| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2008-12-10 16:10 音声の構造的表象と判別分析を用いた単語音声認識 ○朝川 智・喬 宇・峯松信明・広瀬啓吉（東大）  NLC2008-58 SP2008-113 |
|
| 抄録 | （和） | 音声には話者の声道形状の特性，音響機器の特性などの非言語的特徴が不可避的に混入する．近年，これらの非言語的特徴を表現する次元を原理的に保有しない音響的普遍構造が提案されている．これは，音声事象の物理的実体を捨象し，音声事象間の相対量のみをとらえることによって得られる音声の構造的表象である． 本論文では，構造的表象に基づく単語音声認識を検討する．その際に問題となる「強すぎる不変性」と「高すぎる次元数」の2つの問題に対処するため，それぞれ特徴量空間分割と線形判別分析による解決法を提案し，それらに基づく単語音声認識実験を行った． 連続的に発声された日本語5母音系列および東北大松下単語音声データベースの音韻バランス単語をタスクとして認識実験を行い，音響特徴量の絶対量に基づく従来手法との比較を行った．さらに，意図的に話者性のミスマッチを生じさせた条件下で認識実験を行い，提案手法の頑健性を実験的に検証した． |
| （英） | Non-linguistic factors of speech such as vocal tract sizes and recording devices easily change acoustic features of speech. Recently, a new representation of speech with complete cancelation of these changes has been proposed. This representation discards the absolute properties of speech events and captures only the contrasts among them. As a full set of the contrasts in the events can define a unique geometrical structure, the proposal can be regarded as structural representation. In this paper, the new representation is examined based on two kinds of isolated word recognition tasks, a five-vowel-sequence word set and a phonetically balanced word set. Here, two problems, too strong invariance and too high dimensionality, are solved by multiple stream structuralization and linear discriminant analysis. To compare the conventional method and the proposed one, frequency-warped utterances are also used for testing. The experimental results show the high robustness of our proposed method. |
|
| キーワード | （和） | 音声の構造的表象 / 非言語的特徴 / Bhattacharyya距離 / 線形判別分析 / 孤立単語音声認識 / / / |
| （英） | structural representation of speech / non-linguistic features / Bhattacharyya distance / linear discriminant analysis / isolated word recognition / / / | |
| 文献情報 | 信学技報, vol. 108, no. 338, SP2008-113, pp. 203-208, 2008年12月. | |
| 資料番号 | SP2008-113 | |
| 発行日 | 2008-12-02 (NLC, SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLC2008-58 SP2008-113 |
|
| 研究会情報 | |
| 研究会 | SP NLC |
| 開催期間 | 2008-12-09 - 2008-12-10 |
| 開催地（和） | 早稲田大学（小野記念講堂） |
| 開催地（英） | Waseda Univ. |
| テーマ（和） | 第10回 音声言語シンポジウム （SP/NLC/SLP共催） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2008-12-SP-NLC |
| 本文の言語 | 日本語 |
| タイトル（和） | 音声の構造的表象と判別分析を用いた単語音声認識 |
| サブタイトル（和） | |
| タイトル（英） | Isolated word recognition based on speech structures and discriminant analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声の構造的表象 / structural representation of speech |
| キーワード(2)（和/英） | 非言語的特徴 / non-linguistic features |
| キーワード(3)（和/英） | Bhattacharyya距離 / Bhattacharyya distance |
| キーワード(4)（和/英） | 線形判別分析 / linear discriminant analysis |
| キーワード(5)（和/英） | 孤立単語音声認識 / isolated word recognition |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 朝川 智 / Satoshi Asakawa / アサカワ サトシ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 喬 宇 / Yu Qiao / Yu Qiao |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 峯松 信明 / Nobuaki Minematsu / ミネマツ ノブアキ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第4著者 氏名（和/英/ヨミ） | 広瀬 啓吉 / Keikichi Hirose / ヒロセ ケイキチ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-12-10 16:10:00 |
| 発表時間 | 110分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2008-58, SP2008-113 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.337(NLC), no.338(SP) |
| ページ範囲 | pp.203-208 |
| ページ数 | 6 |
| 発行日 | 2008-12-02 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]