文献

J-GLOBAL ID：201702245808940587   整理番号：17A1096021

非同期変換を用いた動的背景条件に対する音響適応【Powered by NICT】

Acoustic adaptation to dynamic background conditions with asynchronous transformations

著者 (2件)： Saz Oscar (Speech and Hearing Group, University of Sheffield, 211 Portobello St., Sheffield S1 4DP, UK) ,  Hain Thomas (Speech and Hearing Group, University of Sheffield, 211 Portobello St., Sheffield S1 4DP, UK)
資料名： Computer Speech and Language  (Computer Speech and Language)
巻： 41  ページ： 180-194  発行年： 2017年 
JST資料番号： T0677A  ISSN： 0885-2308  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,非同期制約付き最大尤度線形回帰(aCMLLR)変換と非同期雑音適応訓練(aNAT)による自動音声認識(ASR)の複合体と非定常背景条件への適応を行うためのフレームワークを提案した。提案した方式は,各入力フレームに対する背景を補償する最もよく特徴変換を適用することを目的とした。実装は,通常の左右HMMを拡大する異なる背景条件に適応した平行なブランチへとそれらの間の遷移を可能にする新しい隠れMarkovモデル(HMM)トポロジーを用いて行った。本を用いて,復号化された発話の全体的な対数尤度を最大化することを目的としたとして提案した適応は,各フレームにおける背景に関するグランドトルースまたは事前知識を必要としない。提案aCMLLR変換はaNAT様式で再訓練モデルと背景効果と話者の効率的なモデリングのためのカスケードにおける話者ベースMLLR変換を用いることによってさらに改良できる。七つの異なる背景条件を組み込んだWSJCAM0コーパスの修正版の初期評価は,aCMLLR変換の利用を評価するためのベンチマークを提供する。単語誤り率(WER)の40.5%の相対的減少は,カスケードにおけるaCMLLRとMLLRの併用により達成された。のこの技術選択はマルチジャンルメディア放送の転写,aNAT訓練,aCMLLR変換とMLLR変換の使用は2 3%の相対的改善を提供するに適用した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 雑音 ,  誤り率 ,  コーパス ,  復号化 ,  適応訓練 ,  *最尤法 ,  発話 ,  隠れMarkovモデル ,  単語 ,  音声認識 ,  モデリング
準シソーラス用語： 話者 ,  特徴変換 ,  自動音声認識 ,  線形回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 音声認識 ,  音響適応 ,  Factorisation ,  動的背景 ,  メディア転写

分類 (2件)： パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 非同期 ,  背景 ,  音響 ,  適応