確率的音声認識における音響確率と言語確率の統合方法

• 研究課題/領域番号: 11680386
• 研究種目: 基盤研究(C)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 知能情報学
• 研究機関: 名古屋大学
• 研究代表者: 武田 一哉 名古屋大学, 工学研究科, 助教授 (20273295)
• 研究期間 (年度): 1999 – 2001
• 研究課題ステータス: 完了 (2001年度)
• 配分額: 3,100千円 (直接経費: 3,100千円); 2001年度: 1,200千円 (直接経費: 1,200千円); 2000年度: 1,000千円 (直接経費: 1,000千円); 1999年度: 900千円 (直接経費: 900千円)
• キーワード: 大規模言語コーパス / 形態素解析 / 連続音声認識 / 音響モデル / 言語モデル / エントロピー / 音声認識 / 音韻モデル / 特異値分解 / Nグラム

研究概要

統合的言語モデルと,音響モデル双方のモデル化精度の向上に取り組んだ。言語モデルについて,単語クラスに基づく言語モデルを作成し,辞書に出現しない未知の単語へその出現確率を付与する方法を検討した。単語クラス言語モデルを用いて確率を平滑化した後,未知語を単語クラスに割り振り均等な出現確率を与える方法により,未知語を含んだ音声の認識率を最大10%程度向上させることができることを確認した。言語モデルの学習に際しては,形態素解析ツール茶筅の品詞体系に準じた単語クラスを採用することが有効であることも確認した。
一方音響モデルについては帯域不使用HMMの選択に基づくモデル化を検討した。雑音の影響が狭帯域に集中する場合,雑音の影響が強い帯域以外では,音声の情報が残っている。そこで,雑音の音声のスペクトクルの情報が失われてしまった周波数帯域以外の帯域のスペクトル情報を用いて認識を行う方法を考案した。実際には観測されたスペクトルのどの帯域に雑音の影響が強いかは未知である。そこで本研究では観測スペクトルをいくつかの帯域に分割し,それぞれの帯域のスペクトル情報が失われていると仮定しそれぞれ対応したモデルで認識し,認識結果から何らかの方法でモデル選択を行うことで高い精度を持つモデル化を行うことができる

研究成果

• [文献書誌] H.Kamiyanagida, H.Saruwatari, K., Takeda, F.Itakiura, K.Shikano: "Direcon of Arrival Estimation Using Nonlinear Microphone Array"IEICE TRANS. TUNDAMENTALS. Vol.E84-A, No.4. 999-1010 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 河口信夫, 牛窪誠一, 松原茂樹, 岩 博之, 梶田将司, 武田一哉, 板倉文忠: "走行車室内音声対話収録システムの開発"電子情報通信学会論文誌. D-II, Vol.J84-D-IINo.6. 909-917 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 西野隆典, 梶田将司, 武田一哉, 板倉文忠: "水平方向及び仰角方向に関する頭部伝達関数の補間"日本音響学会誌, Acoustical Science and Technology. 57巻11号. 685-693 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] Hideki Banno, Kazuya Takeda, Fumitada Itakura: "The effect of group delay spectrum on timbre"Acoustical Science and Technology. 23,1. 1-9 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] C.Chandra Sekhar, K.Takeda, F.Itakura: "Recognition of consonant-vowel utterances using Support Vector Machines"ESANN2001,9th European Symposium On Artificial Neural Networks. 7-12 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] O.Segawa, K.Takeda, F.Itakura: "Continuous speech recognition without end-point detection"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.I of VI. 245-248 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] H.Saruwatari, K.Takeda, F.Itakura, K.Shikano: "Blind source separation combining frequency-domain ICA and beam forming"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.V of VI. 2733-2736 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] H.Saruwatari, H.Kamiyanagida, K.Takeda, F.Itakura, K.Shikano: "Direction of arrival estimation based on nonlinear microphone array"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.V of VI. 3033-3036 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] Hideki Banno, KazuyaTakeda, Fumitada Itakura: "A Study on Perceptual Distance Measure for Phase Spectrum of Stimuli"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.V of VI. 3297-3300 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] C.Chandra Sekhar, K.Takeda, F.Itakura: "Close-Class-Set Discrimination Method for Recognition of Stop Consonant Vowel Utterances using Support Vector Machines"ICANN2001, International Conference on Artificial Neural Networks. 