講演音声認識における音響・言語モデルの話者適応の検討(認識・理解・対話)
スポンサーリンク
概要
- 論文の詳細を見る
本稿では話し言葉音声の代表として講演音声を取り上げ,認識精度の向上を目指す.講演音声や会議音声などの認識においては,講演録や議事録の作成を目的としている場合が多く,リアルタイムな認識である必要はない.そこで,音響モデルと言語モデルの話者適応を考える.音響モデルの話者適応では,完全な教師なし適応において高精度な適応が望めないので,先頭数分のラベリングが人手で行われていることを前提に,教師なしと教師有りを組み合わせた適応を行う.言語モデルの適応では,品詞をクラス単位とすることで,適応テキストである認識結果の誤りを抑えた適応を行う.講演音声CSJの評価セット平均認識精度は,音響モデルの適応で7ポイントの向上,言語モデルの適応で2ポイントの向上,音響モデルの適応と言語モデルの適応を併用し9ポイントの向上を得た.最終的に,単語誤り率で20.9%の結果が得られ,目標としていた認識精度80%をほぼ達成した.
- 社団法人電子情報通信学会の論文
- 2003-05-23
著者
-
好田 正紀
山形大学工学部電子情報工学科
-
加藤 正治
山形大学工学部
-
小坂 哲夫
山形大学工学部
-
加藤 正治
山形大学大学院理工学研究科
-
小坂 哲夫
山形大学大学院理工学研究科
-
堤 怜介
山形大学工学部
-
関 信哉
山形大学工学部
-
関 信哉
山形大学 工学部
-
堤 怜介
山形大学工学部:現在 キヤノン株式会社
関連論文
- 単語グラフ統合を用いた種々の雑音環境下での音声認識 (音声)
- PLSA言語モデル適応におけるアニーリングスケジュールの評価(言語モデル・システム,第10回音声言語シンポジウム)
- Quinphone HM-Netを用いた単語グラフ統合に基づく講演音声認識 (音声)
- SP2000-25 N-gramに基づくエルゴディックHMMによる言語モデル
- 離散分布型HMMによる単語音声認識におけるビタビbest-firstサーチの検討
- Quinphone HM-Netを用いた単語グラフ統合に基づく講演音声認識(音声・言語・音響教育,一般)
- 単語グラフ統合を用いた種々の雑音環境下での音声認識(認識,理解,対話,一般)
- 音声雑音環境下における音声区間検出の検討
- 話者クラス音響モデルを用いた講演音声認識の性能向上(音響モデル,認識,理解,対話,一般)
- 英語発音評定における各種正規化の検討 (音声)
- 英語発音評定における各種正規化の検討 (言語理解とコミュニケーション)
- PLSA言語モデル適応におけるアニーリングスケジュールの評価(言語モデル・システム,第10回音声言語シンポジウム)
- PLSA言語モデル適応におけるアニーリングスケジュールの評価(言語モデル・システム,第10回音声言語シンポジウム)
- 話者ベクトルに基づく話者照合の検討(認識,理解,対話,一般)
- 音素クラスHMMを使用した話者ベクトルに基づく話者識別法の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素クラスHMMを使用した話者ベクトルに基づく話者識別法の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素クラスHMMを使用した話者ベクトルに基づく話者識別法の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素モデルを用いた話者ベクトルに基づく話者識別(音声,聴覚)
- 講演音声認識における教師なし適応の改善(認識,理解,対話,一般)
- 話者ベクトルによる雑音下話者識別の検討(認識,理解,対話,一般)
- 音素モデルを用いた話者ベクトルに基づく話者識別の検討(第8回音声言語シンポジウム)
- 音素モデルを用いた話者ベクトルに基づく話者識別の検討(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 音素モデルを用いた話者ベクトルに基づく話者識別の検討(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- コードブック適応を用いた離散混合分布型HMMによる講演音声認識(音声認識)
- 音声認識のための確率文脈自由文法に基づく言語モデルの構築と評価(音声情報処理 : 現状と将来技術論文特集)
- 確率文脈自由文法を用いた言語モデルの構築と音声認識実験による評価
- 英語発音評定における各種正規化の検討(一般(ポスターセッション),第11回音声言語シンポジウム)
- 英語発音評定における各種正規化の検討
- 日本語話し言葉コーパスを用いた発音変形依存モデルによる講演音声認識の性能評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)
- 日本語話し言葉コーパスを用いた発音変形依存モデルによる講演音声認識の性能評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)
- 日本語話し言葉コーパスを用いた発音変形依存モデルによる講演音声認識の性能評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討 (音声言語情報処理)
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討
