文献

J-GLOBAL ID：201802275924342667   整理番号：18A0118484

英語学習者の発声自動評価を目的としたDNN音声認識システムの検討

著者 (2件)： 加藤拓 (東京工大) ,  篠崎隆宏 (東京工大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 368(SP2017 55-65)  ページ： 49-52  発行年： 2017年12月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 日本人による英語音声は,英語母語話者による英語音声と比較すると,発音が不正確になることが多い。そのため英語母語話者の英語音声を用いて構築した音声認識システムによって,日本人の英語音声を認識した場合,認識精度が低くなることが予想される。しかしどの程度の認識率となるかは不明であり,実際に想定されるデータを用いた認識実験が必要である。そこで本研究では,WSJコーパス及びSWBDコーパスを用いて構築した英語音声認識システムを用いて音声認識性能を評価する。さらに,日本人英語学習者の英語音声を用いて教師ありおよび教師なし適応を行い,その効果について検討を行う。WSJやSWBDコーパスをそのまま用いた場合,日本人英語音声に対して非常に低い認識精度を示した。日本人英語音声のラベル付きデータを用いて適応することで,認識精度が大きく向上した。次にラベル付きデータ及びラベルなしデータを用いて適応を行った。1つの出力層を持つDNNを用いた場合は低い認識精度となったが,2つの出力層を持つDNNを用いた場合は認識精度が更に向上することを示した。(著者抄録)

シソーラス用語： 英語 ,  発声 ,  評価 ,  自動化 ,  機械学習 ,  *音声認識 ,  システム ,  ニューラルネットワーク ,  隠れMarkovモデル ,  コーパス ,  改変

分類 (1件)： パターン認識  (JE07000S)

引用文献 (5件)：

• Su, H. and Xu, H.: Multi-softmax deep neural network for semi-supervised training, Sixteenth Annual Conference of the International Speech Communication Association (2015).
• Godfrey, J. J., Holliman, E. C. and McDaniel, J.: Switch-board:Telephone speech corpus for research and development, Acoustics, Speech, and Signal Processing, 1992. ICASSP-92., 1992 IEEE International Conference on, Vol. 1, IEEE, pp. 517-520 (1992).
• Paul, D. B. and Baker, J. M.: The design for the Wall Street Journal-based CSR corpus, Proceedings of the workshop on Speech and Natural Language, Association for Computational Linguistics, pp. 357-362 (1992).
• Gales, M. J. F.: Maximum likelihood linear transformations for HMM-based speech recognition, Computer Speech and Language, Vol. 12, pp. 75-98 (1998).
• Povey, D. and Saon, G.: Feature and model space speaker adaptation with full covariance Gatissians, Proc. Interspeech, pp. 1145-1148 (2006).

タイトルに関連する用語 (4件)： 英語学習 ,  発声 ,  自動評価 ,  音声認識システム