399-404 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] Y.Kawamura, K.Takeda, F.Itakura: "Robust speech recognition based on selective use of missing frequency band HMMs"Proc. of 7th European Conference on Speech Communication and technology (Eurospeech'01). vol.2. 1115-1118 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] N.Kawaguchi, N.Matsubara, K.Takeda, F.Itakura, Y.Inagaki: "Multimedia data collection of in-car speech communication"Proc. of 7th European Conference on Speech Communication and technoloay (Eurospeech'01). vol.3. 2027-2030 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] Taisuke Itoh, Kazuya Takeda, Fumitada Itakura: "Acoustic Analysis and Recognition of Whispered Speech"ASRU2001 Workshop on Automatic Speech Recognition and Understandinig-Madonna di Campiglio. (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 西野隆典, 田島英和, 米田成吾, 武田一哉, 板倉文忠: "クラスタリング手法に基づく汎用頭部伝達関数の作成と評価"信学技報:電子情報通信学会技術研究報告. EA2001-12. 1-8 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 坂野秀樹, 武田一哉, 板倉文忠: "群遅延に基づく位相の聴覚的距離尺度"信学技報:電子情報通信学会技術研究報告. DSP2001-91,SP2001-64. 23-29 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 伊藤太介, 武田一哉, 板倉文忠: "ささやき声の音響分析と音声認識への応用"信学技報:電子情報通信学会技術研究報告. DPS2001-98, SP2001-71. 59-64 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 樋口晋也, 武田一哉, 板倉文忠: "言語情報を用いた音響モデルの作成"音講論集:日本音響学会講演論文集. 1-Q-21. 181-182 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 瀬川修, 武田一哉, 板倉文忠: "音声モニタリングによる対話理解方式の検討"音講論集:日本音響学会講演論文集. 1-Q-25. 189-190 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 伊藤太介, 武田一哉, 板倉文忠: "囁き声の音声認識のための音響分析に関する検討"音講論集:日本音響学会講演論文集. 1-Q-33. 205-206 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 坂 義秀, 坂野秀樹, 武田一哉, 板倉文忠: "実走行中の車内データを用いた車内騒音の合成に関する検討"音講論集:日本音響学会講演論文集. 2-P-15. 885-886 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 新出哲也, 武田一哉, 板倉文忠: "遠隔マイクロフォン音声の重回帰による音声強調"2001年度電気関係学会東海支部連合大会講演論文集. 496. (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 辻庸介, 武田一哉, 板倉文忠: "すれ違い画像のオプティカルフローと車内騒音との関係"2001年度電気関係学会東海支部連合大会講演論文集. 512. (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 河口信夫, 松原茂樹, 武田一哉, 板倉文忠, 稲垣康善: "実走行車内音声対話データベース"信学技報NLC2001-72,SP2001-107, 音言研資Vol.2001, No.123, 2001-SLP-39. 31,141-36,146 (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 伊藤太介, 武田一哉, 板倉文忠: "実環境における囁き声の音声認識に関する検討"音講論集:日本音響学会講演論文集. 1-5-11. 21-22 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 辻庸介, 武田一哉, 板倉文忠: "車の前方映像のオプティカルフローと車内騒音との関係"音講論集:日本音響学会講演論文集. 1-7-14. 757-758 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 荒木潤二, 武田一哉, 板倉文忠: "呈示刺激、呈示時間の相違による音像定位精度の差に関する検討"音講論集:日本音響学会講演論文集. 1-9-5. 449-450 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 武田一哉, 河口信夫, 藤井博厚, 北勝也, 板倉文忠: "走行状況別車内音声データベース"音講論集:日本音響学会講演論文集. 3-P-10. 185-186 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 新出哲也, 武田一哉, 板倉文忠: "遠隔マイクロフォンによる音声の重回帰による音声強調"音講論集:日本音響学会講演論文集. 3-P-11. 187-188 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 多々良潔, 武田一哉, 板倉文忠: "ピンマイクロフォン収録による音声データベースと音響モデルの作成に関する検討"音講論集:日本音響学会講演論文集. 3-P-15. 195-196 (2002)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] 春日正男, 船田哲男, 林 伸二, 武田一哉: "音声情報処理"コロナ社. (2001)
  • 説明: 「研究成果報告書概要(和文)」より
