発音変形依存モデルを用いた講演音声認識(音声,聴覚)
スポンサーリンク
概要
- 論文の詳細を見る
本研究では話し言葉の音声認識で問題となる各種変動要因のうち,不明りょうな発音などを中心とした発音変形の問題について検討する.一般に発音変形への村処として,一つの表記に対し想定される読みを複数登録する方法がとられる.しかし単純に読みを増加させるとマッチングの対象が増加し,逆に認識時に悪影響を及ぼす.そこで本研究では発音変形の言語的な偏りを利用するため,発音変形を考慮した形態素解析データに基づく言語モデルを提案する.以上を実現するため,「日本語話し言葉コーパス」(CSJ)の書き起こしテキストを利用して,約95万語からなる発音変形のエントリを含む学習テキストを作成,それに基づき言語モデルを学習する.CSJに含まれる講演音声の認識実験を行い,4講演の平均で単語誤り率(WER)の改善率は26.5%を達成し,話し言葉の認識においては,発音変形への対処が重要であることを示した.また言語モデルや音響モデルの教師なし適応法を導入することにより,更なる性能向上を目指した結果,WERが適応なしの場合の21.8%から,言語モデル及び音響モデルの教師なし適応を行った場合で17.6%に減少した.
- 社団法人電子情報通信学会の論文
- 2006-02-01
著者
-
好田 正紀
山形大学工学部電子情報工学科
-
加藤 正治
山形大学工学部
-
小坂 哲夫
山形大学工学部
-
加藤 正治
山形大学大学院理工学研究科
-
小坂 哲夫
山形大学大学院理工学研究科
-
好田 正紀
山形大学
-
堤 怜介
山形大学工学部
-
堤 怜介
山形大学工学部:現在 キヤノン株式会社
関連論文
- 単語グラフ統合を用いた種々の雑音環境下での音声認識 (音声)
- PLSA言語モデル適応におけるアニーリングスケジュールの評価(言語モデル・システム,第10回音声言語シンポジウム)
- Quinphone HM-Netを用いた単語グラフ統合に基づく講演音声認識 (音声)
- SP2000-25 N-gramに基づくエルゴディックHMMによる言語モデル
- 離散分布型HMMによる単語音声認識におけるビタビbest-firstサーチの検討
- Quinphone HM-Netを用いた単語グラフ統合に基づく講演音声認識(音声・言語・音響教育,一般)
- 単語グラフ統合を用いた種々の雑音環境下での音声認識(認識,理解,対話,一般)
- 音声雑音環境下における音声区間検出の検討
- 話者クラス音響モデルを用いた講演音声認識の性能向上(音響モデル,認識,理解,対話,一般)
- 英語発音評定における各種正規化の検討 (音声)
- 英語発音評定における各種正規化の検討 (言語理解とコミュニケーション)
- PLSA言語モデル適応におけるアニーリングスケジュールの評価(言語モデル・システム,第10回音声言語シンポジウム)
- PLSA言語モデル適応におけるアニーリングスケジュールの評価(言語モデル・システム,第10回音声言語シンポジウム)
- 話者ベクトルに基づく話者照合の検討(認識,理解,対話,一般)
- 音素クラスHMMを使用した話者ベクトルに基づく話者識別法の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素クラスHMMを使用した話者ベクトルに基づく話者識別法の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素クラスHMMを使用した話者ベクトルに基づく話者識別法の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素モデルを用いた話者ベクトルに基づく話者識別(音声,聴覚)
- 講演音声認識における教師なし適応の改善(認識,理解,対話,一般)
- 話者ベクトルによる雑音下話者識別の検討(認識,理解,対話,一般)
- 音素モデルを用いた話者ベクトルに基づく話者識別の検討(第8回音声言語シンポジウム)
- 音素モデルを用いた話者ベクトルに基づく話者識別の検討(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 音素モデルを用いた話者ベクトルに基づく話者識別の検討(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- コードブック適応を用いた離散混合分布型HMMによる講演音声認識(音声認識)
- 音声認識のための確率文脈自由文法に基づく言語モデルの構築と評価(音声情報処理 : 現状と将来技術論文特集)
- 確率文脈自由文法を用いた言語モデルの構築と音声認識実験による評価
- 英語発音評定における各種正規化の検討(一般(ポスターセッション),第11回音声言語シンポジウム)
- 英語発音評定における各種正規化の検討
- 日本語話し言葉コーパスを用いた発音変形依存モデルによる講演音声認識の性能評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)
- 日本語話し言葉コーパスを用いた発音変形依存モデルによる講演音声認識の性能評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)
- 日本語話し言葉コーパスを用いた発音変形依存モデルによる講演音声認識の性能評価(Session-1 音響モデル・特徴量・学習, 第7回音声言語シンポジウム)
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討 (音声言語情報処理)
