雑音や発話スタイルの変動に頑健な日本語大語彙連続音声認識
スポンサーリンク
概要
- 論文の詳細を見る
実環境において音声認識を用いるためには雑音や発話スタイルの変動に対して頑健でなければならない.本報告では,お互いに異なる雑音環境や発話スタイルに依存した複数の音響モデルをパラレルにデコーディングし得られた複数の仮説を最大尤度基準や単語単位での仮説統合を行う手法について検討を行った.個々の音響モデルが利用可能な発話環境の空間が限られていたとしても,複数の音響モデルを用いて認識を行い得られた複数の仮説を効果的に統合することにより,種々の外乱に対して頑健な音声認識を実現することができると考えられる.本報告で構築した音声認識システムに対して日本語大語彙連続音声認識実験を行った結果,SNRが10dB以上の通常発声音声に対して90%以上の単語正解精度が得られた.また,意図的に音節毎に区切って発話した音節強調発声に対して約45%の単語正解精度が得られた.
- 2004-02-06
著者
-
松田 繁樹
NiCT ATR
-
中村 哲
ATR音声言語通信研究所
-
實廣 貴敏
ATR音声言語コミュニケーション研究所
-
松田 繁樹
ATR音声言語コミュニケーション研究所
-
中村 哲
Atr音声口語コミュニケーション研究所
-
マルコフ コンスタンティン
ATR音声言語コミュニケーション研究所
-
中村 哲
独立行政法人情報通信研究機構|株式会社国際電気通信基礎技術研究所
-
Markov Konstantin
Atr音声言語コミユニケーション研究所
関連論文
- A-16-18 Blendshapesによるリップシンクアニメーションのためのキーフレーム削除法(A-16.マルチメディア・仮想環境基礎,一般講演)
- 携帯型端末を用いた音声自動翻訳システムとフィールド実験(モバイルと放送の融合時代を迎えて(1セグ放送, モバイル放送, 携帯放送融合サービス, 1セグ対応携帯端末, モバイルコンテンツと放送コンテンツの融合, マルチメディア配信, ディジタル放送受信機, および一般))
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(3)(SIG-SLP内組織の活動報告)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(2)(雑音・VAD,第9回音声言語シンポジウム)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境 (2)(雑音・VAD,第9回音声言語シンポジウム)
- バイモーダル音声認識における音素境界を越えた同期性のモデル
- 5.効率的アニメ制作支援のための3次元CG技術(情報技術が支えるアートとコンテンツの世界)
- 連続音声認識候補受理/リジェクションのためのワードスポッティング仮説検証手法(第5回音声言語シンポジウム : システム・信頼度)
- SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について(Session-6 スペシャルセッション: 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- ATR実環境雑音DB-ATRANS-を用いた雑音重畳音声認識実験(耐雑音)
- 実走行車内単語音声データベースCENSREC-3と共通評価環境の構築
- CENSREC-3 : 実走行車内単語音声データベースと評価環境の構築(ポスターセッション)(第6回音声言語シンポジウム)
- 実環境下音声認識の評価の標準化とその動向(音声・言語における標準化動向)(第6回音声言語シンポジウム)
- 分散型認識システムでのデータ補完に関する一検討
- 歩行者支援GISにおける音声入力インタフェースの検討(福祉と言語処理/一般)
- 音声翻訳研究の展開(機械翻訳)
- 翻訳可能なフレーズを単位とした音声認識結果の信頼度評価
- D-14-6 次世代情報家電への音声インタフェースの導入に関する検討(D-14.音声・聴覚,一般講演)
- 日本人英語学習者音声の時間制御特性客観評価(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- 連続音声認識候補受理/リジェクションのためのワードスポッティング仮説検証手法(第5回音声言語シンポジウム : システム・信頼度)
- iFACe:デジタルアニメ声優体験システム
- 携帯型端末を用いた音声自動翻訳システムとフィールド実験
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(2)(雑音・VAD,第9回音声言語シンポジウム)
- 実環境における発話区間検出のための音響情報と画像情報の統合(音響と音声処理,音声強調,ロバスト音声認識)
- 実環境における発話区間検出のための音響情報と画像情報の統合(音響と音声処理,音声強調,ロバスト音声認識)
- QAシステムのための音声入力インターフェース
- 雑音下マルチモーダル音声認識評価基盤CENSREC-1-AVの構築
- 利得適応型AR-HMM分解法を用いた音響モデルの雑音適応化の検討(音響と音声処理,音声強調,ロバスト音声認識)
- 利得適応型AR-HMM分解法を用いた音響モデルの雑音適応化の検討(音響と音声処理,音声強調,ロバスト音声認識)
- CENSREC-2 : 実走行車内における連続数字音声データベースと評価環境の構築
- 自動車内における連続数字音声コーパスCENSREC-2の設計と評価(Session-7 スペシャルセッション(ポスター): 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- Switching dynamical systemとパーティクルフィルタを用いた非定常雑音の逐次推定(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)
