講演抄録/キーワード |
講演名 |
2010-06-18 10:00
音声・非音声の信頼度を利用した雑音に頑健な音声認識デコーダの検討 ○大西 翼(東工大)・岩野公司(東京都市大)・古井貞煕(東工大) SP2010-30 |
抄録 |
(和) |
音声・非音声を判別する Voice Activity Detection(VAD) は,実環境で音声認識を行う上で基盤となる技術である.従来のフロントエンドで VAD を行う音声認識手法とは異なるアプローチとして,音声・非音声の信頼度を利用して仮説スコアを調整する音声認識手法を提案する.また信頼度を高精度に計算するため音声・非音声の GMM を入力された発話・環境にオンラインで適応する手法を提案する.さらに適応データの信頼度に応じて更新する GMMのパラメータを重み付けして頑健な教師なし適応を行う手法,GMM から計算された統計量をキャッシュすることで,適応に関する計算量を削減する手法を提案する.Drivers’ Japanese Speech Corpus in a Car Environment(DJSC) を用いた実験で,従来のフロントエンドで VAD を行う認識手法と比べて,大幅な認識精度の向上が得られることを確認した.さらに,信頼度に応じて GMM の更新パラメータを重み付けすることで,教師なし適応を行うためのパラメータの変動に対する頑健性を向上できること,統計量をキャッシュすることで,適応に関する計算量を大幅に削減できることを確認した.これらの結果から,本論文で提案する音声・非音声の信頼度を利用する適応的な音声認識手法を用いることで,雑音環境下における認識精度の大幅な改善を少ない計算量で実現できることを確認した. |
(英) |
Abstract In a speech recognition system a Voice Activity Detection(VAD) is a crucial component for maintaining accuracy. This paper proposes an approach that uses speech/non-speech confidence measures to adjust the score of the recognition hypotheses. In order to achieve good search performance, it is important to properly adapt the GMMs for input utterances and environmental noise. This paper also proposes an unsupervised on-line GMM adaptation method based on MAP estimation. Robustness of the proposed method is further improved by weighting updating parameters of GMMs according to the confidence measure for the adaptation data and adaptation speed is largely accelerated by caching statistical values to adapt GMMs. Experimental results on Drivers’ Japanese Speech Corpus in a Car Environment(DJSC) show that our approach can improve the accuracy significantly as compared with typical front-end based VAD methods. The adaptation method significantly improves the word accuracy. Moreover, the weighting method improves the robustness of the unsupervised adaptation and the cache method largely accelerates the decoding process. Consequently, the proposed adaptive decoding method significantly improves word accuracy under noise with only minor increase in computational cost. |
キーワード |
(和) |
音声認識 / 音声非音声判別 / GMM 適応 / / / / / |
(英) |
speech recognition / voice activity detection / gaussian mixture model adaptation / / / / / |
文献情報 |
信学技報, vol. 110, no. 81, SP2010-30, pp. 49-54, 2010年6月. |
資料番号 |
SP2010-30 |
発行日 |
2010-06-10 (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 |
SP2010-30 |
研究会情報 |
研究会 |
SP |
開催期間 |
2010-06-17 - 2010-06-18 |
開催地(和) |
九州大学筑紫キャンパス 共通管理棟3階 大会議室 |
開催地(英) |
Kyushu University |
テーマ(和) |
音声・言語・音響教育,一般 |
テーマ(英) |
Speech/Language/Acoustic Education, etc. |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2010-06-SP |
本文の言語 |
日本語 |
タイトル(和) |
音声・非音声の信頼度を利用した雑音に頑健な音声認識デコーダの検討 |
サブタイトル(和) |
|
タイトル(英) |
Noise-robust speech recognition decoder using speech/non-speech confidence measures |
サブタイトル(英) |
|
キーワード(1)(和/英) |
音声認識 / speech recognition |
キーワード(2)(和/英) |
音声非音声判別 / voice activity detection |
キーワード(3)(和/英) |
GMM 適応 / gaussian mixture model adaptation |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
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) |
大西 翼 / Tasuku Oonishi / オオニシ タスク |
第1著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Inst. of Tech.) |
第2著者 氏名(和/英/ヨミ) |
岩野 公司 / Koji Iwano / イワノ コウジ |
第2著者 所属(和/英) |
東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.) |
第3著者 氏名(和/英/ヨミ) |
古井 貞煕 / Sadaoki Furui / フルイ サダオキ |
第3著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Inst. of Tech.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2010-06-18 10:00:00 |
発表時間 |
30分 |
申込先研究会 |
SP |
資料番号 |
SP2010-30 |
巻番号(vol) |
vol.110 |
号番号(no) |
no.81 |
ページ範囲 |
pp.49-54 |
ページ数 |
6 |
発行日 |
2010-06-10 (SP) |
|