音声・言語現象の個人性モデルに基づく対話音声理解システムの開発

基于语音和语言现象的个性模型的对话语音理解系统的开发

基本信息

批准号：
14780272
负责人：
甲斐充彦
金额：
$ 1.92万
依托单位：
Shizuoka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2002
资助国家：
日本
起止时间：
2002 至 2004
项目状态：
已结题

项目摘要

本年度は、対話音声において音響韻律的な現象に注目した対話音声処理に関する研究を行い、下記の研究成果を得た。1.対話音声の個人性の扱い前年度に引き続いて、発話様式の変動や個人性の違いによる対話音声認識性能の低下の問題に対して、繰り返しの訂正発話の検出法に焦点を当てた。本年度は新たに、音響・韻律的特徴の併用やモデル化に注目して、訂正発話の同定精度の改善を検討した。一つのアプローチとして、従来は2発話間の音響的特徴の類似性のみに注目していた繰り返し発話検出において、対数化基本周波数とその時間変化特徴を併用したパターンマッチングに基づくスポッティング法の適用を試み、従来法と比較して検出性能を4%ほど改善した。結果として80%程度の検出性能が得られた。2.発話様式と個人性の違いの定量化音声・言語現象のモデル化において、一般的な音響的な特徴表現での音声の個人性及び発話様式の違いの影響を明らかにするため、複数回の訂正入力を想定して発話様式の異なる発話を複数名の被験者で収録した。キーワード入力タスクを設定して、普通に発話してもらう場合と、訂正のために誇張して発話する場合とで複数の発話様式で発声してもらい、同一キーワードの発話様式の違いや個人差の影響の大きさと音響特徴空間での統計的な距離尺度との関係を分析した。分析において、母音間のBhattacharyya距離に基づく音韻構造間の距離との関係を分析した結果、個人間の差異や発話様式間での差異および、標準音響モデルと各個人・各発話様式との差異において、音韻構造間の距離に基づいて定量化された指標が発話様式や認識精度の違いに対してより相関が高い指標となることが示された。

今年，我们对对话演讲的对话演讲处理进行了研究，并在对话演讲中进行了研究，并获得了以下研究结果。 1。上一年对话演讲中对个性的处理，我们重点介绍如何检测反复的校正话语，以应对言语风格和个性差异导致对话言语识别表现不佳的问题。今年，我们研究了提高校正语音识别的准确性，重点是声学和韵律特征和建模的组合。作为一种方法，在检测重复的语音（以前仅集中在两个语音之间的声学特征的相似性上，我们试图使用对数基本频率及其时间变化的特征以及与常规方法相比，使用对数基本频率及其时间变化的特征，并将检测性能提高了约4％。结果，获得了约80％的检测性能。 2。为了阐明一般声学特征表示语音个性和言语风格的差异，量化语音风格和个性之间的差异，以阐明言语个性和语音风格的差异，假设多个校正输入，则记录了具有多个主题的不同语音样式的话语。设置了一个关键字输入任务，以具有多种语音样式，例如，当该人获得正常语音或夸张的语音以进行校正时，以及对同一关键字的语音样式差异与个体差异的影响的差异与声学特征空间中的统计距离的影响。在分析中，我们根据元音之间的bhattacharyya距离分析了语音结构之间的距离之间的关系，并表明，就个人与语音样式之间的差异而言，标准声学模型与每个个体模型与语音样式之间的差异，基于语音结构之间的距离量化指标与语音样式和识别精度的差异更加相关。