第12回：音声処理と認知科学・言語学

この回の学習目標

1. 言語発達と音声知覚の主要理論（臨界期仮説・音韻発達）を説明できる
2. 認知科学的アプローチによる音声知覚研究の主要概念を理解できる
3. 神経多様性と音声処理の関係について多様な側面から説明できる
4. 人間と機械の音声認識の違いを批判的に比較・分析できる
5. 音声インタフェースが「バリア」にも「ツール」にもなりうることを議論できる

参加方法と配慮事項

• 発話によるディスカッションが難しい場合、Zoomチャット・共有ドキュメントへの書き込みを発言と同等に扱います
• カメラのオン/オフは自由です
• ディスカッションは「対話」を重視します。正解より「思ったことを共有すること」を大切にしています
• Zoomに参加できない場合はメールで考えをまとめて送ってOKです
• 自分の経験に関わる話題のため、気持ちの整理が必要な場合はいつでも退出してOKです

授業の流れ

この回の特別な文脈

神経多様性は、人々の神経・認知特性に多様性があることを指し、その多様性を尊重する視点にも結びつきます。

• 人の価値を能力差で序列化しないことと、具体的な困難や支援の必要性を認めることは両立する
• ディスレクシア・ADHD・ASD・聴覚処理上の困難は同一の状態ではない
• 診断名だけで個人の能力や好みを予測しない
• 当事者の視点を大切にし、本人が必要とする支援を考える

乳幼児の音声・言語発達

乳児は非母語の音の対比も弁別する場合があり、経験によって知覚が変化します。すべての言語音を区別できるという意味ではありません。

時期には個人差があり、知覚の絞り込みが10〜12か月で完全に終了するわけではありません。

出典：Werker & Tees (1984)、概観 Kuhl (2004)。詳しい条件・追加出典は講義本文を参照。

Kuhlの「知覚マグネット効果」

音韻カテゴリの典型例（プロトタイプ）の周辺で、近い刺激どうしの違いを区別しにくくなるという実験的現象。

• Kuhl（1991）は、母音の典型例と非典型例を用いて検討した
• 「磁石」は知覚空間の圧縮を説明する比喩
• 非母語の音が物理的に聞こえなくなることではない
• 日本語話者の英語 /l/・/r/ の弁別にも母語経験が影響するが、それだけでマグネット効果の実証にはならない

出典：Kuhl (1991)。詳しい条件・追加出典は講義本文を参照。

臨界期・感受性期と第二言語の学習

Lenneberg（1967）は、言語習得と発達段階の制約を論じました。

成人にも学習が起こることだけでは、あらゆる年齢効果を否定できません。SLM／SLM-rは母語と第二言語のカテゴリの関係や経験を扱います。

出典：Mayberry & Kluender (2018)。詳しい条件・追加出典は講義本文を参照。

カクテルパーティ効果と選択的注意

重なった声の中から、特定の話者に注意を向ける。課題や音響条件によって聞き取りは変わります。

注意していない側の重要な語にも気づく場合があることを説明します。全員が必ず自分の名前に気づくわけではありません。

注意の制御には、聴覚皮質や前頭・頭頂領域を含むネットワークが関わります。

音声分離技術と人間の知覚の比較

機能上の比較であり、機序が同じという意味ではありません。ビームサーチは文字列候補の探索で、選択的注意やビームフォーミングと区別します。

出典：Conv-TasNet。詳しい条件・追加出典は講義本文を参照。

ディスレクシアと音韻処理

単語の読みや綴りの正確さ・速さに持続的な困難を示す学習障害。現れ方は文字体系にも影響されます。

• 音韻処理の困難はよくみられるが、全員に共通する唯一の原因ではない
• 知的能力全般が低いことを意味しない
• 音韻意識、音韻的な短期記憶、語の音へのアクセスを分けて調べる

