理 文脈バイアス 表現学習 その他トピック まとめ 参考文献 はじめに 前回の記事では音声認識の基本と代表的な大規模学習済みモデルを紹介させていただきました。 音声認識や音声合成はさまざまなアプリケーションで目にする機会が増えました。一方で、現在の技術でもまだまだ課題はあります。 本稿は近年の研究モチベーションを代表的なタスクである音声認識をベースに紹介させていただきたいと思います。 INTERSPEECH 2024から見る音声認識研究の動向 本稿は、音声認識を扱う国際会議のINTERSPEECHを中心に、近年の研究の動向をまとめたいと思います。 複数話者の音声認識 音声認識の応用が広がる中で、研究領域でもより実応用を想定したタスクへの拡張が行われています。 その一