発話内容に依存しない発話速度推定機構により制御される音素タイプライタの研究

点击翻译按钮获取中文摘要

1.持続時間からみた認識単位の設定:持続時間を表現するために,単母音と長母音など,音響的な差がほとんどないが持続時間には差があるものを区別するような単位を設定した.2.発話速度を考慮した持続時間モデルの構築:ラベルが付けられていない音声資料からのモデルの学習を考慮し,平均モ-ラ長を基準として,1次関数で音素の持続時間を表現するモデルを構築した。3.発話速度を考慮しないときの音素認識率:発話速度を考慮していない持続時間モデルで制御された非left-right HMMを用いて音素認識実験を行なった.その結果,全く持続時間モデルを用いない場合に比べて,認識率が向上することがわかった.4.発話速度を考慮したときの音素認識率:発話速度を考慮した持続時間モデルで制御された非left-right HMMを用いて音素認識実験を行なった.その結果,(3)の場合に比べて,さらに認識率が向上することがわかった.5.発話速度の推定:ergodic HMMを用いた発話速度の推定を試みたが,困難であることが判明した.持続時間の情報は,重要ではあるが主たる情報ではないため,音素列の情報を無視できなかったことが理由である.そのため,音素列既知の条件で発話速度の推定を行なった.その結果,発話速度のずれの平均が25ms/モ-ラ(音声資料は,180ms/モ-ラ)の精度で推定可能という結果が得られた.6.音素タイプライタの構築:音素列と発話速度を切り離して扱うことが困難であることがわかったので,発話速度を仮定したうえで音素認識を行なうことにより,発話速度推定と音素列抽出を同時に行なう方法を提案し,音素タイプライタのプロトタイプを作成した.動作は確認したが,まだ評価は済んでいない.7.その他:非left-right HMMの構造が,パラメタの学習にとって重要であることがわかった.