音声知覚特性の解析に対する音声認識技術の適用

应用语音识别技术分析语音感知特征

基本信息

批准号：
18652040
负责人：
入野俊夫
金额：
$ 2.11万
依托单位：
Wakayama University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Exploratory Research
财政年份：
2006
资助国家：
日本
起止时间：
2006 至 2008
项目状态：
已结题

项目摘要

劣化させた音声を聞き取る時の知覚特性と、音声認識器での認識結果を対比させることにより、人間の音声言語知覚の特性を数理的に定量化することを目的としている。本年度は、H19年度に収集した人間の知覚特性データと対比するために、同一の単語音声データ(FW03)を用いて、音声認識実験をH18年度に行ったものより改善して実施した。まず認識系を最も標準的なHTK(http://htk.eng.cam.ac.uk/)とした。また、人間の知覚実験に用いた1話者分だけでなく、FW03中の他の話者に関しても、音韻ラベルを自動的に付け、学習データを1話者から4話者までとした場合のそれぞれの認識結果も出すことができるようにした。得られた結論として、音声認識器でも、劣化の度合いや単語親密度に関わらず、第1・第3モーラ目の認識率が、第2・第4モーラ目の認識率よりも低いという、人間と同じ傾向のデータが得られた。劣化度合いが大きい場合、人間も認識器と同様に音節遷移情報にかなり依存していた。これに対し、劣化度合が小さい場合には、人間の認識率は認識器の認識率より優れていることがわかった。また、異聴表を対比させて両者を比較した。認識器の場合は、劣化度合の変化に関わらず異聴傾向はそれほど変化せず、人間のばらつきのある結果と対照的であった。今後さらに、認識用の特徴ベクトルの選択や、人間の高次認知的な振舞いに関して検討の余地がある。従来、音声明瞭度試験は単音節で行われてきたが、日常会話音声の知覚特性は必ずしも明確ではなかった。今回使用した親密度統制単語音声リストFW03(FW07)は、そのために開発され、活用が期待されている。しかし、その単語音声自体が持つ統計的/定量的な特性把握はまだ行われていなかった。本研究はその第一歩で、今後の音声知覚研究の基盤となるものと考える。

目的是数学上通过比较聆听恶化的语音和语音识别设备的识别结果时的感知特征来量化人类语言感知的特征。在今年，为了比较2007年收集的人类的感知特征数据，我们使用相同的语音数据（FW03）进行了语音识别实验，并与2006年进行的语音识别实验进行了改进的语音识别实验。首先，识别系统是最标准的HTK（http:////htk.eng.eng.cam.cam.cam.ac.uk/）。此外，语音标签会自动添加到人类感知实验中使用的单个扬声器以及FW03中的其他扬声器中，当学习数据是从一到四个说话者中学习时，可以为每个说话者识别结果。得出的结论是，即使是语音识别者也具有与人类相同的趋势，其趋势与人类相同，在这种趋势中，第一和第三莫拉的识别率都低于第二和第四莫拉的识别率，而不论其恶化程度如何。当恶化程度很大时，人类像识别剂一样高度依赖于音节过渡信息。相反，当劣化程度很小时，发现人类的识别率优于识别剂的识别率。另外，通过比较差异来比较两者。在识别者的情况下，与人类结果的变化相反，听力趋势并没有改变太大。将来，关于选择识别特征向量和人类高阶认知行为的特征向量还有进一步的考虑。过去，语音清晰度测试是使用单音节进行的，但是日常演讲的感知特征并不总是很清楚。为此目的开发了此次使用的亲密控制单词语音列表FW03（FW07），并有望使用。但是，声音本身的统计/定量特征尚未被理解。这项研究是第一步，将作为语音感知的未来研究的基础。