自発発話音声認識のための話者内変動を考慮した2段階MLLR適応
スポンサーリンク
概要
- 論文の詳細を見る
MLLRに基づく音響モデルの適応は、限られた適応データしか得られない場合でも有効な適応手法である。しかしながら、認識対象の音響空間の様子が、もとのモデル構築に利用したデータの音響空間のそれと大きく異なる場合、思ったような適応の効果が得られなくなる。このような状況は自発発話で起こると考えられる。自発発話では、読み上げと比べ、話者内変動が大きくなると考えられるからである。この様な大きな話者内変動に対処する手法として、2段階MLLR手法を提案した。この方法では、(読み上げ音声に対する)不特定話者モデルを、まず特定話者に適応して特定話者モデルを作成する。次に、特定話者の学習データを数個のカテゴリに分けた後、各カテゴリに対して、特定話者モデルを再適応し、特定カテゴリモデルを構築する。認識は、特定話者モデルと各特定カテゴリモデルを用いて個別かつ並列に行い、最大尤度を与えるものを最終的な認識結果とする。種々の感情の音声を対象とした認識実験行った結果、提案手法によって、従来のMLLRに基づく話者適応を超える性能が得られることが示された。
- 一般社団法人情報処理学会の論文
- 2002-07-12
著者
関連論文
- 女性と判定される声の特徴 : 性同一性障害者の話声位
- 母語話者と中国語話者の日本語朗読音声の基本周波数パターンの比較
- 英語・中国語・母語話者の日本語朗読音声のF0に現れる特徴(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- 基本周波数パターン生成過程モデルに基づく日本語学習者音声の韻律の分析(一般)
- 中国語話者の日本語朗読音声の韻律的特徴と母語話者評価(聴覚・音声・言語とその障害,一般)
- 要素論から全体論へ : 全体から入る音声情報処理への招待(音響・音韻モデル)
- 孤立音[あ]を聞いて音韻/あ/と同定する能力は音声言語に必要か?(聴覚・音声/一般)
- 音声の構造的表象に基づく音声認知と外国語発音学習に対する一考察(言語の学習・教育)
- 音声の構造的表象を通して考察する失読症・自閉症の音声認知(一般)
- 音声の相対音感 : 音声と音楽の同質性に関する一考察(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)
- 構造不変の定理とそれに基づく音声ゲシュタルトの導出(一般, 一般, チュートリアルレクチャー)
- 構造不変の定理とそれに基づく音声ゲシュタルトの導出
- 音声言語運用が要求する認知的能力と音声言語工学が構築した計算論的能力(第10回音声言語シンポジウム)
- 日本語CALLシステムのための学習者発音分析とその自動評価(一般)
- シャドーイング・音読発音評価を目的とした話者適応の分析と応用(感情音声,韻律,声質,音声生成・知覚,脳機能,一般)
- ドラム音のパラメトリックモデリングとそれに基づくモーフィング
- ドラム音のパラメトリックモデリングとそれに基づくモーフイング
- 音声の構造的表象に基づく異言語間・異話者間の音声変換手法(言語獲得・学習,合成,生成,韻律,一般)
- 雑音環境下における話者照合(聴覚・音声・言語とその障害,一般)
- Statistical sequence-to-frame mapping techniques for voice conversion (パターン認識・メディア理解)
- 構造評価関数を用いた構造的表象からの音声合成系の高精度化(言語獲得・学習,合成,生成,韻律,一般)
- 確率的線形回帰混合モデルを用いた音声変換
- 話者不変な相対関係特徴を音響単位とする音響モデリングに関する実験的検討 (音声)
- 構造表象を用いた音声認識におけるパラメータ共有とその効果(認識,理解,対話,一般)
- 構造的表象からの音声合成とそれに基づく音声模倣に関する検討(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- ケプストラムの声道長依存性に関する幾何学的考察(一般(ポスターセッション),第9回音声言語シンポジウム)
- 構造的表象からの音声生成に関する基礎的検討(合成,生成,韻律,一般)
- 基本周波数パターン生成過程モデルに基づくコーパスベース韻律生成における柔軟な焦点制御(言語獲得・学習,合成,生成,韻律,一般)