- 連続/セミ連続分布型HMMによる単語音声認識のViterbi best-firstサーチにおける推定スコア設定法の検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 状態クラスタリングによるHM-Netを用いた大語彙連続音声認識システムの検討
- 音素連接HMMを用いた尤度正規化に基づくワードスポッティングの検討
- 音素連接HMMを用いた尤度正規化に基づくワードスポッティングの検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 音素連接HMMを用いた尤度正規化に基づくワードスポッティングの検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの検討
- 音素連接HMMに基づく尤度正規化を用いたワードスポッティングの検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 音素決定木に基づく逐次状態分割法による HM-Net の性能改善の検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの性能改善の検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの性能改善の検討
- 大語彙言語データベースからのN-gram構築とタスク適応の検討
- 離散混合分布HMMのヒストグラム同等化を用いたコードブック正規化(認識・理解・対話・一般)
- 発音変形依存モデルを用いた講演音声認識(音声,聴覚)
- 離散混合分布型HMMによる講演音声認識の検討(多言語, CSJ, 認識・理解・対話・一般)
- 離散混合出力分布型HMMによる雑音下音声認識のMFCCでの評価
- ETSI標準フロントエンドを用いた雑音下音声認識の検討(認識・理解・対話)
- ETSI標準フロントエンドを用いた雑音下音声認識の検討(認識・理解・対話)
- 離散混合出力分布型HMMを用いた非定常雑音下の音声認識(ポスターセッション)(第5回音声言語シンポジウム)
- 離散混合出力分布型HMMを用いた非定常雑音下の音声認識(第5回音声言語シンポジウム : ポスターセッション)
- 離散混合出力分布型HMMを用いた非定常雑音下の音声認識(第5回音声言語シンポジウム : ポスターセッション)
- 講演音声認識における音響・言語モデルの話者適応の検討(認識・理解・対話)
- MAP推定を用いた離散混合出力分布型HMMの雑音重畳音声での評価(認識・理解・対話)
- 講演音声認識における話者適応の検討
- 離散混合出力分布型HMMのMAP推定による雑音適応の検討
- かな・漢字文字列を単位とした言語モデルの検討
- 講演音声認識のための音響・言語モデルの検討
- かな・漢字文字列を単位とした言語モデルの検討
- かな・漢字文字列を単位とした言語モデルの検討
- かな・漢字文字列を単位とした音声認識の検討
- 単語グラフ生成の言語重み・挿入ペナルティ最適化の検討
- 音素グラフに基づく仮説制限法を用いた大語彙連続音声認識の検討
- 音素グラフに基づく仮説制限法を用いた大語彙連続音声認識の検討
- 音素グラフに基づく仮説制限法を用いた大語彙連続音声認識の検討
- Trigramに基づくErgodic HMMによる言語モデルの検討
- 確率文脈自由文法を用いたHMM-LR文節音声認識におけるViterbi best-firstサーチの検討
- 確率文脈自由文法を用いたHMM-LR文節音声認識におけるViterbi best-firstサーチの検討
- HMM-LRによる文節音声認識におけるViterbi-best firstサーチの検討
- 声道長正規化による大語彙連続音声認識の性能改善の検討
- VQひずみに基づく推定コストを用いるDP best-firstサーチの検討
- 講演音声認識のための音響・言語モデルの検討
- 講演音声認識のための音響・言語モデルの検討
- 最大エントロピー法によるトリガー言語モデルの評価
- 対話音声認識におけるMLLR適応の評価
- 単語グラフ生成におけるパラメータ最適化の検討
- 単語グラフ生成におけるパラメータ最適化の検討
- 単語グラフ生成におけるパラメータ最適化の検討
- 単語グラフ生成におけるパラメータ最適化の検討
- SP2000-26 単語グラフ生成の言語重み・挿入ペナルティ最適化の検討
- SP2000-19 話者照合におけるMLLRベースの話者モデル作成の検討
- MLLR適応におけるMDL基準に基づく回帰クラスタ設定の検討
- 品詞と高頻度単語のN-gramを使用したタスク適応の検討
- 尤度差に基づくn-gram言語モデル評価のための指標
- 音素決定木に基づく逐次状態分割法によるHM-Netの検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの検討
- 連続分布型HMMによる単語音声認識におけるViterbi best-firstサーチの検討
- 係り受け文法による確率文脈自由文法を用いた言語モデルの検討
- 話者照合における話者モデルのMLLR適応の検討
- 話者照合における話者モデルのMLLR適応の検討
- 話者クラス音響モデル及び単語グラフ統合を用いた音声認識(音声,聴覚)
- 話者クラス音響モデルを用いた講演音声認識におけるクラスタリング手法の各種検討(ポスターセッション)