| 講演名 | 2000/6/15 SP2000-14 MLLRによる話者適応と統計的発話交代モデルを用いた複数話者対話音声の認識 村井 則之, 小林 哲則, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 複雑な発話の交代を含む複数話者の音声を認識するアルゴリズムについて検討した.複数話者の対話認識を扱う場合, 認識システムは従来のように何を話したかだけでなく, 誰がどこまで話したのかを知る必要がある.本研究ではそのような問題の解決手法として, 連続音声認識システムにおける言語モデルに発話交代の生じ易さの表現を含めるとともに, 各話者の声質をMLLRにより話者適応された音響モデルにより与えることで, 発話者と発話内容を同時並行的に推定するアルゴリズムを提案した.TVのスポーツニュースにおける対話部分を対象とした認識実験の結果, 発話内容の認識と各話者の発話区間の認識を別個に行なう方法に比べ, 提案手法は発話内容の認識で最大29.5%, 発話者の認識で89.7%の誤りを改善できることが明らかになった. |
| 抄録(英) | A new speech decoder dealing with multiparty conversation is proposed. Multiparty conversation denotes a situation in which many speakers talk each other. In such a situation, the system has to recognize not only the word sequence of the input speech but also the speaker of each part of them. We propose the method utilizing not only acoustic model and language model, which are the resources of conventional single-user speech decodre, but also stochastic turn taking model and speakers individual models using MLLR speaker adaptation to recognize speech. This framework realizes simultaneous maximum likelihood estimation of spoken word sequence and the speaker sequence. Experimental results using TV sports news show that the proposed method reduce the word error rate by 29.5% and speaker error rate by 89.7% compared to the conventional method. |
| キーワード(和) | 複数話者対話音声 / 統計的発話交代モデル / 話者性 / GMM / MLLR |
| キーワード(英) | multiparty conversation / stochastic turn taking model / speaker individuality / GMM / MLLR |
| 資料番号 | SP2000-14 |
| 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） | SP2000-14 MLLRによる話者適応と統計的発話交代モデルを用いた複数話者対話音声の認識 |
| サブタイトル（和） | |
| タイトル（英） | SP2000-14 Dictation of Multiparty Conversation Using MLLR Speaker Adaptation and Statistical Turn Taking Model |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 複数話者対話音声 / multiparty conversation |
| キーワード(2)（和/英） | 統計的発話交代モデル / stochastic turn taking model |
| キーワード(3)（和/英） | 話者性 / speaker individuality |
| キーワード(4)（和/英） | GMM / GMM |
| キーワード(5)（和/英） | MLLR / MLLR |
| 第 1 著者 氏名（和/英） | 村井 則之 / Noriyuki Murai |
| 第 1 著者 所属（和/英） | 早稲田大学理工学部 Dept.EECE, Waseda University |
| 第 2 著者 氏名（和/英） | 小林 哲則 / Tetsunori Kobayashi |
| 第 2 著者 所属（和/英） | 早稲田大学理工学部 Dept.EECE, Waseda University |
| 発表年月日 | 2000/6/15 |
| 資料番号 | SP2000-14 |
| 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 | |