- 男性から女性への性別の移行を希望する性同一性障害者(MtF)の発話音声の分類に関する試案(聴覚・音声・言語とその障害,一般)
- 中国語方言の構造分析とその発音評価に向けた実験的検討(発音評価,認識,理解,対話,一般)
- 生成過程モデルを用いたHMMに基づく基本周波数パターン生成 (音声)
- 手の動きを入力としたリアルタイム音声生成系における鼻音の合成とピッチ制御に関する検討(福祉と音声処理,一般)
- 経験的モード分解による主構造抽出を介した雑音環境下における音声信号の基本周波数推定
- スペクトル領域特徴量を用いた音声の構造的表象に関する実験的考察(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- 外国語学習を対象としたシャドーイング音声の自動評定法に関する検討(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- マルチモーダルコミュニケーションのための音声合成プラットホーム
- マルチモーダルコミュニケーションのための音声合成プラットホーム
- 構造的特徴量に対する多段階の重回帰分析による発音評価(認識,理解,対話,一般)
- 生成過程モデルを用いたHMMに基づく基本周波数パターン生成(音声・言語・音響教育,一般)
- 音声言語運用が要求する認知的能力と音声言語工学が構築した計算論的能力(第10回音声言語シンポジウム)
- ボトムアップクラスタリングを用いたシャドーイング音声の自動評定(聴覚・音声・言語とその障害,一般)
- 教師なし音素セグメンテーションの最適化に関する理論的・実験的考察(一般(ポスターセッション),第9回音声言語シンポジウム)
- 教師なし音素セグメンテーションの最適化に関する理論的・実験的考察(一般(ポスターセッション),第9回音声言語シンポジウム)
- 教師なし音素セグメンテーションの最適化に関する理論的・実験的考察(一般(ポスターセッション),第9回音声言語シンポジウム)
- 制約条件付きクラスタリングによる連続音声からのイベント境界検出(認識,理解,対話,一般)
- ケプストラムの声道長依存性に関する幾何学的考察(一般(ポスターセッション),第9回音声言語シンポジウム)
- ケプストラムの声道長依存性に関する幾何学的考察(一般(ポスターセッション),第9回音声言語シンポジウム)
- 音声に含まれる言語的情報を非言語的情報から音響的に分離して抽出する手法の提案 : 人間らしい音声情報処理の実現に向けた一検討(ヒューマンコミュニケーション〜人間中心の情報環境構築のための要素技術〜論文)
- 話者不変な相対関係特徴を音響単位とする音響モデリングに関する実験的検討(音響モデル,第11回音声言語シンポジウム)
- 話者不変な相対関係特徴を音響単位とする音響モデリングに関する実験的検討(音響モデル,第11回音声言語シンポジウム)
- 音声の相対音感 : 音声と音楽の同質性に関する一考察(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)
- 音声の相対音感 : 音声と音楽の同質性に関する一考察(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)
- 男性から女性へ性別の移行を希望する性同一性障害者(MtF)の音声訓練 : 症例報告
- 音声の構造的表象と判別分析を用いた単語音声認識(ポスターセッション,第10回音声言語シンポジウム)
- アフィン変換不変性を有する局所的特徴量を用いた音声認識(ポスターセッション,第10回音声言語シンポジウム)
- 非言語的な要因に不変な音響的特徴を用いた中国語方言に基づく話者分類(ポスターセッション,第10回音声言語シンポジウム)
- 音声の構造的表象と判別分析を用いた単語音声認識(ポスターセッション,第10回音声言語シンポジウム)
- アフィン変換不変性を有する局所的特徴量を用いた音声認識(ポスターセッション,第10回音声言語シンポジウム)
- 音声の構造的表象と判別分析を用いた単語音声認識(ポスターセッション,第10回音声言語シンポジウム)
- アフィン変換不変性を有する局所的特徴量を用いた音声認識(ポスターセッション,第10回音声言語シンポジウム)
- 空間写像に基づく手の動きを入力とした音声生成系の構築(マルチモーダル)
- 変換不変性を有するダイバージェンスとその一般形(認識,理解,対話,一般)
