技術開発ニュース　No.168

• 
• カテゴリ： 技術開発ニュース
• 作成日： 2024/03/12 18:00:00
• 要約：

---

• 目次
• 1. 表紙
• 2. ご挨拶・ご案内
• 3. 目　　次
• 4. 研修カレンダー・受講企業さまの声
• 5. 階層別
•      5. 新任管理者研修
•      5. 職場を円滑に！若手リーダー研修（福井）
•      5. 中堅管理者研修
•      6. 職場を円滑に！若手リーダー研修（金沢）
• 6. 組織マネジメント
•      6. 実践的仕事管理術（基本編）
•      6. 部下指導のためのコーチング講座
•      7. DX&人手不足時代に立ち向かう「地力」養成講座
• 7. 人事・組織
•      7. 本気で人財定着・育成・採用に取り組む管理者養成講座
•      8. 人手不足時代の人材「財」戦略
• 8. 財務管理
•      8. 決算書の読み方基礎講座
•      8. 財務分析講座
• 9. 生産管理
•      9. わかる・できる！５S入門講座
•      9. モノづくり企業にマストな「問題解決力」養成講座
• 9. 助成金制度について
• 9. 感染症対策について
• 10. 受講手続き
• 10. オンラインから簡単にお申込み
• 11. 経営後継者研修
• 11. 中小企業のための少人数制オンライン研修
• 12. 裏表紙

---

• 
• ページ： 53
• 研　究　成　果 第 3 表　音声認識性能評価 4 Model 評価 （1）評価データ CSJ-Transformer 33.9 CSJ-Transformer +FT 17.6 CSJ-Transformer +FT +TTS 16.8 　日本語に関しては、研究開発に利用可能な十分な質量の音 第 4 表　TTS データ拡張による未知語学習の効果 声対話と要約の評価データが整備されておらず、今回独自に 模擬会議コーパスの収録を行った。収録にあたっては、マルチ チャネル録音装置と話者数分のピンマイクを用意し、各話者の 胸元にマイクを装着して話者に対応する音声チャネルを記録し た。評価に用いた模擬会議データの概要を第 2 表に示す。 時間長 (min) 収録場所 話者数 58 64 会議室 B 5 3. 音声書き起こし業務説明 61 会議室 A 会議室 C 4 5. 音声書き起こし業務進捗確認 33 会議室 C 会議室 C 4 1. 情報セキュリティ 2. 画像アノテーション業務説明 4. コロナ＆テレワーク 6. 他の業務の作業付与 7. 安全衛生、コンプライアンス 70 14 64 データ拡張なし あと一違うい知かなもうそっか あそれが出た事あって 社員者もだから データ拡張あり あと非通知 違う非通知 からもう うっかりそれが出たことあって 社員証もだから （4）要約 　今回用いた LLM はオープンソースとして公開されている 第 2 表　模擬会議データの概要 議題 CER (%) 会議室 C 会議室 A Llama2 の日本語モデル（ELYZA-Llama-2-instruct、パラ メータ数 70 億、130 億）である。試行評価では、別途収 録した模擬会議（議題「議事録の要約学習データ作成業務 4 説明」、話者 4 名、時間長 21min）の音声認識結果（人手 3 第 5 表に示す。 4 3 （2）発話分割と話者識別 修正あり）を用いた。要約で用いたプロンプトと要約例を 　同表より、モデルのパラメータ数に着目すると 70 億と 比較して、130 億のほうが具体的で要旨を捉えた生成結果 になった。また、プロンプトに条件を与えることにより、 　モデル学習には日本語講演音声コーパス CSJ に含まれ 口語調の対話からフォーマルな様式の要約文が生成できる る 3,212 講演からランダムに選択した 2 話者の発話を組 ことがわかった。なお、ファインチューニングの効果につ み合わせて作成したシミュレーション対話を使用した。 いては、執筆時点で会議要約の学習データが十分用意でき また、評価データは第 2 表のコーパスから 4 セッション なかったため、今後の検討課題である。 （2,3,4,6）を用いた。 　実験では評価指標として検出誤り率 DER を用い、30.8% という性能が得られた。パワーが大きく周波数帯域が類似 した話者はラベルの間違いが発生することがあるため、こ のようなエラーの低減は今後の課題である。 （3）音声認識 　音声認識の基本性能、および前述の TTS によるデータ 拡張の有効性を評価するため、第 2 表のコーパスを用い た実験を行った。模擬会議コーパスのうち 4 セッション （5,663 発話）を学習データ、3 セッションを評価データ （4,616 発話）として用いた。 　実験では、以下の 3 つの条件設定で性能比較を行った。 「CSJ-Transformer」は日本語講演音声 CSJ で事前学習さ れ た ベ ー ス ラ イ ン モ デ ル。「CSJ-Transformer +FT」 は 模擬会議コーパスでファインチューニングしたモデル。 「CSJ-Transformer +FT +TTS」は、人間系で作成した未 第 5 表　会議音声要約のプロンプトと要約例 議題「議事録の要約学習データ作成業務説明」 プロンプト : あなたはプロの編集者です。これから⽂章を渡すので、以 下の条件に従ってその要約を作成してください。 # 条件 ・重要なキーワードを取りこぼさない。 ・ 「あー」や「えーと」など、⾔い淀み（間投詞、フィラー）を取り除く。 ・⽂章の意味を変更しない。 ・架空の表現や⾔葉を使⽤しない。 要約例 : ELYZA-Llama-2-7b-instruct（パラメータ数 70 億） 学習データの作成のために、議事録の要約を行う必要がある。議事録 は、日時、場所、出席者、発言内容などの項目から構成されている。ま た、議事進行の方の話の要点を書き、それに対して質問をしている姿を 想像できるような感じでまとめる。 要約例 : ELYZA-Llama -2-13b-instruct（パラメータ数 130 億） 業務の⼀つとして、議事録の要約作成がある。議事録は厚⽣労働省のワ クチン打ち合わせの会議のものを例に、分割して作成することが推奨さ れる。司会者が議事内容をまとめている箇所を抽出し、要約とする⽅針 で作業を⾏う。今回は、地震津波に関する会議の例を 20 点ほど頂いて おり、要約は⼿間がかかるが、量は多くないため、1 枚程度にまとめる のが適切である。 知語を含む 414 の例文を TTS でデータ拡張してファイン チューニングしたモデルである。学習時のミニバッチにお けるリアルデータと拡張データの割合は 2:1 とした。 　 評 価 結 果 を 第 3 表 に 示 す（ 評 価 指 標 は 文 字 誤 り 率 5 まとめ CER） 。同表から、ベースラインに対し模擬会議音声で 　本研究では議事録作成の前段階として、会議における音 ファインチューニングを行った効果が確認できる。また、 声対話の要約技術の検討を行い、実現性を確認した。（本 TTS データ拡張によって未知語が学習され、CER が低減し 研究は㈱ Human Dawaware Lab. との共同研究として実 ていることがわかる。データ拡張の有無によって改善した 施した） 発話の例を第 4 表に示す（太字が例文で学習された未知語） 。 技術開発ニュース 2024.03／No.168 52 
• ▲TOP

---

• 前ページへ
• 次ページへ
• 一覧へ