音声ドキュメントの高精度認識と整形・要約および高速・高精度音声検索に関する研究

2012 年度 研究成果報告書

• 研究課題/領域番号: 22300059
• 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: 豊橋技術科学大学
• 研究代表者: 中川 聖一 豊橋技術科学大学, 大学院・工学研究科, 教授 (20115893)
• 研究分担者: 秋葉 友良 豊橋技術科学大学, 大学院・工学研究科, 准教授 (00356346) ; 山本 一公 豊橋技術科学大学, 大学院・工学研究科, 准教授 (40324230) ; 土屋 雅稔 豊橋技術科学大学, 情報メディア基盤センター, 助教 (70378256)
• 研究期間 (年度): 2010 – 2012
• キーワード: 音声情報処理 / 音声認識 / 話し言葉 / 書き言葉 / 整形 / 情報検索 / 音声ドキュメント

研究概要

音声認識の高精度化と音声認識結果の整形化、音声ドキュメントからの検索語の高速・高精度検索法の研究を行った。音声認識の高精度化に関しては、従来のHMMを越える新しい音声認識モデルを提案し、その有効性を示した。音声認識結果の整形に関しては、話し言葉音声の音声認識結果からの書き言葉への整形のための確率モデルを提案し、その有効性を示した。音声ドキュメントからの検索語の高速検出に関しては、音節のnグラムインデックスに基づく手法を提案し、その有効性を示した。

