強化または無いための学習:重複音声認識のための強化および観測信号のニューラルネットワークベーススイッチング【JST・京大機械翻訳】

Sato Hiroshi; Ochiai Tsubasa; Delcroix Marc; Kinoshita Keisuke; Kamo Naoyuki; Moriya Takafumi

プレプリント

J-GLOBAL ID：202202219156467428 整理番号：22P0026118

強化または無いための学習:重複音声認識のための強化および観測信号のニューラルネットワークベーススイッチング【JST・京大機械翻訳】

Learning to Enhance or Not: Neural Network-Based Switching of Enhanced and Observed Signals for Overlapping 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： 2022年01月11日プレプリントサーバーでの情報更新日： 2022年01月11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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層ニューラルネットワーク(DNN)ベースの音声強調(SE)フロントエンドと自動音声認識(ASR)バックエンドの組合せは,重複音声認識を実装するための広く使われるアプローチである。しかし,SEフロントエンドはASR性能を劣化できる加工アーチファクトを生成する。以前に,そのような性能劣化は,信号対干渉比(SIR)と信号対雑音比(SNR)に依存して,完全重複条件下でさえ起こることを見出した。劣化を緩和するために,強化と観測信号の間のASR入力を切り替える規則ベースの方法を導入し,有望な結果を示した。しかし,ルールの最適性は,発見的に設計され,SIRとSNR値のみに基づいて,不明瞭であった。本研究では,ASRが増強または観測信号でよりよく機能するかどうかを直接推定するDNNベーススイッチング法を提案した。また,スイッチングモデルの出力後部により与えられた重みを用いて,ASR入力に対する強調信号と観測信号の加重和を計算するソフトスイッチングを導入した。提案した学習ベーススイッチングは,ルールベースオラクルスイッチングに匹敵する性能を示した。ソフトスイッチングはASR性能をさらに改善し,従来法と比較して23%までの相対特性誤り率低減を達成した。【JST・京大機械翻訳】

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

パターン認識 , 音声処理

, , ,

前のページに戻る