音声認識手法の高度化に関する研究

语音识别方法的进展研究

• 批准号: 01608001
• 负责人: 城戸 健一
• 金额: $ 9.92万
• 依托单位: Tohoku 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: 1987
• 资助国家: 日本
• 起止时间: 1987 至 1989
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-01608001/
• 关键词: 音声認識; 言語処理; 音素認識; DPビームサーチ; 話者適応; 方言学

本研究の目標は、1.文章を朗読した音声を認識対象とした連続音声認識システム(日本語Dictationシステム)の作成2.音声学的見地からの既存の音声認識の枠組みの見直し3.既存の音声認識手法の見直しの3つである。以下に研究成果を述べる。1.日本語Dictationシステムこのシステムは話者適応部、音響処理部、音素認識部、統語処理部からなる。話者適応部では、教師無し高速話者適応化法を開発した。この方法では、入力音声の内容は未知でよく、かつ4秒程度の音声があれば十分機能する。音素認識部では、修正LVQ2法と最適音素系列選択法による高精度音素認識法を開発した。不特定話者単語音声(男性3名、女性2名)に対して、音素認識率86.5%、脱落率1.7%、付加率9.0%、多数話者連続音声(男性2名、文節単位)に対して、音素認識率86.1%、脱落率3.9%、付加率7.7%を得た。統語処理部では、一般的な日本語を対象とした言語情報処理システムを開発した。具体的には、文節オートマトンに基づく構文駆動型連続DP法と構文意味情報を利用した統語処理法である。音素認識率85%を仮定したシミュレーション実験の結果、文認識率62.5%、文節認識率79.8%を得た。最後に、日本語Dictationシステムのプロトタイプを作成した。このシステムの語彙(異なり語数)は、実質語(名詞、動詞、形容詞など)853語、付属語(助詞、助動詞など)281語である。多数話者連続音声へ適用したところ、文認識率32.6%、文節認識率73.2%を得た。2.音声学的見地からの既存の音声認識の枠組みの見直しでは、東北地方における方言音と標準音の関係を明らかにした。さらに自動音声認識の立場からの音素の再定義も試みた。3.既存の音声認識手法の見直しでは、DPビームサーチによる認識アルゴリズムの計算量低減のための効率の良い技刈法を提案するとともに、確率に基づいたネットワーク素子を用いた音素認識法を開発した。

The purpose of this study is as follows: 1. To establish the Japanese Dictation System for sound recognition; 2. To understand the existing sound recognition methods; 3. To understand the existing sound recognition methods. The following research results are described. 1. Japanese Dictation System: Speech Adaptation Department, Sound Processing Department, Phoneme Recognition Department, Language Processing Department The speaker is suitable for the department, the teacher is free from high speed, the speaker is suitable for the method of transformation, and the teacher is free from high speed. This method is not known, the content of the input sound is unknown, and the sound is very functional at the level of 4 seconds. The phoneme recognition part develops the modified LVQ2 method and the optimal phoneme series selection method. The phoneme recognition rate, drop-out rate, and addition rate were 86.5%, 1.7%, 9.0% and 86.1%, 3.9%, and 7.7% respectively. The system language processing section is open to general Japanese language processing. Specific text, text. The phoneme recognition rate was 85%, the text recognition rate was 62.5%, and the text recognition rate was 79.8%. Finally, Japanese Dictation is made. 853 words, subordinate words (auxiliary words, auxiliary verbs)281 words, Most of the speakers were able to understand the pronunciation of the speech, the recognition rate of the text was 32.6%, and the recognition rate of the text section was 73.2%. 2. Sound acoustics is the knowledge of existing sound and sound, and the relationship between dialect sound and standard language in Northeast China is clear. This time, automatic sound recognition and position redefinition of phonemes are attempted. 3. The existing sound recognition method is developed by using the sound recognition method, which reduces the calculation amount and improves the efficiency.

项目成果

松本,山下: "ベクトル量子化誤差の区分平均化による教師なし話者適応" 電子情報通信学会論文誌A. J72ーA. 869-872 (1989)

Matsumoto, Yamashita：“通过矢量量化误差分段平均进行无监督说话人自适应”IEICE Transactions A. J72-A (1989)。

Hiroshi Matsumoto: "Text independent speaker identification from short utterances based on piecewise discriminant analysis" Computer Speech and Language. 3. 133-150 (1989)

Hiroshi Matsumoto：“基于分段判别分析的短话语中与文本无关的说话人识别”计算机语音和语言。

三輪,長宝: "3音素組コンテキストの音素混同確率行列を用いた単語音声認識" 電子情報通信学会論文誌DーII. J72ーDーII. 1234-1241 (1989)

Miwa, Nagataka：“在三音素组上下文中使用音素混淆概率矩阵进行单词语音识别”，电子、信息和通信工程师学会杂志 D-II J72-D-II (1989)。

古賀,牧野,城戸: "ローカルピークによる語中母音の認識率改善の一方法" 日本音響学会誌. 45. 290-292 (1989)

Koga，Makino，Kido：“使用局部峰值提高单词中元音识别率的方法”日本声学学会杂志 45. 290-292 (1989)。