Murata Lab

音声認識モデルでは、音声を文字に変換する際に、実際には話されていない言葉や文章を何度も繰り返して出力する「ループエラー」が起こることがある。しかし、モデル内部のどの部分が原因となっているのかは、まだ十分に分かっていない。本研究では、日本語の自然な会話を対象に、ループが起きたときにモデルが音声と過去の出力をどのように参照しているのかを調べる。最終的には、ループが起こる仕組みを明らかにし、通常の認識精度を保ちながらループを減らすことを目指す。