- 音声の構造的表象を用いた自動発音評定法の改善
- 音色の変復調を通して考える音声コミュニケーション(発達と知識獲得)
- 用法の違いを考慮した類似単語の置換による学習データ生成とそれを用いた主題の違いに頑健な言語モデルの構築
- 用法の違いを考慮した類似単語の置換による学習データ生成とそれを用いた主題の違いに頑健な言語モデルの構築
- 日本語のアクセント・イントネーションを対象とした発音教育システム構築に関する検討
- 2ZL-6 大規模英語学習者を対象とした音声の構造的表象に基づく発音分類とその応用(情報爆発時代におけるコミュニケーション手法,学生セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- 無作為判別構造解析を用いた日本語母音連結発声の自動認識
- 音声の構造的表象に基づく発音矯正必要度の計算手法の検討(聴覚・音声/一般)
- 音声の構造的表象に基づく英語学習者発音の音響的分析(音声,聴覚)
- 音声の構造的表象とその距離尺度(一般, 一般, チュートリアルレクチャー)
- 音声の構造的表象とその距離尺度
- 音声の構造的表象を用いた雑音環境下における日本語母音系列の自動認識(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)
- 音声の構造的表象を用いた雑音環境下における日本語母音系列の自動認識(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)
- 音声の構造的表象を用いた雑音環境下における日本語母音系列の自動認識(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)
- 音声の構造的表象を用いた日本語母音系列の自動認識(一般, 一般, チュートリアルレクチャー)
- 音声の構造的表象を用いた日本語母音系列の自動認識
- カスタマイズ性を考慮した擬人化音声対話ソフトウェアツールキットの設計(音声言語情報処理とその応用)
- 言語情報を用いた基本周波数生成過程モデルパラメータ自動抽出の高精度化(合成, 韻律, 生成, 一般)
- 音声の基本周波数パターン生成過程モデルのパラメータ自動抽出法の評価
- 音声の基本周波数パターン生成過程モデルのパラメータ自動抽出法(音声言語情報処理とその応用)
- 基本周波数パターン生成過程モデルのパラメータ自動抽出とその評価
- 1U-9 音声の構造的表象と多段階の重回帰を用いた外国語発音分析(音声分析・強調,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 単語間の関連性を利用した音声認識用言語モデルのドメイン適応(音声言語情報処理とその応用)
- 単語間の関連性を利用した音声認識用言語モデル
- 統計的系列-フレーム写像に基づく音声変換(一般セッション,クロスモーダル)
- 統計的系列-フレーム写像に基づく音声変換(一般セッション,クロスモーダル)
- 統計的系列-フレーム写像に基づく音声変換(一般セッション,クロスモーダル)
- 統計的系列-フレーム写像に基づく音声変換(一般セッション,クロスモーダル)
- 音源の空間的な情報の同定に基づく劣決定条件下での音源分離
- 構成要素の分離と統合による単一の混合スペクトルからの音源分離(音響と音声処理・音声強調,ロバスト音声認識,一般)
- 構成要素の分離と統合による単一の混合スペクトルからの音源分離(音響と音声処理・音声強調,ロバスト音声認識,一般)
- 音声の構造的表象に基づく日本語母音系列連続発声の認識(第8回音声言語シンポジウム)
- 音声の構造的表象に基づく日本語母音系列連続発声の認識(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 音声の構造的表象に基づく日本語母音系列連続発声の認識(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 音声の構造的表象に基づく発音ポートフォーリオの提案と学習者分類(言語の学習・教育)
- 音声の構造的表象を用いた英語学習話者の分類に関する実験的検討(一般)
- 発音の構造的表象に基づく学習者分類と発音教示生成(一般, STRAIGHTスペシャルセッション(SS))
- 音声の構造的表象に基づく非母語話者の英語発音分析(多言語, CSJ, 認識・理解・対話・一般)