世界最大級の音声処理技術の国際会議「Interspeech 2026」で、朝日新聞社メディア研究開発センターの論文が採択

朝日新聞社メディア研究開発センターの論文が、音声処理の国際会議「Interspeech 2026」に採択されました。
論文では、AIモデルを小型化しながら、雑音の中から人の声を取り出す新手法「QC-GAN」を提案しています。
代表的な評価用データセットで、約89万パラメータのモデルが従来の最先端モデルと同等の音質を実現しました。

記事の概要

朝日新聞社メディア研究開発センターの論文が、音声認識や音声対話などを扱う国際会議「Interspeech 2026」に採択されました。
論文の主著者は、同センターの山内将吾氏です。
論文は、雑音の中から人の声を取り出す音声強調技術の新手法「QC-GAN」を提案しています。
QC-GANでは、音の大きさとタイミングの情報を扱える数学的手法の四元数を活用しています。
さらに、聞き取りやすさの向上を目的とする学習手法「MetricGAN」も組み合わせています。
代表的な評価用データセットでは、約89万パラメータで従来の最先端モデルと同等の高音質を実現しました。
約3万5千パラメータまで小型化した場合も、従来の軽量手法を上回る品質を実現しました。
朝日新聞社は、取材音声のノイズ除去や文字起こし、「ALOFA」への技術転用を検討しています。

記事のポイント

1. 四元数で位相を保持： 四元数を活用し、音の大きさとタイミングの情報を少ない計算資源で効率よく扱う手法です。
2. 小型モデルで高音質： 約89万パラメータで従来の最先端モデルと同等の音質を実現し、約3万5千パラメータでも軽量手法を上回りました。
3. 報道現場への応用： 取材音声のノイズ除去や文字起こしに加え、音声書き起こしサービス「ALOFA」への転用を検討しています。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

世界最大級の音声処理技術の国際会議「Interspeech 2026」で、朝日新聞社メディア研究開発センターの論文が採択

株式会社朝日新聞社のプレスリリース（2026年7月24日 11時00分）世界最大級の音声処理技術の国際会議「Inters…