Web上に投稿された動画と字幕データによる音声データベース構築

摘要

動画投稿サイトに投稿された動画の音声情報とその動画に付随するユーザー作成の字幕データを利用し，発話音声データとそれに対応付けられた書き起こしデータをWeb上から入手し，データベースを作成する．作成したデータベースは機械学習などの音声研究に役立つことが期待できる．音声と字幕を取得するのは容易だが，音声データに発話以外の要素（BGMや効果音など）が含まれるケースも多いため，そのまま利用するとデータべースとしては不完全なものになってしまう．本研究ではその対策方法について検討した．