研究成果

• [雑誌論文] 距離つき音節n-gram 索引による音声検索語検出の距離尺度の厳密化 (2013)
  • 著者名/発表者名: 岩見圭祐,坂本渚,中川聖一
  • 雑誌名: 情報処理学会論文誌 巻: Vol.54, No.2 ページ: 495-505
  • 査読あり
• [雑誌論文] 音声中の検索語検出のためのテストコレクションの構築と分析 (2013)
  • 著者名/発表者名: 伊藤慶明,西崎博光,中川聖一,秋葉友良,河原達也,胡新輝,南篠浩光,松井知子,山下洋一,相川清明
  • 雑誌名: 情報処理学会論文誌 巻: Vol.54, No.2 ページ: 471-483
  • 査読あり
• [雑誌論文] 音声検索語検出を前処理に用いた未知語や認識誤りに頑健な音声ドキュメント検索 (2013)
  • 著者名/発表者名: 瀧上智子, 秋葉 友良
  • 雑誌名: 情報処理学会論文誌 巻: Vol.54, No.2 ページ: 506-517
  • 査読あり
• [雑誌論文] 音節継続時間を利用した直線検出に基づく音声検索語検出 (2013)
  • 著者名/発表者名: 大野哲平, 秋葉 友良
  • 雑誌名: 情報処理学会論文誌 巻: Vol.54, No.2 ページ: 484-494
  • 査読あり
• [雑誌論文] A robust/fast spoken term detection method based on a syllable n-gram index with a distance metric (2012)
  • 著者名/発表者名: S. Nakagawa, K. Iwami, Y. Fujii, K.Yamamoto
  • 雑誌名: Speech Communication 巻: Vol.35 ページ: 470-485
  • DOI: DOI:10.1016/j.specom.2012.12.001
  • 査読あり
• [雑誌論文] Evaluation Framework Design of Spoken Term Detection Study at the NTCIR-9 IR for Spoken Documents Task (2012)
  • 著者名/発表者名: H. Nishizaki, T. Akiba, K.Aikawa, T.Kawahara and T. Matsui
  • 雑誌名: Journal of Natural Language Processing 巻: Vol.19, No.4 ページ: 330-350
  • DOI: DOI:10.5715/jnlp.19.329
  • 査読あり
• [雑誌論文] Risk-based semi-supervised discriminative language modeling for broadcast transcription (2012)
  • 著者名/発表者名: A. Kobayashi, T. Oku, T. Imai, S.Nakagawa
  • 雑誌名: IEICE Trans. Inf. & Syst 巻: Vol.E95-D,No.11 ページ: 2674-2681
  • DOI: DOI:10.1587/transinf.E95.D.2674
  • 査読あり
• [雑誌論文] Class-based n-gram language Model for new words using out-of-vocabulary to in-vocabulary similarity (2012)
  • 著者名/発表者名: W. Naptali, M. Tsuchiya, S. Nakagawa
  • 雑誌名: IEICE Trans. Inf. & Syst 巻: Vol.E95-D,No.9 ページ: 2308-2316
  • DOI: DOI:10.1587/transinf.E95.D.2308
  • 査読あり
• [雑誌論文] Hidden conditional neural fields for continuous phoneme recognition (2012)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. Nakagawa
  • 雑誌名: IEICE Trans. Inf. & Syst. 巻: Vol.E95-D, No.8 ページ: 2094-2104
  • DOI: DOI:10.1587/transinf.E95.D.2094
  • 査読あり
• [雑誌論文] Improving the readability of ASR results for lectures using multiple hypotheses and sentence-level knowledge (2012)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. Nakagawa
  • 雑誌名: IEICE Trans. Information and Systems 巻: Vol.E-95, No.4 ページ: 1101-1111
  • DOI: DOI:10.1587/transinf.E95.D.1101
  • 査読あり
• [雑誌論文] Topic-dependent-class-based n-gram language model (2012)
  • 著者名/発表者名: W. Naptali, M. Tsuchiya, S. Nakagawa
  • 雑誌名: IEEE Trans. Audio,Speech and Language Processing 巻: Vol.20, No.5 ページ: 1513-1525
  • DOI: DOI:10.1109/TASL.2012.2183870
  • 査読あり
• [雑誌論文] ポーズを考慮した話し言葉言語モデルの構築 (2012)
  • 著者名/発表者名: 太田健吾,土屋雅稔,中川聖一
  • 雑誌名: 情報処理学会論文誌 巻: Vol.53, No.2 ページ: 889-900
  • 査読あり
• [雑誌論文] 部分距離空間上の索引付けに基づく音声中の高速検索語検出法 (2012)
  • 著者名/発表者名: 金子 泰輔、秋葉 友良
  • 雑誌名: 電子情報通信学会論文誌 巻: Vol.J95-D, No.3 ページ: 608-617
  • 査読あり
• [雑誌論文] Topic-dependent language model with voting on noun history (2010)
  • 著者名/発表者名: W. Naptali, M. Tsuchiya, S. Nakagawa
  • 雑誌名: ACM Trans.Asian Language Information Processing 巻: Vol.9, No.2 ページ: 7:1-7:31
  • DOI: DOI:10.1145/1781134.1781137
  • 査読あり
• [学会発表] Incorporating Syllable Duration into Line-Detection-Based Spoken Term Detection (2012)
  • 著者名/発表者名: T. Ohno and T. Akiba
  • 学会等名: 2012 IEEE Workshop on Spoken Language Technology, Paper No.TU-AM.8
  • 発表場所: Miami, USA
  • 年月日: 2012-12-04
