韻律情報と音韻情報の有機的密結合による音声認識の研究

基于韵律与音韵信息有机紧密耦合的语音识别研究

• 批准号: 05780283
• 负责人: 下平 博
• 金额: $ 0.58万
• 依托单位: Japan Advanced Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1993
• 资助国家: 日本
• 起止时间: 1993 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-05780283/
• 关键词: 句境界検出; 韻律情報; ピッチ; 連続音声認識

本研究は、アクセントやイントネーションに代表される韻律情報を音韻情報と同格に扱い、両者を有機的に結合することによって、連続音声中の単語や文節の認識精度を向上させる手法の開発を研究目的とした開始された。韻律句を自動抽出する手法として、モデルを仮定せずに実際に大量の音声資料から得らる統計的な特徴を利用したボトモアップ的な手法を取り入れた点に本手法の特徴がある。実験はATR製の連続音声データベ-(セットB、話者10名)を用いて行われた。研究の成果は以下の通りである。1.ラグ窓法に周波数帯域分割法を施すことによって、ピッチ抽出精度が向上することが分かった。2.学習データのアクセントパターンのクラスタリングを行い、得られたアクセントテンプレートと、未知入力としての連続音声のピッチパターンとをOne Stage DP法によって連続整合することによって、アクセント句の自動抽出を試みた。実験によって以下の結果を得た。(1)視察境界の約83%を自動検出することができた。(2)ピッチテンプレートのテキスト依存性は低く、テキストに依存しない一般的なピッチパターンの特徴がとらえられていることが分かった。これに対し、話者依存性はかなり大きいことが分かった。得られた韻律句の情報と音韻認識を統合する作業は現在進行中である。予備的な実験によると、韻律境界に誤りが多く含まれているため単一の候補では情報量として不足であることが判明した。そこで、複数の候補を選出し、その結果を利用することを検討中である。

This study aims to develop a method for the identification of prosodic information, phonological information, homophonic information and phonological information. Prosodic sentences are automatically extracted by means of a set of sound data, and statistical features are obtained by means of a set of sound data. The ATR system is connected to the sound of the voice-(base B, 10 speakers). The results of the research are as follows. 1. Frequency division method 2. Learn how to integrate and extract information from a computer system. Learn how to integrate information from a computer system. Learn how to extract information from a computer system. Learn how to integrate information from a computer system. Learn how to extract information from a computer system. The following results were obtained. (1)About 83% of the inspection area is automatically detected. (2)The characteristics of the game are as follows: This is the first time that I've ever been able to talk to someone. The task of integrating prosodic sentences and phonemes is now underway. The amount of information required for preparation is insufficient. The number of candidates is zero.

项目成果

H.Shimodaira: "Accent Phrase Segmentation Using Transition Probabilities between Pitch Pattern Templates" Proc.of International Conference Eurospeech'93. 3. 1767-1770 (1993)

H.Shimodaira：“使用音高模式模板之间的转换概率进行重音短语分割”Proc.of International Conference Eurospeech93。

中井 満: "ピッチパターンのクラスタリングに基づく不特定話者連続音声の句境界検出" 電子情報通信学会論文詩(A). J77-A,2. 206-214 (1994)

Mitsuru Nakai：“基于音高模式聚类的与说话者无关的连续语音的短语边界检测”IEICE Paper Poetry (A) 206-214 (1994)。

Hiroshi SHIMODAIRA: "Prosodic Phrase Segmentation By Pitch Pattern Clustering" Proc.of International Conference ICASSP-94. (発表予定). (1994)

Hiroshi SHIMODAIRA：“Prosodic Phrase Segmentation By Pitch Pattern Clustering”（国际会议 ICASSP-94）（待提交）。