音声言語の文字化における韻律ラベリングの自動化

口语转录中的自动韵律标记

• 批准号: 07207225
• 负责人: 藤崎 博也
• 金额: $ 1.22万
• 依托单位: Tokyo University of Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 1995
• 资助国家: 日本
• 起止时间: 1995 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-07207225/
• 关键词: 音声言語; 韻律ラベリング; 基本周波数パターン; 基本周波数パターン生成過程モデル; 韻律生成規則; Analysis-by-Synthesis法; 言語情報; パラ言語情報

1.共通日本語の基本周波数パターンの特徴パラメータおよび入力指令の自動抽出法の確立共通日本語音声の韻律ラベリングを自動的に行うことを最終の目的として,発話の言語的情報が既知ないし所与の場合を対象とし,研究代表者らの独創による基本周波数パターン生成過程のモデルとテキストからの韻律生成規則とを組み合わせることにより,まず対象とする音声の韻律ラベリングの第1近似としての韻律記号を言語情報のみから作成し,それから導かれるモデルパラメータを出発点とするAnalysis-by-Synthesis法によって,与えられた音声の基本周波数パターンのパラメータを精密に推定し,その最終結果から,この音声に付与すべき韻律ラベルを決定するという新しい方式を提案した。予備的な実験の結果,この方式の妥当性を示した。2.共通日本語の韻律の特徴を的確に表現するための韻律記号の決定上記1.の検討結果にもとづいて,若干の共通日本語音声データの基本周波数パターンの分析を行い,その韻律の特徴を的確に記述するのに必要十分な韻律記号を決定するための検討を行った。その結果,本研究のめざす究極的な韻律ラベリングにおいては,言語情報の離散性を反映する韻律記号のみでなく,パラ言語情報および非言語情報の連続性を定量的に表現するパラメータ値を,同時に抽出し表記する必要があること確認した。なお,上記1.および2.を遂行するため,ワークステーション(日本サン・マイクロシステムズ社SPARCstation5)を購入し,主記憶の拡張(32MB)および大容量のハードディスク装置(ニューテック社NVS4.0XL)の増設を行い,処理に用いた。また,音声資料の入出力を行うため,オ-ディオアンプ(SONY社TA-FA5-ES)およびスピーカ(JBL社Control 5 plus)を購入した。

1. The basic frequency of the common Japanese language, the characteristics of the common Japanese language, the automatic extraction method of the input command, the establishment of the common Japanese language, the rhythm of the common Japanese language, the automatic transmission, the ultimate goal, the information of the speech, the situation, the situation Analysis-by-Synthesis method for the first approximation of prosodic notation of speech information in the process of generation of basic cycle number and prosodic generation of speech information The basic frequency of the sound is precisely estimated, and the final result is determined by a new method. The results of the preparation and the appropriateness of the method are shown. 2. The prosodic characteristics of common Japanese language are described in detail in this paper. The prosodic characteristics of common Japanese language are described in detail in this paper. The results of this study show that the prosody of speech information reflects the discreteness of speech information, and the quantitative performance of speech information and non-speech information. At the same time, the necessary recognition of speech information is extracted. 1. The above note 2. The purchase of the main memory (32MB) and the installation of the large-capacity storage device (NVS4.0XL) are carried out in the process of processing. The input and output of audio data are recorded in the following ways:

项目成果

藤崎博也: "音声の基本周波数パターン生成過程モデルのパラメータ自動推定の一方法" 日本音響学会春季研究発表会講演論文集. 1. 17-18 (1995)

Hiroya Fujisaki：“语音基频模式生成过程模型的自动参数估计方法”日本声学学会春季会议论文集1. 17-18 (1995)。

Hiroya Fujisaki: "Analysis and modeling of fundamental frequency contours of English utterances" Proc. 4th European Conference on Speech Comm. and Tech.2. 985-988 (1995)

Hiroya Fujisaki：“英语话语基频轮廓的分析和建模”Proc。

大野澄雄: "生成過程モデルに基づく音声の基本周波数パターンのパラメータ自動抽出法の検討" 日本音響学会春季研究発表会講演論文集. 1. 233-234 (1996)

Sumio Ohno：“基于生成过程模型的语音基频模式自动参数提取方法的研究”日本声学学会春季会议论文集 1. 233-234 (1996)。