权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Speech Synthesis based on the sense of physical and psychological distance from the user

基于与用户的身体和心理距离感的语音合成

基本信息

批准号：
21K17784
负责人：
村上遥
金额：
$ 3万
依托单位：
National Institute of Informatics (2022)Kobe University (2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K17784/
关键词：
近接学音声合成コミュニケーション Deep learning HCI VR

项目摘要

今年度は対話時に人が物理的距離に応じて発声を変えると言う、物理的距離感に関し実証する実験を行った。今後の音声合成、分析のため音声収録も行った。二種類の検証を行い、いずれも被験者４名で１グループ、１名が発話者、３名が聴き手となり役割を交代して実施した。一つ目は聴き手が呼びかけ角度の異なる声を聞き分けられるか調べる実験で、聴き手役３名を互いに1.5m程度の間隔で発話者に背を向け横一列で並んでもらい、それに対し発話者役が中心の聴き手から1m, 3m, 4mの距離から、実験実施者が指で指示した聴き手に「こんにちは」等と呼びかけてもらうものである。この試行は各距離ごとに9回行った。聴き手役は誰が呼ばれたかの判断を指で示した。距離間隔は、固体距離、社会距離、公共距離(Hall, 1966)に位置するよう設定した。４名の被験者実験の結果、1mでは聴き手役の平均正解率は0.889、3mでは0.815であった。ところが、4mでは0.259とチャンスレベルの0.333を割り、3mから4mへの違いで急激な低下が生じた。4mでは端と中央の聴き手のどちらが呼ばれたかを間違える被験者が急増した。4mは各人に対し意識を向けなくなる公共距離であることが影響している可能性がある。二つ目は聴き手役３名を発話者役から1m, 2.5m, 4mの距離に斜め１列に並ばせ、距離感の異なる声を聞き分けられるか、一つ目と同様の実験を行った。距離感が普遍的か検証するため、日本人被験者グループ４つ、非日本語話者グループ４つの計32名の被験者に協力頂いた。呼びかける言葉を予め決め、前者は日本語で約11種類、後者は約16種類とした。結果、判別率が最も高い言葉は"Hey"で0.787、最も低い言葉は各人の母国語の「すみません」となった。いずれもチャンスレベルを大きく上回る正解率で、物理的距離により人が発声を変えている現象を実証した。

This year's speech is about physical distance, speech, physical distance, and behavior. In the future, sound synthesis, analysis and sound recording will be carried out. Two types of evidence, one in the middle, one in the middle, one in the middle, The distance between the speaker and the speaker is 1.5m. The distance between the speaker and the speaker is 1m, 3m, 4m. The distance between the speaker and the speaker is 1m, 3m, 4m. The distance between the speaker and the speaker is 1m, 3m, 4m. The distance between the speaker and the speaker is 1m, 3m, 4m.この试行は各距离ごとに9回行った。Who is the judge? Distance Distance, solid distance, social distance, public distance (Hall, 1966) Position setting The average correct solution rate of 4ところが、4mでは0.259とチャンスレベルの0.333を割り、3mから4mへの违いで急激な低下が生じた。4m 4. The public distance of consciousness Two eyes, three hands, three speakers, one distance, one diagonal, one column, one distance, one different sound, one eye, one same sound, one line. Distance perception is common among Japanese, Japanese, and non-Japanese speakers. The former is about 11 kinds of Japanese, while the latter is about 16 kinds. The results showed that the highest discriminant rate was 0.787 for "Hey" and the lowest for "" for each parent language. In the middle of the night, there is a big change in the number of people.