A switch-free spoken language interface for real-world speech interface

• Project/Area Number: 18700118
• Research Category: Grant-in-Aid for Young Scientists (B)
• Allocation Type: Single-year Grants
• Research Field: Media informatics/Database
• Research Institution: Nagoya Institute of Technology
• Principal Investigator: LEE Akinobu Nagoya Institute of Technology, 大学院・工学研究科, 准教授 (80332766)
• Project Period (FY): 2006 – 2008
• Project Status: Completed (Fiscal Year 2008)
• Budget Amount: ¥3,640,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥240,000); Fiscal Year 2008: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2007: ¥1,300,000 (Direct Cost: ¥1,300,000); Fiscal Year 2006: ¥1,300,000 (Direct Cost: ¥1,300,000)
• Keywords: 音声区間検出 / 音声インタフェース / 音声認識システム / 耐雑音 / 発話棄却 / 音声認識 / マルチモダール / マンマシンインタフェース / インタラクション / 情報システム / マルチモダールインタフェース / インタフェース / アルゴリズム

Research Abstract

日常環境で音声入力の開始・終了を意識せずに誰でも自然に使うことができる音声インタフェースの実現を目指して、音響・言語情報を密に統合したロバストかつ実時間の音声区間検出の研究を行った。短時間フレームごとのGMM尤度を用いた音声区間検出、およびフレーム単位の部分的な照合スコアから認識処理の照合度(信頼度)を判定する手法を提案した。大学案内音声対話システムを実際に構築して公共の場に設置し,データ収集と評価を行った。本研究の成果の一部は、大語彙音声認識エンジンJulius の機能として一般に公開されている。

Research Products

• [Journal Article] Julius を用いた音声認識インタフェースの作成 (2009)
  • Author(s): 李晃伸、河原達也
  • Journal Title: ヒューマンインタフェース学会誌、解説記事 Vol.11, No.1 Pages: 31-38
• [Journal Article] Juliusを用いた音声認識インタフェースの作成 (2009)
  • Author(s): 李晃伸,河原達也
  • Journal Title: ヒューマンインタフェース学会誌 Vol.11-No.1 Pages: 31-38
• [Journal Article] "Reducing computation on parallel decoding using frame-wise confidence scores" (2006)
  • Author(s): Tomohiro Hakamata, Akinobu Lee, Yoshihiko Nankaku, and Keiichi Tokuda
  • Journal Title: International Conference on Spoken Language Processing Pages: 1638-1641
  • Peer Reviewed
• [Journal Article] Reducing computation on parallel decoding using frame-wise confidence scores (2006)
  • Author(s): Tomohiro Hakamata, AKinobu Lee, Yoshihiko Nankaku, Keiichi Tokuda
  • Journal Title: International Conference on Spoken Language Processing Pages: 1638-1641
• [Journal Article] フレーム単位の信頼度を用いた並列音声認識におけるデコータ間枝刈りの検討 (2006)
  • Author(s): 袴田智博, 南角吉彦, 李晃伸, 徳田恵一
  • Journal Title: 情報処理学会研究報告 2006-SLP-6-2 Pages: 692-693
• [Presentation] 信頼度基準による解探索打ち切りに基づく超早音声認識 (2009)
  • Author(s): 小島弘, 南角吉彦, 李晃伸, 徳田恵一
  • Organizer: 電子情報通信学会音声研究会(SP)
  • Place of Presentation: 奈良先端科学技術大学院大学
  • Year and Date: 2009-01-29
• [Presentation] 信頼度基準による解探索打ち切りに基づく超早音声認識 (2009)
  • Author(s): 小島弘, 南角吉彦, 李晃伸, 徳田恵一
  • Organizer: 電子情報通信学会
  • Place of Presentation: 奈良先端科学技術大学院大学
  • Year and Date: 2009-01-29
• [Presentation] SHマイコン向け連続音声認識ソフトウェアを用いた質問応答システムの開発 (2008)
  • Author(s): 小窪浩明, 李晃伸, 河原達也, 鹿野清宏
  • Organizer: 日本音響学会秋季研究発表会
  • Place of Presentation: 九州大学
  • Year and Date: 2008-09-11
• [Presentation] SHマイコン向け連続音声認識ソフトウェアを用いた質問応答システムの開発 (2008)
  • Author(s): 小窪浩明,李晃伸,河原達也,鹿野清宏
  • Organizer: 日本音響学会
  • Place of Presentation: 九州大学
  • Year and Date: 2008-09-11
• [Presentation] 仮説の遅延確定による1パス信頼度の評価と複数デコーダ間枝刈りへの応用 (2008)
  • Author(s): 袴田智博,南角吉彦,李晃伸,徳田恵一
  • Organizer: 日本音響学会春季研究発表会
  • Place of Presentation: 千葉工業大学
  • Year and Date: 2008-03-17
• [Presentation] 仮説の遅延確定による1パス信頼度の評価と複数デコーダ間枝刈りへの応用 (2008)
  • Author(s): 袴田 智博, 南角 吉彦, 李 晃仲, 徳田 恵一
  • Organizer: 日本音響学会
  • Place of Presentation: 千葉工業大学
  • Year and Date: 2008-03-17
• [Presentation] 大語彙連続音声認識エンジン Julius ver.4 (2007)
  • Author(s): 李晃伸
  • Organizer: 電子情報通信学会音声研究会(SP)
  • Place of Presentation: NTT京阪奈ビル
  • Year and Date: 2007-12-21
• [Presentation] 大語彙連続音声認識エンジンJulius ver.4 (2007)
  • Author(s): 李 晃伸
  • Organizer: 電子情報通信学会
  • Place of Presentation: NTT京阪奈ビル
  • Year and Date: 2007-12-21
• [Presentation] アレイ入力と接話マイク入力のデュアルデコーディングに基づくキャンパス音声情報案内端末の構築 (2007)
  • Author(s): 辻洋祐,垣鍔亮太,小崎和正,南角吉彦,李晃伸,徳田恵一
  • Organizer: 日本音響学会秋季研究発表会
  • Place of Presentation: 山梨大学
  • Year and Date: 2007-09-21
• [Presentation] アレイ入力と接話マイク入力のデュアルデコーディングに基づくキャンパス音声情報案内端末の構築 (2007)
  • Author(s): 辻 洋祐, 垣鍔亮太, 小崎和正, 南角 吉彦, 李 晃伸, 徳田 恵
  • Organizer: 日本音響学会
  • Place of Presentation: 山梨大学
  • Year and Date: 2007-09-21
• [Presentation] フレーム単位の信頼度を用いた並列音声認識におけるデコータ間枝刈りの検討 (2006)
  • Author(s): 袴田智博、南角吉彦、李晃伸、徳田恵一
  • Organizer: 情報処理学会音声言語情報処理研究会(SIG-SLP)
  • Place of Presentation: ルネッサンスリゾートなると
  • Year and Date: 2006-07-07
• [Remarks] 大語彙連続音声認識エンジン Julius : 研究開始時 : バージョン3.5.1 9,827 views, 1,285 downloads / month 研究終了時 : バージョン4.1.2 60,666 views, 3,105 downloads / month
  • URL: http://julius.sourceforge.jp/