| Item type |
SIG Technical Reports(1) |
| 公開日 |
2018-12-03 |
| タイトル |
|
|
タイトル |
End-to-End音声合成を用いた単語単位End-to-End音声認識のデータ拡張 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
セッション1 音声認識 |
| 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 |
|
|
|
京都大学情報学研究科 |
| 著者所属 |
|
|
|
京都大学情報学研究科 |
| 著者所属 |
|
|
|
京都大学情報学研究科 |
| 著者所属 |
|
|
|
京都大学情報学研究科 |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Informatics, Kyoto University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Informatics, Kyoto University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Informatics, Kyoto University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Informatics, Kyoto University |
| 著者名 |
上乃, 聖
三村, 正人
坂井, 信輔
河原, 達也
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
単語単位 End-to-End 音声認識は簡潔な構造で非常に高速な認識ができ，高い性能を達成している．しかし，単語単位音声認識モデルには，未知語を登録 ・ 認識できない問題と，テキストのみを用いた学習ができないという問題がある．一方で End-to-End 音声合成も近年研究されており，人間の音声に近い自然性を達成している．そこで本研究では，End-to-End 音声合成を用いた音声認識のデータ拡張を提案する．音声合成は通常単一話者で訓練されるが，音声認識には多様性のあるデータを必要とする．そこで，音声合成を多数話者の音声を出力できるように拡張し，音声合成による学習データ生成をより汎用的なものになることを目指す．音声合成は話者情報を符号化して，多数話者のコーパスから学習し，認識したいドメインのテキストから音声を合成する．これらの合成音声と人間が発話した自然音声を組み合わせて注意機構を用いたエンコーダデコーダモデルによる単語単位音声認識モデルの学習を行う．実験により多数話者音声合成を用いたモデルはベースラインモデルや単一話者音声合成を用いたモデルよりも大きな改善が見られた． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
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 2018-SLP-125,
号 2,
p. 1-5,
発行日 2018-12-03
|
| ISSN |
|
|
収録物識別子タイプ |
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 |
IPSJ-SLP18125002.pdf (1.8 MB)
