文献

J-GLOBAL ID：202302267667610765   整理番号：23A2866870

End-to-End複数言語音声認識モデル訓練における距離学習の効果

Effectiveness of Metric Learning for End-to-End Multi Language Speech Recognition Model Training.

著者 (3件)： 土橋晃弘 (山梨大 大学院) ,  LEOW Chee Siang (山梨大 大学院) ,  西崎博光 (山梨大 大学院)
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： 2023  号： 秋季  ページ： ROMBUNNO.3-Q-3  発行年： 2023年09月12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： ・複数言語の音声認識において,異なる言語の同じ文字が同じような音響特徴ベクトルを生成するはずという仮定を立て,同じ文字の特徴ベクトルを近づけ,異なる文字の特徴ベクトルは遠ざけるような距離学習を導入。
・本稿では,wav2vec2.0を基にしたE2E音声認識モデルの枠組みの中で,複数言語音声認識のための距離学習を用いた学習方法を提案。
・複数言語音声認識実験の結果,CTC損失関数と距離学習の両方を組み込んだモデルは,CTC損失関数のみを用いたベースラインモデルを音声認識性能の点で上位。
・特徴ベクトルの可視化により,多くの文字種に対して適切な特徴ベクトルを抽出できていることを確認。

シソーラス用語： *音声認識 ,  言語 ,  *機械学習 ,  音声合成 ,  *ベクトル ,  特徴抽出 ,  学習モデル ,  損失関数 ,  *特徴ベクトル ,  DNN音声合成
準シソーラス用語： *End-to-End音声認識 ,  wav2vec ,  音響モデル ,  *距離学習 ,  深層学習音声合成 ,  多言語 ,  複数言語

分類 (2件)： 音声処理  (JE05000E) ,  人工知能  (JE08000Z)

引用文献 (3件)：

• A. Baevski et al., “wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations,” Proc. NIPS, 2020, pp. 12449-12460.
• H. Yadav et al., “A Survey of Multilingual Models for Automatic Speech Recognition,” Proc. LREC, 2022, pp.5071-5079.
• F. Schroff et al., “FaceNet: A unified embedding for face recognition and clustering,” Proc. CVPR, 2015, pp.815-823.

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