MLLRを用いた音響モデルの教師なし環境雑音適応アルゴリズム

概要

論文の詳細を見る
MLLRと多数話者データベースを用いたHMM音響モデルの教師なし環境雑音適応アルゴリズムを提案する.対象話者の任意の1文発声と居室雑音を入力として音声データベースから環境適応用雑音重畳データを生成することで,話者に負担をかけずに大量の適応用データを得ることができる.具体的な適応処理は以下の3段階からなる.(1)GMMを用いた話者識別を用いて,入力話者と音響的距離の近い話者をデータベースから選択する.(2)(1)の選択話者の読み上げ音声をデータベースから抽出し,居室雑音を重畳する.(3)その雑音重畳音声を適応サンプルとしてMLLRによる適応を行う.更に,十分統計量と話者距離による教師なし話者適応及びHMM合成法を統合することで,高精度な教師なし統合適応システムを構築する.大語彙連続音声認識において評価した結果,提案手法による適応モデルは環境Matched Modelと同等以上の認識精度を示し,数十サンプルを用いた教師ありMLLRに近い性能が得られた.本適応システムによって認識率はSNRが20dBの雑音環境下においてmonophoneモデルで48.3%から70.5%に,PTMモデルで60.1%から79.9%に改善された.
社団法人電子情報通信学会の論文
2002-05-01