群論を用いた声道長変換の表現と解析的正規化処理

• Item type: SIG Technical Reports(1)
• 公開日: 2022-06-10
• タイトル: 群論を用いた声道長変換の表現と解析的正規化処理
• タイトル / 言語: en
• タイトル: Representation and analytical normalization for vocal-tract-length transformation by group theory
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ポスターセッション2
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 名古屋大学情報学研究科
• 著者所属: 名古屋大学情報基盤センター
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Nagoya University
• 著者所属(英): en
• 著者所属(英): Information Technology Center, Nagoya University
• 著者名: 宮下, 敦志; 戸田, 智基
• 著者名(英): Atsushi, Miyashita; Tomoki, Toda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 音声認識モデルには，話者の違いによる発声の揺らぎに対して認識結果が不変であることが求められる．声道長変換はそのような揺らぎを模倣する変換の 1 つである．本報告では，全域通過フィルタによるワーピングで表される声道長変換について，群論を用いて別の変換式を与え，そこから解析的に導かれる声道長正規化処理を音声認識モデルの入力に用いる手法を提案する．提案手法では，学習データに依存しない特徴量表現を得ることが可能である．TIMIT データセットを用いた音素ラベル分類による実験的評価によって，学習データに含まれない仮想的な声道長の話者について，提案手法による汎化性能の向上が確認された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In automatic speech recognition, a recognition result should be invariant with respect to acoustic changes caused by different speakers. Vocal Tract Length Transformation (VTLT) is one of the typical transformations to reproduce those acoustic changes. In this report, we propose an alternative representation of VTLT based on all-pass-warping by using the group theory and an analytical approach to normalizing the acoustic changes caused by it. The proposed approach is capable of extracting the normalized feature independently on training data. An experimental result of a frame-wise phoneme classification task using TIMIT has demonstrated that the proposed method yields classification performance improvements for pseudo speakers whose vocal tract lengths are different from those of the speakers in the training data.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2022-SLP-142, 号 33, p. 1-6, 発行日 2022-06-10
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会