モーラ遷移確率モデルによる韻律の表現と音声認識への利用に関する研究

基于mora转移概率模型的韵律表达及其在语音识别中的应用研究

基本信息

批准号：
11878058
负责人：
広瀬啓吉
金额：
$ 1.28万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Exploratory Research
财政年份：
1999
资助国家：
日本
起止时间：
1999 至 2000
项目状态：
已结题

项目摘要

基本周波数パターンを中心とする韻律的特徴をモーラ単位で表現し、その遷移確率モデルにより韻律に関する事項を表現して検出、識別を行い、その結果を音声認識に利用することを目的とし、以下の様に所期の目標を達成した。1.離散型HMMであるモーラ遷移確率モデルを連続分布モデルとすることの検討を行った。基本周波数パターンをスプライン補間した後、2次曲線で近似し、その係数をパラメータとすることで数%の境界検出率の向上を得た。2.休止が後続する場合、モーラ持続時間が閾値より大きい場合について個別にモデル化することにより、アクセント句境界検出率の数%程度の向上を得た。3.入力された連続音声を、まず音素HMMと文章単位のモーラbi-gramで認識し、得られたモーラ境界情報を利用して、モーラ遷移確率モデルによりアクセント句境界を検出する。次に、検出された境界情報を基に、アクセント句単位のモーラbi-gramを用いて再認識を行うことにより認識率の向上を達成する。この様な2段構成の認識アルゴリズムを構築して、ATR連続音声データベースを用いた認識実験で数%のモーラ認識率の向上を確認した。4.上記の前段認識とアクセント句境界検出において、2ベストを取って認識を進め、最終的なスコアによって確定することを行い、1ポイント程度のモーラ認識率の向上を達成した。さらに、後段の2ndベストを時間情報を考慮して利用することで認識率がさらに向上する可能性を示した。5.発話内容既知の場合について、開発した手法による韻律の自動ラベリングを行い、7割程度の精度でのラベリングが可能なことを示した。6.モーラ遷移確率モデルを結合することにより、アクセント型、フレーズ境界位置を入力としてアクセント句の基本周波数パターンを生成することを行った。モーラ境界での不連続を平滑化するこれにより、音声合成に利用可能なことを示した。

目的是表达以音节单元中的基频模式为中心的韵律特征，使用转移概率模型表达韵律物质，检测和识别它们，并将结果用于语音识别，我们实现了我们的预期目标。 1. 我们研究了将 Mora 转移概率模型（离散 HMM）转换为连续分布模型。对基频模式进行样条插值后，我们用二次曲线对其进行近似，并通过使用系数作为参数，我们能够将边界检测率提高几个百分点。 2.通过分别对停顿后的情况和音节持续时间大于阈值的情况进行建模，我们将重音短语边界检测率提高了几个百分点。 3.首先使用音素HMM和基于句子的音节二元组来识别输入的连续语音，并且使用所获得的音节边界信息使用音节转移概率模型来检测重音短语边界。接下来，基于检测到的边界信息，通过使用每个重音短语的音节二元组执行重新识别来提高识别率。通过构建这样的两阶段识别算法，我们在使用 ATR 连续语音数据库的识别实验中证实了音节识别率提高了几个百分点。 4、在上述第一阶段的识别和重音短语边界检测中，我们选择最好的两个结果进行识别，并确定最终的分数，实现了音节识别率约1分的提升。此外，结果表明，考虑到时间信息，在后期使用次优可以进一步提高识别率。 5.对于已知话语内容的情况，使用所开发的方法进行韵律自动标注，结果表明标注的准确率约为70%。 6.通过结合音节转移概率模型，我们使用重音类型和短语边界位置作为输入生成重音短语的基频模式。我们证明了这种方法可以通过平滑音节边界处的不连续性来用于语音合成。