| 講演名 | 2009-12-21 話者不変な相対関係特徴を音響単位とする音響モデリングに関する実験的検討(音響モデル,第11回音声言語シンポジウム) 齋藤 大輔, 松浦 良, 峯松 信明, 広瀬 啓吉, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 音声は年齢,性別,声道長や音響機器などの非言語的要因によって変形し,多様性に富んでいる.筆者らはこれらの非言語的な音響変形におよそ不変な音声の構造的・抽象的表象を提案してきた.この表象は音声の動きのみに着眼した物理表象である.先行研究において,音声の構造的表象に基づく音声認識について種々の検討を行ってきた.構造に基づく音声認識の問題点として,特徴量に対する次元の呪いと,大語彙音声認識や任意語彙への対応が難しい,という点が挙げられる.本報ではこれらの問題に対処するため,パラメータ共有学習に基づく学習の効率化と得られた共有モデルを用いた単語音響モデリングを提案する.相対関係を記述するエッジベクトルを考え,エッジベクトル空間におけるボトムアップクラスタリングによって共有関係をモデル化する.一方,新規単語をモデル化する際には,登録用発声に対して共有エッジモデルを割り当てることでモデル化する.日本語5母音連結発声による孤立単語音声認識実験を行い,提案手法の有効性について確認した. |
| 抄録(英) | Speech acoustics vary due to differences in age, gender, vocal tract length, microphone, and so on. The authors recently proposed a structural and abstract representation of speech, where these variations were effectively removed. This representation captures only dynamics of speech. In our previous studies, using this abstract representation, an ASR framework, which we call the structure-based ASR, was proposed and examined. However, there are two problems for the structure-based ASR; the curse of dimensionality and the large size of modeling unit. As a solution for these problems, this report proposes a new acoustic modeling based on parameter sharing of statistical structure models and efficient reuse of the shared models. In the proposed method, edge vectors, which represent speech contrasts between any two acoustic events, are considered and parameter sharing is carried out based on clustering in the parametric space of edge vectors. To construct an acoustic model for a new word, the most likely edge models are selected and allocated for each edge vector in the structure of that new word. Experiments of recognition using continuous utterances of Japanese vowels show the validity of the proposed method. |
| キーワード(和) | 構造的表象 / 話者不変特徴 / 相対関係 / クラスタリング / 音響モデリング |
| キーワード(英) | structural representation / invariant features / speech contrasts / clustering / acoustic modeling |
| 資料番号 | NLC2009-13,SP2009-77 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLC |
|---|---|
| 開催期間 | 2009/12/14(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 | Natural Language Understanding and Models of Communication (NLC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 話者不変な相対関係特徴を音響単位とする音響モデリングに関する実験的検討(音響モデル,第11回音声言語シンポジウム) |
| サブタイトル（和） | |
| タイトル（英） | Experimental study of acoustic modeling using speaker-invariant speech contrast as modeling unit |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 構造的表象 / structural representation |
| キーワード(2)（和/英） | 話者不変特徴 / invariant features |
| キーワード(3)（和/英） | 相対関係 / speech contrasts |
| キーワード(4)（和/英） | クラスタリング / clustering |
| キーワード(5)（和/英） | 音響モデリング / acoustic modeling |
| 第 1 著者 氏名（和/英） | 齋藤 大輔 / Daisuke SAITO |
| 第 1 著者 所属（和/英） | 東京大学大学院工学系研究科 Graduate School of Engineering, The University of Tokyo |
| 第 2 著者 氏名（和/英） | 松浦 良 / Ryo MATSUURA |
| 第 2 著者 所属（和/英） | 東京大学大学院新領域創成科学研究科 Graduate School of Frontier Sciences, The University of Tokyo |
| 第 3 著者 氏名（和/英） | 峯松 信明 / Nobuaki MINEMATSU |
| 第 3 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology, The University of Tokyo |
| 第 4 著者 氏名（和/英） | 広瀬 啓吉 / Keikichi HIROSE |
| 第 4 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology, The University of Tokyo |
| 発表年月日 | 2009-12-21 |
| 資料番号 | NLC2009-13,SP2009-77 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | 355 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |