音声の構造的表象を用いた自動発音評定法の改善

• Item type: SIG Technical Reports(1)
• 公開日: 2009-07-10
• タイトル: 音声の構造的表象を用いた自動発音評定法の改善
• タイトル / 言語: en
• タイトル: Improvement of Structure-based Automatic Estimation of Pronunciation Proficiency
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 発音評価
• 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: 東京大学
• 著者所属: 東京大学
• 著者所属: 東京大学
• 著者所属: 東京大学
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者名: 鈴木, 雅之; 羅, 徳安; 峯松, 信明; 広瀬, 啓吉
• 著者名(英): Masayuki, Suzuki; Dean, Luo; Nobuaki, Minematsu; Keikichi, Hirose
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 外国語の発音学習において，意図した音素が音響的に適切に生成されているか否かは，多くの場合スペクトル包絡を通して推定可能である．しかし，学習者の性別，年齢などの個人差もスペクトル包絡を変形させるため，これらの要因が発音評定精度を低下させることがある．近年，音声に含まれる言語的特徴と非言語的特徴を分離することを目的として，音声の構造的表象が提案され，発音評定において高い有効性が示されている．この提案後，我々は構造的表象を音声認識に対しても応用し，分析の高度化を図ってきた．本研究では，これまでに得られた知見を元に，構造を用いた発音自動評定の改善を検討した．さらに，構造比較における相対的尺度を新しく導入した．実験の結果，手動評定値と自動評定値の相関が従来手法より高くなること，GOP などの既存の手法と比較して，個人差に対して高い頑健性を示すことが分かった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Adequacy in controlling the vocal organs is often estimated from spectral envelopes of input utterances but the envelope patterns are also affected by alternating speakers. To develop a good and stable method for automatic estimation of pronunciation proficiency, the envelope changes caused by linguistic factors and those by extra-linguistic factors should be properly separated. For this aim, a structural representation of pronunciation was proposed recently and its effectiveness was experimentally shown. After the proposal, we have tested that representation also for ASR and, through these works, we have learned better how to apply speech structures to various tasks. In this paper, based on our recently acquired knowledge on the structures, several methods are examined to improve the automatic estimation of pronunciation proficiency. Further, a relative structural distance measure is also proposed. Experimental results show that higher correlations are obtained between human rating and machine rating and that, in comparison to widely-used GOP scores, higher robustness is realized with respect to extra-linguistic factors.
• 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 2009-SLP-77, 号 17, p. 1-6, 発行日 2009-07-10
• 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