文献

J-GLOBAL ID：201802223468366212   整理番号：18A0441133

ZeroSpeech2017Track1のための複合埋込みシステム【Powered by NICT】

Composite embedding systems for ZeroSpeech2017 Track1

著者 (4件)： Shibata Hayato (Tokyo Institute of Technology, School of Engineering, Kanagawa, Japan) ,  Kato Taku (Tokyo Institute of Technology, School of Engineering, Kanagawa, Japan) ,  Shinozaki Takahiro (Tokyo Institute of Technology, School of Engineering, Kanagawa, Japan) ,  Watanabet Shinji (Mitsubishi Electric Research Laboratories, MA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ASRU  ページ： 747-753  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： triphoneベースDNN HMMと文字ベースのエンドツーエンド音声認識システムを用いた言語非依存高速特徴抽出のための新しい複合埋込みシステムを調べた。DNN HMMでは自発的日本語のコーパス(CSJ)からKaldiツールキットに含まれる大規模日本人ASR処方に基づいた音素転写物を用いて訓練される。エンドツーエンドASRシステムは注意ベース符号器-復号器とコネクショニスト時間分類から成るハイブリッドアーキテクチャに基づいている。このモデルは音素表現を必要とせずに純粋なエンド・ツー・エンド方式で特性転写物を用いた多言語音声データを用いて訓練される。後特徴,PCA変換特徴,ボトルネック特徴は二つのシステムから抽出した;,特徴の様々な組み合わせを検討した。バイパスオートエンコーダ(バイパスAE)は,教師なし方法で話者特徴を正規化するために提案した。ABX試験を用いた評価は,DNN HMMベースCSJボトルネック特徴を入力言語にかかわらず良好な性能をもたらすことを示した。PCAを用いた多言語エンドツーエンドシステムから抽出された前活性化ベクターはCSJボトルネック特徴よりもやや良好な性能を提供した。バイパスAEはベースラインAEよりも改善された性能が得られた。最低誤差率はCSJボトルネック特徴によるエンドツーエンド特徴を連結する複合特徴によって得られた。Copyright 2018 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： 転写 ,  コーパス ,  日本語 ,  *エンドツーエンド方式 ,  バイパス ,  符号器 ,  正規化 ,  音素 ,  復号器 ,  特徴抽出 ,  言語
準シソーラス用語： 話者 ,  音声データ ,  多言語 ,  *埋込みシステム , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 埋込みシステム