文献

J-GLOBAL ID：202202223993992445   整理番号：22A2590286

Hybrid RNN-T/Attention音声認識モデルにおけるTriggered Chunkwise Attentionと内部言語モデル統合の検討

A Study on Hybrid RNN-T/Attention-based Streaming ASR with Triggered Chunkwise Attention and Dual Internal Language Model Integration

著者 (9件)： 森谷崇史 (NTT) ,  芦原孝典 (NTT) ,  安藤厚志 (NTT) ,  佐藤宏 (NTT) ,  田中智大 (NTT) ,  松浦孝平 (NTT) ,  増村亮 (NTT) ,  DELCROIX Marc (NTT) ,  篠崎隆宏 (東京工大)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2022  号： 秋季  ページ： ROMBUNNO.2-Q-23  発行年： 2022年08月31日 
JST資料番号： G0381C  ISSN： 1880-7658  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・音声認識におけるHybrid RNN-T/Attentionモデルの改善手法としてTriggered Chunkwise AD(TCAD)を提案し,内部言語モデルの統合方法について検討。
・音声認識モデルとしてのRNN-T,TAD,TCADについて解説し,ADとの統合と様々な言語モデル(LM)および内部言語モデル(ILM)との統合について検討。
・TED-LIUM2,Switchboard等を用いた評価実験の条件および結果について説明し,RNN-TとTCADおよび全てのLMを用いたシステムが全データセットに対し最高性能を達成したことを確認。
・TCADにおける認識精度を維持しながらの認識速度の著しい改善,および様々な言語モデルや内部言語モデルとの統合によるさらなる認識精度の改善の結果を確認。

シソーラス用語： *音声認識 ,  モデル ,  *言語モデル ,  *学習モデル ,  実験 ,  評価 ,  統合 ,  機械学習 ,  ニューラルネットワーク ,  計算量 ,  回帰モデル ,  *結合モデル ,  評価実験
準シソーラス用語： RNN ,  音声モデル

分類 (1件)： パターン認識  (JE07000S)

引用文献 (5件)：

• T. Moriya et al., INTERSPEECH, 2021.
• A. Graves, ICML, 2012.
• N. Moritz et al., ICASSP, 2019.
• A. Gulati et al., INTERSPEECH, 2020.
• X. Chen et al., ICASSP, 2021.

タイトルに関連する用語 (5件)： RNN ,  音声認識 ,  モデル ,  言語 ,  モデル統合