音素・単語・フレーズの同時スポッティングによる対話音声の解析評価

通过同时识别音素、单词和短语来分析和评估对话语音

• 批准号: 07221216
• 负责人: 有木 康夫
• 金额: $ 1.15万
• 依托单位: Ryukoku University
• 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-07221216/
• 关键词: 対話音声; 単語スポッティング; 音素認識

人間が音声を聞き取り内容を理解する場合には、文のレベルで常に聞いているのではなく、音素、単語、フレーズ、文といった階層を選択していると考えられる。人間と機械の音声対話においても、文レベルで完全に解析するのではなく、解析できるところだけを解析して繋ぎ合わせ意味を補完する方法は、対話の文法が完全ではないので、有効でありかつ実現可能な方法と考えられる。解析可能な単位としては、単語、フレーズ、部分文を考えることができるが、本研究では、単語・フレーズに限定して連続音声からこれを抽出(スポッティング)し、対話音声を評価することを目的としている。ワードスポッティングの技術は連続音声から既知語と未知語を判定しながら、既知語のみを抽出する技術である。平成6年度までの研究により、既知語と未知語の判別処理は、「連続音声のある時刻で既知語が終結するという事象の事後確率」を求める処理と等価であることを明らかにしてきた。この事後確率は、連続音声がすべて入力されてから計算されるため、実時間の処理が難しい。本研究では、発話の終了を待つことなく、フレーム同期で既知語の事後確率を計算してワードスポッティングを行う方式について研究した。この方式では、前向き尤度を利用できるため実時間向きのアルゴリズムを実現できる可能性がある。この提案手法を、平成6年度までに研究した方式と比較し、対話音声の解析手法を評価した。また、従来の代表的なワードスポッティング手法であるAT&T, BBN, NECの方式とも比較評価した。

In the case of human voice, sound, content, understanding, text, text, often, sound, sound, text, text, hierarchy, selection, examination, etc. The human voice is completely parsed, the text is completely parsed, the method is completely parsed, the grammar is completely parsed, the method is completely parsed, the grammar is completely parsed, and the method is completely parsed. This paper analyzes the relationship between Chinese and English, and analyzes the relationship between Chinese and English. The technology of speech recognition and speech extraction is based on the technology of speech recognition and speech recognition. In 2006, we conducted a study on the discrimination between known and unknown language, and asked for the processing of "the probability of event confirmation after the end of known language". This post-event verification process is difficult to calculate and process. This paper studies the method of calculating the post-event accuracy of known language in the same period. The way forward and backward is to use the time to realize the possibility. This proposal method, Heisei 6 years later, research methods, comparison, sound analysis methods, evaluation A comparative evaluation of AT&T, BBN, NEC methods and methods

项目成果

桜井光康、有木康雄: "ビタビ法とフォワード・バックワード法によるキーワードスポッティング" 日本音響学会平成7年度秋期研究発表会. 1-Q-21. 179-180 (1995)

Mitsuyasu Sakurai、Yasuo Ariki：“使用维特比方法和前向/后向方法进行关键字识别”1995 年日本声学学会秋季研究会议 1-Q-21 (1995)。

田頭茂明、有木康雄: "ニュース音声中の語彙反復による情報検索" 情報処理学会音声言語処理研究会. 99-104 (1996)

Shigeaki Tagashira、Yasuo Ariki：“在新闻语音中使用词汇重复进行信息检索”日本信息处理学会语音和语言处理研究组 99-104 (1996)。

田頭茂明、有木康雄: "話者部分空間への写像による話者認識と話者正規化" 電子情報通信学会音声研究会. Sp95-28. 25-32 (1995)

Shigeaki Tagashira、Yasuo Ariki：“通过映射到说话人子空间进行说话人识别和标准化”IEICE Sp95-32 (1995)。

田頭茂明、有木康雄: "話者部分空間への写像に基づく話者正規化の複数話者に対する有効性" 日本音響学会平成7年度秋期研究発表会. 3-2-8. 121-122 (1995)

Shigeaki Tagashira、Yasuo Ariki：“基于映射到多个说话人子空间的说话人标准化的有效性”日本声学学会 1995 年秋季研究会议 3-2-8（1995）。

有木康雄、土井啓輔: "音素HMMの連結学習における学習区間限定の効果" 電子情報通信学会論文誌. J78-D-II. 1733-1740 (1995)

Yasuo Ariki、Keisuke Doi：“音素 HMM 连接学习中限制学习间隔的效果”，电子、信息和通信工程师学会汇刊 J78-D-II 1733-1740 (1995)。