多層モデルの階層間密統合に基づく音声理解フレームワークの研究

2013 年度 研究成果報告書

• 研究課題/領域番号: 21300066
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 知覚情報処理・知能ロボティクス
• 研究機関: 名古屋工業大学
• 研究代表者: 李 晃伸 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (80332766)
• 研究分担者: 駒谷 和範 名古屋大学, 工学(系)研究科(研究院), 准教授 (40362579) ; 南條 浩輝 龍谷大学, 理工学部, 助教 (50388162) ; 西村 竜一 和歌山大学, システム工学部, 助教 (00379611) ; 西田 昌史 同志社大学, 理工学部, 准教授 (80361442) ; 篠崎 隆弘 東京工業大学, 総合理工学研究科(研究院), 准教授 (80447903) ; 秋田 祐哉 京都大学, 学内共同利用施設等, 助教 (90402742)
• 研究期間 (年度): 2009-04-01 – 2014-03-31
• キーワード: 音声認識 / 音声言語理解 / 音声対話 / 音声信号処理

研究概要

本研究では，音声認識における信号処理から言語理解までの各層における制約について，低次から高次までの制約を互いに相互作用させる枠組みの研究を行った．階層ごとの統計モデルの研究では，言語・音響・対話の各層における高精度な統計モデルの研究を行い，各層からの制約統合について検討を行った．制約の統合手法の研究では，ベイズリスク最小化探索および対話制御における音声情報の統合等について研究を行った．これらの成果は音声対話システムを構築するための基盤システムとして，オープンソースツールキットMMDAgentおよび音声認識エンジンJuliusの一部として公開されている．

研究成果

• [雑誌論文] オープンソース音声認識エンジンJulius へのベイズリスク最小化機能の実装と評価 (2013)
  • 著者名/発表者名: 南條浩輝, 古谷遼, 西田昌史
  • 雑誌名: 電子情報通信学会論文誌 巻: Vol.J96-D, No.10 ページ: 2530-2539
  • 査読あり
• [雑誌論文] 音声入力型情報探索におけるベイズリスク最小化音声認識のための単語重要度の自動推定 (2013)
  • 著者名/発表者名: 古谷遼, 七里崇, 南條浩輝
  • 雑誌名: 情報処理学会論文誌 巻: Vol.54, No.7 ページ: 1967-1977
  • 査読あり
• [雑誌論文] 講演に対する読点の複数アノテーションに基づく自動挿入 (2013)
  • 著者名/発表者名: 秋田祐哉
  • 雑誌名: 情報処理学会論文 巻: Vol.54, No.2 ページ: 463-470
  • 査読あり
• [雑誌論文] 文単位で分割されたテキストで学習した言語モデルによる単語信頼度を用いた文境界検出 (2011)
  • 著者名/発表者名: 鈴木伸尚, 西田昌史, 山本誠一
  • 雑誌名: 第10回情報科学技術フォーラム(FIT)講演論文集 巻: 第2分冊 ページ: 35-38
  • 査読あり
• [雑誌論文] Statistical transformation of language and pronunciation models for spontaneous speech recognition (2010)
  • 著者名/発表者名: Yuya Akita
  • 雑誌名: IEEE Trans. Audio, Speech & Language Process 巻: 18巻 ページ: 1539-1549
  • 査読あり
• [雑誌論文] An Efficient Prosody Application to HMM-based Speech Synthesis (2010)
  • 著者名/発表者名: Hosan Kamiyama, Takahiro Shinozaki, Koji Iwano and Sadaoki Furui
  • 雑誌名: Proc. Asia‐ Pacific Signal and Information Processing Association (APSIPA) 巻: 1巻 ページ: 82-85
  • 査読あり
• [学会発表] 「音声認識」は今後こうなる! (2014)
  • 著者名/発表者名: 篠崎隆宏
  • 学会等名: SIG-SLP 第100回記念シンポジウム
  • 発表場所: 伊豆長岡温泉ホテルサンバレー富士見
  • 年月日: 20140131-0201
  • 招待講演
• [学会発表] Hierarchical Utterance Understanding for Robust Human-Robot Spoken Dialogues (2014)
  • 著者名/発表者名: Kazunori Komatani
  • 学会等名: International Workshop on Spoken Dialogue Systems (IWSDS2014)
  • 発表場所: Napa, California, US
  • 年月日: 20140118-20
  • 招待講演
• [学会発表] Restoring Incorrectly Segmented Keywords and Turn-Taking Caused by Short Pauses (2014)
  • 著者名/発表者名: Kazunori Komatani, Naoki Hotta, Satoshi Sato
  • 学会等名: International Workshop on Spoken Dialogue Systems (IWSDS2014)
  • 発表場所: Napa, California, US
  • 年月日: 20140118-20
• [学会発表] MMDAgent - A Fully Open-Source Toolkit for Voice Interaction Systems (2013)
  • 著者名/発表者名: Akinobu Lee, Keiichiro Oura, Keiichi Tokuda
  • 学会等名: IEEE ICASSP2013
  • 発表場所: Vancouver, BC, Canada
  • 年月日: 20130526-31
• [学会発表] ユーザ参加型双方向音声案内デジタルサイネージシステムの開発・設置・運用事例 (2013)
  • 著者名/発表者名: 徳田 恵一
  • 学会等名: 日本音響学会研究発表会
  • 発表場所: 東京工科大学
  • 年月日: 20130313-15
  • 招待講演
• [学会発表] 音声対話システムのさらなる普及には何が必要か (2013)
  • 著者名/発表者名: 李 晃伸
  • 学会等名: 第95回音声言語情報処理研究会SIG-SLP(第3回対話システムシンポジウム)パネルディスカッション
  • 発表場所: 静岡県熱海市
  • 年月日: 20130201-02
  • 招待講演
• [学会発表] Pipeline Decomposition of Speech Decoders and Their Implementation Based on Delayed Evaluation (2012)
  • 著者名/発表者名: Takahiro Shinozaki
  • 学会等名: APSIPA Annual Summit and Conference 2012
  • 発表場所: Hollywood, California, US
  • 年月日: 20121203-06
• [学会発表] Detecting child speaker based on auditory feature vectors for VTL estimation (2012)
  • 著者名/発表者名: Ryuichi Nisimura
  • 学会等名: APSIPA Annual Summit and Conference 2012
  • 発表場所: Hollywood, California, USA
  • 年月日: 20121203-06
• [学会発表] Automatic transcription of lecture speech using language model based on speaking-style transformation of proceeding texts (2012)
  • 著者名/発表者名: Yuya Akita
  • 学会等名: INTERSPEECH 2012
  • 発表場所: Portland, Oregon, US
  • 年月日: 20120909-13
• [学会発表] 音声対話システム技術の現状と課題 (2012)
  • 著者名/発表者名: 駒谷和範
  • 学会等名: 電気関係学会東海支部連合大会
  • 発表場所: 静岡大学
  • 年月日: 2012-09-25
  • 招待講演
• [学会発表] Developing a method to build Japanese speech recognition system based on 3-gram language model expansion with Google database (2011)
  • 著者名/発表者名: Toshiaki Shimada, Ryuichi Nisimura, Masayasu Tanaka, Hideki Kawahara, Toshio Irino
  • 学会等名: ICISS2011 (2011 IEEE International Conference on Intelligent Computing and Integrated Systems)
  • 発表場所: Guilin, China
  • 年月日: 2011-10-26
• [学会発表] Topic-Dependent Language Modeling for VoiceWeb Systems (2009)
  • 著者名/発表者名: Kentaro Suzuta, Ryuichi Nisimura., et al
  • 学会等名: WESPAC X 2009
  • 発表場所: Beijing, China
  • 年月日: 2009-09-23
• [学会発表] Ranking Help Message Candidates Based on Robust Grammar Verification Results and Utterance History in Spoken Dialogue Systems (2009)
  • 著者名/発表者名: Kazunori Komatani., 他4名
  • 学会等名: 10th Annual SIGDIAL Meeting on Discourse and Dialogue
  • 発表場所: London, UK
  • 年月日: 2009-09-12
• [学会発表] Automatic Transcription System for Meetings of the Japanese National Congres (2009)
  • 著者名/発表者名: Yuya Akita
  • 学会等名: ISCA Interspeech 2009
  • 発表場所: Brighton Centre, Brighton, UK
  • 年月日: 2009-09-07
• [学会発表] Automatic Transcription System for Meetings of the Japanese National Congress (2009)
  • 著者名/発表者名: Yuya Akita
  • 学会等名: ISCA Interspeech 2009
  • 発表場所: Brighton Centre, Brighton, UK
  • 年月日: 2009-09-07
• [学会発表] Topic-Dependent Language Modeling for VoiceWeb Systems (2009)
  • 著者名/発表者名: Ryuichi Nisimura
  • 学会等名: HCI International 2009
  • 発表場所: San Diego, CA, US
  • 年月日: 2009-07-22