タスク依存音響モデルのための発話レベルでの選択学習法(Session-8 ポスターセッション: 一般, 第7回音声言語シンポジウム)

スポンサーリンク

概要

論文の詳細を見る
高性能音響モデルを構築するために、音声データが大量に必要である。音響モデルの認識性能が対象タスクによるので、タスク別に音響モデルを準備する必要がある。しかし、音声データの収集と書き起こしにおけるコストが膨大であり、任意タスクのために十分の音声データを用意するのが困難である。本稿では、コスト削減を目的にした発話単位の選択学習法を検討する。提案手法は、既存の音声データベースを利用し、対象タスク用の開発データに対する尤度が上昇するように、学習発話を選択する。十分統計量を用いることで、尤度計算は高速に可能である。評価実験において、小学生の音声データで幼児モデル、大人の音声データで高齢者モデルを構築する選択学習を適用した。選択学習は10発話程度の開発データの場合にも有効であった。又、選別した発話で再学習した音響モデルの認識性能は、開発データに基づくMAPとMLLR適応で得られたモデルより優位であった。
一般社団法人情報処理学会の論文
2005-12-21

著者

関連論文

もっと見る

スポンサーリンク