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

スポンサーリンク

概要

論文の詳細を見る
SPINE2プロジェクトで扱う音声データは、逐次的に変化する種々の雑音を含む。それらの雑音により、単語間のポーズ部分を正しく切り出せないために、そのポーズモデルとポーズの左右にある音素モデルを適切に推定することは困難になる。本稿では音響モデルの学習において、単語間ポーズモデルを頑健に作成する手法、および音素の継続時間の分析に基づいてポーズを切り出す手法について報告する。本手法では音響モデルの最適化を複数のステップで行うが、最終的に得られるクロスワード文脈依存トライフォンモデルは、初期モデルと比べて、認識誤り率を9.2%ほど削減する。さらに、単語間ポーズモデルを一つの単語として扱い、言語モデルの中に組み込む方法についても報告する。この方法を用いれば、認識性能をほとんど劣化させることなく、認識に必要な計算量を削減することができる。
一般社団法人情報処理学会の論文
2002-02-01

著者

関連論文

もっと見る

スポンサーリンク