百井英里
| 専門分野 | 言語韻律調律学、音声コミュニケーション工学 |
|---|---|
| 研究テーマ | 方言韻律の自動同定、韻律による注意制御 |
| 所属（後年） | 国立音響認知研究所（仮）韻律応用部 |
| 主要業績 | 「五層韻律モデル」提案、対話ログの匿名化手順 |
| 活動地域 | 、を中心とした現地調査 |
| 主要受賞 | 日本音声科学賞（仮称）第11回 |
| 生年 | 40年代前半（資料に揺れがある） |
| 学位 | 博士（音響認知学）（論文の改題履歴がある） |
百井英里（ももい えいり）は、日本の「言語韻律調律学」と呼ばれる学際領域で知られる人物である。生体データと方言韻律を結びつけた研究が、後年の音声合成や福祉コミュニケーション設計に影響したとされる[1]。一方で、その業績のいくつかは出典の整合性が論じられてきた[2]。
概要[編集]
百井英里は、言葉の「意味」よりも先に耳と身体へ届く「韻律」を対象化した研究者として、音声技術分野で参照されることが多い人物である[1]。
とくに百井は、音声の高さ・長さ・強さを単なるパラメータではなく、注意の向きを変える操作系として扱ったことで知られる。彼女（または彼）は、研究初期に内の地下鉄駅で取得した方言母語話者の発話データを分析し、「五層韻律モデル」として整理したとされる[3]。
ただし、モデルの初出がいつ・どの装置で・どの条件で作られたかについては、学会発表資料と論文誌原稿で細部が食い違うと指摘されてきた[2]。この齟齬が、後の「百井メソッドは正しいのか」という議論の火種になったともされる。
なお、百井英里という名は、本人の戸籍名とは別に、韻律調律プロジェクトで用いられた通称であった可能性があるとされる[4]。そのため、同一人物同定に関しては慎重に扱われることが多い。
人物像と研究の考え方[編集]
百井は、言語学と計測工学の橋渡しを目的に、音声の「ゆらぎ」を排除するのでなく、むしろ社会的に意味のある“ゆらぎ”を保存する手法へと転換したとされる[1]。
彼女（または彼）の研究ノートは、発話の前後で観測される呼吸位相の微小変化まで含む形で整理されていたと記録されている。具体的には、会話開始30秒前から90秒後までを区間化し、各区間で「韻律温度」と呼ばれる擬似指標（後述）を算出したとされる[5]。
また百井は、方言調査においての、周辺に研究協力者を増やし、方言の“音の癖”が高齢者の注意維持に与える影響を検討したとされる[3]。
当時、音声合成は自然さの評価に重心が置かれていたが、百井の提案は「自然さよりも、聞き手の認知負荷を左右する制御則が必要だ」という方向へ論点を移したとされる[6]。この転換が、福祉分野での会話支援設計に波及した。
歴史[編集]
黎明期：地下鉄駅での「五層」の着想[編集]
百井英里の研究史は、最初期の現地計測に結びつけて語られることが多い。とくに有名なのが、の側に近いとされる地下鉄構内での観測である[3]。
百井は、ホーム上の騒音スペクトルを制御しようとして失敗し、その代わりに「騒音のせいで韻律が変形する」という現象を利用したとされる。ここから、韻律は単一パラメータでなく、少なくとも5つの情報層に分解できるという発想へ至ったと説明された[7]。
このとき用いられたとされる記録条件は細かく、サンプリング周波数は44.1 kHz、区間分割は0.125秒刻み、さらに「発話開始検出」には閾値0.42の声門成分を採用したとされる[8]。一部の記述では、サンプリングが48 kHzに変更されたともあり、編集履歴の揺れがあるとされる[2]。
この“揺れ”こそが、後の研究者に「条件の固定が意味を生む」という教訓を与えたとも言われている。結果として、韻律調律はブラックボックスではなく、測定設計の学問として定着していった。
発展：国立音響認知研究所と対話ログの匿名化[編集]
百井は、後年に（仮）韻律応用部へ参画し、音声コミュニケーションの社会実装を進めたとされる[6]。
そこで整備されたのが、対話ログの匿名化手順である。百井メソッドでは、話者識別を削るだけでなく、韻律指紋に相当する特徴量（高さの移動量、長さの分布、強さの微分など）を“段階的にぼかす”とされる[5]。
具体的には、特徴量の半径を指数関数で縮める方式が採用され、縮小率はt=0からt=120分までで1/3になるよう設計されたと記録されている[5]。ただしこの「120分」という数値は、別資料では90分になっているという指摘があり、研究ノートのページ欠落が疑われた[2]。