• [文献書誌] H. Kamiyanagida, H. Saruwatari, K. Takeda, F. Itakura, and K. Shikano: "Direction of Arrival Estimation Using Nonlinear Microphone Array"IEICE TRANS.TUNDAMENTALS. Vol.E84-A, No.4. 999-1010 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] Hideki Banno, Kazuya Takeda and Fumitada Itakura: "The effect of group delay spectrum on timbre"Acoustical Science and Technology. 23, 1. 1-9 (2002)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] C. Chandra Sekhar, K. Takeda, F. Ikatura: "Recognition of consonant-vowel utterances using Support Vector Machines"ESANN2001 , 9th European Symposium On. 7-12 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] O.Segawa, K. Takeda, F. Itakura: "Continuous speech recognition without end-point detection"IEEE Signal Processing Society, ICASSP,. Vol.Iof VI. 245-248 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] H. Saruwatari, K. Takeda, F. Itakura, K.Shikano: "Blind source separation combining frequency-domain 1CA and beam forming"IEEE Signal Processing Society, ICASSP,. Vol.Vof VI. 2733-2736 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] H. Saruwatari, H.Kamiyanagida, K. Takeda, F. Itakura,: "Direction of arrival estimation based on nonlinear microphone array"IEEE Signal Processing Society, ICASSP,. Vol.Vof VI. 3033-3036 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] Hideki Banno, Kazuya Takeda, Fumitada Itakura: "A Study on Perceptual Distance Measure for Phase Spectrum of Stimuli"IEEE Signal Processing Society, ICASSP,. Vol.Vof VI. 3297-3300 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] C.Chandra Sekhar, K.Takeda, F.Itakura: "Close-Class-Set Discrimination Method'for Recognition of Stop Consonant Vowel Utterances using Support Vector Machines"ICANN2001, International Conference on Artifical Neural Networks, Vienna, Austria. 399-404 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] Y. Kawamura, K. Takeda, F. Itakura: "Robust speech recognition based on selective use of missing frequency band HMM"Proc. Of 7th Euripean Conference on Speech Communication and technology(Eurospeech'01), Aalborg. vol.2. 1115-1118 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] N.Kawaguchi, N.Matsubara, K.Takeda, F. Itakura, Y.Inagaki: "Multimedia data collection of in-car speech communication"Proc. Of 7th Euripean Conference on Speech Communication and technology(Eurospeech'01), Aalborg. vol.3. 2027-2030 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] Kawahara H, Zolfaghari Parham: "Systematic FO Glitches around Nasal-Vowel Transitions"Proc. Of 7th Euripean Conference on Speech Communication and technology(Eurospeech'01), Aalborg. vol.4. 2459-2462 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] Taisuke Itoh, Kazuya Takeda, Fumitada Itakura: "Acoustic Analysis and Recognition of Whispered Speech"ASRU2001 Workshop on Automatic Speech Recognition and Understanding-Madonna di Campiglio. 9-13 (2001)
  • 説明: 「研究成果報告書概要(欧文)」より
• [文献書誌] H.Kamiyanagida, H.Saruwatari, K.Takeda, F.Itakura, K.Shikano: "Direcon of Arrival Estimation Using Nonlinear Microphone Array"IEICE TRANS.TUNDAMENTALS. Vol.E84-A,No.4. 999-1010 (2001)
• [文献書誌] 河口信夫, 牛窪誠一, 松原茂樹, 岩 博之, 梶田将司, 武田一哉, 板倉文忠: "走行車室内音声対話収録システムの開発"電子情報通信学会論文誌. D-II, Vol.J84-D-II No.6. 909-917 (2001)
• [文献書誌] 西野隆典, 梶田将司, 武田一哉, 板倉文忠: "水平方向及び仰角方向に関する頭部伝達関数の補間"日本音響学会誌, Acoustical Science and Technology. 57巻11号. 685-692 (2001)
• [文献書誌] Hideki Banno, Kazuya Takeda, Fumitada Itakura: "The effect of group delay spectrum on timbre"Acoustical Science and Technology. 23, 1. 1-9 (2002)
