文献

J-GLOBAL ID：202502264062169495   整理番号：25A0118228

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

Improving Noise Robustness of Automatic Speech Recognition with Speech Enhancement and Adapters

著者 (6件)： 大崎崇博 (東京科学大学工学院システム制御系) ,  周藤唯 ((株)ホンダ・リサーチ・インスティチュート・ジャパン) ,  糸山克寿 (東京科学大学工学院システム制御系) ,  糸山克寿 ((株)ホンダ・リサーチ・インスティチュート・ジャパン) ,  西田健次 (東京科学大学工学院システム制御系) ,  中臺一博 (東京科学大学工学院システム制御系)
資料名： 日本ロボット学会誌  (ロボ學)
巻： 42  号： 9  ページ： 920-923(J-STAGE)  発行年： 2024年 
JST資料番号： Y0482A  ISSN： 0289-1824  資料種別： 逐次刊行物 (A)
記事区分： 短報  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で自動音声認識(ASR)システムのノイズ耐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する。実験結果では,PAMによってわずか7回の再トレーニングエポックでASR精度が向上し,最大性能では26.1ポイントの向上が達成された。(翻訳著者抄録)

シソーラス用語： *音声認識 ,  *耐雑音性 ,  *機械学習 ,  ニューラルネットワーク ,  音声強調
準シソーラス用語： *再学習 ,  *自動音声認識 ,  並列アダプタモデル

著者キーワード (4件)： 雑音にロバストなエンドツーエンドASR ,  アダプタネットワーク ,  音声強調 ,  ロボット監査

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

引用文献 (16件)：

• 1) J. Heymann, et al.: “Beamnet: End-to-end training of a beamformer-supported multi-channel asr system,” ICASSP 2017, pp.5325-5329, 2017.
• 2) P. Tzirakis, et al.: “Multi-channel speech enhancement using graph neural networks,” ICASSP 2021, pp.3415-3419, 2021.
• 3) Y. Luo and N. 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.
• 4) J. 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.
• 5) J. Balam, et al.: “Improving noise robustness of an end-to-end neural model for automatic speech recognition,” arXiv:2010.12715, 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