| 講演名 | 2002/12/13 討論音声を対象とした話者モデル選択による話者インデキシングと自動書き起こし 西田 昌史, 秋田 祐哉, 河原 達也, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 討論音声を対象とした教師なし話者インデキシングとそれを用いた音声認識について報告する.討論音声では,話者の交替が頻繁に発生し,継続時間の短い発話が多く,発話時間のばらつきが大きいため,画一的なモデルで話者インデキシングを行うのが困難である.そこで,BICに基づいて最適な話者モデル(GMMまたはVQ)を選択する方式を提案する.本方式では,発話時間の短い音声に対してVQモデル,長い音声に対してはGMMモデルが選択される枠組みを実現する.実際の討論音声に対して,従来法に比べて高いインデキシング精度を得ることができた.次に,討論音声認識のための音響・言語モデルについて検討を行う.話者インデキシング結果に基づいて音響モデルを適応することにより,音声認識精度の改善を得ることができた. |
| 抄録(英) | This paper addresses unsupervised speaker indexing for discussion audio archives. In discussions, the speaker changes frequently, thus the duration of utterances is very short and its variation is large, which causes significant problems in applying conventional methods such as model adaptation and Variance-BIC (Bayesian Information criterion) methods. We propose a flexible framework that selects an optimal speaker model (GMM or VQ) based on the BIG according to the duration of utterances. When the speech segment is short, the simple and robust VQ-based method is expected to be chosen, while GMM will be reliably trained for long segments. For a discussion archive, it is demonstrated that the proposed method achieves higher indexing performance than that of conventional methods. The speaker index is useful for speaker adaptation of the acoustic model, which improves the performance of automatic speech recognition. |
| キーワード(和) | 音声認識 / 話者認識 / 討論音声 / 教師なし話者インデキシング / モデル選択 / BIC |
| キーワード(英) | Speech recognition / Speaker recognition / Discussions / Unsupervised speaker indexing / Model selection / Bayesian information criterion |
| 資料番号 | NLC2002-80 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLC |
|---|---|
| 開催期間 | 2002/12/13(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Natural Language Understanding and Models of Communication (NLC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 討論音声を対象とした話者モデル選択による話者インデキシングと自動書き起こし |
| サブタイトル（和） | |
| タイトル（英） | Speaker Indexing based on Speaker Model Selection and Automatic Speech Recognition in Discussions |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 音声認識 / Speech recognition |
| キーワード(2)（和/英） | 話者認識 / Speaker recognition |
| キーワード(3)（和/英） | 討論音声 / Discussions |
| キーワード(4)（和/英） | 教師なし話者インデキシング / Unsupervised speaker indexing |
| キーワード(5)（和/英） | モデル選択 / Model selection |
| キーワード(6)（和/英） | BIC / Bayesian information criterion |
| 第 1 著者 氏名（和/英） | 西田 昌史 / Masafumi NISHIDA |
| 第 1 著者 所属（和/英） | 科学技術振興事業団 さきがけ研究21 PRESTO, Japan Science and Technology corporation (JST) |
| 第 2 著者 氏名（和/英） | 秋田 祐哉 / Yuya AKITA |
| 第 2 著者 所属（和/英） | 科学技術振興事業団 さきがけ研究21:京都大学 情報学研究科 知能情報学専攻 PRESTO, Japan Science and Technology corporation (JST):School of Informatics, Kyoto University |
| 第 3 著者 氏名（和/英） | 河原 達也 / Tatsuya KAWAHARA |
| 第 3 著者 所属（和/英） | 科学技術振興事業団 さきがけ研究21:京都大学 情報学研究科 知能情報学専攻 PRESTO, Japan Science and Technology corporation (JST):School of Informatics, Kyoto University |
| 発表年月日 | 2002/12/13 |
| 資料番号 | NLC2002-80 |
| 巻番号（vol） | vol.102 |
| 号番号（no） | 528 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |