|
音声による話者認識では、音声中に含まれる個人性情報は声道の共鳴特性に由来するスペクトル包絡から得られるケプストラムに基づく研究が行われてきた。また、このような信号処理手法による話者認識において、日本語を母語とする日本人の話者認識を行う研究では、日本人モデルを構築した上での理論及び実験的検討が行われてきた。そこで本研究では、話者認識において、ケプストラムの特徴量から話者の居住地として地域性情報を抽出すること、及び得られた地域性情報による話者のクラスタリングを目的とする。
音声コーパスからの特徴量の抽出として、電話を通して録音された約3000名の男性話者音声コーパスを利用した実験を行い、地域性情報の抽出に関する実験を行った。利用するケプストラムはLPCケプストラム係数、メル周波数ケプストラム係数などやそのデルタケプストラムである。得られたケプストラム空間から、2話者における話者間距離を算出し、これらを実験で用いる特徴量とした。
音声コーパスから東京、福島を含む4地域の居住者データを抽出し、同一時期に発声した3回の時間平均LPCケプストラム係数を母音ごとに算出し、得られた特徴量の母音間距離によって評価を行った。その結果、福島の居住者分布が、他の3地域における距離分布よりも小さいところにあることがわかった。これは福島県居住者の[i]及び[e]の発声が他の地域よりも似ている母音であるということを示しており、特徴量からの居住地あるいは出身地推定の可能性が示された。
|
