産総研ら、視覚障害者の合成音声の理解力を読み上げ速度別に定量化

ニュース紹介

「合成音声読み上げ時の音声情報理解力を定量化～視覚障害者一人ひとりに「ちょうどいい」読み上げ速度を提供するために～」

産業技術総合研究所の三浦貴大上級主任研究員、筑波技術大学の坂尻正次教授、東京大学先端科学技術研究センターの藪謙一郎特任研究員らは、スクリーンリーダー（パソコンやスマートフォンの文字情報を、速度を調整できる合成音声で読み上げるソフトウエア）を使う視覚障害者の音声理解力を定量化する手法を開発しました。項目反応理論を応用し、読み上げられた文章が理解できなかったときに、その原因が文章の難しさにあるのか読み上げ速度が速すぎたことにあるのかを区別して、文章の難易度と利用者の理解能力を同じ指標で表します。

この手法により、全盲の利用者は弱視（ロービジョン）の利用者に比べ、より速い読み上げ速度でも高い理解を保つことが明らかになりました。研究グループは、得られた基盤データから個人差や習熟の過程、能力向上の可能性を評価し、「速すぎて聞き取れない」「遅すぎてもどかしい」といった不便の軽減につなげたいとしています。成果は、2026年9月27日から10月1日にオーストラリア・シドニーで開かれる音声処理の国際会議「Interspeech 2026」で発表される予定です（論文題目：Profiling Speech Rate Abilities of Visually Impaired Screen Reader Users by Bayesian Item Response Theory）。

出典：科学技術振興機構（JST） 2026年9月25日プレスリリース
https://www.jst.go.jp/pr/announce/20260925/index.html

FrontJournalの解説

この研究分野について

今回のテーマは、視覚障害のある人がパソコンやスマートフォンを使うときの情報アクセシビリティ（情報の得やすさ）です。画面の文字情報を合成音声で読み上げるスクリーンリーダーは、教育や就労、社会参加を支える基盤になっています。読み上げ速度は利用者が自分で変えられるため、速度の選び方や聞き取れる速さには個人差があります。

ただ、その差がどのような要因で生じ、習熟とともにどう変わるのかは、これまで十分に分かっていませんでした。「速すぎて聞き取れない」ことと「文章が難しくて分からない」ことは、聞こえ方としては区別しにくいためです。今回の研究は、この2つを切り分けて測ることを目指したものです。

①文章の難しさと理解能力を同じ物差しで測る

中核となる項目反応理論（Item Response Theory：IRT）は、試験などの分野で使われる統計的手法で、回答者の能力と問題の難易度を分けて評価できる点が特徴です。たとえば同じ問題に正解した人でも、難しい問題に正解した人と易しい問題に正解した人では、能力の推定値が変わります。原文によると、本研究ではこの考え方にベイズ推定（観測データから、値のもっともらしさを確率の分布として求める統計の方法）を組み合わせています。読み上げの場面では、文章の難易度と読み上げ速度の両方を踏まえたうえで、利用者の理解能力を推定する形になります。

②全盲と弱視で、速い読み上げへの理解力に差

発表で示された結果は、全盲の利用者が弱視の利用者に比べ、より速い読み上げ速度でも高い理解を保っていたという点です。一方、原文には参加者数や実験の条件、具体的な数値は記載されていません。そのため、どの程度の差があるのかや、速度の上限などは、Interspeech 2026で発表される論文などで確認する必要があります。研究グループは、視覚障害の状況や利用経験による個人差を分析できる基盤データが得られたとしており、習熟の過程や能力が伸びる可能性の評価に使える点を挙げています。

編集部からひとこと

今回の発表は、読み上げ速度の「ちょうどいい」を個人ごとに定量的に捉えるための手法とその最初の成果であり、原文には具体的な製品や実用化の時期への言及はありません。速度の設定は、これまで利用者が自分の感覚で調整してきたものでした。その感覚を、文章の難易度から切り離した理解能力の指標として表せるようになれば、学習支援や機器の設計を考える際の共通の物差しとして参照される可能性があります。実験の詳細や数値は、JSTの発表ページと発表予定の論文をご確認ください。

FrontJournal編集部