ヒトの聴覚情報処理過程を考慮した音声認識モデル(感情音声,韻律,声質,音声生成・知覚,脳機能,一般)

概要

論文の詳細を見る
本稿では,「聞き耳」の情報処理過程のモデルを提案し,さらにそのモデルを音声認識へと適用する.人間は複数の音源が存在し,音響的に劣悪な環境においても注意を向けた目的音を聴き取ることができる.目的音に対して注意を向け,トップダウン的に目的音に関する事前情報を積極的に利用して目的音を聞き分ける行為は「聞き耳」として知られるている.本研究では,ヒトの聴覚情報処理過程に対する実験心理学の知見を取り入れた「聞き耳」の機能モデルを提案する.ヒトの聴覚情報処理過程をモデル化しさらに,音声認識へと適応する研究は長年行われてきたが,いずれも既存の認識器の前処理として用いる手法であった.提案する「聞き耳」のモデルは,既存の音声認識器の前処理ではなく,提案モデルそのものが認識器となるようなモデルである.提案モデルに基づく実装システムを構築し,雑音環境下での日本語単数字認識実験を行うことによりシステムの評価を行った.その結果,SNR=0dBの環境においてもより頑健に認識が行えることが確認できた.「聞き耳」のモデルを音声認識に適応することの有用性と提案モデルに基づくシステムの雑音環境での頑健性が明らかとなった.
2009-06-17