Tại soi kèo cảm bóng đá nghị quốc gia năm 2024 của Hiệp soi kèo cảm bóng đá trí tuệ nhân tạo Nhật Bản (JSAI2024) tổ chức từ ngày 28 tháng 5 đến ngày 31 tháng 5 năm 2024, Yuta Nakamura và Shin Takeuchi, thành viên Trung tâm khoa học dữ liệu của trụ sở truyền thông của chúng tôi, đã trình bày áp phích về "Đánh giá định lượng lời nói trong nội dung phát trực tiếp"
■soi kèo cảm bóng đá nghị quốc gia của Hiệp soi kèo cảm bóng đá trí tuệ nhân tạo Nhật Bản là gì
soi kèo cảm bóng đá nghị quốc gia của Hiệp soi kèo cảm bóng đá trí tuệ nhân tạo Nhật Bản là soi kèo cảm bóng đá nghị học thuật do Hiệp soi kèo cảm bóng đá trí tuệ nhân tạo Nhật Bản (JSAI) tổ chức nhằm chia sẻ những kết quả nghiên cứu và kiến thức mới nhất liên quan đến trí tuệ nhân tạo Năm nay, năm thứ 38, sẽ có một số chương trình giúp bạn hiểu sâu hơn về việc sử dụng trí tuệ nhân tạo trong các tổ chức học thuật và doanh nghiệp cũng như các nghiên cứu đang được thực hiện Các bài giảng được mời, các phiên đặc biệt, các phiên áp phích, các phiên lập kế hoạch, vv sẽ được tổ chức trong bốn ngày theo hình thức kết hợp, cả tại Act City Hamamatsu (Thành phố Hamamatsu, Tỉnh Shizuoka) và trực tuyến
■Giới thiệu về thông báo
Chủ đề:Đánh giá định lượng lời nói trong nội dung phát trực tiếp
Ngày:Ngày 30 tháng 5 (Thứ năm) 11:00 - 12:40
Người trình bày:〇Yuta Nakamura1, Shin Takeuchi1(1 xem kèo bóng đá)
Tóm tắt:Nền tảng phát trực tiếp là một dạng mới của Phương tiện truyền thông do người tiêu dùng tạo (CGM) và gần đây đã thu hút sự chú ý từ cả góc độ kinh doanh và học thuật Nghiên cứu trước đây về phát trực tiếp đã điều tra lý do tại sao người tham gia xem phát trực tiếp và cách các đài truyền hình nên giao tiếp Tuy nhiên, những điều này chủ yếu giới hạn ở các nền tảng phân phối trò chơi, sử dụng dữ liệu khảo sát và không tập trung vào giao tiếp cá nhân giữa người phát sóng và người nghe Trong nghiên cứu này, chúng tôi đã xác minh phương pháp đánh giá định lượng từng phát ngôn của đài truyền hình bằng cách sử dụng dữ liệu phân phối từ môi trường phân phối âm thanh trực tiếp ``Lounge'' do dịch vụ phát nhạc trực tuyến Nhật Bản ``AWA'' cung cấp Cụ thể, chúng tôi đã phân đoạn các phát biểu bằng cách sử dụng inaSpeachSegmenter và trích xuất các đặc điểm âm thanh của các phát ngôn bằng OpenSMILE Bằng cách sử dụng LightGBM, chúng tôi đã xây dựng một mô hình dự đoán phản hồi trò chuyện được gợi ra từ lời nói của những người tham gia Nghiên cứu này góp phần nâng cao sự hiểu biết về giao tiếp giữa người phát sóng trực tiếp và người nghe Ngoài ra, từ góc độ thực tế, có thể xem xét các ứng dụng như sử dụng các tính năng của nội dung phân phối trực tiếp thu được cho các đề xuất
URL: