| 講演名 | 2004/12/13 生成モデルを用いた音声認識(国際ワークショップ"Beyond HMM") マクダーモット エリック, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 従来の音声認識技術は,音声生成過程の知識をほとんど反映しておらず,観測された表層的な音声特徴のみを扱うものが多い.本稿では,音声生成過程の視点から音声認識を行う取り組みについて紹介する.特に,音声学的特徴の検出を隠れマルコフモデル(HMM)に統合する方法,調音パラメータを記述する連続状態線形動的システム及び音声生成制約を用いたグラフィカルモデル等について論じる. |
| 抄録(英) | Acoustic modeling in speech recognition uses very little knowledge of the speech production process. At many levels our models continue to model speech as a surface phenomenon. Typically, hidden Markov model (HMM) parameters operate primarily in the acoustic space or in a linear transformation thereof; state-to-state evolution is modeled only crudely, with no explicit relationship between states, such as would be afforded by the use of phonetic features commonly used by linguists to describe speech phenomena, or by the continuity and smoothness of the production parameters governing speech. This article attempts to provide an overview of proposals by several researchers for improving acoustic modeling in these regards. Such topics as the controversial Motor Theory of Speech Perception, work by Hogden explicitly using a continuity constraint in a pseudo-articulatory domain, the Kalman filter based Hidden Dynamic Model, and work by many groups showing the benefits of using articulatory features instead of phones as the underlying units of speech, will be covered. |
| キーワード(和) | 音声認識 / 音声生成 / 調音モデル / グラフィカルモデル / 線形動的システム |
| キーワード(英) | speech recognition / speech production / articulatory modeling / linear dynamical systems |
| 資料番号 | NLC2004-41,SP2004-81 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLC |
|---|---|
| 開催期間 | 2004/12/13(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 | ENG |
| タイトル（和） | 生成モデルを用いた音声認識(国際ワークショップ"Beyond HMM") |
| サブタイトル（和） | |
| タイトル（英） | Production models for speech recognition |
| 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） | 音声生成 / speech production |
| キーワード(3)（和/英） | 調音モデル / articulatory modeling |
| キーワード(4)（和/英） | グラフィカルモデル / linear dynamical systems |
| キーワード(5)（和/英） | 線形動的システム |
| 第 1 著者 氏名（和/英） | マクダーモット エリック / Erik MCDERMOTT |
| 第 1 著者 所属（和/英） | 日本電信電話(株)NTTコミュニケーション科学基礎研究所 Nippon Telegraph and Telephone Corporation, NTT Communication Science Laboratories |
| 発表年月日 | 2004/12/13 |
| 資料番号 | NLC2004-41,SP2004-81 |
| 巻番号（vol） | vol.104 |
| 号番号（no） | 538 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |