2次元可視化手法に基づいた音響空間分割による音響モデルライブラリの開発

概要

論文の詳細を見る
多次元特徴パラメータのHidden Markov Model(以下HMM)により表現される音響モデルの相互距離に基づいて,複数の音響モデルを2次元の音響空間地図上に写像する可視化手法(COSMOS法:aCOustic Space Map Of Sound[1], [2], [3], [4])を用いて,音響空間を部分音響空間に分割し,部分音響空間毎に音響モデルを作成することにより,詳細化された複数の音響モデル(以下音響モデルライブラリ)を構築する手法について述べる.未知の話者を少数の音声サンプルから,その話者の属する部分音響空間を同定することにより,高性能で,かつサイズの小さい音響モデルを提供する技術の検討を行う.本稿ではまず,COSMOS法により,男性話者145名の複数の発話様式による音声データ(のべ561名)の音響空間地図を作成し,発話様式毎の分布,音響空間地図上の話者の位置と認識性能との関係について分析を行い,COSMOS法が音声データベースの分布に有用であることを示す.次に,音響空間地図を同心円状に部分音響空間に分割し,部分音響空間毎に単一正規分布で表現される音響モデルを構築する.構築された音響モデルの集合である音響モデルライブラリから,評価話者の5単語の音声サンプルに対し,最大尤度を与える音響モデルを選択し,認識に用いたところ,正規分布の混合数16の不特定話者音響モデルと同程度の性能を示し,評価話者の30単語の音声サンプルを用いてMLLR[6]により適応化された話者適応モデルを上回る性能を示した.
社団法人電子情報通信学会の論文
2004-07-16

2次元可視化手法に基づいた音響空間分割による音響モデルライブラリの開発

スポンサーリンク

概要

著者

関連論文

スポンサーリンク