| 講演名 | 2015-06-18 構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討 高島 悠樹(神戸大), 中鹿 亘(電通大), 滝口 哲也(神戸大), 有木 康雄(神戸大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本報告では，アテトーゼ型脳性麻痺による構音障害者の音声認識の検討を行う.従来研究として，畳み込みニューラルネットワークを用いた特徴量抽出法が提案され，その有効性が示されてきた.ニューラルネットワークの学習には教師信号としてHMMによる強制アライメントの結果が用いられているが，構音障害者の音声は発話毎にスペクトルの変動が大きいため，正確なアライメントを取ることは極めて難しい.誤った教師信号ではネットワークは十分に学習できないと考えられるため，上述の手法はその性能を十分に発揮できていないと考えられる.しかし，構音障害音声の音素境界は，健常者に比べて非常に曖昧であり，正確な音素境界を与えることは根本的に難しい.本研究では，音素ラベルを正規分布を用いた確率表現で与えることにより，構音障害音声特有の音素境界の曖昧性を考慮したラベリングを新たに提案する.本稿では，提案手法より得られる音素ラベルを教師信号としてネットワークを学習し，そのネットワークから抽出された特徴量を用いた単語認識実験の結果を報告する. |
| 抄録(英) | We investigate in this paper speech recognition for a person with an articulation disorder resulting from athetoid cerebral palsy. As our previous work, the feature extraction method using a convolutional neural network is proposed, and showed its effectiveness. The neural network needs the teaching signal to train the network using back-propagation, and the previous method uses forced alignment using HMMs from speech data for the teaching signal. However, because the dysarthric speech fluctuates every utterance, it is difficult to obtain the correct alignment. It is considered that the network is not adequately trained due to the wrong alignment. However, phone boundaries for dysarthric speech are ambiguous, and it is difficult to give the correct alignment and it is difficult to give the correct alignment. Therefore, we propose a phone labeling method using the Gaussian distribution. In this paper, we report our experimental results of speech recognition using the networks trained by the phone alignments calculated by our proposed method. |
| キーワード(和) | 構音障害 / 特徴量抽出 / 畳み込みニューラルネットワーク / ボトルネック特徴量 / 音素ラべリング |
| キーワード(英) | articulation disorders / feature extraction / convolutional neural network / bottleneck feature / phoneme labeling |
| 資料番号 | PRMU2015-44,SP2015-13,WIT2015-13 |
| 発行日 | 2015-06-11 (PRMU, SP, WIT) |
| 研究会情報 | |
| 研究会 | WIT / SP / ASJ-H / PRMU |
|---|---|
| 開催期間 | 2015/6/18(から2日開催) |
| 開催地（和） | 新潟大学駅南キャンパス「ときめいと」 |
| 開催地（英） | |
| テーマ（和） | 福祉/音声/聴覚/パターン認識メディア理解一般 |
| テーマ（英） | |
| 委員長氏名（和） | 布川 清彦(東京国際大) / 間野 一則(芝浦工大) / 赤木 正人(北陸先端大) / 前田 英作(NTT) |
| 委員長氏名（英） | Kiyohiko Nunokawa(Tokyo International Univ.) / Kazunori Mano(Shibaura Inst. of Tech.) / Masato Akagi(北陸先端大) / Eisaku Maeda(NTT) |
| 副委員長氏名（和） | 和田 親宗(九工大) / 北岡 教英(徳島大) / 古川 茂人(NTT) / 仙田 修司(NEC) / 内田 誠一(九大) |
| 副委員長氏名（英） | Chikamune Wada(Kyushu Inst. of Tech.) / Norihide Kitaoka(Tokushima Univ.) / Shigeto Furukawa(NTT) / Shuji Senda(NEC) / Seiichi Uchida(Kyushu Univ.) |
| 幹事氏名（和） | 酒向 慎司(名工大) / 梶谷 勇(産総研) / 若月 大輔(筑波技大) / 岩野 公司(東京都市大) / 滝口 哲也(神戸大) / 程島 奈緒(東海大) / 森本 隆司(リオン) / 饗庭 絵里子(電通大) / 大山 航(三重大) / 安倍 満(デンソーアイティーラボラトリ) |
| 幹事氏名（英） | Shinji Sakou(Nagoya Inst. of Tech.) / Isamu Kajitani(AIST) / Daisuke Wakatsuki(Tsukuba Univ. of Tech.) / Koji Iwano(Tokyo City Univ.) / Tetsuya Takiguchi(Kobe Univ.) / Nao Hodoshima(東海大) / Takashi Morimoto(リオン) / Eriko Aiba(電通大) / Wataru Ohyama(Mie Univ.) / Mitsuru Anbai(DENSO IT Lab.) |
| 幹事補佐氏名（和） | 雨宮 智浩(NTT) / 塩野目 剛亮(筑波技大) / 宮城 愛美(筑波技大) / 能勢 隆(東北大) / 浅見 太一(NTT) / / 近藤 一晃(京大) / 木村 昭悟(NTT) |
| 幹事補佐氏名（英） | Tomohiro Amemiya(NTT) / Takeaki Shionome(Tsukuba Univ. of Tech.) / Manabi Miyagi(Tsukuba Univ. of Tech.) / Takashi Nose(Tohoku Univ.) / Taichi Asami(NTT) / / Kazuaki Kondo(Kyoto Univ.) / Akisato Kimura(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Well-being Information Technology / Technical Committee on Speech / * / Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討 |
| サブタイトル（和） | |
| タイトル（英） | Phone Labeling Based on Gaussian Mixture Model for Dysarthric Speech Recognition |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 構音障害 / articulation disorders |
| キーワード(2)（和/英） | 特徴量抽出 / feature extraction |
| キーワード(3)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(4)（和/英） | ボトルネック特徴量 / bottleneck feature |
| キーワード(5)（和/英） | 音素ラべリング / phoneme labeling |
| 第 1 著者 氏名（和/英） | 高島 悠樹 / Yuki Takashima |
| 第 1 著者 所属（和/英） | 神戸大学(略称：神戸大) Kobe University(略称：Kobe Univ.) |
| 第 2 著者 氏名（和/英） | 中鹿 亘 / Toru Nakashika |
| 第 2 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 第 3 著者 氏名（和/英） | 滝口 哲也 / Tetsuya Takiguchi |
| 第 3 著者 所属（和/英） | 神戸大学(略称：神戸大) Kobe University(略称：Kobe Univ.) |
| 第 4 著者 氏名（和/英） | 有木 康雄 / Yasuo Ariki |
| 第 4 著者 所属（和/英） | 神戸大学(略称：神戸大) Kobe University(略称：Kobe Univ.) |
| 発表年月日 | 2015-06-18 |
| 資料番号 | PRMU2015-44,SP2015-13,WIT2015-13 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | PRMU-98,SP-99,WIT-100 |
| ページ範囲 | pp.71-76(PRMU), pp.71-76(SP), pp.71-76(WIT), |
| ページ数 | 6 |
| 発行日 | 2015-06-11 (PRMU, SP, WIT) |