PCOV-KWS: 個人化されたカスタマイズ可能なオープンボキャブラリ・キーワードスポッティングのマルチタスク学習

要旨: モノのインターネット（IoT）、自動音声認識（ASR）、話者検証（SV）、テキスト読み上げ（TTS）などの技術の進歩により、インテリジェント音声アシスタントの利用が拡大しており、プライバシーとパーソナライズの需要が高まっています。本論文では、個別化された、カスタマイズ可能な開放語彙キーワードスポッティング（PCOV-KWS）のためのマルチタスク学習フレームワークを提案します。このフレームワークは、軽量なネットワークを用いて、個別化されたKWS要件に対応するため、同時にキーワードスポッティング（KWS）とSVを実行します。ソフトマックスベースの損失とは異なる訓練基準を組み込み、多クラス分類を複数の二値分類に変換することで、カテゴリ間の競合を排除します。訓練中には、マルチタスク損失の重み付けを最適化する戦略を適用します。私たちは複数のデータセットでPCOV-KWSシステムを評価し、評価結果でベースラインを上回ることを示すとともに、パラメータ数が少なく、計算資源も低く抑えられることを示しました。