エンドツーエンド音声認識のための電話ベースサブワードユニットの研究【JST・京大機械翻訳】

Wang Weiran; Wang Guangsen; Bhatnagar Aadyot; Zhou Yingbo; Xiong Caiming; Socher Richard

プレプリント

J-GLOBAL ID：202202210693607387 整理番号：21P0028714

エンドツーエンド音声認識のための電話ベースサブワードユニットの研究【JST・京大機械翻訳】

An investigation of phone-based subword units for end-to-end speech recognition

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 (6件)： , , , , ,
資料名：
発行年： 2020年04月08日プレプリントサーバーでの情報更新日： 2021年06月21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)

フォンとその文脈依存バリアントは,従来の音声認識システムに対する標準モデリングユニットであり,一方,文字とサブワードはエンドツーエンド認識システムに対する有効性を実証した。エンドツーエンド音声認識のためのモデリングユニットとして,音声ベースサブワード,特にバイトペア符号器(BPE)の使用を研究した。さらに,発音辞書に基づくマルチレベル言語モデルベースの復号化アルゴリズムも開発した。容易に利用できるレキシコンの使用に加えて,このシステムは,従来のシステムからの付加的エキスパート知識あるいは処理ステップの必要性を回避する。実験結果は,電話ベースBPEsが文字ベース対応物よりもより正確な認識システムを生成する傾向があることを示した。さらに,新しいワンパスジョイントビーム探索復号器により,更なる改善が得られ,これは,音声と文字ベースのBPEシステムを効率的に組み合わせる。スイッチボードでは,電話ベースBPEシステムは,テストセットのスイッチボード/コールホーム部分上で6.8%/14.4%語誤り率(WER)を達成し,一方,ジョイント復号化は6.3%/13.3%WERを達成した。Fisher+スイッチボード上で,共同復号化は4.9%/9.5%WERに導き,電話音声認識のための新しいマイルストーンを設定する。【JST・京大機械翻訳】

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

パターン認識

, , ,

前のページに戻る