文献

J-GLOBAL ID：202302279356750421   整理番号：23A0023761

深層ブラインド音源分離と転移学習に基づく遠隔音声認識の評価

著者 (6件)： 合澤隆拓 (東京工大) ,  合澤隆拓 (産業技術総合研) ,  坂東宜昭 (産業技術総合研) ,  糸山克寿 (東京工大) ,  西田健次 (東京工大) ,  中臺一博 (東京工大)
資料名： 人工知能学会第二種研究会資料(Web)  (JSAI Technical Report, Type 2 SIG (Web))
巻： 2022  号： Challenge-061  ページ： 47-50(J-STAGE)  発行年： 2022年11月22日 
JST資料番号： U2752A  ISSN： 2436-5556  資料種別： 逐次刊行物 (A)
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： 本稿では,深層ブラインド音源分離と転移学習に基づく遠隔音声認識について述べる.複数話者による同時発話の遠隔音声認識には,混合音から各話者の音声を抽出する音源分離が不可欠である.複数話者の遠隔音声認識では,発話区間情報と深層生成モデルを用いた弱教師あり深層ブラインド音源分離が高い性能を発揮することが知られている.しかしこの手法は,混合音を時間周波数クラスタリングした結果を補助特徴量として用いるため,特徴量の計算に時間を要する課題があった.本研究では,より簡便な特徴量で頑健に動作する枠組みの確立を目指す.具体的には,学習データに対するクラスタリング結果を疑似教師として深層生成モデルを事前学習し,学習済みモデルを初期値として深層ブラインド音源分離に転移する.ディナーパーティの遠隔音声認識(CHiME-6Challenge)の単語誤り率を評価することで,提案法の有効性を検証した.(著者抄録)

シソーラス用語： *機械学習 ,  信号処理 ,  *音声認識 ,  音源 ,  音響特性 ,  *音声処理 ,  ロボット ,  聴覚 ,  音声信号処理 ,  音声特徴量 ,  *深層学習 ,  *ブラインドソース分離
準シソーラス用語： *ブラインド音源分離 ,  ロボット聴覚 ,  *遠隔音声認識 ,  転移学習

分類 (2件)： 人工知能  (JE08000Z) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (5件)： 深層 ,  ブラインド音源分離 ,  転移学習 ,  音声認識 ,  評価