識別モデルを用いた音声認識手法の構築

利用判别模型构建语音识别方法

• 批准号: 11J07750
• 负责人: 藤井 康寿
• 金额: $ 0.83万
• 依托单位: Toyohashi University of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11J07750/
• 关键词: 音声認識; 識別モデル; HCNF; HMM; HCRF

本研究においては,実環境における自然な発話の音声認識性能の向上を目的として,識別モデルを用いた音声認識手法に関して検討を行った.本研究では特に,特徴抽出機能を有した識別モデルであるHidden Conditional Neural Fields (HCNF)を提案し,音声認識における有効性について調査した.前年度までに,モデルの学習法の検討および連続音素・音節認識による評価を行ったため,今年度は,前年度までの成果に関する論文投稿,HCNFの大規模化(コンテキスト依存モデル,N-gramモデルの利用),大語彙連続音声認識の実現,さらなる高精度化,およびその評価を目標とした.本年度はまず,前年度までに得られていた成果についてまとめた英語論文が英語雑誌論文に再録され,1つ目の目標を達成できた.次に,HCNFを大規模化するために,HCNFを扱うことができる大語彙連続音声認識デコーダの開発を行った.デコーダは,HCNFを重み付き有限状態トランスデューサー(WFST)として表現することで効率的に実装可能であった,WFSTは音響的なコンテキスト依存性や高次のN-gram言語モデルを自然に表現することが可能であり,デコーダの記述を簡単化できる.このデコーダからラティスを出力することで,負例を表す仮説集合の近似表現を大規模タスクにおいても取得することができるようになった.さらに,近年音声認識において顕著な成功を収めているDeep Belief Network (DBN)をHCNFの初期値として使用する方法についても検討し,音声認識精度を改善できた.現在は,大語彙連続音声認識のタスクでモデルを評価中である.得られた研究成果については,国際会議及び英語論文としてまとめる予定である.

This study に お い て は, be environment に お け る natural な 発 words の sounds know performance の を up purpose と し て, identify モ デ ル を with い た sounds know technique に masato し て 検 line for を っ た. This study で は に, especially 徴 extraction function を have し た recognition モ デ ル で あ る Hidden Conditional Neural Fields (HCNF) し を proposal sounds know に お け る have sharper sex に つ い て survey し た. Before the annual ま で に, モ デ ル の learning method の beg お 検 よ び even 続 phoneme, syllable know に よ る review 価 を line っ た た め, our は ", before the annual ま で の results に masato す る paper submitted, HCNF の large scale (コ ン テ キ ス ト dependent モ デ ル, N - "gramm モ デ ル の use), large vocabulary even 続 sounds know の be now, さ ら な る high precision Youdaoplaceholder0 およびそ evaluate 価を objective と た. Before this year's は ま ず, annual ま で に have ら れ て い た results に つ い て ま と め た English thesis が 雑 に tzu paper and record さ れ, 1 つ の target を reached で き た. Time に HCNF を large scale す る た め に, HCNF を Cha う こ と が で き る large vocabulary even 続 sounds know デ コ ー ダ の open 発 を line っ た. デ コ ー ダ は, HCNF を heavy み pay き finite state ト ラ ン ス デ ュ ー サ ー (WFST) と し て performance す る こ と で に sharper rates may be loaded で あ っ た, WFST は sound of な コ ン テ キ ス ト dependency や の high times N - "gramm words モ デ ル を natural に performance す る こ と が may で あ り, デ コ ー ダ の account を Jane 単 change で き る. こ の デ コ ー ダ か ら ラ テ ィ ス を output す る こ と で, negative example を table す 仮 said collection の approximation performance を large-scale タ ス ク に お い て も obtain す る こ と が で き る よ う に な っ た. さ ら に, in recent years sounds know に お い て 顕 the な successful を 収 め て い る Deep are Network (DBN) を HCNF の early numerical と し て use す る method に つ い て も 検 for し, sounds know precision を で き た. は now, big vocabulary even 続 sounds know の タ ス ク で モ デ ル を review in 価 で あ る. Have to ら れ た research に つ い て は, international conference and び English thesis と し て ま と め る designated で あ る.

项目成果

Hidden Conditional Neural Fields for Continuous Phoneme Speech Recognition

• DOI: 10.1587/transinf.e95.d.2094
• 发表时间: 2012-08
• 期刊: IEICE Trans. Inf. Syst.
• 作者: Yasuhisa Fujii;Kazumasa Yamamoto;S. Nakagawa

DEEP-HIDDEN CONDITIONAL NEURAL FIELDS FOR CONTINUOUS PHONEME SPEECH RECOGNITION

用于连续音素语音识别的深层隐藏条件神经场

• 发表时间: 2012
• 作者: Yasuhisa Fujii;Kazumasa Yamamoto;Seiichi Nakagawa
• 通讯作者: Seiichi Nakagawa

Automatic speech recognition using Hidden Conditional Neural Fields

• DOI: 10.1109/icassp.2011.5947488
• 发表时间: 2011-05
• 期刊: 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
• 作者: Yasuhisa Fujii;Kazumasa Yamamoto;S. Nakagawa

Hidden Boosted MMI and Hierarchical State Posterior Feature for Automatic Speech Recognition based on Hidden Conditional Neural Fields

基于隐藏条件神经场的自动语音识别的隐藏增强人机界面和分层状态后验特征

• 发表时间: 2011
• 作者: Yasuhisa Fujii;Kazumasa Yamamoto;Seiichi Nakagawa
• 通讯作者: Seiichi Nakagawa