モーラ遷移確率モデルによる韻律の表現と音声認識への利用に関する研究

基于mora转移概率模型的韵律表达及其在语音识别中的应用研究

• 批准号: 11878058
• 负责人: 広瀬 啓吉
• 金额: $ 1.28万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Exploratory Research
• 财政年份: 1999
• 资助国家: 日本
• 起止时间: 1999 至 2000
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11878058/
• 关键词: モーラ遷移確率モデル; 韻律的特徴; 基本周波数パターン; アクセント句境界; 連続音声認識; 離散型HMM; 連続分布モデル; パターン生成; アクセント句; アクセント型識別

基本周波数パターンを中心とする韻律的特徴をモーラ単位で表現し、その遷移確率モデルにより韻律に関する事項を表現して検出、識別を行い、その結果を音声認識に利用することを目的とし、以下の様に所期の目標を達成した。1.離散型HMMであるモーラ遷移確率モデルを連続分布モデルとすることの検討を行った。基本周波数パターンをスプライン補間した後、2次曲線で近似し、その係数をパラメータとすることで数%の境界検出率の向上を得た。2.休止が後続する場合、モーラ持続時間が閾値より大きい場合について個別にモデル化することにより、アクセント句境界検出率の数%程度の向上を得た。3.入力された連続音声を、まず音素HMMと文章単位のモーラbi-gramで認識し、得られたモーラ境界情報を利用して、モーラ遷移確率モデルによりアクセント句境界を検出する。次に、検出された境界情報を基に、アクセント句単位のモーラbi-gramを用いて再認識を行うことにより認識率の向上を達成する。この様な2段構成の認識アルゴリズムを構築して、ATR連続音声データベースを用いた認識実験で数%のモーラ認識率の向上を確認した。4.上記の前段認識とアクセント句境界検出において、2ベストを取って認識を進め、最終的なスコアによって確定することを行い、1ポイント程度のモーラ認識率の向上を達成した。さらに、後段の2ndベストを時間情報を考慮して利用することで認識率がさらに向上する可能性を示した。5.発話内容既知の場合について、開発した手法による韻律の自動ラベリングを行い、7割程度の精度でのラベリングが可能なことを示した。6.モーラ遷移確率モデルを結合することにより、アクセント型、フレーズ境界位置を入力としてアクセント句の基本周波数パターンを生成することを行った。モーラ境界での不連続を平滑化するこれにより、音声合成に利用可能なことを示した。

Basic cycle number: center: prosody: performance, mobility: accuracy: prosody: performance: identification: results: acoustic: utilization: goals: goals: 1. Discrete type HMM is a very accurate method for determining mobility. The basic frequency is obtained by the interpolation of the second order curve, the approximation of the coefficient of the second order curve, and the estimation of the frequency of the second order curve. 2. The threshold value of the duration of the pause is higher than the threshold value of the duration of the pause, and the percentage of the detection rate of the pause is higher than the threshold value of the duration of the pause. 3. The input force is continuous sound, the input phoneme HMM, the input bi-gram, the input level information, the input mobility accuracy, the input level information, the input level information, the input level information. Second, the detection of the state information base, access to the sentence unit of the bi-gram to use the re-recognition of the line, the recognition rate of the upward to achieve The two-segment recognition system is constructed, and ATR is used to recognize the number of percent of the recognition rate. 4. The first paragraph of the above article is about the recognition, the second paragraph is about the recognition, the third paragraph is about the recognition, the fourth paragraph is about the recognition, the fourth paragraph is about the recognition. The second paragraph of this article considers the possibility of using this information to improve the recognition rate. 5. The content of the message is known in the case, the method of opening, the automatic selection of the rhythm, the accuracy of the 7-cut degree, the possibility of the selection, and the indication. 6. The mobility accuracy is determined by the combination of the basic cycle number and the basic cycle number. The unconnected boundary is smoothed, and the sound-to-sound synthesis is utilized.

项目成果

岩野公司: "Prosodic word boundary detection using mora transition modeling of fundamental frequency contours --Speaker independent experiments--"Proc. European Conf. on Speech Communication and Technology. (1999)

Iwano, Ltd.：“使用基频轮廓的音节转换模型进行韵律词边界检测——与说话人无关的实验——”欧洲语音通信与技术会议（1999）。

広瀬啓吉: "Statistical modeling of prosodic features and its use for speech recognition"Proc. International Conf. on Speech Processing. 1. 43-52 (1999)

Keikichi Hirose：“韵律特征的统计建模及其在语音识别中的应用”Proc。 1. 43-52 (1999)

岩野公司: "Speaker-Independent detection of prosodic word boundary using mora transition modeling of fundamental frequency contours"Proc. Japan-China Symposium on Advanced Information Technology. 107-114 (1999)

Iwano, Ltd.：“使用基频轮廓的音节转换模型进行与说话人无关的韵律词边界检测”Proc. 中日先进信息技术研讨会 107-114 (1999)。

岩野公司: "モーラを単位とした基本周波数パターンの確率モデル化とそれによるアクセント句境界の検出"情報処理学会論文誌. 40・4. 1356-1364 (1999)

Koji Iwano：“使用 Mora 作为单位的基频模式的概率建模以及使用它的重音短语边界检测”日本信息处理学会汇刊 40・4（1999 年）。

岩野公司: "語彙制約なし音声認識へのアクセント句境界検出の統合"電子情報通信学会論文誌. J83-D-II・10. 1977-1985 (2000)

Koji Iwano：“将重音短语边界检测集成到没有词汇限制的语音识别中”，电子、信息和通信工程师学会汇刊 J83-D-II·1977-1985（2000 年）。