[論文レビュー] Breaking barriers for people with voice disabilities: Combining virtual keyboards with speech synthesizers, and VoIP applications

Paulo A. Condado, Fernando G. Lobo|ArXiv.org|Jun 20, 2006

Gaze Tracking and Assistive Technology参考文献 10被引用数 3

ひとこと要約

本論文では、音声と運動機能に障害を有する人々、特にてんかん性麻痺を有する人々がインターネットを通じて口頭で会話できるようにする、テキスト対音声（TTS）合成とバーチャルキーボード、VoIPアプリケーションを統合した新規システムEasyVoiceを提示する。既存の技術を組み合わせることで、ユーザーがバーチャルキーボードを介してメッセージを入力し、それをリアルタイムで音声に合成し、VoIPを通じて送信する仕組みを実現し、通信のアクセシビリティと自立性を顕著に向上させる。

ABSTRACT

Text-to-speech technology has been broadly used to help people with voice disabilities to overcome their difficulties. With text-to-speech, a person types at a keyboard, the text is synthesized, and the sound comes out through the computer speakers. In recent years, Voice over IP (VoIP) applications have become very popular and have been used by people worldwide. These applications allow people to talk for free over the Internet and also to make traditional calls through the Public-Switched Telephone Network (PSTN) at a small fraction of the cost offered by traditional phone companies. We have created a system, called EasyVoice, which integrates speech synthesizers with VoIP applications. The result allows a person with motor impairments and voice disabilities to talk with another person located anywhere in the world. The benefits in this case are much stronger than the ones obtained by non-disabled people using VoIP applications. People with motor impairments sometimes can hardly use a regular or mobile phone. Thus, the advantage is not only the reduction in cost, but more important, the ability to talk at all.

研究の動機と目的

• 従来の電話機を使用できない、音声および運動機能に障害を有する人々が直面するコミュニケーションの障壁に対処すること。
• インターネット上でのリアルタイムの口頭コミュニケーションを、重度の言語および運動機能障害を有する人々が利用できる、低コストでアクセス可能なソリューションを開発すること。
• 既存の技術（テキスト対音声、バーチャルキーボード、VoIP）を統合し、障害者に特化した使いやすいインターフェースを提供すること。
• 友人、家族、同僚と独立して会話できるようにすることで、社会的および教育的統合を促進すること。
• 基本的なテキスト入力にとどまらず、インターネット電話によるライブ音声出力を可能にすることで、支援技術の範囲を拡張すること。

提案手法

• システムは、Mbrola音声合成器を用いて最適なTTS出力を得るために、ポルトガル語のテキストを事前処理するカスタムテキスト変換エンジンを採用している。
• 運動機能に制限があるユーザーがヘッドトラッキングやアイトラッキングなどの代替入力方法を用いて、バーチャルキーボード（例：Voice Touch）を介してテキストを入力できる。
• テキスト入力は、発音および抑揚のルールを適用するルールベースの変換システムを経由して処理され、音声の自然さと聞き取りやすさが向上する。
• 処理されたテキストは、調整可能なピッチを備えたMbrolaベースのTTSエンジンに供給され、より自然な音声が生成される。
• 合成された音声は、SkypeなどのVoIPアプリケーションを通じてルーティングされ、インターネット上でのリアルタイム音声通信が可能になる。
• システムは、Toshiba Librettoなどの軽量デバイスに展開可能で、ポータビリティと移動性を高める設計となっている。

実験結果

リサーチクエスチョン

• RQ1 既存の支援技術（テキスト対音声、バーチャルキーボード、VoIP）をどのように統合することで、音声および運動機能に障害を有する人々向けの新しいアクセシブルな通信ソリューションを構築できるか？
• RQ2 TTS対応のバーチャルキーボードシステムは、てんかん性麻痺および重度の運動機能障害を有する人々のコミュニケーションの自立性をどの程度向上できるか？
• RQ3 現在の支援通信システムには、インターネット上でのリアルタイムで音声ベースのやり取りを可能にする上で、どのような実用的限界があるか？
• RQ4 ヘッドモーションやアイモーションに限定されたユーザーを支援できるように、システム設計をどのように適合できるか？
• RQ5 ユーザーインターフェース設計は、障害者ユーザーにおける支援通信ツールの使いやすさと採用率を向上させる上で、どのような役割を果たすか？

主な発見

• EasyVoiceシステムは、音声および運動機能に障害を有するユーザーがVoIPを通じて合成音声で会話できるようにし、従来の電話への代替手段として実用的であることが確認された。
• Voice Touchバーチャルキーボードを用いた実験では、重度の運動機能障害および非言語性てんかん性麻痺を有する人々が、効果的にメッセージを入力・送信できることを示した。
• ルールベースのテキスト事前処理とMbrola TTSエンジンの統合により、特にポルトガル語において音声品質と聞き取りやすさが向上した。
• Toshiba Librettoなどの軽量デバイスへの展開により、システムのポータビリティが向上し、ユーザーの移動性と実世界での利用可能性が高まった。
• システムアーキテクチャは拡張可能であり、多言語TTSエンジンへの将来的な統合をサポートしており、英語およびその他の主要言語が今後の拡張の主要ターゲットとして特定されている。
• 著者らは、革新の本質が新規技術の開発にあるのではなく、既存のツールを画期的に組み合わせることで、障害者ユーザーに新たなインパactsな機能を生み出すことにあると結論づけている。