Development of high-accuracy system for recognizing spontaneous speech

高精度自发语音识别系统的开发

• 批准号: 22500144
• 负责人: KOSAKA Tetsuo
• 金额: $ 2.5万
• 依托单位: Yamagata University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22500144/
• 关键词: 音声認識; 話し言葉; 音響モデル; 言語モデル; 話者適応; 話し言葉音声認識; 教師無し話者適応; 単語グラフ統合; クロスバリデーション; 話者インデキシング; 話者ベクトル; クロス適応; 音素環境依存モデル; 話者クラス音響モデル

In our research, we aimed to improve the system performance for recognizing spontaneousspeech, which was considered to be more difficult than recognizing read speech. We focused on three technical issues: (1) acoustic and language models, (2) system combinationtechniques, and (3) speaker indexing. For improving the performance of acoustic models,we investigated a discrete-mixture hidden Markov model based on discriminative training, speaker-class model, quinphone, and a reverberation-class model. Some systemco(a) mbinationtechniquesw(a) ere investigated, such as the combination of continuous anddiscrete models, the combination of various quinphones, and the combination of reverberation-class models. For the issues of language models, we proposed the cross adaptation and cross-validation adaptation techniques. In addition, we improved theperformance of speaker indexing techniques based on speaker vectors required during theexecution of speaker adaptation.

在我们的研究中，我们旨在提高识别自发性语言的系统性能，这比识别阅读语音更加困难。我们专注于三个技术问题：（1）声学和语言模型，（2）系统组合以及（3）扬声器索引。为了提高声学模型的性能，我们研究了基于判别训练，扬声器级模型，Quinphone和Reverberation-Class级模型的离散混合模型。研究了一些Systemco（A）MbinationTechniquesw（a），例如连续和旋转模型的组合，各种Quinphone的组合以及混响级模型的组合。对于语言模型的问题，我们提出了交叉适应和交叉验证适应技术。此外，我们改善了基于说话者的执行过程中所需的扬声器向量的说话者索引技术的性能。

项目成果

識別学習を用いた離散混合分布HMMによる音声認識

使用离散混合分布 HMM 进行判别学习的语音识别

• 发表时间: 2013
• 期刊: 情報処理学会論文誌
• 作者: Miyazaki;K.;小坂哲夫，加藤正治
• 通讯作者: 小坂哲夫，加藤正治

入力音声の韻律情報を用いたHMM音声合成

使用输入语音的韵律信息进行 HMM 语音合成

• 发表时间: 2013
• 作者: Tomoko Nariai;Kazuyo Tanaka;Tatsuya Kawahara;栗原大樹,加藤正治,小坂哲夫
• 通讯作者: 栗原大樹,加藤正治,小坂哲夫

Lecture Speech Recognition by Combining Word Graphs of Various Acoustic Models

结合各种声学模型的词图进行讲座语音识别

• 发表时间: 2010
• 期刊: Proc. of Interspeech2010
• 作者: Tetsuo Kosaka;Keisuke Goto;Takashi Ito and Masaharu Kato
• 通讯作者: Takashi Ito and Masaharu Kato

Unsupervised Speaker Adaptation Using Speaker-Class Models for Lecture Speech Recognition

使用说话者类模型进行讲座语音识别的无监督说话者适应

• 发表时间: 2010
• 期刊: IEICE Transactions on Information and Systems
• 影响因子: 0.7
• 作者: Tetsuo Kosaka;Yuui Takeda;Takashi Ito;Masaharu Kato;Masaki Kohda
• 通讯作者: Masaki Kohda

Speaker Adaptation Based on System Combination Using Speaker-Class Models

基于使用扬声器类模型的系统组合的扬声器自适应

• 发表时间: 2010
• 期刊: Proc. of Interspeech2010
• 作者: Tetsuo Kosaka;Takashi Ito;Masaharu Kato and Masaki Kohda
• 通讯作者: Masaharu Kato and Masaki Kohda