自然な発話による音声インタラクションのための言語モデルに関する研究

利用自然语音进行语音交互的语言模型研究

• 批准号: 11J07766
• 负责人: 太田 健吾
• 金额: $ 0.83万
• 依托单位: Toyohashi University of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11J07766/
• 关键词: 音声認識; 言語モデル; 音響モデル; 話し言葉

大規模な話し言葉のコーパス(音声言語データベース)は,様々な音声言語処理タスクにおいて重要である.しかし,話し言葉を正確に書き起こす作業は極めて高いコストを必要とするため,あらゆるドメインに対して,そのようなコーパスが入手できると仮定することは現実的ではない.それに対して,速記録や会議録は,正確な書き起こしより広く作成されており,比較的容易に入手が可能である.ただし,速記録や会議録では,可読性を高めるために,間投詞や言い淀み,言い直しなどの話し言葉特有の現象は削除され,話し言葉特有の言い回しは適切な書き言葉に置き換えられるなど,様々な整形処理がなされていることが一般的である.従って、このようなコーパスを,音声認識用音響モデルの学習に直接的に用いることは困難であった.そこで,本年度は,著者らが従来提案してきた速記録や会議録(整形された書き起こし)から正確に書き起こされた箇所を自動検出する手法を改良した.提案手法では,まず,整形された書き起こしとその原音声とでアラインメントを行い,アラインメントによって得られた素性に基づくSupport Vector Machine(SVM)を用いて,正確に書き起こされた箇所を自動検出する.従来手法とは異なり,音節を単位とする音響的素性を用いることで,検出精度を改善することができた.また,国会会議録を対象とした評価実験により,提案手法を用いて検出された正確な書き起こしは,音声認識用音響モデルの話者適応用データとして有効であることを示した.

大规模口语语料库（口语数据库）对于各种口语处理任务都很重要，但是，准确转录口语的任务非常昂贵，因此不可能将其用于任何领域。可用，相比之下，速记和会议纪要比精确抄本更广泛地产生，并且相对容易获得。 ，执行各种格式化过程是很常见的，例如用适当的书面文字替换特定于口语的短语。因此，不可能直接使用此类语料库来训练语音识别的声学模型。作者决定我们改进了一种从速记录音和会议记录（格式化转录）中自动检测准确转录部分的方法。所提出的方法首先根据对齐获得的特征在格式化转录与其原始音频支持之间进行对齐。我们使用向量机（SVM）自动检测准确转录的部分。与传统方法不同，我们能够通过以音节为单位使用声学特征来提高检测精度。此外，使用议会会议纪要进行的评估实验表明，使用议会会议记录检测到的准确转录。所提出的方法作为用于语音识别的声学模型的说话者自适应的数据是有效的。

项目成果

Detection of Precisely Transcribed Parts from Inexact Transcribed Corpus

从不精确转录的语料库中检测精确转录的部分

• 发表时间: 2011
• 作者: 田中信行;東森充;金子真;太田健吾
• 通讯作者: 太田健吾

Development of large vocabulary continuous speech recognition system for Mongolian language

• 发表时间: 2012
• 作者: S. Nakagawa;Erdenebat Turmunkh;Hiroshi Kibishi;Kengo Ohta;Yasuhisa Fujii;Masatoshi Tsuchiya;Kazumasa Yamamoto

整形された書き起こしからの整形・非整形部分の自動検出

自动检测格式化转录本中的格式化和未格式化部分

• 发表时间: 2012
• 作者: Tanaka N;Rondo M;Uchida R;Kaneko M;Sugiyama H;Yamato M;Okano T.;太田健吾
• 通讯作者: 太田健吾

ポーズを考慮した話し言葉言語モデルの構築

构建考虑停顿的口语模型

• 发表时间: 2012
• 期刊: 情報処理学会論文誌
• 作者: 太田健吾;土屋雅稔;中川聖一
• 通讯作者: 中川聖一

Developing Partially-Transcribed Speech Corpus from Edited Transcriptions

从编辑的转录中开发部分转录的语音语料库

• 发表时间: 2012
• 作者: Kumashiro Y;Matsunaga T;Muraoka M;Tanaka N;Itoga K;Kobayashi J;Tomiyama Y;Kuroda M;Shimizu T;Hashimoto I;Umemura K;Yamato M;Okano T.;太田健吾
• 通讯作者: 太田健吾