多言語に対応する音声入力インタフェースのための言語適応に関する基礎的研究

多语言语音输入界面的语言适配基础研究

• 批准号: 13780302
• 负责人: 大川 茂樹
• 金额: $ 1.34万
• 依托单位: Chiba Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2001
• 资助国家: 日本
• 起止时间: 2001 至 2002
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-13780302/
• 关键词: 音声言語処理; 多言語情報処理; 言語識別; 音声認識; 音韻性抽出; 音声インタフェース; 音声データベース; 多言語音声処理; 実環境音声認識; ヒューマンインタフェース

本研究は,世界の様々な自然言語(日本語や英語など)に共通して対応できる音声入力インタフェースを実現するために,対象とする言語とは別の音声データにより設計・構築された音声認識用モデルを当該の言語に「適応」する方法を検討し,その基礎的な知見を得ることを目指すものである.研究2年目の今年度は,まず,言語適応化学習の検討および音声入力インタフェースの設計を行った.具体的には,日本語および英語の音声データベース(数百名以上の話者による大規模なもの)を基準モデルとして,多言語(中国語,フランス語,インドネシア語など)の少量の音声に対する言語適応化学習を行う音声入力インタフェースを作成した.この際,音韻体系の記述以外の言語モデル(文法等)は特に設定しなかったが,将来何らかの方法で多言語の文法記述およびその変換が行えるようになった場合にそのまま適用できるような音響モデルの設計を試みた.次に,言語識別学習の検討として,上述のインタフェース設計から派生して,11の異なる言語の識別を行うシステムを設計し,1言語あたり100単語のデータベースを用いた簡単な言語識別実験を行った.この際,各言語の音響的特徴と言語的特徴とを効果的に抽出する方法を検討し,言語適応化における基礎モデルの設計に役立てることができた.研究成果の一部は,日本音響学会2003年春季研究発表会(2003年3月18日〜20日,早稲田大学)にて「多言語識別における音韻性パターンの利用に関する検討」なる題目で発表した.また,フランスのコンピエーニュ工科大学との共同研究テーマと合わせて「Analysis of rhythm-based methods for language identification」なる報告書にまとめることができた.

This study aims to explore the ways in which the world's natural speech (Japanese and English) can be understood in terms of sound penetration, design and construction of sound recognition systems for speech, and basic knowledge. This year's 2-year study aims to explore, explore, and design speech adaptation learning. Specifically, Japanese and English voice data sets (hundreds of or more speakers) are benchmarks, and multilingual (China, English, Chinese) voice data sets are created for speech adaptation learning and voice entry. At this time, the description of phonological system other than speech language (grammar, etc.) is not specially set, how to use it in the future, multi-language grammar description, and how to use it in the future. Second, speech recognition learning is discussed in detail, and the design of the above speech recognition system is derived from the design of the speech recognition system in 11 different languages. At the same time, the acoustic characteristics of each speech and the extraction method of speech characteristics and effects are discussed, and the basic design of speech adaptation is established. One part of the research results was presented at the 2003 Spring Research Conference of the Society of Acoustics of Japan (Waseda University, March 18 - 20, 2003) on the topic of "Discussion on the utilization of phonemes in multi-speech recognition." "Analysis of rhythm-based methods for language identification" report.

项目成果

山下利樹, 川野涼子, 大川茂樹, Stephane Aubry: "多言語識別における音韻性パターンの利用に関する検討"日本音響学会講演論文集. 3-Q-8. 167-168 (2003)

Toshiki Yamashita、Ryoko Kawano、Shigeki Okawa、Stephane Aubry：“多语言识别中语音模式的使用研究”日本声学学会论文集 167-168（2003 年）。