LINE WORKS株式会社の音声学習手法、Interspeech 2026に採択

LINE WORKS株式会社が、音声とテキストの対応づけを学習する新手法「MixProLAP」を提案した論文を発表しました。
同論文は、音声・音響信号処理の国際学会「Interspeech 2026」に採択されました。
学習データに使っていない音声データで、従来手法を上回る結果を示しています。
論文は2026年9月27日から10月1日に、オーストラリア・シドニーで発表されます。

記事の概要

「Interspeech」は、International Speech Communication Association（ISCA）が主催する音声・音響信号処理の国際学会です。
今回採択された論文の著者は、Yu Nakagome氏、J aesong Lee氏、Soo-Whan Chung氏です。
MixProLAPは、音声と、その音声を説明するテキストをAIに対応づけて学習させる手法です。
2つの音声を重ね合わせ、音声と説明文の両方に意味のあいまいさを反映させます。
混ぜる比率を9対1、7対3、5対5などに変え、あいまいさの度合いも学習させます。
先行研究のProLAPは音声の一部を隠すマスキングを使っていましたが、瞬間音や持続音に課題がありました。
実験では、音から説明文を当てるタスクで従来手法を一貫して上回り、未使用データで差が大きくなりました。
同社は今後、MixProLAPの発展やプロダクトへの適用、新たな機能・サービスの創出を目指します。

記事のポイント

1. 音声を重ねて学習： 2つの音声を異なる音量比で重ね、元の音の意味を保ったまま、あいまいさを学習させます。
2. テキストも対応： 混ぜた音声に合わせて説明文も結合し、音と文章の対応関係がずれないように学習します。
3. 異常検知に応用： 同社は、MixProLAPによる音と言語の対応づけを、映像・音声からの異常検知などへの応用を見込んでいます。

このニュースがもたらす影響

• 導入を検討する企業： 環境音や物音を扱う企業は、学習データにない音への対応を重視し、異常検知などでの実用性を検証する必要が生じそうです。
• 音声AI提供企業： 未使用データで従来手法との差が広がったことから、瞬間音や持続音を含む実環境での汎化性能が、サービス差別化の評価軸になり得ます。
• 音声AI開発者： 音声を隠す従来の拡張だけでなく、混ぜる比率を変えて意味のあいまいさを学習させる設計が、学習手法の選択肢になりそうです。

このニュースの背景

音声とテキストの対応関係には、1つの音に複数の説明が結びつくあいまいさがあります。
先行研究のProLAPは音声の一部を隠してあいまいさを学習させていましたが、瞬間音では音の本質が失われ、持続音では意味の差異を生み出しにくい課題がありました。
MixProLAPは2つの音声を異なる比率で重ね、対応するテキストも結合することで、音声と説明文のあいまいさを段階的に学習させます。
実験では未使用データで従来手法との差が大きくなり、同社は今後、異常検知などへの応用やプロダクトへの適用を目指しています。

関連するニュース

• 株式会社ナレッジセンスは、ChatSenseで社内資料から音声ブリーフィングを生成する機能を近日中に提供予定です。
• PKSHA Technologyは、複数の音声AIエンジンを単一APIで切り替える「PKSHA Voice KIT」を提供開始しました。

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・音響信号処理の国際学会「Interspeech 2026」にて、LINE WORKSの論文が採択

LINE WORKS株式会社のプレスリリース（2026年8月25日 11時00分）世界最大級の音声・音響信号処理の国際学…