音声認識技術を用いたスマートグラスによる情報保障の検討

Abstract

。また近年、メガネ型のウェアラブル端末(スマート グラス)が登場し、目の前に広がる現実空間に、デジタル情報を重ねて表示できるようになっている。 我々は、スマートグラスへの音声認識による文字の投射を用いて、聴覚障害者が日常生活で視覚からの情 報保障を得ることができるのではないかと考え、本システムの語音聴取に対する有用性を検討した。 【対象】 健聴者(健聴群) (男性 6 人、女性 7 人、年齢の中央値 58 歳)と人工内耳装用者(CI 群) (男性 12 人、 女性 13 人、年齢の中央値 62 歳)を対象とした。CI 群は人工内耳装用期間の中央値 5 年 10 ヵ月(1 年 10 ヵ月-22 年) 、人工内耳装用閾値の平均は 32． 7dB(23． 8-53． 8dB) 、人工内耳装用下 67S 語表聴取成績 (60dBHL 呈示)の中央値は 65％(0-95％)であった。 【方法】 語音聴取検査 CI-2004 成人用検査(以下、CI-2004)の日常生活文検査(以下、文章)と単語検査(以 下、単語)を、音場にて被験者から 1 m の位置にスピーカーを設置し行った。健聴群は、雑音下で、健 聴者群は静寂下と雑音下で検査を行った。スマートグラス非装用(以下、非装用時)に次いでスマートグ ラス装用下(以下、装用時)で検査した。装用時には健聴群には 3 種類の文字サイズ(視角 : 0． 26°「小」 、 0． 52°「中」 、1． 29°「大」 ) 、CI 群には中、大の 2 種類の文字サイズで認識音声を呈示し検査を行った。検 査語音は、文章、単語ともに健聴者は 45dBHL で呈示、雑音負荷条件(加重不規則雑音)は、文章 S/N 比−15dB、単語 S/N 比−10dB、人工内耳装用者は 60dBHL で呈示、S/N 比 0dB とした。 スマートグラスは RETISSA DisplayII(QD レーザー社)を用い、スマートフォン(Xperia5II、SONY 社)から Google Cloud Speech-to-Text API を用いた独自アプリによる音声認識結果を表示した。統計学 的検討は、CI-2004 の文章キーワード正答率と単語正答率を求め、健聴群、CI 群それぞれで Friedman 検 定、Steel-Dwass 法を用いて行った(P＜0． 05) 。CI-2004 検査後、読みやすい文字サイズを質問紙にて回 答を求めた。 【結果】 CI-2004 検査の正答率(中央値)は、健聴群では、雑音下で、スマートグラス非装用、呈示文字小、 中、大の順に、文章で 5％、93％、93％、93％、単語で 28％、72％、72％、66％ であった。スマートグ ラス装用により有意に正答率が改善したが、文字サイズによる差はなかった。CI 群では、静寂下と雑音 下スマートグラス非装用、呈示文字中、大の順に、文章で 86％、33％、95％、95％、単語で 80％、16％、 68％、72％ であった。雑音下文章の正答率はスマートグラス非装用より装用時が有意に改善した。静寂 下と装用時雑音下 2 条件の正答率に有意差はみとめられなかった。読みやすい字幕フォントサイズは、健 聴群は小 : 0％、中 : 53． 8％、大 : 46． 2％ と、 「小」は選択されず、 「大」より「中」を好む例がわずかに 多かった。CI 群は、中 : 19． 2％、大 : 80． 8％ と、大きなフォントサイズが好まれた。 【考察とまとめ】 スマートグラスを用いた視覚情報保障は、雑音下での聴取に有用であることが健聴群、CI 群ともに示 された。文字サイズは正答率には影響しなかったが、健聴者と CI 群で読みやすいサイズが異なってい た。文字サイズにより一行に表示できる文字数が異なってくるが、ハイビジョン番組(工藤ら、2005)へ の字幕付与の検討では 1 行 20 文字程度が最適であり、外国語映画に付与される日本語字幕は 1 行 13 文字 までと決められている。今後は、1 行当たりの文字数なども検証し、より本システムユーザーが読みやす い環境を構築する必要がある。 【謝辞】 京都大学大学院医学部医学研究科 耳鼻咽喉科・頭頸部外科 藤村真太郎先生