文献

J-GLOBAL ID：202202281697310205   整理番号：22A1077830

タスク外音響情報を付加したEnd-to-End音声認識モデルの設計

Designing an end-to-end speech recognition model with off-target acoustic information.

著者 (5件)： 森大輝 (豊橋技科大) ,  太田健吾 (阿南工高専) ,  西村良太 (徳島大) ,  小川厚徳 (NTT) ,  北岡教英 (豊橋技科大)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2022  号： 春季  ページ： ROMBUNNO.2-3Q-2  発行年： 2022年02月23日 
JST資料番号： G0381C  ISSN： 1880-7658  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・音声認識モデルの言語情報の差替えが可能なDensity Ratio法を用いたドメイン外音響情報付加による音声認識モデルの提案。
・音声認識モデル内部からの音響情報抽出,ドメイン外音声認識モデルの出力確率からのドメイン外言語モデルの出力確率の減算の実行。
・学術講演音声認識モデルによる試験ではBaselineの認識精度を改善できず,他の認識モデルではBaselineに劣ることの確認。

シソーラス用語： *音声認識 ,  モデリング ,  音声処理 ,  ニューラルネットワーク ,  確率密度

分類 (1件)： パターン認識  (JE07000S)

引用文献 (7件)：

• P. Koehn. Statistical Machine Translation. Cambridge University Press, New York, NY, USA
• E. McDermott. “A Density Ratio Approach to Language Model Fusion in End-to-End Automatic Speech Recognition,” ASRU2019, pp. 434-441, 2019.
• S. George, T.Zoltan, B.Daniel, and K.Brian, “ADVANCING RNN TRANSDUCER TECHNOLOGY FOR SPEECH RECOGNITION,” ICASSP, 2021.
• Z. Gong. “Language Model Augmentation in End-to-End ASR Systems Based on Noisy Channel Model,” Acoustical Society of Japan Spring Annual Meetings, (in Japanese), 2021.
• D.Mori, K.Ohta, R.Nishimura, A.Ogawa, and N.Kitaoka, “Advanced language model fusion method for encoder-decoder model in Japanese speech recognition” APSIPA2021,2021

タイトルに関連する用語 (5件)： タスク ,  音響情報 ,  音声認識 ,  モデル ,  設計