| 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 | 2022-12-01 14:50 A Japanese Automatic Speech Recognition System on the Next-Gen Kaldi Framework ○Wen Shen Teo・Yasuhiro Minami（UEC）  NLC2022-16 SP2022-36 |
|
| 抄録 | （和） | 次世代Kaldiと呼ばれる最先端の音声処理ツールキットがKaldiの後継モデルとして2021年に利用されるようになった。 本報告では、この次世代Kaldiのモジュールを利用して、日本語話し言葉コーパス(CSJ)で 学習したストリーミング型RNN-Transducer日本語音声認識システムについて述べる。 このE2Eモデルは、音響モデルと言語モデルを同時に学習する。 本モデルで音声認識実験を行った結果、膨大なデータから学習する言語モデルを利用する 他の最先端フレームワークとの比較では、 その性能は十分でなかったが、Kaldiと比べた場合はKaldiよりも低い文字誤り率(CER)の 改善が実現できた。本報告では、最初に、次世代Kaldiの実現設定を説明し、 その後実施した実験結果を示す。最後に、E2E音声認識システムの改善を 図るため、音声認識モデルの精度が低下したいくつかの理由を考察する。 |
| （英） | 2021 saw the introduction of the cutting-edge successor to the Kaldi speech processing toolkit, known as Next-Gen Kaldi. Leveraging on the Next-Gen Kaldi family of modules in this work, we built a streaming RNN-Transducer Japanese ASR system, trained on the Corpus of Spontaneous Japanese (CSJ). Our E2E model shows a definitive Character Error Rate (CER) improvement over that of Kaldi, but still fall short when compared to state-of-the-art benchmarks from other frameworks enhanced by external language models trained on huge language data. In this paper, we first explain our experiment setups and present our results. Then, in the pursuit of an end-to-end ASR system, we raise several points of discussion where the performance of our ASR model suffered. |
|
| キーワード | （和） | 次世代Kaldi / 日本語話し言葉コーパス / RNN-Transducer / 音声認識 / / / / |
| （英） | Next-Gen Kaldi / Corpus of Spontaneous Japanese / RNN-Transducer / Automatic Speech Recognition / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 288, SP2022-36, pp. 39-44, 2022年11月. | |
| 資料番号 | SP2022-36 | |
| 発行日 | 2022-11-22 (NLC, 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 | NLC2022-16 SP2022-36 |
|
| 研究会情報 | |
| 研究会 | NLC IPSJ-NL SP IPSJ-SLP |
| 開催期間 | 2022-11-29 - 2022-12-01 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | |
| テーマ（和） | 第24回音声言語および第9回自然言語処理シンポジウム |
| 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 | 2022-11-NLC-NL-SP-SLP |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | A Japanese Automatic Speech Recognition System on the Next-Gen Kaldi Framework |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 次世代Kaldi / Next-Gen Kaldi |
| キーワード(2)（和/英） | 日本語話し言葉コーパス / Corpus of Spontaneous Japanese |
| キーワード(3)（和/英） | RNN-Transducer / RNN-Transducer |
| キーワード(4)（和/英） | 音声認識 / Automatic Speech Recognition |
| 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） | テオ ウェン シェン / Wen Shen Teo / テオ ウェン シェン |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 南 泰浩 / Yasuhiro Minami / ミナミ ヤスヒロ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-12-01 14:50:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2022-16, SP2022-36 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.287(NLC), no.288(SP) |
| ページ範囲 | pp.39-44 |
| ページ数 | 6 |
| 発行日 | 2022-11-22 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]