セグメンテーション誤差最小規準にもとづく音素セグメンテーション用HMMの識別学習(合成, 韻律, 生成, 一般)
スポンサーリンク
概要
- 論文の詳細を見る
従来のHMMベースの音素セグメンテーションにおいては,HMMの学習は最尤規準で行われる。これはセグメンテーションの問題が分布の推定に結び付けられていることを意味しており,HMMは音素境界を検出するのではなく音素を検出するように学習される。こうした,学習と使用の間の不一致のために,セグメンテーション精度が損なわれる。そこで本稿では,識別学習を採用し,MSE(Minimum Segmentation Error)と呼ぶ新しい学習規準を導入する。この手法においては,損失関数はセグメンテーション誤差に直接対応するように定義される。全経験的損失関数をGPD(Generalized Probabilistic Descent)アルゴリズムを用いて最小化することにより,セグメンテーション誤差も同時に最小化される。中国語と日本語の音声データを用いて評価実験を行った結果,平均誤差が0.7ms(中国語の場合)ないし1.6ms(日本語の場合)減少し,本手法の有効性が確認された。さらに,HMMの状態数・混合数等が最適化されていない場合においても,本手法は有効であることが示された。
- 社団法人電子情報通信学会の論文
- 2003-08-14
著者
-
河井 恒
Atr音声言語コミュニケーション研究所
-
河井 恒
株式会社kddi研究所音声処理グループ
-
河井 恒
KDD研究所
-
倪 晋富
ATR音声言語コミュニケーション研究所
-
Wu Yi-Jian
ATR, Spoken Language Translation Laboratories
-
河井 恒
ATR, Spoken Language Translation Laboratories
-
倪 晋富
ATR, Spoken Language Translation Laboratories
-
Wang Ren-Hua
University of Science and Technology of China
-
児 晋富
Atr音声言語コミュニケーション研究所
-
Wu Yi-jian
Atr Spoken Language Translation Laboratories
関連論文
- テレビ視聴環境を利用した顔認識のための変動学習
- 携帯型端末を用いた音声自動翻訳システムとフィールド実験(モバイルと放送の融合時代を迎えて(1セグ放送, モバイル放送, 携帯放送融合サービス, 1セグ対応携帯端末, モバイルコンテンツと放送コンテンツの融合, マルチメディア配信, ディジタル放送受信機, および一般))
- 音楽情報検索向け類似テキスト検索システムの試作(音楽情報検索)
- 携帯電話音声に対する主観評価の精度及び客観評価尺度PESQの有効性の検証(一般)
- B-6-57 総合音声伝送品質率に基づくヘッダ圧縮処理の制御に関する一検討(B-6.ネットワークシステム,一般講演)
- 転送特性が非対称なワイヤレスリンクにおけるヘッダ圧縮性能向上に関する検討(Webサービスベースのオフィスアプリケーション・ネットワーキング・マネジメント及び一般)
- B-6-124 転送特性の異なる複合IP網における会話型アプリサービス提供に関する一検討(B-6.ネットワークシステム, 通信2)
- 背景雑音を含む携帯電話音声に対するMOS評価の精度推定とPESQの有効性検証
- B-6-115 ワイヤレスIP網におけるRTPパケット受信バッファ制御に関する一検討(B-6. ネットワークシステム, 通信2)
- 無線 IP 網上における区間分割型 QoS 情報通知機能に基づくメディア品質制御手法
- 無線IP網上における区間分割型QoS情報通知機能に基づくメディア品質制御手法
- 波形素片接続型音声合成システムの検討
- アンサンブル学習に基づく音韻継続長のモデル化(合成, 生成, 韻律, 一般)
- 分散型音声認識の商用システム構築(特別企画「音声認識デベロッパーズフォーラム」)
- B-15-16 統合PDA端末の開発(6) : 分散型音声認証システムの実装(B-15. モバイルマルチメディア通信, 通信1)
- 大語彙汎用音声認識エンジンの評価
- 大語彙汎用音声認識エンジンの開発
- 多数話者電話音声データベースを用いた話者クラスタリングの検討
- 韻律生成HMMのための学習データ作成ツール
- 音声翻訳システムのための声質変換法と日中英語間における評価
- 携帯型端末を用いた音声自動翻訳システムとフィールド実験
- 多言語音声の合成
- 連続数字認識を利用した悪戯電話排除システム
- 少数マイクロホンを用いた音声入力手法の検討(立体音響・トランスデューサ/一般)
- 大規模コーパスを用いた音声合成システムXIMERA(音声,聴覚)
- 音声合成システムXIMERAにおける日本語合成音の自然性劣化要因の分析
- コーパス・ベース音声合成システムXIMERA(一般, 一般, チュートリアルレクチャー)
- コーパス・ベース音声合成システムXIMERA
- ATRにおける中国語テキスト音声変換システム
- 品詞列の分析にもとづく中国語音声のポーズ予測(合成・生成,韻律,一般)
- 平均スペクトル等化の検討(合成, 韻律, 生成, 一般)
