文献

J-GLOBAL ID：201802235066695356   整理番号：18A1771702

言語ユニバーサル端末間音声認識に向けて【JST・京大機械翻訳】

Towards Language-Universal End-to-End Speech Recognition

著者 (2件)： Kim Suyoun (Dept. of Electrical & Computer Engineering, Carnegie Mellon University, Pittsburgh, PA) ,  Seltzer Michael L. (Microsoft AI & Research, Speech & Dialog Research Group, Redmond, WA, 98052)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 4914-4918  発行年： 2018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： 複数言語における音声認識器の構築には,各言語に対する単一言語訓練処方の複製,あるいは異なる言語に対するモデルが出力ラベルを分離するが,いくつかの内部パラメータを共有するマルチタスク学習手法を用いる。本研究では,訓練で見られる言語を認識することができる単一多言語音声認識システムを作成するために,エンドツーエンド音声認識における最近の進歩を利用した。そこで,すべての言語間で共有される普遍的な文字集合の利用を提案した。また,言語特有の方法でネットワークの内部表現を調整できるネットワーク内の言語特異的ゲーティング機構を作成した。3つの言語にわたるMicrosoft Cortanaタスクに対する提案アプローチを評価し,このシステムが個々の単一言語システムとマルチタスク学習アプローチにより構築されたシステムの両方を凌駕することを示した。また,このモデルを用いて,単一言語音声認識装置を初期化し,符号交換シナリオにおける利用のための二重モデルを作成することができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *音声認識 ,  *言語 ,  ネットワーク ,  エンドツーエンド方式 ,  端末装置 ,  言語療法
準シソーラス用語： 多言語 ,  音声認識システム ,  マルチタスク学習 ,  音声認識装置 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 言語 ,  音声認識