文献

J-GLOBAL ID：202202225344158877   整理番号：22A1077656

Wav2vec2.0の擬似音素分割と特徴量抽出を利用したES-KMeansによる教師なし音声単語発見

Unsupervised Spoken Term Discovery Based on Wav2Vec 2.0 Based Pseudo Phone Learning and ES-KMeans

著者 (2件)： 岩本優 (東京工大) ,  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： 春季  ページ： ROMBUNNO.1-3P-1  発行年： 2022年02月23日 
JST資料番号： G0381C  ISSN： 1880-7658  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： ・wav2vec2.0による疑似音素ラベルをES-KMeansのための単語境界候補として用いることの提案。
・wav2vec2.0によって生成された擬似音素列と特徴量をES-KMeansの入力として使用とこの方法の拡張。
・疑似単語情報を疑似音素分割にフィードバックすることで単語学習性能の向上につながることが判明。

シソーラス用語： 音素 ,  *特徴抽出 ,  教師なし学習 ,  単語 ,  ニューラルネットワーク ,  フィードバック ,  逐次近似 ,  教師つき学習 ,  ベクトル量子化 ,  *音声認識
準シソーラス用語： CNN ,  LSTM ,  特徴量抽出 ,  反復法

分類 (1件)： パターン認識  (JE07000S)

引用文献 (6件)：

• A. Baevski et al., inNeurIPS, 2020.
• H. Kamper et al., ASRU, pp. 719-726, 2017.
• M. Ott et al., In Proc. of NAACL System Demonstrations, 2019.
• S. Bhati, et al., ICASSP, pp. 5169-5173, 2018.
• O. Rasanen et al., In INTERSPEECH, pp. 3204-3208, 2015.

タイトルに関連する用語 (8件)： 擬似 ,  音素 ,  特徴量抽出 ,  Es ,  教師 ,  音声 ,  単語 ,  発見