電話への調音標識マッピングを生成するための自動化技術【Powered by NICT】

Abraham Basil; Umesh S.

文献

J-GLOBAL ID：201702277216917501 整理番号：17A0402460

電話への調音標識マッピングを生成するための自動化技術【Powered by NICT】

An automated technique to generate phone-to-articulatory label mapping

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A0402460&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A0402460&from=J-GLOBAL&jstjournalNo=W1590A") }}

著者 (2件)： ,
資料名：
巻： 86 ページ： 107-120 発行年： 2017年
JST資料番号： W1590A ISSN： 0167-6393 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

最近の研究は,資源不足言語の場合には,調音モデルから得られた調音特徴(AF)の使用は,従来のメル周波数ケプストラム係数(MFCC)特徴に比較して改善された自動音声認識(ASR)をもたらすことを示した。調音特徴は従来の音響特徴と比較して雑音と発音変動に対してよりロバストである。調音特徴を抽出するために,一つの方法は,MFCCのような従来の音響特徴を調音特徴を出力する調音分類器を構築することである(偽AFとして知られている)。しかし,これら分類器は電話異なる調音ラベル(AL)(例えば,構音の調音と方法の場所),資源不足言語の多くの容易に利用できないからマッピングを必要とする。本論文では,著者らは資源が充実した言語の電話にALマッピングの知識に基づく新しい標的言語のための電話に調音ラベル(電話にAL)マッピングを生成するための自動化技術を提案した。提案したマッピング法は,最近提案された電話クラスタ適応訓練(電話CAT)法から得られた補間ベクトルの中心電話捕獲特性に基づいている。電話CATは部分空間Gauss混合モデル(SGMM)を含む正準状態モデル(CSM)の広いカテゴリーに属することを音響モデリング技法である。電話CATでは,特定の文脈依存状態に属する補間ベクトルは,モノフォンクラスタの場合の中心電話またはALクラスタの場合の中心電話のALによる最大量を有する。種々の文脈依存状態からこれらの関係を用いて,電話にALマッピングを発生させた。電話CAT法は,特定の文脈依存状態に属するすべての音声データを利用した。,音声の多重セグメントを用いてマッピングし,雑音と他の変動に対してよりロバスト性を発生させた。本研究では,英語のための利用可能な電話にALマッピングに基づく三不足インド語すなわちアッサム,ヒンディー語,タミール語に対する電話にALマッピングを得た。生成された写像を用いて,調音分類器を構築するために調音特徴は,様々な量のデータを用いて,これら言語のために抽出した。実験は,英語(配電盤タスク)を含む他の言語から多く訓練データ(≒ 22 h)を用いて構築された調音分類器を用いたインド語の各々から得た小訓練データセット(≒ 2 h)を仮定した言語横断シナリオで実施した。興味深いことに,言語間性能は大量の天然の訓練データを用いて構築した調音分類器のそれに匹敵する。調音特徴を用いて,DNNフレームワークにおけるすべての三言語のための従来のMFCC特徴で観察された30%以上の相対的改善。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

パターン認識 , 音声処理

, , , ,

前のページに戻る