WFST駆動音声認識デコーダの最近の評価結果(デコーダ,第11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
本論文では、東京工業大学で開発されているトランスデューサ駆動音声認識デコーダ(T^3)に対する最近の評価結果を報告する。二つのASRタスクによって評価を行った。一つ目のタスクは、JNASコーパスによる大語彙連続音声認識のトランスクリプションであり、二つ目は、乗換案内情報における音声検索のタスクである。まず、WFSTネットワーク構築方法の徹底比較によって、高速かつ高精度のネットワークの効率の良い構築方法について報告する。さらに、音声検索のタスクで、HTKとSphinxTrainの音響モデルを、T^3で比較し、その結果を報告する。実験の結果から、WFSTネットワークの構築において、logセミリングを使用した方が総合的に良く、T^3の柔軟性と高速性を新しいタスクによって確認することができた。
- 2009-12-14
著者
-
古井 貞熙
東京工業大学大学院情報理工学研究科計算工学専攻
-
大西 翼
東京工業大学大学院情報理工学研究科計算工学専攻
-
ディクソン ポール
東京工業大学大学院情報理工学研究科計算工学専攻
-
Dixon Paul
東京工大 大学院情報理工学研究科
-
古井 貞熙
東京工業大学大学院情報理工学研究科:国立国語研究所
-
ノヴァク ジョセフ
東京工業大学大学院情報理工学研究科計算工学専攻
-
ノバック ジョセフ
東京工業大学大学院情報理工学研究科計算工学専攻
-
古井 貞熙
東京工業大学
-
大西 翼
東京工業大学
関連論文
- 年齢推定のための音声特徴量および推定器の検討 (音声)
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出 (医用画像)
- 音声認識実用化技術の展開(総合報告)
- SIFT混合ガウス分布と音響特徴を用いた映像からの高次特徴検出(テーマセッション関連,一般物体認識・画像特徴量)
- WFST音声認識デコーダにおけるon-the-fly合成の最適化処理(音声,聴覚)
- 携帯端末上でのプロキシ編集(映像理論・映像システム,画像処理・符号化及び一般)
- 頑健な区間検出とモデル適応に基づく雑音下音声認識(雑音下音声処理)(第6回音声言語シンポジウム)
- プロダクト・オブ・エキスパートを用いた話者識別
- F_0パターン生成モデルのための数量化I類の平均値置換による話者適応法の検討(感情音声,韻律,声質,音声生成・知覚,脳機能,一般)
- CHLAC特徴と隠れマルコフモデルを用いたGait認識(一般セッション2,複合現実感のためのパターン認識・理解)
- 統計的モデル選択によるシーン数の自動推定を用いた動画要約(一般セッション3,複合現実感のためのパターン認識・理解)
- 高精度音声認識のための教師なしクロスバリデーションおよび集合適応法の提案(認識)
- 耐雑音音声認識のためのハフ変換による基本周波数情報抽出の高速化
- WFST音声認識デコーダの高機能化とその応用 : on-the-fly合成法の検討(プラットフォーム)
- 話者認識研究の現状と展望
- 東京工業大学における質問応答システムの研究概要(第8回音声言語シンポジウム)
- 連続音声認識のためのネットワーク構造を用いた効率的探索手法
- 話し言葉音声の音響的・言語的特徴の分析
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出(一般,First Person Visionのための認識・理解)
- 8 WFSTに基づくT^3音声認識デコーダ(音声認識技術の実用化への取り組み)
- 1 音声認識技術の実用化への取り組み(音声認識技術の実用化への取り組み)
- WFSTに基づくT[3]音声認識デコーダ (特集 音声認識技術の実用化への取り組み)
- 音響モデル学習のための相対エントロピーを用いた学習文選択
- 年齢推定のための音声特徴量および推定器の検討(音声・言語・音響教育,一般)
- 音声・非音声の信頼度を利用した雑音に頑健な音声認識デコーダの検討(音声・言語・音響教育,一般)
- WFST音声認識デコーダの開発とその性能評価
- 音声の有無による違いを考慮した Home video 簡易編集
- 大規模映像資源のためのマルチモーダル高次特徴検出(画像・映像処理)
- マルチストリーム話者照合におけるブースティングに基づく重み最適化法の検討(ポスターセッション)(第6回音声言語シンポジウム)
- マルチストリーム話者照合におけるブースティングに基づく重み最適化法の検討(ポスターセッション)(第6回音声言語シンポジウム)
- マルチストリーム話者照合におけるブースティングに基づく重み最適化法の検討(ポスターセッション)(第6回音声言語シンポジウム)
- 会議音声認識のためのスペクトル減算に基づくオンライン音源分離(オーガナイズドセッション:スピーチエンハンスメント,音声,応用/電気音響,信号処理,及び一般)
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出(一般,First Person Visionのための認識・理解)
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出(一般,First Person Visionのための認識・理解)
- SIFT混合ガウス分布を用いた一般物体認識のためのマルチカーネル学習(テーマセッション,コンピュータビジョンとパターン認識のための機械学習と最適化,一般)
