HMM十分統計量と線形補間法に基づく高速教師なし話者適応の評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)

概要

論文の詳細を見る
話者性は音声認識性能に大きな影響を与える要因の一つであり、古くから話者適応技術が盛んに研究されている。実環境において音声認識技術を使用する際には、極少量の適応データによる高速な話者適応技術が求められる。これに対して、我々はこれまでにHMM十分統計量に基づく教師なし話者適応に関する研究を行ってきた。この手法では、ユーザーの任意の一発話のみを用いて、話者データベースから声質の近い話者を上位数十人選択し、選択された話者のデータを用いてユーザー用HMMを学習する。予め話者毎にHMM十分統計量を計算しておくことで、モデル学習時の計算量を大幅に削減する事ができる。選択話者数を減らすことで適応に要する時間をさらに減らせる一方で、学習データ量が不十分となるため認識性能は劣化する。本報告では、十分統計量の線形補間法を導入することで、高性能かつ高速な教師なし話者適応を実現する。提案法では、選択話者数減少に伴うデータ量不足を不特定話者に対する十分統計量を用いて補うことで、認識性能の劣化を防ぐ。実験的評価結果から、高い認識性能を維持したまま約50%の適応時間削減が可能であることを示す。また、他の適応手法(VTLN, MLLR, MAP)との比較結果や、様々な雑音環境下における評価結果についても報告する。
社団法人電子情報通信学会の論文
2005-12-14

HMM十分統計量と線形補間法に基づく高速教師なし話者適応の評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク