音声の絶対的特徴と相対的特徴を融合した頑健で柔軟な音声情報処理技術の構築

构建鲁棒灵活的语音信息处理技术，结合语音的绝对特征和相对特征

• 批准号: 11J08960
• 负责人: 鈴木 雅之
• 金额: $ 0.83万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for 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-11J08960/
• 关键词: 音声認識; 音声の構造的表象; 耐雑音音声認識; REDIAL; 大語彙音声認識; CALL; Nベストリランキング; トラジェクトリHMM

本研究では、主に二つの成果をあげた。一つ目は、大語彙連続音声認識において、音声の相対的特徴量を用いて性能向上を実現したことである。従来の大語彙連続音声認識手法は、計算の効率のため、音声の絶対的特徴量のみが用いられていた。本研究では、大語彙連続音声認識の後段処理にあたる、識別的リランキング処理に注目した。識別的リランキングの特徴量として、音声の相対的特徴量である構造的表象を用いることで、計算効率が高く、かつ精度の高い処理を実現することができた。二つ目は、雑音環境下に頑健な音声認識を実現するための雑音抑圧処理において、音声の動的な成分を適切に捉えて雑音抑圧処理を行う手法を開発し、高い性能を実現したことである。従来の雑音抑圧手法では、ある時刻フレームの音声特徴量を雑音抑圧するために、その時刻フレームの音声特徴量のみを用い、前後数フレーム分の特徴を用いていなかった。本研究では、前後数フレーム分の特徴量を入力とする手法を開発した。単純に前後数フレーム分の特徴量を入力とすると、過学習の問題が発生し、雑音抑圧性能は向上しない。本研究では、REDIAL(REgularized piecewise linear mapping with Discriminative region weighting And Long-span features)という手法を開発し、前後数フレーム分の特徴を適切に雑音処理に用いることに成功した。さらにこのREDIALは、雑音抑圧処理にとどまらず、帯域拡張処理、声質変換、マルチモーダル雑音抑圧の精度向上にも有効であることを示した。

This research is the result of two main research projects. A word, a word, a sound, a sound. The method of recognition of large words and sounds is used to calculate the efficiency and the characteristics of sounds. This study focuses on the post-processing of the recognition of large words and sounds. The characteristic quantity of recognition, the characteristic quantity of sound and the corresponding structure, the representation of structure, the calculation efficiency and the precision of processing are realized. Second, sound recognition in sound environment is realized, sound suppression processing is realized, sound dynamic components are appropriately captured, sound suppression processing is realized, and high performance is realized. The sound suppression method is used to suppress the sound characteristics of the sound system at different times. This study is based on the analysis of the characteristics of the front and rear parts of the paper. The characteristics of the pure front and rear parts are introduced into the force, and the problem of over-learning occurs, and the sound suppression performance is improved. In this study, REDIAL(Regularized piecewise linear mapping with Discriminative region weighting And Long-span features) was successfully used. In addition, this REDIAL shows that it is effective in improving the accuracy of sound suppression, band expansion processing, sound quality conversion, and sound suppression.

项目成果

コンディション変数の導入によるミスマッチがない場合にも頑健なステレオベース特徴量強調

即使在不存在不匹配的情况下，通过引入条件变量也能实现鲁棒的基于立体的特征增强

• 发表时间: 2013
• 作者: 鈴木雅之; 峯松信明;広瀬啓古
• 通讯作者: 広瀬啓古

音声の構造的表象を用いた大語彙音声認識の識別的リランキング

使用语音结构表示对大词汇量语音识别进行判别性重排序

• 发表时间: 2012
• 作者: 淡路遼;今野晃嗣;SeanLee;齋藤慈子;長谷川寿一;尾崎洋輔,峯松信明,広瀬啓吉,エリクソン・ドナ;今野晃嗣;鈴木雅之,倉田岳人,西村雅史,峯松信明,広瀬啓吉
• 通讯作者: 鈴木雅之,倉田岳人,西村雅史,峯松信明,広瀬啓吉

MFCC enhancement using joint corrupted and noise feature space for highly non-stationary noise environment

使用联合损坏和噪声特征空间对高度非平稳噪声环境进行 MFCC 增强

• 发表时间: 2012
• 作者: M.Suzuki;T.Yoshioka;S.Watanabe;N.Minematsu;K.
• 通讯作者: K.

An experimental study on dynamic features of speech structure

语音结构动态特征的实验研究

• 发表时间: 2012
• 期刊: Journal of Research Institute of Signal Processing
• 作者: S. Shimizu;M. Suzuki;N. Minematsu;and K. Hirose
• 通讯作者: and K. Hirose

Combination of SPLICE and feature normalization for noise robust speech recognition

SPLICE 和特征归一化的组合用于噪声鲁棒语音识别

• 发表时间: 2012
• 期刊: Journal of Research Institute of Signal Processing
• 作者: T. Kai;M. Suzuki;N. Mineaatsu;K. Hirose
• 通讯作者: K. Hirose