HMMと音節セグメントの統計量を用いた音節認識

概要

論文の詳細を見る
我々はこれまでに、連続する4フレーム分のメルケプストラム係数を1つのベクトルとし、このベクトルに対してKL展開を用いて20次元に圧縮し入力ベクトルとするセグメント単位入力HMMの研究を行なっており、その有効性を示している。しかし、このようなモデルにおいては隣接するフレーム間の相関は考慮されているが、長区間にまたがるフレーム間の相関は考慮されていない。本報告では、より長い区間の特徴ベクトルの相関を表現するために、音節HMMの各状態に割り当てられる特徴量の平均値を連結したベクトルを1つの入力ベクトルとする、音節セグメントの統計量を用いた音声認識手法の提案を行なう。この特徴ベクトルは次元数が大きいため、KL展開を用いて次元圧縮を行なう。音節セグメント統計量はGMMでモデル化する。音節セグメント統計量を用いることにより、より長い区間にわたる特徴ベクトルの相関を表現することが可能となる(例えば、第1状態の特徴ベクトルと第4状態の特徴ベクトルなど)。モデルの学習と評価はベースとなるHMMでのフォースアライメントにより切り出された音節区間を用いて行なった。切り出し区間の音節認識実験ではベースモデルと音節セグメントモデルの両方を併用することにより音節認識率が83.7%から87.7%に向上した。
社団法人電子情報通信学会の論文
2001-12-13

HMMと音節セグメントの統計量を用いた音節認識

スポンサーリンク

概要

著者

関連論文

スポンサーリンク