文献

J-GLOBAL ID：202202241330446859   整理番号：22A1655852

スポットフォーミングによる音声認識性能向上の評価

Evaluation of Speech Recognition Performance Improvement by Spotforming

著者 (6件)： 合澤隆拓 (東京工大) ,  鍵本泰宏 (東京工大) ,  西田健次 (東京工大) ,  糸山克寿 (東京工大) ,  中臺一博 (東京工大) ,  中臺一博 (ホンダ・リサーチ・インスティチュート・ジャパン)
資料名： 計測自動制御学会システムインテグレーション部門講演会(CD-ROM)  (SICE SI (CD-ROM))
巻： 22nd  ページ： ROMBUNNO.2G4-03  発行年： 2021年12月15日 
JST資料番号： F1751A  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： ・人間は様々な音が混じった混合音から興味のある音だけを選択して聞き分けができ,このカクテルパーティ効果を機械で実現できれば音声認識技術の提供範囲が拡大。
・これまで,カクテルパーティ効果の実現に向け,複数の音源が同時に存在する空間内で特定の領域(スポット)に含まれる音源だけを分離するスポットフォーミング法を提案。
・本研究では,混合音からスポットフォーミングにより特定の音源のみを分離した音声に対して音声認識を実行し,ビームフォーミングと比較。
・注目音源方向に複数音源が含まれる場合,スポットフォーミングによりビームフォーミングと比べて認識精度は40ポイント向上したが,クリーン音声と比べると30ポイント低下。

シソーラス用語： *音声認識 ,  信号処理 ,  *音声処理 ,  位相制御 ,  精度 ,  音響 ,  因数分解 ,  音響アレイ ,  指標 ,  ビームフォーミング ,  混合音 ,  *音源分離 ,  マイクロホンアレイ ,  評価指標 ,  非負行列因子分解
準シソーラス用語： カクテルパーティ効果 ,  スポットフォーミング ,  認識精度 ,  非負値行列因数分解

分類 (1件)： パターン認識  (JE07000S)

引用文献 (14件)：

• 伴本泰宏, 糸山克寿, 西田健次, 中臺一博: “複数マイクロホンアレイを用いたNMFによる空間音源分離法の提案と評価”, 第38回 日本ロボット学会学術講演会 (RSJ2020), 1D2-04, 2020.
• 島田一希, 坂東宜昭, 三村正人, 糸山克寿, 吉井和佳, 河原達也: “マルチチャネル非負値行列因子分解に基づくビームフォーミングを用いた雑音環境下音声認識”, IEICE technical report: 信学技報, 117(515): 33-38, 2018.
• H. Nakajima, K. Nakadai, Y. Hasegawa and H. Tsujino: “Blind source separation with parameter-free adaptive step-size method for robot audition”, IEEE Transactions on Audio, Speech, and Language Processing, vol. 18, no. 6, pp. 1476-1485, 2009.
• K. Nakadai, H. G. Okuno, T. Mizumoto: “Development, deployment and applications of robot audition open source software HARK”, Journal of Robotics and Mechatronics, vol.29, no. 1, pp. 16-25, 2017.
• K. Itou, M. Yamamoto, K. Takeda, T. Takezawa, T. Matsuoka, T. Kobayashi, K. Shikano and S. Itahashi: “JNAS: Japanese speech corpus for large vocabulary continuous speech recognition research”, The Journal of the Acoustical Society of Japan(E) vol. 20, no. 3, pp. 199-206, 1999.

タイトルに関連する用語 (4件)： スポット ,  フォーミング ,  音声認識性能 ,  評価