音声認識におけるサンプリング周波数とフロントエンドの違いに対するモデル補償

スポンサーリンク

概要

論文の詳細を見る
最近、実用的な音声認識システムがパーソナルコンピュータ上でも動作するようになってきた。しかし、音声認識を行う環境と認識モデルの学習データのサンプリング周波数が異なる場合や、サウンドカードの特性によって認識性能に差が出ることが考えられる。音声認識を行う環境で学習データを収集し、モデルの学習/適応化を行えば、その環境での最高の認識性能が得られるが、それはコストがかかるため、簡単なモデルの適応化で対処できることが望ましい場合もある。本稿では、サンプリング周波数の違いや音声フロントエンドの違いによる認識性能の低下と、サウンドデバイスの周波数特性を基にした簡単なモデル補償による認識性能の改善について述べる。
社団法人電子情報通信学会の論文
1998-09-10

著者

関連論文

もっと見る

スポンサーリンク