0 - gram汎用LVCSRと音素弁別特徴ベクトルを利用した 対話音声認識の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2002-12-16
• タイトル: 0 - gram汎用LVCSRと音素弁別特徴ベクトルを利用した 対話音声認識の検討
• タイトル / 言語: en
• タイトル: Recognition of Spontaneous Speech by Using a General - Purpose LVCSR with 0 - gram and Distinctive Phonetic Features
• 言語: jpn
• 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: 豊橋技術科学大学大学院工学研究科
• 著者所属: 豊橋技術科学大学大学院工学研究科
• 著者所属: 豊橋技術科学大学大学院工学研究科
• 著者所属: 豊橋技術科学大学大学院工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Toyohashi University of Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Toyohashi University of Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Toyohashi University of Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Toyohashi University of Technology
• 著者名: 伊勢路, 真吾; 福田, 隆; 桂田, 浩一; 新田, 恒雄
• 著者名(英): Shingo, Iseji; Takashi, Fukuda; Kouichi, Katsurada; Tsuneo, Nitta
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本報告では汎用LVCSRソフトウェアを利用して，対話音声を高精度で認識する方法を提案する．提案方式は，LVCSRが出力する音素系列で弁別的な特徴ベクトル系列に変換した後，対話管理部が指示する対話記述（語彙と文法）を利用してキーワードをスポッティングする．本方式の特徴は以下の二点にある．（1）LVCSRの言語制約を緩めることにより（0-gram，挿入ペナルティ有），LVCSRの持つ高い音素識別能力を最大限に利用している．（2）音素系列出力を弁別的な特徴ベクトル系列に置き換え，キーワードスポッティングを行うことにより，置換・脱落・付加誤りに対処している．本文では，道案内タスクの対話音声データを用いて，言語モデルにおける言語制約の違い，サブワードモデルとの比較，および混合行列を用いた整合方式との比較を行い，提案方式の有効性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper describes an attempt to recognize spontaneously spoken dialogue by using a general-purpose LVCSR software. In the proposed method, a phoneme string output from the LVCSR is converted into a sequence of vectors represented with distinctive phonetic features, then keywords assigned by a dialogue manager are detected from the input vector sequence. The method takes advantage of the potential abilities of: (1) precise phoneme discrimination achieved by relaxing the linguistic constraint in the LVCSR, (2) coping with the issued of substitution, deletion and insertion errors by combining a conversion process from a phoneme into a distinctive phonetic feature vector and a key-word spotting process. The proposed method shows significant improvements in comparison with the LVCSR software in an experiment with a spoken dialogue corpus of a map guidance task.
• 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: 情報処理学会研究報告音声言語情報処理（SLP）; 巻 2002, 号 121(2002-SLP-044), p. 213-218, 発行日 2002-12-16
• 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