• [学会発表] Developing partially-transcribed speech corpus from edited transcriptions (2012)
  • 著者名/発表者名: K. Ohta, M. Tsuchiya, S. Nakagawa
  • 学会等名: Proc. LREC
  • 発表場所: ISTANBUL,TURKEY
  • 年月日: 2012-05-25
• [学会発表] Deep-hidden conditional neural fields for continuous phoneme speech recognition (2012)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. Nakagawa
  • 学会等名: Proc. Int. Workshop on Statistical Machine Learning for Speech Recognition
  • 発表場所: 国立京都国際会館, 京都市
  • 年月日: 2012-03-31
• [学会発表] Detection of precisely transcribed parts from in exact transcribed corpus (2011)
  • 著者名/発表者名: K. Ohta, M. Tsuchiya, S. Nakagawa
  • 学会等名: Proc. ASRU
  • 発表場所: Hawaii, USA
  • 年月日: 2011-12-15
• [学会発表] Hidden boosted MMI and hierarchical state posterior feature for automatic speech recognition based on hidden conditional neural fields (2011)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. Nakagawa
  • 学会等名: Proc.Interspeech
  • 発表場所: Florence, Italy
  • 年月日: 2011-08-31
• [学会発表] Efficient out-of-vocabulary term detection by N-gram array in deices with distance from a syllable lattices (2011)
  • 著者名/発表者名: K. Iwami, Y. Fujii, K. Yamamoto, S. Nakagawa
  • 学会等名: Proc.ICASSP
  • 発表場所: Prague, Czech Republic
  • 年月日: 2011-05-22
• [学会発表] Automatic speech recognition using hidden conditional neural fields (2011)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. Nakagawa
  • 学会等名: Proc.ICASSP
  • 発表場所: Prague, Czech Republic
  • 年月日: 2011-05-22
• [学会発表] Large vocabulary speech recognition system:SPOJUS++ (2011)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. nakagawa
  • 学会等名: Proc. 11th Wseas International Conf. MUSP-11
  • 発表場所: Venice, Italy
  • 年月日: 2011-03-07
• [学会発表] Out of vocabulary term detection by N-gram array with distance from continuous syllable recognition results (2010)
  • 著者名/発表者名: K. Iwami, Y. Fujii, K. Yamamoto, S.Nakagawa
  • 学会等名: Proc. IEEE Workshop on SLT
  • 発表場所: Berkeley, California
  • 年月日: 20101514
• [学会発表] Topic dependent class based language model evaluation on automatic speech recogniton (2010)
  • 著者名/発表者名: W. Naptali, M. Tsuchiya, S. Nakagawa
  • 学会等名: Proc.IEEE Workshop on SLT
  • 発表場所: Berkeley, California
  • 年月日: 2010-12-15
• [学会発表] Improving the readability of class lecture ASR results using a confusion network (2010)
  • 著者名/発表者名: Y. Fujii, K. Yamamoto, S. Nakagawa
  • 学会等名: Proc. Interspeech
  • 発表場所: 幕張メッセ国際会議場, 千葉市
  • 年月日: 2010-09-30
• [学会発表] Integration of a cache-based model and topic dependent class model with soft clustering and soft voting (2010)
  • 著者名/発表者名: W. Naptali, M. Tsuchiya, S. Nakagawa
  • 学会等名: Proc. Interspeech
  • 発表場所: 幕張メッセ国際会議場,千葉市
  • 年月日: 2010-09-29
• [学会発表] Metric Subspace Indexing for Fast Spoken Term Detection (2010)
  • 著者名/発表者名: T. Kaneko, T. Akiba
  • 学会等名: Proc. Interspeech
  • 発表場所: 幕張メッセ国際会議場, 千葉市
  • 年月日: 2010-09-28
• [学会発表] Constructing Japanese Test Collections for Spoken Term Detection (2010)
  • 著者名/発表者名: Y. Itoh, H. Nishizaki, X. Hu, H. Nanjo,T. Akiba, T. Kawahara, S. Nakagawa, T.Matsui, Y. Yamashita, K. Aikawa
  • 学会等名: Proc. Interspeech
  • 発表場所: 幕張メッセ国際会議場, 千葉市
  • 年月日: 2010-09-28
• [図書] 音声言語処理と自然言語処理 (2013)
  • 著者名/発表者名: 中川聖一,小林聡,峯松信明,宇津呂武仁,秋葉友良,北岡教英,山本幹雄,甲斐充彦,山本一公,土屋雅稔
  • 総ページ数: 264
  • 出版者: コロナ社
• [図書] 近代科学社 (2010)
  • 著者名/発表者名: 中川聖一
  • 総ページ数: 242
  • 出版者: 情報理論-基礎から応用まで-
• [備考]
  • URL: http://www.slp.cs.tut.ac.jp