誤音検出のための効果的なエンドツーエンドモデリングアプローチ【JST・京大機械翻訳】

Lo Tien-Hong; Weng Shi-Yan; Chang Hsiu-Jui; Chen Berlin

プレプリント

J-GLOBAL ID：202202202783844270 整理番号：22P0148267

誤音検出のための効果的なエンドツーエンドモデリングアプローチ【JST・京大機械翻訳】

An Effective End-to-End Modeling Approach for Mispronunciation Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年05月17日プレプリントサーバーでの情報更新日： 2020年05月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近,エンドツーエンド(E2E)自動音声認識(ASR)システムは,従来のハイブリッドDNN-HMM ASRシステムと比較して,それらの大きな成功と統一モデリングパラダイムのため,大きな注目を集めている。ASRに関するE2Eモデリングフレームワークの広範な採用にもかかわらず,計算機支援発音学習(CAPT)における使用のためのE2Eフレームワークの調査,特にMispronuncation検出(MD)に関する研究の余地がある。応答において,まず,MDタスクへのハイブリッドCTCAttentアプローチの新しい利用を示し,CTCと注意ベースモデルの両方の長所を利用して,一方,電話レベル強制アラインメントの必要性の周りを得た。第2に,著者らは,MDタスクのためにより調整したE2Eモデルを作るために,テキスト迅速情報による入力増強を実行した。一方,提案フレームワークと協調するために2つのMD決定法を採用した。1)認識信頼尺度に基づく意思決定,2)音声認識結果に基づく簡易化。一連のマンダリンMD実験は,著者らのアプローチが既存のハイブリッドDNN-HMMシステムの処理パイプラインを単純化するだけでなく,系統的で実質的な性能改良をもたらすことを実証した。さらに,テキスト迅速による入力増強は,E2EベースMDアプローチに対する優れた有望性を保持すると思われる。【JST・京大機械翻訳】

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

パターン認識

前のページに戻る