Upgrade to Pro — share decks privately, control downloads, hide ads and more …

話者分離を例とした_UX改善のための評価指標_データセット作成の重要性_山口_.pdf

Nishika-Inc
November 11, 2026
34

 話者分離を例とした_UX改善のための評価指標_データセット作成の重要性_山口_.pdf

Nishika-Inc

November 11, 2026

Transcript

20 slides
  1. EngとBizでの感覚の違い · 課題 データと指標がEngとBizで違う データ: 評価に使う会議の種類・話者構成に偏り → 実ユースケースに合わせてデータを拡充 指標: DER

    は「秒」で数える → 短く話す人が消えても、数字に出にくい DER = 間違えた秒数 ÷ 全体の秒数 ※イメージ 音声 正解 予測 0分 佐藤 田中 間違えた区間 30分 60分 間違いは数% → でも 田中は丸ごと消えている 6
  2. EngとBizでの感覚の違い · やったこと ユーザーには、こう見えている 💬 これ間違えてるんだけど! speaker_0 が違う ラベルから見る →

    Precision 文字起こし画面 00:12 00:15 00:21 00:30 speaker_0 speaker_0 speaker_1 speaker_0 💬 私がどれかわからないんだけど! (鈴木) 本人から見る → Recall 本日はよろしくお願いします よろしくお願いします 実は 鈴木 では、議題から始めましょう 鈴木 資料は共有済みです ※イメージ (仮名) 8
  3. EngとBizでの感覚の違い · やったこと 当たり外れを、話者ごとに数える 正解 \ 表示 佐藤 女 田中

    男 鈴木 男 Precision speaker_0 speaker_1 → 佐藤 20 3 1 83% → 鈴木 Recall 62% 92% Recall 100% 0% Precision 男女の取り違え 13% (4/30) 6 86% 行単位の accuracy なら 87% (26/30) ※架空の会議 100% 9
  4. アノテーション · 状況 3ヶ月で、データを5倍に データ量を3ヶ月で 5倍 にしたい 作業者でラベルの付け方に差 じっくり派 /

    スピード派 単調で、作業者の負担が大きい これまで: Audacity で1区間ずつ手入力 ※イメージ 音声 ラベル y a m 範囲を選ぶ → 話者名を打つ、を最後まで繰り返す 11
  5. リアルタイム話者分離 · 状況 リアルタイムは、UXが違う 少ない情報のまま、話者を判定 しなければならない ユーザーの本音: 「早く出してほ しい。でも間違いは嫌」 •

    LIVE リアルタイム文字起こし 田中 本日はよろしくお願いします 佐藤 よろしくお願いします 田中 ※イメージ ✓ 声紋認証で特定 ✓ 声紋認証で特定 では、議題から始めましょう 15
  6. リアルタイム話者分離 · やったこと リアルタイム特有の評価指標を追加 声紋なし 💬 始まってすぐ、正しく分けたい 最初の印象 2回目も同じ speaker_N

    か • LIVE リアルタイム文字起こし ※イメージ 田中 本日はよろしくお願いします 初出の当たり 最初に出た名前は本人か 佐藤 よろしくお願いします 全員 💬 コロコロ変えないでほしい 田中 声紋あり 💬 すぐ名前で出してほしい チラつき 出た名前が書き換わった回数 ✓ 声紋認証で特定 ✓ 声紋認証で特定 では、議題から始めましょう 17

More Decks by Nishika-Inc