| 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 | スペクトル領域特徴量を用いた音声の構造的表象に関する実験的考察 ○鈴木雅之・朝川 智・喬 宇・峯松信明・広瀬啓吉（東大）  SP2008-32 |
|
| 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が，近年，これら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，関係のみを捉えることによって得られる音声の構造的表象である． 本稿では，音響的普遍構造を抽出する際に，従来用いられてきたケプストラム領域特徴量ではなく，スペクトル領域特徴量を用いる手法を提案し，それを考察する． 提案手法は，スペクトル領域特徴量を用いているために，背景雑音の分離がしやすいという利点がある． また，ヒトの聴覚が周波数解析を行なっていることから，提案する表象はより聴覚系の音声情報表現に近いと考えることができる． 本稿では，提案する表象が，従来のケプストラム領域特徴量を用いた構造的表象と同等の強い話者不変性を持つことを実験的に確認し，背景雑音環境下の音声認識における実用性について検討する． さらに，提案手法が雑音駆動音声に対し良好な認識性能を示すことを示し，ヒトの聴覚における音声情報処理との関係についても考察する． |
| （英） | Non-linguistic factors such as morphological differences in vocal tracts inevitably affect acoustic features of speech. Recently, a new speech representation, called as structural representation, was proposed which is completely independent of these factors. In the representation, the absolute property of speech events is totally discarded and their relative property is only captured and modeled. In the previous studies, all the discussions on this new representation were done using cepstrum-based features. In this report, spectrum-based features are used for the structural representation and tested for speech recognition. Mathematical and experimental discussions show the followings. 1) The spectrum-based structural representation also has strong speaker-invariance. 2) It can show a better performance of noisy speech recognition compared to cepstrum-based structures. 3) It shows a rather similar performance to humans when noise vocoded speech samples are tested. Finally, we discuss the validity of the spectrum-based structural speech recognition as a model of human speech perception. |
|
| キーワード | （和） | 音声の構造的表象 / スペクトル領域特徴量 / 音声認識 / 雑音駆動音声 / 聴覚特性 / / / |
| （英） | structural representation of speech / spectrum-based features / automatic speech recognition / noise vocoded speech / auditory characteristics / / / | |
| 文献情報 | 信学技報, vol. 108, no. 116, SP2008-32, pp. 73-78, 2008年6月. | |
| 資料番号 | SP2008-32 | |
| 発行日 | ||
| 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 | SP2008-32 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2008-06-27 - 2008-06-28 |
| 開催地（和） | 北海道医療大 |
| 開催地（英） | |
| テーマ（和） | 音声生成，知覚，聴覚・音声，一般 |
| テーマ（英） | Speech Production, Speech Perception, Hearing and Speech, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2008-06-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | スペクトル領域特徴量を用いた音声の構造的表象に関する実験的考察 |
| サブタイトル（和） | |
| タイトル（英） | Experimental Study of Using Spectrum-based Features for Structural Representation of Speech |
| 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） | スペクトル領域特徴量 / spectrum-based features |
| キーワード(3)（和/英） | 音声認識 / automatic speech recognition |
| キーワード(4)（和/英） | 雑音駆動音声 / noise vocoded speech |
| キーワード(5)（和/英） | 聴覚特性 / auditory characteristics |
| 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） | 朝川 智 / Satoshi Asakawa / アサカワ サトシ |
| 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） | 喬 宇 / Yu Qiao / チャオ ユウ |
| 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） | 峯松 信明 / Nobuaki Minematsu / ミネマツ ノブアキ |
| 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) |
| 第5著者 氏名（和/英/ヨミ） | 広瀬 啓吉 / Keikichi Hirose / ヒロセ ケイキチ |
| 第5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 | |
| 発表時間 | 分 |
| 申込先研究会 | SP |
| 資料番号 | SP2008-32 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.116 |
| ページ範囲 | pp.73-78 |
| ページ数 | 6 |
| 発行日 | |
[研究会発表申込システムのトップページに戻る]