高齢者向け音響モデルによる大語彙連続音声認識の評価

• Item type: SIG Technical Reports(1)
• 公開日: 2001-02-02
• タイトル: 高齢者向け音響モデルによる大語彙連続音声認識の評価
• タイトル / 言語: en
• タイトル: Acoustic Model Evaluation for Elder Speaker Speech Database
• 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: イメージ情報科学研究所
• 著者所属: イメージ情報科学研究所
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): Laboratories of Image Information Science and Technology
• 著者所属(英): en
• 著者所属(英): Laboratories of Image Information Science and Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nara Institute of Science and Technology
• 著者名: 馬場, 朗; 芳澤伸一; 山田, 実一; 李晃伸; 鹿野, 清宏
• 著者名(英): Akira, Baba; Shinichi, Yoshizawa; Miichi, Yamada; Akinobu, Lee; Kiyohiro, Shikano
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年、大語彙連続音声認識を利用したシステムの普及に伴い、さまざまな用途で音声認識が利用されるようになりつつある。音声認識システムの性能に悪影響を与える要因の一つとして、システムを利用するユーザーの音響特性と音響モデルとの間のミスマッチがある。一般に、音響モデルの学習には成人音声を用いるため、高齢者の音響特性との間にミスマッチを生じ、認識率の低下を生じる可能性がある。本論文では、大規模な高齢者音声データベース（200文章×301人）を用いて音響モデルの学習を行い、この高齢者向け音響モデルを大語彙連続音声認識システムにおいて評価した。実験結果では、成人データベース（150文章×260人）から学習したモデルによる認識結果と比較して、3?5％の単語認識率の改善が得られた。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Speech recognition technologies have been widely used in various areas due to the recent developments of large vocabulary continuous speech recognition (LVCSR) algorithms. Acoustical difference among speakers is considered to be one of the main reasons for the degradation of speech recognition rates. Especially, the acoustic difference between elder speaker speech database and usual adult speech database should be evaluated and researched for elder speakers to use speech recognition systems. In this paper we evaluated elder speaker acoustic models in LVCSR, which are trained by the 301-elder-speaker utterance database, where each speaker utters 200 sentences. The elder speaker PTM acoustic model attains 88.9% word recognition rate, which better than 85.4% word recognition rate by the usual aduld PTM acoustic model.
• 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 2001, 号 11(2000-SLP-035), p. 13-18, 発行日 2001-02-02
• 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