基本周波数情報を用いたダイナミックベイジアンネットワークによる音声認識(聴覚・音声・言語とその障害,一般)

概要

論文の詳細を見る
本稿では,ダイナミックベイジアンネットワーク(DBN)を用いて,基本周波数情報をHMMに組み込んだモデルを提案する.提案モデルでは,基本周波数の値を量子化し,離散変数としてモデルに組み込む.また,基本周波数を表す変数が音素の種類のみに依存する場合と,音素の種類と1つ前のフレームの自身の値に依存する場合を考える.提案手法の有効性を確認するため,日本語話し言葉コーパス(CSJ)による連続音素認識を行った.モデルの学習と認識にはGMTKを用いた.また,男女別のモデルを用いた場合と,性別非依存のモデルを用いた場合とで実験を行った.実験の結果,混合数1のベースラインモデルに比べて,男女別のモデルでは男性で最大2.7%,女性で3.9%音素正解精度が改善した.また,性別非依存のモデルでは最大3.5%音素正解精度が改善した.また,基本周波数の量子化数が2の場合に,より少ない混合分布数で,ベースラインよりも高い音素正解精度を示すことを確認した.その場合に,基本周波数のフレーム間の依存が重要であることを確認した.
社団法人電子情報通信学会の論文
2006-03-21