| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2014-12-16 13:30 ［ポスター講演］ディープニューラルネットワークに基づく音声選択と環境適応による非同期音声収録の音声認識 ○任 波・王 龍標（長岡技科大）・甲斐充彦（静岡大）  SP2014-121 |
|
| 抄録 | （和） | 本稿では、非同期の音声収録を用いた頑健な遠隔発話音声認識システムを提案する.携帯端末を使用したアプリケーションへの注目は高まっているが，複数の携帯端末を用いた非同期音声収録による遠隔発話音声認識に着目した研究は少ない.本論文で提案するシステムは、従来のメル周波数ケプストラム係数より良いディープニューラルネットワークから抽出したボトルネック特徴量を使い、最先端のディープニューラルネットワーク音響モデルの環境適応と最適な音声の自動選択を行うことで実現する.提案手法は，WSJCAM0 コーパスからの発話を複数のスピーカーから発し，それを遠方に設置された複数の携帯端末で録音することで疑似的な会議音声を作成し評価する。単語誤り率(WER) はベースラインである48.98%から19.38%まで削減，すなわち60.43%の相対誤り削減率を達成した. |
| （英） | In this paper, we propose a robust distant-talking speech recognition system with asynchronous speech recording. This is implemented by combining automatic asynchronous speech (microphone or mobile terminal) selection and environmental adaptation with deep neural network. Although applications using mobile terminals have attracted increasing attention, there are few studies that focus on distant-talking speech recognition with asynchronous mobile terminals. For the system proposed in this paper, by using bottleneck features (BNFs) from a deep neural network (DNN) rather than the conventional mel-frequency cesptral coefficients (MFCCs), we adopted the state-of-the-art deep neural network acoustic model, environmental adaptation and automatic asynchronous speech selection. The proposed method was evaluated by using a reverberant WSJCAM0 corpus, which was emitted by a loudspeaker and recorded in a meeting room with multiple speakers by far-field multiple mobile terminals. By invoking the bottleneck features and DNN acoustic model with automatic asynchronous speech selection and environmental adaptation, the average Word Error Rate (WER) was reduced from 55.32% of the baseline system to 19.38%, i.e. the relative error reduction rate was 64.97%. | |
| キーワード | （和） | 遠隔発話音声認識 / tandem DNN / hybrid DNN / モデル適応 / 非同期音声 / / / |
| （英） | distant-talking speech recognition / tandem DNN / hybrid DNN / model adaptation / asynchronous speech / / / | |
| 文献情報 | 信学技報, vol. 114, no. 365, SP2014-121, pp. 129-134, 2014年12月. | |
| 資料番号 | SP2014-121 | |
| 発行日 | 2014-12-08 (SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2014-121 |
|
| 研究会情報 | |
| 研究会 | NLC IPSJ-NL SP IPSJ-SLP JSAI-SLUD |
| 開催期間 | 2014-12-15 - 2014-12-17 |
| 開催地（和） | 東工大（すずかけ台） |
| 開催地（英） | Tokyo Institute of Technology (Suzukakedai Campus) |
| テーマ（和） | 第6回集合知シンポジウム |
| テーマ（英） | The 6th Symposium on Collective Knowlege |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2014-12-NLC-NL-SP-SLP-SLUD |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | ディープニューラルネットワークに基づく音声選択と環境適応による非同期音声収録の音声認識 |
| サブタイトル（和） | |
| タイトル（英） | speech selection and environmental adaptation for asynchronous speech recording based on deep neural network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 遠隔発話音声認識 / distant-talking speech recognition |
| キーワード(2)（和/英） | tandem DNN / tandem DNN |
| キーワード(3)（和/英） | hybrid DNN / hybrid DNN |
| キーワード(4)（和/英） | モデル適応 / model adaptation |
| キーワード(5)（和/英） | 非同期音声 / asynchronous speech |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 任 波 / Bo Ren / ニン ハ |
| 第1著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 王 龍標 / Longbiao Wang / オウ リュウヒョウ |
| 第2著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 甲斐 充彦 / Atsuhiko Kai / カイ アツヒコ |
| 第3著者 所属（和/英） | 静岡大学 (略称： 静岡大) Shizuoka University (略称： Shizuoka Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2014-12-16 13:30:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SP |
| 資料番号 | SP2014-121 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.365 |
| ページ範囲 | pp.129-134 |
| ページ数 | 6 |
| 発行日 | 2014-12-08 (SP) |
[研究会発表申込システムのトップページに戻る]