| 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 アフィン変換不変性を有する局所的特徴量を用いた音声認識 ○鈴木雅之・喬 宇・峯松信明・広瀬啓吉（東大）  NLC2008-59 SP2008-114 |
|
| 抄録 | （和） | 本稿では，不特定話者音声認識における音響特徴量として，アフィン変換不変性を持つ局所特徴量(Localized Affine Invariant Features; LAIF) を提案する．LAIF は，ケプストラムベクトル時系列から直接計算することができる特徴量である．話者の違いは，ケプストラムベクトルに対するアフィン変換で近似できることから，ケプストラムベクトルから抽出したLAIF は話者の違いにおよそ不変となる．そのためLAIF を用いれば，話者正規化や話者適応のための学習データがまったく得られない状況でも，話者性に頑健な音声認識を実現することができる．我々は，不特定話者の日本語孤立単語音声認識にLAIF を用いる実験を行った．実験の結果，LAIF をMFCC や$Delta$MFCC と結合して用いることにより，不特定話者音声認識の認識率を向上させることができた．特に，学習データと評価データで性別のミスマッチがある場合，MFCC+$Delta$MFCC+LAIF は，MFCC+$Delta$MFCC と比較して37%のエラー削減率を実現した． |
| （英） | This paper proposes localized affine invariant features (LAIFs) for speaker-independent automatic speech recognition. The LAIFs can be calculated directly from data sequences. As speaker variations can be approximated well by affine transform in a cepstral space, the LAIFs can provide robust features with respect to those variations. This facts inspires us to expect that the use of the LAIFs should improve the recognition performance especially when no training data is available for speaker normalization or adaptation. To verify this expectation, we apply LAIFs for isolated word recognition. The experimental results show that the combination of LAIFs with MFCC or MFCC+$Delta$MFCC can lead to higher performances than MFCC or MFCC+$Delta$MFCC only. Especially in mismatched conditions, MFCC+$Delta$MFCC +LAIFs can reduce the error rates by 37% when compared to MFCC+$Delta$MFCC only. | |
| キーワード | （和） | 音響特徴量 / 不特定話者音声認識 / アフィン変換 / 局所特徴量 / 話者不変 / / / |
| （英） | Acoustic features / Speaker independent ASR / Affine transform / Localized features / Speaker invariance / / / | |
| 文献情報 | 信学技報, vol. 108, no. 338, SP2008-114, pp. 209-214, 2008年12月. | |
| 資料番号 | SP2008-114 | |
| 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 | NLC2008-59 SP2008-114 |
|
| 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） | アフィン変換不変性を有する局所的特徴量を用いた音声認識 |
| サブタイトル（和） | |
| タイトル（英） | Speech recognition using localized affine invariant features |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音響特徴量 / Acoustic features |
| キーワード(2)（和/英） | 不特定話者音声認識 / Speaker independent ASR |
| キーワード(3)（和/英） | アフィン変換 / Affine transform |
| キーワード(4)（和/英） | 局所特徴量 / Localized features |
| キーワード(5)（和/英） | 話者不変 / Speaker invariance |
| 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） | 鈴木 雅之 / Masayuki Suzuki / スズキ マサユキ |
| 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 / チャオ ユウ |
| 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 | NLC2008-59, SP2008-114 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.337(NLC), no.338(SP) |
| ページ範囲 | pp.209-214 |
| 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]