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討
- 大語彙連続音声認識のための音素グラフに基づく仮説制限法の検討
- 連続/セミ連続分布型HMMによる単語音声認識のViterbi best-firstサーチにおける推定スコア設定法の検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 状態クラスタリングによるHM-Netを用いた大語彙連続音声認識システムの検討
- 音素連接HMMを用いた尤度正規化に基づくワードスポッティングの検討
- 音素連接HMMを用いた尤度正規化に基づくワードスポッティングの検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 音素連接HMMを用いた尤度正規化に基づくワードスポッティングの検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの検討
- 音素連接HMMに基づく尤度正規化を用いたワードスポッティングの検討
- 状態クラスタリングによるHM-Netの構造決定法の検討
- 音素決定木に基づく逐次状態分割法による HM-Net の性能改善の検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの性能改善の検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの性能改善の検討
- 大語彙言語データベースからのN-gram構築とタスク適応の検討
- 離散混合分布HMMのヒストグラム同等化を用いたコードブック正規化(認識・理解・対話・一般)
- 発音変形依存モデルを用いた講演音声認識(音声,聴覚)
- 離散混合分布型HMMによる講演音声認識の検討(多言語, CSJ, 認識・理解・対話・一般)
- 離散混合出力分布型HMMによる雑音下音声認識のMFCCでの評価
- ETSI標準フロントエンドを用いた雑音下音声認識の検討(認識・理解・対話)
- ETSI標準フロントエンドを用いた雑音下音声認識の検討(認識・理解・対話)
- 離散混合出力分布型HMMを用いた非定常雑音下の音声認識(ポスターセッション)(第5回音声言語シンポジウム)
- 離散混合出力分布型HMMを用いた非定常雑音下の音声認識(第5回音声言語シンポジウム : ポスターセッション)
- 離散混合出力分布型HMMを用いた非定常雑音下の音声認識(第5回音声言語シンポジウム : ポスターセッション)
- 講演音声認識における音響・言語モデルの話者適応の検討(認識・理解・対話)
- MAP推定を用いた離散混合出力分布型HMMの雑音重畳音声での評価(認識・理解・対話)
- 講演音声認識における話者適応の検討
- 離散混合出力分布型HMMのMAP推定による雑音適応の検討
- かな・漢字文字列を単位とした言語モデルの検討
- 講演音声認識のための音響・言語モデルの検討
- かな・漢字文字列を単位とした言語モデルの検討
- かな・漢字文字列を単位とした言語モデルの検討
- かな・漢字文字列を単位とした音声認識の検討
- 単語グラフ生成の言語重み・挿入ペナルティ最適化の検討
- 音素グラフに基づく仮説制限法を用いた大語彙連続音声認識の検討
- 音素グラフに基づく仮説制限法を用いた大語彙連続音声認識の検討
- 音素グラフに基づく仮説制限法を用いた大語彙連続音声認識の検討
- Trigramに基づくErgodic HMMによる言語モデルの検討
- 確率文脈自由文法を用いたHMM-LR文節音声認識におけるViterbi best-firstサーチの検討
- 確率文脈自由文法を用いたHMM-LR文節音声認識におけるViterbi best-firstサーチの検討
- HMM-LRによる文節音声認識におけるViterbi-best firstサーチの検討
- 声道長正規化による大語彙連続音声認識の性能改善の検討
- VQひずみに基づく推定コストを用いるDP best-firstサーチの検討
- 講演音声認識のための音響・言語モデルの検討
- 講演音声認識のための音響・言語モデルの検討
- 最大エントロピー法によるトリガー言語モデルの評価
- 対話音声認識におけるMLLR適応の評価
- 単語グラフ生成におけるパラメータ最適化の検討
- 単語グラフ生成におけるパラメータ最適化の検討
- 単語グラフ生成におけるパラメータ最適化の検討
- 単語グラフ生成におけるパラメータ最適化の検討
- SP2000-26 単語グラフ生成の言語重み・挿入ペナルティ最適化の検討
- SP2000-19 話者照合におけるMLLRベースの話者モデル作成の検討
- MLLR適応におけるMDL基準に基づく回帰クラスタ設定の検討
- 品詞と高頻度単語のN-gramを使用したタスク適応の検討
- 尤度差に基づくn-gram言語モデル評価のための指標
- 音素決定木に基づく逐次状態分割法によるHM-Netの検討
- 音素決定木に基づく逐次状態分割法によるHM-Netの検討
- 連続分布型HMMによる単語音声認識におけるViterbi best-firstサーチの検討
- 係り受け文法による確率文脈自由文法を用いた言語モデルの検討
- 話者照合における話者モデルのMLLR適応の検討
- 話者照合における話者モデルのMLLR適応の検討
- 話者クラス音響モデル及び単語グラフ統合を用いた音声認識(音声,聴覚)
- 話者クラス音響モデルを用いた講演音声認識におけるクラスタリング手法の各種検討(ポスターセッション)