| 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 | 2022-06-17 15:00 群論を用いた声道長変換の表現と解析的正規化処理 ○宮下敦志・戸田智基（名大）  SP2022-11 |
|
| 抄録 | （和） | 音声認識モデルには，話者の違いによる発声の揺らぎに対して認識結果が不変であることが求められる．声道長変換はそのような揺らぎを模倣する変換の1つである．本報告では，全域通過フィルタによるワーピングで表される声道長変換について，群論を用いて別の変換式を与え，そこから解析的に導かれる声道長正規化処理を音声認識モデルの入力に用いる手法を提案する．提案手法では，学習データに依存しない特徴量表現を得ることが可能である．TIMITデータセットを用いた音素ラベル分類による実験的評価によって，学習データに含まれない仮想的な声道長の話者について，提案手法による汎化性能の向上が確認された． |
| （英） | In automatic speech recognition, a recognition result should be invariant with respect to acoustic changes caused by different speakers. Vocal Tract Length Transformation (VTLT) is one of the typical transformations to reproduce those acoustic changes. In this report, we propose an alternative representation of VTLT based on all-pass-warping by using the group theory and an analytical approach to normalizing the acoustic changes caused by it. The proposed approach is capable of extracting the normalized feature independently on training data. An experimental result of a frame-wise phoneme classification task using TIMIT has demonstrated that the proposed method yields classification performance improvements for pseudo speakers whose vocal tract lengths are different from those of the speakers in the training data. | |
| キーワード | （和） | 音声認識 / 話者正規化 / 声道長変換 / 不変特徴量 / 群論 / / / |
| （英） | Automatic speech recognition / speaker normalization / vocal tract length transformation / invariant feature / group theory / / / | |
| 文献情報 | 信学技報, vol. 122, no. 81, SP2022-11, pp. 41-46, 2022年6月. | |
| 資料番号 | SP2022-11 | |
| 発行日 | 2022-06-10 (SP) | |
| ISSN | 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 | SP2022-11 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-MUS IPSJ-SLP |
| 開催期間 | 2022-06-17 - 2022-06-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 音学シンポジウム2022 |
| 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 | 2022-06-SP-MUS-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 群論を用いた声道長変換の表現と解析的正規化処理 |
| サブタイトル（和） | |
| タイトル（英） | Representation and analytical normalization for vocal-tract-length transformation by group theory |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声認識 / Automatic speech recognition |
| キーワード(2)（和/英） | 話者正規化 / speaker normalization |
| キーワード(3)（和/英） | 声道長変換 / vocal tract length transformation |
| キーワード(4)（和/英） | 不変特徴量 / invariant feature |
| キーワード(5)（和/英） | 群論 / group theory |
| 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） | 宮下 敦志 / Atsushi Miyashita / ミヤシタ アツシ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ) |
| 第2著者 氏名（和/英/ヨミ） | 戸田 智基 / Tomoki Toda / トダ トモキ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-17 15:00:00 |
| 発表時間 | 120分 |
| 申込先研究会 | SP |
| 資料番号 | SP2022-11 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.81 |
| ページ範囲 | pp.41-46 |
| ページ数 | 6 |
| 発行日 | 2022-06-10 (SP) |
[研究会発表申込システムのトップページに戻る]