SP2000-10 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
スポンサーリンク
概要
- 論文の詳細を見る
話者クラスタリングは音響的に近い話者集合を作成する方法であり, 話者集合毎に音響モデルを学習することで特定の話者集合にチューニングされたモデルが得られる.従来の報告では少ない話者数(数十名から数百名)の音声を学習データとして用いているが, 多数話者の音声を学習データに用いれば, 1話者クラスタあたりのデータ量が増加しモデルパラメータの推定精度が向上すること, 任意の話者に近い話者集合の音響モデルを認識に利用できることにより認識性能の改善が期待できる.本稿では, 1, 000名規模の電話音声データベースを用いで話者クラスタリングを行い, 学習データの話者数の増加に伴い認識率が上昇することを確認した.また, 話者集合の作成が理想的に行われた場合の認識率を求めることを目的として, 従来の尤度に基づく方法に替えて, 認識対象の話者に対して高い認識率を与える話者のデータからモデルを学習したところ, 不特定話者モデルと特定話者モデルの性能差の約60%を改善可能であることがわかった.
- 社団法人電子情報通信学会の論文
- 2000-06-15
著者
-
加藤 恒夫
株式会社KDDI研究所
-
加藤 恒夫
Kdd研究所
-
樋口 宜男
KDD研究所
-
加藤 恒夫
KDDI研究所
-
樋口 宜男
株式会社KDDI研究所
-
清水 徹
情報通信研究機構:atr音声言語コミュニケーション研究所
-
樋口 宣男
Kdd研究所
-
清水 徹
KDD研究所
-
黒岩 眞吾
KDD研究所
-
黒岩 真吾
国際電電 研
-
黒岩 眞吾
徳島大学大学院ソシオテクノサイエンス研究部:独立行政法人情報通信研究機構知識創成コミュニケーション研究センター音声言語グループ
-
黒岩 眞吾
国際電信電話株式会社 上福岡研究所
-
清水 徹
知識創成コミュニケーション研究セ
関連論文
- 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))
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型Bluetooth通信方式 (ディペンダブルコンピューティング)
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型Bluetooth通信方式 (コンピュータシステム)
- 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-7-90 VoIPサービス向け通話品質評価手法
- 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-7-61 IPベースの回線多重化転送方式における音声品質評価
- B-6-11 無線LAN環境での音声IPパケット転送に関する一検討
- 波形素片接続型音声合成システムの検討
- 携帯インターネットサービスのための音声認証システムの試作と評価
- B-20-60 パッシブ型超音波ポインティングシステムにおける追従性能の評価(B-20.ユビキタス・センサネットワーク,一般セッション)
- 2 携帯電話における分散型音声認識システムの実用化(音声認識技術の実用化への取り組み)
- 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)
- キーワードと音響的に類似したアンチキーワードを用いたキーワードスポッティングのリジェクション性能の改善
- 連続数字のパタン指定方式による時期差データに対する話者照合精度の改善
- 携帯インターネットサービスのための音声認証システムの試作と評価
- 携帯電話音声に含まれる雑音のモデル化による音声区間検出誤りの削減
- 混合分布HMMにおけるTree-basedクラスタリング(音声情報処理 : 現状と将来技術論文特集)
- D-14-9 電話音声認識を用いた株価情報案内システム
- SP2000-10 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
- 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
- 不特定話者混合分布HMMにおけるTree-Basedクラスタリングの検討
- 不特定話者混合分布HMMにおけるTree-Basedクラスタリングの検討
- 不特定話者混合分布HMMにおけるTree-Basedクラスタリングの検討
- 音声信号の途切れ・オーバーフローへのMissing Feature Theoryの適用
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型Bluetooth通信方式
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型Bluetooth通信方式
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型Bluetooth通信方式
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型Bluetooth通信方式
- A-10-1 3次元位置推定に基づくパッシブ型超音波ポインティングシステムの構築(A-10. 応用音響,一般セッション)
