文献

J-GLOBAL ID：202402247537112710   整理番号：24A1403991

音声強調ネットワークとアダプターを用いた音声認識の耐雑音ロバスト性向上

著者 (6件)： 大崎崇博 (東京工大) ,  周藤唯 (HRI-JP) ,  糸山克寿 (東京工大) ,  糸山克寿 (HRI-JP) ,  西田健次 (東京工大) ,  中臺一博 (東京工大)
資料名： 日本ロボット学会学術講演会予稿集(CD-ROM)  (日本ロボット学会学術講演会(CD-ROM))
巻： 41st  ページ： ROMBUNNO.1D4-02  発行年： 2023年 
JST資料番号： L4867A  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： 本論文では,少量の再トレーニングにより自動音声認識(ASR)システムの耐雑音ロバスト性を向上させる並列アダプタモデル(PAM)を提案する。PAMは,2つの小さなネットワーク(アダプタと呼ぶ)と,対応するアダプタ初期化技術を利用する。アダプタは,ミスマッチが頻繁に発生する傾向があるモデルに配置される。実験結果は,PAMによってわずか7回の再トレーニングエポックでASR精度が26.1ポイント向上することを実証した。(翻訳著者抄録)

シソーラス用語： ネットワーク ,  *ロバスト性 ,  音声強調 ,  *音声認識 ,  *雑音 ,  適応訓練 ,  アダプタ ,  不整合 ,  訓練 ,  教育訓練
準シソーラス用語： トレーニング ,  ミスマッチ

分類 (2件)： パターン認識  (JE07000S) ,  音響信号処理  (BB03050C)

引用文献 (15件)：

• Jahn Heymann, et al. Beamnet: End-to-end training of a beamformer-supported multi-channel asr system. In ICASSP 2017, pp. 5325-5329, 2017.
• Panagiotis Tzirakis, et al. Multi-channel speech enhancement using graph neural networks. In ICASSP 2021, pp. 3415-3419, 2021.
• Yi Luo and Nima Mesgarani. Conv-tasnet: Surpassing ideal time - frequency magnitude masking for speech separation. IEEE/ACM Transactions on Audio, Speech, and Language Processing, Vol. 27, No. 8, pp. 1256-1266, 2019.
• Julius Richter, et al. Speech enhancement and dereverberation with diffusion-based generative models. IEEE/ACM Transactions on Audio, Speech, and Language Processing, Vol. 31, pp. 2351-2364, 2023.
• Jagadeesh Balam, et al. Improving noise robustness of an end-to-end neural model for automatic speech recognition, 2020.

タイトルに関連する用語 (4件)： 音声強調 ,  アダプター ,  音声認識 ,  ロバスト性