• [文献書誌] C.Chandra Sekhar, K.Takeda, F.Ikatura: "Recognition of consonant-vowel utterances using Support Vector Machines"ESANN2001, 9th European Symposium On Artificial Neural Networks. 7-12 (2001)
• [文献書誌] O.Segawa, K.Takeda, F.Itakura: "Continuous speech recognition without end-point detection"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.I of VI. 245-248 (2001)
• [文献書誌] H.Saruwatari, K.Takeda, F.Itakura, K.Shikano: "Blind source separation combining frequency-domain ICA and beam forming"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.V of VI. 2733-2736 (2001)
• [文献書誌] H.Saruwatari, H.Kamiyanagida, K.Takeda, F.Itakura, K.Shikano: "Direction of arrival estimation based on nonlinear microphone array"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.V of VI. 3033-3036 (2001)
• [文献書誌] Hideki Banno, Kazuya Takeda, Fumitada Itakura: "A Study on Perceptual Distance Measure for Phase Spectrum of Stimuli"IEEE Signal Processing Society, ICASSP, International Conference on Acoustics, Speech, and Signal Processing. Vol.V of VI. 3297-3300 (2001)
• [文献書誌] C.Chandra Sekhar, K.Takeda, F.Itakura: "Close-Class-Set Discrimination Method for Recognition of Stop_Consonant_Vowel Utterances using Support Vector Machines"ICANN2001, International Conference on Artifical Neural Networks. 399-404 (2001)
• [文献書誌] Y.Kawamura, K.Takeda, F.Itakura: "Robust speech recognition based on selective use of missing frequency band HMMs"Proc. of 7th European Conference on Speech Communication and technology(Eurospeech'01). vol.2. 1115-1118 (2001)
• [文献書誌] N.Kawaguchi, N.Matsubara, K.Takeda, F.Itakura, Y.Inagaki: "Multimedia data collection of in-car speech communication"Proc. of 7th European Conference on Speech Communication and technology(Eurospeech'01). vol.3. 2027-2030 (2001)
• [文献書誌] 春日正男, 船田哲男, 林 伸二, 武田一哉: "音声情報処理"コロナ社. (2001)
• [文献書誌] 寺島志郎,武田一哉,板倉文忠: "SVDを用いたN-gram確率の線形空間表現"電子情報通信学会論文誌. J83-DII No.11. 2388-2396 (2000)
• [文献書誌] 清水泰博,梶田将司,武田一哉,板倉文忠: "空間音響特性を考慮したスペースダイバシチ型音声認識"電子情報通信学会論文誌. J38-DII No.11. 2448-2456 (2000)
• [文献書誌] K.Takeda,M Kondoh,F Itakura: "AN ACOUSTIC MEASURE FOR PREDICTING RECOGNITION RECOGNITON PERFORMANCE DEGRADATION"Proc.of IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP'99,June,2000,Istanbul). III. 1739-1742 (2000)
• [文献書誌] A,Lee,T.Kawahara,K Takeda,K Sikano: "A New Phonetic Tied-Mixture Model for Efficient Decoding"Proc.of IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP'99,June,2000,Istanbul). III. 1747-1750 (2000)
• [文献書誌] Y.Shimizu,S.Kajita,K,Takeda,F Itakura: "Speech Recogniton Based on Space Diversity Using Distributed Multi-Microphone"Proc.of IEEE International Conference of Acoustics, Speech, and Signal Processing (ICASSP'99,June,2000,Istanbul). III. 1049-1056 (2000)
• [文献書誌] H.Saruwatari,S.Kajita,K.Takeda,F,Itakura: "Speech Enhancement Using Nonlinear Microphone Array with Noise Adaptive Complementary Beamforming"Proc.of IEEE International Conference of Acoustics, Speech, and Signal Processing (ICASSP'99,June,2000,Istanbul). II. 1049-1056 (2000)
• [文献書誌] 鹿野清宏,武田一哉,河原達也,伊藤克亘,山本幹男: "「音声認識システム」"オーム社(情報処理学会ITテキストシリーズ). 196 (2001)
• [文献書誌] 寺島・武田・板倉: "特異値分解に基づくTrigram行列の圧縮手法の検討"日本音響学会 平成11年度秋季研究発表会. 3-1-2. 39-40 (1999)
• [文献書誌] 寺島・武田・板倉: "SVDを用いたトライグラム行列の分析"情報処理学会・音声言語情報処理研究会. 99SLP-28-3. 15-21 (1999)