- SIFT混合ガウス分布を用いた一般物体認識のためのマルチカーネル学習(テーマセッション,コンピュータビジョンとパターン認識のための機械学習と最適化,一般)
- WFST駆動音声認識デコーダの最近の評価結果(デコーダ,第11回音声言語シンポジウム)
- WFST駆動音声認識デコーダの最近の評価結果(デコーダ,第11回音声言語シンポジウム)
- ニュース音声を対象とした大語彙連続音声認識と話題抽出
- 単語trigramを用いた大語彙連続音声認識
- 音声の有無による違いを考慮したHome video簡易編集
- 科学技術振興調整費開放的融合研究推進制度 : (小特集:) : 大規模コーパスに基づく『話し言葉工学』の構築
- 会議音声認識のためのスペクトル減算に基づくオンライン音源分離(オーガナイズドセッション:スピーチエンハンスメント,音声,応用/電気音響,信号処理,及び一般)
- 会議音声認識のためのスペクトル減算に基づくオンライン音源分離(オーガナイズドセッション:スピーチエンハンスメント,音声,応用/電気音響,信号処理,及び一般)
- ニュース音声を対象とした言語モデルと話題抽出の検討
- ニュース音声認識のための言語モデルと音響モデルの検討
- 音声認識のための複数の認識器を利用した能動学習(音響モデル,第11回音声言語シンポジウム)
- 音声認識のための複数の認識器を利用した能動学習
- 講義音声認識における講義スライド情報の利用(第8回音声言語シンポジウム)
- マルチモーダル音声認識におけるストリーム重み係数最適化の検討(ポスターセッション)(第5回音声言語シンポジウム)
- 横顔の動画像情報を用いたマルチモーダル音声認識(自然言語情報処理研究会と一部合同開催 : マルチモーダル・音声インタフェース関連)
- 周波数帯域ごとの重みつき尤度を用いた雑音に頑健な音声認識(耐雑音)(第5回音声言語シンポジウム)
- 頑健な区間検出とモデル適応に基づく雑音下音声認識(雑音下音声処理)(第6回音声言語シンポジウム)
- 頑健な区間検出とモデル適応に基づく雑音下音声認識(雑音下音声処理)(第6回音声言語シンポジウム)
- HMM音声合成における自然性と個人性に優れた韻律モデル適応法の検討
- マルチモーダル音声認識におけるストリーム重みの教師なし推定法の検討
- 話し言葉音声合成の韻律制御に関する検討
- マルチモーダル音声認識におけるストリーム重みの教師なし推定法の検討
- 話し言葉音声合成の韻律制御に関する検討
- 何かが欠けている音声認識研究(第11回音声言語シンポジウム)
- 何かが欠けている音声認識研究(第11回音声言語シンポジウム)
- 自由発話を対象とした対話システムの構築と評価
- 雑音下音声におけるスペクトル縮小の分析とその耐雑音音声認識への利用
- 音声自動要約を利用した講演速聞きシステムの検討(自然言語情報処理研究会と一部合同開催 : NL・SLP合同開催 : 音声対話1)
- 教師なしクロスバリデーション適応法の諸条件における評価
- 教師なしクロスバリデーション適応法の諸条件における評価
- 効率的なクロスバリデーションに基づく混合ガウス分布の最適化法とその拡張(音響モデル)
- 5X-8 User identification using Time-of-Flight camera image streams
- 雑音に頑健な音声認識のための韻律情報の利用(自然言語情報処理研究会と一部合同開催 : 自動車内音声対話関連)
- ハフ変換による雑音に頑健な基本周波数抽出法
- 純粋関数型言語を用いた超コンパクト音声認識デコーダの開発
- 話し言葉音声認識における話者間の認識率変動要因の解析
- 雑音下音声におけるスペクトル縮小の分析とその耐雑音音声認識への利用(音声一般,聴覚・音声・言語とその障害/一般)
- マルチバンド音声認識のためのLDAに基づく帯域重み推定手法
- HMM音声合成に基づいた話者適応可能な多言語音声合成法 : 開発と評価(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)
- HMM音声合成に基づいた話者適応可能な多言語音声合成法 : 開発と評価(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)
- 英語ニュース音声を対象とした音声自動要約
- 英語ニュース音声を対象とした音声自動要約
- 係り受けSCFGに基づく音声自動要約法の改善
- 話し言葉音声認識における話者間の認識率変動要因の解析
- 話し言葉音声認識のためのNグラム言語モデルの枠組みにおける種々の方法の検討(ポスターセッション)(第5回音声言語シンポジウム)
- Slice Chain Max-Sumアルゴリズムによるタンパク質のポテンシャルエネルギー最小化に関する研究
- 軽量な画像特徴量を用いたマルチモーダル音声認識(音声、聴覚,学生論文)
- 3-2 第4世代の音声認識を目指して(3.人間に関係した情報処理,人間を理解するためのICT技術-人間を対象としたセンシング・情報処理からその応用まで-)
- 隠れマルコフモデルを用いた眼電位認識の研究(一般セッション,時系列パターン認識)
- 隠れマルコフモデルを用いた眼電位認識の研究(一般セッション,時系列パターン認識)
- 数量化I類によるF_0パターン生成の制御要因に関する検討
- 1.音声研究の始まり : 音声分野(〈特集〉-音響学における20世紀の成果と21世紀に残された課題-)