文献

J-GLOBAL ID：201602253982347320   整理番号：16A0544431

LibriSpeech:公開領域音声図書を利用したASRコーパス

LIBRISPEECH: AN ASR CORPUS BASED ON PUBLIC DOMAIN AUDIO BOOKS

著者 (4件)： PANAYOTOV Vassil (Johns Hopkins Univ., MD, USA) ,  CHEN Guoguo (Johns Hopkins Univ., MD, USA) ,  POVEY Daniel (Johns Hopkins Univ., MD, USA) ,  KHUDANPUR Sanjeev (Johns Hopkins Univ., MD, USA)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2015 Vol.7  ページ： 5206-5210  発行年： 2015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： インターネット上のマルチメディアコンテンツ量が急増し,統計モデル訓練用の自動データ収集が実現した。しかし話し言葉音声認識システムの訓練とテストに適した,自由に利用できる英語音声コーパスはまだ十分なものがない。本論文は,16kHzでサンプリングした1000時間の音声を含む,音声読み上げデータ集合LibriSpeechコーパスを紹介した。このコーパスは,公開領域音声図書創成を目的とするLibriVoXボランティアプロジェクトが開発した音声図書からの英語音声読み上げデータを利用して作成した。対応するテキストと自動整合,セグメンテーションし,雑音を含むセグメントは除去して音声認識システム訓練に適した音声コーパスとした。ウオールストリートジャーナル(WSJ)テスト集合による実験で,WSJ自身よりも,LibriSpeechで訓練した音響モデルの方が誤り率が低いという結果を得た。

シソーラス用語： *音声認識 ,  文書 ,  図書 ,  コンテンツ ,  データ ,  データ収集 ,  *話し言葉 ,  *コーパス ,  英語 ,  信号標本化 ,  出力 ,  集合 ,  セグメンテーション ,  雑音除去 ,  誤り率 ,  実験 ,  音声読み上げ ,  評価実験 ,  統計モデル ,  データセット ,  モデル
準シソーラス用語： 統計模型 ,  *自動音声認識 ,  音声文書 ,  マルチメディアコンテンツ ,  訓練データ ,  *音声コーパス ,  データ集合 ,  音響モデル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 公開 ,  音声 ,  図書 ,  ASR ,  コーパス