音声処理と認識
小野原彩香 ／ 北星学園大学
この回は動画回です。Google Formsでテストを受けてください。
この回は動画視聴とCBTが中心です。 字幕付き動画を利用するなど、やれる範囲で自分のペースで進めてください。 テストは持ち込み可（紙メモ）。 時間や方法について相談があればメールでご連絡ください。
「電話で家族の声を聞いたとき、その声が本人のものか、どう確認しますか？」
この回の問い：技術で何ができるか。どんな影響があるか。利用・評価・本人確認をどう設計するか。
出典：FCC（2024）、FTCの資料は本文参照。詳しい条件・追加出典は講義本文を参照。
排他的な「第1〜第5世代」という標準分類ではありません。波形生成器・TTS全体・話者への適応は別の比較軸です。
出典：WaveNet、各モデルの原論文は本文参照。詳しい条件・追加出典は講義本文を参照。
Zero-shot TTS：対象の新しい話者について追加のパラメータ学習をせず、学習済みモデルを利用する設定。
出典：VALL-E原論文。詳しい条件・追加出典は講義本文を参照。
方式は組み合わせられます。TTS・VCという課題の分類とも区別します。AudioLDMは環境音等も扱い、話者クローン専用ではありません。
出典：Voicebox：非自己回帰フローマッチング。詳しい条件・追加出典は講義本文を参照。
香港の事件は映像と音声を使ったものです。発生年と公表年、金額と通貨、事件と注意喚起を分けて読みます。
出典：香港政府（2024年6月26日）、FCC・FTCは本文参照。詳しい条件・追加出典は講義本文を参照。
検出スコアは「本人である確率」「詐欺である確率」と同じではありません。配信元や独立した確認経路も使います。
出典：ASVspoof 5評価計画。詳しい条件・追加出典は講義本文を参照。
声の模倣を、緊急の金銭要求や、メール・会議映像によるなりすましと組み合わせる場合があります。
出典：米FTCの本人確認の勧告。詳しい条件・追加出典は講義本文を参照。
Liar’s Dividend（嘘つきの配当）：偽造技術が知られることで、本物の不都合な証拠にも「偽物だ」と疑いを向け、責任を逃れやすくなる問題。
Chesney & Citron（2019）がこの名称で論じました。単に詐欺師が金銭的利益を得ることではありません。
出典：Chesney & Citron (2019)。詳しい条件・追加出典は講義本文を参照。
声質、実演・録音物、氏名・肖像の利用、契約は別の検討対象です。（2026年10月19日時点）
声質の模倣に著作権法上の保護が及ばない場合でも、他の権利・契約が問題になり得ます。文化庁の検討も参照。
スペクトル解析と機械学習は排他的な二分類ではありません。音響特徴を分類器へ入力する方法もあります。
出典：AASIST原論文、その他は本文参照。詳しい条件・追加出典は講義本文を参照。
EER：2種類の誤り率が等しくなる付近の値。t-DCF：検出器と照合器を組み合わせたコスト。
第5版の主指標はTrack 1がminDCF、Track 2がmin a-DCF。実際の電話詐欺での性能は別に検証します。
訓練データの代表性は重要な仮説です。平均WERの差だけで、原因を一つに確定することはできません。
Koeneckeほか（2020）の差は、研究対象の話者・音声と当時の5社のASRによる結果として読みます。
出典：Koenecke et al. (2020)。詳しい条件・追加出典は講義本文を参照。
取組の例：GoogleのProject Euphoniaによる非定型的な発話の研究、Mozilla Common Voiceによる参加型の音声収集。
取組の存在と、全利用者で十分な性能が得られたことは別です。
出典：Project Euphonia (2025)。詳しい条件・追加出典は講義本文を参照。
2024年発効・段階的適用。以下は2026年10月19日時点。
文字起こし・話者照合・感情推定は別用途です。「音声AIがすべて禁止／一律に高リスク」とは読めません。
"Just because you can, doesn't mean you should." （できることと、すべきことは別の問いです）
技術者が直面する倫理的ジレンマの例
一緒に考えましょう
音声処理・音声認識の技術者として、あなたはどのような社会を作ることに加担したいですか？
公開音声だから用途を問わず自由に使えるとは限りません。法律上の義務、契約、倫理上の指針を分けて確認します。
出典：IEEE Ethically Aligned Design（2019）。詳しい条件・追加出典は講義本文を参照。
全6問・各問4択・30分。紙メモを持ち込めます。時間や方法についての相談はメールで受け付けます。
小課題・演習30%の範囲で扱います。提出期限・提出先は授業で案内します。
第14回（オンライン同期）：まとめと最終発表
発表が困難な場合は、事前録画・スライド+テキスト・書面レポートでの代替が認められています。
「AIが怖い」「AIは全部信頼できない」といった極端な結論ではなく、バランスのとれたリテラシーを目指す
生成・検出技術に加え、情報リテラシー、報道やプラットフォームの対応、訂正・本人確認の手続を考える。
把握したリスクを記録・共有し、役割に応じた対処と評価を考える。責任の法的範囲と倫理的な指針は区別する。