文献

J-GLOBAL ID：201202224490321147   整理番号：12A1564016

音声認識用のマルチリンガル部分空間Gauss混合モデルを訓練するための音響的不整合の処理

DEALING WITH ACOUSTIC MISMATCH FOR TRAINING MULTILINGUAL SUBSPACE GAUSSIAN MIXTURE MODELS FOR SPEECH RECOGNITION

著者 (3件)： MOHAN Aanchan (McGill Univ., Montreal, CAN) ,  GHALEHJEGH Sina Hamidi (McGill Univ., Montreal, CAN) ,  ROSE Richard C (McGill Univ., Montreal, CAN)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2012 Vol.7  ページ： 4893-4896  発行年： 2012年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 部分空間Gauss混合モデル(SGMM)は,マルチリンガル自動音声認識用の音声単位モデル化のための,魅力的な音響モデル化手法であることが近年示されている。Burgetらは類似した音響条件とチャネル条件下で収集したマルチリンガルデータを使用して,SGMMの共有パラメータを訓練した。本論文は,2つの顕著に異なる音響条件とチャネル条件下で収集したデータを使用して,このデータ間の不整合はマルチリンガルSGMMシステムの性能に悪い影響を与えることを実験で示した。この実験は,スペイン出身の話者による既存の英語電話音声コーパスを利用して,スペイン語音声認識システムの性能改善を目標とした。複数言語にわたるデータ正規化のための話者適応訓練と,雑音補償特徴の有効性も示した。結論として,マルチリンガルコーパス間に音響不整合が存在しても,SGMMのマルチリンガル訓練は有効であることを述べた。

シソーラス用語： *音声認識 ,  *語用論 ,  Gauss模型 ,  不整合 ,  *部分空間法 ,  データ ,  性能評価 ,  英語 ,  コーパス ,  スペイン語 ,  正規化 ,  適応 ,  雑音低減 ,  特性
準シソーラス用語： Gauss混合モデル ,  *マルチリンガル ,  *音響モデル ,  音響特徴 ,  音声コーパス ,  訓練データ ,  *自動音声認識 ,  話者適応

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 音声認識 ,  マルチリンガル ,  部分空間 ,  Gauss混合モデル ,  訓練 ,  音響 ,  不整合