- テキスト指定型話者照合におけるしきい値設定法(音声情報処理 : 現状と将来技術論文特集)
- 連続数字認識を利用した悪戯電話排除システム
- 音声認識のためのCS-ACELP符号の音響パラメータ変換方式
- 高齢者用HMMによる認識実験
- 話者モデル学習時の尤度上昇幅を用いた話者識別手法
- 話者モデル学習時の尤度上昇幅を用いた話者照合閾値設定法
- 複数N-gramの利用による音声認識性能改善効果
- 不特定話者混合分布HMMにおけるTree-Basedクラスタリングの検討
- 話者モデル学習時の尤度上昇幅を用いた話者照合閾値設定法
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型 Bluetooth 通信方式
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型 Bluetooth 通信方式
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型 Bluetooth 通信方式
- 多数の携帯電話とデジタルサイネージ間のインタラクションを可能にするクライアントサーバー型 Bluetooth 通信方式
- 最ゆう状態系列を用いた実時間ケプストラム平均値正規化の検討
- リジェクションを用いた音声始端検出法の改良
- 電話音声認識におけるケプストラム平均値算出法の改良
- 最尤状態系列を用いた実時間ケプストラム平均値正規化の検討
- 時差・エリアコード案内システムの試作
- 発声内容を考慮した実時間ケプストラム平均値正規化の検討
- トピックス20 Speak & SpellとDECtalk(〈特集〉-音響学における20世紀の成果と21世紀に残された課題-)
- 連続数字認識における低認識率話者の分析
- SD-2-2 実走行環境下における車内騒音の分析
- 実走行環境下における非定常車内騒音の識別実験
- 数字を用いた話者照合方式の検討
- 数字を用いた話者照合方式の検討
- 数字を用いた話者照合方式の検討
- RJ-006 注視行動の予測に向けた動画像コンテンツの視覚的特徴と実測した注視点の正準相関分析(J分野:ヒューマンコミュニケーション&インタラクション,査読付き論文)
- 文のクラスタリングに基づく統計的言語モデル
- 文クラスタ混合分布N-gramの検討
- 文クラスタ混合分布N-gramの検討
- 文クラスタ混合分布N-gramの検討
- パラメ-タ導出型日本語音声規則合成装置の評価 (新しい音声処理技術特集)
- テキスト編集機能付き音声規則合成装置の試作
- ワ-プロ機能付き音声規則合成装置--パソコント-ク
- 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
- 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
- テキスト編集機能付き日本語音声規則合成装置における韻律制御
- パラメータ導出型日本語音声規則合成方式における調音制御
- 4-1 CGM動画像検索のための動き特徴の分散に基づいたハイライト区間抽出手法に関する考察(第4部門 メディア処理1)
- 5-7 ライトの反射光を利用した携帯電話向けユーザインタフェース(第5部門 メディア処理2)
- 歩行中でも操作しやすいウェアラブルディスプレイ向けインタラクションシステムの提案
- スマートフォン・タブレットによるスマート中国語学習教室の構築(大学教育の改善・FD)
- 24-1 自由視聴点技術に基づくスマートフォン向けミュージックビデオアプリケーション(第24部門デモセッション)
- 18-1 テレビ番組の探しやすさと選局の操作しやすさを特徴とする簡単リモコンGUIの試作と評価(第18部門[テーマ講演]人にやさしい情報メディア技術)
- J-056 加速度およびタッチパネルへの入力情報を用いた携帯端末の持ち手・打ち手判別(HCI(4),J分野:ヒューマンコミュニケーション&インタラクション)
- J-039 HMMに基づくフリックキーボード入力方式(インタフェース,J分野:ヒューマンコミュニケーション&インタラクション)
- カスタマイズ可能なテレビ番組表アプリの試作と評価
- カスタマイズ可能なテレビ番組表アプリの試作と評価
- カスタマイズ可能なテレビ番組表アプリの試作と評価
- カスタマイズ可能なテレビ番組表アプリの試作と評価
- Robust and Fast Search Algorithm for Lyric Search Covering Erroneous Queries due to Mishearing
- 音声合成のためのサブバンド符号化技術を用いた高速な波形生成(音声合成・音声再生,電気音響,信号処理,音声一般)
- 音声合成のためのサブバンド符号化技術を用いた高速な波形生成(音声合成・音声再生,電気音響,信号処理,音声一般)
- 音声合成のためのサブバンド符号化技術を用いた高速な波形生成(音声合成・音声再生,電気音響,信号処理,音声一般)
- タブレットデバイスにおける音声対話エージェントを用いたインタラクティブなレシピ検索インターフェイス(コミュニケーション支援及びヒューマン情報処理一般)
- タブレットデバイスにおける音声対話エージェントを用いたインタラクティブなレシピ検索インターフェイス(コミュニケーション支援及びヒューマン情報処理一般)
- 確率モデルに基づくキーボード入力方式
- 線形予測残差の尖度に基づく近端/遠端話者判別の提案(一般,時系列パターン認識,一般)