音声認識における高精度な動的特徴量計算法の提案

スポンサーリンク

概要

• 論文の詳細を見る

• 本研究では音声認識における新たな動的特徴量の計算法を提案する.提案法では, 1)動的特徴量の推定に用いる静的特徴量の時間分解能を上げ, 2)動的特徴量の推定時間をフレーム間隔の整数倍に拘束されることなく任意に設定可能とした.提案法をニュース番組で発声される音声の認識実験によって評価したところ, 特徴量を推定する時間を適切に選べば, 認識率の改善が見られることが分かった.単語正解精度でみた誤認識改善率は, 雑音を含むニュース文の評価セットで24%と効果が大きかった.全体での誤認識改善率は6.5%であった.

• 一般社団法人情報処理学会の論文
• 2001-12-20

著者

• 佐藤 庄衛

  NHK放送技術研究所

• 今井 亨

  NHK放送技術研究所

• 松井 淳

  NHK放送技術研究所

• 安藤 彰男

  NHK放送技術研究所

• 小早川 健

  Nhk放送技術研究所

• 尾上 和穂

  NHK放送技術研究所

• 世木 寛之

  NHK放送技術研究所(人間・情報)

• 安藤 彰男

  工学院大学 情報学部

• 世木 寛之

  Nhk放送技術研究所 (人間・情報科学)

