発話中における単音の音響的品質正規化の検討

概要

論文の詳細を見る
本報告では,これまでに提案したHMM-SM方式による音声認識を連続数字音声に適用すると共に,発話中における単音の音響的品質を正規化することの効果を,HMMに基づく様々な方式,すなわち発話全体の正規化,単語単位の正規化,単音単位の正規化,および正規化なしの場合と比較する。提案のHMM-SM方式では,最初にHMM分類器でN-bestの単語候補と,候補単語内の全音素境界を求めた後,SM照合器で単音を構成する特徴ベクトル系列と,全単音の固有ベクトル群間で類似度を計算する。最後に,発話区間における単音の音響的品質の違いを反映させた類似度→尤度変換(正規化処理)を行うと共に,HMM分類器による尤度を併用して発話内容を決定する。連続数字音声を対象に,標準的なHMM方式(発話全体で正規化)と比較した実験では,提案方式は単語正解率で96.3%から98.7%,また単語認識精度で95.7%から98.2%と大幅な向上を示した。また,他の様々な正規化改良を施したHMM方式と比較した際にも,提案方式はこれらの性能を大きく上回る結果を示した。
社団法人電子情報通信学会の論文
2002-12-12