Hidden Markov モデルによる日本語有声破裂音の認識

概要

論文の詳細を見る
日本語の有声破裂音 /b//d//g/ を認識対象として、音韻を単位とする HMM (Hidden Markov Model) による音声認識手法の基礎検討を行った。まず /b//d//g/ を表現するために必要なモデルの状態数を調べた。実験結果としたループを持つ状態が3個以上必要と判明した。また、音韻が語頭・語中で著しく異なって発声される場合、モデルを別にした方が良いことが分かった。このとき /b//d//g/ の平均認識率は男性話者3名に対し93.7%であった。更にモデルの状態ごとに継続時間長の制御を行った場合、認識率が94.2%に改善された。また、特徴量としてスペクトルとパワーのほかにスペクトルの動的特徴を加え、これらを別々にベクトル量子化することにより、男性3名に対する /b//d//g/ の平均認識率は96.3%に改善された。次に学習データ数が少ない場合の HMM の出力確率の平滑化手法の検討を行った。実験結果として、学習データ数が少ない場合には学習・認識時の両方にファジィVQを行う平滑化が最も効果的であり、/b//d//g/ の認識率が75.1%から88.6%に改善された。
社団法人日本音響学会の論文
1989-10-01