| Item type |
SIG Technical Reports(1) |
| 公開日 |
2019-10-04 |
| タイトル |
|
|
タイトル |
音声波形を入力とする単語単位End-to-End音声認識 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
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．現在，単語単位 End-to-End 音声認識を実現する上において入力の音響特徴量として用いられるのは対数メルフィルタバンク特徴量であるが，音声波形から対数メルフィルタバンクへの変換の際に，認識に有用な情報を損失している可能性がある．本研究では，より単語単位 End-to-End 音声認識に合致した特徴量抽出のために，CNN を用い，音声波形を入力とし，特徴量抽出から単語単位認識までを 1 つのネットワークで行う手法を提案する．単語基準の損失関数を特徴量抽出まで誤差逆伝播を行うことでより適合した特徴量抽出を行うことを期待する．また，本モデルではモデル内の設定により窓幅やシフト幅を任意に変更することが可能である．そのため，より多様な特徴量抽出を行うために，提案モデルを拡張し，複数の窓の設定での特徴量抽出を用意するモデルも提案する．実験により，提案手法は従来の対数メルフィルタバンクと同等の結果を示し，対数メルフィルタバンクとは異なる特徴量抽出を行なっていることを示した． |
| 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 2019-SLP-129,
号 2,
p. 1-5,
発行日 2019-10-04
|
| 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-SLP19129002.pdf (1.7 MB)
