文献

J-GLOBAL ID：201502259970604726   整理番号：15A0263053

年齢・性別に依存しないDNN-HMMによる音声認識法の検討

Consideration on Age- and Gender-independent Speech Recognition using DNN-HMM

著者 (3件)： 関博史 (豊橋技科大) ,  山本一公 (豊橋技科大) ,  中川聖一 (豊橋技科大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 114  号： 365(SP2014 106-126)  ページ： 159-164  発行年： 2014年12月08日 
JST資料番号： S0532B  ISSN： 0913-5685  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： 我々は,従来から音節単位音響モデリングについて研究を行っている。そこで本研究では,まず音節単位および音素単位DNN-HMMを構築し,これらの認識精度について調査を行った。その結果,triphone,コンテキスト独立音節いずれもほぼ等しい認識精度を示した。次に,3つの年齢層(成人・老人・子供)と性別(男性・女性)ごとに計6つのクラスの学習データを用意し,年齢・性別に依存しないDNN-HMMの検討を行った。一般的に,不特定話者を対象とした音声認識システムは,話者特定システムに比べ,認識性能が低下してしまう。しかしクラス毎に特徴量を正規化することで,すべてのクラスを用いて一つのモデルを学習した場合でも,クラスごとにDNN-HMMを学習したモデルを上回る認識精度を得ることが出来た。最後に,クラス情報のネットワークへの組み込みを検討した。(著者抄録)

シソーラス用語： 年齢 ,  *独立性 ,  *音声認識 ,  *ニューラルネットワーク ,  隠れMarkovモデル ,  音節 ,  音素 ,  *音素認識 ,  性別
準シソーラス用語： *HMM【モデル】 ,  *非依存

分類 (3件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (20件)：

• G.E.Hinton, L.Deng, D.Yu, G.Dahl, A.Mohamed, N.Jaitly, A.Senior, V.Vanhoucke, P.Nguyen, T.Sainath and B.Kingsbury: Deep neural networks for acoustic modeling in speech recognition, IEEE Signal Processing Magazine, pp. 82-97 (2012).
• 林 知樹, 北岡教英, 武田一哉 : 深層学習を用いた音声特徴量の年齢の変動に対する頑健性の調査, 音講輪 (秋), pp. 77-80 (2014).
• 柏木陽佑, 齋藤大輔, 峯松信明, 広瀬啓吉 : 制約付き話者コードの同時推定によるニューラルネット音響モデルの話者正規化学習, 音講論 (秋), pp. 7-10 (2014).
• 関 博史, 中川聖一 : 音節単位 DNN-HMM の音声認識の評価, 音講輪 (春), pp. 179-182 (2014).
• M.Padmanabhan, L.R.Bahl, D.Nahamoo and M.A.Picheny: Speaker clustering and transformation for speaker adaptation in large-vocabulary speech recognition systems, Speech and audio processing and IEEE Trans., Vol. 27, pp. 71-77 (1998).

タイトルに関連する用語 (4件)： 年齢 ,  性別 ,  DNN-HMM ,  音声認識