| 講演名 | 2001/12/14 発話速度に依存したデコーディングと音響モデルの適応、 南條 浩輝, 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) | 大語彙の話し言葉音声認識における発話速度に関する問題に焦点をあてた認識手法について報告する。話し言葉音声では発話速度は一般に速く変動も大きいため、認識が困難である。実際に認識結果において、特に速い音声で認識率が低いこと、及び発話速度の速い音声と遅い音声では認識誤り傾向に明確な差があることを確認した。そこで、発話速度に応じて最適な音響分析フレーム・音素モデル・デコーディングパラメータを選択的に適用し認識を行う手法を提案する。発話速度の自動推定を組み合わせることにより認識率の向上を得た。さらに、発話速度情報を話者適応に用いる手法についても検討を行う。速い発話と遅い発話のそれぞれを指向した異なる話者適応モデルを構築しそれらを選択的に適用することで、速度情報を用いない適応よりも効率的な適応が行えることを確認した。 |
| 抄録(英) | This paper addresses the problem of speaking rate in large vocabulary spontaneous speech recognition. In spontaneous lecture speech, the speaking rate is generally fast and may vary a lot within a talk. We also observed different error tendencies for fast and slow speech segments. Therefore, we first present a speaking-rate dependent decoding strategy that applies the most adequate acoustic analysis, phone models and decoding parameters according to the speaking rate. Several methods are investigated and their selective application leads to accuracy improvement. We also propose to make use of speaking-rate information in speaker adaptation, in which the different adapted models are set up for fast and slow utterances. It is confirmed that the method is more effective than normal adaptation. |
| キーワード(和) | 音声認識 / 話し言葉 / 講演 / 発話速度 / 音響モデル / 話者適応 |
| キーワード(英) | automatic speech recognition / spontaneous speech / lecture speech / speaking rate / acoustic model / speaker adaptation |
| 資料番号 | NLC2001-68,SP2001-103 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 2001/12/14(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） | 発話速度に依存したデコーディングと音響モデルの適応、 |
| サブタイトル（和） | |
| タイトル（英） | Speaking-Rate Dependent Decoding and Adaptation for Spontaneous Lecture Speech Recognition |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 音声認識 / automatic speech recognition |
| キーワード(2)（和/英） | 話し言葉 / spontaneous speech |
| キーワード(3)（和/英） | 講演 / lecture speech |
| キーワード(4)（和/英） | 発話速度 / speaking rate |
| キーワード(5)（和/英） | 音響モデル / acoustic model |
| キーワード(6)（和/英） | 話者適応 / speaker adaptation |
| 第 1 著者 氏名（和/英） | 南條 浩輝 / Hiroaki Nanjo |
| 第 1 著者 所属（和/英） | 京都大学大学院情報学研究科知能情報学専攻 Graduate School of Informatics, Kyoto University |
| 第 2 著者 氏名（和/英） | 河原 達也 / Tatsuya Kawahara |
| 第 2 著者 所属（和/英） | 京都大学大学院情報学研究科知能情報学専攻 Graduate School of Informatics, Kyoto University |
| 発表年月日 | 2001/12/14 |
| 資料番号 | NLC2001-68,SP2001-103 |
| 巻番号（vol） | vol.101 |
| 号番号（no） | 523 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |