声の性別予測システムを用いた、トランスジェンダーの声の移行評価

Concepts de base

声の性別を連続的な指標で表現するシステムを開発し、トランスジェンダーの声の移行過程を評価する。

Résumé

本研究では、声の性別を連続的な「声の女性性パーセンテージ(VFP)」として表現するシステムを開発した。41人のシスジェンダーおよびトランスジェンダーの話者から収集したコーパスを用いて、57人の参加者による知覚評価実験を行い、VFPを定義した。

次に、2D CNNおよびX-vectorベースの機械学習モデルを構築し、VFPの予測を行った。シスジェンダーの声に対しては非常に高い精度(R2 > 0.99)が得られたが、トランスジェンダーの声に対しても良好な精度(R2 = 0.94)が得られた。これは、基本周波数やvocal tract lengthのみに基づく従来の手法よりも優れている。

モデルの性能は話者の年齢によって変化し、高齢者ほど精度が低下する傾向がみられた。これは、声の特徴が年齢とともに変化することを示唆している。

本システムは、トランスジェンダーの声の移行過程を支援するツールとして活用できると期待される。今後は、実際のユーザーを対象とした評価や、自然会話音声への適用などが課題となる。

Stats

シスジェンダーの話者の声は女性と認識される割合が99.6%、男性と認識される割合が0.4%であった。
トランスジェンダーの話者の声は女性と認識される割合が47.6%、男性と認識される割合が47.4%であった。
反応時間は、シスジェンダーの話者の声が3.4秒および3.7秒、トランスジェンダーの話者の声が6.2秒であった。

Citations

"声は、特に性別アイデンティティーの主要な構成要素の1つである。"
"声の基本周波数(F0)は性別の判断に重要な要素だが、声質(特に共鳴周波数)や韻律、発話リズム、語彙も重要な手がかりとなる。"
"トランスジェンダーの人々の声の移行を支援する際、声の性別をどのように評価するかが重要な課題となる。"

Idées clés tirées de

Voice Passing : a Non-Binary Voice Gender Prediction System for evaluating Transgender voice transition

by Davi... à arxiv.org 04-24-2024

https://arxiv.org/pdf/2404.15176.pdf

Questions plus approfondies

本システムを実際のユーザーに適用した場合、どのような評価や要望が得られるだろうか。

このシステムを実際のユーザーに適用する場合、ユーザーからは以下のような評価や要望が得られるでしょう。

評価：ユーザーは、声の性別推定の精度や適合性について評価を行うことが予想されます。特に、トランスジェンダーの方々や声の変化を求める方々からは、自身の声がどのように認識されるかに関する正確なフィードバックが重要となるでしょう。
要望：ユーザーは、システムの使いやすさや実用性に関する要望を提出する可能性があります。また、声のトレーニングや進捗のモニタリング機能の強化や、声の変化に関する個別のフィードバック機能の追加など、さらなる機能拡充が求められるかもしれません。

自然会話音声に対してもこのシステムは有効に機能するだろうか。

このシステムは、自然会話音声に対しても有効に機能する可能性があります。ただし、現在の研究では読み上げ音声に焦点を当てており、自然な会話音声に対する効果を確認するためにはさらなる研究やテストが必要です。自然な会話音声においても声の性別推定や声のフィーチャー抽出が正確に行われることで、このシステムは有用性を発揮する可能性があります。

声の性別以外の要素(年齢、感情、健康状態など)を推定することはできないだろうか。

声の性別以外の要素（年齢、感情、健康状態など）を推定することは、このシステムの機能拡張の一環として考えられます。現在の研究では、声の性別推定に焦点を当てており、他の要素についての推定は行われていませんが、同様のアプローチを用いて他の声の特性を推定することは可能です。追加の機能やモデルを組み込むことで、声の年齢や感情、健康状態などの要素を推定するシステムを開発することができるかもしれません。これにより、より包括的な声の特性分析や応用が可能となるでしょう。