| 講演名 | 2000/6/15 SP2000-13 話者間距離を用いた即時適応型不特定話者音素認識 鈴木 基之, 牧野 正三, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 現在多くの音声認識システムにはなんらかの話者適応法が組み込まれている。しかし一般に話者適応法は適応用音声が必要であり, また話者交代が行われるごとに適応をやり直す必要がある。一方不特定話者モデルは一般に認識精度が悪い。そこで本論文ではSSS-freeを用いて不特定話者モデルを構築し, 高精度に認識を行う方法を提案した。話者間距離を用いて適当な話者クラスタに対応するモデルを用いることで, 木構造話者クラスタリングによる話者適応法を用いたHMnetよりも4%程度認識率を向上させることができた。また尤度の動きに着目し, 話者クラスタを作る際の話者間距離に対する閾値を自動決定する方法も提案した。閾値固定の場合での最大認識率と同程度の認識率を得ることができた。 |
| 抄録(英) | A kind of speaker adaptation step is carried out in many speech recognition systems. How-ever, in recognition system where amount of speech data to be recognized is small or where a speaker is frequently changed, speaker-independent speech recognition system is essential. In this paper, we have proposed speaker-independent speech recognition system with high performance using HMnet made by SSS-free. In this system, speaker cluster is made using distance between speakers, and speech recog-nition is carried out using an acoustic model constructed from speaker's model belonging to a speaker cluster. The proposed system showed about 4% higher recognition accuracy than speaker-dependent one with traditional speaker adaptation method. We have also proposed automatic adjustment method of threshold used in the making step of speaker chuster. The performance using new adjustment method is as same as the maximum performance using constant threshold. |
| キーワード(和) | 不特定話者音素認識 / 話者間距離 / SSS-free / HMnet |
| キーワード(英) | Speaker-independent speech recognition / Distance between speakers / SSS-free / HMnet |
| 資料番号 | SP2000-13 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 2000/6/15(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 | Speech (SP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | SP2000-13 話者間距離を用いた即時適応型不特定話者音素認識 |
| サブタイトル（和） | |
| タイトル（英） | SP2000-13 Speaker Independent Phoneme Recognition Based on A Speaker Cluster Estimated From Input Speech |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 不特定話者音素認識 / Speaker-independent speech recognition |
| キーワード(2)（和/英） | 話者間距離 / Distance between speakers |
| キーワード(3)（和/英） | SSS-free / SSS-free |
| キーワード(4)（和/英） | HMnet / HMnet |
| 第 1 著者 氏名（和/英） | 鈴木 基之 / Motoyuki Suzuki |
| 第 1 著者 所属（和/英） | 東北大学大型計算機センター : 大学院情報科学研究科 Computer Center. Tohoku University |
| 第 2 著者 氏名（和/英） | 牧野 正三 / Shozo Makino |
| 第 2 著者 所属（和/英） | 東北大学大型計算機センター : 大学院情報科学研究科 Computer Center. Tohoku University |
| 発表年月日 | 2000/6/15 |
| 資料番号 | SP2000-13 |
| 巻番号（vol） | vol.100 |
| 号番号（no） | 136 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |