話者適応のための木構造話者クラスタリング

概要

論文の詳細を見る
本稿では木構造話者クラスタリングアルゴリズムと、そのアルゴリズムの高速な話者適応への応用について述べる。クラスタリング木を上位レベルから下位レベルへと辿ることにより、話者特性の大局的構造から個人的構造へと話者適応を行なうことが可能となる。ここでは木構造を、入力音声に対するモデルの尤度を基準として探索し、尤度が最大となるノードにおけるモデルを選択することにより、適応を行なう。この話者適応法ではパラメータの修正を行なわずに、クラスタリング木の枝の選択のみを行なうので、少数のサンプルで適応が行なえるという利点がある。音素モデルセットとして、ここでは音素環境を効果的に表現した隠れマルコフ網(HMnet)を用いた。実際に170人から作成された隠れマルコフ網のクラスタリングを行ない木構造を作成し実験に用いた。本話者適応の有効性を確認するため日本語音素認識及び、文節音声認識により評価を行なった。その結果不特定話者モデルを用いた場合に比較して認識率が向上し本手法が有効であることが確かめられた。
社団法人電子情報通信学会の論文
1993-12-09