• 世木 寛之

  Nhk放送技術研究所

• 安藤 彰男

  NHK放送技術研究会

関連論文

• 単語誤り最小化に基づく識別的リスコアリングによるニュース音声認識(音声,聴覚)
• サンプリング技術を利用した文章類似性評価
• サンプリング技術を利用した文章類似性評価(文書分類・翻訳)
• コンテンツ関連技術 放送における視聴覚障害者向け情報バリアフリー技術 (小特集 著作権とコンテンツ流通)
• リアルタイム字幕放送のための音声認識(福祉と音声処理,一般)
• コンテンツ活用のための報道番組自動書き起こしシステム (システム開発論文特集)
• H-007 検索技術を使う新しいテレビ視聴スタイルCurioView(画像認識・メディア理解,一般論文)
• RI-003 サッカー選手配置取得のための選手追跡と選手認識の確率的統合法(グラフィクス・画像,査読付き論文)
• D-12-26 ベイズ的手法による動画像顔検出の高速化と高精度化(D-12. パターン認識・メディア理解,一般セッション)
• D-12-9 サッカー選手配置推定のための顔・背番号認識と選手追跡の統合法(D-12. パターン認識・メディア理解,一般セッション)
• 多重ハイパーパラメータ正則化モデルとその応用について
• ダイレクト方式とリスピーク方式の音声認識を併用したリアルタイム字幕制作システム
• 単語誤り最小化に基づく識別的リスコアリングによる音声認識(ポスターセッション,第10回音声言語シンポジウム)
• 放送用リアルタイム字幕制作のための音声認識技術の改善
• 探索空間のエントロピーに基づく特徴量ストリームの動的な統合(音声認識・識別,第9回音声言語シンポジウム)
• 帯域フィルタ出力の時間変化特徴量を利用した音声認識(音声,聴覚)
• 可変長サブワードHMMに基づく未知語処理を導入した音声認識(第8回音声言語シンポジウム)
• 可変長サブワードHMMに基づく未知語処理を導入した音声認識(Session-6 音声認識,第8回音声言語シンポジウム)
• D-14-8 累積音素尤度によるオンライン発話検出と男女音声認識(D-14.音声・聴覚,一般講演)
• 帯域フィルタ出力の時間変化特徴量を利用したニュース音声認識(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)
• 実況・対談における発声変形を考慮した音響モデルの検討(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)
• コンテンツ活用のための報道番組自動書き起こしシステム(音声システム,システム開発論文)
• 複数の信頼度尺度を統合した音声認識(ポスターセッション)(第6回音声言語シンポジウム)
• 番組分割に向けたクローズドキャプション中の反復句抽出(「ユニバーサルコミュニケーションを実現するための言語処理技術」シンポジウム)
• 12-3 21GHz帯衛星放送波降雨減衰測定システムの開発
• 単語誤り最小化に基づく識別的リスコアリングによるニュース音声認識
• 中継などの様々な音響下でのニュース音声認識
• 字幕自動監視装置
• 言い換えを利用したリスピーク方式によるスポーツ中継のリアルタイム字幕制作(音声,聴覚)
• 生字幕放送のための音声認識 : システムの概要とリスピークの効果
• 連続音声認識における動的特徴量の高精度な計算法
• 音声認識における高精度な動的特徴量計算法の提案
• 音声認識における高精度な動的特徴量計算法の提案
• 音声認識における高精度な動的特徴量計算法の提案
• メタデータ制作・活用システムの試作
• メタデータ制作・活用システムの試作(高精細画像の処理・表示, 及び一般)
• 音素情報を利用したBICに基づくオンライン話者識別
• コンテンツ活用のための報道番組自動書き起こしシステム
• 単語誤り最小化に基づく識別的リスコアリングによる音声認識(ポスターセッション,第10回音声言語シンポジウム)
• 単語誤り最小化に基づく識別的リスコアリングによる音声認識(ポスターセッション,第10回音声言語シンポジウム)
• 探索空間のエントロピーに基づく特徴量ストリームの動的な統合(音声認識・識別,第9回音声言語シンポジウム)
• 探索空間のエントロピーに基づく特徴量ストリームの動的な統合(音声認識・識別,第9回音声言語シンポジウム)
• 可変長サブワードHMMに基づく未知語処理を導入した音声認識(Session-6 音声認識,第8回音声言語シンポジウム)
• 帯域フィルタ出力の時間変化特徴量を利用したニュース音声認識(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)
• リアルタイム字幕放送のための音声認識(福祉と音声処理,一般)
• 最ゆう単語列逐次比較による音声認識結果の早期確定
• 音声認識を利用した放送用ニュース字幕制作システム
• ニュース音声認識システム(音声処理技術のデモの紹介)
• 2000-SLP-31-8 ニュースの直前原稿を利用した音声認識誤りの自動検出法
• 気象レーダデータを用いた21GHz帯マルチビーム衛星放送の受信時間率の検討
• 2.6GHz帯衛星放送における中継増幅器最適動作条件
• ニュース音声認識における直前原稿を利用した認識性能の改善
• 人にやさしい放送と自然言語処理
• 2段階クラスタリングに基づく選択学習による音響モデル適応化
• 話題混合モデルによる放送ニュースからの話題抽出
• 放送ニュースの話題抽出モデル
• 帯域フィルタ出力の時間変化特徴量を利用したニュース音声認識(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)
• 実況・対談における発声変形を考慮した音響モデルの検討(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)
• 実況・対談における発声変形を考慮した音響モデルの検討(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)
• Dynamic approaches for real-time LVCSR(Abstracts of Recent Doctoral Dissertations on Acoustics)
• 実用化されている情報バリアフリー技術(人にやさしい放送,人にやさしい映像情報メディア)
• 音響尤度補正による雑音環境下の音声認識の改善
• 雑音モデルに基づく補正音響尤度を用いた音声認識(雑音下音声処理)(第6回音声言語シンポジウム)
• 複数の信頼度尺度を統合した音声認識(ポスターセッション)(第6回音声言語シンポジウム)
• 雑音モデルに基づく補正音響尤度を用いた音声認識(雑音下音声処理)(第6回音声言語シンポジウム)
• 複数の信頼度尺度を統合した音声認識(ポスターセッション)(第6回音声言語シンポジウム)
• 雑音モデルに基づく補正音響尤度を用いた音声認識(雑音下音声処理)(第6回音声言語シンポジウム)
• 講演スタイルの解説番組を対象にした音声認識の検討
• 講演スタイルの解説番組を対象にした音声認識の検討
• ニュース解説を対象にした音声認識の検討
• ニュース解説を対象にした音声認識の検討
• ニュース解説を対象にした音声認識の検討
• ニュース音声認識のための時期依存言語モデル (音声言語情報処理)
• フィルタバンク・サブトラクションを用いたニュース番組現場リポート音声の認識
• A-19-1 解説放送に向けた台本作成支援ツール試作評価(A-19.福祉情報工学,一般セッション)
• 音声認識によるリアルタイム字幕放送の進展
• 逐次2パスデコーダを用いたニュース音声認識システム
• 音声/非音声区間切替による背景音抑圧処理法の検討(オーガナイズドセッション「人にやさしい音声情報処理」,福祉と音声処理,一般)
• 音声/非音声区間切替による背景音抑圧処理法の検討(オーガナイズドセッション「人にやさしい音声情報処理」,福祉と音声処理,一般)
• SP2000-11 話者クラス音響モデルのための学習データの自動選択手法
• 任意発声データに対する発音記号列を用いた離散分布HMMの話者適応化法
• 7-11 連続音声認識の字幕スーパーへの応用実験
• 字幕制作のためのオンライン発話検出と男女並列音声認識 (音声処理特集号)
• リスク最小化学習に基づく識別的言語モデル
• 非負値行列因子分解に基づき動的適応したn-gram言語モデルによるパープレキシティ削減効果の分析
• 音響モデル精度向上のための学習サンプル自動選択
• ニュース番組自動字幕化のための音声認識システム(音声IF,「マルチモーダルと音声HI」およびヒューマンインタフェース/音声言語情報処理一般)
• ニュース番組自動字幕化のための音声認識システム
• 6-6 コンテンツ検索のための報道番組自動書き起こしシステム(第6部門 メディア処理3)
• 2-3 字幕自動監視装置の試作(第2部門 放送技術(放送現業))
• 7-7 音声認識によるニュース番組字幕化のためのクロストーク自動判定(第7部門 映像コンテンツ)
• 11-2 番組音声とリスピーク音声の自動認識を利用したニュース字幕制作実験(第11部門 放送現業)
• マルチ音素クラスのベイズ情報量基準に基づくオンライン話者ダイアライゼーション(音声,聴覚)
• 10-2 番組音声とリスピーク音声の認識を併用した生字幕制作の検討(第10部門 放送現業)
• 11-3 メタデータ制作・活用システムの試作(第11部門 放送現業)
• 9-1 メタデータ生成のための音声認識の改善(第9部門 メディア認識と評価I)
• 放送における視聴覚障害者向け情報バリアフリー技術
• 4-2.放送における視聴覚障害者向け情報バリアフリー技術(4. コンテンツ関連技術,著作権とコンテンツ流通)
• 14-1 災害報道字幕制作のための音声認識(第14部門放送現業)
• 災害報道字幕制作のための言語モデル更新(安全・安心な社会を創る音声・聴覚情報処理,音声/福祉/ディジタル信号処理/聴覚一般)

もっと見る 閉じる

スポンサーリンク