- 自動車内における連続数字音声コーパスCENSREC-2の設計と評価(Session-7 スペシャルセッション(ポスター): 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について(Session-6 スペシャルセッション: 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- 自動車内における連続数字音声コーパスCENSREC-2の設計と評価(Session-7 スペシャルセッション(ポスター): 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について(Session-6 スペシャルセッション: 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- Switching dynamical systemとパーティクルフィルタを用いた非定常雑音の逐次推定(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)
- Switching dynamical systemとパーティクルフィルタを用いた非定常雑音の逐次推定(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)
- 歩行者支援地理情報システムにおける音声入力インタフェースと高齢者に対するその評価
- 高齢者を対象とした音声入力インタフェース評価および対話実験
- 歩行者支援GISにおける音声入力インタフェースの検討(福祉と言語処理/一般)
- HMM/BN音響モデルの設計と実装
- HMM/BN音響モデルの設計と実装(国際ワークショップ"Beyond HMM")
- HMM/BN音響モデルの設計と実装(国際ワークショップ"Beyond HMM")
- 雑音や発話スタイルの変動に頑健な日本語大語彙連続音声認識
- ハイブリッドHMM/BNモデルに基づいた調音特徴とスペクトル特徴の統合
- ハイブリッドHMM/BNモデルに基いた大語彙音声認識システム
- ハイブリッドHMM/BNモデルに基いた大語彙音声認識システム
- 多様な雑音環境下での頑健な音声認識
- GMMを用いた音声区間の検出
- インドネシア語の音声コｰパス作成および音声認識システムの開発
- インドネシア語の音声コーパス作成および音声認識システムの開発
- インドネシア語の音声コーパス作成および音声認識システムの開発
- インドネシア語の音声コーパス作成および音声認識システムの開発(ポスターセッション)(第6回音声言語シンポジウム)
- インドネシア語の音声コーパス作成および音声認識システムの開発(ポスターセッション)(第6回音声言語シンポジウム)
- インドネシア語の音声コーパス作成および音声認識システムの開発(ポスターセッション)(第6回音声言語シンポジウム)
- マルチモーダル音声認識のための顔検出
- マルチモーダル音声認識のための顔検出
- 話者の顔画像を併用した発話検出
- 擬人化音声対話エージェント基本ソフトウェアの開発プロジェクト報告(プロジェクト紹介(2))(第5回音声言語シンポジウム)
- 擬人化音声対話エージェント基本ソフトウェアの開発プロジェクト報告(第5回音声言語シンポジウム : プロジェクト紹介(2))
- 擬人化音声対話エージェント基本ソフトウェアの開発プロジェクト報告(第5回音声言語シンポジウム : プロジェクト紹介(2))
- 擬人化音声対話エージェントツールキットGalatea
- 擬人化音声対話エージェント開発プロジェクト
- 擬人化音声対話エージェントツールキットの基本設計
- 擬人化音声対話エージェントツールキットの基本設計
- 講演音声の音響的特徴分析と音響モデル構築方法の検討
- 3次元個人顔モデルを用いたビデオ映像中の顔の自動トラッキング及びモデルマッチムーブ処理
- D-12-126 3次元顔モデルを用いたビデオ映像中の自動顔トラッキングとモデルマッチムーブ
- モーションキャプチャシステムを用いたマルチモーダル音声コーパスの構築(セッション2)(インタラクション・メディア)
- 一般化事後確率を用いた異なるレベルの大語彙連続音声認識出力の検証
- 一般化事後確率を用いた異なるレベルの大語彙連続音声認識出力の検証
- 連続音声認識候補受理/リジェクションのためのワードスポッティング仮説検証手法
- 一般化事後確率を用いた異なるレベルの大語彙連続音声認識出力の検証(大語彙音声認識)(第6回音声言語シンポジウム)
- 一般化事後確率を用いた異なるレベルの大語彙連続音声認識出力の検証(大語彙音声認識)(第6回音声言語シンポジウム)
- 調音運動ダイナミクスの音声認識への応用(聴覚・音声/一般)
- F0パターンの自動推定と目標点の抽出(第8回音声言語シンポジウム)
- 一般化事後確率を用いた異なるレベルの大語彙連続音声認識出力の検証(大語彙音声認識)(第6回音声言語シンポジウム)
- 音節強調された英語音声の認識
- 音声認識と音声翻訳の国際的共通評価基盤構築に向けて
- 音声認識と音声翻訳の国際的共通評価基盤構築に向けて
- 動的な音素ラティス処理による非母国語話者のための音声認識
- CENSREC-3 : 実走行車内単語音声データベースと評価環境の構築(ポスターセッション)(第6回音声言語シンポジウム)
- 実環境下音声認識の評価の標準化とその動向(音声・言語における標準化動向)(第6回音声言語シンポジウム)
- CENSREC-3 : 実走行車内単語音声データベースと評価環境の構築(ポスターセッション)(第6回音声言語シンポジウム)
- 実環境下音声認識の評価の標準化とその動向(音声・言語における標準化動向)(第6回音声言語シンポジウム)
- 複数マイクロホン受音信号の逐次時間差推定アルゴリズム
- マイクロホンアレー座標系の逐次補正アルゴリズムの提案
- 変分ベイズ法を用いた逐次状態分割法(音響モデル)(第5回音声言語シンポジウム)
- 変分ベイズ法を用いた逐次状態分割法(第5回音声言語シンポジウム : 音響モデル)
- 変分ベイズ法を用いた逐次状態分割法(第5回音声言語シンポジウム : 音響モデル)
- AURORA-2J/AURORA-3Jデータベースとその評価ベースライン
- 雑音下音声認識のための複数の前処理手法の統合とそのAURORA-2Jによる評価
- マイクロホン対を用いた雑音除去法の最適化に関する検討 : スペクトルの滑らかさに基づいた場合
- SPINE2プロジェクトのための単語間ポーズモデルによる耐雑音性に優れた音声認識
- SPINE2プロジェクトのための単語間ポーズモデルによる耐雑音性に優れた音声認識
- Web時代の音声・言語技術
- 音声翻訳システム実利用データを用いたシステム改善手法(音声翻訳,統計的機械学習,異文化コラボレーション論文)
- VoiceTra実証実験の概要 (知識創成コミュニケーション特集) -- (MASTARプロジェクト)
- 全国音声翻訳実証実験の実施と実利用データを用いた音声認識のモデル適応(音声,聴覚)