この匿名化が整ったことで、福祉現場の多職種連携で音声データを共有しやすくなり、会話支援システムの開発が加速したとされる[6]。
転機：五層韻律モデルの“外部化”と社会的波及[編集]
五層韻律モデルは、当初は研究室内での解析フレームワークとして機能していた。しかし百井は、モデルを外部の開発者でも使える形にするため、検査用の合成音声バンクを公開したとされる[1]。
このバンクは「EIR-512」と呼ばれ、512種の韻律パターンが、各言語圏向けに20種類ずつ翻訳調整されたと説明された[7]。ここで“翻訳調整”とは、語彙の意味を合わせるのではなく、聞き手の注意が迷子にならない範囲で発話リズムを再配置することだとされた[6]。
一方で、この外部化が進むほど「百井のモデルは特定の方言話者に最適化され過ぎている」という批判が生まれた。特に以外の地域で適用した際の誤推定が増えたとされる[3]。
この議論が、のちに“韻律適応の地域スケール”という概念を生み、音声合成・対話AIの評価指標が変化していった。百井英里の研究は、そうした潮目の中心に位置づけられている。
批判と論争[編集]
百井英里の業績には、研究倫理と再現性の観点からの批判が存在する。匿名化手順については有効性が報告されてきたものの、どの段階でどの特徴量が残っているかが文書化されていない部分があると指摘された[2]。
また、五層韻律モデルの図表に関して、ある論文では「層1〜層5」とされているのに対し、別の学会要旨では「層0を含む6層」と記述されているという矛盾があるとされる[9]。この食い違いは、百井がモデルを改訂した結果だと説明される場合もあるが、原典確認の難しさが残るとされている。
さらに“韻律温度”という指標の定義が曖昧だという批判もある。韻律温度は、音声の変動量から算出されるにもかかわらず、計算式が論文によって微妙に異なると報告されている[5]。なお、ある研究者は韻律温度が実際には呼吸位相と結びつくため、単なる音声特徴ではないと主張した[10]。
このように、百井英里は「実装可能な枠組み」を提供した一方で、細部の公開のされ方が研究コミュニティの信頼形成に時間を要した人物として扱われることもある。
脚注[編集]
関連項目[編集]
脚注
- ^ 百井英里「五層韻律モデルの構築と注意制御への応用」『音声と言語の計測』第12巻第3号, pp. 145-212, 2008.
- ^ Margaret A. Thornton「Prosodic Calibration and Human Attention Loops」『Journal of Computational Phonetics』Vol. 34 No. 2, pp. 88-131, 2011.
- ^ 佐伯律子「方言韻律の自動同定：地下鉄騒音を利用した近似」『日本音響学会誌』第67巻第1号, pp. 9-26, 2009.
- ^ 小野寺航「EIR-512公開の背景と評価設計」『音声合成研究報告』第98号, pp. 1-44, 2012.
- ^ 田中麻衣子「韻律温度の再定義と再現性問題」『認知科学年報』第24巻第4号, pp. 301-359, 2014.
- ^ 国立音響認知研究所韻律応用部「対話ログ匿名化手順書：段階ぼかし法」『内部技術報告』第7版, pp. 1-73, 2013.
- ^ Zhou Wen & Kaito Shun「Regional Adaptation Scales for Prosodic Models」『International Review of Speech Technology』Vol. 19 Issue 1, pp. 57-96, 2016.
- ^ 笠井健太郎「百井メソッドの学術史的検討」『言語処理の潮流』第5巻第2号, pp. 210-255, 2018.
- ^ Eiri Momoi「On the Layering of Prosodic Signals」『Proceedings of the Symposium on Auditory Control』pp. 33-52, 2007.（書誌情報に一部揺れがある）
- ^ Sato R. & Albrecht M.「Breath Phase Correlates in Speech-Driven Interactions」『Speech and Breathing Dynamics』Vol. 2 No. 1, pp. 12-40, 2010.
外部リンク
- 韻律応用部アーカイブ
- EIR-512 配布ポータル
- 言語韻律調律学 共同討論会
- 対話ログ匿名化ガイドライン
- 音声合成評価バンク