- セグメンテーション誤差最小規準にもとづく音素セグメンテーション用HMMの識別学習(合成, 韻律, 生成, 一般)
- 自動ラベリングされた中国語音声コーパスにおける声調の検証
- 中国語基本周波数パターンの自動ラベリング手法
- 統語情報を利用いた中国語韻律境界の自動検出
- 句レベルの韻律を考慮した中国語音声合成のための音声コーパス設計
- 中国語の音声合成のための音韻と韻律を考慮したテキストコーパス
- A-10-7 2段階DOA推定法に基づく音源分離手法の評価(A-10.応用音響,一般講演)
- 波形接続型音声合成における素片選択遅延時間の短縮(音声,聴覚)
- 素片接続型音声合成における最良優先探索に基づく素片選択(一般, STRAIGHTスペシャルセッション(SS))
- 波形接続型音声合成における連続素片優先探索の効果(合成, 生成, 韻律, 一般)
- 幅優先探索に基づく短遅延素片選択アルゴリズムの評価
- 短遅延素片選択におけるビーム幅制御の検討
- 短遅延音声合成のための素片選択法(合成・生成,韻律,一般)
- 波形素片接続型音声合成のための音声データの収集
- 連続数字認識における低認識率話者の分析
- 音声認識を利用した携帯電話サービスの開発(パネルディスカッション「音声認識技術の実用化」)
- 音声合成用大規模音声コーパスの構築(チュートリアル: 音声収録から始めるコーパスベース音声合成, 一般, チュートリアルレクチャー)
- 無線 IP 網上における区間分割型 QoS 情報通知機能に基づくメディア品質制御手法
- 電話網経由の連続数字音声認識システムの試作
- STRAIGHT合成音源に対する位相拡散の最適化 : 心理評価と制御変数値推定の試み
- STRAIGHT合成音源に対する位相拡散の最適化 : 心理評価と制御変数値推定の試み
- 日英バイリンガル・コーパスを用いた知覚的話者空間の推定 (音声)
- 連続数字発話を対象としたHMMの誤り最小基準による識別学習
- 話速変換によって発話速度を低下させた英語音声の了解性の評価
- 行列によるトレリス計算を用いたHMMの文レベルでの識別学習
- 基本周波数および音素持続時間を考慮した音声合成用波形素片データセットの作成
- 中国語音節の音素と声調の代替接続による自然性劣化の知覚的評価
- 中国語音声合成のための音声セグメンテーションについて
- 波形素片接続時の中国語音節環境代替による自然性劣化の知覚的評価
- 大規模音声コーパスにおける発声時期差の影響の分析
- コーパスベース中国語音声合成システムの韻律制御について
- 日英バイリンガル・コーパスを用いた知覚的話者空間の推定
- STRAIGHT合成音源に対する位相拡散効果の最適化 - 心理評価による検討 -
- 波形素片接続時の音素環境代替による自然性劣化の知覚的評価
- STRAIGHT分析合成音の心理評価 - 話者依存性の検討 -
- 単位接続型音声合成における音素環境代替による自然性劣化の知覚的評価
- コーパスベース音声合成技術の動向[III] : コーパスの設計と評価尺度
- 波形接続型音声合成における知覚的評価に基づく素片選択サブコスト関数の最適化(合成, 韻律, 生成, 一般)
- 波形接続型音声合成における局所的な自然性劣化を考慮に入れた素片選択の評価
- 素片接続型日本語テキスト音声合成における音素単位とダイフォン単位に基づく素片選択
- 音声合成用大規模音声コーパスにおける声質時期差の検討
- 波形接続型テキスト音声合成における素片選択コストの知覚的評価
- 素片接続型音声合成器の単位選択特徴量についての検討 : 聴覚モデルとMFCCによる選択の聴取評価
- 日本語テキスト音声合成における母音中心での接続を考慮に入れた単位選択
- 波形接続型音声合成における音素環境代替コストの予測
- STRAIGHTとPSOLAによる単語音声分析合成音の比較評価
- 日本語テキスト音声合成における音素単位とダイフォン単位に基づいた単位選択
- 2010年度喜安記念業績賞紹介 : 第3世代携帯電話向けの分散型音声認識システムの実用化
- 基本周波数及び音素持続時間を考慮した音声合成用波形素片データセットの作成
- 隣接単語間の結合関係に着目したテキスト音声変換用形態素解析処理
- 音声器官の動きに着目した音素持続時間の制御
- 日英バイリンガル・コーパスを用いた知覚的話者空間の推定(オーガナイズドセッション2,聴覚・音声・言語とその障害/一般)
- 言語モデルからの文生成による音声合成コーパス用テキスト設計の検討
- 波形接続型音声合成のための自動音素セグメンテーションの評価
- 音声合成用音声コーパス設計手法の評価
- ボイスダイヤリングシステムの現状 (コンピュータと通信)
- 電話網経由の連続数字音声の認識実験
- 電話網経由で収集した数字音声の認識実験
- 電話網経由の連続数字音声の認識実験
- 日本語文章音声の合成のための無声化規則
- 隣接音素の統計的性質に基づくホルマント型音声合成方式
- 個人性を考慮した異言語音声合成に対する知覚評価 (音声)
- 個人性を考慮した異言語音声合成に対する知覚評価
- 個人性を考慮した異言語音声合成に対する知覚評価(オーガナイズドセッション「音声知覚生成インタラクション・音声認識合成統合技術」,音声知覚生成/聴覚コミュニケーション,一般)