SpeakerBeam: 聞きたい人の声に耳を傾けるコンピュータ──深層学習に基づく音声の選択的聴取

摘要

パーティ会場などの騒がしい環境の中でも，人は，聞きたい人（目的話者）の声に注目して，その声を聞き取ること（選択的聴取）ができます．一方，従来のコンピュータでも，話者の位置が分かっていれば，その位置から来る音だけを抽出することはできました．これに対し，本稿では，目的話者の声の特徴だけが分かっているときに，深層学習技術を用いて，その特徴に合致する声を抽出する新しい技術SpeakerBeamを紹介します.