文献

J-GLOBAL ID：201702289041955664   整理番号：17A0662568

CTC格子を用いた電話同期音声認識【Powered by NICT】

Phone Synchronous Speech Recognition With CTC Lattices

著者 (4件)： Chen Zhehuai (Computer Science and Engineering Department, Shanghai Jiao Tong University, Shanghai, China) ,  Zhuang Yimeng (Computer Science and Engineering Department, Shanghai Jiao Tong University, Shanghai, China) ,  Qian Yanmin (Computer Science and Engineering Department, Shanghai Jiao Tong University, Shanghai, China) ,  Yu Kai (Computer Science and Engineering Department, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 25  号： 1  ページ： 86-97  発行年： 2017年 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コネクショニスト時間分類(CTC)は,最近,自動音声認識における改良された性能と効率を示した。一つの一般的な復号実行は,各フレームで電話後部を予測し,次に修正WFSTネットワーク上のViterbiビーム探索を行うためにCTCモデルを使用することである。は伝統的なフレーム同期復号化フレームワーク内であった。本論文では,CTCのピーク後特性を注意深く調べ,無視ブランクフレームは付加的な検索誤差を導入しないであろうことが分かった。この現象に基づいて,新しい電話同期復号化フレームワークは,ブランクフレーム,有意な探索速度をもたらすまでに起因する大きな検索の冗長性を除去することにより提案した。枠組みは当然に極めてコンパクトな音レベル音響空間表現をもたらす:CTC格子。CTC格子を用いて,大語い連続音声認識(LVCSR),電話ベースキーワードスポッティング(KWS)のための二パス再スコアリング,効率的かつ効果的なモジュール音声認識手法も提案した。実験は電話同期復号化はフレーム同期復号に比べて性能劣化なしに3~4倍の探索高速化を達成できることを示した。CTC格子をもつモジュラLVCSRは,WER改善を達成することができる。CTC格子を持つKWSは顕著な等誤り率改善を達成しただけでなく,大きくKWSモデルサイズを減少させ,探索速度を増加させた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 復号化 ,  高速化 ,  フレーム同期 ,  *電話 ,  ネットワーク ,  誤り率 ,  冗長性 ,  *音声認識 ,  性能評価 ,  *音響
準シソーラス用語： 性能劣化 ,  スコア化 ,  大語彙連続音声認識 ,  ビーム探索 ,  重み付き有限状態トランスデューサ ,  自動音声認識 , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (4件)： CTC ,  格子 ,  電話 ,  音声認識