音声認識技術を用いたe-ラーニング教材コンテンツ作成補助システムに関する研究

基于语音识别技术的电子学习教材内容创作支持系统研究

基本信息

批准号：
17700597
负责人：
大河雄一
金额：
$ 1.41万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2005
资助国家：
日本
起止时间：
2005 至 2006
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-17700597/
关键词：
e-ラーニング音声認識教育工学

项目摘要

平成18年度は,本研究課題の最終年度に当たる。本年度においては,本研究の目的である授業・講義等の発話内容を用いたeラーニング教材作成システムに用いるための音声認識モデルおよび音声認識手法の検討を行った。従来より,本研究が対象とするような大学での講義などの音声は,非常に変化が激しい自然発話音声の一つであるため認識が困難であることが,他の研究などから指摘されていた。そこで本研究では前年度に得られていた知見などをもとに自然発話音声の音声認識精度の向上を図った。本年度検討した講義音声認識の手法は,音声に含まれる音素の持続時間が通常の長さとは極端に異なるものを認識誤りの可能性が高いものと見なし,これを抑制するものである。このために,発話様式の似た学術講演を対象とした大規模な音声コーパスCSJを用いて,事前に持続時間の知識を獲得し,認識対象の音声を音素持続時間の観点でスコア化し,認識結果の候補のリスコアリングにより持続時間の誤りを抑制した。この方法により,従来,持続時間の知識を用いる時,検討されていなかった発話速度や文内の位置などの言語的特徴の影響をモデルに取り込み高精度に持続時間の予測を可能とした。本提案法により,最大で4.7%の音素認識誤り削減率が得られた。これは,従来法により持続時間を考慮した場合に2.1%の改善しか得られないのと比べ,有意な改善であった。また,この成果は情報処理学会論文誌に投稿し,採録された。

2006财年标志着该研究主题的最后一年。今年，我们研究了使用课堂，讲座等的语音内容在电子学习教学创建系统中使用的语音识别模型和语音识别方法，这是这项研究的目的。以前，其他研究指出，诸如这项研究针对的大学的讲座之类的言语很难识别，因为它是自然语音最快的自然语音声音之一。因此，这项研究旨在提高上一年获得的知识来提高语音识别的自然语音语音的准确性。今年讨论的讲座语音识别方法是考虑到语音中包含的音素的持续时间与正常长度有很大不同，并抑制了这一点。为此，我们使用了针对具有类似语音风格的学术讲座的大规模语音CSJ提前获取持续时间的知识，并通过撤销候选人识别结果来抑制持续时间的语音，并抑制持续时间错误。这种方法可以通过结合语言特征的效果，例如语音速度和句子中的位置，从而可以高精度地预测持续时间，句子中的语音速度和位置在使用持续时间时尚未在模型中研究。该提出的方法达到了音素识别误差降低率高达4.7％。与常规方法相比，这是一个显着改善，在考虑持续时间时，仅获得2.1％的改善。结果还提交给日本信息处理协会的论文并收集。