情報処理学会 インタラクション2024

オンライン会議中にウェブカメラとマイクをオンにできない場合，代替手段としてチャットが用いられることが多い．しかし，チャットにはタイムプレッシャーが大きかったり，感情のニュアンスが伝わりにくいという課題がある．この課題に対処し，オンライン会議をより活発化するため，音声から自動生成した字幕映像を出力する仮想カメラシステムであるEmoScribe Cameraを提案した．仮想カメラとして実装することで，通常のカメラ入力と同様にさまざまなアプリケーションに字幕映像を入力することが可能となる．さらに，自動字幕の表示に使用するフォントは，自動的に推定された発話者の表情に応じて変化する．提案手法とテキストチャットをZoom上のグループワークで用いた際の比較を行ったところ，提案手法を用いた際にユーザのワークロードが軽減し，発話量の増加が見られた．