日本語の課題例：「しんかんせん」を「し・ん・か・ん・せ・ん」の6モーラに分ける。モーラ・音節・音素は別の単位で、「しん」は2モーラ・1音節です。

出典：International Dyslexia Association：2025年定義。詳しい条件・追加出典は講義本文を参照。

音声技術とディスレクシア

ツールとなりうる場面

• 音声入力（ASR）でテキスト入力の負担を軽減
• 読み上げ機能と組み合わせて文書作成を支援

新たな困難が生まれる場面

• 自分の発話が正確に認識されない → 逆にストレス
• 音声入力の誤りを「読んで確認する」必要がある

聴覚処理上の困難（APD）と音声技術

聴覚情報の神経的な処理に関する困難を指す概念。純音聴力検査だけでは説明しにくい、雑音下などの聞き取りの困難がみられることがあります。

• 「聴力が正常で聞き取りにくい」だけでAPDと判定はできない。言語や注意・記憶などとの区別が必要
• 字幕が補助になる場合があるが、正確さ・表示速度・読みの負荷も確かめる
• CARTは専門の文字通訳者によるリアルタイムの文字化サービスで、自動ASR字幕と区別する
• ASRも雑音で誤ることは、APDと同じ機序を持つ証拠ではない

出典：ASHA：Central Auditory Processing Disorder。詳しい条件・追加出典は講義本文を参照。

ASDと音声処理の多様性

個人差、刺激、課題、言語能力、会話の文脈を考慮します。

発話が少ないことと、理解や伝えたい内容が少ないことを同一視しません。状況による発話量の変化だけで「場面緘黙」とは呼びません。

出典：ASHA：Autism and Autism Spectrum Disorder。詳しい条件・追加出典は講義本文を参照。

AAC（拡大・代替コミュニケーション）

発話などによるコミュニケーションを補ったり代替したりする手段。発話がまったくできない人だけを対象としません。

BCIには埋込み電極から発話の試みをデコードする研究があります。頭皮脳波から自由な思考をそのまま読むという説明ではありません。

出典：ASHA AAC、BCIの原研究は本文参照。詳しい条件・追加出典は講義本文を参照。

人間と機械を、同じ課題・条件で比較する

WERは誤り率で、小さいほどよい。「95%正解」と「95% WER」は別です。会話理解全体と文字起こしの能力も区別します。

音声AIの公平性：研究の条件を読む

Koeneckeほか（2020）：当時の5社の英語ASRを、研究対象の黒人話者と白人話者の発話で比較し、WERに差を報告。

• 特定のデータ・話者・当時のシステムでの結果であり、すべてのASRや話者への結論ではない
• 性別・年齢・方言・アクセントの差を調べるときも、録音条件・内容・話者ごとの分布を確認する
• 観察された差を、訓練データの偏りという一つの原因だけに自動的に帰属させない

設計の問い：誰の利用状況で誤りが多いか。どんな負担が生じ、どう検証・改善できるか。

出典：Koenecke et al. (2020)。詳しい条件・追加出典は講義本文を参照。

ディスカッション（30分）

テーマ：「多様な神経特性を持つ人々にとって音声インタフェースはバリアかツールか？」

参加方法（どれでもOK）

• Zoom で発話による発表
• Zoom チャットへの書き込み
• 共有ドキュメントへの記入
• Zoom に参加できない場合はメールで考えをまとめて送ってOK

ディスカッション：考えるヒント

以下は議論用の仮想事例です。利用者全員の経験を表すものではありません。

• 視覚障害のある人とスマートスピーカー：定型操作が便利な一方、誤認識を画面以外で修正できるか
• 吃音のある人と音声アシスタント：発話途中で入力が終了しないか。利用者が待ち時間を調整できるか
• APDのある人と字幕AI：文字が聞き取りを補助するか。表示速度や誤りが負担にならないか

設計者の視点：技術的要因、操作・修正の方法、使う場所や相手、本人の選好を分けて考えましょう。

振り返りフォーム

授業後、Google Formsまたはメールで振り返りを提出できます（任意）。

• 印象に残ったこと・気づいたこと
• 考え方が変わった点・深まった視点
• 授業の進め方や配慮についてのコメント（匿名可）

提出期限は授業で案内します。採点する場合は小課題・演習30%の範囲で扱い、匿名の授業改善コメントは採点と分けます。

第13回（動画回）：応用事例と社会的インパクト

• 生成AI音声偽造（Deepfake）の仕組みと社会的影響
• 音声AIにおけるバイアスの問題
• 検出技術の現状（ASVspoof）
• 倫理的ガイドラインと規制動向